澳洲澳大利亚房地产 Quant Analisys of Property Markets Sydney

在澳大利亚地产投资



嗨，第一次发帖，我注意到很多关于 CG、收益率、通货膨胀等之间关系的讨论，但我还没有看到有说服力的数据支持任何理论，因为我个人在股票交易中的量化分析领域比房地产投资更舒服我'我想知道你们中是否有人对历史财产数据上的 quant analisys 感兴趣，或者对此一无所知 也许我可以从我自己的一个想法开始 我特别感兴趣的一件事，例如与流行的股票交易策略有关所谓的配对交易基本上是使用统计方法来确定哪个股票对的交易最像另一个（例如 RIO amp; BHP，它们在统计上有多相似）我们发现两个历史上最相似的，然后当它们不一致时我们买低的和高的我们卖空（就像看跌期权，现在卖出然后再买回来，希望价值会下降）我们指望的是它们的相似性会将它们重新组合在一起 但是为了相信它有效，我们必须查看历史模拟并注意结果的持久性 因此，对于房地产，问题可能是在邻近地区没有下跌的情况下，在市场价值局部下跌期间购买是否好从理论上讲，暂时低迷的区域会在价格上迅速反弹以匹配其邻居然后我们可以在另一个类似事件中使用由此产生的快速股权收益再次购买但是这个理论到目前为止只是一个没有答案的问题例如它可能会证明如果特定区域出现下跌是有充分理由的，价格可能会长期保持低位 对历史数据的回归测试将为我们提供信息，例如最可能的结果和最坏的情况 测试该理论借助一些计算机编程相当容易，但这需要大量数据，至少十年前按郊区划分的季度平均价格数据将需要我热衷于与任何对财产数据的量化分析感兴趣或知识渊博的人交谈，或者任何对获取数据有知识的人此外，如果有人对可以完成的有趣分析有其他想法，或者想听听其他想法，随意
评论
但是配对交易假设市场在长期内是有效的，并且产品通常是同质的，例如，一个 NAB 股票与另一个 NAB 股票完全相同，而投资者则不会'不关心他们得到的“哪”份额 房产效率不高 每所房子都不一样，每个买家都不一样 这就是为什么当你查看单个房产时，房产中位数价格只是一个一般指南 对股票的统计投资甚至并不总是由于市场效率低下、人类情感等原因，我想房地产市场更是如此 Alex
评论
嗨，alexlee，让我一次一点地回答“配对交易假设市场在长期”；有效市场实际上是所有从短期错位中获利的机会都消失了它们消失了，因为其他交易者已经从中获利所以交易者实际上正在寻找市场中的低效率，他们的行为创造了效率正如你所说的那样寻找“长期”或持续行为 另外一种看待它的方式是说效率是所有市场参与者时时刻刻就价格达成一致“每所房子都是不同的，每个买家卖家都是不同的，这就是房价中位数的原因当您查看单个属性时，它们只是一般指南”​​；我同意中位数价格是指导方针，但我也认为，由于定价的自生性，房地产市场的效率会越来越低，因此会有更多机会从这个角度来看，quant analisys 可能无法告诉我们何时在给定的郊区购买，但它可能会告诉我们什么是公平的支付价格“由于市场效率低下、人类情绪等原因，股票的统计投资甚至并不总是有效”；统计分析可能不起作用的原因有很多，但是当您了解问题的解决方案往往会出现这就是我在这里发帖的原因，看看有没有兴趣探索这个主题并发现和解决它的一些问题
评论
我想我一直认为量化分析交易（从我在投资银行看到的交易员所做的）更像是一个“黑匣子”和高度统计的东西如果你只是说量化分析会给我们一个房产是否被低估的好主意，只要决定一个郊区，去看看 100 个类似的房产（例如 3 床房子），你会得到一个很好的主意，我没有将其定义为量化分析：它只是在普通财产研究中敲打路面！当然，这只是我对量化分析的定义：你可以坐在电脑前，根据数据运行模型的东西自己出去看看房产，那只是普通的研究
评论
书普通的百万富翁（吉姆麦克奈特）描述了不同的房地产百万富翁，其中一位投资者使用的软件听起来好像有类似的方法，即找到相对于周围区域没有太大移动的区域从这种方式接近房产的主要好处，是你能找到quot;感兴趣的领域（您希望其表现优于周边地区）更容易，所以当您去查看 100 个房屋时，您已经在寻找最好的（potentila 增长明智）区域，我知道一位论坛成员提到过类似的软件，但从来没有在任何帖子中提到（据我所知）请参阅更改
评论
