作者tompi (大波动)
看板Stock
标题Re: [请益] 股市如果崩盘 房市一起崩吗？
时间Tue Aug 15 11:28:00 2023
※ 引述《soloyi (CHECKING)》之铭言：
: 股市如果崩盘到一万以下
: 房市是不是要崩盘了？
: 要卖房子求荣了！？
: 准备弥补融资追缴万箭齐发了吗？
: 房市有没有下半年机会崩盘？
: 这点请问！
"房市下半年会不会崩盘?"
机率不高，机率很低
首先就机率来看，以台北市1982Q1~2023Q2 一共有 166季
房价 yoy 下跌超过7%的次数为 9次，为5.4%
YYQQ RHP
1983Q2 -8.8%
1985Q4 -8.3%
1991Q1 -7.2%
1991Q2 -9.4%
1994Q4 -7.3%
1997Q1 -7.5%
1999Q3 -7.0%
2015Q4 -7.1%
2016Q1 -10.7%
1991年下跌的原因是 股市在 1990年 从高点 12682跌到2485，造成房市下跌
除此之外 剩下熟知的 2001网通泡沫、2008金融海啸、2020疫情都没有让
房市造成显着下跌。
对台湾房价报酬率与经济环境做个简单的分析
时间:1982Q1~2023Q2
资料:1.RHP 台北市每坪单价 yoy
2.CPI CPI yoy
3.M1b M1b yoy
4.TWI 台指价格指数 yoy
5.IR 担保放款利率
*yoy 为对数报酬率
1.长期来说 台湾房价年均报酬约 7%
https://imgur.com/DVvCEUw
2.台股价格指数报酬率约为 8.5%，若加上息值应该在12%左右
https://imgur.com/wPubFeV
其余CPI 长期平均为1.5%，M1b为10%
将上述变数建立简单预测模型如
https://imgur.com/Dap3LTe
https://imgur.com/odwzLNp
去除房价自身影响後，其余变数对房价的关系
系数
1.M1B(-3) 0.346
对房价为显着正向影响
2.CPI(-2) -0.805
通膨上升对房价未来有负向影响
3.TWI(-5)^2 0.091
TWI(-6)^2 -0.060
在分析过程中发现报酬率方向不如 报酬率平方影响大
报酬率平方意味着波动度。
如果简单将系数 0.091-0.06=0.031，计算波动度对房价未来5~6季影响，
其实是波动升高隐含未来房价上涨。
4.IR(-3)-CPI(-3) -0.360
此为实质利率，当实质正利率时对房价影响是负向的
YYQQ RHP CPI M1B TWI IR
2020/Q1 -0.1% 0.0% 7.1% -9.2% 1.5%
2020/Q2 1.2% -0.7% 9.2% 8.0% 1.5%
2020/Q3 5.8% -0.6% 11.1% 14.5% 1.5%
2020/Q4 6.0% 0.0% 15.6% 20.5% 1.5%
2021/Q1 8.8% 1.2% 16.3% 52.6% 1.5%
2021/Q2 8.3% 1.8% 15.8% 42.4% 1.5%
2021/Q3 5.0% 2.6% 14.2% 30.2% 1.5%
2021/Q4 8.4% 2.6% 11.4% 21.2% 1.5%
2022/Q1 7.9% 3.2% 9.9% 7.4% 1.8%
2022/Q2 8.0% 3.5% 6.8% -18.0% 1.9%
2022/Q3 9.8% 2.7% 5.5% -23.2% 2.0%
2022/Q4 4.6% 2.7% 3.3% -25.4% 2.1%
2023/Q1 0.4% 2.3% 2.2% -10.9% 2.3%
2023/Q2 2.0% 1.7% 3.5% 13.2% 2.3% <= 实质正利率
2020年以来疫情，台北市房价平均 yoy为5.4%，这三年台北市涨最少
其他地方就不列了。
从资料上来看
1.M1b 在2020~2021两年呈现2位数增长，热钱很多
2.央行维持近三年的实质负利率，直到今年第二季才成为实质正利率
3.M1b的长期平均为10%，但从去年Q2开始已经下滑，最近仅为2.2~3.5%
热钱消失
2016Q1 yoy跌幅为 -10.7%，是1982年以来最大的一次
背景是
YYQQ RHP CPI M1B TWI IR
2015Q1 1.2% -0.6% 5.5% 8.0% 2.3%
2015Q2 -6.9% -0.6% 5.9% -0.7% 2.3%
2015Q3 -3.8% 0.3% 6.6% -9.2% 2.1%
2015Q4 -7.1% 0.1% 6.6% -11.0% 2.0%
2016Q1 -10.7% 2.0% 6.0% -9.2% 1.9%
2015年算是通缩年，但担保放款利率维持在2~2.3%，也就是实值正利率
台股低迷也呈现下跌，m1b 低於长期水准10%
所以通缩、利率环境不佳、失去$$活水，房价自然支撑不住。
下半年或是明年的房价，我的猜测是
1. 通货膨胀变动对未来房价有半年的影响，若通膨上升房价则容易下跌
2. 因为央行若要压抑通货膨胀会将利率升至CPI之上
3. 央行的动作常在CPI之後，目前最新CPI为1.75(?)，看起来CPI有受控
4. 目前对房市另一个问题是m1b很低，对房价支撑很弱
5. 至於央行利率会不会再升息? 这就很难猜了
如果央行利率撑在这里，m1b 要回复近过去水准，大概要到明年2Q
结语
在台湾对房市影响最大的不是股市
是热钱与利率
--
※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 210.61.151.146 (台湾)
※ 文章网址: https://webptt.com/cn.aspx?n=bbs/Stock/M.1692070083.A.088.html
1F：推 PitzMan : 专业推LoL 08/15 11:28
2F：→ LiamTiger : 别忘了房子7%投报率是开了3倍的杠杆在赚的 08/15 11:29
