房产需求量中的若干数学模型和研究

本文是继2006年研究项目“上海市基础房价走势”后的又一后续课题．其宗旨是研究、预测2007年上海市住宅需求量．基于易居（中国）房地产研究院所提供的数据，本文在数据相关性分析基础上，建立了二个预测模型，每个模型分别用2种方法得出结果，以便验证并消除系统误差．模型一：回归模型．分别利用主成分分析基础上的回归以及逐步回归法．模型二：核密度函数模型．通过核估计以及核回归，进行预测．本文模型具有一定的可操作性，使用简便．所得结果得到有关专家的论证和确认．     

人民币汇率决定的资金流量分析建模

本文给出了人民币汇率决定模型，并对货币供需、资金流量进行了分析．该模型参照了Ｒｏｂｉｍｓｏｎ的国际贸易条件理论、Ａｌｅｘａｎｄｅｒ吸收理论、特别是Ｂａｒｒｏ—Ｃａｌｖｏ—Ｒｏｂｒｉｇｕｅｚ融资产组合平衡与货币分析法于一体的货币主义的货币替代模型．这个模型体系由三部分组成：基本模型、动态模型、调控模型．基于这三个模型，对汇率决定进行了一般的均衡分析、走势分析与调控分析．     

基于灰色理论的温州房价预测模型

以温州统计局有关房地产销售数据为分析对象,用销售总面积和销售总额折算成价格指标,采用灰色系统GM(1,1)建立数学模型对房屋价格指标进行分析和预测.基于投资回报周期和预期心理,对2007至2010年的房价作两次平移整理后再进行建模,效果更为理想.利用模型对.2011年上半年房价进行预测与市场行情吻合性程度高.     

我国货币供应量的ARIMA模型与预测

本文介绍了符合金融系统预测规律的ARIMA时间序列模型，并根据我国货币供应量实际数据对2008年5月-2009年4月货币供应量走势进行了预测检验。实证预测结果显示与实际№相对照，模型预测精度较高，平均相对误差绝对值仅为1．56％，说明ARIMA模型能比较准确地预测我国货币供应量走势，可为我国货币供应量的预测和走势提供可靠的参考依据，并由此预计在2009年9月货币供应量将突破60万亿元。     

基于主成分分析的支持向量机模型对上海房价的预测研究

采用基于主成分分析的支持向量机方法对上海房价进行预测.首先利用主成分分析法对原始数据进行降维处理,然后利用具有高水平的小样本学习能力的支持向量机进行预测模型的建立,对上海房价进行预测.实证显示,经过主成分分析的支持向量机模型能够较好地处理复杂的房地产数据,具有较高的预测能力,为上海房地产业的发展提供参考.特别地,该模型可以普遍应用于影响因素众多,时效性较强的短期小样本数据问题的预测,具有较高的泛化能力和很好的预测精度.     

基于马尔科夫区制转换的厦门商品住宅价格模型

厦门市商品住宅价格月度报告通常于下个月初发布,这使得政府对房地产市场的调控具有一定程度的滞后.为能够较为准确的预测房价走势,便于政府适时地提出妥当的决策措施,利用两状态一阶自回归马尔科夫区制转换模型对厦门市2006年至2011年商品住宅月度价格的非线性动态变化进行分析,并对2012年1月至4月的价格进行预测.实证结果表明模型能够形象地表现出厦门商品住宅价格的周期性波动,并较好地进行价格预测.     

零售物价总指数的相关因素分析及预测的数学建模

本文对我国测量通货膨胀的主要指标全国零售物价总指数进行了相关因素分析，并在此基础上建立了零售物价总指数预测的数学模型．     

基于粗糙集与小波网络集成的股价走势预测研究

股价走势预测可以为股票投资提供科学依据.为了提高股价走势预测的能力,提出了一种基于粗糙集(RS)与小波网络(WNN)集成的预测方法.它首先利用RS良好的属性约简能力,对股票价格特征量进行降维;然后,采用RS优化WNN的拓扑结构,建立降维特征量基础上的股票价格走势预测模型;最后,由所建模型对股票价格走势进行预测.仿真结果表明,通过引入RS属性约简,很大程度上简化了WNN股格走势模型结构,并改善了模型性能.对上证综指、沪深综指300及澳大利亚股指的预测命中率分别为65.75%、66.37%和65.9%,训练时间为1.7s、1.8s和2.1s,预测结果也优于其它神经网络和WNN模型.从而验证了该方法用于股票价格走势预测的可行性和有效性.     

