物流配送需求量的预测方法

物流需求量预测是政府有关部门及企业制定物流规划和建设物流基地的决策依据.文章将灰色理论和离散状态的马尔可夫链相结合,用灰色马尔可夫链对物流配送需求量进行实证研究.针对灰色数据系列首先用GM(1,1)模型进行趋势预测,然后利用马尔可夫状态转移概率矩阵预报方法对其预测值进行二次拟合,预测精度明显高于GM(1,1)模型预测.     

基于灰色-马尔可夫链改进方法的预测方法

集装箱中心站运量预测工作是项目建设规模和运营经济评价的基础,在中心站建设的工作中处于十分重要的地位。文章将灰色模型预测方法GM(1,1)和马尔可夫链预测相结合,应用灰色-马尔可夫链改进预测方法,针对铁路集装箱中心站货运量的发展趋势进行了预测,分析表明通过马尔可夫链的修正,灰色模型预测结果精确度得到较大改善,可得出比灰色预测更加准确的结论,更有利于决策者的经济决策行为。     

灰色--马尔可夫链改进的预测方法

科学的预测对于经济现象的研究和经济政策的制定具有十分重要的意义,因此关于经济预测理论和方法的研究一直是一个热点.本文采用灰色模型预测方法GM(1,1)和马尔可夫链预测相结合,提出了灰色-马尔可夫链改进预测方法,并且针对我国铁路货运量的未来趋势进行了经济预测的实证分析,得出了比灰色预测更加准确的结论.     

基于灰色系统理论的两种房价预测方法比较

文章以灰色系统理论作为理论基础,分别构建了GM(1,1)模型和融入灰色理论的一元线性回归模型对房价进行预测。通过对上海浦东新区房市做实证分析发现:GM(1,1)模型的拟合程度和预测精度均优于灰色一元线性回归模型,并且GM(1,1)模型更加适应样本数据较少的情况。     

武汉市商品房均价的预测

房价预测是房地产投资决策和调节控制的重要依据之一。文章针对武汉市房地产市场商品房均价数据较少的特点,运用GM(1,1)模型和修正算法,以及灰色马尔科夫模型对均价进行建模计算预测,并对结果进行精度比较,结果表明模型的预测精度较高,在房价预测中有较强的科学性和可行性。     

系统安全数据预测方法综述

据不完全统计,现有的各类预测方法达300种之多,而通常用于系统安全数据预测的方法主要有回归分析法、德尔菲法、趋势外推法、马尔可夫预测、齐次泊松过程模型、指数平滑线、残差辩识法、模型法和灰色预测法等。这些预测方法可分成3类:前5种是统计型的;指数平滑与残差辩识属递推型;灰色预测与模型法则属于连续型。现就这几种预测方法作一简要评述。一、统计型的预测方法1、回归分析法这是一种传统的分析、预测方法,长期以来作为一种经典方法而广泛应用,且种类较多。在系统安全数据的预测上,目前运用较多的为单元线性回归和单元指数回归。由于…     

基于灰色-马尔可夫模型的房地产周期研究

文章针对我国房地产周期研究中存在的内在机理复杂、数据信息不足等问题,提出了利用灰色-马尔可夫模型进行房地产周期分析和预测的想法,即利用GM(1,1)模型估计长期趋势成分,利用马尔可夫链预测模型估计周期性波动成分,通过两者的结合完成对房地产周期的拟合和预测.实证表明,该模型能够成为当前我国房地产周期研究的一项有效工具.     

股票分类指数的多元马尔可夫链模型

针对多元马尔可夫链模型分析中,待估参数数量大而导致估计困难的问题,文章提出了改进方法。以一元预测误差最小为优化目标,对列间权重参数进行了分批次优化求解。应用多元马尔可夫链模型,对股票五大行业分类指数序列进行建模,研究了各行业分类指数相互间的内在相依特征。应用数据序列间的多元交互信息,对行业分类股指序列进行了预测。     

基于灰色-马尔可夫链的区域物流需求预测

文章将灰色系统理论与马尔可夫链相结合,首先建立GM(1,1)灰色模型,在此基础上应用马尔可夫链确定系统状态转移概率矩阵,通过系统状态的划分,最终预测值以概率和区间形式表现.将该方法应用于区域物流需求的预测中,得出的预测结果更可靠,而且能够对区域物流需求的发展趋势进行宏观把握,有利于决策者的决策行为.     

