基于主成分分析的住宅特征价格模型的实证应用

在房地产行业中,由于特征价格法的定量分析能力较好,国际上应用较广。目前国内主要应用线性特征价格函数对住宅市场进行实证研究,其自变量之间存在一定相关性问题。基于线性Box-Cox特征模型变换的有效性和优越性,文中用主成分分析法对Box-Cox变换特征价格函数中的系数进行标准化处理,排除变量间的线性关系对特征价格模型所产生的误差。通过对西安市住宅市场实证研究,建立基于主成分分析的特征价格模型,用实际数据证明该方法的可行性。     

基于主成分分析的商品住宅价格预测研究——以西安市为例

近几年来,随着我国社会经济的不断发展以及城市化速度的加快,国内各大城市的商品住宅价格不断攀升,即便是在政府不断加强宏观调控力度的情况下,商品住宅的价格仍然呈走高趋势。针对这种现象,对房地产市场商品住宅价格的研究就显得十分必要。文章首先对西安市住宅房地产市场价格进行了分析;然后,在此基础上运用描述性统计分析方法有针对性的分析了影响西安市住宅价格的各个因素,并引入主成分分析方法进一步对影响西安市住宅价格的因素进行了实证研究,并得出结论。其次,基于主成分分析的结果,并结合计量经济学回归预测理论建立住宅价格预测模型,并得出西安市未来几年的住宅销售均价。最后,在预测结果的基础上并结合西安市住宅房地产市场的具体情况,对政府提出了使住宅市场健康稳定发展的政策建议。     

灰色理论在商品住宅价格预测中的应用

影响商品住宅价格的因素很多,既有宏观因素,也有微观因素.在商品住宅价格变动因素分析的基础上,以上海市历年商品住宅平均销售价格作为原生时间数据系列,建立了上海市商品住宅平均销售价格的动态预测模型,从模型的预测结果看,商品住宅的平均销售价格将保持上升趋势.需求拉动论、GDP增长论、成本推动论、地价上升论、品质提高论、产品结构论、动迁需求论、投机哄抬论等等因素是造成房地产价格不断上涨的原因.     

基于误差校正的ARMA-GARCH股票价格预测

针对时间序列预测和简单回归预测各自的侧重点不同,综合两者优点,对股票价格进行预测。首先将股价数据转换成对数收益率,利用ARMA-GARCH模型对收益率序列建立模型,对上证指数股票价格进行初步预测;然后建立回归模型对GARCH模型误差中未被解释的成分进行分析和拟合,利用回归模型预测的误差对GARCH模型预测结果进行校正。在选择回归模型变量时,引入变量间的相关性分析筛选合适的影响因子,利用主成分分析方法提取影响因子中包含的信息,实现对解释变量的降维,获取具有代表性的综合指标,以提高建模精度。实例研究证明该方法对于上证指数股票价格预测较为准确。     

我国猪肉价格的影响因素是时变的吗？——基于动态模型平均的分析与预测

猪肉价格的超常波动给人民生活与相关产业发展均带来了不利影响。为有效识别猪肉价格影响因素并对猪肉价格进行科学的预测,从猪肉价格影响因素的时变特征入手,提出一套基于动态模型平均理论的猪肉价格影响因素与预测分析框架。 检测猪肉供给、猪肉需求、我国经济环境和国际市场等四个方面11个价格影响因素,研究并识别猪肉价格影响因素的时变特征,进而构建猪肉价格预测模型,并通过预测误差指标和Diebold Mariano检验比较其与基准模型的预测能力。研究发现：我国猪肉价格影响因素存在显著的时变特征,且因素间差异明显;自2009年以来,猪肉价格的决定机制更为复杂,影响因素更为多元;基于动态模型平均的猪肉价格预测模型的预测表现明显优于基准模型。政府部门在制定生猪市场调控政策时,需充分考虑到供给、需求、我国经济环境、国际贸易对猪肉价格的影响,并且可以借助准确的猪肉价格预测信息以增强调控政策的主动性、前瞻性和科学性。     

基于主成分分析基础上的中国蔬菜生产预测

在对中国蔬菜生产的现状进行论述后,通过对影响蔬菜生产的诸多因素的分析,挑选出十个主要因素,运用主成分分析法将它们进行"降维"归类,再利用回归得出我国蔬菜生产产出的模型.在此基础上,以主成分分析法得出的四个主成分为因变量,各自建立四个主成分的时序模型.结合这些模型对我国蔬菜的生产状况进行未来年份的预测,以期为中国蔬菜产业发展中的政策制定和战略调整提供依据.     

