棚戶改造及農民工住房消費影響下商品房銷售增長預測模型

◇趙小林 李玉林 黃敏兒 馮婉彤

棚戶改造及農民工住房消費影響下商品房銷售增長預測模型

◇趙小林 李玉林 黃敏兒 馮婉彤

本文為了定量分析廣東增城地區商品房銷售的增長指數，提出一種基于多元參量自回歸分析的商品房銷售增長預測模型，以廣東省增城地區為例，在棚戶改造環境下，分析農民工住房消費指數對商品房去庫存的約束關系模型。采用支持向量機算法對商品房的持有水平和農民工的住房需求指數進行線性相關分類，對農民工購房消費規模和現金持有水平進行相關分析，構建多元自回歸約束參量模型，實現對銷售量指數序列的準確預測。實證數據表明，采用該模型分析棚戶改造環境下農民工住房消費與商品房銷售的關系，能準確預測商品房銷售增長走勢，預測誤差較小，模型的收斂性較好。

棚戶改造；農民工；住房消費；商品房；增長；預測

一、引言

隨著廣東省增城區城市開發進程的發展，增城區的城中村棚戶改造不斷推進，棚戶改造以及新生代農民工不斷涌入城市，給城市購房帶來剛性需求，對提高商品房的去庫存壓力具有一定的積極作用。研究棚戶改造及農民工住房消費影響下的商品房銷售增長預測模型，將為商品房建設和政府的宏觀調控提供有力的數據支撐。

商品房銷售增長水平影響因素眾多，具有多元性、隨機性和變化性的特點，當前方法主要采用的是線性加權預測法、AR自回歸分析預測模型方法、統計特征分析預測方法和自相關估計預測方法等[1～3]。隨著商品房銷售數據約束因素的增多，特別是在棚戶改造及農民工住房消費等不確定因素的影響下，使得傳統方法預測的準確性不高。對此，相關文獻進行了預測模型的改進設計，其中，文獻[4]提出一種基于非線性時間序列分析的商品房銷售增長水平預測模型，將商品房銷售增長經濟指數序列解析模型分解為含有多個非線性成分的統計量，進行特征重構和經濟指數預測，提高預測精度，指導商品房銷售調控，但該計算方法的復雜度較高，抗干擾性不強；文獻[5]中提出一種高階統計量分析的商品房銷售增長預測模型，有較好的預測精度，但該方法在棚戶改造及農民工住房消費影響下，由于商品房銷售去庫存力增長處理規模較大，容易出現增長指數分布異常，導致預測效果不好。針對上述問題，本文提出一種基于多元參量自回歸分析的商品房銷售增長預測模型，對農民工購房消費規模和現金持有水平進行顯著正相關分析，構建多元自回歸約束參量模型，實現對銷售量指數序列的準確預測。最后進行實證數據分析，得出有效結論。

二、商品房銷售增長預測的約束關系模型分析

1.農民工消費與商品房去庫存的約束關系

為了實現對棚戶改造及農民工住房消費影響下商品房銷售去庫存力增長的準確預測，需要構建棚戶改造環境下的住房消費與商品房增長的約束關系向量分析模型，結合時間序列分析方法，進行棚戶改造及農民工住房消費影響下商品房銷售去庫存力增長的統計分析。商品房銷售增長水平是一組非線性時間序列[6]，可以采用非線性時間序列分析方法進行特征分析和預測。構建商品房銷售增長水平單變量時間序列{xn}，經過前期的經濟統計和金融信息數據分析，得到的商品房銷售增長水平時間序列都是標量時間序列，選擇最小嵌入維數、最佳統計信息時延，構建一個微分方程表達商品房銷售增長水平的可信域模型為：

其中，h為商品房銷售增長水平時間序列的多元數量值函數，ωn為棚戶改造對商品房銷售的約束參量，在商品房銷售經濟增長的統計時間序列特征分布空間中，xn→xn+1的演化反映了未知銷售增長水平，采用演化模型zn→zn+1或zt→zt+1表示經濟統計序列的主成分信息特征，這一演化過程能夠實現對商品房銷售增長水平的預測。經前期統計分析，得到商品房銷售增長經濟指數序列{x（t0+iΔt）}，（i=0，1，…，N-1），通過專家打分法，得到商品房銷售的模糊綜合評價輸出經濟指數時間序列：

其中K=n-（m-1）τ，表示商品房銷售增長水平時間序列的正交特征向量，τ為對商品房銷售增長水平采樣的時間延遲，si=（xi，xi+τ，…，xi+（m-1）τ）T為一組銷售水平的振蕩序列。把有限數據集合X分為c類，其中1

