XXXX年中国住宅销售价格预测

2011年中国住宅销售价格预测-第1页2011年中国住宅销售价格预测统计0801班高杉20081910108摘要：本文通过分析房价随时间变化的过程，揭示其发展变化规律，并对其未来房价走势进行预测。引用的数据为从2008年5月份到2010年12月份的中国住宅销售价格指数统计表。所用的变量为住宅销售价格指数。本文选取的是时间序列数据故采用时间序列的分析方法，运用SAS软件进行数据处理和预测的工作。关键词：时间序列分析法；住宅销售价格；预测；对策；Abstract：Thisarticlebyanalyzingthepricestrendedovertime,theprocessofchange,andfuturetrendsinforecastingtheprice.thedatafromthe2008and2010chinaindecemberofthehousingsalespriceindexstatistics.theargumentforthehousingsalespriceindex.thistapisthetimesequencedataweusethetimesequenceofanalysisandsassoftwarefordataprocessingandpredictable.Keywords：Timesequenceofanalysis；thehousingsalesprice；forecast；countermeasures；一、引言住房问题，关系民生之根本，在2010年的两会上，这个话题根式被炒的沸沸扬扬。当今，对中国房地产市场的看法，几乎是个“万花筒”。宏观决策者、地方政府、开发商企业、行业主管、投资投机者、低收入百姓及各种媒体，对过去和当下的房价与房价政策，众说纷纭，公婆说理各有一套。过去不一样，现在仍不一样。一边是一些人在喋喋不休宣传“刚性需求”，一边是低收入百姓拼命感叹房价太高，“一套房子消灭一个中产者的一生消费”；一边在查囤地、增加土地供应，一边不断出现创新高的“地王”，等等。当两会召开期间，中央和地方推出一些针对性措施，更是使得房地产问题成热点问题的榜首。房价问题从没有像今年这样备受关注，在各大网站的两会民意调查中，“住房问题”也都位居前列。房价是影响居民购买力、家庭理财、教育投资和制定决策的重要考虑因素，而随着近年来房价的上下波动，人们在决定是否购房问题上总是犹豫不决。2011年中国住宅销售价格预测-第2页本文通过分析房价随时间变化的过程，揭示其发展变化规律，并对其未来房价走势进行预测。二、而相关数据收集本文引用的数据为从2008年5月份到2010年12月份的中国住宅销售价格指数统计表。所用的变量为住宅销售价格指数。住宅销售价格指数是综合反映住宅商品价格水平总体变化趋势和变化幅度的相对数。中国住宅销售价格指数由70个大中城市的新建住宅销售价格指数和二手住宅销售价格指数组成。（数据来源：新浪财经网：宏观数据price：住房销售价格指数）时间2008.052008.062008.072008.082008.092008.102008.112008.122009.012009.022009.3Price100.2100.1100.199.999.799.799.499.399.799.8100.1时间2009.042009.052009.062009.072009.082009.092009.102009.112009.122010.012010.02Price100.3100.7100.8101.1101.1100.8100.9101.5101.9101.7101.3时间2010.032010.042010.052010.062010.072010.082010.092010.0102010.112010.12Price101.2101.4100.4100100100100.5100.3100.4100.3三、方法理论介绍因为本文选取的是时间序列数据故采用时间序列的分析方法，运用SAS软件进行数据处理和预测的工作。首先对数据进行了处理和检验，分别作了平稳性检验和白噪声检验，在确定序列是平非白噪声序列后，拟合模型。ARIMA模型，即自回归平均移动模型，是目前最常用的拟合平稳序列的模型，本文的研究就以ARIMA模型为方向进行，在模型拟合时最终确定了AR模型为最优拟合模型。AR模型介绍ARIMA模型为AR模型、MA模型和ARMA模型三大类。AR(p)—p阶自回归模型p0t01t122=+......tptptxxxx2s()0ar()=()0sttttEVE，，，0,stExst2011年中国住宅销售价格预测-第3页四、数据检验1、平稳性检验：绘制2008—2010年中国住宅销售价格指数序列的时序图和自相关图。图（1）时序图显示中国住宅销售价格指数序列在99.3~101.8之间波动，变动幅度较小，且围绕100.5周围随机波动，没有明显的趋势或周期，初步可以视为平稳序列。图（2）2011年中国住宅销售价格预测-第4页图（2）横轴表示自相关系数，纵轴表示延迟时期数，用水平方向的垂线表示自相关系数的大小。从图中我们发现序列的自相关系数递减到零的速度较快，在延迟期数为6的时候接近零，而后为负。所以可判断为平稳序列。2、绘制2008—2010年中国住宅销售价格指数序列的逆自相关图和偏自相关图图（3）本图为逆自相关图，输出的信息分别是：延迟阶数为8，逆自相关系数值和逆自相关图。图（4）本图为偏自相关图，输出地信息为：延迟阶数，偏自相关系数值和偏自相关图。3、白噪声检验（纯随机性检验）图（5）2011年中国住宅销售价格预测-第5页为了判断序列是否有分析价值，必须对序列进行纯随机性检验，即白噪声检验。图中延迟阶数为6，QLB统计量的值为69.48，QLB统计量服从χ2分布的自由度为6，QLB统计量的P值小于0.0001，0.888~0.071为计算出的延迟各阶QLB统计量的样本自相关系数的具体数值。