殷霄雯

(華東交通大學(xué) 國際學(xué)院, 江西 南昌, 330013)

基于時間序列的南昌房地產(chǎn)價格指數(shù)模型研究

殷霄雯

(華東交通大學(xué) 國際學(xué)院, 江西 南昌, 330013)

鑒于房地產(chǎn)全國價格指數(shù)與實際城市房地產(chǎn)價格相差較大, 本文基于自回歸積分移動平均模型理論, 構(gòu)造了南昌市1998～2011年共55個季度房地產(chǎn)價格指數(shù)數(shù)據(jù)的理論模型ARIMA(3,2,0), 經(jīng)Box-Pierce檢驗表明該模型具有95%的概率合理性, 為預(yù)測南昌市未來房地產(chǎn)價格指數(shù)提供參考.

房地產(chǎn)價格指數(shù); ARIMA模型; Box-Pierce檢驗

房地產(chǎn)是國民經(jīng)濟重要支柱, 同時住房也是關(guān)系百姓的民生大事, 其價格出現(xiàn)變動往往引起社會其他領(lǐng)域深層次的影響. 我國對房地產(chǎn)價格的監(jiān)控是從1998年實行住房商品化后建立的, 并以房地產(chǎn)價格指數(shù)REPI(Real Estate Price Indices的形式向外公布. 外資[1]、利率政策[2]、貨幣政策[3]、信貸規(guī)模[4]、地區(qū)差異[5]、收入分配差距[6]對 REPI變化都有貢獻(xiàn), 和其他各種未知社會因素一起引起房地產(chǎn)經(jīng)濟復(fù)雜的非線性變化.構(gòu)造包含每種非線性影響因素的 REPI模型是不易實現(xiàn)的, 時間序列理論只構(gòu)造指數(shù)之間的變化關(guān)系, 比較適合對REPI建模. 韋智芳[7]選取美國供應(yīng)管理協(xié)會制造業(yè)指數(shù)和美國未決房屋銷售月率數(shù)據(jù), 基于時間序列理論建立了美國經(jīng)濟模型, 并進行了預(yù)測; 孫淑珍[8]基于1998年1季度至2008年4季度我國REPI指數(shù), 建立了ARIMA(3,1,0)模型; 姜茜婭[9]建立我國REPI指數(shù)的時間序列模型, 通過向后預(yù)測與實際吻合較好. 由于REPI指數(shù)統(tǒng)計方法的缺陷, 造成理論模型的預(yù)測與實際城市房屋價格變動相差較大; 若對實際城市構(gòu)造理論模型, 則誤差大大減小.

本文基于南昌市1998～2011年REPI指數(shù)數(shù)據(jù), 基于時間序列自回歸積分移動平均模型基本理論編制MATLAB程序, 分析了南昌房地產(chǎn)銷售價格化趨勢, 建立了南昌REPI指數(shù)ARIMA(3, 2, 0)理論模型, 為同類型城市REPI指數(shù)分析提供參考.

1 自回歸積分移動平均模型

如果一個非平穩(wěn)時間序列{xt}經(jīng)過 d次差分運算后, 可以生成一個平穩(wěn)時間序列, 且可以建立如式(1)的模型, 則稱{xt}為(p, d, q) 階的自回歸積分移動平均(Autoregressive Integrated Moving Average)序列

式中: φ(L)為平穩(wěn)的自回歸滯后算子多項式,θ(L)為可逆的移動平均滯后算子多項式, (1-L)d為d次差分算子.自回歸積分移動平均模型ARIMA(p, d, q)可通過參數(shù)變換可以得到自回歸移動平均模型ARMA(p,q)、自回歸模型AR(p)、移動平均模型MA(q)和白噪聲模型, 通過對其自相關(guān)函數(shù)ACF(Auto Correlation Function)、偏自相關(guān)函數(shù)(Partial Autocorrelation Function)分析和赤池信息準(zhǔn)則進行定階比較方便, 因而獲得了廣泛的應(yīng)用.

2 南昌房地產(chǎn)價格指數(shù)模型的建立

2.1 二階差分后零均值化和平穩(wěn)性檢驗

選取南昌市1998年至2011年共55個季度房地產(chǎn)價格指數(shù)[11]進行分析. 由于我國房地產(chǎn)價格指數(shù)是以上期數(shù)據(jù)為基準(zhǔn)的同比數(shù)據(jù), 需轉(zhuǎn)換為以1997年第4季度為基準(zhǔn)的指數(shù), 構(gòu)造成時間序列{xt}圖像如圖1所示.

圖1 南昌市歷年房地產(chǎn)價格指數(shù)圖

圖2 南昌市歷年REPI指數(shù)二階差分圖

由圖 1可以看出南昌市房地產(chǎn)價格指數(shù)序列{xt}具有明顯的趨勢性, 不具備平穩(wěn)性特點. 對其進行二階差分后的時間序列如圖 2所示, 樣本均值為 0.019 9. 將其零均值化得到新的時間序列{yt}, 其均值為1.005 5×10-16, 滿足零均值, 它是平穩(wěn)時間序列的一個條件. 時間序列{yt}的逆序總數(shù)為:

式中: Ai為時間序列yi的逆序個數(shù), T為時間序列{yt}的樣本容量T=55. 那么有以下統(tǒng)計量關(guān)系成立.