其中，A，B分別表示在商品房銷售中的現金流估計模值，pi表示中小投資者進行商品房開發的股利增長水平。由此構建了農民工消費與商品房去庫存銷售增長的約束關系，為進行市盈比較估計和銷售水平預測提供了準確的統計數據基礎。

2.商品房銷售增長水平的統計特征分析

在上述進行了約束關系模型分析的基礎上，在棚戶改造環境下，分析農民工住房消費指數對商品房去庫存的影響性因素，采用支持向量機算法對商品房的持有水平和農民工的住房需求指數進行線性相關性分類[7]，采用商品房銷售水平的增長率統計信息集B={b1，b2，…，bm}，表示在資本市場調節下的商品房整體銷售市場的收益現金流，根據風險集評價水平，得到商品房銷售的預警指標權重：

由此可固定j，采用支持向量機分類算法分析自相關函數關于時間τ（τ=1，2，…）的圖譜特征，則自相關函數下降到初始值的1-1/e時，對商品房銷售增長水平序列進行相空間重構，在最佳的采樣時間延遲下，得到一組非平穩數據序列采用逐次多級模糊綜合評價方法，得到：

其中H（x）表示Heavside函數，即：

根據對增城地區的棚戶改造工程的盈余信息分析，結合地方政府的債務風險預警評價，得到棚戶改造對增城地區的商品房銷售增長的重要性指標評價等級如表1所示。

表1 棚戶改造對增城地區的商品房銷售增長的指標評價等級

根據指標評價等級，進行模糊評價分析，建立商品房銷售增長的權重相關性評價函數表示為：

當銷售增長的數據量N→∞，并且距離r比較小，即r→0時，棚戶改造對增城地區的商品房銷售增長的關聯積分Cm（r）服從于指數規律，由此得到商品房銷售增長水平的統計特征為：

計算中，通常給定值r的范圍rmin和rmax，按一定增長幅度使r值變化，根據指標評價等級，進行風險預警的實證分析。

三、預測模型實現

1.多元參量自回歸分析

在商品房銷售增長預測的約束關系模型分析的基礎上，進行商品房銷售增長指數預測模型改進設計，本文提出一種基于多元參量自回歸分析的商品房銷售增長預測模型，在給定的大數據分布的權重指數下，得到增城地區商品房銷售受到新生代農民工的消費需求增長的屬性值為{c1，c2，…ck}。用多元自回歸分析方法對商品房銷售的盈余信息進行最小二乘擬合[8]，表示為：

其中，Ci表示房地產開發商在財務管理中的凈資產收益率，Zi，j，j'表示地方政府的債務風險指標，計算模糊評價權重，提取商品房庫存的風險集特征分布序列為 {x（t0+iΔt）}，（i=0，1，…，N-1），在分布空間中對債務限額進行自適應分配，棚戶改造對商品房銷售影響的債務置換率約為20%，銷售限額為1600億元，統計平均測度ε滿足2-λt＜ε，λ＞0，根據2016年全年的銷售統計，得到政府重點控制的商品房開發企業的銷售業績增長的評估矩陣表達式為：

式中，x（t）表示專項債務分布，J是相似度特征向量，m是多元自回歸分析的階數，Δt為采樣時間間隔。在灰色模型訓練下得到商品房銷售增長水平的聚斂目標函數為：

其中，m為域間方差，xi為商品房銷售新增率分布空間的第i個矢量。通過多元參量自回歸分析方法，實現對商品房的持有水平和農民工的住房需求指數進行線性相關性分類分析。

2.相關分析與預測模型優化

通過對商品房銷售增長水平的非線性時間序列分析，對農民工購房消費規模和現金持有水平進行相關分析，進行商品房銷售增長水平的主成分特征提取，結合專家系統分析和地方政府的風險評價等級，實現對增城地區的商品房銷售的去庫存預測和風險預警。模型的具體計算步驟描述為：

（1）對商品房銷售增長水平時間序列進行Fourier變換，得到x（k）；

（2）根據棚戶改造的貢獻權重，在商品房銷售增長水平的d維的緊流形矢量場中，基于庫存量的存量轉化分析，結合現行政策，進行風險界定，通過多元參量自回歸分析法，采用Hausman檢驗法則[9～10]，對商品房銷售增長水平進行振幅隨機化處理，得到x'（k）；

（3）選擇促進去庫存銷售的主成分信息特征，采用自相關函數特征匹配方法檢驗商品房銷售增長水平的非線性成分，生成一組替代數據，計算農民工消費水平對商品房去庫存銷售增長的綜合評價矩陣，建立門限面板模型，對商品房銷售增長水平序列的替代數據x'（k）求Fourier逆變換，得到x'（n）；

