Re: [請益] 股市如果崩盤房市一起崩嗎？

tompi 發表於 2023/8/15 上午11:28:00

看板Stock標題Re: [請益] 股市如果崩盤房市一起崩嗎？作者

(大波動)時間Aug 15 11:28:00 2023推噓爆推:124 噓:9 →:136

※ 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

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% <= 實質正利率

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
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

※ PTT留言評論

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 210.61.151.146 (臺灣)

※ PTT 網址

推

PitzMan 08/15 11:28專業推LoL

→

LiamTiger 08/15 11:29別忘了房子7%投報率是開了3倍的槓桿在賺的

→

LiamTiger 08/15 11:29而且還沒有像股票有顯著且週期性的大回檔

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 08/15 11:30謝分享

推

fman 08/15 11:32寫的很好，已有產業報告的水準了，謝謝

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 08/15 11:32謝謝分享

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 11:35:35

推

enamor753 08/15 11:35感謝分享

推

BaoBao17 08/15 11:37感謝分享

推

icou 08/15 11:37謝分析

推

KKlin813 08/15 11:38跟我想的一樣但我寫不出來XD 大推

推

a281393 08/15 11:38專業推

推

ivan1116 08/15 11:40好專業

推

a633599 08/15 11:40結論無腦多 allin 信義房屋

推

hellogym 08/15 11:40台北2015-16跌是因為前面漲太凶了Orz

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 08/15 11:41專業推

推

bigpan 08/15 11:42只會漲一定賺閉眼allin

推

sdhpipt 08/15 11:42個人偏見:房市股市根本連動不大兩個多空週期差太

→

sdhpipt 08/15 11:42多了一個是十年起跳一個是幾個月漲跌循環

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 11:48:33

推

tanchuchan 08/15 11:44專業推研究所的東西忘光光了

推

hwei9582905 08/15 11:45請問正2漲幅追得到房價漲幅嗎？

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 08/15 11:45看到預測模型變數設定好懷念

推

iamala 08/15 11:45房子五倍的資金有上限。

推

bluefish520 08/15 11:45看不懂但是推

推

EKman 08/15 11:47槓桿跟回檔都不是什麼特別的優勢或劣勢

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 11:50:12

推

stlinman 08/15 11:50台灣居民還有上槓桿的空間，政策利多下去很難跌啦!

推

wald5566 08/15 11:52那房市崩股市會一起蹦嗎

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 08/15 11:52專業推

推

Iperfection 08/15 11:52通膨讓房價下跌漲電價導致通膨所以讓台電虧損是

→

Iperfection 08/15 11:52打房黑魔法

推

Homeparty 08/15 11:53這問題應該逆向思考，房價跌股票是否跌，很明顯

推

lyxiang 08/15 11:58專業推

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 12:01:16

推

clotilde 08/15 11:59股市一定比房市先崩房市反應慢很多

→

rbelldandy 08/15 12:01不可能,只要不是美國崩都不會崩類似2008很難再一次

推

maxboy06 08/15 12:01大部分年份股市崩還沒崩到房價國安基金就進場了

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 08/15 12:02推統計

推

poisonB 08/15 12:02推一個有數據分析

推

william85 08/15 12:02推感謝大大寫到讓我看得懂

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 12:07:34

推

p58730 08/15 12:08這是你的論文？

我畢業超久了，另外寫這樣叫論文被電翻了

推

s8752134 08/15 12:18算股息但不算租金?

