基于ARIMA模型對(duì)房地產(chǎn)行業(yè)分析與研究

郭瞳康

【摘要】我國(guó)現(xiàn)行經(jīng)濟(jì)正處在“L”型筑底的大環(huán)境下，爆發(fā)于2019年末的新冠肺炎疫情給房地產(chǎn)行業(yè)帶來(lái)了巨大影響，本文應(yīng)用ARIMA模型，通過(guò)對(duì)房地產(chǎn)行業(yè)上市公司的股票價(jià)格定量分析預(yù)測(cè)，以達(dá)到對(duì)后期房地產(chǎn)行業(yè)整體走勢(shì)的預(yù)判作用。

【關(guān)鍵詞】房地產(chǎn)行業(yè);新冠肺炎疫情;ARIMA

1、引言

2020年中國(guó)經(jīng)濟(jì)增速處于歷史低位階段，并且房地產(chǎn)行業(yè)被定調(diào)為不能作為短期刺激經(jīng)濟(jì)的手段，同時(shí)新冠肺炎疫情短期內(nèi)已劇烈沖擊了房地產(chǎn)上游的供應(yīng)商，房地產(chǎn)企業(yè)在建筑施工成本、人工成本、運(yùn)輸成本、營(yíng)銷(xiāo)成本等核心業(yè)務(wù)領(lǐng)域的投入加大，各因素影響下加劇了對(duì)房地產(chǎn)行業(yè)的沖擊和下行壓力。因股票價(jià)格是直接反應(yīng)市場(chǎng)整體行情的“晴雨表”，本文試從股票價(jià)格外對(duì)我國(guó)房地產(chǎn)行業(yè)趨勢(shì)進(jìn)行分析。

Box和Jenkins于1970年提出了以隨機(jī)理論為基礎(chǔ)的時(shí)間序列分析方法，其基本模型有三種：移動(dòng)平均（MA）、自回歸（AR）模型和回歸求積移動(dòng)平均模型（ARIMA）。ARIMA方法假定數(shù)據(jù)序列是由某個(gè)隨機(jī)過(guò)程產(chǎn)生的非白噪聲序列，利用隨機(jī)過(guò)程去分析描述事物的發(fā)展趨勢(shì)，預(yù)測(cè)變量的過(guò)去值與當(dāng)前值，在滿(mǎn)足時(shí)間序列上的依存性的同時(shí)，又考慮了隨機(jī)波動(dòng)的干擾，提高了模型的精確度。

本文通過(guò)軟件SPSS的ARIMA模型進(jìn)行預(yù)測(cè)與分析。

2、ARIMA模型構(gòu)建與擬合分析

2.1 時(shí)間序列ARIMA模型的建立

自回歸移動(dòng)平均模型（autoregressive integrated moving average model）簡(jiǎn)稱(chēng)ARIMA（p，d，q）模型，其中p為偏相關(guān)截尾因子，q為自相關(guān)因子，p、q為各自對(duì)應(yīng)階數(shù)。d為對(duì)時(shí)間序列進(jìn)行差分處理的次數(shù)，差分階數(shù)d可以通過(guò)差分圖進(jìn)行確定，一般2階差分圖就已足夠穩(wěn)定滿(mǎn)足數(shù)據(jù)在范圍內(nèi)波動(dòng)。

函數(shù)表達(dá)式如下，y表示 t 時(shí)刻 Y 的差分，那么

ARIMA模型對(duì)任何非平穩(wěn)序列只要通過(guò)適當(dāng)階數(shù)的差分實(shí)現(xiàn)差分后平穩(wěn)，就可以對(duì)差分后序列進(jìn)行ARMA模型擬合并根據(jù)你和函數(shù)進(jìn)行預(yù)測(cè)，同時(shí)根據(jù)自相關(guān)系數(shù) ACF （Auto Correlation Function）和偏相關(guān)系數(shù) PACF （Partial Auto Correlation Function）進(jìn)行選定。ACF要表現(xiàn)在MA模型下第q值后截尾，PACF在AR模型下第P值后結(jié)尾，同時(shí)其他模型下拖尾的狀態(tài)。

2.2模擬識(shí)別與參數(shù)估計(jì)

