回上層
Disp BBS
看板 Stock
作者 tompi (大波動)
標題 Re: [請益] 股市如果崩盤 房市一起崩嗎？
時間 Tue Aug 15 11:28:00 2023

※ 引述《soloyi (CHECKING)》之銘言：
: 股市如果崩盤到一萬以下
: 房市是不是要崩盤了？
: 要賣房子求榮了！？
: 準備彌補融資追繳萬箭齊發了嗎？
: 房市有沒有下半年機會崩盤？
: 這點請問！

"房市下半年會不會崩盤?"

機率不高，機率很低

首先就機率來看，以台北市1982Q1~2023Q2 一共有 166季

房價 yoy 下跌超過7%的次數為 9次，為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 從高點 12682跌到2485，造成房市下跌

除此之外 剩下熟知的 2001網通泡沫、2008金融海嘯、2020疫情都沒有讓

房市造成顯著下跌。


對台灣房價報酬率與經濟環境做個簡單的分析

時間:1982Q1~2023Q2
資料:1.RHP 台北市每坪單價 yoy
     2.CPI CPI yoy
     3.M1b M1b yoy
     4.TWI 台指價格指數 yoy
     5.IR  擔保放款利率
     *yoy 為對數報酬率

1.長期來說 台灣房價年均報酬約 7%
  https://imgur.com/DVvCEUw

2.台股價格指數報酬率約為 8.5%，若加上息值應該在12%左右
  https://imgur.com/wPubFeV

其餘CPI 長期平均為1.5%，M1b為10%


將上述變數建立簡單預測模型如
https://imgur.com/Dap3LTe

https://imgur.com/odwzLNp

去除房價自身影響後，其餘變數對房價的關係
             係數
1.M1B(-3)    0.346
             對房價為顯著正向影響

2.CPI(-2)   -0.805
             通膨上升對房價未來有負向影響

3.TWI(-5)^2  0.091
  TWI(-6)^2 -0.060
             在分析過程中發現報酬率方向不如 報酬率平方影響大
             報酬率平方意味著波動度。
             如果簡單將係數 0.091-0.06=0.031，計算波動度對房價未來5~6季影響，
             其實是波動升高隱含未來房價上漲。

