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.     

上海基础房价相关指标及走势的分析与研究

基础房价的相关指标及其走势一直是大众关心的热门话题．本文通过对上海基础房价相关指标的分析，建立了市场房价走势的两个数学模型．模型一：在相关性分析的基础上利用主成分分析消除指标间的共线性，再用回归拟合房价模型并进行预测；模型二：在相关性分析的基础上利用核估计方法预测出房价．继呵对2005年下半年的房价走势进行了预测，得出的结果与实际情况相吻合．     

基于MIV-BP型网络实验的房地产价格影响因素研究

房地产价格是保证房地产经济健康运行和资源有效配置的关键.影响房地产价格的因素复杂,各因素的变化势必将对房地产价格的涨跌产生影响.以经济学中的供求理论为基础,以上海市商品住宅价格为研究对象,对BP神经网络进行训练,计算各因素对房价的平均影响值(MIV),构建MIV-BP模型,实证分析各因素对房地产价格的影响作用.结果表明:生产总值,贷款利率,居民人均可支配收入成为影响我国房地产价格的主要因素.居民消费价格指数,土地增值税对房价产生较显著影响.而在上述变量作用下,房地产供给面积与销售面积已经很难影响房地产价格的走势.因此应将生产总值,贷款利率,人均可支配收入作为房地产价格调控的着力点.     

土地市场波动与房地产价格的关系分析:基于VAR模型的实证研究

随着中国经济增长、城市化的发展,房价不断攀升,居民面临巨大的购房压力,而政府也开始对房地产市场进行调控,在房价构成因素中,土地成本占有很大比重,因此土地价格,土地供应面积与房地产价格之间的关系研究对促进房地产市场的合理发展有十分重要的意义.以2002年到2011年我国土地供应面积,土地购置价格和房地产价格的月度数据为样本,对土地供应面积,土地购置价格与房地产价格进行协整检验后,构建VAR模型进行格兰杰因果检验后发现土地供应价格,面积和房地产价格互为因果;对城市土地购置价格和房地产价格进行脉冲响应分析和方差分解后发现房地产价格和土地价格之间的存在相互影响,且在短期内都受土地供应面积的影响但程度不高.     

中国房地产价格的多元线性回归模型

近几年,房价的迅速增长,已经远远超过了GDP和居民可支配收入的增长.那么,我国房地产市场是否已经过热,是否已经出现了泡沫.基于2000~2006年的数据对我国房地产价格函数的影响因素进行了多元线性回归分析.尽管我国部分地区价格偏高,但是并没有出现商品房价格泡沫.     

经济结构变化对商品房价格的影响:来自1999-2011年省际面板数据的实证分析

本文以经济结构变化作为切入点对中国住房价格持续高涨现象进行分析,在构建理论分析模型的基础上,运用我国1999年至2011年省际面板数据进行了实证分析。研究结果表明:经济结构对商品房价格具有决定性的影响,长期来看,城乡收入分配结构、城镇化水平、工业化水平、以及财政分权水平决定了房价水平;短期来看,除了经济结构外,房价偏离长期均衡价格的水平决定了房价水平。     

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.     

基于一般均衡的不同税制对住房价格影响的比较分析

针对参与者预期具有异质性的房地产市场,在一般均衡模型框架下对以营业税为代表的住房转让环节税收和对住房持有环节征收的房产税对房价的影响作用进行分析和比较.理论研究结果表明,房地产税通过影响预期较为中性的参与者的交易决策改变市场均衡(价格),且转让环节与持有环节的税收具有相反的价格效应:征收住房转让环节营业税或提高营业税税率会使房价升高,无法起到抑制价格泡沫的作用;征收住房持有环节房产税或提高房产税税率则会使房价降低.对于房产税政策,如果对增量和存量住房统一征收房产税,则市场均衡价格较仅对增量征税时低,即存量房产税通过扩大市场供给降低房价.此外,文章提出了相关政策建议并证明了模型设定的连续性.     

