摘要：中国房地产行业周期波动的时间长度基本上符合主流经济周期波动理论。房地产行业的短周期波动平均波长为3年，基本符合基钦周期；中周期波长为6～8年，各自内部包括了大约2个以上的短周期，基本上属于朱格拉周期。1979～1993年，房地产行业周期波动经历了15年的时间，这个过程大约包含了2个中周期和5个短周期，基本上属于库兹涅茨周期；从1994年起，中国房地产行业又进入新的逐渐调整并扩张阶段。基于ARIMA模型的长周期走势分析，较好地拟合了房地产周期波动趋势，并提供了较准确的预测效果。
中国论文网 http://www.xzbu.com/4/view-17185.htm
关键词：房地产投资；周期波动；ARIMA模型
中图分类号：F293.30文献标志码：A文章编号：1674－4543(2009)06－0064－06
一、引言
近年来，我国房地产行业取得了突飞猛进的发展，成为推动我国经济快速发展的重要力量。但是，在过去几年房地产行业的快速发展中，也暴露了不少问题，如房价收入比偏高、阶梯房价不明显、投资性购房比例偏大等。在国家不断加大房地产市场调控力度的情况下，2008年房价开始在高位盘整，市场交易量呈下降态势，市场需求方处于观望状态，供求关系呈现一系列的变化，同时，在美国次贷危机的进一步影响下，我国房地产市场发生逆转，并进入低迷阶段。于是，一些城市纷纷出台救市措施，国家的房地产“新政”也开始实施。房地产“新政”给房地产市场的回暖带来了积极影响，同时，受国家扩大内需等一系列宏观经济政策的影响，房地产市场又开始了新一轮的上涨，2009年上半年，全国商品房销售面积34109万平方米，同比增长31.7％，其中，商品住宅销售面积增长33.4％。近几年，房地产市场的变化可谓一波三折。因此，分析和研究我国房地产周期波动规律有十分重要的理论和现实意义。
周期分析是认识事物变化规律的重要方法，被广泛应用于宏观经济诸多领域。现阶段，随着我国应对国际金融危机一系列宏观经济政策的实施，房地产行业率先走出了低谷，成为新的经济增长点，房地产周期波动问题也引起学者们的广泛关注。但是相对于经济学对经济周期较为成熟的分析研究而言，对房地产周期波动的分析与研究还属于开拓性阶段。何国钊等对以深圳为代表的我国房地产经济波动特征进行了研究，认为房地产在我国真正作为一个产业来发展，始于20世纪80年代初，房地产在我国一开始就呈现起伏波动，尤其是进入20世纪90年代波动更为明显。王诚庆等对我国房地产周期波动的轨迹进行了分析，认为我国房地产周期性发展的影响因素正在发生着深刻的转变。张晓晶等分析了驱动房地产周期的增长面、宏观面与制度面因素，认为无论是房地产业发展还是房地产价格总水平，在今后较长时期内仍会呈稳中趋升的态势。梁云芳研究认为，中国房地产市场价格的偏离只是受部分地区的影响，信贷规模的变化对房地产投资有较大影响，房地产投资的冲击对经济增长具有长期影响，而且对相关行业的拉动作用也比较大。赵龙节等在分析日本房地产周期波动的基础上，认为将房地产业的波动和宏观经济的波动作为一个整体，二者之间的内在联系和相互作用得到的关注程度与其重要性相比仍然不足。陈峰等从我国房地产业的启动政策、调控特征与调控效果三个角度比较分析两轮房地产政策周期之间的异同，探讨今后房地产市场调控的方向。张红采用主成分分析与谱分析，认为北京市房地产市场存在为期近3年的周期，从长期来看，供给方面还存在为期7年的次周期。结合中国房地产周期的实践，采用增长率直接法、H－P滤波和ARIMA模型方法对我国房地产周期波动特征进行有益探索。
二、房地产行业波动周期分析
1．变量与数据