当然，Alexli，我不认为 quant 可以代替敲打路面我认为它可以用来补充它我'它非常善于告诉我们否则我们会做出假设的事情 例如，当我们在人行道上看 100 栋房屋时，我们现在对特定区域的房屋细节有了很多了解，但是我们必须对那是什么做出假设意味着与其他领域以及现在之前和之后的价格相关而 quant 非常擅长查看有关多个领域和时间范围的一般数据让我举个例子（尽管我实际上没有做过这个分析）一个有用的指标在吨ime系列是线性回归，它只是最能描述时间序列上所有点的直线（如果我能弄清楚如何上传方便的图像）它是一种预测系列中下一个数字的简单方法, 数字会落在它的两边，但它们在一条线上的移动越多，它们就越接近线性回归 线性回归将克服由于每个时期出售的房产变化而导致的波动 如果线性回归“预测”;当前时期（对于中位房屋）来说是 380k，而我们的街拍说我们实际上可以以 350k 的价格买到中档房屋，然后我们知道根据历史，这是一个很好的市场（除非我们的研究表明下跌会导致更多下跌）但是如果中档房子是 380k 但有一对 350 我们可能会说这是一个公平的市场，具有良好价值的机会 在任何情况下，我们都可以使用 quant 预测和我们的街拍但是更多的工作是需要确定这个想法是否真的有效
评论
我很惊讶他自己没有提到它，但是看到变化的这篇文章会让你感兴趣马克
评论
为什么要使用回归分析来告诉你你已经知道的事情 如果你做过研究，你就会知道这个周期处于什么阶段——房产是否有可能升值到 38 万美元，或者 35 万美元是否实际上是潮汐的迹象快出来了 马克
评论
谢谢see_change，我可能要查一下 我的软件我使用的实际上是共享交易系统开发软件（Wealth-Lab 和 Quant Developer）任何人都可以建议我如何在无法上传到网络的情况下发布图片，然后我可以发布我目前拥有的内容做你所说的我们得到 6 个相邻区域对每个区域进行线性回归（如上所述）所以我们有一个基于历史的当前时期的“预测”然后我们平均六个 LinRegs 的百分比变化，所以我们有一个指数 如果本季度平均值显示 3% 的百分比涨幅，而我们的街拍显示一个区域遭受了下跌，而 5 个区域增加了，那么我们就知道在哪里购买（如果它们都显示下跌，我们远离）未来一个区域的价值应该增加以匹配我的增加但这是一个理论，测试这是否可行的一种方法是使用一点“相关性”分析它将测试六个价格序列的相关程度，如果接近则系统应该工作
评论< BR>嗨，马克，你能告诉我你的意思是什么研究你个人如何判断周期的哪个阶段作为我来自哪里的一个例子，在股票交易中通常有 2 所学校，量化分析，和基本面分析 传统的基本面主义者是创造诸如“非理性繁荣”之类的术语的人，他们断言公司的价值基于其基本面是正确的，但是由于市场自身的需要，市场可能对其估值完全不同，并且可能会持续很长时间在“错误”方向上的时间例如，在过去几十年中，基金经理需要投资大量涌入的养老基金，这可能使市场价值超过其基本价值，或者公司高管获得短期奖励的趋势股价也可能导致市场对公司的估值超过其基本面所估计的那是 quant analisys 擅长的事情 所以这两个角度都可能有价值
评论
脚趾如果你在找人重新判断我们在周期中的去向，Kieran Trass 可能是该阅读的人 http:wwwsomersoftcomforumsshowthreadphpt22774amp;highlightauckland 他有一本书叫通过房地产周期致富 看看变化
评论
马克反思我可以更好地解释自己让我再试一次尽管有其他方法可以对当前市场做出判断，但我会进行回归分析的原因是回归测试让我从历史上测试这些预测并看看它们是否成真timeplaces 它可能行不通，因为下跌可能会导致进一步下跌系统说它只是暂时的下降，如果我已经证明我的系统在历史上（在好的和坏的市场中）工作，我会相信我的系统这是我可以给出的一个例子（也许你可以在 excel 中绘制这些） YarravilleData Open LinearRegPredict1 1122000 233000 2595906406 1032001 238000 2663708438 1062001 262000 273151 1092001 290000 2799311875 1122001 300000 286711375 1032002 295000 2934915625 1062002 317000 30027175 1092002 305000 3070519375 1122002 312000 313832125 1032003 318000 3206123125 1062003 360000 3273925 1092003 378000 3341726875 1122003 362000 340952875 1032004 358000 3477330625 1062004 370000 35451325 1092004 