4.IR(-3)-CPI(-3)  -0.360
             此為實質利率，當實質正利率時對房價影響是負向的




2020年以來疫情，台北市房價平均 yoy為5.4%，這三年台北市漲最少

其他地方就不列了。

從資料上來看
     1.M1b 在2020~2021兩年呈現2位數增長，熱錢很多

     2.央行維持近三年的實質負利率，直到今年第二季才成為實質正利率

     3.M1b的長期平均為10%，但從去年Q2開始已經下滑，最近僅為2.2~3.5%
       熱錢消失


2016Q1 yoy跌幅為 -10.7%，是1982年以來最大的一次

背景是

2015年算是通縮年，但擔保放款利率維持在2~2.3%，也就是實值正利率

台股低迷也呈現下跌，m1b 低於長期水準10%

所以通縮、利率環境不佳、失去$$活水，房價自然支撐不住。


下半年或是明年的房價，我的猜測是
1. 通貨膨脹變動對未來房價有半年的影響，若通膨上升房價則容易下跌

2. 因為央行若要壓抑通貨膨脹會將利率升至CPI之上

3. 央行的動作常在CPI之後，目前最新CPI為1.75(?)，看起來CPI有受控

4. 目前對房市另一個問題是m1b很低，對房價支撐很弱

5. 至於央行利率會不會再升息? 這就很難猜了

如果央行利率撐在這裡，m1b 要回復近過去水準，大概要到明年2Q

結語
   在台灣對房市影響最大的不是股市
   是熱錢與利率
















--
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 210.61.151.146 (臺灣)
※ 作者: tompi 2023-08-15 11:28:00
※ 文章代碼(AID): #1asl3328 (Stock)
※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1692070083.A.088.html
※ 同主題文章:
[請益] 股市如果崩盤 房市一起崩嗎？
08-14 17:44 soloyi.
Re: [請益] 股市如果崩盤 房市一起崩嗎？
08-15 11:28 tompi.
推 PitzMan: 專業推LoL1F 08/15 11:28
→ LiamTiger: 別忘了房子7%投報率是開了3倍的槓桿在賺的
而且還沒有像股票有顯著且週期性的大回檔2F 08/15 11:29
 不是喔，就單純每坪單價的漲幅
 如果開槓桿短期來說很賺，所以我常對剛出社會的年輕人說
 如果手邊錢不到2成頭款，乾脆就定期定額買正2，
 因為房子開五倍，正2兩倍而已
推 Smaragdus: 謝分享4F 08/15 11:30
推 fman: 寫的很好，已有產業報告的水準了，謝謝5F 08/15 11:32
 我看過的產業報告都寫得不好ㄟ
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 11:34:30
推 bonfferoni: 謝謝分享6F 08/15 11:32
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 11:35:35
推 enamor753: 感謝分享7F 08/15 11:35
推 BaoBao17: 感謝分享8F 08/15 11:37
推 icou: 謝分析9F 08/15 11:37
推 KKlin813: 跟我想的一樣 但我寫不出來XD 大推10F 08/15 11:38
推 a281393: 專業推11F 08/15 11:38
推 ivan1116: 好專業12F 08/15 11:40
推 a633599: 結論 無腦多 allin 信義房屋13F 08/15 11:40
推 hellogym: 台北2015-16跌是因為前面漲太凶了Orz14F 08/15 11:40
 沒錯
 馬英九上任後台北市房價到2014年中漲了快一倍，從60漲到120
 然後就太陽花學運了，在社會壓力下 央行祭出房市管控
 利率從1.6升到2.3，也就僅僅0.7% 就壓抑房價了
 所以房價會不會失控，政府就不要把責任推給別人
 當然房市好經濟好，但是房價太高就跟通膨失控一樣
 咎由自取
推 bunnyict: 專業推15F 08/15 11:41
推 bigpan: 只會漲 一定賺 閉眼allin16F 08/15 11:42
推 sdhpipt: 個人偏見:房市股市根本連動不大 兩個多空週期差太多了 一個是十年起跳 一個是幾個月漲跌循環17F 08/15 11:42
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 11:48:33
推 tanchuchan: 專業推 研究所的東西忘光光了19F 08/15 11:44
推 hwei9582905: 請問正2漲幅追得到房價漲幅嗎？20F 08/15 11:45
 多爬前面的文，例如正2王，或a我帳號
 漲幅是可以的，波動比較大
→ tanchuchan: 看到預測模型變數設定好懷念21F 08/15 11:45
推 iamala: 房子五倍的資金有上限。22F 08/15 11:45
推 bluefish520: 看不懂但是推23F 08/15 11:45
推 EKman: 槓桿跟回檔都不是什麼特別的優勢或劣勢24F 08/15 11:47
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 11:50:12
推 stlinman: 台灣居民還有上槓桿的空間，政策利多下去很難跌啦!25F 08/15 11:50
推 wald5566: 那房市崩 股市會一起蹦嗎26F 08/15 11:52
 這個問題很好
 https://imgur.com/M4KSuMU
 如果沒有天災，譬如大規模地震
 股市變動是房市變得的因，如果有重大經濟因素 股市會先崩，然後才是房市

