一、研究背景：
北京市作为中国的首都和经济中心，房地产市场一直备受关注。二手住宅市场是房地产市场的重要组成部分，其价格波动不仅影响着购房者和卖房者的利益，也对整个经济社会的稳定和发展产生重要影响。因此，对北京市二手住宅市场价格波动进行分析具有重要的现实意义。
二、研究意义：
- 为政府部门制定政策提供参考：通过对北京市二手住宅市场价格波动的分析，可以了解市场的运行状况和趋势，为政府部门制定相关政策提供参考，促进房地产市场的健康发展。
- 为购房者和卖房者提供决策依据：了解北京市二手住宅市场价格波动的规律和特点，可以帮助购房者和卖房者做出更加明智的决策，避免因市场波动而造成的损失。
- 为房地产开发商提供市场信息：通过对北京市二手住宅市场价格波动的分析，可以了解市场的需求和供给情况，为房地产开发商制定开发计划提供参考，提高市场竞争力。
- 为学术界提供研究素材：北京市二手住宅市场价格波动是一个复杂的经济现象，对其进行分析可以为学术界提供丰富的研究素材，推动相关领域的研究进展。
三、实证分析
首先导入基本数据分析的包
import matplotlib.pyplot as plt
import seaborn as sns
import datetime
%matplotlib inline
plt.rcParams['font.sans-serif'] = ['KaiTi'] #中文
plt.rcParams['axes.unicode_minus'] = False #负号import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from statsmodels.tsa.seasonal import seasonal_decompose
from statsmodels.tsa.arima.model import ARIMA数据集和完整代码
接下来对数据进行描述性统计分析
从上面可以看出，样本数量为13，这意味着有13个数据点。
平均数为62576.769231，表示平均每天有约62576套二手房出售。
标准差为480.649240，表示数据点相对于平均值的分散程度。标准差较小，说明数据相对集中在均值附近。最小值为61445，最大值为63017，这两个值显示了数据的范围。
四分位数 (25%, 50%, 75%):第一四分位数 (25%)为62171，说明25%的数据点小于或等于62171。中位数 (50%)为62741，也称为第二四分位数，处于所有数据点排序后的中间位置。第三四分位数 (75%)为62914，表示75%的数据点小于或等于62914。
数据的均值较接近中位数，表明数据呈现较为对称的分布。
标准差较小，显示数据相对集中在均值周围，变化不大。
数据的最小值和最大值显示了二手房价格的整体范围。
总体来说，根据这些描述性统计结果，可以初步判断二手房价格的分布情况，以及其变化范围和趋势。
接下来可视化2023-2024年二手房价格趋势
plt.figure(figsize=(12, 6),dpi=250)
plt.plot(df.index, df['二手房价格'], marker='o', linestyle='-')
plt.title('2023-2024年二手房价格趋势')
plt.xlabel('日期')
plt.ylabel('二手房数量')
plt.grid(True)
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
根据图显示的数据，二手房价格整体呈现逐步下降的趋势，特别是在2024年5月，价格已经接近每平方米61400元。这种下降趋势可能反映了市场供需关系的变化或经济形势的影响。对于买家来说，这意味着他们可能会在相对较低的价格水平上找到合适的房屋。然而对于卖家而言这种趋势可能会带来一些挑战，因为卖家可能需要接受更低的价格来促成交易。这可能导致市场上房屋的交易量增加，因为更多的买家被吸引到相对更具吸引力的价格水平上。，例如，对于卖家来说，这种价格下降趋势可能会导致他们需要调整房屋的定价策略，或者更加积极地营销他们的房产以吸引买家。此外，他们可能需要在决定最终交易价格时做出一些让步。对于买家来说，这种趋势可能意味着他们可以在市场上找到更多的选择，并且更有可能以更低的价格购买到他们理想的房产。然而，买家也需要注意市场的动态变化，以确保在合适的时机做出购买决定。
综上所述，二手房价格的逐步下降趋势反映了市场的供需关系和经济环境的变化。这对于市场参与者来说既是挑战也是机遇，需要根据市场变化及时调整策略和决策。
接下来画出滚动平均线
接下来使用ARIMA模型分析
模型选择：
ARIMA(1, 1, 1) 模型表示一阶自回归、一阶差分和一阶移动平均的组合。这是一个常见的时间序列模型，用于捕捉数据中的趋势、季节性和短期波动。
系数估计
ar.L1 的系数为 -0.4125，意味着上一期的二手房数量对当前期有一定的负向影响，但影响较小。
ma.L1 的系数为 0.3333，表明上一期的误差项对当前期有一定的正向影响。
综合来看，这个 SARIMAX 模型在一定程度上捕捉了二手房数量的时间序列特征，但由于系数的不确定性较高和存在异方差性，模型的拟合效果可能不是很理想。可能需要进一步调整模型参数、考虑其他因素或使用更复杂的模型来提高拟合精度。此外，还可以对数据进行进一步的分析和可视化，以更好地理解二手房数量的变化趋势和模式。请注意，以上分析仅基于提供的模型结果，实际情况可能需要结合更多的背景信息和专业知识进行综合判断。
接下来进行预测未来三个月的数据
根据模型预测结果，二手房市场的价格在未来几个月将继续逐渐下降。具体而言，2024年6月1日的二手房价格预计为61,483.35元。到2024年7月1日，二手房价格将进一步下降至61,467.53元。尽管在2024年8月1日，价格略有回升至61,474.06元，但整体趋势仍然是下行的。这一预测表明，未来一段时间内二手房市场将面临持续的价格压力，潜在购房者可能会观望，等待更有利的购买时机。
四、研究结论：
北京市二手住宅市场价格波动呈现出明显的周期性和季节性特征，同时受到多种因素的影响，如经济增长、政策调整、人口流动等。近年来，北京市二手住宅市场价格波动较为频繁，且波动幅度较大，这与市场供求关系、政策调控等因素密切相关。为了促进北京市二手住宅市场的健康发展，政府部门应加强市场监管，完善政策法规，稳定市场预期；购房者和卖房者应理性对待市场波动，根据自身需求和经济状况做出决策；房地产开发商应关注市场动态，合理规划开发项目，提高产品质量和服务水平。未来，北京市二手住宅市场价格波动仍将受到多种因素的影响，需要进一步加强研究和监测，及时发现问题并采取相应的措施加以解决。
创作不易，希望大家多点赞关注评论！！！（类似代码或报告定制可以私信）
