欢迎来到天天文库
浏览记录
ID:33371834
大小:4.99 MB
页数:115页
时间:2019-02-25
《基于garch和copula的天津房地产市场预测》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、摘要房地产行业是人们生活的基本保障,和人民生活质量密切相关,也是中国国民经济的主导产业,在现代社会经济生活中有着举足轻重的地位。2000年以后,全国大多数城市房价一直呈上涨趋势。今后房价是否会继续上涨,到底能上涨到什么价位,无论对于政府、开发商,还是普通市民都是非常关心的问题。房价和成交面积是房地产市场两个重要指标,从它们不断变化的数据中找到不变规律,建立时间序列模型,预测天津市房价和成交面积末来概率分布。预测一般要求数据平稳,采用单位根检验验证天津市2005年3月20R到2007年10月31同每日平均房价、市区房价和成交面积对数变化率
2、平稳性。存在许多预测模型,到底哪一种更适合本文数据,利用独立性检验、代替数据线性检验和条件异方差效应检验,确定自回归滑动一条件异方差(ARMA.GARCH)模型。不同阶数的模型会影响预测效果,通过检验标准残差独立性和信息准则选取合适阶数。最后极大似然估计模型参数。预测末来房价和成交面积的概率分布必须知道残差的概率分布。因为房价和成交面积的大起大落更受人们关注,所以利用广义帕累特分布(GPD)得到房价和成交面积变化率标准残差尾部分布,非尾部分布采用正态分布。因为要考虑房价和成交面积的联合分布,所以还需知道它们之间相关结构(COPULA)。
3、COPULA类型很多,必须选择合适数据的某种类型。依据极大似然函数值,从40种COPULA中选择最优COPULA,极大似然估计参数。为了衡量房价和成交面积变化率中一个出现大值,另外一个也出现大值的可能性,计算3种尾部相关系数。通常预测都是给出一个数值,但是每天房价和成交面积肯定存在随机波动,所以运用蒙特卡罗方法预测后200天天津市房价、成交面积和市区房价概率分布。基于拟合Copula产生伪随机标准残差,按照拟合边缘分布(尾部GPD模型,非尾正态分布)分位数函数逆转。按照ARMA.GARCH拟合模拟预测变化率均值和标准波动,计算均值+标准
4、波动×标准残差伪随随机数,逆变换变化率为原始数据。重复模拟1000次,把每天1000个样本的经验分布当成底分布,计算均值、中位数、80%VaR和95%VaR。根据2007年11月1日至IJ2007年12月26同实际数据验证了预测结果的有效性。关键词:房地产;预测;GARCH;GPD模型;COPULAAbstractRealestate,decidingtheleveloflivingquantity,isthebaseofpeople’Slivingandthekeyindustryofnationaleconomy.Itplaysan
5、importantroleinmodernsocialactivity.Housingpriceinmostcitieshasbeenrisingsince2000.Itisinterestingforgovernment,enterprizeandpeoplewhetherthepricewillgoonrisingandwhatextentitreach.Housingpriceandtake—upareasarethetwocrucialindicatorsofrealestatemarket.Invariantruleisfou
6、ndfromchangingdata.TimeseriesmodelisestablishedtopredictprobabilitydistributionofthetwoindicatorofTianjininthefuture.Predictiongenerallyrequiresstationaryseries.DailyaveragehousingpriceofurbanandcityinTianjinandtake.upareasfromMarch20,2005toOctober31,2007weretestforstati
7、onarybyunit·roottestthroughlogarithmreturn.ARMA—GARCHmodelwasguaranteedamonglotsofmodelsbyindependencetest,surrogatedatatestandconditionalheteroscedasticitytest.Theorderofthemodelwillinfluenceforecasteffect.Suitableorderwasmadeoutbyinformationcriteriaandtestingindependen
8、ceofresiduals.Parameterswereestimatedbymaximumlikelihood.Forecastingpriceandarea’sdistributiondependent
此文档下载收益归作者所有