本期导读

农作物受生长期、气候、消费习惯和经济波动的影响,农产品价格波动具有明显的季节性。研判农产品价格的变动趋势、季节因素变化规律和重要的临界点,有助于国家政策制定和企业的经济决策。《农产品价格指数的季节调整方法研究》一文,采用X-13ARIMA-SEATS程序,分析了农产品批发价格指数的季节波动规律和我国所特有的春节效应的处理方法。通过对春节效应模型的连续模拟,发     

中国粮食价格波动特征研究——基于X-12-ARIMA模型和ARCH类模型

以小麦和大豆为例,研究2002年1月至2012年6月中国粮食价格波动特征。首先利用X-12-ARIMA模型对价格序列进行季节调整,然后运用ARCH类模型对剥离季节因素的价格序列进行波动分析。结果发现:中国粮食价格季节性波动逐年减弱;粮食价格具有明显的波动集簇性,前期价格波动和外部冲击对后期价格的影响具有持续性;粮食市场不存在"高风险、高回报"特征;小麦价格波动的非对称性不显著,而大豆价格波动则呈现明显的非对称特征,且上期价格上涨信息引发的波动要大于下跌信息。     

季节调整后的蔬菜价格波动——兼论货币供应量的影响

利用X-12-ARIMA季节调整模型及ARCH类模型分析大宗蔬菜白菜、黄瓜、西红柿、菜椒和四季豆价格的季节性波动特点和短期变动特征,并探寻货币供应量对蔬菜价格长期趋势的影响。结果表明:蔬菜价格季节性波动特征明显,但波幅有缩小的趋势;蔬菜价格的趋势变动与货币供应量紧密联系,当流通中的货币量增加1万亿元时,白菜、黄瓜、西红柿、菜椒和四季豆每公斤分别上涨0.43元、0.76元、0.83元、1元和1.2元左右;白菜、黄瓜、菜椒和四季豆的价格具有明显的波动集簇性,白菜和黄瓜价格的外部冲击的影响会持续到下一期,菜椒和四季豆价格过去外部冲击和波动影响会比较持久;四种蔬菜均没有显现出显著的风险报酬特征,上期正负外部冲击对本期菜椒价格波动的影响具有非对称性,而对白菜、黄瓜和四季豆的影响是对称的。     

我国CPI季节调整模型预测

文章基于考虑春节效应的X-12-ARIMA季节调整模型,对我国2002年1月至2013年12月的CPI序列月度数据进行季节调整,并进行季节波动性分析及短期预测.实证结果表明:我国的CPI变动存在明显的季节性特征,春节效应对其有显著影响;CPI序列的短期波动主要是受季节性成分影响,而长期波动主要受趋势-循环成分影响;利用该模型进行短期预测效果较好,预测误差绝对值控制在1.5％之内.     

从信息不对称条件下的房地产市场博弈看政府的调控决策

房地产市场的发展是一个动态变化的过程,国家政策的调控也随市场的变化而变化,文章针对房地产市场中的交易主体——开发商与购房者之间的博弈建立完全但不完美信息动态博弈模型,分析影响房地产市场健康发展的主要因素,洞悉房地产市场发展的当前状态,从政府发挥调控职能的角度提出了对房地产市场健康发展的调控决策的一些建议。     

房价地价推拉关系系数研究与分析

文章以建立城市地价与房价关系的动态模型为目标,研究在城市房地产市场不充分发育和管理体制分离条件下,城市地价与房价构成要素及影响因素体系,建立价格构成和影响因素数理模型。利用动态模型对重庆市进行了模拟实证分析。在重庆市范围内动态提取城市房地价格与各种社会经济活动的相关数据,并建立结构方程模型。通过对模型进行修正和完善得出重庆市在一定时间段、一定政策环境下的房价地价推拉关系系数,证明此系数在特定条件下是保持稳定的,并对此做了详细的分析与讨论。     

济宁房地产价格现状分析

近期，中央和市陆续出台了针对房地产市场的调控政策，对于受外部环境影响较敏感的房地产业来说，政策的调整无疑会影响房地产市场的发展。认清我市房地产价格现状，客观分析房地产价格走势，并提出可行的对策建议，对保持我市房地产市场的持续健康发展，具有重要意义。     

我国房地产价格发展趋势研究

 本文从房地产价格的相关理论出发，主要从房地产需求、房地产供给、房地产金融和房地产宏观调控等角度对影响房价的因素进行了分析，并从实证角度分析了各因素对房价的影响。本研究运用近10年房地产价格季度数据和时间序列模型对房地产价格发展趋势进行预测，最后提出房地产价格发展预警和稳定房价的建议。     

房地产价格波动对中国物价的影响——基于投入产出价格影响模型

本文以中国135部门投入产出表为数据基础,应用投入产出价格影响模型测算了房地产价格变动对中国物价总水平和各部门产品价格的影响程度,分析了房地产价格上涨对中国经济的影响,并提出了相关政策和建议。     

德国BV4.1模型修正与中国CPI季节调整

居民消费价格指数(CPI)是衡量通货膨胀程度和经济活动水平的重要指标,通常要剔除季节性因素影响.本文对国际最新的BV4.1季节调整模型进行了系统的研究和软件开发,编写R程序增强了其实用性.首先考虑到了中国的节日因素,交易日因素和异常值,对2001年1月至2015年3月的CPI数据进行了预处理.在分离出季节成分以及日历成分之后,采用平滑区间和修正历史法进行模型诊断的研究.研究认为:CPI的趋势在短期内具有二阶多项式发展特征,节日因素、交易日影响和异常值不显著;实证结果表明,BV4.1的季节调整结果与其他模型如X-12-ARIMA和TRAMO/SEATS相比具有很强的稳定性.     