住宅价格的长记忆波动率特性实证分析

运用FIGARCH模型,利用2000年第一季度至2009年第四季度的数据对商品住宅价格是否存在长记忆波动率的特性进行了实证分析.研究结果表明:我国商品住宅价格的波动存在长记忆性、聚集效应和异方差性.根据实证结果,对房地产调控及房价的研究提出了几点建议:对住宅价格的调控应当更加注重数量型工具,注重政策的稳定性和长期性,金融机构应当不定期地对房产信贷风险作出评估等.     

基于主成分分析的PSO-BP算法在GDP和CPI预测中的应用

GDP增速与CPI指数具有复杂的时间序列和非线性特征。鉴于BP神经网络算法有良好的非线性拟合能力,但容易陷入局部极小值的特点,提出了基于主成分分析的PSO-BP算法。该方法主要通过主成分分析方法对输入变量进行降维,利用PSO算法良好的全局寻优能力对BP算法的权值和阈值进行优化,从而避免BP算法陷入局部极小值。最后运用模型对GDP增速和CPI指数进行拟合预测。实验结果表明:该模型比PCA-BP模型和PSO-BP模型具有更高的拟合精度和更小的均方误差。     

改进多元线性回归模型在某油田产量预测中的应用

为了预测油田的动态产量,根据实际工作经验选择一些与油田产量有关的因素作为建模变量,通过对多个变量的综合回归分析,确定影响油田产量的重要因素,并建立适合某油田年产量预测的多元线性回归模型。分析回归参数求解过程中的重要信息,并建立了年产油量的改进回归预测模型。同时,将两种预测模型应用于某油田产量预测,通过比较,可以看出改进回归模型形式更加简单,预测结果更准确。     

一种新的多步预测控制算法

基于CARMA模型,对多步输出预测加权后进行预测控制,从而能充分利用预测信息,减少了单一预测误差对控制器的影响,其结果改进了原广义预测控制算法.     

地区商品房价格的计量分析

近年来我国房地产业迅猛发展,商品房价格稳步上升,但2004年以来商品房价格涨幅过高。经分析发现,各地区商品房价格的差异程度要大大高于各地区城镇居民收入水平的差异程度且近年来差异程度不断扩大。通过对地区商品房价格的影响因素分析,建立了地区商品房价格的Panel Data模型。根据模型的估计结果得出,控制房价过快增长的重点应该是调整投资结构,在控制房地产投资比重的前提下增加商品房的供给。     

基于贝叶斯模型平均（BMA）方法的中国房地产价格影响因素分析

对可能影响中国房价的诸多因素的重要性问题进行识别和检验,基于模型不确定性的视角,使用中国30个省（区）2002~2013年面板数据,采用贝叶斯模型平均（BMA）方法进行模型设定与分析。研究认为,在可能对中国房价产生影响的19个指标中,信贷政策、心理预期、物价水平、房屋竣工面积和产业结构合理化等5个解释变量的后验概率大于90%,它们是影响现阶段中国房地产价格的决定因素;应通过差别化的信贷政策分区域控制房价,通过新闻媒体公开统计和发布房地产数据正确引导人们的心理预期,通过适宜的货币政策有效控制物价,通过保障性住房建设增加房地产供给,通过合理化的产业结构引导房价调控等,促进中国房地产市场的健康发展。     

房地产价格促进地方财政增收的实证研究

基于国家统计局2000~2019年的年度数据，从地方政府财政收入、商品房平均销售价格、房地产开发企业土地购置费用和CPI等几个层面来探讨商品房房价波动对于地方政府财政收入的影响。通过建立向量自回归模型，我们发现，房价对地方财政收入有显著影响，一定范围内房地产价格的上涨能够有效带动地方财政收入增长。据此，有针对性地提出相应政策建议，以缓解地方财政困难，实现房地产市场可持续发展。     