3F：→ LiamTiger : 而且还没有像股票有显着且周期性的大回档 08/15 11:29
不是喔，就单纯每坪单价的涨幅
如果开杠杆短期来说很赚，所以我常对刚出社会的年轻人说
如果手边钱不到2成头款，乾脆就定期定额买正2，
因为房子开五倍，正2两倍而已
4F：推 Smaragdus : 谢分享 08/15 11:30
5F：推 fman : 写的很好，已有产业报告的水准了，谢谢 08/15 11:32
我看过的产业报告都写得不好ㄟ
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 11:34:30
6F：推 bonfferoni : 谢谢分享 08/15 11:32
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 11:35:35
7F：推 enamor753 : 感谢分享 08/15 11:35
8F：推 BaoBao17 : 感谢分享 08/15 11:37
9F：推 icou : 谢分析 08/15 11:37
10F：推 KKlin813 : 跟我想的一样 但我写不出来XD 大推 08/15 11:38
11F：推 a281393 : 专业推 08/15 11:38
12F：推 ivan1116 : 好专业 08/15 11:40
13F：推 a633599 : 结论 无脑多 allin 信义房屋 08/15 11:40
14F：推 hellogym : 台北2015-16跌是因为前面涨太凶了Orz 08/15 11:40
没错
马英九上任後台北市房价到2014年中涨了快一倍，从60涨到120
然後就太阳花学运了，在社会压力下 央行祭出房市管控
利率从1.6升到2.3，也就仅仅0.7% 就压抑房价了
所以房价会不会失控，政府就不要把责任推给别人
当然房市好经济好，但是房价太高就跟通膨失控一样
咎由自取
15F：推 bunnyict : 专业推 08/15 11:41
16F：推 bigpan : 只会涨 一定赚 闭眼allin 08/15 11:42
17F：推 sdhpipt : 个人偏见:房市股市根本连动不大 两个多空周期差太 08/15 11:42
18F：→ sdhpipt : 多了 一个是十年起跳 一个是几个月涨跌循环 08/15 11:42
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 11:48:33
19F：推 tanchuchan : 专业推 研究所的东西忘光光了 08/15 11:44
20F：推 hwei9582905 : 请问正2涨幅追得到房价涨幅吗？ 08/15 11:45
多爬前面的文，例如正2王，或a我帐号
涨幅是可以的，波动比较大
21F：→ tanchuchan : 看到预测模型变数设定好怀念 08/15 11:45
22F：推 iamala : 房子五倍的资金有上限。 08/15 11:45
23F：推 bluefish520 : 看不懂但是推 08/15 11:45
24F：推 EKman : 杠杆跟回档都不是什麽特别的优势或劣势 08/15 11:47
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 11:50:12
25F：推 stlinman : 台湾居民还有上杠杆的空间，政策利多下去很难跌啦! 08/15 11:50
26F：推 wald5566 : 那房市崩 股市会一起蹦吗 08/15 11:52
这个问题很好
https://imgur.com/M4KSuMU
如果没有天灾，譬如大规模地震
股市变动是房市变得的因，如果有重大经济因素 股市会先崩，然後才是房市
27F：推 feng990719 : 专业推 08/15 11:52
28F：推 Iperfection : 通膨让房价下跌 涨电价导致通膨 所以让台电亏损是 08/15 11:52
29F：→ Iperfection : 打房黑魔法 08/15 11:52
30F：推 Homeparty : 这问题应该逆向思考，房价跌股票是否跌，很明显 08/15 11:53
31F：推 lyxiang : 专业推 08/15 11:58
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 12:01:16
32F：推 clotilde : 股市一定比房市先崩 房市反应慢很多 08/15 11:59
33F：→ rbelldandy : 不可能,只要不是美国崩都不会崩类似2008很难再一次 08/15 12:01
34F：推 maxboy06 : 大部分年份股市崩还没崩到房价国安基金就进场了 08/15 12:01
没错
这就是房市的黑魔法，国安糖浆喝了 房市就没事了
35F：推 IanLi : 推统计 08/15 12:02
36F：推 poisonB : 推一个 有数据分析 08/15 12:02
37F：推 william85 : 推 感谢大大写到让我看得懂 08/15 12:02
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 12:07:34
38F：推 p58730 : 这是你的论文？ 08/15 12:08
我毕业超久了，另外写这样叫论文 被电翻了
39F：推 s8752134 : 算股息 但不算租金? 08/15 12:18
我用的是价格指数，不是报酬指数
另外买房有人全额买，大部分人贷款买
有人贷款自住，有人贷款出租，利息有支出，租金有收入
以上简单计算，参考其他条件就复杂了，我不是帮人财务规划
见谅了
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 12:25:53
