基于VAR―G灰度模型住宅市场均衡研究.docVIP

基于VAR―G灰度模型住宅市场均衡研究 　　摘要：通过VAR模型建立北京市住宅市场供需模型，并运用回归方程和G（1，1）灰度模型对2014-2020年供给量和需求量进行预测。研究表明：2014-2020年北京市住宅市场大体实现供需平衡。其中2014-2017年供不应求，2018-2020年虽供不应求，但供需差额比较小。从研究结果出发，提出了减缓改善型需求，增加保障性住房供给等政策建议。 　　关键词：VAR，灰度模型，住宅市场，供需 　　中图分类号：F301.3 文献标识码：A 　　文章编号：1001-9138-（2015）11-0020-27 收稿日期：2015-06-16 　　1 引言 　　房地产业是我国的支柱产业，住宅市场的健康发展是民众安居乐业的重要保障。住宅市场运行受到众多复杂因素的影响，如何准确预测住宅市场的供给量和需求量的变化趋势，是投资者决策的重要依据，也是政府部门进行规划、调控的需要。 　　国内外学者建立了大量分析模型对住宅市场进行分析与预测，这些模型本质上是探索住宅市场的关键要素之间的关系，试图把握住宅市场运行规律。国内学者对住宅市场的分析主要包括价格预测、供需均衡研究及预测。价格预测方面，刘蓉（2014）通过建立价格预测PSO-LSSVR模型，对房地产价格进行预测；伍涛（2009）用实证数据建立上海市住宅市场价格VEC模型，分析影响房地产住宅市场价格的影响因素；高苛等（2008）建立住宅市场价格调控预期模型，预测了不同预期理论下住宅市场价格。在供需均衡及预测方面的的研究较多，李忻忻等（2012）运用层次分析法和Matlab软件建立了我国房地产市场均衡发展的指标体系，并运用该指标体系对我国近五年房地产市场的发展状况进行了分析；徐波等（2010）在灰色系统理论的基础上建立GM（1，1）模型，并对该模型进行了改进，预测住宅市场的供需变化趋势；刘芳（2006）利用1987-2004年我国房地产数据，建立了房地产供求的非均衡对数模型，对中国房地产的非均衡度进行了研究；陈华飞等（2008）利用Logistic模型建立武汉市1999-2007年供给量和需求量的回归模型，并对未来房地产供需进行了预测。哥德伯格等（1984）从市场均衡模式、蛛网滞后调节模型等方面研究了土地市场的均衡和供求机制。 　　2 住宅市场供给和需求模型 　　2.1 住宅市场供需理论 　　经典经济学理论认为市场供给主要受到投入价格、技术、预期、政策等因素的影响；除了价格之外，决定需求量的其他因素包括收入、嗜好、预期，以及替代品和互补品的价格，供给与需求曲线相交决定了市场均衡。在均衡价格时，需求量等于供给量。但很显然，住宅市场作为房地产市场的重要组成部分，也具有特殊性，主要体现在住宅市场的固定性、稀缺性、异质性、区域性和投机性。这些特点决定着房地产市场很难达到均衡。根据经济学理论，预期对于住宅市场供给和需求的重要影响。住宅市场上的投资者、消费者会根据历史供给量、需求量来做出投资和消费决策，这也意味着时间序列上的供给量、需求量之间存在着一定的内生关系。 　　2.2 住宅市场均衡模型 　　根据以上供给、需求理论，我们建立住宅市场供给需求均衡模型。将住宅供给总量（St）、住宅需求总量（Dt）分别定义为：St表示第t年住宅市场的供给量；Dt表示第t年住宅市场的需求总量。住宅市场供需均衡模型如下： 　　Dt=f1（Dt-1，Dt-2……Dt-n，St-1，St-2……St-n）（n=1，2，3，4…） （式1） 　　St=f2（Dt-1，Dt-2……Dt-n，St-1，St-2……St-n）（n=1，2，3，4…） （式2） 　　2.3 模型的运用 　　在实际运用中，住宅市场的供给量St指当期本地用于出售的住宅总施工面积，需求量Dt指当期本地消费者购买的住宅总面积，或者说是当期本地的住宅市场住宅销售面积。通过获取历史年份住宅市场供给量St-n和需求量Dt-n，进行函数计算，就可以预测出未来一段时间内本地住宅市场供给量St和需求量Dt。 　　3 研究方法 　　本文运用数学建模法，选用2004-2013年北京市住宅市场相关数据，建立VAR模型。VAR模型是向量自回归模型的简称，是用模型中的所有当期变量对所有变量的若干滞后变量进行回归。VAR模型用来估计联合内生变量没有事先约束条件。本文要求建立时间序列相邻各期之间的函数关系，适合应用VAR模型。 　　VAR的一般形式为： 　　其中， 　　Yt是（n×1）向量组成的同方差平稳的线性随机过程，βi是（n×n）的系数矩阵，Yt-1是向量Yt的i阶滞后变量，εi是误差项，在本模型中可视为随机干扰项。ε是误差项，在本模型中可视为随机干扰项。 　　4 北京市住宅市场供求状况 　　北京市