重庆市县域商品房价格时空变化特征研究——基于空间统计分析法

以2005—2015年重庆市38个区（县）商品房价格数据为样本,利用空间自相关等空间统计分析方法对重庆市县域商品房价格的空间分布和时空演变特征进行研究。研究结果表明：渝东北地区商品房价格稳定性相对最好,渝西地区次之,渝东南地区再次之,主城区商品房价格稳定性最差;重庆市商品房价格具有较强的空间集聚性,但随着时间的推移,空间集聚性逐渐减弱,商品房价格空间差异逐渐缩小;重庆市商品房价格区域差异呈现明显的空间二元结构,房地产发展热点区域主要集中于主城九区,远郊区县的房地产发展相对缓慢。     

对我国商品房价格的走势分析——以郑州市为个案

房价收入比的大小是影响房地产价格的关键，也是房地产是否出现拐点的判断依据。郑州市的数据分析显示，其商品房价格及房地产行业呈健康发展趋势，居民能够承受目前的住房压力，房地产行业与我国经济发展相适应。价格保持相对稳定是房地产业安全运行的关键，我国应该出台更具体的政策保持其健康发展。     

市场细分与城市住宅特征价格分析

从住宅特征价格的视角,提出检验和分析住宅细分市场的方法,并进行实证研究.通过收集杭州市2 473套住宅样本数据和290个住宅小区的实地调查资料,按照建筑类型和产权性质对住宅市场进行细分,选择18个住宅特征作为模型的自变量,建立杭州市整体市场和细分市场的特征价格模型.Chow检验表明细分市场模型在统计上存在显著差异,说明这两种市场细分方法是合理可行的.同时发现,不同细分市场的影响因素有所差异,住宅特征对住宅价格的影响程度有所不同;8个住宅特征对整体市场和细分市场均有显著影响,建筑面积和西湖距离对住宅价格有最重要的影响,CBD距离比西湖距离的影响程度更小.     

我国房价波动与货币信贷政策调控研究

通过比较近年来我国房价名义增长率与GDP、居民收入增长率,发现房价增长率的波动明显大于GDP与居民收入增长率,并用HP滤波方法计算出我国的房价波动幅度;认为自2003年以来政府调控房地产的货币信贷政策主要是以调整存款准备金率与利率、调整开发项目资本金比例、限定贷款主体资格、差别化的住房信贷政策为主;认为货币信贷政策本身存在缺陷、地方政府与商业银行执行不力以及我国特殊的房地产业发展环境是制约货币信贷政策调控效果的主要因素,并提出了相应的政策建议以期为政府调控房地产市场提供参考.     

土地供应对房地产市场影响的有效性探析——以合肥市为例

我国房地产市场近年来表现出房价上涨过快、空置率上升、住房体系结构不合理等现象,为了更有效地指导我国房地产市场的健康发展,土地供应政策继货币政策、财政政策后也上升为政府进行宏观调控的主要手段,参与宏观经济的调控。根据土地供应对房地产市场影响的传导机制,通过实证研究,回顾和总结2004—2009年合肥市土地供应参与房地产市场调控的过程,利用皮尔森相关性分析,剖析合肥市土地供应和房地产市场的关系。研究表明:由于房地产市场的长周期与时滞性,目前土地供应与房地产市场的投资呈现高度的相关性,土地供应与房产市场供应量及价格的相关性表现微弱。最后,从土地供应政策方面提出相关建议。     

哈尔滨市商品住宅价格影响因素的计量经济分析

文章以哈尔滨市市区普通商品住宅为研究对象，利用哈尔滨市1996--2006年的数据，从房地产价格形成机制出发，运用计量经济学的理论，通过Eviews软件建立哈尔滨市商品住宅价格的计量经济模型，分析了各主要影响因素对房地产价格的影响方向、影响程度和作用方式，为政府、开发商、居民提供重要的决策支持，对于制定有效的宏观调控政策具有重要的意义。