40F：推 asas123sdsa : 股市崩盘再来是人民失业房市才崩 08/15 12:22
41F：推 jheli : 房市要反转感觉要等九年级生成为买房主力才可能 08/15 12:25
42F：推 abcrr123 : 专业推，影响房价最大的一直都是利率 08/15 12:26
43F：→ akirapai : 我靠记忆只有sars房价下来有感过… 08/15 12:27
44F：→ Homeparty : 九年级人口数...要成为主力差距很大 08/15 12:28
45F：推 jimmytaipei : 推分析 08/15 12:29
46F：→ kevinmeng2 : 房价大概只剩战争会跌了吧 08/15 12:29
47F：推 KaYan : 感谢分享 08/15 12:30
48F：推 lrac : 请问大大用的这个数据分析方法叫什麽呢 08/15 12:34
自我回归模型（英语：Autoregressive model，简称AR模型）
正确来说是 Box–Jenkins method
我上面做的很简略
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 12:36:56
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 12:39:34
49F：推 sdbb : 谢谢 08/15 12:39
50F：→ ShiuanRefuel: 价格指数就已经含息了你又再算一次 08/15 12:40
价格指数哪有含息，是除息
证交所2003年以後才编报酬指数，因为计算对称时间要从1982年
我用的是价格指数
51F：推 ups : 专业推 08/15 12:40
52F：→ ShiuanRefuel: 然後你是算台北的房价的报酬率还是算台湾的报酬率 08/15 12:41
台北市，从1982年开始
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 12:44:15
53F：推 CORYCHAN : 感谢分享 08/15 12:47
54F：推 FCPEWN375 : 专业推 08/15 12:48
55F：推 nthukos : 大波动大必推 08/15 12:48
56F：推 taikouhncheu: 六都都来玩一下，南部应该会发现有趣的点 08/15 12:50
57F：推 ecnecsinimer: 八卦是不看数字的，凭感觉才准啦 08/15 12:54
58F：→ ShiuanRefuel: 抱歉是我误会了我以为你用报酬指数 08/15 12:54
没事
59F：推 herculus6502: 有神快拜 08/15 12:55
60F：推 cityhunter04: 专业分析给推 08/15 12:55
61F：推 ymfx000a : 政策不改 房市不可能降 就算政府提出新政策立院会 08/15 12:56
62F：→ ymfx000a : 不会排审 会不会过都是问题 08/15 12:56
63F：推 hypeng : 推分享 08/15 12:56
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 12:58:02
64F：推 NGCviola : 专业推 08/15 13:00
65F：推 leveger0903 : 有房产的好处是可以用房贷增贷出来在股市滚钱赚中 08/15 13:02
66F：→ leveger0903 : 间的利差 毕竟房贷还是所有贷款利息成本最低的 但 08/15 13:02
67F：→ leveger0903 : 相对杠杆开得太大也会有风险 08/15 13:02
68F：推 swxxswxx : 高手在民间 08/15 13:03
69F：→ ShiuanRefuel: 挺讶异的 CPI和房价是负相关？？ 08/15 13:04
70F：推 s9545012 : 这样意思是要稳稳赚钱，买房比存股中华电好吗？ 房 08/15 13:04
中华电2000/10 上市
累积到2023/6 含权息报酬率 424%
同期间台北市房价 报酬率 249%
中华电比较赚，且若贷款买房有利息支出与买卖费用较高的问题
中华电过去比较赚
71F：→ s9545012 : 更不跌，报酬也更高？ 08/15 13:04
72F：推 thelmalin : 推 08/15 13:04
73F：推 bbo40453 : 推模型 08/15 13:07
74F：推 EvilKnight : 感谢 08/15 13:08
75F：推 nutrino : 推研究 虽然这种研究没有一定准的 08/15 13:09
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 13:13:32
76F：推 dragonjj : 我反而觉得股价崩盘 房市会上涨 不然钱要流去哪? 08/15 13:12
77F：推 yamitis : 可是房子可以开5倍杠杆 08/15 13:15
78F：推 dragonjj : 买正2我不如买期货 还可以省手续费 杠杆更大 不过 08/15 13:18
79F：→ dragonjj : 保证金要多留一点 不能被嘎空! 08/15 13:18
80F：→ zhi5566 : 正负帮你强力洗筹码怎麽会崩 房地和一的精神是什麽 08/15 13:29
81F：→ zhi5566 : 就是政府插一股 和黑道收保护差不多 08/15 13:30
82F：推 k85564 : 房子有杠杆啊 08/15 13:30
83F：推 aaaaaaaa9 : 这故事不错！ 08/15 13:34
84F：推 icou : 正2就是花钱请人帮你玩期 也不是坏事就是了 08/15 13:45
单买期货建议小朋友不要碰
所谓新手运就是 若前几把赚到，就会觉得很赚，因为保证金杠杆
将近20倍。