推 feng990719: 專業推27F 08/15 11:52
推 Iperfection: 通膨讓房價下跌 漲電價導致通膨 所以讓台電虧損是打房黑魔法28F 08/15 11:52
推 Homeparty: 這問題應該逆向思考，房價跌股票是否跌，很明顯30F 08/15 11:53
推 lyxiang: 專業推31F 08/15 11:58
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 12:01:16
推 clotilde: 股市一定比房市先崩 房市反應慢很多32F 08/15 11:59
→ rbelldandy: 不可能,只要不是美國崩都不會崩類似2008很難再一次33F 08/15 12:01
推 maxboy06: 大部分年份股市崩還沒崩到房價國安基金就進場了34F 08/15 12:01
 沒錯
 這就是房市的黑魔法，國安糖漿喝了 房市就沒事了
推 IanLi: 推統計35F 08/15 12:02
推 poisonB: 推一個 有數據分析36F 08/15 12:02
推 william85: 推 感謝大大寫到讓我看得懂37F 08/15 12:02
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 12:07:34
推 p58730: 這是你的論文？38F 08/15 12:08
 我畢業超久了，另外寫這樣叫論文 被電翻了

推 s8752134: 算股息 但不算租金?39F 08/15 12:18
 我用的是價格指數，不是報酬指數
 另外買房有人全額買，大部分人貸款買
 有人貸款自住，有人貸款出租，利息有支出，租金有收入
 以上簡單計算，參考其他條件就複雜了，我不是幫人財務規劃
 見諒了
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 12:25:53
推 asas123sdsa: 股市崩盤再來是人民失業房市才崩40F 08/15 12:22
推 jheli: 房市要反轉感覺要等九年級生成為買房主力才可能41F 08/15 12:25
推 abcrr123: 專業推，影響房價最大的一直都是利率42F 08/15 12:26
→ akirapai: 我靠記憶只有sars房價下來有感過…43F 08/15 12:27
→ Homeparty: 九年級人口數...要成為主力差距很大44F 08/15 12:28
推 jimmytaipei: 推分析45F 08/15 12:29
→ kevinmeng2: 房價大概只剩戰爭會跌了吧46F 08/15 12:29
推 KaYan: 感謝分享47F 08/15 12:30
推 lrac: 請問大大用的這個數據分析方法叫什麼呢48F 08/15 12:34
 自我迴歸模型（英語：Autoregressive model，簡稱AR模型）
 正確來說是 Box–Jenkins method
 我上面做的很簡略
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 12:36:56
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 12:39:34
推 sdbb: 謝謝49F 08/15 12:39
→ ShiuanRefuel: 價格指數就已經含息了你又再算一次50F 08/15 12:40
 價格指數哪有含息，是除息
 證交所2003年以後才編報酬指數，因為計算對稱時間要從1982年
 我用的是價格指數
推 ups: 專業推51F 08/15 12:40
→ ShiuanRefuel: 然後你是算台北的房價的報酬率還是算台灣的報酬率52F 08/15 12:41
 台北市，從1982年開始
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 12:44:15
推 CORYCHAN: 感謝分享53F 08/15 12:47
推 FCPEWN375: 專業推54F 08/15 12:48
推 nthukos: 大波動大必推55F 08/15 12:48
推 taikouhncheu: 六都都來玩一下，南部應該會發現有趣的點56F 08/15 12:50
推 ecnecsinimer: 八卦是不看數字的，憑感覺才準啦57F 08/15 12:54
→ ShiuanRefuel: 抱歉是我誤會了我以為你用報酬指數58F 08/15 12:54
 沒事
推 herculus6502: 有神快拜59F 08/15 12:55
推 cityhunter04: 專業分析給推60F 08/15 12:55
