基于时间序列模型的房价预测与波动分析

发布时间：2020-05-07 15:26

【摘要】：在实际应用中,预测房价及其波动变化的模型有很多,很多学者对房地产价格的研究,多是对房价的各种影响因素进行建模分析。此外,学者在研究价格波动时,通常选用异方差类模型,大部分模型都应用在股票市场和期货市场等金融市场,但ARMA-GARCH模型在房地产市场的房价研究中应用并不多见。本文旨在利用ARMA-GARCH模型研究济南市房价指数的预测及波动,针对近十年房地产市场状况,并提出如下问题:济南的房地产市场的价格波动是否具有聚集的特点;如何对济南市房价进行短期预测与波动分析;济南房地产市场是否存在对称性。基于以上三个问题,本文考虑到房地产既能为人类提供居住,又含有投资过程中,增值保值的功能,房价序列可能会存在异方差效应,因此本文从Wind数据库获取样本数据,具体为济南市2011年1月至2017年12月房屋销售价格指数,从房价指数序列本身出发,首先尝试建立AR模型,再残差序列具有ARCH效应的基础上加入GARCH模型。最后用此联合模型来拟合房价,并考虑残差序列在不同分布下,对模型进行优化与改进,希望找到预测房价及其波动性的理想模型。在条件异方差模型族中,EGARCH模型常用来验证波动率是否具有杠杆效应,最后利用多因子模型来研究山东省房价的影响因素,并将多因子模型与时间序列模型进行简要对比。对此,本文共分成五个章节,由研究背景及意义,研究文献的探讨,说明房地产市场现状以及理论准备,继而设计研究模型并进行分析,最后提出对策与建议。近十年来我国房地产价格的变化非常大,现如今太多年轻人沦为“房奴”,而背后的炒房热现象以及“房价泡沫”引人深思。特别是2008年金融海啸引起金融市场的巨大回落,房地产市场也包括在内。房地产业作为经济发展的支柱产业,其健康发展至关重要,而房地产的价格与波动无疑是判定房地产业是否健康的重要指标。因此本文主旨研究房价内在运行规律,对于预防房价大起大落、警惕房地产泡沫具有非常重要的意义。
【图文】：

我们选取的样本序列丨４为：２０１１年１月至２０１７年１２月的济南市房屋销售逡逑价格指数，设上月环比为１００，数据均来源于Ｗｉｎｄ数据库。首先观察济南逡逑市房价指数的时序图４－１，可以看出济南的房价指数，在波动中带有上升的逡逑趋势。而平稳序列的时序图表现形式序列中的数据，在一定范围内围绕一个逡逑固定值变动。逡逑－２７－逡逑

逑２０１１逦２０１２逦２０１３逦２０１４逦２０１５逦２０１６逦２０１７逡逑图４－１邋２０１１－２０１７年济南房屋销售价格指数时序图逡逑为了判断该序列是否是平稳序列，我们需从理论上进行说明分析，选择逡逑的是最常用的平稳性检验一ＡＤＦ单位根检验。逡逑我们得到统计量ＤＦ值为－２．７４９５０４，阶数为１１，ｐ值为０．２２０３．在５％的显逡逑著性水平下，不能拒绝该序列是平稳序列的原假设，，则该序列是非平稳的。逡逑此时，令货，即对原房价指数序列进行一阶差分。此时序逡逑列ｙｔ代表房价指数收益率，其中Ａ为第ｔ个房屋销售价格指数，逡逑－２８邋－逡逑
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：F299.23

【参考文献】

相关期刊论文 前8条

1 张元姣;;基于主成分回归分析的上海房价影响因素研究[J];现代商业;2013年27期

2 王博;;基于ARMA-GARCH模型的上证指数实证分析[J];科学技术与工程;2012年05期

3 侯外林;;基于ARMA-GARCH模型的股指波动压力测试情景设计研究[J];当代财经;2011年11期

4 潘贵豪;胡乃联;刘焕中;李国清;;基于ARMA-GARCH模型的黄金价格实证分析[J];黄金;2010年01期

5 尤梅芳;黄敏;程立;;ARIMA模型在房价预测中的应用——四川省商品住房价格指数未来走势的实证分析[J];中国物价;2009年06期

6 黄忠华;吴次芳;杜雪君;;基于GARCH模型族的上海房价分析[J];技术经济;2008年05期

7 胡炜童;李振东;;基于不同残差分布假定的GARCH类模型预测能力比较[J];甘肃科学学报;2008年01期

8 欧廷皓;;基于ARMA模型的房地产价格指数预测[J];统计与决策;2007年14期

相关博士学位论文 前1条

1 葛龙;基于GARCH和COPULA的天津房地产市场预测[D];天津大学;2008年

本文编号：2653174