城市住宅价格波动趋势分析方法及实证研究

《城市住宅价格波动趋势分析方法及实证研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东南大学硕士学位论文城市住宅价格波动趋势分析方法及实证研究姓名：柯佳佳申请学位级别：硕士专业：管理科学与工程指导教师：李启明2012-04-30摘要城市住宅价格异常波动趋势分析方法及实证研究研究生：柯佳佳导师：李启明教授东南大学在近年来住宅市场快速发展、投资需求和渠道急剧增加的背景下，住宅价格波动逐渐表现出价格波动幅度大，波动率变化频率快等波动特征。对于价格波动过程中出现的异常波动的界定和分析，有助于对住宅市场运行趋势的理解并对调控的恰当时点进行把握。国内外关于住宅价格波动及波动合理区间的研究中，少有结合住宅市场的实体经济和虚拟经济

2、属性共同对住宅价格波动进行定量分析的研究，也极少有涉及住宅价格异常波动界定的定量研究。因此，本文的目的是，结合住宅市场的实体经济和虚拟经济双重属性，定量地对住宅价格异常波动点进行界定。本文的研究内容主要包括：(1)从实体经济和虚拟经济的定义出发，对住宅市场的双重属性成囚和表现形式进行分析和描述。在此基础上，构建基于住宅市场双重属性的住宅价格异常波动分析框架。(2)从实体经济和虚拟经济角度，分别构建基于住宅市场的时间序列分解模型和量价分析模型。通过存量．流量分析构建住宅市场的虚拟性程度的量化指标，并以此为变量构建住宅市场的享乐价格模型

3、，结合两个不同模型分析得到的住宅价格波动分析结果，得到基于双重属性的住宅价格异常波动界定结果。(3)选用南京市主城区及各板块的住宅价格和销售面积数据对所建立的住宅价格异常波动界定模型的适用性和描述能力进行实证研究。结果表明，本文构建的基于双重属性的住宅价格异常波动界定模型，能够综合实体经济和虚拟经济两个角度分析的优点，将住宅正常波动区间的容量控制在一个较为合理的水平，既能起到筛选作用又不会过于敏感，对住宅市场出现的异常波动点具有较好的甄别能力。关键词：住宅价格，异常波动，实体经济，虚拟经济，时间序列分解，BollingerBands

4、，OBVAbStI-dctTheAnalyticalMethodandEmpiricalResearchontheAbnormalVolatilityofUrbanHousingPricePostgraduate：KEJia-jiaSupervisor：Prof．LIQi—mingSoutheastUniversityAbstractOnthebackgroundofquickdevelopmentofhousingmarket,thehousingpricevolatilityhasthehiighfrequencyandwide

5、range，whichmaketheidentificationandanalysisoftheabnormalvolatilitymoreandmoreimportant．Researchsonhousingpricevolatilityathomeandabroadrarelyinvolvesstudieswiththecombinationofthepropertiesofrealeconomyandfictitiouseconomy,andfewofwhichpresentsaquantitativecriterionfor

6、identifyingtheabnormalitiesinthevolatilityofhousingprice．ThispaperisaimedtOpresentaquantitativecriterionwiththecombinationofthepropertiesofrealeconomyandfictitiouseconomytoidentifyandanalyzetheabnormalvolatilityofhousingprice．ThemaincontentsofthispaperCanbesummarizedas

7、follows：(1)Startingfromthedefinitionoftherealeconomyandfictitiouseconomy,basedontheanalysisonthecauseoftheformationofdualnatureofthehousingmarket,adescriptionofitsexpressionismade．Andonthatbasis，theanalysisframeworkforidentifyingandanalyzingtheabnormalvolatilityofhousi

8、ngpricewiththeintergrationofdualnatureofthehousingmarketisbuilL(2)Respectivelyconstructingthetimeseriesdecompositionm