基于时间序列模型的福州市房产价格指数分析
摘要：在住房改革之后，房地产行业的发展尤为突出，这为国民经济的进步贡献了巨大的力量。但与此同时，在这个过程中，也有着不可忽视的现象，也有着许多亟待解决的问题。在这样不稳定的房产价格趋势下，更好地了解房地产的现状和预测未来的发展方向就显的尤为必要。而且，通过对具体数据的分析，可以为政府对房地产产业的调控提供理论依据与数据支持，凭借更科学的依据能够针对性地做出合理的决策调整。本文通过对福州市近6年福州市房产价格指数的分析，基于时间序列模型对数据进行研究，对未来三年福州市房产价格趋势进行预测，为合理地对房地产价格宏观调控政策进行调整提供科学的依据。
关键词：福州市房价；时间序列模型；分析预测
文献综述
文献[1]中周亮选取美国供管理协会制造业指数和美国未决房屋售月率数据,基于时间序列理论建立了美国经济模型, 通过对收集的数据进行分析计算，建立时间序列模型可以预测美国房产价格趋势，对美国未来的房价趋势提供了可靠的参考价值。本文建立的模型为ARMA模型，是简单的时间序列模型，模型所得的结果无法做到十分精准。
文献[5]中李丹基于1998年1季至2008年4季度我国房地产价格指数,建立了ARMA(3,1,0)模型。 文章通过自由市场下的房价趋势预测结果与在推出新政策下的房价趋势预测结果作对比，可明显的看出为调控房价的新政策的效果。但是在模型建立的过程中，对影响房产价格的因素研究的对象只限于人均消费指数、房产交易量，其余的影响因素并没有计入考虑研究。所以得出的结果可能会因没有考虑的因素而与实际有误差。
文献[2]中殷霄雯基于南昌市1998~2011年房地产价格指数数据,基于时间序列自回归积分移动平均模型基本理论编制MATLAB程序,分析了南昌房地产销售价格趋势,建立了南昌REPI指数ARIMA(3,2,0)理论模型,为同类型城市房地产价格指数分析提供参考 。鉴于房地产全国价格指数与实际城市房地产价格相差较大, 殷霄雯基于自回归积分移动平均模型理论,构造了南昌市1998~2011年共55个季度房地产价格指数数据的理论模型ARMA(,2,0),经Box-.Pierce检验表明该模型具有95%的概率合理性,为预测昌市未来房地产价格指数提供参考。
从文献[3]上可以知道，外资、利率政策、货币政策、信贷规模、地区差异、收入分配差距对REPI(Real Estate Price Indices)变化都有贡献,和其他各种未知社会因素一起引起房地产经济复杂的非线性变化构造包含每种非线性影响因素的房地产价格指数模型是不易实现的,时间序列理论只构造指数之间的变化关系,比较适合对房地产价格指数建模。文章通过建立时间序列模型与多元回归分析并用的方式，分析得出经济适用房与廉租房推出数量的合理值，可为政府调控房价提供科学的依据。
文献[4]中胡瑾卿建立我国房地产价格指数的时间序列模型,通过向后预测与实际吻合较好。由于房地产价格指数统计方法的缺陷,造成理论模型的预测与实际城市房屋价格变动相差较大;若对实际城市构造理论模型,则误差大大减小。通过对具体数据的分析，可以为政府对房地产产业的调控提供理论依据与数据支持，凭借更科学的依据能够针对性地做出合理的决策调整。
从文献[6]上看，房地产是国民经济重要支柱,同时住房是关系百姓的民生大事,其价格出现变动往往引起社会其他领域深层次的影响.我国对房地产价格的监控是从1998年实行住房商品化后建立的,并以房地产价格指数的形式向外公布。文章指出，在住房改革之后，房地产行业的发展尤为突出，这为国民经济的进步贡献了巨大的力量。但与此同时，在这个过程中，也有着不可忽视的现象，也有着许多亟待解决的问题。在这样不稳定的房产价格趋势下，更好地了解房地产的现状和预测未来的发展方向就显的尤为必要。
国内外房地产市场状况分析
从文献[8]中可以知道，房地产业作为国民经济新的增长点，为中国经济的快速增长做出了贡献。根据国家统计局公布的数据，2018年1-11月，房地产本年实际到位资金合计209010.22亿元，同比增长8.9%，环比增速下滑0.1个百分点。其中上年资金结余、自筹资金、定金及预收款是主要的到位资金来源，分别为58933.38亿元、50619亿元以及49551亿元，占总实际到位资金的比列依次为28.2%、24.22%和23.71%。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
