官网首页 › 研究观点 › 观点正文

2023年 全年商品住宅 销售面积 同比增速-3%（预测）

发布于 2023-09-23

<h1></h1><p><span style="font-size: 18px;">转眼2023年已过半，根据国家统计局数据，截至8月，商住销售面积累计为6.38亿平方米，同比累计下跌5.5%。需要注意的是，<strong>这个-5.5%是可比口径下的计算结果</strong>，如果直接用累计绝对值相除是算不出这个结果的。由于自2023年3月起，统计局对销售面积数据统计口径有较大调整（考虑退房等数据调整）。</span></p><ul class="list-paddingleft-1"><li style="font-size: 18px;"><p><span style="font-size: 18px;">今年前8个月的数据我们已经知道，就像一支箭已经走完了2/3的路程，可能性路径随着时间推移逐步收窄，我们好奇者之间在最后1/3的路程，这只箭大概率将命中何处。**即2023年全年的同比增速大概是多少？我们利用手头一些已知的数据来建立对商住销售面积增速的模型进行试验。</span></p></li><li style="font-size: 18px;"><p><span style="font-size: 18px;">销售面积本质上是住宅需求的一部分，需求可能来自家庭生命周期、预期信心、资金流动性及使用成本等方面。**这些因素不仅受到地产市场本身状况的影响，也受到宏观经济、人口结构变化等大变量的影响。因此，这些数据应该包括人口、宏观经济环境、地产市场指标，同时还应考虑指标的不同时间序列，<strong>由于指标结果不仅受到近期或当期数据的影响，还会受到历史数据的影响</strong>。我们使用的指标如下表所示（数据样本跨度：2002年至2022年）：</span></p></li></ul><p style="text-align: center;"><img class="rich_pages wxw-img" data-backh="613" data-backw="578" data-galleryid="" data-ratio="1.0602409638554218" data-s="300,640" data-src="https://mmbiz.qpic.cn/sz_mmbiz_png/AJkYaTAujIzFFcoGevmaJMSlYW5xE4DMUMRichhgvQoqEicLeMKdQiaODH8L7icRjq9Kndic5wZAao54pDambLlyLyQ/640?wx_fmt=png" data-type="png" data-w="1328" style="width: 100%;height: auto;"><span style="color: rgb(0, 0, 0);font-family: 等线;letter-spacing: normal;text-align: justify;font-size: 14px;">注：对于被解释变量及相关因子数据计算，已均按新口径调整估算历史数据。</span></p><p><br /></p><p><span style="letter-spacing: 0.578px;text-decoration: none;font-size: 18px;">对商品住宅销售面积增速 &amp; 相关影响因子建立模型最终结果如下：</span></p><p style="text-align: center;"><img class="rich_pages wxw-img" data-backh="391" data-backw="578" data-galleryid="" data-ratio="0.6763848396501457" data-s="300,640" data-src="https://mmbiz.qpic.cn/sz_mmbiz_png/AJkYaTAujIzFFcoGevmaJMSlYW5xE4DM8p00CH9rchFEUzSMKLrVxyFDVPDLT7xGclcCy7tXmbpapfQ40CPibPw/640?wx_fmt=png" data-type="png" data-w="1372" style="width: 100%;height: auto;"></p><p><span style="font-size: 18px;">具体的建模过程可能比较棘手，因为数据集只有20个样本和30个指标，属于短数据。常用的机器学习方法如随机森林等在预测效果上并不稳定，而且数据量太小时，高级方法也无太大作用。因此，我们尝试使用<strong>Orthogonal Matching Pursuit (OMP) 方法进行特征选择</strong>，并采用鲁棒性较强的<strong>RANSAC（Random Sample Consensus）回归算法进行模型拟合</strong>，以排除离群值的干扰。在经过不同测试集分割下的预测效果稳健性测试后，我们得到了上述较为稳健的模型作为最终预测模型。</span></p><p><span style="font-size: 18px;">在模型中，决定当年销售面积增速的因素：</span></p><p><span style="font-size: 18px;">首先是近期的销售情况，

其次是不同年龄分层的劳动力人口增速，这可能反映了需求侧中与家庭生命周期相关的变动。

这两个因素都对销售面积增速做出正向贡献。</span></p><p><span style="font-size: 18px;">最后，十年国债收益率增速作为无风险收益率，可能反映了需求侧中购房长期资金的机会成本的变化，对销售面积增速产生负向贡献。</span></p><p><span style="font-size: 18px;">根据往期历史数据，我们可以看到长债收益率下跌往往对按揭贷款增长具有一定促进作用。</span></p><p><br /></p><span style="letter-spacing: 0.578px;text-decoration: none;font-size: 18px;">结论，我们的模型预测2023年全年销售面积增速如下：</span><p style="text-align: center;"><img class="rich_pages wxw-img" data-backh="413" data-backw="578" data-galleryid="" data-ratio="0.7142857142857143" data-s="300,640" data-src="https://mmbiz.qpic.cn/sz_mmbiz_png/AJkYaTAujIzFFcoGevmaJMSlYW5xE4DMaK46F5xkBDJ1DVcD6yFl0Jmp3Y2wicS3DheY5JhTAnnRlewRE8VNfCA/640?wx_fmt=png" data-type="png" data-w="1008" style="width: 100%;height: auto;"></p><span style="letter-spacing: 0.578px;text-decoration: none;font-size: 18px;">2023年全年销售面积增速的模型预测均值为-3.09%（即点估计预测值），95%的可能性落在-14.5%~8%之间（即95%置信区间），80%的可能性落在-10.3%~4%之间。</span><p><br /></p><p style="display: none;"><mp-style-type data-value="3"></mp-style-type></p>

← 返回观点全库