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 08/15 12:22股市崩盤再來是人民失業房市才崩

推

jheli 08/15 12:25房市要反轉感覺要等九年級生成為買房主力才可能

推

abcrr123 08/15 12:26專業推，影響房價最大的一直都是利率

→

akirapai 08/15 12:27我靠記憶只有sars房價下來有感過…

→

Homeparty 08/15 12:28九年級人口數...要成為主力差距很大

推

jimmytaipei 08/15 12:29推分析

→

kevinmeng2 08/15 12:29房價大概只剩戰爭會跌了吧

推

KaYan 08/15 12:30感謝分享

推

lrac 08/15 12:34請問大大用的這個數據分析方法叫什麼呢

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 08/15 12:39謝謝

→

ShiuanRefuel08/15 12:40價格指數就已經含息了你又再算一次

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 08/15 12:40專業推

→

ShiuanRefuel08/15 12:41然後你是算台北的房價的報酬率還是算台灣的報酬率

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 08/15 12:47感謝分享

推

FCPEWN375 08/15 12:48專業推

推

nthukos 08/15 12:48大波動大必推

推

taikouhncheu08/15 12:50六都都來玩一下，南部應該會發現有趣的點

推

ecnecsinimer08/15 12:54八卦是不看數字的，憑感覺才準啦

→

ShiuanRefuel08/15 12:54抱歉是我誤會了我以為你用報酬指數

沒事

推

herculus650208/15 12:55有神快拜

推

cityhunter0408/15 12:55專業分析給推

推

ymfx000a 08/15 12:56政策不改房市不可能降就算政府提出新政策立院會

→

ymfx000a 08/15 12:56不會排審會不會過都是問題

推

hypeng 08/15 12:56推分享

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 12:58:02

推

NGCviola 08/15 13:00專業推

推

leveger0903 08/15 13:02有房產的好處是可以用房貸增貸出來在股市滾錢賺中

→

leveger0903 08/15 13:02間的利差畢竟房貸還是所有貸款利息成本最低的但

→

leveger0903 08/15 13:02相對槓桿開得太大也會有風險

推

swxxswxx 08/15 13:03高手在民間

→

ShiuanRefuel08/15 13:04挺訝異的 CPI和房價是負相關？？

推

s9545012 08/15 13:04這樣意思是要穩穩賺錢，買房比存股中華電好嗎？房

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 08/15 13:04更不跌，報酬也更高？

推

thelmalin 08/15 13:04推

推

bbo40453 08/15 13:07推模型

推

EvilKnight 08/15 13:08感謝

推

nutrino 08/15 13:09推研究雖然這種研究沒有一定準的

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 13:13:32

推

dragonjj 08/15 13:12我反而覺得股價崩盤房市會上漲不然錢要流去哪?

推

yamitis 08/15 13:15可是房子可以開5倍槓桿

推

dragonjj 08/15 13:18買正2我不如買期貨還可以省手續費槓桿更大不過

→

dragonjj 08/15 13:18保證金要多留一點不能被嘎空!

→

zhi5566 08/15 13:29正負幫你強力洗籌碼怎麼會崩房地和一的精神是什麼

→

zhi5566 08/15 13:30就是政府插一股和黑道收保護差不多

推

k85564 08/15 13:30房子有槓桿啊

推

aaaaaaaa9 08/15 13:34這故事不錯！

推

icou 08/15 13:45正2就是花錢請人幫你玩期也不是壞事就是了

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 08/15 13:48大大能分析一下證所稅把資金趕去炒房的影響ㄇ

→

iWatch2 08/15 13:48當時股板最熱話題

推

Bruroc 08/15 13:51推

推

kurapica110608/15 13:59大師

推

ishowhand 08/15 14:09專業推

推

AlexLeee 08/15 14:09先推ID再看

推

LinYingLi 08/15 14:14謝謝分享

推

johnsonhoj 08/15 14:16感謝分享

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 14:27:01

推

daniel0202 08/15 14:33厲害

推

jackeywu200308/15 14:34推

推

AlexanderIn 08/15 14:41專業推，最主要是看連動的關聯性，所以政府最後底

→

AlexanderIn 08/15 14:41線就是止血房產，當然每個國家玩法不同

推

Jinstar 08/15 14:48好文受用

推

billchen123 08/15 14:48從你的Actual和fit來看，你該不會test結果是用訓練

推

yyls123 08/15 14:48賴清德看到了沒

→

billchen123 08/15 14:48資料吧? 這樣當然會預測值這麼貼近真實值

→

billchen123 08/15 14:49訓練資料166筆從圖片的X軸來看差不多也是166筆

→

billchen123 08/15 14:49若你用同樣的資料訓練模型後再預測，當然看起來準

→

billchen123 08/15 14:58你的模型沒辦法解釋因果的先後順序

→

billchen123 08/15 14:59只能解釋股市對房價有影響權重也才0.09

→

billchen123 08/15 15:00按照你的邏輯把Y放成台灣指數 X放房價相關變數

→

billchen123 08/15 15:00也能解釋成房價反應有波動後台灣指數才有變動

→

billchen123 08/15 15:02此外你的台灣指數還放前5期與前6期來預測房價變數?

