蘇州房產成交量的ARMA模型

摘 要：蘇州作為比較發達的二線城市之一，房產信息一直備受關注.根據蘇州市房產2009年1月至2013年4月的周數據，基于房產成交量數據擬合建立ARMA模型并做短期預測，得出的結果與實際情況相吻合。

關鍵詞：ARMA模型；成交量；預測；蘇州

中圖分類號：F293.3 文獻標志碼：A 文章編號：1673-291X（2013）24-0241-02

引言

房地產是城市經濟發展的主導產業 [1]。近幾年，蘇州市房地產業已經成為蘇州市國民經濟的支柱產業之一，蘇州市房產交易的變化情況是大眾關注的焦點。目前國內對房產的統計研究文獻已有很多的，例如，用ARIMA模型對商品住房價格指數進行擬合預測并給出未來價格指數的變化趨勢[2]；基于BP神經網絡的時間序列對房價進行擬合預測[3]；運用GM（1，1）模型對房地產價格指數在房產新政情況下未來走勢的預測和對比分析[4]；建立房屋銷售價格指數和深交所地產指數的協整關系并做Granger因果檢驗[5]；對上?；A房價相關指標進行分析，運用主成分分析回歸擬合房價，并運用核估計方法預測房價[6]。

我們注意到很少有文獻討論房產成交量的建模問題，本文在這方面進行了嘗試。基于從搜房網和365地產家居網等網絡媒體以及蘇州本地報刊搜集的蘇州市2009年1月至2013年4月的每周房產成交量數據，我們用ARMA模型對每4周的數據進行了擬合，分析顯示，AR（1）模型與實際房產成交量數據擬合較好，且短期預測結果與實際結果誤差也較小。從該模型來看，限購令前后這四年來蘇州房產成交量總體保持了平穩趨勢，且有短期的正相關性。這反映出蘇州市政府出臺的房產政策是有明顯效果的，穩定住了蘇州的房產市場。

一、ARMA模型[7]簡介

二、成交量的ARMA模型

我們從搜房網和365地產家居網等網絡媒體以及蘇州本地報刊搜集了蘇州市2009年1月至2013年4月的每周房產成交量數據。考慮到每年春節、國慶時期房產相關數據波動劇烈，因此我們將這些數據定義為異常值。又由于搜集時2009年1月19日至2月21日、3月2—8日這三周數據缺失，因此將這些數據定義為缺失值。我們選取了2009年1月5日至2012年12月2日的每四周成交量，用Xt表示。對此成交量數據嘗試用ARMA模型進行擬合。下面給出建模過程的序列平穩性檢驗、非白噪聲檢驗、模型識別、參數估計、模型檢驗和短期預測的相應結果。

3.模型檢驗。對模型進行檢驗，即檢驗殘差序列是否是白噪聲序列，由sas程序運行結果可知（見表3），各階延遲下P值均大于0.05，所以該擬合模型顯著成立。

4.成交量預測。由2009年1月5日至2012年12月02日的每四周成交量的數據擬合得到的模型，向后做3期預測，預測結果如下，由表4可知，向后預測的2期誤差百分比前兩期均在10%以內，而第三期因為包含春節的關系，所以預測效果不好，因此排除特殊節日異常值的關系，預測效果還算好。

結論

以往文獻主要討論房產價格，但關于房產成交量建模的文獻很少，本文嘗試對房產成交量建模進行了的研究.本文對蘇州房產市場2009—2013年每四周的成交量數據擬合建立了AR（1）模型：xt=4 796.7+。

從此擬合結果來看，這四年來蘇州房產成交量保持著平穩趨勢，且有短期的正相關性。具體分析其原因，我們認為主要是蘇州市政府的房產政策干預的結果。從時間上看，2009—2011年初房產成交量有一定的上漲的趨勢，但后期受到政府限購與保障房等政策的干預，成交量有所下滑與震蕩，因此這四年來蘇州房產成交量整體上顯示出平穩趨勢，這從側面反映出政府的介入干預是有效的，達到了穩定房產市場的效果。

參考文獻：

[1] 王克忠.房地產經濟學[M].上海：復旦大學出版社，1995：5-9.

[2] 尤梅芳，黃敏，程立.ARIMA模型在房價預測中的應用：四川省商品住房價格指數未來走勢的實證分析[J].中國物價，2009，（6）：38-40.

[3] 陳基純，王楓.房地產價格時間序列預測的BP神經網絡方法[J].統計與決策，2008，（14）：42-43.

[4] 夏文潔，曹麗娟.房價指數變化趨勢分析及預測[J].科技創業，2010，（11）：85-86.

[5] 李運蒙.房屋銷售價格指數與地產指數關系的協整分析[J].數學的實踐與認識，2010，（20）：38-41.

[6] 袁珊珊，陸余楚.上海基礎房價相關指標及走勢的分析與研究[J].應用數學與計算數學學報，2006，（2）：71-76.

[7] 王燕.應用時間序列分析：第2版[M].北京：中國人民出版社，2008：41-100.

[8] 王黎明，王連，楊楠.應用時間序列分析[M].上海：復旦大學出版社，2009：228-231.[責任編輯 王玉妹]