考虑数据的可得性，选择房地产投资增长率、房屋施工面积增长率、房屋竣工面积增长率、房屋销售额增长率等指标来反映房地产行业的发展状况。根据过去国内外有关房地产指标相对重要程度的经验研究，按以下公式构建房地产的合成指数：
GRE＝GCA×O.2＋GFA×0.2＋GI×0.4＋GS×0.2
(1)
其中：GRE代表房地产合成增长率指数；GCA代表房屋施工面积增长率；GFA代表房屋竣工面积增长率；GI代表房地产投资增长率；GS代表房屋销售额增长率。
在构建房地产的合成指数时，先采用环比法计算单个指数的变化率，确定单个指标的权重，再合成计算多个指数的变化率，由于数据的可得性，1978～1986年的房地产合成增长率指数仅由房屋施工面积增长率和房屋竣工面积增长率合成。所选用资料年限为1978～2008年，资料主要来源于《中国统计年鉴》、《中国房地产统计年鉴》、《中国金融年鉴》、国家统计局网站等，有关数据由基础数据计算得到。
2．增长率直接法
增长率直接法是直接用实际增长率来测定变量的周期波动，这是分析经济波动时通常采用的方法。图1给出了我国房地产增长率(GRE)折线图，从波长、波型、波峰、波谷等方面对我国房地产业短周期波动进行了分析。波长和平均波长从时间角度反映房地产业的波动状态，波长是在一定时期内平均每次波动的时间长度。结合图1，按照波峰一波峰周期测算方法可以看出，我国房地产行业从1978～2008年共有9次周期波动，平均长度为3年(见表1)。因此，我国房地产行业的短周期波动基本上属于基钦周期。
周期波动的波型分为古典型波动和增长型波动。古典型波动是指房地产增长率出现下降的波动，也就是增长率出现负值的波动，其中必然包含房地产行业指数与增长率同时下降的过程；增长型波动是指房地产指数增长率下降但实际绝对额仍在上升的波动。因此，可以区别出中国房地产行业的9次周期波动中有4次古典型波动和5次增长性波动，一次完整的波动包括两个阶段和两个转折点，两个阶段是扩张阶段和收缩阶段，两个转折点就是波峰和波谷。1978年以来的9次波动中，各次波动年度及其峰值和谷值见表1。峰值最高的年份是1993年，峰值为77.6％；波谷最低的年份是1983年，谷值为-7.03％。其中，1978～1993年均为古典型波动，1994～2008年均为增长型波动。
3．增长率趋势法
中周期与中长周期分析一般采用增长率趋势法，增长率趋势法是在增长率变量进行趋势分离的基础上来测量变量周期波动的方法，该方法不仅可以识别短周期，而且可以识别中周期和中长周期。增长率趋势法一般采用H－P滤波(Hodrick－Prescott Filter)方法，脱离时间序列中的趋势成分，生成周期成分。假设变量GREt表示房地产合成增长率指数序列，用Trendt表示增长率序列中的趋势成分，用Cycle表示增长率序列中的周期成分，则有：
Cyclei＝GREi－Trendi
(2)
采用H－P滤波脱离时间序列GREt中的趋势成分Trend，生成周期成分cyclet，分析结果见图2和表2。图2中横坐标是年度时间，纵坐标是实际增长率、趋势增长率和周期成分Cycle相对应的增
长率刻度。结合图2和表2可以看出我国房地产行业的短周期、中周期和中长周期特征。从短周期波动来看，1978年以来我国房地产周期成分特征与实际增长率周期波动特征基本相同，因此可以强化短周期波动特征分析的稳健性。
结合图2和表2中的周期成分，还可以识别出我国房地产业波动的中周期特征。将整个周期成分划分为4个阶段：1979～1985年为第1阶段，1985～1993年为第2阶段，1993～1998年为第3阶段，1998～2007年为第4阶段。这4个阶段的绝对波幅和相对波幅等具有较大差异的继起性，而且各个阶段的时间跨度为6年、8年、5年、9年，各自内部又包括2个以上的短周期，因而这4个阶段基本上符合中周期即朱格拉周期。