房价变动对固定资产投资影响的实证分析

在定性分析房价对固定资产投资影响机制的基础上,利用2003-2016年期间固定资产投资额、国内生产总值、商品房平均销售价格以及1-3年期央行贷款利率等指标的年度数据,对包含房价的固定资产投资函数进行协整回归,得出我国房价对投资有显著的正向刺激效应,同时对可能的原因进行分析,并给出房价调控的政策建议.     

基于改进PSR模型的限购政策对房价影响研究——以海南省为例

运用2018年全国研究生电工杯数学建模竞赛B题的数据资料,针对海南省主要城市商品住宅价格问题的第四问展开研究.在前三问中,首先通过搜集数据并对数据进行合理的处理,对海南省(主要考虑海口和三亚)商品住宅价格的影响因素进行定量分析,得出各因素之间的关系.问题四中,考虑限购政策,在综合分析房价影响因素的基础上,筛选新的指标,构建了基于改进粒子群算法模糊层次分析法——PSR模型的房地产调控政策对于房价影响的评价体系,得到了海南省的房地产宏观调控政策的对房价上涨的影响结果.最后,根据建立的评价体系利用matlab神经网络工具箱按月预测了2018年6月-2019年5月海南省(主要考虑海口和三亚)商品住宅价格.     

基于灰色系统理论的新疆综合地价预测及影响因素分析

根据新疆维吾尔自治区2006-2010年综合地价,利用灰色预测理论及灰色关联理论,建立预测新疆综合地价的GM(1,1)预测模型并寻找影响新疆综合地价的主要因素,以期为控制综合地价提供科学依据.由模型结果我们可以得到,房地产价格指数与城镇化率是当前促使新疆综合地价上升的两个主要因素.预测结果显示,房价打压政策下,新疆综合地价短期内不会下跌,且仍会平稳上升.     

人民币汇率波动与我国房价关系的实证分析

分析了汇率影响房价的机制,利用人民币实际有效汇率、房地产价格指数和银行同业拆借利率共30组数据(2005,07～2007,12)建立了向量自回归模型(VAR),并使用协整、Granger因果检验,脉冲响应分析对人民币汇率波动与我国房地产价格之间的关系进行实证检验.研究结果表明,人民币实际有效汇率对房地产价格产生正向影响,人民币升值是引起房价上涨的格兰杰原因.在现阶段,控制因人民币升值而进入中国的境外资金过度流入房地产市场,有利于保持我国房地产价格稳定.     

基于多因素SVM的油价预测模型研究

准确预测国际原油价格,对于维护经济稳定和规避风险具有重要意义.由于国际油价的波动是由多种因素引起的,本文采用误差修正模型确定原油价格与因素的关系.将结果作为SVM回归预测模型的输入模式,建立基于多因素SVM的油价预测模型.通过实证研究,发现基于多因素SVM的油价预测模型相对于误差修正模型和基于国际油价本身的自回归SVM预测模型具有更好的拟合和预测效果.     

通胀市场下的风险补偿在线租赁策略设计

考虑到实际租赁市场中设备的租赁和购买价格随着时间推移持续上涨的特征,研究了通货膨胀市场中的租赁问题在有利率情形下的在线竞争策略,并建立了相应的概率预期的风险补偿模型。首先运用在线算法和竞争分析理论设计了该问题的最优竞争策略,并给出最优竞争比。接着,在风险补偿竞争分析框架下,进一步讨论该问题,投资者可以控制风险,根据自己不同的风险容忍度和未来预期选择补偿最大的租赁策略;也可以根据给定的补偿收益约束选择风险最小的策略。最后通过数值分析,验证了相关结论的正确性,也表明了基于概率预期的风险补偿策略大大改善了该租赁问题的竞争比性能。     