政府对房地产商品价格的影响研究

一、房地产市场价格的政策影响 因素 1、金融政策对房地产市场的影响。 2005年金融政策对房地产业可能 朝向相对不利的方向发展。具体的金 融政策大致包括三方面:利率政策、汇 率政策和信贷政策。 (1)信贷政策 2005年对于房地产投资信贷政策 可能会进一步偏紧。 房贷政策调整后,对风险相对较 小的居民自主性购房,商业银行可实     

季节调整方法在CPI指数中的应用

文章首先对季节调整方法的发展及应用进行了说明,着重介绍了国际上使用最广泛的两种方法:X-12-ARIMA和TRAMO/SEATS;然后用X-12-ARIMA方法对我国居民消费价格指数序列进行了季节调整,探测了交易日、闰年、异常值和春节对CPI指数的影响,比较了三种季节调整模型之间的优劣并进行调整,得出了我国CPI指数只受春节因素的影响的结论,相应的最优模型也是春节效应模型;最后用这种模型对我国CPI指数进行季节调整,分离出趋势成分、季节成分和不规则成分,得到了最终的季节调整序列。     

中国货币政策与资产价格关系的统计研究

作为最重要资产价格之一的房地产价格,对于金融稳定和社会经济有很大的影响,故需对其之间的关系进行定量分析。鉴此,梳理货币政策是否需要干预资产价格的文献,发现三类有影响的观点,并通过建立向量自回归模型,使用中国的经济数据,对货币政策和房地产价格之间的关系进行分析,结论表明：由于房地产在国民经济中处于支柱地位,并且房地产对货币政策的敏感性较强,故决策者应通过货币政策影响房地产价格与房地产投资,进而调控宏观经济。     

中国农业经济潜在增长率分析

中国至今没有公布官方的经季节调整的农业经济指标数据,这对准确把握农业经济的季节性特征有着一定阻碍.同时针对中国这样一个处于快速转型时期的国家,对农业经济的潜在增长状况有清楚的认知是科学制定农业政策的依据基础.文章对1992年1季度至2014年3季度、2004年1季度至2014年3季度两类型时段的农业经济指标数据,采用X12季节调整法和HP滤波得出了中国农业经济的季节、循环与趋势特征.并使用GM(1,3)模型考察了生产者支持(PSE)和一般性服务支持(GSSE)对农业潜在增长率的驱动作用.     

基于灰色理论的中国房地产价格指数预测

本文简要介绍了灰色预测方法GM(1,1)模型的构造与模型的检验。利用1999-2004年中国房地产价格指数建立了中国房地产价格指数预测模型。模型预测结果良好,能够较真实反映中国房屋价格的动态变化趋势,从而为预测中房指数提供科学依据。     

基于季节SVR的节假日旅游客流量预测

准确的节假日客流量预测对旅游景区至关重要,然而受各种因素影响,节假日客流量呈现复杂非线性特点和典型季节性趋势.为了解决这种非线性和季节性问题,文章建立基于季节调整的支持向量回归模型(SSVR),并用某风景区2008～2011年节假日的日客流量验证模型的有效性.研究结果表明,SSVR预测节假日客流量效果良好,预测精度优于SVR和BPNN方法.     

中国房地产住宅市场投资存量调整模型及实证

本文首先简要介绍影响房地产住宅市场投资的相关因素,然后由住宅市场的供求关系引入房地产投资存量调整模型,并在此基础上实证分析影响我国房地产住宅市场的相关因素。     

中国GDP的季度调整模型及预测分析

基于全国2000年1季度至2014年4季度的GDP季度数据,文章采用乘法模型的时间序列分解法对其进行季度调整,得到不合有季节性特征的时间序列,然后进行趋势性分析以及趋势模型的建立、估计与检验,并结合季节指数预测出2015年1季度至2016年4季度的季度GDP.     

我国房地产价格统计方法探讨

近年来,国家多次出台宏观调控政策,促进房地产行业健康稳定发展,但房地产价格指数本身失真,相关政策没有起到预期作用。为此改进和完善中国现行的房地产价格统计调查方法十分紧迫。基于这种状态,对房地产价格的统计问题进行调查分析,以期研究出最佳的房地产统计方法,为国家房地产政策的制定和调整提供可操作的理论依据。     

春节模型的设计与应用

 季节调整是经济数据预处理中非常重要的一个步骤。现有的主流季节调整方法X-12-ARIMA 和TRAMO/SEATS中都包含节假日因素的调整。由于不同的国家节假日一般不同,因此各国在进行经济数据的季节调整时,都需要结合本国的假日对季节调整方法进行修正。春节是中国最为重要而且持续时间最长的节日,具体日期可以出现在一月也可以在二月。本文基于X-12-ARIMA方法,同时考虑春节对经济指标的正负性影响效应、春节影响的变化速率以及春节效应的时长三个因素,设计了十二个不同类型的春节模型。本文应用Eviews软件和Demetra软件,采集不同的经济指标,对所设计的春节模型进行了应用研究,并根据异常值改善标准,对最佳的春节模型进行了选择与比较分析。