论文房价VAR模型.docxVIP

关于货币供给对房价指数影响的ARMA模型摘要 根据随机序列知识，分析利用了ARMA模型对房价指数进行预测，推导了关于货币供给对房价指数影响的ARMA模型。在此基础上对2009.1~2010.4的北京房价指数进行预测和实证研究，结果显示M2增量对房价指数影响甚少，房价更多的与前期房价相关，即人们的预期可能对解释房价上涨行为更为贴切，而非货币供给。关键字：ARMA, 房价指数1.引言在我国，房地产行业作为一个产生于1998年的城镇住房制度改革，从那以后，商品房出现在市场之中，经过近于5年的匍匐发展，房地产行业在蛰伏中迎来了春天。社会公众也渐渐由刚性住房需求逐渐演变为投机炒房。整个社会的热炒房地产导致了商品房价格居高不下。虽然经历了2007年开始的国家房地产调控与2008年的金融危机，房价仍未回归理性。同时伴随房地产的发展，其逐渐成为了国民经济的先导性和支柱性产业，绑架了整个国民经济。房地产行业中存在着投机和炒作现象，而且因为绑架国家经济的原因，房地产泡沫并未破碎。有人，譬如任志强，一直宣称高房价以及房价快速上涨的原因是刚性需求，即中国每年3000万人的城市化进程。而在本文中，将考察广义货币供给M2对房价的影响程度。2007年底开始的金融危机正是一个绝佳的自然实验。国家在2008年初开始逐步扩大广义货币供给，从2008.1的417846.17亿元到2010.11的710339.03万亿。可以看出，广义货币供给在08年到10年上升了很多，与此同时房地产价格也在上升（本文选取的北京市场在一定程度上具有代表性，因为取得银行贷款的人一般非富即贵，很多会将北上广视为理想的房地产投资目的地）。到底多大程度上与房地产价格相关值得考虑。因此对这两者相关程度的分析有利于以后货币政策的制定与实行。同时，在M2的数据基础上也可以对房地产价格进行预测。更为重要的是，可以估计在新增货币流动性中，到底大概有多少进入了房地产行业，而非政策希望的制造加工行业。也从侧面验证了中国房地产行业到底是刚性需求占主要还是投机因素占主要，为政策的制定提供依据。在本文中考虑了2种情况分别进行回归，货币增量与货币存量。2.利用ARMA模型进行房价指数预测的原理2.1利用ARMA模型预测房价指数的基本思想与大多数经济系统一样,房地产价格的运行也是一个不稳定的随机过程，变化规律呈现复杂化，所以要寻找一个契合实际的线性时间序列模型。纵观2009-2010年的北京房地产市场，价格呈现与M2增长较为同步的上升(2010.4开始，房价指数开始下降，原因更多的是来源于国家年初制定的更为严格的房地产政策的滞后反应，因此本文的数据截止到2010.4)。同时，希望在模型中考虑到房地产价格指数自身的自回归与M2的滞后影响，这种情况下ARMA模型较普通的ARMA模型更为合适。据上判断，假设房价指数与自身的历史指数和M2的增长相关： 于是，本文假定房价指数存在以下递推关系： ⑴其中，是期北京房价指数，是期M2增量；是常向量，，是常矩阵；是正态白噪声过程，即，为2级正定矩阵。这正好构成了ARMA模型：是i.i.d Gauss 序列，，，是该模型的参数。本文假设的M值的2期滞后的依据是，若个人从银行获得贷款应该尽可能快速的投入到房地产行业之中，而不是很可能将贷款空置。本文即在以上假设条件下，进行房价指数预测的研究与讨论。由于事物有其自身的运行规律，以上随机过程在一定范围内变化的，因此可以利用向量自回归模型来预测和探索房价指数的走势，在比较短的时间周期内得到有效的预测值，为将来的货币决策提供科学依据。年、月 北京房价指数M2供应量（亿）M2增量（亿）2009.0199312009.02990710572.762009.03987123918.642009.0499219854.502009.0598517782.302009.06992020652.692009.07100854186.652009.08101953596.102009.09102348706.392009.10102291237.952009.11105727961.432009.121095215384.772010.011102915619.802010.021102610462.972010.031124613875.202010.04114226613.762.2ARMA模型的参数估计与预测1.考虑货币增量考虑增量的