基于时间序列模型的中国房地产销售的分析与预测
摘 要：本文对于国内外的房地产产业的预测的发展进程进行了介绍，利用国房景气指数对国内外在预测房地产销售方面模型的多样性和改善进行评价，最后对本文将要使用ARIMA模型及其发展过程进行了说明。
关键词：国房景气指数；时间序列分析；ARIMA模型
- 研究意义
在中国，买房是中国人生活中的不可或缺的一部分，但近年来，房价的节节攀升，“炒房潮”的越演越烈，让买房对大部分中国人来说都成为了一件困难的事情。在这一次全球范围的新冠疫情之下，世界各国的经济都受到了冲击。中国的房地产市场曾是中国经济的缩影，一度令人担忧其是否会产生经济泡沫。因此，中国的房地产行业，在面对这一次冲击是可以继续高歌挺进还是日落西山，对于中国人和中国的经济市场都具有重要意义。如果可以从整体上把握房地产市场的发展趋势，可以提前识别出市场的周期波动性，对于社会主义市场经济的稳定发展具有重要的现实意义。
国房景气指数是对于房地产销售前景进行衡量的一个重要指标。这是由国家统计局于1997年根据经济周期波动原理和景气指数原理编制而合成的指数，反映全国房地产市场的总体情况。在2003年，邹锦标借用景气指数编制的方法构造了“浦东房地产景气指数”。在2009年，詹惠卿运用计量经济学模型对国房景气指数与银行贷款分析的关系进行分析。在2010年徐国祥、王芳以国房景气指数作为研究对象，利用谱分析和多次分辨结合方法分析我国房地产市场周期波动的主要特点。到2014年，张宇青建立了三元的VAR-GARCH-BEKK模型对中国经济预警指数、国房景气指数和CPI指数间的ARCH型和GARCH型波动溢出进行分析。
预测房地产销售前景的方式有很多，时间序列是其中较为常见的一种。时间序列指的是同一现象在不同时间上的相继观察值排列而成的一组数字序列，时间序列预测方式是通过时间序列的历史数据揭示现象随时间变化的规律，将这种规律从现在延伸到未来，从而对该现象的未来作出了预测。在1970年，鲍克斯(Box)和詹金斯(Jenkins)提出以随机理论为基础的时间序列分析之前，时间序列就已经存在，但他们提出来的时间序列让时间序列的分析理论上升到了一个新的高度，预测精度大大提升。其中，包含了自回归(AR)模型，滑动平均(MA)模型以及自回归滑动平均(ARIMA)模型。在1979年，便有人应用ARIMA模型在经济方面，进行短期的经济预测和季节性的调整。[1]
- 房地产产业相关研究
- 国内外研究背景
国外市场经济较为成熟，对于房地产产业的研究时间更早，且更为深入。在20世纪20年代美国经济学家E.W.Morehouse和L.T.Yelly共同撰写了的《土地经济学原理》一书，这本书标志着经济学开始系统的研究土地及房地产产业的发展问题。此后，又出现了经济学派、区域学派等。中国的房地产产业一开始依赖于国外的理论基础，直至1992年邓小平“南方谈话”后，房地产经济呈现了蓬勃发展的趋势。21世纪以来随着计量经济模型的成熟和预测方式的扩充，对于经济模型的预测也越来越多。
- 国内外研究进程
在国内，谭跃雄、沈文莉（1995）采用马尔可夫链的方式对商品住宅销售市场就进行了预测分析[2]，但是，只是进行了简单的畅销、平稳、滞销的三种情况的概率预测，分类过于简单。之后，程亚鹏(1999)采用另一种方式——灰色预测，构建GM(1,1)模型对房地产价格指数进行预测[3]。模型精度较高，但是，没有提出相关的应用和推广。孙红湘和沈思在2003年的研究[4]有一定的改善，对房地产的开发进行了灰色预测，得出了房地产开发过热的结论，呼吁房地产相关部门引起重视，但是在模型构建的过程中考虑因素单一，只讨论了竣工面积和销售面积。忽略了其他的社会因素。之后，又一种新的预测方式——神经网络BP模型出现。石庆喜和华杰(2004)利用神经网络BP模型算法，选取1999年月～2001年1月的数据对重庆市数据进行预测，得到重庆市2002年～2004年的国房指数变化率和住房需求变化率[5]。预测精度较高，但算法效率较低。付罡(2004)以2003年我国房地产市场和住房价格分析对2004年的走势进行预测[6]，对促进房地产市场健康稳定发展提出建议，但是文章没有利用任何的数学模型，只是基于数据进行理论上的推导。
为了更好的区分出不同模型之间的优劣，2005年，唐功爽在其时间序列分析在经济预测中的应用[7]一文中，通过运用EXCEL和SAS软件建立季节分解模型和季节哑变量，ARIMA模型对社会消费品零售总额进行预测，发现ARIMA可以给出具体的模型，具有较为明确的经济意义，并且可以处理随时间变化的季节波动，准确性最高。在预测方便可以提供相当理想的预报结构。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