而且若多空都做，一但亏几次就乾了
还是正2就好
85F：推 iWatch2 : 大大能分析一下证所税把资金赶去炒房的影响ㄇ 08/15 13:48
86F：→ iWatch2 : 当时股板最热话题 08/15 13:48
87F：推 Bruroc : 推 08/15 13:51
88F：推 kurapica1106: 大师 08/15 13:59
89F：推 ishowhand : 专业推 08/15 14:09
90F：推 AlexLeee : 先推ID再看 08/15 14:09
91F：推 LinYingLi : 谢谢分享 08/15 14:14
92F：推 johnsonhoj : 感谢分享 08/15 14:16
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 14:27:01
93F：推 daniel0202 : 厉害 08/15 14:33
94F：推 jackeywu2003: 推 08/15 14:34
95F：推 AlexanderIn : 专业推，最主要是看连动的关联性，所以政府最後底 08/15 14:41
96F：→ AlexanderIn : 线就是止血房产，当然每个国家玩法不同 08/15 14:41
97F：推 Jinstar : 好文受用 08/15 14:48
98F：推 billchen123 : 从你的Actual和fit来看，你该不会test结果是用训练 08/15 14:48
99F：推 yyls123 : 赖清德 看到了没 08/15 14:48
100F：→ billchen123 : 资料吧? 这样当然会预测值这麽贴近真实值 08/15 14:48
101F：→ billchen123 : 训练资料166笔 从图片的X轴来看 差不多也是166笔 08/15 14:49
102F：→ billchen123 : 若你用同样的资料训练模型後再预测，当然看起来准 08/15 14:49
103F：→ billchen123 : 你的模型没办法解释因果的先後顺序 08/15 14:58
104F：→ billchen123 : 只能解释 股市 对 房价有影响 权重也才0.09 08/15 14:59
105F：→ billchen123 : 按照你的逻辑 把Y放成台湾指数 X放房价相关变数 08/15 15:00
106F：→ billchen123 : 也能解释成 房价反应 有波动後 台湾指数才有变动 08/15 15:00
107F：→ billchen123 : 此外 你的台湾指数还放前5期与前6期来预测房价变数? 08/15 15:02
你可以做一次 然後回在版上吗? 谢谢
108F：推 xxxhorseshoe: 专业推 08/15 15:02
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:04:39
109F：→ billchen123 : 预测2023Q2房价变数 拿2022Q1台湾指数YOY来预测? 08/15 15:04
自回归模型不就是这样吗，看来阁下很清楚，我资料给你 你帮我算一次
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:05:42
110F：→ billchen123 : 你可以回应我的问题 就能够判别这预测模型可不可信 08/15 15:05
不信 你可以右转啊
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:06:21
111F：→ billchen123 : 训练与测试资料是不是拿同一组资料来做的? 08/15 15:06
你知道CAPM模型的 beta 值就只是计算 各股跟大盘的关系
我这里有就是计算经济变数与房价的关系
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:08:16
112F：→ billchen123 : 是的话 就基本上不用相信了 也不要误导 08/15 15:06
113F：→ billchen123 : 你的训练精准度当然高 你要用你没训练到的资料测试 08/15 15:07
114F：→ billchen123 : 才能够正确评价你的模型精准度 08/15 15:08
另外 ARIMA 模型谁说是训练了
我资料给你你做一遍 PO上来就是了。我很想知道你做的结果，拜托
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:09:45
115F：→ billchen123 : 你计算beta可以啊 但是你模型没有验证 直接拿训练 08/15 15:10
116F：→ billchen123 : 你的166笔数据 要切分 100训练 66测试 08/15 15:10
117F：→ billchen123 : 你的66笔能够完美预测成功 才能说你的模型成功 08/15 15:11
https://reurl.cc/lDxQVQ
档案在这里 拜托 我很想知道你算的结果
请回在板上 感激不尽
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:14:30
118F：→ billchen123 : 你把结果分享到 DataScience 大家也会这样问你 08/15 15:14
我在前面回覆过了，我在这里的方法简略
我不是要写论文 发期刊，我单纯回覆前原PO的问题
你觉得我不对，我想知道你对的方法，拜托
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:16:41
119F：→ billchen123 : 不是谁做的问题 你资料就是要切分来验证你的精准度 08/15 15:15
你知道AIC 跟SIC吗?