房产销售价格变化与物价水平的动态效应分析

文章基于VAR模型对我国2005～2010年的商品房销售价格指数进行预测分析.通过建立VAR模型对EPI指数与CPI指数、PPI指数之间动态变化规律及影响机制进行实证研究,并结合脉冲响应函数及方差分解对短期的未来商品房销售价格走势进行预测.结果表明:物价水平的波动对房产价格的冲击有限,房价上涨更多的是过往自身价格水平的体现,未来将呈现逐步回落趋势.     

改进住宅销售价格指数编制质量的一种思路探讨

 在介绍链式更新特征价格法编制房地产价格指数基本原理的基础上,基于大连市商品住宅交易数据全库,结合大连市房地产市场的运行特点,综合考虑各住宅特征信息的可获得性,从建筑特征、邻里特征和区位特征三个方面,确定了22项影响住宅价格的特征因素以及大连市“标准商品住宅”的标准,然后以2006年为基准建模期,采用两期链式更新法构建了大连市商品住宅对数线性特征价格模型,进而计算得到以2006年1月为基期的商品住宅月度特征价格定基指数序列,最后总结了链式更新特征价格法的技术特征以及对于改进我国房地产价格指数编制质量的现实意义,同时提出编制城市房地产特征价格指数所需要的制度规范与保障。     

将房价因素计入中国CPI的实证研究

近年来中国房价的快速上涨与下跌和相对稳定的CPI不配比问题,引起国人对CPI指标的质疑,已影响到政府统计公信力。运用中国2010年CPI的月度数据与各月CPI分类数据,在借鉴美国使用成本法和澳大利亚获取法的基础上,重新建立中国CPI在住房消费方面的两种核算方法。通过对两种方法核算的CPI数据比较发现,澳大利亚获取法核算符合中国社会经济发展现状,能更真实反映中国城乡居民消费价格水平。鉴于中国房价对CPI的显著影响,中国应该采用获取法核算CPI,将房价直接计入CPI核算中,进而提高CPI指标的公信力。     

我国35个大中城市房价-持久收入比研究

房价收入比是反映居民购房可支付能力的重要指标。为了更真实准确反映我国居民长期承受的购房负担,本文基于持久收入假说,利用我国35个大中城市数据,建立状态空间模型,估计出持久收入意义下的房价收入比,通过情景分析确定其合理上限,并分析主要特征。研究表明：①我国房价-持久收入比的合理上限为7.6,2002-2013年35个大中城市的房价-持久收入比均值是9.2,其中28个城市已超过该上限,比值最高的北京已达到14.9;②城市越发达,则房价-持久收入比越高,居民需要承受的购房压力越大,且在时间趋势上,一线与二三线城市间的差距呈现扩大趋势;③在地理分布上,我国东部、中部、东北地区、西部大中城市的房价-持久收入比呈现从高到低的排列顺序;④相比于传统方法中根据可支配收入测算的房价收入比,房价-持久收入比与其约有10%的差异。当前我国政府应采取有效措施继续限制房价,减轻居民购房负担。     

房价上涨对我国城镇居民消费的挤出效应研究

本文以住房双重属性为基础,从理论上分析发现房价上涨对消费的影响会因居民对住房属性的不同侧重产生差异,若侧重其投资品属性,最终影响会是挤出效应,抑制消费。本文根据不同类型居民的消费差异以及住房属性的不同侧重,构建动态面板模型以进行实证分析,结果表明：我国房价上涨存在明显挤出效应,地区性差异明显,进一步研究还发现挤出效应影响的广泛性,不仅直接挤出消费支出,还可作用于消费的其余影响因素间接抑制消费。因此,要减缓这种挤出效应,增强消费对经济的拉动作用,政府部门不仅要注重住房的消费品属性,合理调控房价上涨幅度,而且还须出台系列相关措施,例如缩小收入差距、降低消费支出不确定性和努力摆脱土地财政。     

宏观经济因素对房地产价格的长短期影响

本文将购房者、房产商与中央银行纳入统一的模型当中,对房价的影响因素进行理论建模,然后拓展了传统的向量自回归模型长短期分解技术,研究了利率、通货膨胀率、汇率、土地价格以及经济增长率对房价的长期和短期影响。研究表明,利率上升对房价具有长期的负向效应,短期内会加剧房价的波动;通胀预期在长期内促使资金流入房地产行业,对房价会产生推动作用,短期内,通胀促使房地产企业加快投资速度,房屋供给增加预期引起房价下降的冲击;人民币升值在长短期内均与房价上涨存在正向作用;在当前的经济和房地产发展阶段,经济增速提高时,对房地产业的投资和投机具有一定的抑制作用;土地价格长期来看推动房价上涨,短期内对房价影响的传导较慢。     

