如何用計量經濟學的方法預測中國房價？

01-23

用過各種回歸（找了不下100個factor），arima，garch，甚至不是拿來預測的var也用了。結果是天差地別南轅北轍。所以預測這還不如出門左轉交給黃大仙

單純從計量方法來講，預測的前提是對歷史數據進行分析。收集歷史時間序列數據，在本例中就是房價，以及其他任何你認為可能對房價造成影響的時間序列數據（比如同期的宏觀經濟和社會數據等），然後用這些數據對房價數據進行回歸，觀察顯著性。這其中同時運用時間序列數據計量的一些技術，測試不同模型的擬合度，調整滯後期（典型的比如ARIMA模型等）。然後用測試下來最合適的模型，對未來的房價走勢進行預測。

當然，這一切只是建立在理論的基礎上。房地產市場的波動很多程度上還與人們的價格預期以及行為金融的規律有關，因此這是一個非常複雜的課題，同時不同的人研究這個問題也會有截然不同的方法論與結果。

預測成交量還好，至少有個高低起伏。價格怎麼預測？十年來都是一條傾斜向上的直線，一個最簡單的一次函數就能擬合了，沒必要做什麼預測。

計量模型能做得很有限，在國內數據嚴重存在問題的情況下結論更是不敢恭維， @SlowMover引用的挺好，確實DSGE模型要比大部分計量模型更加靠譜一點。但也只是一點而已。。。

自己的一點經驗：

首先，需要對「房價」有完整嚴格的定義，甚至要自己去做一套房價指數。

其次，對調控因素有合理的量化方式；

第三，對金融市場有合理的量化方式；

第四，若干個ARIMA的疊加模型或許最合適。

就計量經濟學的本質來說，要解決的問題主要有兩點1.模型設定問題（你要利用什麼樣的假設） 2. 數據的選擇問題（你要證明什麼）。

就第一點來說，你在設定中國房價這個被解釋變數時想用什麼樣的變數來解釋它。OLS（普通最小二乘）方法的主要問題就是不可觀測變數所導致的估計量偏誤問題。而時間序列變數ARIMA基本上是對於變數自身趨勢的一種解讀。因為不穩定的序列不經過協整是無法預測的。所以，預測中國全國的房價的的問題很多時候是不現實的，因為從宏觀面忽略了數據之間太多的異質性，而計量經濟學擅長的恰巧是局部均衡。

就第二點而言，要理解房地產作為商品有其微觀的一面，但其基礎的土地供給和政策性又有其宏觀一面。所以不能單純從宏觀出發，而要考慮微觀的需求和效用出發。而且，選擇的變數不宜過多，過多會更容易導致異方差性和序列相關性。

綜上，計量經濟學的優勢在於驗證模型，因為其本質上是統計和實驗的方法，所以不從經濟理論出發的純計量回歸，只能表現各個變數之間的相關性，其模型並不具有預測性。

so，預測房價的話，建議有正確的模型設定和恰當的數據選擇，最好集中在某省或者某市，才能得出適合的結果。

作為一個只當過一年兼職的外行人……說一下經歷……請大神指點……

1，計量報告覺得更多是假設中的房價趨勢。Arima模型也只是根據投資者意願，可選擇模型之一而已。模型是會根據地點不同而做調整的。起碼我老領導的那個軟體(真不會拼……)在架構模型的時候是能調整的。例如，珠海房價的可調整區間就非常大，因為房價調整波動很低，但是遠期很好；深圳蛇口的房價和珠海的模型就非常相像，就是價格基礎比較高；東莞的模型則基數很小，但是波動很大……諸如此類。

2，數據回歸併非全都是價格回歸，交易量也很重要很重要。還有抽樣重要性幾乎決定了這份計量報告的質量。看上去均線和普通交易的K線差不太多，也有金叉死叉，但是這個價格均線如何去話卻很有講究。還是說我自己的例子，此前看的計量報告採樣分類是珠海靠海的兩個區作為一個區間；口岸一個區間；內陸一個區間；開發新區作為一個區間。華髮新城在內的成交額就會發現很高，基本上柱狀圖現實只要有樓盤都是長期穩定的交易量，但是浮動區間很小——也就是說日均線與月均線波動一樣，俗稱的有價無市。換句話說，值得投資，但是不值得套現炒作~~諸如此類吧。

3，模型裡面分析各個省市的房價波動因素factors時，這個是大老闆直接提供的，他哪來的就不知道了。然後波動區間與模型微調也是電腦軟體裡面自帶的，估計也是花錢買的？

即便如此，在現有模型之下，除了上面說的價格均線與成交額以外。還有就是做預期，forecasting，這個裡面也有模型。

總而言之，計量報告幾乎是做房價預期的必備工具。他集中了均線、成交量、環境因素、市場波動等所有因素。模型架構裡面比較見水平的就是如何去分析這份計量報告——報告本身不難，關鍵是在誰手裡面。