120F：推 fancyrex : 推 08/15 15:15
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:17:26
121F：→ billchen123 : 阿你的过程就不对阿 怎麽回原PO? 08/15 15:19
122F：→ billchen123 : 你拿AIC BIC之类的检定 检定过了然後勒? 就可信? 08/15 15:19
我资料给你了 你做一次正确的嘛
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:20:31
123F：→ billchen123 : 你资料用同一组就不可信了 建议你去看机器学习的书 08/15 15:20
机器学习很强大我知道，
那请用机器学习做一遍，我想看看
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:24:03
124F：→ billchen123 : 就说不是谁做的问题了 是你基本建模概念就错了 08/15 15:22
125F：→ billchen123 : 你给我钱 我来做啊 免费教你喔? 08/15 15:22
126F：→ billchen123 : 只是呼吁股版版友 你这结论不可信 看得懂的人就懂 08/15 15:23
127F：→ billchen123 : 166笔资料 你要切分 100笔训练 66笔测试 加油~ 08/15 15:23
我干嘛给你钱，你要说人家不对，那你把对的拿出来阿
指摘别人有错很容易，自己做一遍很困难?
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:25:22
128F：→ billchen123 : 等你做出来结果很棒的话 欢迎你继续分享 08/15 15:24
129F：推 jim0611tw : Bill说的没有错 你的测试是不能被包含在训练集中的 08/15 15:26
机器学习要训练
我用时间序列分析法，没有"训练"这两个字
另外交大硕论 关於房地产波动分析
https://reurl.cc/51AvZM
有哪个地方会用到关於你讲的"训练"
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:32:32
130F：推 Dontco : B嘴别人 结果自己拿不出东西 真的很棒 08/15 15:32
131F：→ Dontco : 动张嘴最容易 真的猛 08/15 15:32
132F：→ billchen123 : 另外 你的结果看似是某些统计套装软体做出来的 08/15 15:32
对 我该死 我用Eviews
我没有用matlab spss
我想知道现在哪个做时间序列的不用计量软体
你到底做不做嘛
133F：→ Dontco : 被呛自己也写一篇就说给钱才做 股板尼克星? 08/15 15:33
134F：→ billchen123 : 你把资料集切分 开来 左键按一按就出来了 08/15 15:33
135F：推 jim0611tw : 受教 08/15 15:33
136F：推 williamllll : 原po只有要「解释」，没说要「预测」耶，在扯trai 08/15 15:33
137F：→ williamllll : n-test的要不想一下这样的资料量够training吗 08/15 15:33
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:35:10
138F：→ williamllll : ML玩多了，都忘了统计学的初衷了吗 08/15 15:34
139F：→ jim0611tw : 你要硬train 一发也是没有问题啊哈哈 08/15 15:34
140F：→ billchen123 : 你不能够预测的东西 你的模型解释都不会有问题吗? 08/15 15:34
141F：→ billchen123 : 你随便拿个温度资料或者医生人数 也能做出一样的结 08/15 15:35
关系跟预测 你要不要稍微分一下
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:36:08
142F：→ williamllll : 你知道有一门数学叫「统计推论」吗 08/15 15:35
143F：→ billchen123 : 只要你的资料集都不切分的状况 你都能做出来 08/15 15:35
144F：→ billchen123 : 统计推论 也是会看测试精准度的 你只看训练精准度? 08/15 15:36
机器学习我不会，我只会基因演算法，
自己写CODE 可以解推销员旅行问题程度而已
时间序列分析能不能用训练的，我不知道
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:39:08
145F：推 Dontco : 股板尼克星不要在这边嘴别原PO了 赶快发一篇 08/15 15:37
146F：推 williamllll : Bill,你是大学生吗 08/15 15:38
147F：→ jim0611tw : 我如果是Bill确实是不会想花时间正确做一次 08/15 15:39
148F：→ jim0611tw : 但我会道歉XD 08/15 15:39
149F：→ billchen123 : 好吧 我道歉我说了 花钱我就做 这句话 真心认错XD 08/15 15:40
150F：→ billchen123 : 但是我也真心不想做一遍给大家看XD 方法都讲了= = 08/15 15:41
机器学习很强大
我另外有花时间学，用在股票分析还不错
如果有机会也请你指教
谢谢你的意见
151F：→ jim0611tw : 原来Bill是Stock 尼克星 我会好好记住他的XD 08/15 15:41