由此可以得出此序列不是白噪声序列。由平稳性检验和白噪声检验得出中国住宅销售价格指数序列是平稳的非纯随机序列，是由研究和预测价值的。五、模型拟合1、相对最优定阶SAS系统中提供了相对最优模型识别的功能，本文将运用这个功能来进行模型识别。本功能制定SAS系统输出所有自相关延迟阶数小于等于5，移动平均延迟结束也为5的ARMA（p，q）模型的BIC信息量，并指出其中BIC信息量达到最小的模型的阶数，实际上就是模型最优化的过程。图（6）最后一条信息显示，在自相关延迟系数小于等于5，移动平均延迟系数阶数也小于5的所有ARMA（p，q）模型中，BIC统计量相对较小的是ARMA（1，0）模型，即AR(1)模型。在确定了拟合模型的阶数后，接下来就是要估计模型中未知参数的值，以确定模型的口径，并对你拟合的模型进行显著性诊断。2011年中国住宅销售价格预测-第6页2、未知参数估计图（7）参数估计输出的结果显示t检验统计量的值均小于0.0001，所以参数均显著。3、拟合统计量的值图（8）本图共输出了6个统计量的值，由上到下分别为：误差估计常数10.09742，方差估计0.097972，标准差估计值0.313005，AIC信息量18,。40861，SBC信息量21.34008，参差个数32。.4、拟合模型的具体形式图（9）2011年中国住宅销售价格预测-第7页图的上半部分AutocorrelationcheckofResiduals为残差自相关检验结果，本列中由于延迟各阶的LB的P值均显著大于α（α=0.05），所以该拟合模型显著成立。估计平均值为100.2703。图的下半部分显示了拟合模型的具体形式：Factor1:1-0.8993B**（1）该输出模型等价于xt=（1-0.8993B）εt六、序列预测在拟合模型的基础上，我们对2011年中国住宅销售价格指数序列进行预测，为了准确性和可参考性，本文分别作了两个不同时间长度的预测，过程及结果如下。1、2011年第一季度住宅销售价格预测图（10）此图从左到右分别为序列值的序号，预测值，预测值的标准差和95%的置信区间。由此我们可以得出，2011年第一季度的住宅销售价格为一月：100.2970、二月：100.2943、三月：100.2919。较2010年第四季度相比，整体有上身趋势，但内部自身呈下降趋势。下图为2011年第一季度住宅销售价格预测拟合预测效果图2011年中国住宅销售价格预测-第8页图（11）2、2011年上半年度住宅销售价格预测图（12）此图从左到右分别为序列值的序号，预测值，预测值的标准差和95%的置信区间。由此我们可以得出，2011年上半年的住宅销售价格为一月：100.2970、二月：100.2943、三月：100.2919、四月100.2897、五月100.2878、六月100.2860。整体呈下降趋势。下图为2011年上半年住宅销售价格预测拟合预测效果图2011年中国住宅销售价格预测-第9页图（12）七、结论基于以上的分析，最后得出的结果如下表所示：一月二月三月四月五月六月100.2970100.2943100.2919100.2897100.2878100.2860预测结果表明2011年住房售价指数持续小幅下降，但仍保持着较高的水平，造成这种高房价现象的原因以下几点：1、地方政府过度依赖土地财政1994年开始我国实行分税制，中央财政的比重急剧增加，导致地方财政的比重急剧下降。而地方的城市建设等各项事业的发展需要大量资金，土地出让金成为政府税收外的重要收入来源。根据2010年两会财政部提交的报告，2009年，全国地方政府的财政收入为3.258万亿元，其中土地出让金收入为1.591万亿元，约占50%，土地出让金已经成为地方政府重要的收入来源之一。2009年土地出让总面积20.9万公顷，同比增加38.3%,土地出让金收入同比增加了63.4%，总体看土地的价格呈上升趋势，这些推动了房屋成本的增加。地方政府对土地出让金的依赖性比较强，繁荣的背后埋下了巨大的隐患，透支了百姓的未来。2011年中国住宅销售价格预测-第10页2、保障性住房体系还不健全廉租房总量在增加，市场份额仍较小。经济适用房是中国住房制度改革的产物，多年来解决了许多家庭的住房问题。最近几年，商品房价格快速上涨的过程中，经济适用房分配不公、面积超标、缺少退出机制等问题，引起强烈的质疑。普通大众购买经济适用房越来越难，也只能购买商品房。3、房地产的炒作与投机是房价升高的重要原因。房地产商不仅参与房产的坐庄操纵,而且在房地产价格的垄断与操纵中随时合谋哄抬房价,以便掠夺敛聚社会财富。房屋的真实造价实际上是很便宜的,但是由于对房屋的定价缺乏有效的调控和监管,定价不透明,导致房地产开发商投机炒房,哄抬房价,他们通过垄断的方式来操纵房价,房价的高涨不仅可以使房屋销售火爆,使购买者的上涨预期进一步强化,而且为商业银行及购买者贷款创造了虚假条件。除了直接操纵,房地产开发商还通过集体游说、新闻舆论等形式影响政府政策的制定,通过内部操纵,营造房屋价格上涨的火爆场面,通过改变住房类型与式样及卖楼盘、拨号等形式人为制造住房与土地的稀缺性,导致人们非理性购房。正是这一系列活动,导致房价狂涨不止,房地产商暴富,社会财富向房地产商集中。4、虚假的房屋需求信号推动了房价的上升。这几年,导致房价上升的一个重要原因是“需求”的拉动,土地、房产供应不足,需求旺盛,其结果就是房价的上升,但仔细分析这种需求,很大程度上是一种虚假繁荣。长期以来,我国银行利率是负利率,存款无利可图。因此,中国的富豪一族为使自己的大量存款保值、增值,大量用于购置房产,出现了温州购房团、杭州“炒房客”、南京“房虫”等,这些人一度被视为房价上涨的罪魁祸首。八、基于数据本身和预测分析的建议房价的小幅下降或缓慢增长并不能满足民生需求，如何让跟多人不再为了有个安身立命的根本而奋斗半辈子甚至是一辈子。以下就房价调控问题提出自己的