适用于楼宇住房的重复售出价格指数模型研究

与欧美国家不同,我国的住房以楼宇住房为主。对于同一栋楼宇,不同楼层的同一户型,除楼层差别外,其他居住品质基本相同。因此,本文提出了“类重复”交易规则,用于把同一楼盘的不同时期销售的住房转化成可以直接对比的同质性产品的“重复交易”,从而将国外较为主流的重复售出模型应用到我国新建住房价格指数构建中。本文分析了楼宇住房建筑和定价特征,发掘了楼宇住宅“同质性”样本的“类重复”规则,设置了消除直接对比偏差的“配对规则”,以及编制指数需要的基期价格计算和特殊事件处理规则。利用脱敏后的新建住房合同交易数据,本文的实证模拟验证了类重复规则的可行性,并讨论了指数偏差和使用原则。     

Forecasting Study of Shanghai’s and Shenzhen’s Stock Markets Using a Hybrid Forecast Method

In this article, a novel hybrid method to forecast stock price is proposed. This hybrid method is based on wavelet transform, wavelet denoising, linear models (autoregressive integrated moving average (ARIMA) model and exponential smoothing (ES) model), and nonlinear models (BP Neural Network and RBF Neural Network). The wavelet transform provides a set of better-behaved constitutive series than stock series for prediction. Wavelet denoising is used to eliminate some slight random fluctuations of stock series. ARIMA model and ES model are used to forecast the linear component of denoised stock series, and then BP Neural Network and RBF Neural Network are developed as tools for nonlinear pattern recognition to correct the estimation error of the prediction of linear models. The proposed method is examined in the stock market of Shanghai and Shenzhen and the results are compared with some of the most recent stock price forecast methods. The results show that the proposed hybrid method can provide a considerable improvement for the forecasting accuracy. Meanwhile, this proposed method can also be applied to analysis and forecast reliability of products or systems and improve the accuracy of reliability engineering.     

基于蝙蝠算法SVR模型的北京市二手房价预测研究

传统SVR模型可预测房价变化趋势,但不恰当的参数设置会影响预测的精度。本文针对北京二手房同比价格指数的非线性变化特征,将蝙蝠算法(BatAlgorithm,BA)引入到SVR模型中,使其对模型的三个参数进行优化设置,结合网络搜索数据(Web Search Data,WSD),构建了BA-SVR&WSD混合模型,并给出了该模型算法的预测流程,通过引入多个基准预测模型和预测性能度量指标进行对比研究。研究结果表明：基于蝙蝠算法的SVR模型的具有较好的泛化能力、预测效果更准确且预测精度更高,该预测方法也为北京二手房价格的监测和调控提供有价值的参考。     

房价波动对我国城镇居民消费的影响研究

 本文将房价、住房面积、消费习惯及借贷约束等变量引入消费者最优选择模型中,构建出在综合考虑各个因素的条件下,能够检验房价波动对居民消费影响的动态面板模型,运用动态系统广义矩阵方法,采用我国29个省市的年度数据进行多角度的实证分析。研究显示:(1)我国城镇居民受到较强消费习惯与收入敏感性的影响;(2)房价波动对居住消费的影响为负,对非居住消费的影响为正,且均存在明显的非对称性;(3)中东西地区房价波动对居住消费的影响均为负,但影响系数差异较大;对非居住消费的影响差异就更为明显,东西部地区影响为正,中部地区为负。分析也表明,我国城镇高房价收入比、地区经济发展不平衡及居民收入差距的不断拉大是导致实证结果的主要原因。     

Determinants of the heavily right-tailed residential housing price in Tianjin

The housing price in Tianjin, one of the typical monocentric cities of China, exhibits a heavily right-tailed distribution even after the logarithm transformation of the price, which might lead to a biased estimation of the parameters under normal distribution assumption. Therefore, the extended Cox proportional hazards regression model and the generalized concept of relative risk are used to identify factors associated with the housing price. The analysis shows that the implementation dates of the macro regulation policies were related to the price changing trends. Qualities of public elementary and secondary schools were significantly associated with the housing price, and the associations between the structure and neighborhood characteristics and the housing price were influenced by the distance of the residential property to downtown Tianjin.KEYWORDS: Cox proportional hazards model, cumulative opportunity method, housing price, restricted cubic splines, relative risk