从图2的周期成分曲线轨迹还可以识别出我国房地产业所体现的中长周期及其特征。结合图2和表2的周期可以发现，1979～1993年，我国房地产业经过了从波峰到波谷再到波峰的一个周期过程，1979年的增长率为36.7％，其后呈总体下降趋势，到1990年下降到谷底，增长率为-7.03％；之后又呈现调整上升的趋势，到1993年达到波峰值，增长率为77.6％。这个过程大约包含了2个中周期和4个短周期，经历了15年的时间，因此可以认为，该周期属于中长周期即库兹涅茨周期。从1994年起，我国房地产业又进人了新的逐渐调整并扩张的阶段，到2008年由于受国际金融危机的影响，我国房地产业产生了较大幅度的下滑。
房地产市场周期性波动形成的原因与经济周期的成因相类似，与宏观经济形势和政策的变化紧密相连。例如：形成1990～1993年房地产市场高度扩张的原因从货币政策层面来看，是1989～1993年宽松的货币政策，货币供给量快速增长，同时伴随着存、贷款利率的降低所致。形成1994～1997年房地产市场迅速衰退的原因是这一阶段从紧的货币政策，货币供给量持续下降，同时利率又逐渐提高，后来虽有降低但仍在高位运行所致。形成1998～2007年房地产市场持续繁荣和稳步增长的主要原因是这一阶段实施稳健的货币政策，同时伴随着房地产制度改革，房地产信贷制度也相应改革，尤其是个人住房贷款制度的实施促进了这一阶段房地产市场的蓬勃发展，并且这一阶段存贷款利率一直在低位运行所致。
三、波动趋势预测
由于中国特殊的历史、体制以及宏观经济政策和统计核算等方面的客观原因，目前还不能仅仅根据实证分析就对房地产行业的长周期直接进行识别和分析。但是，仍然可以借助于计量经济学分析方法，建立自回归移动平均ARIMA(p，d，q)模型，从而更好地识别中国房地产波动的结构与特征，并且通过房地产合成增长率指数序列(GREi)的ARIMA(p，d，q)模型，可以进一步预测下一阶段(2008年以后)中国房地产行业波动的走势。
建立ARIMA(p，d，q)模型首先要考察序列的平稳性，以确定差分操作数d。采用ADF检验，结果表明GRE为平稳序列，即d＝0，因此可以对GRE建立ARMA(p，q)模型。确定ARIMA模型阶数p、q的方法主要有：自相关函数和偏相关函数特性分析、FPE准则法、AIC及BIC准则。这里结合序列的自相关函数和偏相关函数特性(图3)、AIC及BIC准则，确定阶数p、q，首先，根据自相关函数和偏相关函数的拖尾和截尾特性，初步确定样本的p、q范围。其次，根据AIC和BIC准则逐步筛选出最优p、q值。根据自相关函数和偏相关函数的拖尾性和截尾性、最小AIC信息准则并考虑相关系数以及拟合度的大小，发现ARIMA(4，4)模型随机性最强(表3)，综合以上各种因素，确定阶数p＝q＝4。在建立ARMA(4，4)模型以后，可以采取“Dynamic”和“Static”方法进行预测，采用这两种方法进行预测，比较预测后的结果发现，“Static”方法预测的精度更高，拟合效果更好(图4)。从图4中可以看出模型拟合效果较好，且残差随机分布于置信区间内，所以其属于白噪声序列，证明所建立模型较为合理。
ARIMA模型最主要的功能是进行预测，特别是在短期预测方面。模型采用滚动向前预测，即根据已知n个时刻的序列观测值y1，y2，…，yn，对未来n＋1个时刻的序列值做出估计，该模型对短期内的预测比较准确，随着预测时间的增加，预测误差会逐渐增大，因此，这里只对未来5年的走势进行预测，预测结果如图5所示。从预测结果看，2009年的预测结果和实际情况拟合得较好，受国际和国内经济环境变化的影响，2008年我国房地产行业产生了较大幅度的下滑。随着我国一系列应对国际金融危机政策的实施和各地房地产新政的出台，2009年我国房地产业积极回暖，并开始新一轮的上涨，之后又进入不断调整的周期中。
