基于時間序列分析南京市二手房的定價模型

周洪偉

摘 要 由于房地產普遍具有較強的異質性、不易流動性、不可分割性等特征，致使對二手房資產的定價研究難度較大。時間序列分析是處理動態問題的一種重要的數學工具，而二手房的價格波動顯然與時間相關，本人利用從搜房網上搜集的南京地區的2013年2月-2015年2月的二手房房價數據，利用時間序列分析作為工具建立了二手房價格預測的隨機性模型；并把預測的價格和實際價格作了對比分析，研究發現兩者的誤差較小，對二手房交易的買賣雙方能夠提供一些合理的參考價值。

關鍵詞 二手房 時間序列 模型 定價

中圖分類號：F830 文獻標識碼：A DOI：10.16400/j.cnki.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

筆者從搜房網房天下（http：//nanjing.fang.com）搜集了南京地區的二手房房價數據，得出南京二手房房價各個月份的平均價格，借此數據利用Excel和Eviews軟件對南京二手房房價序列數據進行時間序列分析。

1 模型分析

任何事物發展都可能受偶然因素影響，為此要利用統計分析中加權平均法對歷史數據進行處理。該方法簡單易行，便于掌握，但準確性差，一般只適用于短期預測。時間序列預測一般反映三種實際變化規律：趨勢變化、周期性變化、隨機性變化。①②

1.1.1 季節性分析③④

先觀察2013年2月至2015年2月的二手房房價圖，詳細數據見附錄表1。

從圖1觀察，可能存在季節變動。下面對南京二手房房價進行季節分析，通過計算得到1～12個月的季節指數，如表1。

即季節變動St可以用上述數據表示。

1.1.2 趨勢分析

將收集來的數據繪制一幅折線圖，如圖2。

通過圖像觀察，顯然這組數據并不平穩。下面代表時間月，代表二手房房價（元/平方米）。

求得，相關系數： = 0.745，相關系數越接近1線性相關性越強，設線性函數： = + + ，其中為獨立的隨機序列。利用用Eviews工具算線性函數系數。

每個系數下面對應一個檢驗值，括號內為對應系數的檢驗值，比較式括號內檢驗值都取絕對值，因為有兩個變量自由度取，即23。查表可得（23） = 2.81。在顯著性水平0.05下，檢驗值都大于臨界值，認定該系數值在統計上是顯著的，所以通過檢驗。稱為判定系數，取值范圍在0到1之間，越接近于1，用模型來擬合數據的擬合程度越好。

觀察圖3，顯然線性擬合效果不是太好。Y，lnt的相關系數： = 0.879，lnt與線性正相關。接下來嘗試一下對數函數擬合。

設對數函數： = （） + + ，其中為獨立的隨機序列。

用Eviews工具算函數系數，計算結果如下

對應系數的檢驗值，系數值在統計上是顯著的，所以通過檢驗， = 0.773稍優于上一個線性函數。最后再嘗試一下多項式函數擬合。

設多項式函數： = + + + ，其中為獨立的隨機序列。利用用Eviews工具，解得多項式函數：

對應系數的檢驗值，當值為負時先取絕對值再比較，系數值在統計上是顯著的，所以通過檢驗。

通過的數值和圖4展示，易得出這組數據擬合出的三個函數中多項式函數擬合效果最好。即趨勢T選擇

1.1.3 周期性分析與隨機波動分析

季節變動（S）和趨勢變動（T）都已研究好，現在需要考慮是否具備周期性，通過剩余法的思想和原理，從時間序列中分別剔除掉季節變動（S）和趨勢變動（T），剩下循環波動（C）和不規則波動（I），然后進行平滑，將不規則波動（I）盡量消去。所剩下的結果即為循環波動值（C）。

觀察圖5循環波動值在上下波動，可以看出在2013-2015可能存在一個大周期和幾個小周期。不過時間序列較短，周期性的分析還有待于更長的時間序列數據來驗證。

按照上述模型可以得到2015年3月、4月以及5月的預測值分別為16276.52元/平方米，16419.71元/平方米，15932.09元/平方米。從搜房網搜集了2015年3月、4月真實房價分別為16695元/平方米、16624元/平方米。3月預測值與真實值相差418.48元/平方米，4月預測值與真實值相差204.29元/平方米，兩個月誤差都在500元/平方米以內，可以接受。

2 小結

筆者利用從搜房網上搜集的南京地區的2013年2月-2015年2月的二手房房價數據，考慮影響二手房的幾個重要的因素：經濟環境因素，區位因素和建筑因素的基礎上，利用多元統計分析中時間序列分析的相關理論，通過建立隨機模型，給出二手房價格的預測公式，并作了統計的顯著性檢驗，希望該模型的分析方法能給二手房交易的買賣雙方能夠提供一些合理的參考價值。

注釋

① 賈俊平.統計學（第二版）[M].北京：清華大學出版社，2006.7.

② 張萬宏.非平穩時間序列的預測方法研究[J].控制理論與控制工程工程，2007.5.8.

③ Jonathan D.Cryer，Kung-Sik Chan.時間序列分析及應用R語言[M].潘紅宇等，譯.北京：機械工業出版社，2011.1.

④ 李敏，陳勝可.Eviews統計分析及其應用[M].北京：電子工業出版社，2011.5.