› 看板 Stock 關於我們 聯絡資訊
作者tompi (大波動)
看板Stock
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 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 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 210.61.151.146 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/Stock/M.1692070083.A.088.html
推 PitzMan : 專業推LoL 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 08/15 11:29
→ LiamTiger : 而且還沒有像股票有顯著且週期性的大回檔 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 08/15 11:30
推 fman : 寫的很好，已有產業報告的水準了，謝謝 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 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 08/15 11:35
推 BaoBao17 : 感謝分享 08/15 11:37
推 icou : 謝分析 08/15 11:37
推 KKlin813 : 跟我想的一樣 但我寫不出來XD 大推 08/15 11:38
推 a281393 : 專業推 08/15 11:38
推 ivan1116 : 好專業 08/15 11:40
推 a633599 : 結論 無腦多 allin 信義房屋 08/15 11:40
推 hellogym : 台北2015-16跌是因為前面漲太凶了Orz 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 08/15 11:41
推 bigpan : 只會漲 一定賺 閉眼allin 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 08/15 11:42
→ sdhpipt : 多了 一個是十年起跳 一個是幾個月漲跌循環 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 08/15 11:44
推 hwei9582905 : 請問正2漲幅追得到房價漲幅嗎？ 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 08/15 11:45
推 iamala : 房子五倍的資金有上限。 08/15 11:45
推 bluefish520 : 看不懂但是推 08/15 11:45
推 EKman : 槓桿跟回檔都不是什麼特別的優勢或劣勢 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! 08/15 11:50
推 wald5566 : 那房市崩 股市會一起蹦嗎 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 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 08/15 11:52
→ Iperfection : 打房黑魔法 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 08/15 11:53
推 lyxiang : 專業推 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 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 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 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 08/15 12:02
推 poisonB : 推一個 有數據分析 08/15 12:02
推 william85 : 推 感謝大大寫到讓我看得懂 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？ 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? 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 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 08/15 12:25
推 abcrr123 : 專業推，影響房價最大的一直都是利率 08/15 12:26
→ akirapai : 我靠記憶只有sars房價下來有感過… 08/15 12:27
→ Homeparty : 九年級人口數...要成為主力差距很大 08/15 12:28
推 jimmytaipei : 推分析 08/15 12:29
→ kevinmeng2 : 房價大概只剩戰爭會跌了吧 08/15 12:29
推 KaYan : 感謝分享 08/15 12:30
推 lrac : 請問大大用的這個數據分析方法叫什麼呢 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 08/15 12:39
→ ShiuanRefuel: 價格指數就已經含息了你又再算一次 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 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 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 08/15 12:47
推 FCPEWN375 : 專業推 08/15 12:48
推 nthukos : 大波動大必推 08/15 12:48
推 taikouhncheu: 六都都來玩一下，南部應該會發現有趣的點 08/15 12:50
推 ecnecsinimer: 八卦是不看數字的，憑感覺才準啦 08/15 12:54
→ ShiuanRefuel: 抱歉是我誤會了我以為你用報酬指數 08/15 12:54
沒事
推 herculus6502: 有神快拜 08/15 12:55
推 cityhunter04: 專業分析給推 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 08/15 12:56
→ ymfx000a : 不會排審 會不會過都是問題 08/15 12:56
推 hypeng : 推分享 08/15 12:56
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 12:58:02
推 NGCviola : 專業推 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 08/15 13:02