四、结论
通过构建房地产合成增长率指数，采用增长率分析法、H－P滤波、ARIMA模型等分析法，对我国房地产行业的周期性波动进行分析。通过实证分析可以看到，我国房地产行业的周期现象是客观存在的，是经济发展过程中的必然现象。1978年以来，我国房地产行业经历了9次短周期波动、4次中周期波动和2次中长周期波动，目前正处在第2个中长周期波动的调整期。我国房地产行业周期波动的时间长度基本符合主流经济周期波动理论，房地产行业短周期波动的平均波长为3年，基本符合基钦周期。房地产行业的中周期波长为6～8年，各自内部包括了大约2个以上的短周期，基本上属于朱格拉周期。1979～1993年，房地产行业周期波动经历了15年的时间，这个过程大约包含了2个中周期和5个短周期，基本上属于库兹涅茨周期。从1994年起，我国房地产行业又进入新的逐渐调整并扩张的阶段。2008年受国际金融危机的影响，我国房地产行业产生了较大幅度的下滑，2009年由于宏观经济形势的变化又开始回升。
通过ARIMA模型的预测分析可以看到，ARIMA模型能较好地拟合我国房地产市场的发展趋势，短期预测精度比较高，但是由于房地产周期的变化受到宏观经济等因素的影响以及模型本身的限制因素，长期预测的精度会有所降低。通过对我国房地产周期波动的预测，可以初步看出房地产业即将到来的发展态势(见图5)，这可以为房地产主管部门采取何种反周期政策来调控房地产的发展以及房地产公司采取何种经营策略提供实证参考。房地产业作为一个支柱性产业，在国民经济中的地位越来越重要，对经济增长的贡献率有着不可替代的作用，但是，房地产业的大幅波动会给国民经济带来较大冲击，美国次级房贷危机的发生给了我们深刻的警示，因此，保持房地产市场的相对稳定是非常重要的。
摘要：中国房地产行业周期波动的时间长度基本上符合主流经济周期波动理论。房地产行业的短周期波动平均波长为3年，基本符合基钦周期；中周期波长为6～8年，各自内部包括了大约2个以上的短周期，基本上属于朱格拉周期。1979～1993年，房地产行业周期波动经历了15年的时间，这个过程大约包含了2个中周期和5个短周期，基本上属于库兹涅茨周期；从1994年起，中国房地产行业又进入新的逐渐调整并扩张阶段。基于ARIMA模型的长周期走势分析，较好地拟合了房地产周期波动趋势，并提供了较准确的预测效果。
中国论文网 http://www.xzbu.com/4/view-17185.htm
关键词：房地产投资；周期波动；ARIMA模型
中图分类号：F293.30文献标志码：A文章编号：1674－4543(2009)06－0064－06
一、引言
近年来，我国房地产行业取得了突飞猛进的发展，成为推动我国经济快速发展的重要力量。但是，在过去几年房地产行业的快速发展中，也暴露了不少问题，如房价收入比偏高、阶梯房价不明显、投资性购房比例偏大等。在国家不断加大房地产市场调控力度的情况下，2008年房价开始在高位盘整，市场交易量呈下降态势，市场需求方处于观望状态，供求关系呈现一系列的变化，同时，在美国次贷危机的进一步影响下，我国房地产市场发生逆转，并进入低迷阶段。于是，一些城市纷纷出台救市措施，国家的房地产“新政”也开始实施。房地产“新政”给房地产市场的回暖带来了积极影响，同时，受国家扩大内需等一系列宏观经济政策的影响，房地产市场又开始了新一轮的上涨，2009年上半年，全国商品房销售面积34109万平方米，同比增长31.7％，其中，商品住宅销售面积增长33.4％。近几年，房地产市场的变化可谓一波三折。因此，分析和研究我国房地产周期波动规律有十分重要的理论和现实意义。
