上海市二手房指数走势的技术分析

魏霄云，孟 冉，陈龙珠

(1.上海交通大学 土木工程系，上海 200240;2.华润置地上海有限公司，上海 200092)

近20年来，房地产行业从无到有，已发展成为我国国民经济的一个重要组成部分，对我国城市化和人民生活水平的改善起到了显著的作用。为抵御全球金融危机的负面影响，2008年底至2009年初，国家酝酿和开始实施了积极的财政政策和适度宽松的货币政策。通过下调固定资本金比例、执行房贷优惠等政策减缓建房、购房负担，以通过复苏房地产行业和加大铁路等基础设施建设投资等带动相关产业的发展，继而恢复人们对未来经济发展的信心［1］。2014年1月，原全国人大常委会原副委员长成思危在北京举办的“金凤凰2014全球华人地产峰会”致开幕词时认为，未来20年内房地产仍是我国的支柱产业之一［2］。然而，由于房地产市场体量乃至惯性巨大，自我调节能力有限，为避免其过快发展对国民经济带来负面的通胀与泡沫化，国务院于2010年上半年起不断出台严格的楼市调控政策，其中4月17日颁发的《关于坚决遏制部分城市房价过快上涨的通知》应该是中国房产业最严厉的调控政策，9月29日发布的《关于完善差别化住房信贷政策有关问题的通知》给过热的楼市再次进行降温，投资性购房随之减少，全国楼市成交量萎缩，二次调控政策效果较为显著。这一年，许多房价相对较高的城市陆续推出了限购房政策，以防止本外地投资客快速推高房价。2011年，上海和重庆两个直辖市于1月正式开始房产税试点，国家的货币政策仍是防止全面通胀，一年内罕见地提高存款准备金率达7次至23%，以收紧信贷和提高贷款成本两个方面，加大购房者的还贷压力以配合楼市调控。

二手房是指业主已经在房地产市场上购买后又欲出售的房产，包括二手商品房、允许上市交易的二手公房、经济适用房等。随着我国人员流动增加、城市改造与扩展、民众住房改善以及社会发达区域的土地稀缺，房地产需求仍在不断扩大。即使新房价格在政府调控政策之下上涨有限，但广大中、低收入家庭仍然无法承受，而成熟区域的中小学教育、交通和其他生活资源的优势，导致住房市场中的二手房交易占有重要的地位。因此，对二手房房价历史数据包含的规律以及未来发展趋势的判断开展研究，具有现实意义。

金融预测曾有一段时期风行市场有效性理论，然而自上世纪80年代起，随着信息交流的发达和经济活动的全球化，越来越多的现代金融学现象不能由此得以解释，需要新的技术分析工具来研究金融市场的复杂行为［3］。国内王军武、王昱博等曾分别从供需关系和马氏链模型，对武汉市的房价走势进行预测［4，5］。连晓丽采用多种数学模型对我国房价指数的走势预测进行过比较分析［6］。申瑞娜等采用基于主成分分析的支持向量机模型对上海房价走势进行预测［7］，但其对2013年房价涨幅的预测数值比实际的明显偏低。利用R/S分析法，可对金融市场的记忆性进行研究，本文作者2012年曾将这一方法用于研究上海市二手房指数变化的非线性特征［8］，所得出的一个重要结论是该指数当时仍处于上升趋势之中，而且这一趋势并未明显减弱，此结论已被2013年上海市二手房指数较大幅度的上涨所证实。但是，在预测未来变化尤其趋势发生转折的点位和时间方面，R/S分析法的图形不够直观，有碍于它的普及应用。

本文拟参考证券技术分析方法，考察上海市二手房指数曲线的形态特征，探索构造一种基于多周期移动均线非等权组合的多空平衡指标，并检验其对上海市二手房指数进行风险评估的适用性。

1 上海市二手房指数波浪特征分析

艾略特波浪理论描述了证券市场的群体行为规律，认为股指和股价波动的一个周期包含上升段与回调段(图1)［9］，其中上升段由5个子浪构成(第①、③和⑤浪上升、第②和④浪回撤)，回调段由3子浪构成(A和C浪下跌、B浪回撤)。在标准的上升段中，第③浪涨幅不比第①和第⑤浪的低，第②浪低点不能低于第①浪起点，第④浪低点不能低于第①浪高点，且第②浪和第④浪回撤幅度经常会不对称:一个跌幅大，另一个跌幅小。如图1，每一子浪又可细分为5个或3个小浪结构。在历时方面，艾略特波浪理论没有象对空间方面那样严格的相互约定。