→ leveger0903 : 間的利差 畢竟房貸還是所有貸款利息成本最低的 但 08/15 13:02
→ leveger0903 : 相對槓桿開得太大也會有風險 08/15 13:02
推 swxxswxx : 高手在民間 08/15 13:03
→ ShiuanRefuel: 挺訝異的 CPI和房價是負相關？？ 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 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？ 08/15 13:04
推 thelmalin : 推 08/15 13:04
推 bbo40453 : 推模型 08/15 13:07
推 EvilKnight : 感謝 08/15 13:08
推 nutrino : 推研究 雖然這種研究沒有一定準的 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? 08/15 13:12
推 yamitis : 可是房子可以開5倍槓桿 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 08/15 13:18
→ dragonjj : 保證金要多留一點 不能被嘎空! 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 08/15 13:29
→ zhi5566 : 就是政府插一股 和黑道收保護差不多 08/15 13:30
推 k85564 : 房子有槓桿啊 08/15 13:30
推 aaaaaaaa9 : 這故事不錯！ 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 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 08/15 13:48
→ iWatch2 : 當時股板最熱話題 08/15 13:48
推 Bruroc : 推 08/15 13:51
推 kurapica1106: 大師 08/15 13:59
推 ishowhand : 專業推 08/15 14:09
推 AlexLeee : 先推ID再看 08/15 14:09
推 LinYingLi : 謝謝分享 08/15 14:14
推 johnsonhoj : 感謝分享 08/15 14:16
※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 14:27:01
推 daniel0202 : 厲害 08/15 14:33
推 jackeywu2003: 推 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 08/15 14:41
→ AlexanderIn : 線就是止血房產，當然每個國家玩法不同 08/15 14:41
推 Jinstar : 好文受用 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 08/15 14:48
推 yyls123 : 賴清德 看到了沒 08/15 14:48
→ billchen123 : 資料吧? 這樣當然會預測值這麼貼近真實值 08/15 14:48
→ billchen123 : 訓練資料166筆 從圖片的X軸來看 差不多也是166筆 08/15 14:49
→ billchen123 : 若你用同樣的資料訓練模型後再預測，當然看起來準 08/15 14:49
→ billchen123 : 你的模型沒辦法解釋因果的先後順序 08/15 14:58
→ billchen123 : 只能解釋 股市 對 房價有影響 權重也才0.09 08/15 14:59
→ billchen123 : 按照你的邏輯 把Y放成台灣指數 X放房價相關變數 08/15 15:00
→ billchen123 : 也能解釋成 房價反應 有波動後 台灣指數才有變動 08/15 15:00
→ billchen123 : 此外 你的台灣指數還放前5期與前6期來預測房價變數? 08/15 15:02
你可以做一次 然後回在版上嗎? 謝謝
推 xxxhorseshoe: 專業推 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? 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 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? 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 08/15 15:06
→ billchen123 : 你的訓練精準度當然高 你要用你沒訓練到的資料測試 08/15 15:07
→ billchen123 : 才能夠正確評價你的模型精準度 08/15 15:08
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 08/15 15:10
→ billchen123 : 你的166筆數據 要切分 100訓練 66測試 08/15 15:10
→ billchen123 : 你的66筆能夠完美預測成功 才能說你的模型成功 08/15 15:11
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 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 08/15 15:15
你知道AIC 跟SIC嗎?
推 fancyrex : 推 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? 08/15 15:19
→ billchen123 : 你拿AIC BIC之類的檢定 檢定過了然後勒? 就可信? 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 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 08/15 15:22
→ billchen123 : 你給我錢 我來做啊 免費教你喔? 08/15 15:22
→ billchen123 : 只是呼籲股版版友 你這結論不可信 看得懂的人就懂 08/15 15:23
→ billchen123 : 166筆資料 你要切分 100筆訓練 66筆測試 加油~ 08/15 15:23
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 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 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 08/15 15:32
→ Dontco : 動張嘴最容易 真的猛 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 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? 08/15 15:33
→ billchen123 : 你把資料集切分 開來 左鍵按一按就出來了 08/15 15:33