周期分析是认识事物变化规律的重要方法，被广泛应用于宏观经济诸多领域。现阶段，随着我国应对国际金融危机一系列宏观经济政策的实施，房地产行业率先走出了低谷，成为新的经济增长点，房地产周期波动问题也引起学者们的广泛关注。但是相对于经济学对经济周期较为成熟的分析研究而言，对房地产周期波动的分析与研究还属于开拓性阶段。何国钊等对以深圳为代表的我国房地产经济波动特征进行了研究，认为房地产在我国真正作为一个产业来发展，始于20世纪80年代初，房地产在我国一开始就呈现起伏波动，尤其是进入20世纪90年代波动更为明显。王诚庆等对我国房地产周期波动的轨迹进行了分析，认为我国房地产周期性发展的影响因素正在发生着深刻的转变。张晓晶等分析了驱动房地产周期的增长面、宏观面与制度面因素，认为无论是房地产业发展还是房地产价格总水平，在今后较长时期内仍会呈稳中趋升的态势。梁云芳研究认为，中国房地产市场价格的偏离只是受部分地区的影响，信贷规模的变化对房地产投资有较大影响，房地产投资的冲击对经济增长具有长期影响，而且对相关行业的拉动作用也比较大。赵龙节等在分析日本房地产周期波动的基础上，认为将房地产业的波动和宏观经济的波动作为一个整体，二者之间的内在联系和相互作用得到的关注程度与其重要性相比仍然不足。陈峰等从我国房地产业的启动政策、调控特征与调控效果三个角度比较分析两轮房地产政策周期之间的异同，探讨今后房地产市场调控的方向。张红采用主成分分析与谱分析，认为北京市房地产市场存在为期近3年的周期，从长期来看，供给方面还存在为期7年的次周期。结合中国房地产周期的实践，采用增长率直接法、H－P滤波和ARIMA模型方法对我国房地产周期波动特征进行有益探索。
二、房地产行业波动周期分析
1．变量与数据
考虑数据的可得性，选择房地产投资增长率、房屋施工面积增长率、房屋竣工面积增长率、房屋销售额增长率等指标来反映房地产行业的发展状况。根据过去国内外有关房地产指标相对重要程度的经验研究，按以下公式构建房地产的合成指数：
GRE＝GCA×O.2＋GFA×0.2＋GI×0.4＋GS×0.2
(1)
其中：GRE代表房地产合成增长率指数；GCA代表房屋施工面积增长率；GFA代表房屋竣工面积增长率；GI代表房地产投资增长率；GS代表房屋销售额增长率。
在构建房地产的合成指数时，先采用环比法计算单个指数的变化率，确定单个指标的权重，再合成计算多个指数的变化率，由于数据的可得性，1978～1986年的房地产合成增长率指数仅由房屋施工面积增长率和房屋竣工面积增长率合成。所选用资料年限为1978～2008年，资料主要来源于《中国统计年鉴》、《中国房地产统计年鉴》、《中国金融年鉴》、国家统计局网站等，有关数据由基础数据计算得到。
2．增长率直接法
增长率直接法是直接用实际增长率来测定变量的周期波动，这是分析经济波动时通常采用的方法。图1给出了我国房地产增长率(GRE)折线图，从波长、波型、波峰、波谷等方面对我国房地产业短周期波动进行了分析。波长和平均波长从时间角度反映房地产业的波动状态，波长是在一定时期内平均每次波动的时间长度。结合图1，按照波峰一波峰周期测算方法可以看出，我国房地产行业从1978～2008年共有9次周期波动，平均长度为3年(见表1)。因此，我国房地产行业的短周期波动基本上属于基钦周期。
周期波动的波型分为古典型波动和增长型波动。古典型波动是指房地产增长率出现下降的波动，也就是增长率出现负值的波动，其中必然包含房地产行业指数与增长率同时下降的过程；增长型波动是指房地产指数增长率下降但实际绝对额仍在上升的波动。因此，可以区别出中国房地产行业的9次周期波动中有4次古典型波动和5次增长性波动，一次完整的波动包括两个阶段和两个转折点，两个阶段是扩张阶段和收缩阶段，两个转折点就是波峰和波谷。1978年以来的9次波动中，各次波动年度及其峰值和谷值见表1。峰值最高的年份是1993年，峰值为77.6％；波谷最低的年份是1983年，谷值为-7.03％。其中，1978～1993年均为古典型波动，1994～2008年均为增长型波动。
