我国房地产价格影响要素分析与趋势预测.pdfVIP

经济与金融 我国房地产价格影响要素分析与趋势预测 1 1 2 1,2 2 柳 冬 王雯珺 谢海滨 汪寿阳 陆凤彬 （1.中国科学院研究生院管理学院，北京 100190； 2. 中国科学院数学与系统科学研究院，北京 100190） 摘要：本文结合当前我国房地产市场的热点问题，应用多因素回归、状态空间模型及Kalman 滤波等方法，对我国房地产价格走势进行预测；进而通过对房地产价格波动影响因素和时变 性分析，得出对全国房地产市场走势的预期。 由于金融危机后宏观经济不确定性增大，我们 认为，2009 年中期全国房地产价格指数将保持震荡下行趋势， 全国房地产市场整体依然趋 冷，本轮市场回调底部尚不明朗。 房地产价格；状态空间模型； 滤波；时变性；预测 关键词： Kalman 引 言 经历了近两年的快速上涨之后，全国房地产价格在2008 年夏秋骤然逆转。面对国际金融危机的冲击以 及国内宏观经济的困局，房地产市场凸显寒意：房地产价格松动回调，土地交易流拍频现，开发投资热情锐 减，商品房交易大幅萎缩。不利经济形势下的全国房地产价格近期究竟是涨是跌？未来房地产市场将受哪些 重要因素影响？本文将围绕房地产价格短期预测，重要影响因素变动，以及房地产市场风险等问题，运用时变 系数多因素模型，在深入研究重要指标的总体趋势及动态影响的基础上，综合得到我们的判断和相关结论。 近年来，对于房地产价格的预测始终是国内外研究的热点问题，在研究方法上有发展经典时间序列模型 [1] 和引入信息技术等新方法的趋势。Browna 等 研究英国房地产价格预测表明基于Kalman 滤波的时变参数的 [2] 时序回归模型，预测效果优于ECM 和VAR 模型。Guirguis 等 采用VECM、AR、GARCH、带随机参数和自回归 参数的Kalman 滤波及指数平滑方法对美国房地产价格进行预测，得出GARCH 和带自回归参数的Kalman 滤 波预测精度最优。Selim[3]通过对土耳其房地产价格进行预测，说明人工神经网络的预测效果优于Hedonic 回 [4] 归模型。国内基于模型的房价预测实证研究是在2004 年以后才涌现的。王婧和田澎 采用小波神经网络对中 [5] 房上海价格指数的月度数据进行预测。杨楠和邢力聪 用灰色-马尔科夫模型和n 次多项式模型对全国房屋 [6] 年平均销售价格进行预测。闫妍、汪寿阳等 以TEI@I 方法论为指导, 建立回归模型和灰色模型预测季度房 [7] 价，并用小波神经网络进行误差校正，对房地产价格进行预测。王雯珺等 利用ARIMA 模型给出房地产价格 短期将持续上升的预测。 房地产价格影响因素的研究往往是从宏观经济指标、政策事件影响和房屋自身特征等角度进行的。Baf－ foe-Bonnie[8]运用脉冲响应分析，得到货币供