顯示廣告
隱藏 ✕
回列表(←)
Disp BBS guest 註冊 登入(i) 線上人數: 551
首頁(home) 上頁(↑) 下頁(↓) 末頁(end)
※ 本文轉寄自 ptt.cc 更新時間: 2023-08-16 14:50:58
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
[圖]

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
[圖]

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
[圖]

https://imgur.com/odwzLNp
[圖]

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)
※ 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:
　 08-14 17:44 soloyi. ■ [請益] 股市如果崩盤 房市一起崩嗎？
● 08-15 11:28 tompi. ■ Re: [請益] 股市如果崩盤 房市一起崩嗎？
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2F 08/15 11:29
→ LiamTiger   : 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   : 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17F 08/15 11:42
→ sdhpipt     : 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  : 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
[圖]
 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28F 08/15 11:52
→ Iperfection : 打房黑魔法
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61F 08/15 12:56
→ ymfx000a    : 不會排審 會不會過都是問題
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65F 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
→ leveger0903 : 相對槓桿開得太大也會有風險
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78F 08/15 13:18
→ dragonjj    : 保證金要多留一點 不能被嘎空!
→ zhi5566     : 正負幫你強力洗籌碼怎麼會崩 房地和一的精神是什麼80F 08/15 13:29
→ zhi5566     : 就是政府插一股 和黑道收保護差不多
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ㄇ85F 08/15 13:48
→ iWatch2     : 當時股板最熱話題
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95F 08/15 14:41
→ AlexanderIn : 線就是止血房產，當然每個國家玩法不同
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100F 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
→ billchen123 : 若你用同樣的資料訓練模型後再預測，當然看起來準
→ billchen123 : 你的模型沒辦法解釋因果的先後順序
→ billchen123 : 只能解釋  股市 對 房價有影響   權重也才0.09
→ billchen123 : 按照你的邏輯  把Y放成台灣指數  X放房價相關變數
→ billchen123 : 也能解釋成   房價反應 有波動後  台灣指數才有變動
→ 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?
 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112F 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
→ billchen123 : 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 : 你計算beta可以啊  但是你模型沒有驗證  直接拿訓練115F 08/15 15:10
→ billchen123 : 你的166筆數據   要切分   100訓練  66測試
→ billchen123 : 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 : 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?121F 08/15 15:19
→ billchen123 : 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 : 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124F 08/15 15:22
→ billchen123 : 你給我錢    我來做啊   免費教你喔?
→ billchen123 : 只是呼籲股版版友  你這結論不可信  看得懂的人就懂
→ billchen123 : 166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 : 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130F 08/15 15:32
→ Dontco      : 動張嘴最容易 真的猛
→ 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trai136F 08/15 15:33
→ williamllll : n-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 : 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?140F 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
 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143F 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?
 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147F 08/15 15:39
→ jim0611tw   : 但我會道歉XD
→ billchen123 : 好吧 我道歉我說了 花錢我就做 這句話  真心認錯XD149F 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= =
 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152F 08/15 15:42
→ jim0611tw   : 是已經被打臉才道歉的
推 jim0611tw   : 誒 不是誒 怎麼開始互相鞠躬握手言和了
→ jim0611tw   : 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 : 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159F 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
 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162F 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
