房地产市场价格的比较建模研究

近几年,我国房地产市场价格逐年攀升,引起了人们的广泛关注。研究房地产市场价格的变化趋势具有重要的理论和实践意义。笔者主要采用经济基本面数据,通过自回归、多元线性回归、RBF神经网络、自组织数据挖掘以及组合预测的方法来建立模型,然后对这些模型进行评价,并从中找出最能反映现实房地产价格变化趋势的模型。     

宏观经济变量对房地产价格的影响

房地产价格不仅仅受其内在价值的影响,还和宏观经济因素有密切的关系。本文运用向量自回归方法,就宏观经济对房地产价格的影响进行实证分析。研究结果表明,房价上升的主要原因是前期价格的变动,物价和货币供应量对房价的影响较小,此外,利率指标和国内生产总值指标没有通过检验。     

房地产行业与政府行为的互动关系研究

文章从新的角度,提出"中国的房地产行业是政府主导的政策性市场"的大胆假设,通过建立向量自回归VAR模型来研究房价与政府行为的互动关系,模型表明,我国的房地产行业确实较大程度地受到政府经济政策的影响,佐证了模型的假设。     

我国银行信贷与房地产价格关系的实证研究

文章选取1998年1季度至2011年4季度我国房地产价格、银行信贷、经济增长和利率的数据,建立ARDL—ECM模型,运用边限检验方法对它们之间的关系进行实证研究。结果表明银行信贷对房地产价格有重要的影响,而房地产价格对利率和经济增长变化却不敏感,这一发现对我国制定货币政策,调控房地产价格有一定参考价值。     

货币政策与资本流入对房地产价格影响的实证分析

文章利用2005年1月至2010年12月度时间序列数据,利用VAR模型,比较货币政策与资本流入两种因素对房地产价格的影响。结果表明中国房地产价格受到货币政策影响强于资本流入影响。尤其是信贷量对房价的上涨有明显的推动作用。利率对房地产价格的影响并不明显,原因是国内投资渠道单一并且存在投资者非理性因素。所以应该在保持对现有外资利用的监管下多种货币政策工具相结合的方式对房地产价格进行调控,同时创造多种投资渠道。     

商品住宅需求及价格的市场内部推动因素分析

文章以1998～2005年间大连市住宅市场运行的季度时间序列为基础,通过利用协整理论和建立自回归分布滞后模型,探讨了住宅套均面积、家庭总户数、人口结构等市场内部因素对于商品住宅需求及价格的影响.结果表明,住宅市场有效总需求及住宅价格均与各市场内部因素之间存在长期协同互动的关系,受市场内部因素的影响显著.     

基于多项式回归模型的柳州市房产价格预测

本文以柳州市房地产价格为例，建立柳州市房地产价格的多项式回归模型，并进行实证分析，检验模型精度，最后预测未来三年的柳州市房地产价格，为柳州市房地产投资提供科学的依据。     

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。     

基于DFA方法的自组织组合预测模型的应用

文章运用消除趋势波动分析(DFA)方法,计算了四川省工业增加值季度数据的标度指数,该指数表明四川省工业增加值的时间序列值具有长程相关特性,其预测模型有较好的拟合效果.在此基础上根据自组织数据挖掘的理论与方法,提出了自组织组合预测模型.模型预测结果及与ARIMA、GMDH自回归、SPSS曲线估计等三个单项预测模型及最优线性组合、人工神经网络组合等常用的组合预测模型的对比表明,自组织组合预测模型不仅改善了对数据样本的拟舍精度,而且显著提高了模型的预测能力.     

基于自回归移动平均及支持向量机的中国棉花价格预测

文章通过对2008年至2011年间月度棉花价格数据进行分析,建立了基于自回归移动平均的棉花价格ARIMA(1,1,1)模型,结果显示,ARIMA(1,1,1)模型能够很好的模拟国内棉花价格,平均相对误差百分比低于4％,在ARIMA模型的基础上,对该模型残差建立支持向量机模型,将自回归移动平均模型与SVM模型组合对棉花价格进行了预测,比较预测结果,组合预测模型对自回归移动平均模型有一定改进.     

基于多因素影响的房地产价格预测模型

文章根据我国房地产发展情况以及与其影响因素之间复杂的非线性关系,提出了基于多因素影响的房地产价格预测组合模型.首先运用灰色关联法对影响因素进行计算排序,筛选出主要的影响因素变量,然后应用改进的小波神经网络组合预测法对房地产价格进行预测,最后使用马尔科夫链分析法将预测值区间化,提高预测值的可信度,得出最终预测结果.研究表明,考虑多种因素影响的房价预测模型能够有效地预测房地产价格,且较传统的预测方法大大提高了预测精度.     

