Daily House Price Indices: Construction, Modeling, and Longer‐run Predictions
每日房价指数：构建、建模与较长期预测AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确使用多元时间序列进行房价预测，并刻画每日资产价格收益的条件异方差与 GARCH 效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
每日房价指数：构建、建模与较长期预测
- 研究问题
- 能否利用住宅交易构建每日房价指数，并通过其城市间关联和波动特征，改善较长期月度房价变化的预测？
- 方法与思路
- 作者用数百万笔住宅交易和重复销售法构建十个美国大都市的每日指数，再建立包含城市共同性及 GARCH 效应的多元模型。
- 材料陈述的贡献
- 摘要称，每日收益呈轻度自相关和较强条件异方差；所用模型在文中比较中比若干低频数据预测程序表现更好。
- 阅读关注点
- 核对每日指数的交易稀疏性与构造细节、城市共同性的建模方式，以及预测窗口、比较基准和样本外评价设计。
- 阅读边界
- 仅据所给 Crossref 摘要。预测优势的幅度、评价指标和统计不确定性未说明，不能推断其适用于其他城市或时期。
原文摘要
Summary We construct daily house price indices for 10 major US metropolitan areas. Our calculations are based on a comprehensive database of several million residential property transactions and a standard repeat‐sales method that closely mimics the methodology of the popular monthly Case–Shiller house price indices. Our new daily house price indices exhibit dynamic features similar to those of other daily asset prices, with mild autocorrelation and strong conditional heteroskedasticity of the corresponding daily returns. A relatively simple multivariate time series model for the daily house price index returns, explicitly allowing for commonalities across cities and GARCH effects, produces forecasts of longer‐run monthly house price changes that are superior to various alternative forecast procedures based on lower‐frequency data. Copyright © 2015 John Wiley & Sons, Ltd.