基于X-12-ARIMA和AR-GARCH模型的房价波动研究

以SAS软件为工具,以2007年1月至2015年6月北京市新建住宅价格指数序列为样本,构建时间序列模型进行实证研究.结果表明,基于X-12-ARIMA模型和AR(2)-GARCH(1,1)模型的复合模型是拟合房价的最优模型.房价序列存在明显的季节特征和典型的波动聚集性,X-12季节调整方法和异方差模型显著有效,拟合相对误差不超过0.4%.对房价的短期预测表明,近期内房价仍保持3%~5%的增长态势,且外部因素对房价的影响程度远远大于房价自身的波动冲击力.     

基于时间序列模型的河南省房地产价格研究

以SAS软件为工具,对2009年3月～2013年3月河南省郑州、洛阳和平顶山3个城市新建住宅价格指数序列进行了实证分析.通过比较AIC、SBC值和可决系数R2,拟合3个序列的最终模型分别是郑州的异方差AR（3）-ARCH（1）模型和洛阳、平顶山的以时间变量t为因子的残差自回归模型.预测结果显示,河南省的房价近期仍呈上升态势,郑州的上涨幅度最大,大约是1.4％ ～1.5％,洛阳约为0.5％,平顶山约为0.3％.     

ARIMA模型在居民消费价格指数预测中的应用

将ARIMA模型应用于居民消费价格指数的拟合和短期预测中,采用2001年1月至2013年10月中国居民消费价格指数的月度数据,借助EViews 6.0软件对数据进行拟合分析,建立了乘积季节ARIMA(5,0,6)(1,1,0)12模型,并讨论了模型的准确性,对未来中国居民消费价格指数进行了预测,该模型具有较高的理论与实际价值。     

基于ARIMA的居民消费价格指数建模与预测

根据我国2007～2010年的实际居民消费价格指数，建立了基于ARIMA的物价指数预测模型。实验结果表明，该模型的绝对误差以及百分比绝对误差都控制在了一定范围之内，因此该模型拟合效果较好，预测值接近实际值。最后，应用该模型对我国2011年1月至5月的居民消费价格指数进行了预测。     

对我国2012年CPI的预测分析

通货膨胀是各国政府和经济学家所关注的问题,而居民消费价格指数作为一个重要的宏观经济指标,与宏观经济运行有着密不可分的联系是市场经济活动与政府货币政策的一个重要参考指标在充分学习其他学者已有的研究成果的前提下,本文基于2004年到2011年我国居民消费价格指数月度时间序列数据,选取了合适的模型对其趋势进行拟合,并对2012年CPI做出预测,对预测结果进行了分析。     

ARIMAX模型方法及其应用——重庆城市居民可支配收入与消费支出

可支配收入是影响消费支出的重要因素,主要讨论ARIMAX模型及其在人均可支配收入与消费支出关系上的应用.首先将重庆人均可支配收入和消费支出取对数并且作一阶和二阶差分序列画图,结合单位根检验来判断其平稳性,并且进行协整检验;其次,用最小二乘法估计参数建立了反应重庆城市居民可支配收入与消费支出的ARIMAX模型,并用重庆城市居民人均消费支出和拟合值的拟合图与其相对误差百分比不超过9.3%来表明ARIMAX模型用于研究居民消费效果比较理想.     

一种包含递归的核回归估计的回归预测模型

构造包含递归的核回归的回归模型,将其应用于居民消费价格指数,提高拟合度,减少预测误差.进而运用时间序列预测模型,结合上述回归模型对居民消费价格指数进行预测.     

新建住宅与二手住宅价格指数关系的研究分析

随着人口增多,对房子需求量的增加,加之新建住宅房价的过快上涨,超出了大部分消费者的承受能力,导致房屋消费者开始转向二手住宅市场,且需求量也随之增加;针对我国房价持续涨高背景,对2017年国内70个大中城市新建住宅与二手住宅价格指数的监测调查数据,提出利用非参数核密度估计的方法对新建住宅销售价格指数和二手住宅销售价格指数密度曲线进行估计与分析,结果发现:新建住宅与二手住宅的需求一致,两者之间存在相关性,并且新建住宅价格的上涨对二手住宅价格的上扬有一定带动作用,二手住宅在住宅市场中逐渐开始处于主导地位。     

通货膨胀与商品住宅价格关系的实证分析

以计量经济学模型为基础,运用北京、上海的居民消费价格指数(CPI)和中房住宅价格指数 (HPI)的时间序列数据,研究通货膨胀与商品住宅价格的关系.将同比和环比数据换算为定基比数据,对数据序列的稳定性进行单整与协整检验,开展Granger因果检验和配对样本均值检验.研究表明: 在北京,通货膨胀与商品住宅价格不存在长期均衡关系,房价抵御通货膨胀的能力不显著,应采用经济手段而非行政手段调控住宅市场.在上海,通货膨胀与商品住宅价格存在长期均衡关系;而且,房价上涨会引发通货膨胀,应采取行政措施抑制房价的快速上扬.     