违约风险、房地产贷款市场博弈与房地产价格

本文从事后激励的角度，构建了一个关于房地产个人贷款违约与银行反应策略的博弈模型，对中国房地产价格下跌的诱发机制以及家庭和银行的最优决策进行了理论分析。在此基础上选择35个大中城市作为研究样本，利用面板数据回归模型对相关理论推论进行了实证检验。理论推演和实证研究表明，家庭收入下降和房地产贷款违约是诱发房地产价格下跌的关键因素。提高购房首付比，降低房地产贷款价值比以及保持房地产贷款市场结构的适度集中，既可以抑制房地产价格过快上涨，也可以预防房地产价格发生暴跌风险。当房地产贷款出现违约时，为了避免房地产价格进入下降螺旋，银行的最优策略不是取消房地产抵押品的赎回权，而是采取积极的信贷刺激措施以稳住房地产价格。贷款市场份额占比越高的银行越有激励这样做。     

房地产税对我国房地产价格的影响机理与影响效果评价

文章分析我国房地产税对房地产价格的影响,选取样本数据进行实证分析,检验房地产税产生的效果大小,结果表明房地产税与房地产价格存在正相关的关系,我国现行房地产税对稳定房地产市场,降低房地产价格效果并不明显。我国现行房地产税呈现"重流转"、"轻保有"的征税特点,建议重视对房地产保有环节的征税,税收负担难以转嫁,增加房地产持有成本,对抑制房地产过度投机,稳定房地产价格,促进我国房地产市场健康发展有重要意义。     

基于VAR模型的商品房价格影响因素分析

文章以武汉市武昌区2005-2015年数据为样本,采用多元线性回归的方法,对影响商品房价格的三大因素进行基本分析.并进一步建立商品房价格影响因素的向量自回归模型(VAR),利用方差分解和脉冲响应函数分析各个因素对商品房价格的动态影响.结果表明,商品房价格主要受到GDP和大宗商品价格指数共同影响;对商品房价格影响强度最大的是GDP,其次是大宗商品价格指数,居民人均可支配年收入对商品房价格影响不大.     

后危机时代我国房地产价格与通货膨胀关系研究

金融危机过后,飞速上涨的房价和物价成为社会的焦点问题.文章选取了2009年6月至2011年12月的月度CPI指数和商品房销售价格指数,借助协整回归、误差修正模型、Granger因果检验等参数模型,对后危机时代我国房地产价格和通货膨胀之间的关系进行了研究.其结果表明,我国房地产价格与物价之间存在着长期均衡关系.同时,物价与房地产价格之间存在着单向的因果关系,物价波动导致金融危机过后房地产价格波动.     

房地产价格区域间联动与泡沫的空间扩散 ——基于2000－2005年中国35个大中城市面板数据的实证检验

 利用中国35个大中城市2000－2005年间的面板数据，本文首先对房地产价格中的泡沫成分进行测度；然后构建泡沫自回归模型，并对其残差进行CSD检验，结果显示不同城市间房地产泡沫的演化过程相互影响。与前人研究不同，以房地产泡沫为研究对象，不仅可以确认中国不同城市间房地产价格存在联动性，而且可以证明消费者的适应性预期是其中重要的传导机制之一。     

宏观调控下的房地产价格影响因素及其趋势研究

中国特殊的经济发展阶段以及住房市场特点,决定了现阶段中国房地产市场的复杂性.文章从国家产业规划的角度分析了当前我国房地产价格影响因素及其走势.在对房地产价格预测结果的基础上,提出了从宏观调控、住房保障制度、住房需求、平均利润规律方面探讨了房地产市场的发展趋势,为整合力量、配置资源提供了保障,有利于实现“住有所居”的目标,确保房地产市场稳定、健康发展.     

农产品价格预测模型的构建

农产品价格变动关乎农民收入的增长和生活水平的提高,同时也是农业管理部门决策的重要依据.针对农产品价格预测这一问题,文章先后建立了指数平滑模型、ARIMA(求和自回归移动平均)模型及基于二者的组合预测模型,并结合2011-2015年西安朱雀市场胡萝卜的月度价格数据,依据所建立的三个模型应用SPSS等相关软件对未来短期胡萝卜价格进行预测分析.预测结果显示:组合模型比单个预测模型预测精度更高,是一种有效的农产品价格预测模型.     

人民币升值预期、热钱流入与中国房地产价格变动的实证分析

文章构建引入人民币升值预期和热钱流入的房地产市场均衡模型,基于中国2005年8月至2013年12月房地产市场相关月度时间序列数据,建立6变量的结构向量自回归(SVAR)模型对房地产需求、中美利差、房地产供给、人民币升值预期、货币供给和热钱流入之间的动态关系进行实证分析,研究表明热钱流入对房地产需求和供给均具有显著正向冲击影响,房价上升在短期和长期对热钱流入也具有显著的正向冲击影响,构成热钱流入波动的原因中有超过85％归因于房地产需求和供给等房地产市场因素.     

基于Elman神经网络的房地产价格预测

文章针对房地产价格的动态特性,提出了基于Elman神经网络的房地产价格预测方法,并通过其对上海市房地产价格的预测,证明了该方法的有效性,为房地产价格预测提供了一条新的方法。