338000 3612934375 1122004 346000 368073625 1032005 328000 3748538125 Using LinearRegression the final forecast is for Yarraville to be 37485381 yet it is way below at 328000 If we bought there the next period对于 Yarraville 是 378000 现在可能是因为那个月只有小房子售出，而且数字不准确，如果那是真的，那么我们的“街拍”将显示这一点，所以我们只在街拍中最有可能的候选人现在预测中的重要事情是为了测试预测在历史上是否有效这就是为什么我会自己做评论

欢迎脚趾，我相信一些聪明的 - 甚至简单的 - 统计分析将确定购买的好地方 按位置，类型的好地方放大器；时间 如果你对这种分析感兴趣，它应该是非常令人愉快的，并且可能非常有益。它会让你拥有比不成熟的投资者更大的优势；并降低购买不良的风险我的经验-个人放大器；从其他人那里学到的——即使只是简单地进行房地产投资也能获得惊人的回报在鼓励您在统计分析方面付出努力的同时，我也鼓励在房地产投资基础上进行更广泛的努力（在现成的书籍中，例如 Jan Somers 和许多其他人 “信息资源”部分的最上面的线程是一个很好的参考）最重要的是，投资的行动实际上是购买地方，并做任何你对他们做的事情；你的策略我之前已经发布了珀斯的一些中位数价格数据如果你对它感兴趣 amp;找不到它（通过搜索工具），那么请告诉我问候，
评论
感谢堆皮特，我最近读了简的书并喜欢它们，我实际上认为她使用数学研究的方法是非常有用，我已经购买了 PIA 软件 显然，财产投资总体上是非常有利可图的，并且没有必要使用 quant 我承认我只是在建议它可以告诉我们一些我们还不知道的其他事情，它可以帮助我们了解一些谬论，这可能不会让我们破产，但可能会引起人们的兴趣
评论
脚趾关于你的小假设 - 请参阅标有“Yarrowville”的附件电子表格；对该电子表格的一些评论：好的，因此该地区的实际价格低于线性回归所建议的价格正如您所说，这可能是因为在所讨论的时期内，被买卖的住房存量的质量低于平均水平 但是可以说这没有发生 - 让我们假设在此期间出售的房屋真实反映了该郊区的可用住房存量（从字面上看，它们是“平均”或“典型”；房子）（我知道这是一个不切实际的假设，但是，这是经济学，我们所做的就是应用假设并保持不变）好的，所以我们有一个因变量（线性回归）表示自变量（销售价格）不正常（基于提供的信息）但我们遇到的问题是自变量（销售价格）本身取决于许多其他因素，这些因素没有也不容易考虑- 诸如： - 实际利率 - 实际家庭收入 - 消费者情绪 - 可获得的预期回报（租金和 CG） - 其他地方可获得的回报（例如股票、定期存款） - 影响房地产市场的当地因素（重新分区等） -政府政策（印花税、税收等）的影响 - 等等 虽然 - 从表面上看 - 图表表明该房产是一个不错的选择，从统计上讲应该更值钱，图表没有告诉我们的是: - 这些其他的如何因素正在影响实际销售价格，或者（也许更重要的是） - 我们可以预期销售价格在什么时候向上转向其历史线性平均水平（这可能是很长的时间）在这一点上，我会喜欢你看看标有“HouseIndexData”的第二个电子表格；这是我几个月前发布的电子表格的推导注意 - 这不是来自房地产销售的价格数据，而是由 ABS 生成的价格指数数据（基于房地产销售）你会注意到 3 个主要的图表（悉尼、墨尔本、布里斯班） 在每个图表中，红色实线代表给定季度中这些城市的房价指数 红虚线是这些指数的线性趋势线 如果我们使用过去的数据和结果作为手段通过它来检验线性理论，那么早在 1992 年（悉尼和墨尔本）和 1995 年（布里斯班），我们就一直在购买房产 随后几年的投资炼狱（房屋回报）充分说明了过度依赖的谬论统计指标 Mark ps Good thread pps 澳洲某些公司自称是这方面的专家，甚至有信心站出来说他们预计20XX年房价将上涨X% 个人我不知道他们是如何做到的，我怀疑他们的预测只不过是受过准教育的 bs，旨在让他们的名字出现在头条新闻
评论
交易成本我对这个想法表示同情，但我会小心将股票交易分析过度应用于房地产市场一方面，交易成本可能会杀死你
评论