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:43:54
152F：→ jim0611tw : 不不不 我没有要你道歉的意思 你没有错干嘛道歉 我 08/15 15:42
153F：→ jim0611tw : 是已经被打脸才道歉的 08/15 15:42
154F：推 jim0611tw : 诶 不是诶 怎麽开始互相鞠躬握手言和了 08/15 15:45
155F：→ jim0611tw : 我要看到血流成河啊 08/15 15:45
^^
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 15:46:29
156F：→ billchen123 : 尼克星是啥鬼= =? 08/15 15:49
157F：推 hololive45P : 专业 08/15 16:01
158F：推 linlpc : 推，股版还能有这类文章是好事 08/15 16:02
159F：推 Ischolar : 从八零年代开始是一路降息，美债走了四十年牛市，考 08/15 16:10
160F：→ Ischolar : 虑房市跟利率关系，这个样本区间恐怕不适用未来 08/15 16:10
你说的对
所以分析能力有时间区间的限制，我能拿到的资料只能从1982起
房价资料要更早不好找
161F：推 oneIneed : 推认真分析 08/15 16:15
162F：嘘 billchen123 : 回应一下 你做出模型的同时 就是「训练」所以 08/15 16:16
163F：→ billchen123 : 所以产生权重这个结果来让你预测 评估模型好坏 08/15 16:17
164F：嘘 billchen123 : 模型的测试精准度够好 才会再去探讨因果关系 08/15 16:23
165F：推 billchen123 : 推回一个 认真做出结果来分享 精神可嘉 08/15 16:43
我大概知道你想表达的
FED 以往会参考 泰勒法则
i = r* + π + 0.5(π - π*) + 0.5(u - u*)
https://master.get.com.tw/economics/detail.aspx?no=420144
或是FED 纽约分行预测 经济衰退机率的模型
https://www.newyorkfed.org/research/capital_markets/ycfaq#/interactive
系数
Notes: Parameters estimated using data from January 1959 to December 2009;
recession probabilities predicted using data through July 2019. The parameter
estimates are α= -0.5333, β= -0.6330. The shaded areas indicate periods
designated as recessions by the National Bureau of Economic Research.
这些跟训练甚麽的是没有关系的
关於精度，在时间序列里面有类似的检定方式
这里就不献丑了。
上面两个模型 都是很古典经典的模型，reference 也超多
就这样吧!! 谢谢你的指教
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 16:50:34
166F：推 gghhgghh : 推你没收钱的专业分析 08/15 16:52
※ 编辑: tompi (210.61.151.146 台湾), 08/15/2023 16:56:23
167F：→ billchen123 : 上面的文献跟训练没关系 但是你建立时间序列模型跟 08/15 17:15
168F：→ billchen123 : 训练有关系阿 精度的检定 应该还是要切分资料集 08/15 17:17
169F：推 h2894675 : 感谢分享 08/15 17:29
170F：推 johnny0322 : 专业推 08/15 17:37
171F：推 Iperfection : 这篇文和推文真是乾货满满 大家快来看看 08/15 18:19
172F：推 Iperfection : 不过看了几遍还是不懂bill大质疑的点是什麽 08/15 18:52
173F：推 chkawong : 好文必须推！ 08/15 18:57
174F：推 elainakuo : 专业推 08/15 19:04
175F：推 agvnol : 优文，推 08/15 19:46
176F：推 hanhsiangmax: 推 08/15 19:56
177F：推 Zaqjim : 升息不会影响房价 不要挑战央行好吗 08/15 21:02
178F：推 herculus6502: t大b大两人背景不同，术业有专攻，没什麽好战的 08/15 21:23
179F：→ het97306 : 符合统计学理论的东西，不懂B是在现啥？ 08/15 21:46
180F：推 linja : 推 08/15 22:47
181F：推 delightboy : 推 08/15 23:19
182F：推 Jimmy030489 : 大汤姆改叫大波动?! 08/15 23:24
183F：推 expertsaid : 某楼满嘴专业 嘴炮老半天的时间早就能做一篇出来了 08/15 23:46
184F：→ expertsaid : 笑死 在耍什麽猴戏 08/15 23:46
185F：推 fioo : 推 08/16 00:02
186F：推 savemysoul : 所以升息不是浮木，那央行就是不敢升 08/16 00:20
187F：推 Crazyloveyou: 预测房价慢慢走跌 2023/08/16 08/16 01:30
188F：→ MiniArse : 你的资料有问题，2008-2009 台北市房价有下跌 08/16 01:53