推 ymfx000a: 政策不改 房市不可能降 就算政府提出新政策立院會不會排審 會不會過都是問題61F 08/15 12:56
推 hypeng: 推分享63F 08/15 12:56
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 12:58:02
推 NGCviola: 專業推64F 08/15 13:00
推 leveger0903: 有房產的好處是可以用房貸增貸出來在股市滾錢賺中間的利差 畢竟房貸還是所有貸款利息成本最低的 但相對槓桿開得太大也會有風險65F 08/15 13:02
推 swxxswxx: 高手在民間68F 08/15 13:03
→ ShiuanRefuel: 挺訝異的 CPI和房價是負相關？？69F 08/15 13:04
推 s9545012: 這樣意思是要穩穩賺錢，買房比存股中華電好嗎？ 房70F 08/15 13:04
 中華電2000/10 上市
 累積到2023/6 含權息報酬率 424%
 同期間台北市房價 報酬率   249%
 中華電比較賺，且若貸款買房有利息支出與買賣費用較高的問題
 中華電過去比較賺
→ s9545012: 更不跌，報酬也更高？71F 08/15 13:04
推 thelmalin: 推72F 08/15 13:04
推 bbo40453: 推模型73F 08/15 13:07
推 EvilKnight: 感謝74F 08/15 13:08
推 nutrino: 推研究 雖然這種研究沒有一定準的75F 08/15 13:09
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 13:13:32
推 dragonjj: 我反而覺得股價崩盤 房市會上漲 不然錢要流去哪?76F 08/15 13:12
推 yamitis: 可是房子可以開5倍槓桿77F 08/15 13:15
推 dragonjj: 買正2我不如買期貨 還可以省手續費 槓桿更大 不過保證金要多留一點 不能被嘎空!78F 08/15 13:18
→ zhi5566: 正負幫你強力洗籌碼怎麼會崩 房地和一的精神是什麼就是政府插一股 和黑道收保護差不多80F 08/15 13:29
推 k85564: 房子有槓桿啊82F 08/15 13:30
推 aaaaaaaa9: 這故事不錯！83F 08/15 13:34
推 icou: 正2就是花錢請人幫你玩期 也不是壞事就是了84F 08/15 13:45
 單買期貨建議小朋友不要碰
 所謂新手運就是 若前幾把賺到，就會覺得很賺，因為保證金槓桿
 將近20倍。
 而且若多空都做，一但虧幾次就乾了
 還是正2就好
推 iWatch2: 大大能分析一下證所稅把資金趕去炒房的影響ㄇ
當時股板最熱話題85F 08/15 13:48
推 Bruroc: 推87F 08/15 13:51
推 kurapica1106: 大師88F 08/15 13:59
推 ishowhand: 專業推89F 08/15 14:09
推 AlexLeee: 先推ID再看90F 08/15 14:09
推 LinYingLi: 謝謝分享91F 08/15 14:14
推 johnsonhoj: 感謝分享92F 08/15 14:16
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 14:27:01
推 daniel0202: 厲害93F 08/15 14:33
推 jackeywu2003: 推94F 08/15 14:34
推 AlexanderIn: 專業推，最主要是看連動的關聯性，所以政府最後底線就是止血房產，當然每個國家玩法不同95F 08/15 14:41
推 Jinstar: 好文受用97F 08/15 14:48
推 billchen123: 從你的Actual和fit來看，你該不會test結果是用訓練98F 08/15 14:48
推 yyls123: 賴清德 看到了沒99F 08/15 14:48
→ billchen123: 資料吧?   這樣當然會預測值這麼貼近真實值
訓練資料166筆  從圖片的X軸來看  差不多也是166筆若你用同樣的資料訓練模型後再預測，當然看起來準你的模型沒辦法解釋因果的先後順序
只能解釋  股市 對 房價有影響   權重也才0.09
按照你的邏輯  把Y放成台灣指數  X放房價相關變數也能解釋成   房價反應 有波動後  台灣指數才有變動此外 你的台灣指數還放前5期與前6期來預測房價變數?100F 08/15 14:48
 你可以做一次 然後回在版上嗎? 謝謝

