商品住房市场模拟预测模型及其应用

摘要：本文从经典“供给―需求”框架出发，通过分析决定商品住房市场供给、需求、价格的因素，引进城市经济因素和政策因素，采用1999―2014年南宁市商品住房市场相关数据，构造了商品住房市场模拟预测模型，刻画商品住房市场运行的动态结构。研究结果显示，各模型样本内模拟情况良好，模型残差均为零均值同方差平稳序列，总体预测性能较好。

关键词：新建商品住房市场；模拟预测模型；供给；需求；南宁市

基金项目：2014年南宁市青秀区重大科技项目，基于二三维GIS房产信息分析与决策支持系统，编号：2014RJ12S。

一、引言

1999年以来，南宁市商品住房市场进入快速发展时期。特别是2004年以来，商品住房市场运行突出表现为新建住房价格整体上持续快速上升、销售面积快速增长、房地产开发投资活跃、房地产经济与地区国民经济发展不协调等特点和问题。

为了进一步提高市场预测精度，协助房地产主管部门深刻把握南宁市商品住房市场运行规律，促进南宁市房地产市场健康可持续发展，南宁市住房保障和房产管理局信息中心成立“南宁市房地产监测预警预测研究”课题组。作为其课题组成员，我们基于现代计量经济理论建立计量经济模型，设计研制“南宁市商品住房市场模拟预测模型”，对商品住房市场做模拟和预测，以实现市场早期预警监测。目前，由于房地产市场监测预测实务领域尚没有针对南宁市商品住房市场研制开发的市场模型，因此该模型的开发设计，能够丰富南宁市房地产市场预警预报研究成果，填补该领域空白，具有较为重要的实践和政策意义。

文章结构安排如下：第二部分是文献评论，简要评论在房地产市场模拟预测方面已有文献的技术路线和主要结论；第三部分介绍本文预测模型的设计思路、数据来源，以及案例城市商品住房市场和城市经济运行基本情况回顾；第四部分是预测模型设定和模型参数估计，并给出预测结果；最后是本文的结论、不足与值得拓展的内容。

二、文献评论

随着对房地产市场运行规律理解的不断深入，房地产市场建模方面积累了不少文献。在系统动力学建模方面，罗平（2001）构造了一个城市商品房价格系统模型，以兰州为例进行了系统仿真，对房地产趋势仿真模拟和房地产系统内在机制进行了研究。朱湘岚（2002）从社会学和经济学角度建立了系统动力学基本模型，对南京市1995―2010年房地产需求发展状况进行模拟实验。裘建国、袁翠华（2005）将系统动力学方法用于房地产预警应用研究，首先定性分析影响房地产内外生因素，通过南京市房地产历史数据拟合它们之间的关系，建立系统动力模型并作模拟与预测。韩志超（2007）利用系统动力学方法构造了一个上海市房地产动态模型，并给出2006―2010年预测结果，但该文选择变量较少。在房地产市场预测方面，曾五一、孙蕾（2006）构造了先行指标体系并建模用于预测房屋销售价格指数。马海涛等（2007）使用灰色预测方法，用1999―2004年中国房地产价格指数建立了房价预测模型。徐波等（2007）使用改进的灰色系统预测模型，利用GM（1，1）模型的预测数据和原始数据的比例建立函数关系，构造递减序列，并将递减序列引进GM（1，1）模型。

已有的研究具有以下特点：第一，已有研究多基于系统动力学仿真模型，系统动力学建模的优点在于能够处理高阶次、非线性、复杂反馈的系统问题，但这种建模方式应用在房地产市场研究领域，需要研究员深刻把握市场的动态结构，而由于数据不完整、市场不完善等原因实际上很难做到这一点。另外，系统动力学建模过程复杂，刻画的市场模型不够直观，不易解释经济含义。第二，已有研究大多将房地产市场做整体分析，缺少对房地产市场中最重要的商品住房市场的专门分析。第三，对房地产市场的模拟预测建模更多集中于房价，缺少对市场价格、需求、供给等几个主要方面全面的模拟与预测。第四，许多研究在模型构建和参数确定上主观性较大，没有交代基本参数和模型初始值的确定过程。

通过对文献的评论我们实际上已经说明，本文与已有研究的不同之处：第一，我们使用计量经济学中经济含义更为直观、形式更为灵活的单方程模型建模，分别建立供给、需求和价格三个模型。在实际建模中，通过不断修正模型，使模型对历史数据拟合较好，避免先验的决定市场动态结构的问题。第二，我们以南宁市为案例城市，集中研究商品住房市场的动态结构，并给出对新建商品住房市场最核心的方面供给、需求和价格的模拟和预测。

