基于粗糙集理论的数据挖掘法在房地产选址决策中的应用

通过构建粗糙集BP神经网络模型,对影响房地产选址决策的指标进行约简,提取影响选址评价的主要指标因素用属性约简算法约简,将降维后的数据送入网络进行学习和训练,最后用训练好的的网络检验测试样本.模型使学习训练的速度和识别率提高了,为房地产企业在房地产选址决策中提供了一种更为有效和实用的新方法.     

基于RS-BPNN模型对商品房价格的预测研究

为了克服传统预测方法的不足,采用RS-BPNN模型预测商品房价格.利用粗糙集理论确定影响商品房价格的主要因素,运用具有超强数据处理能力的BP神经网络,根据筛选的主要因素作为输入节点数,构建商品房价格的预测模型,然后通过实例进行仿真.结果表明,其预测精度远远超过传统预测方法.可见RS-BPNN模型在房地产价格预测领域具有很强的实用性.     

粗糙集理论在属性约简及知识分类中的应用

本针对不完备信息系统属性约简的两种定义，证明了两的等价性。在此基础上结合粗糙集理论提出了相似矩阵、相似区间的概念，并将其应用于不完备信息系统知识分类的问题中。     

基于BP神经网络的煤炭价格影响因素及预测研究

煤炭价格从2012年开始急转直下,煤企的经营生产受到严重挑战,煤炭价格的未来走势成为业界关注的重点.在前人研究的基础上,综合行业、宏观经济以及替代能源市场等对煤炭价格影响的各相关因素,运用BP网络对煤炭价格进行建模.结果表明,与现有运用较多的时序分析或多元线性回归等方法相比,该预测模型有更高的精度,结论对煤炭企业的经营决策以及煤炭产业政策的制定提供了更为科学的参考依据.     

属性约简法在企业Agent联盟能力综合评价中的应用研究

针对Agent联盟能力评价问题进行研究,提出了基于粗糙集理论的属性约简法,并将其应用到联盟能力评价指标的约简中,得到新的、精简的指标体系,从而削减了评价问题的工作量,提高了评价问题的工作效率.运用基于欧氏距离的Topsis法对约简后的指标进行综合评价,并与其他方法结果进行比较,所得结果科学合理,并有较高的区分度.研究为系统中的最佳Agent联盟的选择提供科学、合理的决策支持.     

基于VAR—GM(1.1)—SVR模型的房地产价格预测研究

为提高房地产价格预测精度,克服传统统计数据真实性低、时效性差的缺点,本文以网络搜索数据为基础,首先通过斯皮尔曼相关分析和时差相关分析筛选出与房地产价格具有高度相关性的先行关键词,并利用向量自回归模型(VAR)和GM(1.1)模型分别预测房地产价格;然后构建基于向量自回归模型和GM(1.1)模型的VAR—GM(1.1)—SVR模型将以上两个模型的预测结果进行预测融合,并以西安市数据为例进行验证,得出均方误差(MSE)和标准平均方差(NMSE)分别为0.97和0.03,优于单一模型预测效果.     

灰色预测模型在石油化工原料价格预测中的应用

以2012年9月至2013年8月某化工原料(CB原料)的周平均市场价格数据为研究对象,应用灰色预测理论,建立GM(1,1)预测模型,预测了2013年9至11月共三个月12组该化工原料的周市场价格数据,从定量分析角度研究了其市场价格的变化呈增加趋势,并对模型的灵敏性进行了分析,研究结果可辅助石化企业在采购化工原料过程中提供采购决策.     

基于GA-SVR算法的淀粉价格预测研究

近年来我国淀粉产业迅速发展,给相关企业带来了巨大经济效益的同时,由于其情况复杂,致使相关企业无法正确掌控淀粉价格的走势,也造成了大量的经济损失.因此,寻找一种科学的、高效的淀粉价格预测方法已成为当务之急.将遗传算法(GA)与回归型支持向量机(SVR)相融合,建立了GA-SVR淀粉价格预测模型.对2003-2011年淀粉价格进行仿真预测,结果表明,模型的决定系数和均方误差均优于其它方法,验证了模型的有效性与优势.     

模糊粗糙集及粗糙模糊集的贴近度及其应用

本文研究了模糊粗糙集（FR集）及粗糙模糊集（RF集）的贴近度，是权衡两个FR集，两个RF集彼此糙近程度的一种标尺，进而研究了FR集，RF集的内积，外积，引进了FR集，RF集的格贴近度，并在此基础上提出一种新的属性约简的方法。     

重油价格预测方法研究

近年来,全球重油产量呈下降趋势,但其市场需求却更加旺盛,因此,准确预测重油价格变动方向和程度,分析油价波动规律,探究油价影响因素,进一步预测油价未来走势,对全球经济发展具有一定的理论价值和现实指导意义.采用了时间序列ARIMA模型、Markov残差修正的灰色GM(1,1)模型以及线性回归下的GM(1,1)组合模型三种模...     

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.     

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.     

不完全信息下房地产价格的演化博弈分析

基于PAB(Pay-As-Bid)竞价机制,探讨不完全信息情况下供需关系对房屋成交价格的影响.在购房者对房屋价格预期不确定和购房者有限理性的假设下,利用鲁棒优化技术和演化博弈论中的"复制动态"思想,提出鲁棒演化博弈均衡的概念,建立相应的复制动态系统,并对系统的鲁棒演化均衡的渐进稳定性进行分析,得到在不同市场供需情况下购房者价格策略演化的一般规律.最后选用数值算例对模型加以验证.     

区域差异化下汇率与房地产价格关系研究

从理论方面验证了汇率对房地产价格的传导机制,并建立马尔科夫区制转换的向量自回归模型(MS-VAR),在区域差异的基础上研究汇率与房地产价格的非线性互动关系.实证研究表明汇率与我国房地产价格间互动关系在不同区域的情况有差异性:一线城市房地产价格与汇率相互促进,在经济波动较大(区制2)的情况下,响应程度更加明显;三线城市房地产价格与汇率之间的关系很微弱,且在两个区制下响应程度相似.并根据所得结果对房价调控政策提出了建议.     

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.     

基于变结构协整方法的房地产市场与证券市场关联性分析

运用变结构协整方法,对房地产市场与证券市场相关指数进行了实证分析,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存在变结构协整关系.同时讨论了变结构模型的应用效果,最后给出了一些相关的建议.     

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.     

我国房地产财富效应分析——基于非平稳面板计量

90年代住房商品化改革以来,我国房地产市场迅速发展.十二五规划明确提出要提高我国居民消费率.研究房地产市场的财富效应为我国房地产市场政策调控提供有效的参考,具有重要的现实意义.在对我国房地产财富效应传导机制进行研究的基础上,利用2003-2011年我国3个省市自治区的季度面板数据,采用非平稳面板计量方法对我国房地产市场财富效应进行了分析.研究结果表明:我国房地产财富效应存在明显的地区性差异.房地产市场调控政策应当实行有针对性的差异化调控.     

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.