你可以做一次然後回在版上嗎? 謝謝

推

xxxhorseshoe08/15 15:02專業推

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:04:39

→

billchen123 08/15 15:04預測2023Q2房價變數拿2022Q1台灣指數YOY來預測?

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 08/15 15:05你可以回應我的問題就能夠判別這預測模型可不可信

不信你可以右轉啊

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:06:21

→

billchen123 08/15 15:06訓練與測試資料是不是拿同一組資料來做的?

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 08/15 15:06是的話就基本上不用相信了也不要誤導

→

billchen123 08/15 15:07你的訓練精準度當然高你要用你沒訓練到的資料測試

→

billchen123 08/15 15:08才能夠正確評價你的模型精準度

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 08/15 15:10你計算beta可以啊但是你模型沒有驗證直接拿訓練

→

billchen123 08/15 15:10你的166筆數據要切分 100訓練 66測試

→

billchen123 08/15 15:11你的66筆能夠完美預測成功才能說你的模型成功

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 08/15 15:14你把結果分享到 DataScience 大家也會這樣問你

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 08/15 15:15不是誰做的問題你資料就是要切分來驗證你的精準度

你知道AIC 跟SIC嗎?

推

fancyrex 08/15 15:15推

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:17:26

→

billchen123 08/15 15:19阿你的過程就不對阿怎麼回原PO?

→

billchen123 08/15 15:19你拿AIC BIC之類的檢定檢定過了然後勒? 就可信?

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 08/15 15:20你資料用同一組就不可信了建議你去看機器學習的書

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 08/15 15:22就說不是誰做的問題了是你基本建模概念就錯了

→

billchen123 08/15 15:22你給我錢我來做啊免費教你喔?

→

billchen123 08/15 15:23只是呼籲股版版友你這結論不可信看得懂的人就懂

→

billchen123 08/15 15:23166筆資料你要切分 100筆訓練 66筆測試加油~

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 08/15 15:24等你做出來結果很棒的話歡迎你繼續分享

推

jim0611tw 08/15 15:26Bill說的沒有錯你的測試是不能被包含在訓練集中的

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 08/15 15:32B嘴別人結果自己拿不出東西真的很棒

→

Dontco 08/15 15:32動張嘴最容易真的猛

→

billchen123 08/15 15:32另外你的結果看似是某些統計套裝軟體做出來的

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 08/15 15:33被嗆自己也寫一篇就說給錢才做股板尼克星?

→

billchen123 08/15 15:33你把資料集切分開來左鍵按一按就出來了

推

jim0611tw 08/15 15:33受教

推

williamllll 08/15 15:33原po只有要「解釋」，沒說要「預測」耶，在扯trai

→

williamllll 08/15 15:33n-test的要不想一下這樣的資料量夠training嗎

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:35:10

→

williamllll 08/15 15:34ML玩多了，都忘了統計學的初衷了嗎

→

jim0611tw 08/15 15:34你要硬train 一發也是沒有問題啊哈哈

→

billchen123 08/15 15:34你不能夠預測的東西你的模型解釋都不會有問題嗎?

→

billchen123 08/15 15:35你隨便拿個溫度資料或者醫生人數也能做出一樣的結

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 08/15 15:35你知道有一門數學叫「統計推論」嗎

→

billchen123 08/15 15:35只要你的資料集都不切分的狀況你都能做出來

→

billchen123 08/15 15:36統計推論也是會看測試精準度的你只看訓練精準度?