三、设计思路与数据说明

1、模型设计思路

商品住房市场运行状况主要由供求关系决定，供求关系是决定价格的基础，因此，能够抓住市场本质的市场模型需要从市场供需状况出发，构建一套完整的市场监测指标体系：一是描述市场运行的核心方面供给侧、需求侧和交易价格；二是量化说明供给、需求和价格的决定因素，描述以上三个方面的动态结构，模拟其历史过程并预测未来轨迹。基于这种考虑，本文的基本思路是，将商品住房市场分解为价格、供给、需求三个可观测模块，每个模块内含相关市场指标，建立市场监测指标体系，然后构造计量经济学模型，模型内包含供给、需求、价格的决定因素，最后进行模拟与预测。同时商品住房市场不是孤立的市场，与地方经济和宏观经济等基本面因素关系紧密并受其影响，因此我们设置了相应的人口、经济指标反映经济基本面对商品住房市场的影响（见图1、表1）。

2、数据说明

本文采用年度数据，样本区间为1999―2014年，共16个年度观测。商品住房开发投资额、商品住房竣工面积、商品住房土地开发投资面积、商品住房销售面积、商品住房销售价格、城镇居民家庭可支配收入、在岗职工平均工资、城市总人口、城镇居民消费价格指数等来源于各年《南宁市统计年鉴》，贷款利率水平、广义货币供应量同比增速根据中国人民银行网站数据信息整理，城镇居民住房自有率根据各年《城镇房屋统计公报》估算。报告数据的区域范围为南宁市区。由于样本区间较小，我们认为预测对各项指标作2―3年预测是较合理的研究目标。同时，为平滑数据消除异方差影响，对所有进入模型的序列数据均做取对数处理。

3、价格模型设定及参数估计

根据经典“供给―需求”框架和市场实际运行情况，商品住房价格由“供给―需求”因素直接决定，其他影响价格的因素对价格的间接影响被供给和需求吸收，分别进入供给模型和需求模型。同时价格还直接受到城镇居民可支配收入、潜在住房需求以及货币环境影响。因此，商品住房价格模型设定为：

Pt=P[■，inct，podt，M2rt]（5）

lnPt=6.597+2.62？鄢■+0.486？鄢inct+8.51？鄢podt-8.529？鄢M2t

（59.602） （2.556） （4.680） （3.203） （-2.849）（6）

R2=0.995 AdjustedR2=0.928 DW=3.001 F=416.533

价格模型解释了92.8%的住房价格变化，为了避免自相关性，价格模型同样使用Newey-West稳健回归估计。价格模型中住房供求比、城镇居民人均可支配收入、潜在住房需求对新建住房销售价格有正向影响效应。其经济含义是，供求比反映市场供求力量对比，该指数增加说明市场需求力量上升，则对住房价格产生向上的压力，平均而言供求比每增加1%，使得新建住房价格上升2.62%；可支配收入是除了住房需求以外的重要影响因素，较高的可支配收入也对住房价格起到推动作用，可支配收入平均每上升1%，使得住房价格上升0.486%。

4、预测结果分析

本部分给出住房供给、需求和价格模型的预测结果，我们分别给出预测值与实际值的比较，并计算了预测误差（见图2至图4）。根据供给模型、需求模型和价格模型给出的模拟和预测值可以很好地追踪各指标实际值，并且预测残差为零均值同方差平稳时间序列，说明三个模型预测性能较好。根据我们的模型估计，2016年南宁市商品住宅竣工面积367.71万平方米，销售面积811.32万平方米，销售均价7254.33元/平方米。

五、结论与展望

研究房地产市场与城市经济环境动态互动关系，提高对房地产市场，特别是商品住房市场价格、需求、供给等方面预测准确性，一直是房地产市场主管部门和学界探索的热点问题之一。城市经济和政策的变化影响市场供求，而市场供求和价格的变化也会使房地产主管部门调整房地产调控政策并影响城市经济环境。本文尝试将商品住房市场供求价格与城市经济及政策因素联合建模，分别建立商品住房市场的供给模型、需求模型和价格模型，在模拟预测模型中加入城市经济变量和政策变量，利用供求和价格模型对南宁市商品住房市场年度数据进行模拟预测，研究结果显示模型的历史拟合和外推预测性能良好。但本文的研究存在局限性，我们使用的是单方程模型，即对商品住房市场供给、需求和价格三方面分别建模，这一定程度上避免了联立方程模型先验的决定市场结构问题，然而市场的运行过程往往与先验的理论模型不一致。市场供求价格三方面是相互关联的整体，故我们未来的研究应引进结构化的向量自回归模型，这样既能保证预测精度又能够刻画市场供求价格三方面的动态结构关系。

参考文献

[1] 罗平：城市住宅市场价格系统动力学模型实证研究[J].人文地理，2001，16（2）.

[2] 朱湘岚、黄有亮：南京市城市住房需求的系统动态学分析[J].基建优化，2003，24（2）.

[3] 裘建国、袁翠华：南京市商品住宅市场预警实证研究[J].建筑经济，2006（4）.

[4] 韩志超：基于系统动态学的我国住宅市场发展研究[D].哈尔滨工业大学，2007.

[5] 曾五一、孙蕾：中国房地产价格指数的模拟和预测[J].统计研究，2006（9）.

[6] 马海涛、陈琳、路正南：基于灰色理论的中国房地产价格指数预测[J].统计与决策，2007（19）.

[7] 徐波、程文仕、韩晶茹：基于灰色系统理论的中国房地产市场预测模型改进研究[J].中国城市经济，2010（6）.