（4）生成的商品房銷售增長水平替代數據保留了原始數據的線性自相關性，根據行業的虛擬變量、區域虛擬變量，提取商品房銷售增長水平數據信息流的主成分特征：

其中，xn表示商品房銷售增長水平的非線性時間序列，d表示資產分布結構，D=2d，x軃表示均值：

對農民工購房消費規模和現金持有水平進行相關分析，構建多元自回歸約束參量模型，由此實現對新生代農民工和棚戶改造關聯約束下的商品房去庫存銷售的回歸分析和準確預測。

四、實證數據仿真分析

為了驗證本文設計的預測模型在分析增城地區的商品房銷售預測中的應用性能，進行實證數據驗證分析，數據分析的軟件為Excel2007和SPSS19.0，結合Matlab數學編程進行農民工住房消費影響下商品房銷售增長預測建模，根據前期的統計測量，得到增城地區從2010~2016年間的商品房銷售的先驗信息統計結果（見表2）。采用相關性檢驗值（Accounting earnings correlation test value，AEC）計算新生代農民工以及棚戶改造等約束變量對商品房銷售的增長因素的影響，進行數據擬合，完善對統計數據的補充。

表2 增城地區商品房建設和銷售的統計結果

對增城地區的商品房平均銷售價格和面積進行多元自回歸分析，得到統計結果如圖1所示。

圖1 商品房平均銷售價格和面積多元自回歸分析統計結果

分析圖1得知，本文設計的預測模型對農民工購房消費規模和現金持有水平具有顯著正相關性，能提高對商品房銷售水平的預測精度，通過建立多元自回歸約束參量模型，得到增城地區商品房開發投資受到農民工消費影響的約束關系模型如圖2所示。

圖2 商品房開發投資在農民工消費影響下的約束關系模型

分析圖2得知，隨著新生代農民工流入增城地區，促進了商品房的投資開發，開發投資額逐年遞增，根據統計的參量結果，進行商品房銷售增長預測，得到預測結果如圖3所示。分析圖3結果得知，采用本文模型進行商品房銷售增長預測，具有較好的預測精度，為了對比不同方法的預測精度，采用本文模型和傳統模型，得到預測誤差對比如圖4所示。分析圖4結果得知，本文方法進行商品房銷售增長的預測誤差較低，準確性較好。

圖3 商品房銷售增長預測結

圖4 預測誤差對比

五、結語

為了實現對增城地區的商品房去庫存銷售預測，本文提出一種基于多元參量自回歸分析的商品房銷售增長預測模型，在棚戶改造環境下，分析農民工住房消費指數對商品房去庫存銷售增長的約束關系模型，對商品房的持有水平和農民工的住房需求指數進行線性相關性分類，構建多元自回歸約束參量模型，實現預測模型改進設計。測試結果表明，采用該預測模型進行增城地區的商品房銷售面積、價格以及投資額等方面的預測，精度較高，誤差較低，為政府宏觀調控決策提供了有效的數據支撐。

[1]張安全,凌晨,倪鵬飛.損失規避與家庭儲蓄行為：基于CHFS的經驗證據[J].當代經濟科學,2016(02).

[2]ALESSANDRO BEBER,MARCO PAGANO.Short-Selling Bans around the World：Evidence from the 2007-09 Crisis[J]. Journal of Finance,2013（01）.

[3]MIN BAI,YAFENG QIN.Short-sales Constraints and Liquidity Change：Cross-sectional Evidence from the Hong Kong Market[J].Pacific-Basin Finance Journal,2014(26).

[4]WILLIAM F.JOHNSON.Did Margin Rules and Financial Development Affect Returns and Volatility During the Market Crash of 2007-2008?[J].Journal of Investing,2010（03）.

[5]趙小林，吳弋鵬，黃慧瑩等.新生代農民工住房購買力與住宅商品房銷售去庫存約束關系模型——以增城地區為例[J].管理工程師,2017(01).

[6]TAGUCHI,H.,SAHOO,P.,NATARAJ,G.Capital Flows and Asset Prices：Empirical Evidence from Emerging and Developing Economies[J].International Economics,2015（05）.

[7]魏巍,蔣海,龐素琳.貨幣政策、監管政策與銀行信貸行為——基于中國銀行業的實證分析（2002-2012）[J].國際金融研究,2016(05).

[8]潘繼征.基于演化博弈的大型科研項目會計核算方法改進[J].管理工程師,2017(01).

[9]安輝,丁志龍,谷宇.“金磚國家”流動性沖擊風險的影響因素研究[J].國際金融研究,2016(05).

[10]DICK CD,MENKHOFF L.Exchange Rate Expectations of Chartists and Fundamentalists[J].Journal of Economic Dynamics and Control,2013（07）.

（作者單位：廣東工業大學華立學院）

2016年廣東省大學生科技創新培育項目（pdjh2016b0937）。

10.13999/j.cnki.scyj.2017.06.011