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 08/15 15:37股板尼克星不要在這邊嘴別原PO了趕快發一篇

推

williamllll 08/15 15:38Bill,你是大學生嗎

→

jim0611tw 08/15 15:39我如果是Bill確實是不會想花時間正確做一次

→

jim0611tw 08/15 15:39但我會道歉XD

→

billchen123 08/15 15:40好吧我道歉我說了花錢我就做這句話真心認錯XD

→

billchen123 08/15 15:41但是我也真心不想做一遍給大家看XD 方法都講了= =

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 08/15 15:41原來Bill是Stock 尼克星我會好好記住他的XD

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:43:54

→

jim0611tw 08/15 15:42不不不我沒有要你道歉的意思你沒有錯幹嘛道歉我

→

jim0611tw 08/15 15:42是已經被打臉才道歉的

推

jim0611tw 08/15 15:45誒不是誒怎麼開始互相鞠躬握手言和了

→

jim0611tw 08/15 15:45我要看到血流成河啊

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:46:29

→

billchen123 08/15 15:49尼克星是啥鬼= =?

推

hololive45P 08/15 16:01專業

推

linlpc 08/15 16:02推，股版還能有這類文章是好事

推

Ischolar 08/15 16:10從八零年代開始是一路降息，美債走了四十年牛市，考

→

Ischolar 08/15 16:10慮房市跟利率關係，這個樣本區間恐怕不適用未來

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 08/15 16:15推認真分析

噓

billchen123 08/15 16:16回應一下你做出模型的同時就是「訓練」所以

→

billchen123 08/15 16:17所以產生權重這個結果來讓你預測評估模型好壞

噓

billchen123 08/15 16:23模型的測試精準度夠好才會再去探討因果關係

推

billchen123 08/15 16:43推回一個認真做出結果來分享精神可嘉

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

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

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 08/15 16:52推你沒收錢的專業分析

※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 16:56:23

→

billchen123 08/15 17:15上面的文獻跟訓練沒關係但是你建立時間序列模型跟

→

billchen123 08/15 17:17訓練有關係阿精度的檢定應該還是要切分資料集

推

h2894675 08/15 17:29感謝分享

推

johnny0322 08/15 17:37專業推

推

Iperfection 08/15 18:19這篇文和推文真是乾貨滿滿大家快來看看

推

Iperfection 08/15 18:52不過看了幾遍還是不懂bill大質疑的點是什麼

推

chkawong 08/15 18:57好文必須推！

推

elainakuo 08/15 19:04專業推

推

agvnol 08/15 19:46優文，推

推

hanhsiangmax08/15 19:56推

推

Zaqjim 08/15 21:02升息不會影響房價不要挑戰央行好嗎

推

herculus650208/15 21:23t大b大兩人背景不同，術業有專攻，沒什麼好戰的

→

het97306 08/15 21:46符合統計學理論的東西，不懂B是在現啥？

推

linja 08/15 22:47推

推

delightboy 08/15 23:19推

推

Jimmy030489 08/15 23:24大湯姆改叫大波動?!

