房地产行业是我国国民经济的支柱型行业，由于其广泛纵深的产业链结构，它的发展能直接推动钢铁、建材、银行金融、交通运输等诸多行业的发展，对国民经济的拉动作用十分重大。　　近年来，受益于国民经济的快速发展，人民生活水平的不断提高，居民消费水平与层次也得到不断提升;同时，在人民币长期升值、城市化进程加速等因素的促进下，房地产行业作为高端消费品行业得到高速发展，其对国民经济的影响更是显著增强。在此背景下，众多房地产上市公司也直接从资本市场上受益，他们中的龙头公司更是作为蓝筹股形象被众多投资机构追捧而竞相建仓。　　总体上，房地产行业的发展受制于宏观经济，以及处于产业链上下游的相关行业。一方面，表征宏观经济运行态势的宏观指标众多，不仅它们之间的关系纷繁复杂，而且它们对于房地产行业的影响更是错综复杂。另一方面，房地产产业链上相关行业的影响也是非常复杂。　　因此，对房地产行业作深入研究，并建立定量的实证模型(包括宏观经济主要指标影响的实证模型和上下游产业链行业影响的实证模型)，不仅有利于精确化分析该行业发展现状，理清楚各宏观经济指标对它的影响关系，以及行业成本结构关系，而且能在一定精度下由这些宏观指标的变动来预测房地产行业的未来走势，这不仅有利于决策者制定相关政策以提前进行调控，而且对投资者也能看清楚未来趋势，进而更明智地选择投资对象。　　本人论文选题——“房地产行业实证模型与投资风险分析”缘自本人在一个基金公司实习时的相关项目，然后作进一步扩充，并在理论上进一步深化严谨化处理，做成本人硕士学位论文。　　文章首先简单概述房地产行业现状，然后建立房地产行业的实证模型，包括宏观层面的宏观经济对其影响的实证模型、中观行业层面的产业链实证模型两部分，最后对A股的房地产指数做了投资风险VaR测算(综合了历史模拟法、协方差法、蒙特卡罗模拟法三种方法)。　　在宏观经济影响实证分析中，本文首先从房地产行业供应和需求两方面着手，寻找出对该行业可能有影响的宏观变量，然后对这些变量进行单变量影响的实证检验，挑选出有影响显著的宏观变量，最后用这些显著变量对房地产行业指标——商品房销售价格指数作多元回归分析，分别建立解释性模型和预测模型，最后用预测模型用最后5期的数据作了模型检验。　　产业链实证分析中，我们首先根据公布的投入产出表构造房地产行业的主要产业链结构，然后重点选择土地、建材、银行贷款资金作为其成本的主要结构，在重点分析这三个行业的基础上，用这三个指标的相应变量建立房地产指标的实证模型。　　行业投资风险分析部分，我们重点测算了房地产股票的风险价值VaR，使用的数据是用众多地产股加权编制的房地产行业指数。计算VaR时，我们分别使用了历史模拟法、协方差法和Monte Carlo模拟法，分别测算出结果，并对这些结果作了对比分析;据此，给投资者提出了一些合理的投资建议。　　考虑到宏观经济以及其它指标的影响作用都可能存在一定的滞后性(典型的如:投资性热钱的流入可能直接导致需求扩大，推动房价上涨，而建材等成本要素的上涨要几个月甚至几年后才能在房价中反映)，而这种滞后期的测算也是对投资产生直接影响作用的。因此，我们特别引入了滞后量的概念，在对房地产行业指标变量进行回归分析时，用自变量的各阶滞后量对应变量作相关性检验，找出最相关的滞后期，作为影响最显著的变量滞后期。　　理论上是综合运用了描述统计、时间序列、回归分析、因子分析、预测模型、风险价值VaR等方法技术，解决实际投资中一些迫切需要明确、定量化的问题，并对一些重要指标变量做了一定精度的预测。这些基于精确定量化研究的基础，得出的结论对投资有着更强的指导意义;而这正是目前实际投资中的行业研究所欠缺的，也是本文的实践意义与创新所在。