郭瞳康

【摘要】我國現(xiàn)行經(jīng)濟正處在“L”型筑底的大環(huán)境下，爆發(fā)于2019年末的新冠肺炎疫情給房地產(chǎn)行業(yè)帶來了巨大影響，本文應用ARIMA模型，通過對房地產(chǎn)行業(yè)上市公司的股票價格定量分析預測，以達到對后期房地產(chǎn)行業(yè)整體走勢的預判作用。

【關鍵詞】房地產(chǎn)行業(yè);新冠肺炎疫情;ARIMA

1、引言

2020年中國經(jīng)濟增速處于歷史低位階段，并且房地產(chǎn)行業(yè)被定調(diào)為不能作為短期刺激經(jīng)濟的手段，同時新冠肺炎疫情短期內(nèi)已劇烈沖擊了房地產(chǎn)上游的供應商，房地產(chǎn)企業(yè)在建筑施工成本、人工成本、運輸成本、營銷成本等核心業(yè)務領域的投入加大，各因素影響下加劇了對房地產(chǎn)行業(yè)的沖擊和下行壓力。因股票價格是直接反應市場整體行情的“晴雨表”，本文試從股票價格外對我國房地產(chǎn)行業(yè)趨勢進行分析。

Box和Jenkins于1970年提出了以隨機理論為基礎的時間序列分析方法，其基本模型有三種：移動平均（MA）、自回歸（AR）模型和回歸求積移動平均模型（ARIMA）。ARIMA方法假定數(shù)據(jù)序列是由某個隨機過程產(chǎn)生的非白噪聲序列，利用隨機過程去分析描述事物的發(fā)展趨勢，預測變量的過去值與當前值，在滿足時間序列上的依存性的同時，又考慮了隨機波動的干擾，提高了模型的精確度。

本文通過軟件SPSS的ARIMA模型進行預測與分析。

2、ARIMA模型構(gòu)建與擬合分析

2.1 時間序列ARIMA模型的建立

自回歸移動平均模型（autoregressive integrated moving average model）簡稱ARIMA（p，d，q）模型，其中p為偏相關截尾因子，q為自相關因子，p、q為各自對應階數(shù)。d為對時間序列進行差分處理的次數(shù)，差分階數(shù)d可以通過差分圖進行確定，一般2階差分圖就已足夠穩(wěn)定滿足數(shù)據(jù)在范圍內(nèi)波動。

函數(shù)表達式如下，y表示 t 時刻 Y 的差分，那么

ARIMA模型對任何非平穩(wěn)序列只要通過適當階數(shù)的差分實現(xiàn)差分后平穩(wěn)，就可以對差分后序列進行ARMA模型擬合并根據(jù)你和函數(shù)進行預測，同時根據(jù)自相關系數(shù) ACF （Auto Correlation Function）和偏相關系數(shù) PACF （Partial Auto Correlation Function）進行選定。ACF要表現(xiàn)在MA模型下第q值后截尾，PACF在AR模型下第P值后結(jié)尾，同時其他模型下拖尾的狀態(tài)。

2.2模擬識別與參數(shù)估計

本文收集Choice金融2019年11月到2020年3月的交易日數(shù)據(jù)，同時選取80家滬深兩市公司開盤價格進行加權(quán)平均，以滿足體現(xiàn)整體行業(yè)趨勢分析，反映市場對房地產(chǎn)行業(yè)的整體判斷預測，同時進行數(shù)據(jù)差分處理圖1所示。由于受到疫情影響在2019年1-2月份期間在股票價格表現(xiàn)上，出現(xiàn)了較陡的下降與疫情爆發(fā)后，各地政策進行封城等相關措施有關對市場產(chǎn)生了一定的恐慌，股票價格可以一定程序反應房地產(chǎn)市場的趨勢。

同時對時間序列進行白噪聲檢驗，各階延遲下QLB檢驗統(tǒng)計量的P值都非常?。?0.01），可以以很大把握（置信水平>99%）斷定股票價格為非白噪聲序列，可繼續(xù)提取相關信息。

在通過SPSS軟件進行數(shù)據(jù)處理下，已經(jīng)滿足在一定范圍內(nèi)進行波動，同時我們根據(jù)模型進行p與q的選取，如圖2所示ACF在第1階后呈截尾，PACF在第4階后呈拖尾狀，因此可初步確定差分后序列適合ARIMA （1，2，4）模型。

利用 SPSS 軟件求解該模型，可得顯著性水平 Sig 為 0.268大于0.05，且 R 方為 0.726，擬合程度較好，初步判斷模型的有效性，可得 AR，MA 的系數(shù)分別為 0.928 和 0.156，因此對股票價格的預測模型結(jié)果為：

2.3模型的預測與分析

模型是根據(jù)80家地產(chǎn)上市公司，90天的股票交易數(shù)據(jù)進行參數(shù)擬合，其預測結(jié)果如下，該模型預測結(jié)果誤差較小，可以說明 ARIMA 模型擬合效果較為精確。如圖表1所示

結(jié)語：

股市價格涉及諸多不可控因素，各個因素之間關系錯綜復雜，本文通過ARIMA模型進行擬合與預測，可以較為準確刻畫股票交易價格波動變化特征，通過對房地產(chǎn)業(yè)股價變動影響市值的計算分析，可以反應當下疫情對房地產(chǎn)業(yè)的沖擊與影響。但因該模型數(shù)據(jù)適用于短期預測，同時房地行業(yè)受國家宏觀經(jīng)濟政策、資本市場狀態(tài)、城市產(chǎn)業(yè)結(jié)構(gòu)等多方面因素綜合影響，從中長期判斷，房地產(chǎn)行業(yè)仍然在宏觀經(jīng)（下轉(zhuǎn)34頁）? ? （上接32頁）濟下發(fā)揮重要作用的地位不會改變。

參考文獻：

[1]苑小康.基于隨機系統(tǒng)理論的股票定價模型的研究[D].[碩士學位論文].北京交通大學，2018.

[2]朱家明，胡玲燕.基于ARIMA和BP神經(jīng)網(wǎng)絡對人民幣匯率預測的比較分析—以美元人民幣匯率為例[J].

[3]重慶理工大學學報（自然科學），2019，33（5）：207-212.

[4]丁守鑾，康家琦.RAIMA模型在發(fā)病率預測中的應用[J].中國醫(yī)院統(tǒng)計2003（1）.