推 xxxhorseshoe: 專業推108F 08/15 15:02
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:04:39
→ billchen123: 預測2023Q2房價變數   拿2022Q1台灣指數YOY來預測?109F 08/15 15:04
 自迴歸模型不就是這樣嗎，看來閣下很清楚，我資料給你 你幫我算一次
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:05:42
→ billchen123: 你可以回應我的問題  就能夠判別這預測模型可不可信110F 08/15 15:05
 不信 你可以右轉啊
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:06:21
→ billchen123: 訓練與測試資料是不是拿同一組資料來做的?111F 08/15 15:06
 你知道CAPM模型的 beta 值就只是計算 各股跟大盤的關係
 我這裡有就是計算經濟變數與房價的關係
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:08:16
→ billchen123: 是的話    就基本上不用相信了  也不要誤導
你的訓練精準度當然高 你要用你沒訓練到的資料測試才能夠正確評價你的模型精準度112F 08/15 15:06
 另外 ARIMA 模型誰說是訓練了
 我資料給你你做一遍 PO上來就是了。我很想知道你做的結果，拜託
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:09:45
→ billchen123: 你計算beta可以啊  但是你模型沒有驗證  直接拿訓練你的166筆數據   要切分   100訓練  66測試
你的66筆能夠完美預測成功  才能說你的模型成功115F 08/15 15:10
 https://reurl.cc/lDxQVQ
 檔案在這裡 拜託 我很想知道你算的結果
 請回在板上 感激不盡
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:14:30
→ billchen123: 你把結果分享到 DataScience 大家也會這樣問你118F 08/15 15:14
 我在前面回覆過了，我在這裡的方法簡略
 我不是要寫論文 發期刊，我單純回覆前原PO的問題
 你覺得我不對，我想知道你對的方法，拜託
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:16:41
→ billchen123: 不是誰做的問題  你資料就是要切分來驗證你的精準度119F 08/15 15:15
 你知道AIC 跟SIC嗎?
推 fancyrex: 推120F 08/15 15:15
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:17:26
→ billchen123: 阿你的過程就不對阿  怎麼回原PO?
你拿AIC BIC之類的檢定  檢定過了然後勒? 就可信?121F 08/15 15:19
 我資料給你了 你做一次正確的嘛
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:20:31
→ billchen123: 你資料用同一組就不可信了 建議你去看機器學習的書123F 08/15 15:20
  機器學習很強大我知道，
  那請用機器學習做一遍，我想看看
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:24:03
→ billchen123: 就說不是誰做的問題了  是你基本建模概念就錯了
你給我錢    我來做啊   免費教你喔?
只是呼籲股版版友  你這結論不可信  看得懂的人就懂166筆資料  你要切分  100筆訓練  66筆測試   加油~124F 08/15 15:22
  我幹嘛給你錢，你要說人家不對，那你把對的拿出來阿
  指摘別人有錯很容易，自己做一遍很困難?
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:25:22
→ billchen123: 等你做出來結果很棒的話   歡迎你繼續分享128F 08/15 15:24
推 jim0611tw: Bill說的沒有錯 你的測試是不能被包含在訓練集中的129F 08/15 15:26
  機器學習要訓練
  我用時間序列分析法，沒有"訓練"這兩個字
  另外交大碩論 關於房地產波動分析
  https://reurl.cc/51AvZM
  有哪個地方會用到關於你講的"訓練"