半变系数模型研究美国爱荷华州埃姆斯市的房价问题

近年来房地产业发展迅猛,房价快速走高,对经济发展和社会稳定产生了重大影响,因此房价研究具有重要的社会价值和经济意义.文章通过散点图及其拟合曲线展示不同协变量和响应变量之间的相关关系,提出半变系数模型建模美国埃姆斯市的房价问题.文章采用剖面最小二乘法研究7个协变量:地面以上的居住面积、地面以上的房间总数(不包括卫生间)、卫生间总数、房屋整体建材质量和品质、地下室面积、车库面积、建造年份与埃姆斯市房价之间的回归关系,为房价预测研究作准备.研究结果表明半变系数模型在探索美国爱荷华州埃姆斯市房价方面表现较好.因此,文章提供了一种利用半变系数模型同时学习高维数据线性和交互关系的有效方法.     

基于EMD-GA-BP与EMD-PSO-LSSVM的中国碳市场价格预测

由于碳交易市场价格的波动性大及相互影响关系的复杂性,本文试图构建碳价格长期和短期的最优预测模型。考虑到碳交易价格波动的趋势性和周期性特点,基于经验模态分解算法(EMD)、遗传算法(GA)—神经网络(BP)模型、粒子群算法(PSO)—最小二乘支持向量机(LSSVM)模型及由它们构建的组合预测模型,对中国碳市场交易价格进行短期预测和长期预测。实证分析中将影响碳交易价格的不同宏观经济因素和碳价格时间序列因素做为输入变量,分别代入组合模型进行预测。研究结果表明,在短期预测中,EMD-GA-BP模型预测效果优于GA-BP模型和PSO-LSSVM模型;而在长期预测中,组合模型EMD-PSO-LSSVM模型预测效果优于只考虑碳价格波动趋势性或周期性预测效果。     

异质预期条件下房价波动非线性延滞差分方程

通过建立蛛网模型分析经济变动对具有后向预期性质的房地产市场的价格波动的影响.其中,市场需求函数采用简单使用者成本模型,而供给函数则以存量-流量模型为基础.通过建立一组n阶延滞差分方程来分析一类异质后向预期房价波动模型的性质,例如均衡或振荡,收敛或偏离等.结果显示需求弹性小于供给弹性并不是形成振荡的必要条件.房价的波动会随着异质后向预期假设以及其他内生因素的不同而产生本质不同的变化.     

基于遗传算法和半参数回归的神经网络集成股市预测研究

股票时间序列预测在经济和管理领域具有重要的应用前景,也是很多商业和金融机构成功的基础.首先利用奇异谱分析对股市时间序列重构,降低噪声并提取趋势序列.再利用C-C算法确定股市时间序列的嵌入维数和延迟阶数,对股市时间序列进行相空间重构,生成神经网络的学习矩阵.进一步利用Boosting技术和不同的神经网络模型,生成神经网络集成个体.最后采用带有惩罚项的半参数回归模型进行集成,并利用遗传算法选择最优的光滑参数,以此建立遗传算法和半参数回归的神经网络集成股市预测模型.通过上证指数开盘价进行实例分析,与传统的时间序列分析和其他集成方法对比,发现该方法能获得更准确的预测结果.计算结果表明该方法能充分反映股票价格时间序列趋势,为金融时间序列预测提供一个有效方法.     

CEO权力影响公司股价特质波动吗？——基于公司治理和风险承担双重视角

影响股价特质波动的因素是当前的热点研究问题。本文认为CEO权力通过降低公司风险承担水平、弱化公司治理机制有效性两条途径降低股价特质波动。为验证该基本假设,本文以2011~2017年中国A 股 上市公司为样本进行实证检验,发现在控制相关影响因素后,CEO权力对股价特质波动呈现出显著的负向影响,在非国有上市公司和小型企业中,这种关系更加显著。本研究丰富了有关CEO权力经济后果及股价特质波动影响因素的研究,对CEO权力的合理配置和公司风险管理均具有一定启示。     

基于数据的生猪价格风险分析模型研究与实证分析

生猪价格的大起大落,养殖户、相关研究人员和政府都密切关注.如何分析影响生猪价格的风险因素、预测未来生猪价格的走势分布,具有重要的意义.通过对生猪价格及其影响因素的风险分析,运用落点概率和多元线性回归等方法建立了生猪价格风险分析模型,预测未来4～6期生猪价格的风险分布,以期对养殖户和政府提供一定的参考意义.