基于时间序列分析南京市二手房的定价模型.docVIP

基于时间序列分析南京市二手房的定价模型 　　摘 要 由于房地产普遍具有较强的异质性、不易流动性、不可分割性等特征，致使对二手房资产的定价研究难度较大。时间序列分析是处理动态问题的一种重要的数学工具，而二手房的价格波动显然与时间相关，本人利用从搜房网上搜集的南京地区的2013年2月-2015年2月的二手房房价数据，利用时间序列分析作为工具建立了二手房价格预测的随机性模型；并把预测的价格和实际价格作了对比分析，研究发现两者的误差较小，对二手房交易的买卖双方能够提供一些合理的参考价值。 　　关键词 二手房 时间序列 模型 定价 　　中图分类号：F830 文献标识码：A DOI：10.16400/ki.kjdkz.2016.10.067 　　Abstract As a result of real estate generally has a strong heterogeneity， is not easy to mobility， non segmentation and other features， resulting in the price of second-hand housing assets is difficult to study. Time series analysis is to deal with dynamic problems an important mathematical tool， and fluctuations in the price of second-hand housing obviously and time related， I use from Soufangwang collected in Nanjing area in February 2013 2015 February second-hand housing prices data， using time series analysis as a tool to establish the second-hand housing prices to predict the random model； and at the analysis and comparison of the predicted and actual price， the study found that a smaller error of both， to second-hand housing transactions， the seller and the buyer can provide some reference value. 　　Keywords second-hand houses； time series； model； pricing 　　笔者从搜房网房天下（http：//）搜集了南京地区的二手房房价数据，得出南京二手房房价各个月份的平均价格，借此数据利用Excel和Eviews软件对南京二手房房价序列数据进行时间序列分析。 　　1 模型分析 　　任何事物发展都可能受偶然因素影响，为此要利用统计分析中加权平均法对历史数据进行处理。该方法简单易行，便于掌握，但准确性差，一般只适用于短期预测。时间序列预测一般反映三种实际变化规律：趋势变化、周期性变化、随机性变化。①② 　　1.1.1 季节性分析③④ 　　先观察2013年2月至2015年2月的二手房房价图，详细数据见附录表1。 　　从图1观察，可能存在季节变动。下面对南京二手房房价进行季节分析，通过计算得到1～12个月的季节指数，如表1。 　　即季节变动St可以用上述数据表示。 　　1.1.2 趋势分析 　　将收集来的数据绘制一幅折线图，如图2。 　　通过图像观察，显然这组数据并不平稳。下面代表时间月，代表二手房房价（元/平方米）。 　　求得，相关系数： = 0.745，相关系数越接近1线性相关性越强，设线性函数： = + + ，其中为独立的随机序列。利用用Eviews工具算线性函数系数。 　　每个系数下面对应一个检验值，括号内为对应系数的检验值，比较式括号内检验值都取绝对值，因为有两个变量自由度取，即23。查表可得（23） = 2.81。在显著性水平0.05下，检验值都大于临界值，认定该系数值在统计上是显著的，所以通过检验。称为判定系数，取值范围在0到1之间，越接近于1，用模型来拟合数据的拟合程度越好。 　　观察图3，显然线性拟合效果不是太好。Y，lnt的相关系数： = 0.879，lnt与线性正相关。接下来尝试一下对数函数拟合。 　　设对数函数： = （） + + ，其中为独立的随机序列。 　　用Eviews工具算函数系