周口市住宅商品房价格的分析与预测

近年来周口市住宅商品房价格持续上涨,引起了社会各界的关注.为了研究周口市住宅商品房价格的影响因素和未来走势,提出了一种基于灰色理论和多元线性回归分析的房价预测模型.首先,利用灰色关联度分析选取出对周口市住宅房价影响较大的因素.然后,通过进行统计检验和修正多重共线性,建立一个修正的多元线性回归预测模型.最后,在采用灰色GM(1,1)预测模型预测出所选取影响因素的新的时间序列值的基础上,再进行回归分析,预测出2017-2020年周口市住宅商品房平均销售价格.可见,未来几年内周口市住宅商品房价格仍会呈逐年快速上涨趋势,但增速不会越过25%的合理水平.     

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.     

Property appraisal with a log - t predictive distribution

A multiplicative model with log-normal errors is used to appraisethe market value of a property and a natural conjugate prior,describing the beliefs of an expert appraiser about the parameters,is elicited. Loss is an asymmetric function of the predictedprice as a proportion of the actual price, and the optimal predictionis a multiplicative adjustment to the exponent of the predictivemean of the logarithm of price. The prediction of the priceof a property is made using both the elicited prior and tworeference priors. The robustness of the procedure is assessedby means of the evaluation of a number of elasticities of priceprediction with regard to changes in a parameter value, eitherof the prior distribution or the loss function.     

房地产行业的数学建模分析

分别建立了需求模型,供给模型,房地产与其他产业的关系模型,房价模型及房地产发展趋势的预测模型,并对影响模型的相应因素做了简要的分析.     

时间序列模型和神经网络模型在股票预测中的分析

利用MATLAB软件编程建立AR模型、RBF和GRNN神经网络模型,滚动预测上证指数开盘价、最高价、最低价和收盘价与实际价格对比,分析误差.结果表明,3种模型用于股票预测均是可行的,误差很小.AR模型不稳定,对个别预测较准;RBF和GRNN网络训练速度都很快,但GRNN比RBF预测效果好.     

基于小波分析的ARIMA模型对上证指数的分析与预测

股票价格的预测一直受到广泛关注,其预测方法虽然很多,但是往往存在预测精度有限、容易陷入局部极小等问题.为了提高股票价格预测的准确性,提出了基于小波分析的A砒MA模型的股票价格预测方法,同时利用该方法对上证指数收盘价的月平均值进行实例分析,并与其他方法的预测结果进行了比较,结果表明了提出方法的有效性.     

基于支持向量回归机的黄金价格短期预测

针对黄金价格时间序列的特点,首先结合马尔可夫决策思想对数据集进行相空间重构处理,然后利用支持向量机技术建立黄金价格走势的短期预测模型,最后对上海黄金交易所AU9999的预测结果表明所建模型可以有效地进行黄金价格的短期预测.     

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.     

Reverse mortgage pricing and risk analysis allowing for idiosyncratic house price risk and longevity risk

Reverse mortgages provide an alternative source of funding for retirement income and health care costs. The two main risks that reverse mortgage providers face are house price risk and longevity risk. Recent real estate literature has shown that the idiosyncratic component of house price risk is large. We analyse the combined impact of house price risk and longevity risk on the pricing and risk profile of reverse mortgage loans in a stochastic multi-period model. The model incorporates a new hybrid hedonic–repeat-sales pricing model for houses with specific characteristics, as well as a stochastic mortality model for mortality improvements along the cohort direction (the Wills–Sherris model). Our results show that pricing based on an aggregate house price index does not accurately assess the risks underwritten by reverse mortgage lenders, and that failing to take into account cohort trends in mortality improvements substantially underestimates the longevity risk involved in reverse mortgage loans.     

调控房价的营业税征收效果模型分析

本文以房产税收政策为背景条件,建立了征收房地产交易营业税的效用模型,分析了在征收营业税条件下,个人房产投资对房价上涨的最低期望值,以及营业税征政策对调控房价的作用.     

基于ARIMA模型与神经网络模型的股价预测

了解并掌握股价运行的规律是许多投资者和学者所关注的领域,采用了ARIMA模型和BP神经网络对百度、阿里巴巴两支股票的收盘价进行建模与预测,并对比了两模型的预测精度,结果表明两种预测模型都达到比较理想的预测精度和短期预测可行的效果.