3．增长率趋势法
中周期与中长周期分析一般采用增长率趋势法，增长率趋势法是在增长率变量进行趋势分离的基础上来测量变量周期波动的方法，该方法不仅可以识别短周期，而且可以识别中周期和中长周期。增长率趋势法一般采用H－P滤波(Hodrick－Prescott Filter)方法，脱离时间序列中的趋势成分，生成周期成分。假设变量GREt表示房地产合成增长率指数序列，用Trendt表示增长率序列中的趋势成分，用Cycle表示增长率序列中的周期成分，则有：
Cyclei＝GREi－Trendi
(2)
采用H－P滤波脱离时间序列GREt中的趋势成分Trend，生成周期成分cyclet，分析结果见图2和表2。图2中横坐标是年度时间，纵坐标是实际增长率、趋势增长率和周期成分Cycle相对应的增
长率刻度。结合图2和表2可以看出我国房地产行业的短周期、中周期和中长周期特征。从短周期波动来看，1978年以来我国房地产周期成分特征与实际增长率周期波动特征基本相同，因此可以强化短周期波动特征分析的稳健性。
结合图2和表2中的周期成分，还可以识别出我国房地产业波动的中周期特征。将整个周期成分划分为4个阶段：1979～1985年为第1阶段，1985～1993年为第2阶段，1993～1998年为第3阶段，1998～2007年为第4阶段。这4个阶段的绝对波幅和相对波幅等具有较大差异的继起性，而且各个阶段的时间跨度为6年、8年、5年、9年，各自内部又包括2个以上的短周期，因而这4个阶段基本上符合中周期即朱格拉周期。
从图2的周期成分曲线轨迹还可以识别出我国房地产业所体现的中长周期及其特征。结合图2和表2的周期可以发现，1979～1993年，我国房地产业经过了从波峰到波谷再到波峰的一个周期过程，1979年的增长率为36.7％，其后呈总体下降趋势，到1990年下降到谷底，增长率为-7.03％；之后又呈现调整上升的趋势，到1993年达到波峰值，增长率为77.6％。这个过程大约包含了2个中周期和4个短周期，经历了15年的时间，因此可以认为，该周期属于中长周期即库兹涅茨周期。从1994年起，我国房地产业又进人了新的逐渐调整并扩张的阶段，到2008年由于受国际金融危机的影响，我国房地产业产生了较大幅度的下滑。
房地产市场周期性波动形成的原因与经济周期的成因相类似，与宏观经济形势和政策的变化紧密相连。例如：形成1990～1993年房地产市场高度扩张的原因从货币政策层面来看，是1989～1993年宽松的货币政策，货币供给量快速增长，同时伴随着存、贷款利率的降低所致。形成1994～1997年房地产市场迅速衰退的原因是这一阶段从紧的货币政策，货币供给量持续下降，同时利率又逐渐提高，后来虽有降低但仍在高位运行所致。形成1998～2007年房地产市场持续繁荣和稳步增长的主要原因是这一阶段实施稳健的货币政策，同时伴随着房地产制度改革，房地产信贷制度也相应改革，尤其是个人住房贷款制度的实施促进了这一阶段房地产市场的蓬勃发展，并且这一阶段存贷款利率一直在低位运行所致。
三、波动趋势预测
由于中国特殊的历史、体制以及宏观经济政策和统计核算等方面的客观原因，目前还不能仅仅根据实证分析就对房地产行业的长周期直接进行识别和分析。但是，仍然可以借助于计量经济学分析方法，建立自回归移动平均ARIMA(p，d，q)模型，从而更好地识别中国房地产波动的结构与特征，并且通过房地产合成增长率指数序列(GREi)的ARIMA(p，d，q)模型，可以进一步预测下一阶段(2008年以后)中国房地产行业波动的走势。
