房价调控的数学模型分析

发布时间：2020-06-09 22:26

【摘要】：2007年8月，由房地产价格波动引发的次贷危机席卷了美国、欧盟和日本等世界主要金融市场，导致了美欧经济放缓甚至衰退，给全球经济带来了巨大的灾难。房地产市场是一个典型的资金密集型行业，在资产价格大类中，房价占据重要位置。现代世界中央银行面临的巨大挑战之一就是资产价格和货币政策的关系问题，尽管程度有所不同，各国中央银行普遍运用货币政策来调整资产价格。 在经济全球化的今天，中国国内的现状不容乐观，在CPI一路高涨，各种生活物品价格不断涨价之时，房价越调越高。由次贷危机的爆发过程和导致中国房价暴涨的几大因素分析得知房价问题归根到底是货币现象。 房价的强烈波动已在全社会范围内引起了广泛关注，在调控政策频繁出台，几度强力调控未果的情况下，政府最终动用了强力的货币政策：控制货币供给量与提高利率。对于我国而言如此大力度且频繁使用货币政策进行调控尚属于摸索阶段，货币政策能否有效地遏制房价的持续上涨，房价调整的结果会不会造成经济增长的大幅下滑，已经是摆在政府面前的头等大事。怎样以一种量化的形式，较准确地反映房地产行业发展和国家经济增长的关系，实证分析货币政策是否有效，同样也引起学术界的强烈兴趣和高度关注。 本文根据当前房地产的现状，借用已有的相关数据和数学模型，利用数学的手段和方法，对中国房地产市场的某些经济问题和调控手段进行了分析，并给出了某些调控方法和市场的发展预测。 第二章建立了相应的房价预测的数学模型，并以此预测了杭州未来五年的房价走势。 第三章利用2006年以来的国防景气指数数据，基于货币政策最相关变量进行分析，建立了向量自回归（Vector Auto Regression，简称VAR）模型，并对模型进行了分析，对利率和货币供给量两项指标的实证分析表明货币政策尤其是利率政策对房价的影响较为明显。利率政策具有滞后效应，短期内，利率的变动与房价正相关；长期来看，利率的变动与房价负相关。整体上，利率向上对房价有向下的压力，利用利率政策来调控房价效果较明显。 第四章建立了两个新的VAR模型，采用一种量化的方式探讨研究房地产市场运行与整体经济运行之间的关系问题。起初，房价上涨与经济增长呈正向变动关系，但是在价值规律的作用下，房价的涨跌并不能引起宏观经济的大起大落，仍然在政府的控制范围之内。 第五章是对以上分析的总结，并对我国房地产调控提出了一些建议。同时，也给出了几条房价调控的具体措施。
【图文】：

如果满足条件：均值 ( )tE X = μ和方差2( )tVar X = σ都是与时间 t 无关的常数，协方( , )t t k kCov X X γ+= 是只与时间间隔k 有关而与时间t无关的常数，那么称该随机序列是平稳否则是非平稳的，即时间序列矩特性的时变行为反映了时间序列的非平稳性。白噪声过程是平稳的：2, (0, )t t tX = μ μ Nσ(3.随机游走过程是非平稳的：2 21, (0, ), ( )t t t t tX X μ μ N σ Var X tσ = + = (3随机游走的一阶差分是平稳的：21, (0, )t t t t tX X X μ μ Nσ Δ = = (3故，，如果一个时间序列是非平稳的，常常可以通过取差分的方法形成平稳序列。时间序列平稳是时间序列建模的重要前提，由于时间序列是否稳定将会很强烈地影响列的行为与特性(Brook,2002)，在进行动态回归模型的拟合时必须先检验各序列的平稳性。检验：以时间指标 t 作为横轴，纵坐标表示在时间 t 内各种序列的样本观察值，绘制时间序图，简称时序图。分别绘制LL、2ln M _SA 、 ln PF _SA 的时间序列图如下：

则模型是稳定的。否则模型结果不稳定，会导致某些结果不是有效的，比如，将影响脉冲响应函数的标准误差。图3.3经检验，图形3.3显示所有单位根的倒数的绝对值全部落在单位圆之内，协整关系是存在的，所建的VAR模型是稳定的，可以用来脉冲响应和方差分解并作进一步的结果分析。序列LL、2ln M _SA 、ln PF _SA 为何会存在协整关系呢？虽然单位根检验表明这三个时
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：F224;F293.3

【参考文献】

相关期刊论文 前2条

1 赵枫朝;联立方程组模型中参数估计的随机模拟[J];北京工业大学学报;2000年02期

2 张淑梅，李勇，夏义川;线性联立模型的确定性问题[J];北京师范大学学报(自然科学版);1996年04期

相关硕士学位论文 前1条

1 毛瑞华;时间序列建模中的随机单位根检验[D];四川大学;2005年

本文编号：2705346