根据证券市场的统计，各浪波幅和历时之比，经常会与斐波拉契数列元素之比0.191、0.236、0.382、0.500、0.618、0.764、0.809、1.000等之中的某个数相接近，这些数又称黄金倍率。根据艾略特波浪理论的这些规则，便可根据已有数据和图形进行股指和股价的预测。

图1 Elliot波浪理论浪型

一个地区的二手房指数，也是由诸多取样点的房价统计数据按既定方法计算得出的，它是群体行为结果的一种反映，与股指具有相似的属性。因此，不妨尝试应用艾略特波浪理论［6］来对其后续的走势进行预测(图1)。

根据上海市二手房指数办公室每月发布的数据绘制成图2(截止于2013年12月)，再参照艾略特波浪理论分析其5子浪结构参数(表1)。以第3浪为基准，由图2和表1可见:

图2 上海市二手房指数浪型分析

(1)第1浪指数于2001年11月1000点开始的涨幅，达到了第3浪的0.770倍，历时则为第3浪的0.932 倍，分别与0.809 倍率和1.000倍率尚有差距，说明该指数起始点很可能落后于第1浪的真实起点;

(2)第2浪回撤在历时和波幅上，分别为第3浪的0.386倍和0.120倍，依次与黄金倍率0.382和0.191很接近;

(3)第4浪回撤幅度仅为第3浪升幅的0.040倍，只有第2浪回撤幅度的1/3，与艾略特波浪理论关于第2和第4浪回撤幅度经常不对称的规律相符。第4浪回撤历时为第3浪的0.568倍，小于重要的黄金倍率0.618约8%;

(4)第5浪上升在幅度和历时两方面均接近于第3浪的一半，在图形上保持着良好的上升趋势，意味着该浪尚未出现顶部迹象。

以上几点表明，上海市二手房指数近12年来的变化，与艾略特波浪理论描述的规律基本相符。由此估计其第5浪的后续走势，若对其空间和时间按第3浪的0.618倍率估算，则分别为586点和27.2个月，即指数大约到3061或时间到2014年8月，上海市二手房指数变化可能会逐渐进入比较敏感的时期;而指数到3423点或时间到2015年12月，第5浪与第3浪将实现空间或时间上的完全对称。因此，在2014年8月～2015年12月期间，或当上海市二手房指数进入3061～3423区间，宜重点关注其第5浪上升乃至十余年的房产牛市是否会明确出现见顶的信号。

表1 上海市二手房指数变化5浪结构特征参数

2 上海市二手房指数的警示指标

2.1 移动均线

对物价或指数，可采用统计学中的“移动平均”(moving average)原理，将一段时期内的平均值连成曲线来显示它的历史波动状况，进而预测其未来变化的可能趋势。这是一种常见的技术分析方法，在股市中个人和机构使用最为广泛。

记Ci为n个月内第i个月的二手房指数，则其n月均值为:

随着时间的推移，式(1)中早期的数据逐渐被新增的数据所替代，由此可从开始交易的第n个月起开始绘制移动均线了。

移动均线的技术特性和作用主要在于:(1)在n个月内进行均化处理后，指数波动会被抑制，更容易观察它的变化趋势;(2)指数一旦沿着内在的趋势变化，则这种趋势一般不会轻易改变，当指数回落到均线时可能会止跌转升，或上升到均线时可能会止涨转跌;(3)一旦指数跌破或上穿均线，则可能是其趋势已经发生了转变。

由式(1)定义不难检验，在上升趋势中，n值越大，MA(n)将越小，将多个n值对应的均线绘制在同一幅图中，n大的则处于下方，由此形成多头排列。相反，在下跌趋势中，将多个n值对应的均线绘制在同一幅图中，n大的则处于上方，由此形成空头排列。

2.2 指数的预警和报警指标

采用多条移动均线进行指数趋势变化的评估，并不方便。为此，在证券技术分析中有人提出了一个多空指标 BBI(Bull and Bear Index)［10］:

显然，这是通过将几条不同时间的移动均线用等权求和方法计算出的一条综合移动均线。在使用中，一般按证券价格上穿该线时买入并持有待涨，下穿此线时卖出并持币观望。

BBI指标计算中，离目前较远的12和24个月的移动均线与近期3和6个月的权重相同(均为0.25)，这与时间越久远对目前影响相对越小的认识不相符合，其结果会降低对现状反映的敏感性。因此，需要加以改进。

作为尝试，选择与BBI相同的4个周期移动均线，但对所给予权重数随着过去时间的增加而降低，由此作为一个市场风险可能会逐渐增大的预警指标EWI(Early Warning Index):