居民消费价格指数的ARCH模型及实证分析

本文根据居民消费价格指数时间序列（CPI）数据本身的特点,建立了CPI的自回归模型、一到三阶ARCH模型。比较各个模型参数,得到CPI短期预测最优模型为自回归一阶ARCH模型。预测效果图表明：自回归一阶ARCH模型在预测趋势突变时会有一定的滞后性。     

基于主成分分析的住宅项目特征定价模型

讨论了房地产特征价格模型在确定新建住宅项目单位销售均价中的应用,针对应用中出现的样本少、部分特征因素间存在相关性的问题,将主成分分析运用于房地产特征价格模型,建立了基于特征因素主成分分析的住宅项目特征定价模型．通过案例,分析了特征隐含价格的经济意义与作用,利用所建模型较准确地确定新建住宅项目的单位销售均价。     

基于特征价格模型的沈阳市商品住宅价格指数

为了分析沈阳市商品住宅市场情况,根据国内外编制价格指数的方法,结合沈阳市房地产市场的实际情况,采用特征价格法对沈阳市商品住宅价格指数进行研究.选择16个特征变量,采用半对数模型构建沈阳市商品住宅特征价格模型,并对模型进行检验,确定影响沈阳市商品住宅价格的14个特征变量及相互关系.通过价格指数计算公式,计算出2006年至2013年沈阳市商品住宅特征价格指数,得出沈阳市商品住宅价格增速正在逐年减缓的结论,并对未来市场可能出现的问题提出合理建议.     

基于BP-Boosting算法的商品住宅价格预测模型

针对商品住宅价格预测问题,分析整理了与房价相关的经济因素,首次提出将BP-Boosting回归算法运用到商品住宅价格的预测中.以郑州市房地产相关数据为实例,进行学习预测.模型结果表明,该方法简单有效,较为准确地预测出下一个季度的房价,与BP神经网络及灰色-马尔柯夫模型相比具有较为理想的预测精度.     

基于Haar小波与ARIMAX模型进行短期负荷预测

为了提高对非稳态负荷的预测精度,提出了基于Haar小波分析和ARIMAX模型的短期负荷预测方案。首先,通过Haar小波将高频信息序列与低频信息序列分别从电价与负荷序列中分解出来;其次,分别利用电价序列的高、低频序列对负荷序列的高、低频序列进行ARIMAX模型构建和预测;最后,将含有电价信息的高、低频负荷预测值进行Haar小波重构,得到负荷序列的预测值。通过实例验证表明,本文采用ARIMAX模型添加的电价信息,弥补了多次预测产生的误差,对短期负荷的预测精度高于传统时间序列方法。     

中国房价与租赁价格关系研究

利用1999～2009年中国房屋销售价格指数和房屋租赁价格指数季度数据,运用季节调整、协整检验、格兰杰因果检验及脉冲响应等方法,对房价与租金的关系进行了实证分析.研究表明,中国房价与租金不存在长期稳定的均衡关系,短期内房价变动不影响租金变动,而租金变动影响房价变动,但影响力有限.从需求面看,房价变动主要由投资和投机需求而非自住需求引起;租金上涨使部分有自住需求的人转向房屋购买,引起房价上涨,但此部分人不是买卖市场的主导者,所以影响力有限.     

基于联立方程的地价与房价波动关系

构建了我国城市房地价之间关系的联立方程模型,以全国重点城市为样本资料,根据二阶最小二乘法给出参数估计.研究结果发现:地价和房价之间存在联立性,相互影响.对地价影响最大的因素是常住人口总数,人均可支配收入、房地产开发投资额拉动了城市房价水平,而房屋销售面积拉低了城市房价水平.房价滞后期对房价有较大影响,价格的涨跌预期影响公众的投资情绪,导致房价的变动.     

房地产税对房地产价格影响效应的实证检验

采用中国省际面板数据,实证检验分析房地产税对房价的影响效应。研究发现:总体而言,房地产税对房价有抑制作用;各房地产税中,房产税、土地增值税对房价有正影响;城镇土地使用税、耕地占用税和契税对房价有显著负影响。研究结论为:政府在利用房地产税收政策调控房价的时候,应科学认识房地产税的具体影响效果,分清每种房地产税的功能和作用,提高房地产税调控的针对性、有效性和预见性。     

中国离婚率变动对住房价格的影响研究——基于空间计量模型的实证分析

住房作为每个家庭的必需品,与老百姓的生活息息相关,而离婚率作为婚姻稳定性的综合反映,是否会对住房价格产生影响,值得关注.基于2003年～2017年中国31个省市(自治区)面板数据,运用空间计量模型研究离婚率对住房价格的影响,结果表明：1) 离婚率对住房价格有显著的正向影响,离婚率每上升一个千分点,住房价格上涨6.26%,说明离婚率攀升不仅代表婚姻市场不稳定,而且容易造成住房价格快速上升.2) 依据中国房地产调控政策,进行分时段模型估计,结果表明2003年～2009年、2010年～2017年中国离婚率对住房价格均有显著的正向影响,但其影响程度呈现下降(从0.130 7到0.041 8).因此以政府为主体,对房地产市场进行宏观调控仍然是未来经济健康发展的必要手段.3) 中国离婚率对住房价格的影响始终不具备空间溢出效应,即本省(邻省)离婚率对邻省(本省)住房价格影响不显著,这可能与住房价格较强的空间集聚性和房地产政策的户籍限制有关.