房屋销售价格指数与地产指数关系的协整分析

对房屋销售价格指数和深交所地产指数的协整关系进行实证分析,并做了Granger因果检验,结果显示:在所考虑的数据区间房屋销售价格指数与地产指数确实存在协整关系,地产指数是引起房屋销售价格指数变化的原因,最后给出了一些相关的建议.     

基于变结构协整方法的期货市场与证券市场关联性分析——沪深300股指期货与沪深300指数的实证分析

对我国沪深300指数与沪深300指数期货的周数据进行了关联性分析.首先利用EG检验和Johansen系统检验对两指数进行协整检验,然后通过3种变结构协整模型分别检验,结果找到了变点,得到了变机构长期均衡关系和误差修正模型,同时比较了4种模型的应用效果,给出了相关的政策建议.     

国内旅游消费与经济增长的变结构协整分析

考虑到数据结构突变可能导致国内旅游消费与经济增长之间的关系发生变化,选取1990-2011年的数据,运用变结构协整理论和误差修正模型对国内旅游消费与经济增长的关系进行实证分析,并与不考虑结构突变的模型进行比较.实证结果表明:国内旅游消费与经济增长之间的协整关系在1993年和2003年分别发生了状态开关型与水平趋势项漂移,且考虑结构突变的模型具有更好的样本拟合效果.     

基于变结构协整理论的保费预测模型

提出了一种基于变结构协整理论的保费预测建模新方法,所建模型反映了保费和GDP之间的长期静态和短期动态波动的均衡关系.通过确定时间序列突变点,并利用突变点信息提高模型的预测精度,避免了传统的保费预测中经常存在的虚假回归问题.采用该方法对中国年度保费进行了预测分析,结果表明了该方法的有效性.     

我国经济增长与利用外资的变结构协整分析

本文分析了我国利用外资与经济增长之间的关系。运用协整分析方法,考虑数据结构突变的可能性,本文研究发现,对结构突变的数据序列,恩格尔—葛兰杰检验没有检测到协整关系;通过设定虚拟变量,成功检测到该协整关系,并建立误差修正模型。基于现有数据的实证结果表明我国经济增长与利用外资之间的协整关系在1997年发生了变化。     

基于协整的指数追踪及增强策略研究

选取沪深300指数和所有成分股2016年12月初至2017年5月底的所有日线级别数据,利用协整模型和追踪误差等检验指标,考察了不同追踪组合对沪深300指数及增加了10%年化收益的虚拟指数序列的追踪效果.结果发现:低PE组合、高价组合、低换手率组合在两个指数的追踪过程中均表现较好,高价组合和低换手率组合更是可以获得正的超额收益;在选择追踪组合时,单一标准优于组合标准.总的来说,协整模型能够较好实现对指数的追踪,也能够通过虚拟指数的设置,获得较为显著的alpha收益.     

Brent原油期货市场的协整性分析

本文利用单位根检验和协整关系检验验证了Brent原油期货市场的有效范围,发现其在5个月内是有效的。在市场有效范围内,对现货价格和期货价格建立了向量误差修正模型,具有良好的预测效果。同时发现该期货市场某时刻价格的影响可以持续2个月。     

基于协整理论和干预分析的中国电力需求预测

本文采用协整与误差纠正模型技术研究了我国电力需求与经济增长之间的关系,检验了电力需求与国内生产总值、人口、价格和结构变量之间的长期均衡关系,并结合干预分析的方法修正了由经济环境的改变和突发事件引起的预测偏差。结果表明通过矫正的预测结果大大减小了误差,其预测的我国未来电力需求量与国家发改委宏观经济研究院信息中心课题组公布的结果较为接近。     

中国经济增长与寿险消费的协整研究

采用1982-2007年的寿险消费和收入数据,运用协整分析方法,考虑数据结构突变的可能性.研究发现,通过设立虚拟变量,成功检测到数据序列的协整关系,并建立误差修正模型.利用该模型对中国年度寿险消费进行预测,提出着手解决寿险业发展面临的问题,以实现与经济增长的良性互动.     

关于外汇汇率的非线性协整分析

不同汇率的波动特征及其之间存在的相互关系是金融研究领域的一个热点。本文以人民币对美元汇率和人民币对欧元汇率为研究对象,检验出它们之间存在着非线性的协整关系,并建立了分数维非线性协整模型来定量地描述这种长期均衡关系。     

房地产市场供求均衡与房地产价格研究——以北京商品房市场为例

中国房价上涨幅度较大,研究房地产供求市场及其价格,能把握房地产市场规律,促进房地产市场的平稳健康发展.研究从供求均衡理论角度分析了房地产市场的供求规律及其价格,通过建立商品房市场的供需动态均衡模型,以1990~2010年北京市商品房市场为例,对房地产市场的供求弹性、与长期均衡之间的关系及其对房地产价格的影响进行了实证研究与分析.研究表明房地产供给市场长期略具弹性,而需求市场长期弹性较大,价格对商品房市场的调节作用并不明显,实现房地产市场的供求均衡,需要政府力量的介入并对市场进行宏观调控.     