噓 billchen123 : 模型的測試精準度夠好  才會再去探討因果關係
推 billchen123 : 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
什麼是泰勒法則呢？-高點研究所
[圖]
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
[圖]
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167F 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
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171F 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
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183F 08/15 23:46
→ expertsaid  :  笑死 在耍什麼猴戲
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188F 08/16 01:53
→ MiniArse    : www.mygonews.com/news/detail/news_id/7868
→ MiniArse    : 台北人肯定有感。不曉得為什麼你的資料呈現不出來
→ MiniArse    : 還有2020年初 疫情剛爆發時 甜甜價大概維持了幾個月
推 JohnGalt    : 要切分訓練集和測試集是因為要tune超參數，這種AR192F 08/16 07:04
→ JohnGalt    : 模型又沒超參數
→ JohnGalt    : 而且時間序列資料就是前後有相關，要做頂多就roll
→ JohnGalt    : ing window吧，結果應該也差不多
推 JohnGalt    : 166筆資料要切訓練集也蠻搞笑的，是不是會用鐵槌以
→ JohnGalt    : 後看所有東西都變釘子？
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199F 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
→ billchen123 : 例如你小孩寫考古題訓練 結果考試跟考古題一模一樣
→ billchen123 : 你小孩考100分  你會說他厲害嗎?
噓 billchen123 : 然後接著探討小孩這麼厲害的因果關係 ?
噓 billchen123 : 你應該會拿不一樣的題目來「驗證」吧
推 JohnGalt    : 你不用廢話那麼多，資料原po也給了，示範一下你要205F 08/16 09:43
→ JohnGalt    : 怎麼分割資料跑AR model
噓 billchen123 : 分割資料都不會喔? 這樣還敢大放厥詞阿 切蛋糕不會?207F 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
→ billchen123 : AR模型做出來  拿別的資料來驗證都不會? 就不要丟臉
→ billchen123 : 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    : 我當然知道怎麼切，你怎麼瞎弄也要結果真的顯著不211F 08/16 09:58
→ JohnGalt    : 同才有意義
噓 billchen123 : 所以你拿看似相關的變數瞎弄  也會顯著啊?213F 08/16 09:59
→ billchen123 : AR_Model100筆資料做出來 然後預測66筆 拿66筆真值
→ billchen123 : 驗證
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217F 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
→ billchen123 : 沒有說誰厲害   但是原po的結果沒有驗證就探討因果
→ billchen123 : 這是錯誤示範
→ JohnGalt    : 你根本就搞錯重點，這又不是在比預測準度。讓你拿221F 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
→ JohnGalt    : 嗎？
→ JohnGalt    : 要探討因果的問題不在他沒分割資料好嗎？你再怎麼
→ JohnGalt    : 割也割不出因果關係
→ 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227F 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
→ JohnGalt    : 發一篇論文教大家怎麼做研究就好
→ JohnGalt    : 因果推論問題的本質是我們既無法做實驗也只能觀察
→ JohnGalt    : 到樣本一次，我看不出切分資料要怎麼解決這個問題
推 JohnGalt    : 原po做的不是真正意義上的因果沒錯，但這是股板又
→ JohnGalt    : 不是發論文，弄個初步結果講個合理的故事就差不多
→ JohnGalt    : 了
噓 billchen123 : 原PO想要做因果關係分析  但是你拿不相關的變數也235F 08/16 11:01
→ billchen123 : 也能做出來  就像是我舉例的  溫度  醫生人數
→ 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
→ billchen123 : 我認為不可靠的  因為模型沒有驗證
→ billchen123 : 我直接舉例原po的因果結果好了
→ billchen123 : 結論是預測2023Q2房價變數  與 2022Q1台灣指數YOY
→ billchen123 : 以及2021Q4YOY 台灣指數 有因果關係  你相信?
推 JohnGalt    : 你要質疑因果推論ok，但你提的方案也不能解決這問242F 08/16 11:22
→ JohnGalt    : 題啊
推 JohnGalt    : 而且回歸原本股市跟房價的問題，至少能看出相較股
→ JohnGalt    : 市，其他總體因素更與房價相關
推 JohnGalt    : 你真的覺得把資料切一切會很到不同結論嗎？？
→ billchen123 : 資料切分  是拿來驗證... 你看清楚上面我講的東西247F 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
→ billchen123 : 就是訓練個過程  因為線性回歸模型就是「公式解」找
→ billchen123 : 找出(Y - Y_hat)最小的 權重組合 跟ML訓練是一樣的
→ billchen123 : 把資料切分  另一部分資料驗證後  發現結果差異大
→ billchen123 : 代表你的AR模型 Overfitting代表你的因果關係是錯的
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254F 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
→ billchen123 : 因果關係啊？
→ JohnGalt    : 你應該是沒分清楚預測跟因果推論的差異在哪257F 08/16 13:40
→ JohnGalt    : 你提的只是怎麼改善樣本外預測能力的方法
→ 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
→ JohnGalt    : 但不代表撐傘會造成下雨
→ JohnGalt    : 那些訓練驗證大家都知道好嗎, 你要質疑因果性也不是
→ JohnGalt    : 拿這個來質疑

--
※ 看板: Stock　文章推薦值: 1 目前人氣: 0 累積人氣: 101　
分享網址: 複製 已複製
(￣︶￣)ｂ MaxColin 說讚！
→
guest
x)推文 r)回覆 e)編輯 d)刪除 M)收藏 ^x)轉錄 同主題: =)首篇 [)上篇 ])下篇