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:32:32
推 Dontco: B嘴別人 結果自己拿不出東西 真的很棒
動張嘴最容易 真的猛130F 08/15 15:32
→ billchen123: 另外  你的結果看似是某些統計套裝軟體做出來的132F 08/15 15:32
 對 我該死 我用Eviews
 我沒有用matlab spss
 我想知道現在哪個做時間序列的不用計量軟體
 你到底做不做嘛
→ Dontco: 被嗆自己也寫一篇就說給錢才做 股板尼克星?133F 08/15 15:33
→ billchen123: 你把資料集切分  開來   左鍵按一按就出來了134F 08/15 15:33
推 jim0611tw: 受教135F 08/15 15:33
推 williamllll: 原po只有要「解釋」，沒說要「預測」耶，在扯train-test的要不想一下這樣的資料量夠training嗎136F 08/15 15:33
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:35:10
→ williamllll: ML玩多了，都忘了統計學的初衷了嗎138F 08/15 15:34
→ jim0611tw: 你要硬train 一發也是沒有問題啊哈哈139F 08/15 15:34
→ billchen123: 你不能夠預測的東西  你的模型解釋都不會有問題嗎?你隨便拿個溫度資料或者醫生人數 也能做出一樣的結140F 08/15 15:34
 關係跟預測 你要不要稍微分一下
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:36:08
→ williamllll: 你知道有一門數學叫「統計推論」嗎142F 08/15 15:35
→ billchen123: 只要你的資料集都不切分的狀況  你都能做出來
統計推論  也是會看測試精準度的 你只看訓練精準度?143F 08/15 15:35
 機器學習我不會，我只會基因演算法，
 自己寫CODE 可以解推銷員旅行問題程度而已
 時間序列分析能不能用訓練的，我不知道
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:39:08
推 Dontco: 股板尼克星不要在這邊嘴別原PO了 趕快發一篇145F 08/15 15:37
推 williamllll: Bill,你是大學生嗎146F 08/15 15:38
→ jim0611tw: 我如果是Bill確實是不會想花時間正確做一次
但我會道歉XD147F 08/15 15:39
→ billchen123: 好吧 我道歉我說了 花錢我就做 這句話  真心認錯XD但是我也真心不想做一遍給大家看XD  方法都講了= =149F 08/15 15:40
 機器學習很強大
 我另外有花時間學，用在股票分析還不錯
 如果有機會也請你指教
 謝謝你的意見
→ jim0611tw: 原來Bill是Stock 尼克星 我會好好記住他的XD151F 08/15 15:41
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:43:54
→ jim0611tw: 不不不 我沒有要你道歉的意思 你沒有錯幹嘛道歉 我是已經被打臉才道歉的
誒 不是誒 怎麼開始互相鞠躬握手言和了
我要看到血流成河啊152F 08/15 15:42
^^
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:46:29
→ billchen123: 尼克星是啥鬼= =?156F 08/15 15:49
推 hololive45P: 專業157F 08/15 16:01
推 linlpc: 推，股版還能有這類文章是好事158F 08/15 16:02
推 Ischolar: 從八零年代開始是一路降息，美債走了四十年牛市，考慮房市跟利率關係，這個樣本區間恐怕不適用未來159F 08/15 16:10
 你說的對
 所以分析能力有時間區間的限制，我能拿到的資料只能從1982起
 房價資料要更早不好找
推 oneIneed: 推認真分析161F 08/15 16:15
噓 billchen123: 回應一下    你做出模型的同時   就是「訓練」所以所以產生權重這個結果來讓你預測   評估模型好壞
模型的測試精準度夠好  才會再去探討因果關係
推回一個  認真做出結果來分享  精神可嘉162F 08/15 16:16
 我大概知道你想表達的
 FED 以往會參考 泰勒法則
 i = r* + π + 0.5(π - π*) + 0.5(u - u*)
 https://master.get.com.tw/economics/detail.aspx?no=420144
什麼是泰勒法則呢？-高點研究所
劉邦啟,泰勒法則,名目利率,通貨膨脹,目標通膨,指標利率,央行制訂利率目標時，有一套清晰的利率制定行為準則，列示如下： ...

 
 或是FED 紐約分行預測 經濟衰退機率的模型
 https://www.newyorkfed.org/research/capital_markets/ycfaq#/interactive
The Yield Curve as a Leading Indicator - FEDERAL RESERVE BANK of NEW YORK
This model uses the slope of the yield curve, or the “term spread” between long- and short-term interest rates, to calculate the probability of a rece ...

 
 係數
 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.