建立ARIMA(p，d，q)模型首先要考察序列的平稳性，以确定差分操作数d。采用ADF检验，结果表明GRE为平稳序列，即d＝0，因此可以对GRE建立ARMA(p，q)模型。确定ARIMA模型阶数p、q的方法主要有：自相关函数和偏相关函数特性分析、FPE准则法、AIC及BIC准则。这里结合序列的自相关函数和偏相关函数特性(图3)、AIC及BIC准则，确定阶数p、q，首先，根据自相关函数和偏相关函数的拖尾和截尾特性，初步确定样本的p、q范围。其次，根据AIC和BIC准则逐步筛选出最优p、q值。根据自相关函数和偏相关函数的拖尾性和截尾性、最小AIC信息准则并考虑相关系数以及拟合度的大小，发现ARIMA(4，4)模型随机性最强(表3)，综合以上各种因素，确定阶数p＝q＝4。在建立ARMA(4，4)模型以后，可以采取“Dynamic”和“Static”方法进行预测，采用这两种方法进行预测，比较预测后的结果发现，“Static”方法预测的精度更高，拟合效果更好(图4)。从图4中可以看出模型拟合效果较好，且残差随机分布于置信区间内，所以其属于白噪声序列，证明所建立模型较为合理。
ARIMA模型最主要的功能是进行预测，特别是在短期预测方面。模型采用滚动向前预测，即根据已知n个时刻的序列观测值y1，y2，…，yn，对未来n＋1个时刻的序列值做出估计，该模型对短期内的预测比较准确，随着预测时间的增加，预测误差会逐渐增大，因此，这里只对未来5年的走势进行预测，预测结果如图5所示。从预测结果看，2009年的预测结果和实际情况拟合得较好，受国际和国内经济环境变化的影响，2008年我国房地产行业产生了较大幅度的下滑。随着我国一系列应对国际金融危机政策的实施和各地房地产新政的出台，2009年我国房地产业积极回暖，并开始新一轮的上涨，之后又进入不断调整的周期中。
四、结论
通过构建房地产合成增长率指数，采用增长率分析法、H－P滤波、ARIMA模型等分析法，对我国房地产行业的周期性波动进行分析。通过实证分析可以看到，我国房地产行业的周期现象是客观存在的，是经济发展过程中的必然现象。1978年以来，我国房地产行业经历了9次短周期波动、4次中周期波动和2次中长周期波动，目前正处在第2个中长周期波动的调整期。我国房地产行业周期波动的时间长度基本符合主流经济周期波动理论，房地产行业短周期波动的平均波长为3年，基本符合基钦周期。房地产行业的中周期波长为6～8年，各自内部包括了大约2个以上的短周期，基本上属于朱格拉周期。1979～1993年，房地产行业周期波动经历了15年的时间，这个过程大约包含了2个中周期和5个短周期，基本上属于库兹涅茨周期。从1994年起，我国房地产行业又进入新的逐渐调整并扩张的阶段。2008年受国际金融危机的影响，我国房地产行业产生了较大幅度的下滑，2009年由于宏观经济形势的变化又开始回升。
通过ARIMA模型的预测分析可以看到，ARIMA模型能较好地拟合我国房地产市场的发展趋势，短期预测精度比较高，但是由于房地产周期的变化受到宏观经济等因素的影响以及模型本身的限制因素，长期预测的精度会有所降低。通过对我国房地产周期波动的预测，可以初步看出房地产业即将到来的发展态势(见图5)，这可以为房地产主管部门采取何种反周期政策来调控房地产的发展以及房地产公司采取何种经营策略提供实证参考。房地产业作为一个支柱性产业，在国民经济中的地位越来越重要，对经济增长的贡献率有着不可替代的作用，但是，房地产业的大幅波动会给国民经济带来较大冲击，美国次级房贷危机的发生给了我们深刻的警示，因此，保持房地产市场的相对稳定是非常重要的。