住房价格的可预见性外文翻译资料

 2022-12-02 19:37:12

英语原文共 22 页，剩余内容已隐藏，支付完成后下载完整资料

住房价格的可预见性

Anthony Y. Gu

摘要：房价的自相关水平和方向会随时间的变化在不同地区有着不同的规律。 这个发现与文献著作中的矛盾报道相符。当季度房价指数呈现负相关关系时，自相关结果显示其与波动性有着正相关关系，与回报率有着负相关关系。 自相关在长期内一般是显著的；它显示为与房价波动的正相关关系，与回报率的负相关关系。多变的房价指数往往回报率较低， 可以通过遵循基于估计的交易策略自相关来获得超额收益。

1.介绍

城市和金融经济学家普遍认为房屋市场比金融市场效率低，是因为非标准商品、隐性租金、交易成本、承担费用和税费。 但是，一直以来投资者难以利用这些低效率来赚取超额收益，因为房价变化很难估计。 寻找房价涨跌模式将为专业人士、房地产投资者以及抵押银行家和房主提供有用的参考。

一些实证研究测试了房屋市场的效率。首先Gau（1984,1985）的两篇论文对此进行了严格的测试。他通过测试1971-1980年在温哥华地区的商业地产得出结论：地产价格价格变化随机。Linneman（1986）研究个人房主，评估他们在1975年和1978年费城的房屋价值。他发现房价逐渐增加，如果它们相对于1975年的快乐回归被低估，那么价值就是因为交易成本 - 只有少量单位似乎已经展出有利可图的套利机会。 Case和Shiller（1989,1990）找到证据实际房价呈现正相关关系，呈弱势强势亚特兰大房屋加权重复销售价格数据的效率测试，芝加哥，达拉斯和旧金山在1970 - 1986年期间。他们指出构造的返回系列被错误地污染，并且是估计器将会有偏见，与噪音不一致。

也就是说，如果数据集仅包括和，其中Iit表示在时间t的房屋i的对数价格，则估计第一期回报是（-）， （〜），第二期间回报是（〜））。 因此，第一期回报与第二期回报。 Case和Shiller还表明可能会导致污染呈正相关。 他们尝试通过提出一个数据分区来解决这个问题方法。 Kuo（1996）指出，Case和Shiller的估计仍然没有一致，它涉及数据集的任意分区; 郭试图用两步法，双样本法和贝叶斯方法解决这个问题。他估计房价变动的自相关性和季节性Case和Shiller的数据集，并报告了积极的自相关性和一些季节性不好 在比较实证结果时，他得出结论估计对所使用的估计方法敏感。

然而，作者的矛盾发现可能不是由于上级或下级方法论。研究人员使用的数据集因属性类型，面积而异和时间：可以解释为什么Gau发现随机性，而Case和Shiller和Kuo发现积极的自相关。

考虑股市研究提供的见解，尽管以前很多研究发现股票收益有显着的自相关性，没有报道投资者可以根据估计的自相关获得超额收益。他们通常将交易成本列为主要障碍。问题可能是，然而，实际的自相关性以系统或随机的方式发生变化随着时间的推移。如果实际的自相关随时间变化，那么估计自相关不能提供关于价格依赖的充分信息动作。如果变化是随机的，那么市场仍将是弱势的有效率，因为投资者无法预测市场使用估计自相关。这项研究测试整个联合国房价走势的自相关性各国在不同的时期使用最大的现有数据集。相冲突以前的研究人员报告的结果可能都是有效的，如果同样的方法揭示不同地点和不同时间不同的房价行为时期。另外还考察了自相关和波动所产生的影响回报率。这项研究的最后一个方面是探讨可能性基于估计的自相关获得异常收益。

下面简要介绍一下数据，并对其进行说明方法如下。接下来，估计的自相关和结果提出了影响，其次是对回归分析的描述并对结果进行说明。最后一节是结论。

2.数据

本研究中使用的数据集是Freddie Mac的常规抵押房屋价格指数（CMHPI）。 该指数是使用如此大的样本估计的，如“Case and Shiller”（1989）所述，伪自相关的问题，1990）和Kuo（1996）的研究，不应该存在;估计应该是一致该指数提供了房屋典型价格通胀的量度