推

expertsaid 08/15 23:46某樓滿嘴專業嘴砲老半天的時間早就能做一篇出來了

→

expertsaid 08/15 23:46 笑死在耍什麼猴戲

推

fioo 08/16 00:02推

推

savemysoul 08/16 00:20所以升息不是浮木，那央行就是不敢升

推

Crazyloveyou08/16 01:30預測房價慢慢走跌 2023/08/16

→

MiniArse 08/16 01:53你的資料有問題，2008-2009 台北市房價有下跌

→

MiniArse 08/16 01:54www.mygonews.com/news/detail/news_id/7868

→

MiniArse 08/16 01:54台北人肯定有感。不曉得為什麼你的資料呈現不出來

→

MiniArse 08/16 01:56還有2020年初疫情剛爆發時甜甜價大概維持了幾個月

推

JohnGalt 08/16 07:04要切分訓練集和測試集是因為要tune超參數，這種AR

→

JohnGalt 08/16 07:04模型又沒超參數

→

JohnGalt 08/16 07:07而且時間序列資料就是前後有相關，要做頂多就roll

→

JohnGalt 08/16 07:07ing window吧，結果應該也差不多

推

JohnGalt 08/16 07:13166筆資料要切訓練集也蠻搞笑的，是不是會用鐵槌以

→

JohnGalt 08/16 07:13後看所有東西都變釘子？

推

andyHYK1998 08/16 08:00太專業推

→

billchen123 08/16 09:28所以只有166筆資料你訓練後拿整份資料來驗證? 笑死

→

billchen123 08/16 09:28原PO現在的做法就是訓練166筆你驗證也拿這166筆

→

billchen123 08/16 09:29例如你小孩寫考古題訓練結果考試跟考古題一模一樣

→

billchen123 08/16 09:30你小孩考100分你會說他厲害嗎?

噓

billchen123 08/16 09:34然後接著探討小孩這麼厲害的因果關係 ?

噓

billchen123 08/16 09:39你應該會拿不一樣的題目來「驗證」吧

推

JohnGalt 08/16 09:43你不用廢話那麼多，資料原po也給了，示範一下你要

→

JohnGalt 08/16 09:43怎麼分割資料跑AR model

噓

billchen123 08/16 09:49分割資料都不會喔? 這樣還敢大放厥詞阿切蛋糕不會?

→

billchen123 08/16 09:51不驗證你放溫度醫生數量放N個變數都會顯著

→

billchen123 08/16 09:51AR模型做出來拿別的資料來驗證都不會? 就不要丟臉

→

billchen123 08/16 09:54我講的東西用一句廢話帶過比切分資料驗證還簡單ZZ

※ 編輯: tompi (210.61.151.146 臺灣), 08/16/2023 10:09:32

推

JohnGalt 08/16 09:58我當然知道怎麼切，你怎麼瞎弄也要結果真的顯著不

→

JohnGalt 08/16 09:58同才有意義

噓

billchen123 08/16 09:59所以你拿看似相關的變數瞎弄也會顯著啊?

→

billchen123 08/16 10:00AR_Model100筆資料做出來然後預測66筆拿66筆真值

→

billchen123 08/16 10:00驗證

推

JohnGalt 08/16 10:00當全世界只有你知道ML?

→

billchen123 08/16 10:01很難?? 這樣很難?? 沒驗證的結果就沒必要探討因果

→

billchen123 08/16 10:02你應該針對我提出的質疑回復不是誰懂得問題

→

billchen123 08/16 10:02沒有說誰厲害但是原po的結果沒有驗證就探討因果

→

billchen123 08/16 10:02這是錯誤示範

→

JohnGalt 08/16 10:03你根本就搞錯重點，這又不是在比預測準度。讓你拿

→

JohnGalt 08/16 10:03前100筆跑個相同模型好了，然後呢？你解釋會不一樣

→

JohnGalt 08/16 10:03嗎？

→

JohnGalt 08/16 10:04要探討因果的問題不在他沒分割資料好嗎？你再怎麼

→

JohnGalt 08/16 10:04割也割不出因果關係

→

billchen123 08/16 10:05討論到這吧我不想再花時間說明上面說明很清楚了

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 08/16 10:19簡單說2021的諾貝爾經濟學獎就是頒給做因果分析的

→

JohnGalt 08/16 10:19，如果切資料能切出因果分析，真的不要廢話，直接

→

JohnGalt 08/16 10:19發一篇論文教大家怎麼做研究就好

→

JohnGalt 08/16 10:24因果推論問題的本質是我們既無法做實驗也只能觀察

→

JohnGalt 08/16 10:24到樣本一次，我看不出切分資料要怎麼解決這個問題

推

JohnGalt 08/16 10:30原po做的不是真正意義上的因果沒錯，但這是股板又

→

JohnGalt 08/16 10:30不是發論文，弄個初步結果講個合理的故事就差不多

→

JohnGalt 08/16 10:30了

噓

billchen123 08/16 11:01原PO想要做因果關係分析但是你拿不相關的變數也

→

billchen123 08/16 11:01也能做出來就像是我舉例的溫度醫生人數

→

billchen123 08/16 11:02你不驗證你的因果模型就直接產出結論說這變數有因果

→

billchen123 08/16 11:03我認為不可靠的因為模型沒有驗證

→

billchen123 08/16 11:03我直接舉例原po的因果結果好了

→

billchen123 08/16 11:06結論是預測2023Q2房價變數與 2022Q1台灣指數YOY

→

billchen123 08/16 11:07以及2021Q4YOY 台灣指數有因果關係你相信?