 這些跟訓練甚麼的是沒有關係的
 關於精度，在時間序列裡面有類似的檢定方式
 這裡就不獻醜了。
 上面兩個模型 都是很古典經典的模型，reference 也超多
 就這樣吧!! 謝謝你的指教
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 16:50:34
推 gghhgghh: 推你沒收錢的專業分析166F 08/15 16:52
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 16:56:23
→ billchen123: 上面的文獻跟訓練沒關係 但是你建立時間序列模型跟訓練有關係阿  精度的檢定  應該還是要切分資料集167F 08/15 17:15
推 h2894675: 感謝分享169F 08/15 17:29
推 johnny0322: 專業推170F 08/15 17:37
推 Iperfection: 這篇文和推文真是乾貨滿滿 大家快來看看
不過看了幾遍還是不懂bill大質疑的點是什麼171F 08/15 18:19
推 chkawong: 好文必須推！173F 08/15 18:57
推 elainakuo: 專業推174F 08/15 19:04
推 agvnol: 優文，推175F 08/15 19:46
推 hanhsiangmax: 推176F 08/15 19:56
推 Zaqjim: 升息不會影響房價 不要挑戰央行好嗎177F 08/15 21:02
推 herculus6502: t大b大兩人背景不同，術業有專攻，沒什麼好戰的178F 08/15 21:23
→ het97306: 符合統計學理論的東西，不懂B是在現啥？179F 08/15 21:46
推 linja: 推180F 08/15 22:47
推 delightboy: 推181F 08/15 23:19
推 Jimmy030489: 大湯姆改叫大波動?!182F 08/15 23:24
推 expertsaid: 某樓滿嘴專業 嘴砲老半天的時間早就能做一篇出來了 笑死 在耍什麼猴戲183F 08/15 23:46
推 fioo: 推185F 08/16 00:02
推 savemysoul: 所以升息不是浮木，那央行就是不敢升186F 08/16 00:20
推 Crazyloveyou: 預測房價慢慢走跌 2023/08/16187F 08/16 01:30
→ MiniArse: 你的資料有問題，2008-2009 台北市房價有下跌
www.mygonews.com/news/detail/news_id/7868
台北人肯定有感。不曉得為什麼你的資料呈現不出來還有2020年初 疫情剛爆發時 甜甜價大概維持了幾個月188F 08/16 01:53
推 JohnGalt: 要切分訓練集和測試集是因為要tune超參數，這種AR模型又沒超參數
而且時間序列資料就是前後有相關，要做頂多就rolling window吧，結果應該也差不多
166筆資料要切訓練集也蠻搞笑的，是不是會用鐵槌以後看所有東西都變釘子？192F 08/16 07:04
推 andyHYK1998: 太專業推198F 08/16 08:00
→ billchen123: 所以只有166筆資料 你訓練後拿整份資料來驗證? 笑死原PO現在的做法就是訓練166筆  你驗證也拿這166筆例如你小孩寫考古題訓練 結果考試跟考古題一模一樣你小孩考100分  你會說他厲害嗎?
然後接著探討小孩這麼厲害的因果關係 ?
你應該會拿不一樣的題目來「驗證」吧199F 08/16 09:28
推 JohnGalt: 你不用廢話那麼多，資料原po也給了，示範一下你要怎麼分割資料跑AR model205F 08/16 09:43
噓 billchen123: 分割資料都不會喔? 這樣還敢大放厥詞阿 切蛋糕不會?不驗證 你放溫度 醫生數量 放N個變數都會顯著
AR模型做出來  拿別的資料來驗證都不會? 就不要丟臉我講的東西用一句廢話帶過 比切分資料驗證還簡單ZZ207F 08/16 09:49
※ 編輯: tompi (210.61.151.146 臺灣), 08/16/2023 10:09:32
推 JohnGalt: 我當然知道怎麼切，你怎麼瞎弄也要結果真的顯著不同才有意義211F 08/16 09:58
噓 billchen123: 所以你拿看似相關的變數瞎弄  也會顯著啊?
AR_Model100筆資料做出來 然後預測66筆 拿66筆真值驗證213F 08/16 09:59
推 JohnGalt: 當全世界只有你知道ML?216F 08/16 10:00
→ billchen123: 很難??  這樣很難??  沒驗證的結果就沒必要探討因果你應該針對我提出的質疑回復  不是誰懂得問題
沒有說誰厲害   但是原po的結果沒有驗證就探討因果這是錯誤示範217F 08/16 10:01
→ JohnGalt: 你根本就搞錯重點，這又不是在比預測準度。讓你拿前100筆跑個相同模型好了，然後呢？你解釋會不一樣嗎？
要探討因果的問題不在他沒分割資料好嗎？你再怎麼割也割不出因果關係221F 08/16 10:03
→ billchen123: 討論到這吧  我不想再花時間說明 上面說明很清楚了226F 08/16 10:05
 我猜想 理組跟我這社會組學的 還是有點不同
 看待資料的方式不一樣
 我自己是學 時間序利分析與波動預測的
 我這邊放一篇中央銀行的委外研究
 https://reurl.cc/v7Z2gL
 房論房價泡沫風險，教授們做的大致上用 ARIMA-GARCH
 用的檢定方式比較新，
 ARIMA 跟 AR 差在 I 整合階次與MA項 誤差修正項
 GARCH 呢是因為傳統殘差假設常態分配，但GARCH可以解釋非常配分配
 我用166筆，從1982年起
 該委外研究是從1991年起，比我的資料還短
 但無礙於分析的結論

