基于動態(tài)模型平均的中國大中城市房價預測.pdf

1、近二十年來，我國房地產市場經歷了較長時期的蓬勃發(fā)展，但同時也遭遇了若干次嚴厲的調控，大中城市的房價出現了一些較大幅度的波動，房價成為媒體、人民群眾和政府關注的焦點。因此，如何對未來的房價走勢進行科學和有效的預判，也是眾多房地產經濟學者和業(yè)界普遍關心的重要問題。
　　本文率先引入了動態(tài)模型平均(DMA)方法及其特例-動態(tài)模型選擇(DMS)，對于全國三十個省會城市和直轄市的房價進行了預測分析。相對于傳統(tǒng)模型，DMA方法允許模型變量設置

2、和變量系數的時變性，充分考慮了不同變量、不同時間對于房價影響的大小。同時本文使用等權重平均、自回歸、貝恩斯平均、貝恩斯選擇以及信息理論平均等多種模型作為對比，充分討論房價預測的表現。
　　本文不僅使用了傳統(tǒng)研究中大量使用的擴展窗口預測模式，同時添加滾動窗口模式作為參照對比，既解決了時間序列中可能存在的結構突變問題，同時也在多種預測模式之下，全面穩(wěn)健地對于房價進行預測。此外，在使用傳統(tǒng)宏觀經濟變量作為預測變量時，本文也考慮了大數據環(huán)

3、境下，互聯(lián)網搜索指數包含更多需求信息，對于房價的預測會產生新的幫助作用。隨后，區(qū)別于其他預測研究只采用簡單統(tǒng)計指標評價預測表現，本文采用更加高級的模型信度設定方法(MCS)，進一步避免了一類統(tǒng)計錯誤，并且強調在不同標準和統(tǒng)計指標下，多角度全方面檢驗房價預測模型的精度。實證結果顯示，無論是擴展窗口，還是滾動窗口，DMA方法在全國三十個大中城市，在樣本內估計精度較高的基礎上，樣本外預測方面也能夠有效地降低全國各個大中城市的房價預測誤差，比傳

4、統(tǒng)自回歸等方法縮小50％以上。
　　此外，本文也發(fā)現DMA能夠有效篩選變量，降低計算負荷，并且發(fā)現搜索指數對于房價影響在近些年逐漸增大，傳統(tǒng)變量預測作用式微，表現不及預期。本文嘗試提出了需求端和政策不確定性兩方面的合理解釋。最后，基于穩(wěn)健性的分析證明，預測三、六期及延長樣本外預測區(qū)間，與前續(xù)結果均一致性地均支持DMA方法的優(yōu)越預測表現。最后，DMA方法為房價預測提供了新的思路，給予購房者、業(yè)界以及政府管理部門更好的房價決策和預判。