在美国的CMHPI，由Freddie最初共同开发Mac和房利美基于不断扩大的组合数据库

目前包含超过1200万条目。该指数是基于计算的对于由Freddie Mac购买或证券化的常规抵押贷款房利美所包括的抵押贷款仅用于单位住宅。他们是“符合”，因为在购买时遇到了Freddie Mac或者房利美承保标准，并没有超过允许的贷款限额设定为两家公司。例如，2001年的贷款限额是$ 275,000，除了来自阿拉斯加，夏威夷，关岛和美属维尔京群岛的抵押贷款，那里是412,500美元。因此，高价格的物业代表性不足，可能在更昂贵的房屋市场扭曲结果如Freddie Mac所述，CMHPI完全使用统计方法在“重复交易”上。“任何时候，家庭的价值基于销售或评估 - 可以观察两次，测量的变化成为一次观察在指定时间段内房价涨幅。索引被定义为统计上确定的一组值最接近许多这样的重复观察。换句话说，指数涉及复杂的加权平均数所有房价增长观察。由于索引仅限于属性交易至少两倍，它偏向价格趋势的房屋类型交易频率最高数据集包括1975年第一季度的季度房价指数到1999年第一季度。有五十个州和区的指数哥伦比亚省，以及9个人口普查部门和总计的独立指数整个国家的指数。关于建设的更多细节指数由Wang和Zorn（1999）描述。方法论时间序列模型最常用的类来描述临时的关于趋势的偏差是：

哪里代表房价指数的自然对数，表示趋势和是随机扰动。 模型不是结构性的：应该是被认为是捕获I的动态行为的一种方式。如果是a固定随机过程，那么波动是暂时的，它被称为“趋势平稳”。如果j j i i j要成立，则对于大j来说，j必须接近零静止的 因此，今天下跌趋势的指数下滑没有影响对遥远未来的指数值（，）的预测; 这种关系意味着指数的增长率必须高于几个历史平均水平直到趋势线重新建立。

方程（2）代表一个简单的时间序列模型，捕获永久性房屋价格指数波动：

该方程描述的过程是随机游走。可以测量房价指数中随机步行分量的大小

从其日志差异的方差。如果房价的自然对数索引它是一个纯粹的随机游走（方程2），然后是其q差的方差随着差异q线性增长：Var（，，q） ,。另一方面，如果房价指数的自然对数关于趋势是平稳的（方程式）1），则其q差的方差接近一个常数，这是两倍系列的无条件方差：var（，，q）→2 。方差比2I（1 / q）* var（，，q）作为q的函数，如果它是一个随机的步行。如果趋势趋于稳定和负面，该比率应该下降到零相关的如果趋势不稳定且正面，则应该增加q相关。如果一个指数的波动是部分永久的，部分地是临时的 - 可以被建模为固定的组合的条件系列和随机游走，然后方差比应该落到冲击与随机游走组件的差异。q差异的方差比可以显示松散结构的反转，而许多其他方法不能。房价指数波动部分是临时的，使得随机游走部件相对较小长远来说，今天的震荡将会部分逆转。这种逆转很可能缓慢，结构松散，不容易在简单的参数模型中捕获。随机游走后的时间序列应显示单位变异率。一个大于统一的方差比表明方差越大与时间成比例，并提出积极的自相关;差异小于一的比率表示方差增长小于与时间成比例，并提出负自相关。方差比VR（q）定义为：

其中？2（q）是1 / q，q差的方差,是方差第一个差异 此外

同时

I0和Inq是时间序列的第一个和最后一个观察。 渐近在假设下的方差比的标准正态检验统计量同质性是：

渐近标准正态检验统计量的异方差一致性估计是：

在这个过程中，我们可以做一些事情。异方差 - 鲁棒方差比检验结果与统计学结果Z *（q）报告在图表1中。 2，所有指标均呈负值自相关。这种自相关在四十六点的5％水平上是显着的五十一个“地区”（五十个州和华盛顿特区），九个中的六个“地区”和整个美国。这个发现表明，在大多数的国家，季度房价波动不随机：价格涨幅在一季度可能再次下降，反之亦然。一个可能的经济解释是季节性的存在.4应该指出的是Case和Shiller（1987）和Kuo（1996）报道了第二季度的回报较高在房屋市场。

随着q增加，更多的指标显示出正相关的自相关性和差异跨越国家变得更加明显。正面自相关显示五十一个区域的二十四个指标当q？ 4，在三十四个地区指数q 8，在三十八个区域指数中，是的九个区域指数中有八个在q？ 4和8，在所有九区域指数q美国的整体指数是正面的自相关q 4，8和16。对于q？ 4，五十一个区域的差异比例差异很大从团结只有二​​十四比一比，只有五个二十七个小于一的比例是重要的。这个结果显示

那个间隔大约十二个月，房价的变化也没有在大多数州，显着相关或是随机的。对于q？ 8，三十三十四个大于一的比例是显着的，并且都小于一比例不显着。这个证据表明，间隔时间约为24几个月来，房价上涨往往再次上涨。对于q？ 16，三十八比一的比例中有35个是重要的，全部都是小于一的比例不显着。这种模式进一步表明在长期间隔之间，房价涨幅往往随之而来另一个增加。