推

JohnGalt 08/16 11:22你要質疑因果推論ok，但你提的方案也不能解決這問

→

JohnGalt 08/16 11:22題啊

推

JohnGalt 08/16 11:32而且回歸原本股市跟房價的問題，至少能看出相較股

→

JohnGalt 08/16 11:32市，其他總體因素更與房價相關

推

JohnGalt 08/16 11:35你真的覺得把資料切一切會很到不同結論嗎？？

→

billchen123 08/16 11:39資料切分是拿來驗證... 你看清楚上面我講的東西

→

billchen123 08/16 11:39另外你可能覺得建立AR模型不是訓練但其實數學原理

→

billchen123 08/16 11:40就是訓練個過程因為線性回歸模型就是「公式解」找

→

billchen123 08/16 11:41找出(Y - Y_hat)最小的權重組合跟ML訓練是一樣的

→

billchen123 08/16 11:42把資料切分另一部分資料驗證後發現結果差異大

→

billchen123 08/16 11:43代表你的AR模型 Overfitting代表你的因果關係是錯的

推

kyukyu 08/16 12:03基努李維.jpg

噓

billchen123 08/16 12:06另外因果模型當然可以預測，你不是都說你找到因果

→

billchen123 08/16 12:06關係了，那就能夠預測啊，未來的房價變數反應你的

→

billchen123 08/16 12:06因果關係啊？

→

JohnGalt 08/16 13:40你應該是沒分清楚預測跟因果推論的差異在哪

→

JohnGalt 08/16 13:41你提的只是怎麼改善樣本外預測能力的方法

→

JohnGalt 08/16 13:53比方說拿室外撐傘人數比率來預測有沒有下雨一定很準

→

JohnGalt 08/16 13:53但不代表撐傘會造成下雨

→

JohnGalt 08/16 13:54那些訓練驗證大家都知道好嗎, 你要質疑因果性也不是

→

JohnGalt 08/16 13:54拿這個來質疑

推

Mosin 08/16 20:04為什麼通膨反而會讓房價下降? 有什麼方式能夠解釋

通膨後央行會升息，升到超過通膨率後若形成正實質利率房價會進一步下跌

※ 編輯: tompi (125.229.208.164 臺灣), 08/16/2023 20:58:41

噓

billchen123 08/17 14:02你分不清楚因果關係跟預測就是一樣的好嗎?

→

billchen123 08/17 14:03你推論就是要驗證驗證就是要預測冥頑不靈ㄟ

→

billchen123 08/17 14:04經濟系亂用統計工具的結果就像這篇一樣呵呵呵

→

billchen123 08/17 14:04不懂統計原理然後亂用統計工具與檢定

閣下您已經有點人身攻擊跟毀謗了關於時間序列部分，"亂用"二字你是沒有根據的如果你也是研究生畢業的，大家論文都經過審查放在國圖關於因果關係，我是採用granger causality test 如果你不同意我的分享，我資料也給你了，你要就在板上認真算一遍，否則就不要再發言了此外你亂說的部分，如果你不提出道歉，我會向相關單位檢舉

※ 編輯: tompi (210.61.151.146 臺灣), 08/17/2023 14:41:30 ※ 編輯: tompi (210.61.151.146 臺灣), 08/17/2023 14:42:01

推

overshoot 08/17 20:15推厲害

推

phyaim 08/18 11:24有數據分析給推有結論再推

同系列文章

[請益] 股市如果崩盤房市一起崩嗎？