推 jim0611tw : 受教 08/15 15:33
推 williamllll : 原po只有要「解釋」，沒說要「預測」耶，在扯trai 08/15 15:33
→ williamllll : n-test的要不想一下這樣的資料量夠training嗎 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 08/15 15:34
→ jim0611tw : 你要硬train 一發也是沒有問題啊哈哈 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? 08/15 15:34
→ billchen123 : 你隨便拿個溫度資料或者醫生人數 也能做出一樣的結 08/15 15:35
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 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 08/15 15:35
→ billchen123 : 統計推論 也是會看測試精準度的 你只看訓練精準度? 08/15 15:36
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 08/15 15:37
推 williamllll : Bill,你是大學生嗎 08/15 15:38
→ jim0611tw : 我如果是Bill確實是不會想花時間正確做一次 08/15 15:39
→ jim0611tw : 但我會道歉XD 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 08/15 15:40
→ billchen123 : 但是我也真心不想做一遍給大家看XD 方法都講了= = 08/15 15:41
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XD 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 08/15 15:42
→ jim0611tw : 是已經被打臉才道歉的 08/15 15:42
推 jim0611tw : 誒 不是誒 怎麼開始互相鞠躬握手言和了 08/15 15:45
→ jim0611tw : 我要看到血流成河啊 08/15 15:45
^^ ※ 編輯: tompi (210.61.151.146 臺灣), 08/15/2023 15:46:29
→ billchen123 : 尼克星是啥鬼= =? 08/15 15:49
推 hololive45P : 專業 08/15 16:01
推 linlpc : 推，股版還能有這類文章是好事 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 08/15 16:10
→ Ischolar : 慮房市跟利率關係，這個樣本區間恐怕不適用未來 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 08/15 16:15
噓 billchen123 : 回應一下 你做出模型的同時 就是「訓練」所以 08/15 16:16
→ billchen123 : 所以產生權重這個結果來讓你預測 評估模型好壞 08/15 16:17
噓 billchen123 : 模型的測試精準度夠好 才會再去探討因果關係 08/15 16:23
推 billchen123 : 推回一個 認真做出結果來分享 精神可嘉 08/15 16:43
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 : 推你沒收錢的專業分析 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 08/15 17:15
→ billchen123 : 訓練有關係阿 精度的檢定 應該還是要切分資料集 08/15 17:17
推 h2894675 : 感謝分享 08/15 17:29
推 johnny0322 : 專業推 08/15 17:37
推 Iperfection : 這篇文和推文真是乾貨滿滿 大家快來看看 08/15 18:19
推 Iperfection : 不過看了幾遍還是不懂bill大質疑的點是什麼 08/15 18:52
推 chkawong : 好文必須推！ 08/15 18:57
推 elainakuo : 專業推 08/15 19:04
推 agvnol : 優文，推 08/15 19:46
推 hanhsiangmax: 推 08/15 19:56
推 Zaqjim : 升息不會影響房價 不要挑戰央行好嗎 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 08/15 21:23
→ het97306 : 符合統計學理論的東西，不懂B是在現啥？ 08/15 21:46
推 linja : 推 08/15 22:47
推 delightboy : 推 08/15 23:19
推 Jimmy030489 : 大湯姆改叫大波動?! 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 08/15 23:46
→ expertsaid : 笑死 在耍什麼猴戲 08/15 23:46
推 fioo : 推 08/16 00:02
推 savemysoul : 所以升息不是浮木，那央行就是不敢升 08/16 00:20
推 Crazyloveyou: 預測房價慢慢走跌 2023/08/16 08/16 01:30
→ MiniArse : 你的資料有問題，2008-2009 台北市房價有下跌 08/16 01:53
→ MiniArse : www.mygonews.com/news/detail/news_id/7868 08/16 01:54
→ MiniArse : 台北人肯定有感。不曉得為什麼你的資料呈現不出來 08/16 01:54
→ MiniArse : 還有2020年初 疫情剛爆發時 甜甜價大概維持了幾個月 08/16 01:56
推 JohnGalt : 要切分訓練集和測試集是因為要tune超參數，這種AR 08/16 07:04
→ JohnGalt : 模型又沒超參數 08/16 07:04
→ JohnGalt : 而且時間序列資料就是前後有相關，要做頂多就roll 08/16 07:07
→ JohnGalt : ing window吧，結果應該也差不多 08/16 07:07
推 JohnGalt : 166筆資料要切訓練集也蠻搞笑的，是不是會用鐵槌以 08/16 07:13
→ JohnGalt : 後看所有東西都變釘子？ 08/16 07:13
推 andyHYK1998 : 太專業推 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 08/16 09:28
→ billchen123 : 原PO現在的做法就是訓練166筆 你驗證也拿這166筆 08/16 09:28
→ billchen123 : 例如你小孩寫考古題訓練 結果考試跟考古題一模一樣 08/16 09:29
→ billchen123 : 你小孩考100分 你會說他厲害嗎? 08/16 09:30
噓 billchen123 : 然後接著探討小孩這麼厲害的因果關係 ? 08/16 09:34