将式(3)与式(2)相减，得

根据上文所述，在上升趋势中，MA(3)＞MA(6)＞MA(12)＞MA(24)，Δ1＞0，EWI线在 BBI线之上，EWI离指数比BBI更近;反之，在下跌趋势中，则 Δ1＜0，BBI线在 EWI线之上，EWI离指数仍比BBI更近。可见，EWI要比BBI能更早地发挥对房地产市场下跌风险的预警作用，引导政府主管部门对相关管理政策、相关企业或个人对具体投资计划进行适当的调整提前考虑预案。

将式(3)中各均线的周期增加2倍，经多方案试算后，取其相近的斐波拉契数，跨越时间接近于5年，由此定义市场高风险来临的报警指标WI(Warning Index):

将式(2)与式(5)相减得Δ2=D+F+G;D=0.25MA(3)+0.15MA(6)－ 0.4MA(8);F=0.1MA(6)+0.2MA(12)－ 0.3MA(21);G=0.05MA(12)+0.25MA(24)－ 0.2MA(34)－0.1MA(55)。容易检验，在上升趋势中，D、F、G全为正数，即Δ2＞0，BBI线在WI线之上。可见，指数先后跌穿EWI、BBI但未跌破WI时，则仍有止跌回升的可能，否则便可认为市场跌势确立，而须按预案采取避险措施。

对2001年11月至2013年12月上海市二手房指数数据，分别按式(3)、式(2)和式(5)计算EWI、BBI和WI，并绘制了图3。由图可见，在第2浪、第4浪的中后期，上海市二手房指数先后都曾跌穿过EWI、BBI线，但一直处于WI线之上;若按BBI方法应用规则，均会触发跌势确立而采取避险的动作(2011年下半年至2012年上半年不乏专家学者声称房地产牛市已经结束);但按WI方法则仍可看成是上涨途中的回调，可采取按兵不动的继续观察策略。由图3还可看出，在第3浪中期之后的2009年上半年，上海市二手房指数回落击穿了EWI线而向BBI线逼近过程中，恰遇国家为抵御全球金融危机而正式实施了4万亿元人民币的振兴经济计划，原来的房地产调控政策在一定程度上得到了松绑而止跌回升。

图3 上海市二手房指数变化风险评估

上述对上海市二手房指数的分析表明，本文构造的预警和报警指标，具有一定的实用效果。

3 结语

对2001年11月至2013年12月上海市二手房指数数据的分析表明，其变化基本符合艾略特波浪理论的5子浪上升结构，而且目前已处于第5浪上升之中。在2014年8月～2015年12月期间，或当上海市二手房指数进入3061～3423区间，宜重点关注其第5浪上升乃至十余年的房产牛市是否会明确出现阶段性见顶的信号。

为对上海市二手房指数变化进行简便的定量评估，构建了预警指标EWI和报警指标WI。证券分析中常用的多空指标BBI处于这两个新指标之间。由对实际数据的分析和比较表明，EWI能够早于BBI发出预警信号，WI可以避免BBI发出报警信号而过早采取避险措施的错误。

本文理论试探的结果，可为上海市房地产市场管理政策、企业和个人投资及其风险控制决策提供有益的参考。

［1］周余芳.浅谈金融危机对我国房地产市场的影响［J］.科技创新导报，2010，(16):201-202.

［2］成思危.20年内中国房地产业依然是支柱产业［EB/OL］.［2014-1-18］.http://t.cn/8FKKPhd.

［3］Peters E E.Fractal Markets Analysis［M］.New York:John Wiley ＆ Sons，1994.

［4］王军武，赵 玮.基于预期理论的商品住宅价格模型的应用研究［J］.土木工程与管理学报，2011，28(1):12-15.

［5］王昱博，李 晖.基于马氏链模型的武汉房价预测［J］.经营管理者，2013，(12):185.

［6］连晓丽.我国房价指数预测模型比较［J］.价格理论与实践，2010，(7):42-43.

［7］申瑞娜，曹 昶，樊重俊.基于主成分分析的支持向量机模型对上海房价的预测研究［J］.数学的实践与认识，2013，43(23):11-16.

［8］孟 冉，魏霄云，陈龙珠.R/S分析对上海二手房房价的趋势判断［J］.地下空间与工程学报，2012，8(S2):1642-1645.

［9］雷 冰.波段操作实战精解［M］.北京:中国宇航出版社，2012.

［10］百度词条.多空指标［EB/OL］.［2014-2-21］.http://baike.baidu.com/view/658748.htm.