 至於我計算的部分，就別認真了。
 如果計算有錯，版主也m了我也刪不掉了，我就承擔了。
 勿傷了和氣
※ 編輯: tompi (210.61.151.146 臺灣), 08/16/2023 10:10:30
推 JohnGalt: 簡單說2021的諾貝爾經濟學獎就是頒給做因果分析的，如果切資料能切出因果分析，真的不要廢話，直接發一篇論文教大家怎麼做研究就好
因果推論問題的本質是我們既無法做實驗也只能觀察到樣本一次，我看不出切分資料要怎麼解決這個問題原po做的不是真正意義上的因果沒錯，但這是股板又不是發論文，弄個初步結果講個合理的故事就差不多了227F 08/16 10:19
噓 billchen123: 原PO想要做因果關係分析  但是你拿不相關的變數也也能做出來  就像是我舉例的  溫度  醫生人數
你不驗證你的因果模型就直接產出結論說這變數有因果我認為不可靠的  因為模型沒有驗證
我直接舉例原po的因果結果好了
結論是預測2023Q2房價變數  與 2022Q1台灣指數YOY以及2021Q4YOY 台灣指數 有因果關係  你相信?235F 08/16 11:01
推 JohnGalt: 你要質疑因果推論ok，但你提的方案也不能解決這問題啊
而且回歸原本股市跟房價的問題，至少能看出相較股市，其他總體因素更與房價相關
你真的覺得把資料切一切會很到不同結論嗎？？242F 08/16 11:22
→ billchen123: 資料切分  是拿來驗證... 你看清楚上面我講的東西另外你可能覺得建立AR模型不是訓練  但其實數學原理就是訓練個過程  因為線性回歸模型就是「公式解」找找出(Y - Y_hat)最小的 權重組合 跟ML訓練是一樣的把資料切分  另一部分資料驗證後  發現結果差異大代表你的AR模型 Overfitting代表你的因果關係是錯的247F 08/16 11:39
推 kyukyu: 基努李維.jpg253F 08/16 12:03
噓 billchen123: 另外因果模型當然可以預測，你不是都說你找到因果關係了，那就能夠預測啊，未來的房價變數反應你的因果關係啊？254F 08/16 12:06
→ JohnGalt: 你應該是沒分清楚預測跟因果推論的差異在哪
你提的只是怎麼改善樣本外預測能力的方法
比方說拿室外撐傘人數比率來預測有沒有下雨一定很準但不代表撐傘會造成下雨
那些訓練驗證大家都知道好嗎, 你要質疑因果性也不是拿這個來質疑257F 08/16 13:40

--