房地产方面有关论文范文例文,与苏州房产成交量的ARMA模型相关学士学位论文范文

本文是一篇房地产论文范文,房地产方面有关大学毕业论文,关于苏州房产成交量的ARMA模型相关学士学位论文范文。适合房地产及房地产价格及成交量方面的的大学硕士和本科毕业论文以及房地产相关开题报告范文和职称论文写作参考文献资料下载。

摘 要：苏州作为比较发达的二线城市之一,房产信息一直备受关注.根据苏州市房产2009年1月至2013年4月的周数据,基于房产成交量数据拟合建立ARMA模型并做短期预测,得出的结果与实际情况相吻合.

关 键 词 ：ARMA模型；成交量；预测；苏州

中图分类号：F293.3 文献标志码：A 文章编号：1673-291X（2013）24-0241-02

引言

房地产是城市经济发展的主导产业 [1].近几年,苏州市房地产业已经成为苏州市国民经济的支柱产业之一,苏州市房产交易的变化情况是大众关注的焦点.目前国内对房产的统计研究文献已有很多的,例如,用ARIMA模型对商品住房价格指数进行拟合预测并给出未来价格指数的变化趋势[2]；基于BP神经网络的时间序列对房价进行拟合预测[3]；运用GM（1,1）模型对房地产价格指数在房产新政情况下未来走势的预测和对比分析[4]；建立房屋销售价格指数和深交所地产指数的协整关系并做Granger因果检验[5]；对上海基础房价相关指标进行分析,运用主成分分析回归拟合房价,并运用核估计方法预测房价[6].

我们注意到很少有文献讨论房产成交量的建模问题,本文在这方面进行了尝试.基于从搜房网和365地产家居网等网络媒体以及苏州本地报刊搜集的苏州市2009年1月至2013年4月的每周房产成交量数据,我们用ARMA模型对每4周的数据进行了拟合,分析显示,AR（1）模型与实际房产成交量数据拟合较好,且短期预测结果与实际结果误差也较小.从该模型来看,限购令前后这四年来苏州房产成交量总体保持了平稳趋势,且有短期的正相关性.这反映出苏州市政府出台的房产政策是有明显效果的,稳定住了苏州的房产市场.

一、ARMA模型[7]简介

二、成交量的ARMA模型

我们从搜房网和365地产家居网等网络媒体以及苏州本地报刊搜集了苏州市2009年1月至2013年4月的每周房产成交量数据.考虑到每年春节、国庆时期房产相关数据波动剧烈,因此我们将这些数据定义为异常值.又由于搜集时2009年1月19日至2月21日、3月2—8日这三周数据缺失,因此将这些数据定义为缺失值.我们选取了2009年1月5日至2012年12月2日的每四周成交量,用Xt表示.对此成交量数据尝试用ARMA模型进行拟合.下面给出建模过程的序列平稳性检验、非白噪声检验、模型识别、参数估计、模型检验和短期预测的相应结果.

如何写房地产一篇好的本科论文
播放:27160次 评论:7040人

3.模型检验.对模型进行检验,即检验残差序列是否是白噪声序列,由sas程序运行结果可知（见表3）,各阶延迟下P值均大于0.05,所以该拟合模型显著成立.

4.成交量预测.由2009年1月5日至2012年12月02日的每四周成交量的数据拟合得到的模型,向后做3期预测,预测结果如下,由表4可知,向后预测的2期误差百分比前两期均在10%以内,而第三期因为包含春节的关系,所以预测效果不好,因此排除特殊节日异常值的关系,预测效果还算好.

结论

以往文献主要讨论房产价格,但关于房产成交量建模的文献很少,本文尝试对房产成交量建模进行了的研究.本文对苏州房产市场2009—2013年每四周的成交量数据拟合建立了AR（1）模型