式(4)表明時間序列{yt}無趨勢成立, 與零均值條件一起表明{yt}是平穩(wěn)時間序列.

2.2 模型識別與定階

對{yt}進行自相關(guān)ACF與偏相關(guān)PACF運算, 其函數(shù)圖像如圖3-4所示.

圖3 {yt}ACF函數(shù)圖像

圖4 {yt}PACF函數(shù)圖像

由圖3-4可以看出, {yt}的自相關(guān)函數(shù)ACF圖像具有拖尾性質(zhì), 偏相關(guān)函數(shù)PACF圖像具有截尾性質(zhì),可以判斷該序列屬于AR序列. 由圖4可以看出, PACF圖像當(dāng)k＞3時滿足, 可判斷模型階數(shù)為3.

2.3 參數(shù)估計與模型檢驗

使用最小二乘法(Least-squares Method)和協(xié)方差法(Covariance Method)估計{yt}的參數(shù), 得到了相同的結(jié)果.

為檢驗?zāi)Ｐ团c樣本的殘差是白噪聲, 建立殘差序列:

2.4 差分模型表達(dá)式

根據(jù)前述分析, 可以得知南昌市房地產(chǎn)價格指數(shù)滿足ARIMA(3,2,0)模型型式的條件, 且可表示為:

3 結(jié)論

本文基于時間序列理論, 分析了南昌市房地產(chǎn)價格指數(shù)時間序列模型, 將其表達(dá)為ARIMA(3, 2, 0)模型形式, 為預(yù)測未來南昌市房地產(chǎn)價格指數(shù)水平提供參考.

[1] 陳杰, 鄭天. 我國房地產(chǎn)市場發(fā)展中的外資因素分析: 我國房地產(chǎn)價格波動與外資影響[J]. 價格理論與實踐, 2009(3): 36-37.

[2] 郭娜, 翟光宇. 中國利率政策與房地產(chǎn)價格的互動關(guān)系研究[J]. 經(jīng)濟評論, 2011(3): 43-50.

[3] 胡軍燕, 陳智輝. 貨幣政策對房地產(chǎn)價格的動態(tài)影響分析[J]. 商業(yè)時代, 2011(2): 56-57.

[4] 何靜, 李村璞, 邱長溶. 信貸規(guī)模與房地產(chǎn)價格的非線性動態(tài)關(guān)系研究[J]. 經(jīng)濟評論, 2011(2): 21-28.

[5] 孫巍, 朱嬡玲, 王怡. 房地產(chǎn)價格地區(qū)差異影響因素的計量分析[J]. 稅務(wù)與經(jīng)濟, 2011, 177(4): 1-7.

[6] 梁斌. 收入分配差距對房地產(chǎn)價格的影響研究:基于異質(zhì)性DSGE模型的模擬分析[J]. 金融與經(jīng)濟, 2011, 6: 40-44.

[7] 韋智芳. 時間序列分析法在美國經(jīng)濟預(yù)測的應(yīng)用研究[J]. 現(xiàn)代商業(yè), 2010, 2: 192-194.

[8] 孫淑珍, 劉雙. ARIMA模型在房屋銷售價格指數(shù)預(yù)測中的應(yīng)用及SAS實現(xiàn)[J]. 湖南文理學(xué)院學(xué)報: 自然科學(xué)版, 2010, 22(2): 1-4.

[9] 姜茜婭. 基于時間序列的中國房地產(chǎn)價格走勢預(yù)測[J]. 知識經(jīng)濟, 2010, 6: 48-49.

[10] 張世英, 樊智. 協(xié)整理論與波動模型[M]. 北京: 清華大學(xué)出版社, 2009: 1-32.

[11] 中華人民共和國國家統(tǒng)計局. 七十個大中城市房地產(chǎn)價格指數(shù). 中國經(jīng)濟景氣月報[J]. 2011(11): 174-175.

[12] 孫榮恒. 應(yīng)用數(shù)理統(tǒng)計[M]. 北京: 科學(xué)出版社, 2005: 245-246.

(責(zé)任編校： 劉剛毅)

Nanchang city REPI research based on ARIMA model theory

YIN Xiao-wen

(International School, East China Jiaotong University, Nanchang 330013, China)

Because of the error between whole country REPI (Real Estate Price Indices) theoretical model and actual city estate price, Nanchang City REPI theoretical model ARIMA(3,2,0) was established range from 2008 to 2011 REPI data based on ARIMA (Autoregressive Integrated Moving Average) model theory, it was proved to 95% probability acceptable by Box-Pierce test. It may be some referenced use to forecasting future Nanchang REPI.

Real Estate Price Indices; ARIMA model; Box-Pierce test

F 212.1

1672-6146(2012)02-0006-03

10.3969/j.issn.1672-6146.2012.02.003

2012-04-17

江西省教育廳科研基金(JJ1207); 華東交通大學(xué)校立科研基金(10QT03).

殷霄雯(1983-), 女, 碩士, 從事宏觀及微觀經(jīng)濟學(xué)的研究與教學(xué). E-mail: yinxiaowen1102@gmail.com