189F：→ MiniArse : www.mygonews.com/news/detail/news_id/7868 08/16 01:54
190F：→ MiniArse : 台北人肯定有感。不晓得为什麽你的资料呈现不出来 08/16 01:54
191F：→ MiniArse : 还有2020年初 疫情刚爆发时 甜甜价大概维持了几个月 08/16 01:56
192F：推 JohnGalt : 要切分训练集和测试集是因为要tune超参数，这种AR 08/16 07:04
193F：→ JohnGalt : 模型又没超参数 08/16 07:04
194F：→ JohnGalt : 而且时间序列资料就是前後有相关，要做顶多就roll 08/16 07:07
195F：→ JohnGalt : ing window吧，结果应该也差不多 08/16 07:07
196F：推 JohnGalt : 166笔资料要切训练集也蛮搞笑的，是不是会用铁槌以 08/16 07:13
197F：→ JohnGalt : 後看所有东西都变钉子？ 08/16 07:13
198F：推 andyHYK1998 : 太专业推 08/16 08:00
199F：→ billchen123 : 所以只有166笔资料 你训练後拿整份资料来验证? 笑死 08/16 09:28
200F：→ billchen123 : 原PO现在的做法就是训练166笔 你验证也拿这166笔 08/16 09:28
201F：→ billchen123 : 例如你小孩写考古题训练 结果考试跟考古题一模一样 08/16 09:29
202F：→ billchen123 : 你小孩考100分 你会说他厉害吗? 08/16 09:30
203F：嘘 billchen123 : 然後接着探讨小孩这麽厉害的因果关系 ? 08/16 09:34
204F：嘘 billchen123 : 你应该会拿不一样的题目来「验证」吧 08/16 09:39
205F：推 JohnGalt : 你不用废话那麽多，资料原po也给了，示范一下你要 08/16 09:43
206F：→ JohnGalt : 怎麽分割资料跑AR model 08/16 09:43
207F：嘘 billchen123 : 分割资料都不会喔? 这样还敢大放厥词阿 切蛋糕不会? 08/16 09:49
208F：→ billchen123 : 不验证 你放温度 医生数量 放N个变数都会显着 08/16 09:51
209F：→ billchen123 : AR模型做出来 拿别的资料来验证都不会? 就不要丢脸 08/16 09:51
210F：→ billchen123 : 我讲的东西用一句废话带过 比切分资料验证还简单ZZ 08/16 09:54
※ 编辑: tompi (210.61.151.146 台湾), 08/16/2023 10:09:32
211F：推 JohnGalt : 我当然知道怎麽切，你怎麽瞎弄也要结果真的显着不 08/16 09:58
212F：→ JohnGalt : 同才有意义 08/16 09:58
213F：嘘 billchen123 : 所以你拿看似相关的变数瞎弄 也会显着啊? 08/16 09:59
214F：→ billchen123 : AR_Model100笔资料做出来 然後预测66笔 拿66笔真值 08/16 10:00
215F：→ billchen123 : 验证 08/16 10:00
216F：推 JohnGalt : 当全世界只有你知道ML? 08/16 10:00
217F：→ billchen123 : 很难?? 这样很难?? 没验证的结果就没必要探讨因果 08/16 10:01
218F：→ billchen123 : 你应该针对我提出的质疑回复 不是谁懂得问题 08/16 10:02
219F：→ billchen123 : 没有说谁厉害 但是原po的结果没有验证就探讨因果 08/16 10:02
220F：→ billchen123 : 这是错误示范 08/16 10:02
221F：→ JohnGalt : 你根本就搞错重点，这又不是在比预测准度。让你拿 08/16 10:03
222F：→ JohnGalt : 前100笔跑个相同模型好了，然後呢？你解释会不一样 08/16 10:03
223F：→ JohnGalt : 吗？ 08/16 10:03
224F：→ JohnGalt : 要探讨因果的问题不在他没分割资料好吗？你再怎麽 08/16 10:04
225F：→ JohnGalt : 割也割不出因果关系 08/16 10:04
226F：→ billchen123 : 讨论到这吧 我不想再花时间说明 上面说明很清楚了 08/16 10:05
我猜想 理组跟我这社会组学的 还是有点不同
看待资料的方式不一样
我自己是学 时间序利分析与波动预测的
我这边放一篇中央银行的委外研究
https://reurl.cc/v7Z2gL
房论房价泡沫风险，教授们做的大致上用 ARIMA-GARCH
用的检定方式比较新，
ARIMA 跟 AR 差在 I 整合阶次与MA项 误差修正项
GARCH 呢是因为传统残差假设常态分配，但GARCH可以解释非常配分配
我用166笔，从1982年起
该委外研究是从1991年起，比我的资料还短
但无碍於分析的结论
至於我计算的部分，就别认真了。
如果计算有错，版主也m了我也删不掉了，我就承担了。
勿伤了和气
※ 编辑: tompi (210.61.151.146 台湾), 08/16/2023 10:10:30
227F：推 JohnGalt : 简单说2021的诺贝尔经济学奖就是颁给做因果分析的 08/16 10:19
228F：→ JohnGalt : ，如果切资料能切出因果分析，真的不要废话，直接 08/16 10:19
