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.     

石油价格波动与我国进口价格的动态关系研究——基于对油价冲击分解的结构VAR模型

以2000～2008年我国月度数据为研究样本,从油价冲击的正负冲击角度分析国际石油价格波动与我国进口价格之间的存在的动态传导关系,并对其产生的原因进行了讨论.首先采用结构VAR(SVAR)模型对我国进口价格受到的油价冲击进行结构分解,其次用移动平均形式的SVAR模型分析不同油价冲击对进口价格的影响.结果表明,油价上涨对进口价格有显著的正向拉动作用,同期经济需求上涨推动进口价格有较大涨幅;而油价下跌时进口价格跌幅较小,甚至与油价波动存在负相关关系,这主要是由经济需求增加造成的.因此,研究石油价格对进口价格水平的动态传导关系.要区分油价冲击形式,这一结论有助于政府部门针对油价正负冲击的不同影响来制定应对政策,确保经济的稳定发展.     

我国棕榈油期货市场效率研究——基于VAR及其扩展模型的实证分析

利用2007年10月至2012年3月国内棕榈油期货市场、国际棕榈油产区以及国内棕榈油、豆油、菜籽油现货市场的交易日价格,运用VAR及其扩展模型验证了关于期货市场效率的两个假说.研究结果表明:棕榈油国际产区市场对来自期货市场的冲击有一定程度的反映,但不是主要作用,且期货市场对国际产区市场还没有预测力;棕榈油期货市场价格对现货市场发现功能不强,但对棕榈油、菜籽油、豆油现货价格具有较强的预测力,长期均衡关系对现货市场的调整力小.     

猪肉、牛肉、羊肉三者价格互动关系的分析——基于VAR模型

利用VAR模型和Granger因果关系检验,刻画我国猪肉价格、牛肉价格、羊肉价格之间的互动关系,结果表明:从长期来看牛肉、羊肉和猪肉价格波动的最主要因素在于其自身的波动;羊肉价格对牛肉价格的影响程度大于猪肉价格的影响程度;牛肉对羊肉价格的影响大于猪肉价格对羊肉价格的影响;猪肉价格与牛肉价格互为Granger原因,牛肉价格与羊肉价格互为Granger原因;牛肉价格与猪肉价格呈现反向关系,据此可通过调控相关肉类价格稳定肉类市场价格.     

棉花双关税后进口价格、期货价格与现货价格的感知及传导研究—基于VAR模型

随着我国棉花市场开放程度逐渐提高,探索国内外棉花价格感知和传导机制也愈显重要.国内外棉花价格传递必然受进出口贸易政策的影响,研究征收双关税后的棉花进口价格与国内期、现货价格之间的传递效应,对完善和优化我国棉花价格传导和形成机制更具现实意义.通过VAR模型、格兰杰因果检验、脉冲响应和方差分解等方法检验和探讨三者间的价格感...     

外部需求冲击与我国工业产能利用水平波动——基于VAR模型的实证分析

基于2000年1季度至2013年4季度的样本数据,利用向量自回归(VAR)模型重点考察了外部需求冲击对我国工业产能利用水平的影响.实证结果表明,外部需求冲击对工业产能利用水平具有正向作用,外部需求波动主要通过影响我国对外出口水平进而对工业企业的生产与经营造成冲击.随着时间的推移,外部需求冲击对工业产能利用水平的正向冲击作用逐渐减弱.     

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.     

基于VAR模型的河南省经济增长与对外贸易关系研究

采用河南省GDP、进口和出口贸易的统计数据,在构建稳定的VAR模型基础上,通过脉冲响应函数分析、方差分解分析,分析了GDP、进口和出口贸易之间的关系.结果表明:GDP的波动对进口和出口贸易的影响是迅速和显著的,而进口和出口贸易的波动对GDP的影响是缓慢和滞后的,进口和出口贸易对河南经济的拉动作用不明显,但相对而言,出口较进口对河南省GDP有更大的拉动作用.     

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.     

涟漪效应还是空间互动——基于空间面板联立方程模型的房价与地价关系研究

本文通过构建包含房价和地价在内的空间面板联立方程模型,利用2009～2016年中国286个地市的数据,构建空间面板联立方程模型,以研究房价和地价的空间自相关性和空间溢出效应。实证结果表明：房价与地价之间的空间互动作用明显,房价不但受到当地地价的影响还会受到周边城市房价的影响;而城市地价也会受到当地房价引起的引致需求影响,并且受到周边城市地价的影响。分区域来看,地价对房价的作用强度在东、中、西部地区依次下降,房价对地价作用强度呈现出相反的趋势。而从价格的溢出效应来看,无论是房价还是地价,西部地区的价格溢出效应都最为明显,表明相对于东、中部地区,西部地区城市在房价和地价上都更会受到周围城市的影响。     

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.     

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.     

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.     

基于CARR模型的交易量与股价波动性动态关系的研究

股市交易量与股价变化的关系就一直是学术界与实务界所共同关心的主题。基于Chou(2005)提出的CARR模型对两者的动态关系问题进行了研究。首先分析了作为量价关系理论基础的混合分布假说理论在CARR模型中的适川性,进而基于混合分布假说理论对我国上证综合指数、深证成份指数以及随机抽取的十只个股进行了量价关系的实证检验。研究发现:混合分布假说理论同样适用于CARR模型,这证实了股价波动性的CARR效应的存在。实证的结果也证实了CARR模型无论是对于股票指数还是单只股票交易量都具有了良好的解释作用。因此,CARR模型与GARCH模型相比,在交易量与股价波动关系动态关系的研究领域可以得到更为稳健的结果。     

基于ARMA模型的股价分析与预测的实证研究

利用ARMA模型对招商银行(600036)的股票日开盘价(2010/10/13-2011/4/8)数据进行分析,并预测出未来3天(2011/4/11-2011/4/13)的股票开盘价数据.与实际数据相对照,模型预测误差小,说明ARMA模型非常适合于短期预测.