基于马氏域变的房地产泡沫存在概率研究

借鉴股票市场泡沫的研究方法,采用非齐次马氏域变思想对我国2001年1月到2010年12月的房地产市场泡沫进行了分析.通过Johansen协整检验方法从房价数据中分离出泡沫成份,使用极大似然估计方法估计出房价泡沫在两状态下的方差和转移概率的相关参数,进而求出各时期房价泡沫存在的概率.实证结果表明:第一,样本期间大部分时期内我国房地产价格存在泡沫的概率较小,但2009年4月至12月房价存在泡沫的概率较大;第二,提高贷款利率能够减小从无泡沫到有泡沫的概率,同时增加从有泡沫到无泡沫的概率.     

房地产泡沫相关因素及相关关系的实证研究

通过理论探讨及文献研究,建立了与房地产泡沫有关的的四个关键因素,土地价格、房价虚涨、房地产投资和房屋空置率与房地产泡沫的关系路径分析模型,并通过30个省市的相关数据进行了统计分析,检验该模型.研究结果表明:各活动要素的影响强度存在着一定的差异,土地价格和房屋空置率对房地产泡沫的影响最大,房价虚涨和房地产投资泡沫对于房地产泡沫的直接影响不是很显著,但是可以通过土地价格泡沫和房屋空置率泡沫等其他变量间接地发挥显著作用.指出了局限性.     

数量型与价格型货币工具对房地产市场价格的影响机制研究

使用非线性边限(NARDL)模型探索数量型和价格型货币政策工具对房地产市场的影响.结果显示无论数量型货币政策和还是价格型货币政策都会对房地产价格产生非对称性效应.对于数量型货币政策来说,紧缩的货币政策和宽松的货币政策都会显著影响房地产价格.相对而言紧缩的货币政策对房地产市场的影响效果更明显.对于价格型货币政策来说,利率变动对房地产价格的影响在长端呈现非对称特征,而在短期则无此效应.降低利率水平能够推动房地产价格的提升,而提高利率无法有效地约束房地产价格的上涨.     

数据挖掘在房地产价格预测中的应用研究

通过基于数据挖掘理论的粗糙集和神经网络的研究,用属性约简算法约简并提取了影响房地产价格的主要指标因素,对降维后的数据进行网络学习和训练,最后用训练好的的网络检验测试样本.方法使学习训练的速度和识别率提高了,为房地产价格预测提供了一种更为有效和实用的新途径.     

我国房地产市场发展问题研究

房地产市场是一个庞大而复杂的系统,它对我国国内生产总值有重要影响,并和百姓生活必需的"住"关系极为紧密.因此,有必要对房地产市场进行深入分析.从当前社会经济发展的现实着手,建立了一系列数学模型,包括房地产市场的供求模型、价格影响模型、房地产行业与国民经济相关行业关联度模型和房地产行业泡沫度量模型.并运用可获得的经济数据对以上模型进行了实证分析,旨在研究如何促使房地产市场健康稳定地持续发展,同时为国家制定房地产的相关政策提供一定的理论参考.     

基于海量网站日志数据的房地产需求指数研究

网络日志数据作为亿万消费者的意图数据库,为研究消费者需求波动提供了有效的量化指标,研究以北京市二手房为例,首先构建网站浏览日志数据与房地产成交量的关联模型,根据用户购房意图对网站进行分类,以不同类型房产网站的浏览次数(PV)、用户数(UV)等数据衡量购房者的关注及需求波动,构建房产成交量的先行、一致和滞后指数并对其关系进行检验,构建的房产指数是对现有指标体系的补充,为房地产开发商、普通购房者、政府相关管理部门提供决策指导和参考依据.     

基于灰色理论的人口年龄结构对房地产需求影响分析

通过研究影响房地产市场需求的主要因素,特别引入不同年龄段人口数这一因素,建立了基于灰色理论的房地产市场需求影响因素分析模型,对影响全国房地产市场需求的各因素进行实证分析,从而得出人口年龄结构在影响房地产市场需求中的重要性.并进一步分析人口年龄结构对需求的影响机理.