谢谢马克，非常发人深省我应该在一个方面进一步解释自己我绝不会认为上述方法是用于长期预测的，它不仅仅是为了确保我们现在支付公平的价格如果回归测试证明它是有效的，那么它只会预测未来 3 个月而且准确度水平与什么不同人们可能会期望，如果回归测试被证明是准确的，那么三个月后它只会比在随机时间和地点（或许多其他方法）购买更有利可图听到一些其他的想法唯一的附带条件是，要使 quant 具有相关性，我们必须能够根据它在利率和家庭收入等方面产生的结果对其进行回归测试。这些东西也可以用于 quant，但对于长期预测更相关（而且更复杂），正如您所估计的那样 我的论点是（在媒体中）应用这些数字的一般方法几乎完全不考虑后见之明而经济学家使用复杂的回归测试和建模使用相同的数字，他们中的大多数人为那些不会向我们提供他们的分析仪的组织工作，这对他们来说很有价值 Hi ren-A，目前这似乎是一个相当冗长和冗长的话题，所以在此过程中错过了很多想法'实际上并没有预测'交易'财产只是使用'交易'分析来帮助获得长期投资的好价格我已经做了一些回溯测试，到目前为止显示了直接的好处（在接下来的t 季度），略高于平均购买成本和（维多利亚时代）印花税 不幸的是，我无法将照片上传到网上，否则我会展示我所拥有的
评论
马克我得到了一些有趣的结果您发布的首府城市数据（谢谢，不要假设您有更多郊区数据）首先我测试了每次价格下跌 05 Std Dev 时购买的想法，看看在下一季度我们是否应该期待指数值回升 平均回升113%，回升为正发生在 71% 的事件中 接下来我需要一个“控制”，因此对模拟器进行了编程以创建相同数量的买入，但在随机时间（不一定是下跌）我运行了这个“随机交易生成器”20 次并对结果取平均值结果非常确凿，一个季度后的平均“利润”为 165%，并且 20 次随机运行中的每一次都比逢低买入 结论：在首都范围内的“逢低”期间买入在短期内是一种无利可图的策略术语注释：我做了一些测试（还不够），这表明在一个郊区的基础上做同样的事情可能在短期内是有利可图的（目标是更快地建立足够的股权来购买下一个房产）如果那就是这种情况下，策略可能是在避免全市范围内下跌的同时，在郊区的房价中位数下降 据估计，郊区房屋中位价的下跌可能是由于所售房屋质量的变化，但各种 RE 研究所建议使用中位数价格比其他方法更准确在任何情况下，如果回归测试证明是肯定的，则不会使任何结果无效，因为结果的估计仅仅是如果一个人可以获得线性回归“预测”的折扣，那么接下来的季度中值会比随机购买更频繁地提高价值 当估价师出现时，这不是一件坏事
评论
控制土地大小 嗨，这是一个有趣的想法 我发生的一些事情是: 1 将数据标准化为 $m2 而不是以房屋为单位 这将帮助您控制不同的街区大小 2 将该地区的土地价格与土地+房价进行比较，以便您可以估计土地的未改进价值 将此用作尝试发现以低于未提高价值的价格出售的房产或区域 干杯，Ben
评论
Ben 在标准化数据输出方面是个好主意○ n “美元成本交易”；和“出租现实”；与您建议的方法非常相似 分享适用于 RE 的类比 帮助您识别下跌 它从来都不是独家指标，而是另一种工具) 这里有一个链接作为例子：http:allhomescomaucahauisushamp;i359amp;y2005 干杯，本
评论
谢谢本，我知道我问了很多，但我很想找到主要基于销售额的汇总数据所以我不必过多地计算数字汤姆我可能在不同的波长上，我对“美元成本平均”有所了解，它通常用于股票交易中随着价格下跌继续购买，这样当（阅读是否）它最终会上涨，然后购买的价格被平均我们正在谈论的想法也不是新的，但它更像是在上升趋势中购买短期下跌我找不到报价的公式《出租现实》然而（也许有人可以在这里发布），我看到它平均五年的租金收益率只是一个评论，但使用线性回归可能比平均更准确，因为它考虑了平均不考虑的趋势我们正在谈论的想法尝试使用通过过去中值中间的直线预测下个月的中值，因此将趋势考虑在内 在上升趋势中“LinReg”贯穿中间，而平均值低于价格，因此它们不太准确类似的目的，以获得公平的估值
评论
http:wwwnavracomaucodearticles_showaspxid1032 T
评论
对于任何对此感兴趣的人来说，似乎可用于这些目的的最准确数据是 Residex 数据，他们的系统仅用于比较使用此类数据的时间序列分析，当前的房产销售量与同一房产的过去销售量将是非常准确的年龄，如果我们评估目标房子（如果它是一个 IP，则基于收益率），并且购买低于该值减去标准差，我们将做得很好下一个问题是，residex 是否提供每个郊区的数据系列
评论
我希望我听起来不是讽刺皮特，但我认为你非常聪明，能够绘制出这样的图表某种训练，因为我的图表并没有变成应有的样子，当我再次恢复信心时，我将再试一次
澳洲中文论坛热点