基才ARIMA模型的郑州市商品住宅销售价格预测研究.pdfVIP

【金融观察】 基才ARIMA模型的郑州市 商品住宅销售价格预测研究 谷秀娟，梁润平 (河南工业大学 经济贸易学院，河南 郑州 450001) 摘要 ：本文根据河南省郑州市2009年一2011年90平方米以下商品住宅销售价格 的统计数据 ，进 行时间序列的平稳化处理，并根据时间序列的 自相关函数和偏 自相关函数的性质，进行模型的参 数估计和检验 ，得 出数据确定的最优的ARIMA模型，然后通过对样本数据所做的回归拟合模型 做预测分析，实证研究结果表明在允许的误差范围内，2011年9月到2012年3月各月的商品住宅 销售预测价格 出现微涨现象，从而为我 国政府决策提供技术和理论上的支持，为银行发放个人 住房抵押贷款的限度提供理论和数据的分析，为有购房意愿的消费者提供一个价格参考，也为 开发商提供成本与收益的初步核算。 关键词：ARIMA模型；商品住宅；房价指数；价格预测 文章编号：1003—4625(2012)01—0051—04 中图分类号：F830．2 文献标识码 ：A 一 、 引言 究，指定三个参数来分析时间序列和用于以后的数 在国内有多位学者将该模型应用到价格预测 据预测，即自回归阶数 (p)、差分次数 (d)和移动平均 中，尤梅芳 、黄敏 、程立 (2009)利用 1997年 1月至 阶数 (q)，一般该模型常被写作ARIMA(p，d，q)。 2008年6月的季度数据 ，对四川省新建商品住房未 ARIMA模型使用三种形式对扰动项进行建模 来一段时间的价格指数进行预测 ，结果发现 ，2009 分析。第一种是AR自回归项 ，AR模型认为，每个 年 四川省房地产市场在短期 内回暖的可能性较小； AR项都对应这残差预测方程中残差的一个滞后值， 赵青霞(2011)将该模型应用到石家庄住房价格预测 时间序列的自回归模型与一般线性回归模型的形式 中，采的各季度的商品住房的价格 相同，差别仅在于模型中的解释变量是被解释变量 指数 ，通过模型的定阶、白噪声检验和参数显著性检 的n阶滞后变量。所以，一个P阶自回归模型AR(p) 验以及 自相关函数与偏 自相关函数的分析进行模型 的形式为：y=(P1y,-1+(P2y一2+…+(ppy,-p+6+￡t(6是 选优和预测，并成功地预测了2010年四个季度石家 常数 ，它与过程的平均有关)；第二种是单整项，当预 庄的住房价格指数。另有学者将该模型应用到对农 测模型中包含单整项时，模型就能够描述序列在全 产品价格、钢材价格、黄金价格以及消费价格指数上 部时间内的变动。一阶单整形式表明预测模型建立 等，并对各类价格指数成功地做出了预测。 二、ARIMA模型 在原始数据的一阶差分之上 ，二阶单整形式则是二 ARIMA模型是由博克思(Box)和詹金斯(Jenkins) 阶差分，依此类推。第三种是MA移动平均项，一个 于2O世纪7O年代初提出的差分 自回归移动平均模 移动平均预测模型使用预测误差的滞后值来改进当 型(AutoregressiveIntegratedMovingAverageModel，简 前的预测 ，一阶移动平均项使用最近一期的预测误 记 ARIMA)，是一种 时 间序列 预测方法 ，又称 为 差，二阶移动平均项使用前两个时期的预测误差，在 box—Jenkin