二十四个国家的指标对所有差异都表现出积极的自相关性的q？ 其中，加州（CA）和马萨诸塞州（MA）显示出最多积极自相关。 十三个国家的指数呈现出负的自相关性所有差异（q？2，4，8，16）; 其中，阿拉巴马州（AL）和南部

达科他州（SD）揭示了最显着的负自相关。 如图所示图表2显示了这六个代表国家的季度指数值，CA和MA指数的地块呈现出相对平稳和长期的趋势，而AL和SD显示更多的曲折，特别是从1975年到1985年值得注意的是，阿拉巴马州和南达科他州的人口不多， 其相对较少的房屋交易可能会造成锯齿状的噪音。

早期。 相比之下，交易量更大马萨诸塞州，特别是加利福尼亚可能会导致平滑的图表，尽管如此相对较小的时间间隔测试自相关随时间变化的一种方法是划分指数分为两个相等的时间段，然后分别估计自相关两个时期。 一个子集是从1975年第一季度到最后一个，一九八六年四月 另一个是从一九八七年第一季到上个季度1998年。

假设自相关随时间变化;有一个明显的区别在第一个子期间到第二个子期间的自相关度。图3呈现估计方差的异方差稳健Z值“Z *（q）”两个子期间的比率。注意，正（负）Z值表示正（负）自相关。表中的第1列列出了51个区域和地区。在第一行中，“第一”代表前十二年（1975-1986），和“第二”代表了第二个十二年（1987-1998）。如图3所示，大部分指标均有显着变化。其中五十一个地区指数， 2，二十八个指标的自相关从第一个时期向第二个时期改变方向（从负到正）其中七个具有两个方向的有效系数。九个指标的自相关性由显着性变化至微不足道，相反，在类似的条件下。对于q？ 4，二十六改变方向;五对于两个方向都有显着的系数，十个变化重要的是微不足道（或相反）。对于q？ 8，二十三改

方向，八个从显着变化到微不足道（或相反）。对于q？ 16，二十改变方向，十三个从显着变为微不足道（或相反）。14个区域指数对所有差异表现出积极的自相关性（q？2，4，8和16）（但对于q2，只有四个区域显示为正整个时期的自相关）。只有两个指标显示为负数

在两个时期的所有差异的自相关（而十三个是整个期间为负）。九个地区之间也出现类似的现象：

六个显示两个时期所有差异的积极自相关。的美国整体指数呈现一致和显着的正面两个时期所有差异的自相关;这个结果可能反映出来期内房价普遍上涨趋势。的证据积极的自相关持Case和Shiller（1989,1990）和Kuo（1996）报道，以及Young和Graff（1996）发现的情况商业地产。

然而，有一个担忧是估计的自相关可能不准确，如果时间序列的分布不正常，因为方差比方法对所考虑的分布家庭敏感Graff（1996）报道了回报的概率分布房屋投资不正常。 对自然对数的正态性检验的指标没有提供概率分布不正常的证据为系列的63.93％。

3.功能特性

功能特性和功能特性本部分研究自相关与波动之间的关系自相关和回报率之间的关系。 方程（8）表示回归

模型：

其中ACq表示对于q差异的索引i中的自相关水平，其被计算为估计方差比减1的绝对值。

绝对值可以测量与随机性的偏差程度相同规模 使用依赖度测量的绝对值可以揭示效果和效果的大小。 另外，它演示了自变量与自相关水平之间的联系，这是回归分析的目的。 ？我和 ？ 是标准的2i季度指数的自然对数的偏差和方差; 包含模型中的两个变量都可以捕获任何可能存在的非线性波动与自相关的关系。 Ri是平均季度利率的回报。 季度回报率计算如下：

哪里：

Rt？ 间隔t期间的回报率;

Pt？ 指数在期末t的价值; 和

Pt？1？ 指数在期末t的价值？1。

所有变量的价值在整个1975 - 1999年期间。 图4呈现

回归分析的结果。 对于q 2，自相关是重要的与波动性呈负相关，结果表明易变指数趋于显现较低的自相关性 这个发现与LeBaron（1992）发现的一致在股市 图5提供了五十个州房屋的回报波动价格指数8。自相关度显着，与正常率呈正相关回报，结果意味着较高的房价升值率往往会发生在价格上涨的流中。

结果是相反的，但是，对于q？ 2：自相关具有重要意义与波动性呈正相关关系，与负相关回报率。这个结果可能是由于所有指标都表现出来的q的负自相关2，其中大部分是重要的。这个关系也见于指数值和估计的自相关如图1所示。例如，最显着的指数为负数q的自相关2，如阿拉巴马州（AL）和南达科他州（SD），经历明显的季度波动。同时，指数对q有非重要的自相关性？ 2，如加州（CA）和马萨诸塞州（MA），经历了小的季度波动。负自相关表明价格比随机性波动更频繁;因此，自相关和波动水平可以向同一个方向发展。因为负自相

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25544]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章