本文收集Choice金融2019年11月到2020年3月的交易日數(shù)據(jù)，同時(shí)選取80家滬深兩市公司開(kāi)盤(pán)價(jià)格進(jìn)行加權(quán)平均，以滿(mǎn)足體現(xiàn)整體行業(yè)趨勢(shì)分析，反映市場(chǎng)對(duì)房地產(chǎn)行業(yè)的整體判斷預(yù)測(cè)，同時(shí)進(jìn)行數(shù)據(jù)差分處理圖1所示。由于受到疫情影響在2019年1-2月份期間在股票價(jià)格表現(xiàn)上，出現(xiàn)了較陡的下降與疫情爆發(fā)后，各地政策進(jìn)行封城等相關(guān)措施有關(guān)對(duì)市場(chǎng)產(chǎn)生了一定的恐慌，股票價(jià)格可以一定程序反應(yīng)房地產(chǎn)市場(chǎng)的趨勢(shì)。

同時(shí)對(duì)時(shí)間序列進(jìn)行白噪聲檢驗(yàn)，各階延遲下QLB檢驗(yàn)統(tǒng)計(jì)量的P值都非常?。?0.01），可以以很大把握（置信水平>99%）斷定股票價(jià)格為非白噪聲序列，可繼續(xù)提取相關(guān)信息。

在通過(guò)SPSS軟件進(jìn)行數(shù)據(jù)處理下，已經(jīng)滿(mǎn)足在一定范圍內(nèi)進(jìn)行波動(dòng)，同時(shí)我們根據(jù)模型進(jìn)行p與q的選取，如圖2所示ACF在第1階后呈截尾，PACF在第4階后呈拖尾狀，因此可初步確定差分后序列適合ARIMA （1，2，4）模型。

利用 SPSS 軟件求解該模型，可得顯著性水平 Sig 為 0.268大于0.05，且 R 方為 0.726，擬合程度較好，初步判斷模型的有效性，可得 AR，MA 的系數(shù)分別為 0.928 和 0.156，因此對(duì)股票價(jià)格的預(yù)測(cè)模型結(jié)果為：

2.3模型的預(yù)測(cè)與分析

模型是根據(jù)80家地產(chǎn)上市公司，90天的股票交易數(shù)據(jù)進(jìn)行參數(shù)擬合，其預(yù)測(cè)結(jié)果如下，該模型預(yù)測(cè)結(jié)果誤差較小，可以說(shuō)明 ARIMA 模型擬合效果較為精確。如圖表1所示

結(jié)語(yǔ)：

股市價(jià)格涉及諸多不可控因素，各個(gè)因素之間關(guān)系錯(cuò)綜復(fù)雜，本文通過(guò)ARIMA模型進(jìn)行擬合與預(yù)測(cè)，可以較為準(zhǔn)確刻畫(huà)股票交易價(jià)格波動(dòng)變化特征，通過(guò)對(duì)房地產(chǎn)業(yè)股價(jià)變動(dòng)影響市值的計(jì)算分析，可以反應(yīng)當(dāng)下疫情對(duì)房地產(chǎn)業(yè)的沖擊與影響。但因該模型數(shù)據(jù)適用于短期預(yù)測(cè)，同時(shí)房地行業(yè)受?chē)?guó)家宏觀經(jīng)濟(jì)政策、資本市場(chǎng)狀態(tài)、城市產(chǎn)業(yè)結(jié)構(gòu)等多方面因素綜合影響，從中長(zhǎng)期判斷，房地產(chǎn)行業(yè)仍然在宏觀經(jīng)（下轉(zhuǎn)34頁(yè)）? ? （上接32頁(yè)）濟(jì)下發(fā)揮重要作用的地位不會(huì)改變。

參考文獻(xiàn)：

[1]苑小康.基于隨機(jī)系統(tǒng)理論的股票定價(jià)模型的研究[D].[碩士學(xué)位論文].北京交通大學(xué)，2018.

[2]朱家明，胡玲燕.基于ARIMA和BP神經(jīng)網(wǎng)絡(luò)對(duì)人民幣匯率預(yù)測(cè)的比較分析—以美元人民幣匯率為例[J].

[3]重慶理工大學(xué)學(xué)報(bào)（自然科學(xué)），2019，33（5）：207-212.

[4]丁守鑾，康家琦.RAIMA模型在發(fā)病率預(yù)測(cè)中的應(yīng)用[J].中國(guó)醫(yī)院統(tǒng)計(jì)2003（1）.