噓 billchen123 : 你應該會拿不一樣的題目來「驗證」吧 08/16 09:39
推 JohnGalt : 你不用廢話那麼多，資料原po也給了，示範一下你要 08/16 09:43
→ JohnGalt : 怎麼分割資料跑AR model 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? 08/16 09:49
→ billchen123 : 不驗證 你放溫度 醫生數量 放N個變數都會顯著 08/16 09:51
→ billchen123 : AR模型做出來 拿別的資料來驗證都不會? 就不要丟臉 08/16 09:51
→ billchen123 : 我講的東西用一句廢話帶過 比切分資料驗證還簡單ZZ 08/16 09:54
※ 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 08/16 09:58
→ JohnGalt : 同才有意義 08/16 09:58
噓 billchen123 : 所以你拿看似相關的變數瞎弄 也會顯著啊? 08/16 09:59
→ billchen123 : AR_Model100筆資料做出來 然後預測66筆 拿66筆真值 08/16 10:00
→ billchen123 : 驗證 08/16 10:00
推 JohnGalt : 當全世界只有你知道ML? 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 08/16 10:01
→ billchen123 : 你應該針對我提出的質疑回復 不是誰懂得問題 08/16 10:02
→ billchen123 : 沒有說誰厲害 但是原po的結果沒有驗證就探討因果 08/16 10:02
→ billchen123 : 這是錯誤示範 08/16 10:02
→ JohnGalt : 你根本就搞錯重點，這又不是在比預測準度。讓你拿 08/16 10:03
→ JohnGalt : 前100筆跑個相同模型好了，然後呢？你解釋會不一樣 08/16 10:03
→ JohnGalt : 嗎？ 08/16 10:03
→ JohnGalt : 要探討因果的問題不在他沒分割資料好嗎？你再怎麼 08/16 10:04
→ JohnGalt : 割也割不出因果關係 08/16 10:04
→ billchen123 : 討論到這吧 我不想再花時間說明 上面說明很清楚了 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 08/16 10:19
→ JohnGalt : ，如果切資料能切出因果分析，真的不要廢話，直接 08/16 10:19
→ JohnGalt : 發一篇論文教大家怎麼做研究就好 08/16 10:19
→ JohnGalt : 因果推論問題的本質是我們既無法做實驗也只能觀察 08/16 10:24
→ JohnGalt : 到樣本一次，我看不出切分資料要怎麼解決這個問題 08/16 10:24
推 JohnGalt : 原po做的不是真正意義上的因果沒錯，但這是股板又 08/16 10:30
→ JohnGalt : 不是發論文，弄個初步結果講個合理的故事就差不多 08/16 10:30
→ JohnGalt : 了 08/16 10:30
噓 billchen123 : 原PO想要做因果關係分析 但是你拿不相關的變數也 08/16 11:01
→ billchen123 : 也能做出來 就像是我舉例的 溫度 醫生人數 08/16 11:01
→ billchen123 : 你不驗證你的因果模型就直接產出結論說這變數有因果 08/16 11:02
→ billchen123 : 我認為不可靠的 因為模型沒有驗證 08/16 11:03
→ billchen123 : 我直接舉例原po的因果結果好了 08/16 11:03
→ billchen123 : 結論是預測2023Q2房價變數 與 2022Q1台灣指數YOY 08/16 11:06
→ billchen123 : 以及2021Q4YOY 台灣指數 有因果關係 你相信? 08/16 11:07
推 JohnGalt : 你要質疑因果推論ok，但你提的方案也不能解決這問 08/16 11:22
→ JohnGalt : 題啊 08/16 11:22
推 JohnGalt : 而且回歸原本股市跟房價的問題，至少能看出相較股 08/16 11:32
→ JohnGalt : 市，其他總體因素更與房價相關 08/16 11:32
推 JohnGalt : 你真的覺得把資料切一切會很到不同結論嗎？？ 08/16 11:35
→ billchen123 : 資料切分 是拿來驗證... 你看清楚上面我講的東西 08/16 11:39
→ billchen123 : 另外你可能覺得建立AR模型不是訓練 但其實數學原理 08/16 11:39
→ billchen123 : 就是訓練個過程 因為線性回歸模型就是「公式解」找 08/16 11:40
→ billchen123 : 找出(Y - Y_hat)最小的 權重組合 跟ML訓練是一樣的 08/16 11:41
→ billchen123 : 把資料切分 另一部分資料驗證後 發現結果差異大 08/16 11:42
→ billchen123 : 代表你的AR模型 Overfitting代表你的因果關係是錯的 08/16 11:43
推 kyukyu : 基努李維.jpg 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 08/16 12:06
→ billchen123 : 關係了，那就能夠預測啊，未來的房價變數反應你的 08/16 12:06
→ billchen123 : 因果關係啊？ 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 08/16 13:40
→ JohnGalt : 你提的只是怎麼改善樣本外預測能力的方法 08/16 13:41
→ JohnGalt : 比方說拿室外撐傘人數比率來預測有沒有下雨一定很準 08/16 13:53
→ JohnGalt : 但不代表撐傘會造成下雨 08/16 13:53
→ JohnGalt : 那些訓練驗證大家都知道好嗎, 你要質疑因果性也不是 08/16 13:54
→ JohnGalt : 拿這個來質疑 08/16 13:54
推 Mosin : 為什麼通膨反而會讓房價下降? 有什麼方式能夠解釋 08/16 20:04
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 : 你分不清楚因果關係跟預測就是一樣的好嗎? 08/17 14:02
→ billchen123 : 你推論就是要驗證 驗證就是要預測 冥頑不靈ㄟ 08/17 14:03
→ billchen123 : 經濟系 亂用統計工具的結果就像這篇一樣 呵呵呵 08/17 14:04
→ billchen123 : 不懂統計原理 然後亂用統計工具與檢定 08/17 14:04
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 : 推厲害 08/17 20:15
推 phyaim : 有數據分析 給推 有結論再推 08/18 11:24
推 clw2ay : 推 謝謝分享 08/20 20:22