229F：→ JohnGalt : 发一篇论文教大家怎麽做研究就好 08/16 10:19
230F：→ JohnGalt : 因果推论问题的本质是我们既无法做实验也只能观察 08/16 10:24
231F：→ JohnGalt : 到样本一次，我看不出切分资料要怎麽解决这个问题 08/16 10:24
232F：推 JohnGalt : 原po做的不是真正意义上的因果没错，但这是股板又 08/16 10:30
233F：→ JohnGalt : 不是发论文，弄个初步结果讲个合理的故事就差不多 08/16 10:30
234F：→ JohnGalt : 了 08/16 10:30
235F：嘘 billchen123 : 原PO想要做因果关系分析 但是你拿不相关的变数也 08/16 11:01
236F：→ billchen123 : 也能做出来 就像是我举例的 温度 医生人数 08/16 11:01
237F：→ billchen123 : 你不验证你的因果模型就直接产出结论说这变数有因果 08/16 11:02
238F：→ billchen123 : 我认为不可靠的 因为模型没有验证 08/16 11:03
239F：→ billchen123 : 我直接举例原po的因果结果好了 08/16 11:03
240F：→ billchen123 : 结论是预测2023Q2房价变数 与 2022Q1台湾指数YOY 08/16 11:06
241F：→ billchen123 : 以及2021Q4YOY 台湾指数 有因果关系 你相信? 08/16 11:07
242F：推 JohnGalt : 你要质疑因果推论ok，但你提的方案也不能解决这问 08/16 11:22
243F：→ JohnGalt : 题啊 08/16 11:22
244F：推 JohnGalt : 而且回归原本股市跟房价的问题，至少能看出相较股 08/16 11:32
245F：→ JohnGalt : 市，其他总体因素更与房价相关 08/16 11:32
246F：推 JohnGalt : 你真的觉得把资料切一切会很到不同结论吗？？ 08/16 11:35
247F：→ billchen123 : 资料切分 是拿来验证... 你看清楚上面我讲的东西 08/16 11:39
248F：→ billchen123 : 另外你可能觉得建立AR模型不是训练 但其实数学原理 08/16 11:39
249F：→ billchen123 : 就是训练个过程 因为线性回归模型就是「公式解」找 08/16 11:40
250F：→ billchen123 : 找出(Y - Y_hat)最小的 权重组合 跟ML训练是一样的 08/16 11:41
251F：→ billchen123 : 把资料切分 另一部分资料验证後 发现结果差异大 08/16 11:42
252F：→ billchen123 : 代表你的AR模型 Overfitting代表你的因果关系是错的 08/16 11:43
253F：推 kyukyu : 基努李维.jpg 08/16 12:03
254F：嘘 billchen123 : 另外因果模型当然可以预测，你不是都说你找到因果 08/16 12:06
255F：→ billchen123 : 关系了，那就能够预测啊，未来的房价变数反应你的 08/16 12:06
256F：→ billchen123 : 因果关系啊？ 08/16 12:06
257F：→ JohnGalt : 你应该是没分清楚预测跟因果推论的差异在哪 08/16 13:40
258F：→ JohnGalt : 你提的只是怎麽改善样本外预测能力的方法 08/16 13:41
259F：→ JohnGalt : 比方说拿室外撑伞人数比率来预测有没有下雨一定很准 08/16 13:53
260F：→ JohnGalt : 但不代表撑伞会造成下雨 08/16 13:53
261F：→ JohnGalt : 那些训练验证大家都知道好吗, 你要质疑因果性也不是 08/16 13:54
262F：→ JohnGalt : 拿这个来质疑 08/16 13:54
263F：推 Mosin : 为什麽通膨反而会让房价下降? 有什麽方式能够解释 08/16 20:04
通膨後 央行会升息，升到超过通膨率後若形成正实质利率
房价会进一步下跌
※ 编辑: tompi (125.229.208.164 台湾), 08/16/2023 20:58:41
264F：嘘 billchen123 : 你分不清楚因果关系跟预测就是一样的好吗? 08/17 14:02
265F：→ billchen123 : 你推论就是要验证 验证就是要预测 冥顽不灵ㄟ 08/17 14:03
266F：→ billchen123 : 经济系 乱用统计工具的结果就像这篇一样 呵呵呵 08/17 14:04
267F：→ billchen123 : 不懂统计原理 然後乱用统计工具与检定 08/17 14:04
阁下您已经有点人身攻击跟毁谤了
关於时间序列部分，"乱用"二字 你是没有根据的
如果你也是研究生毕业的，大家论文都经过审查放在国图
关於因果关系，我是采用granger causality test
如果你不同意我的分享，
我资料也给你了，你要就在板上认真算一遍，否则就不要再发言了
此外你乱说的部分，如果你不提出道歉，我会向相关单位检举
※ 编辑: tompi (210.61.151.146 台湾), 08/17/2023 14:41:30
※ 编辑: tompi (210.61.151.146 台湾), 08/17/2023 14:42:01
268F：推 overshoot : 推厉害 08/17 20:15
269F：推 phyaim : 有数据分析 给推 有结论再推 08/18 11:24
270F：推 clw2ay : 推 谢谢分享 08/20 20:22
271F：推 cccc1730 : 特地来看这篇 好难 要慢慢啃 04/08 16:40