基于灰色GM (1, 1)模型的商品房销售价格预测

针对如何预测商品房平均销售价格问题,基于2006～2016年广州市商品房平均销售价格的数据,通过引入二阶弱化缓冲算子减少冲击波干扰对研究对象的影响,进而建立灰色GM(1,1)模型并对模型进行了相关检验,结果表明,灰色模型的精度等级均为一级,预测效果很好,能够真实的反应广州市商品房价格的动态变化趋势,对政府管理部门、房地产企业制定决策以及房地产市场行情预测提供了科学的依据.根据所得模型对广州市未来五年商品房销售价格进行了预测.     

基于灰色GM(M,N)的昆明市住宅商品房价格分析

首先运用灰色关联定理Ⅰ和灰色关联定理Ⅱ计算昆明市住宅商品房价格与其影响因素的灰色关联度,提取灰色关联度大于0.7的影响因素;其次对提取的影响因素分别进行交集、并集运算,基于交、并集运算得出的影响因素和住宅商品房价格序列,建立相应的灰色GM (M,N)模型对昆明市住宅商品房价格进行分析;最后对比各模型平均相对误差和拟合优...     

基于组合预测模型在成都市房价预测中的应用研究

建立诱导有序加权平均组合预测模型,借助它对成都市商品房价格进行预测。通过三个误差指标值的比较,证明了这种方法的合理性,从而为成都市政府宏观调控商品房价格提供政策性依据。     

基于灰色马尔可夫链模型的房价预测

由于商品房价格变化呈现随机性波动特征,分析房价变化与未来房价走势对于决策部门而言十分重要。本文将灰色系统预测模型与马尔可夫链有机结合,构成灰色马尔可夫链预测模型,对未来某一时段的房价进行预测,结果表明,灰色马尔可夫链模型能有效提高预测的精度和效果,符合实际要求。     

商品房销售面积的灰色预测

文章介绍了灰色预测方法GM（1，1）模型的构造，同时蛤出了对中长期预测精度较高的等雏灰色递补GM（1，1）模型，并结合北京市过去几年的商品房销售面积，预测未来几年北京市商品房的销售面积，用预测数据来说明2008年北京奥运会将对北京市的商品房销售市场所带来的波动．     

成都市房价预测的一个数学模型

在本文中我们对成都市的房产价格进行了大量的考查,将成都市划分成四个区域。考虑到影响房价的各种因素,通过灰色系统理论和马尔可夫链理论对各个区域房产价格进行了理论,并拟合了具体的参数,使我们的模型能有效的反映成都市房价的变化趋势。     

基于ARIMA模型的兰州市商品房价格分析与预测

以2001-2010年兰州市商品房价格数据为基础,利用SPSS软件对商品房价格进行时间序列分析,综合各种条件确定了最佳的ARMA模型。最后利用所建模型对兰州市商品房价格进行了预测。实证分析的结果表明：ARIMA模型在商品房价格分析与预测方面,是一种精度较高且切实有效的模型。     

基于灰色关联的商品房住宅价格影响因素分析——以安徽省为例

房地产业发展具有地域性和资金密集性的特征,商品房住宅价格的变动更是时刻牵动着百姓的心。基于灰色关联度模型,分别从供给、需求、经济3个角度,选取2010—2020年度《安徽省统计年鉴》相关数据,对安徽省商品房住宅价格影响因素进行定性定量分析。实证结果显示,安徽省商品房价格影响因素关联度从高到低排列分别是城镇居民可支配收入、人均GDP、住宅房屋竣工面积、住宅房地产开发投资额、常住人口数量、消费者心理预期、土地成交价款、人民币贷款利率。基于分析结果,提出相关建议,促进安徽省商品房住宅产业健康发展。     

住宅商品房价格预测模型的研究

2017年的最后三个月,中国房地产市场罕见地迎来了一轮密集的政策信号。从中共十九大报告的召开到年末的中央政治局会议的召开,再到召开的中央经济工作会议,这三场高层会议连续对房地产市场定调。房价将如何变化,它再次成为人们关注的热点,因此一个合理的价格预测模型就显得尤为重要。本文通过2005～2016年新疆住宅商品房的价格,结合灰色GM(1,1)模型和马尔科夫模型,建立了灰色马尔科夫预测模型,所建模型的平均相对误差由原来的7.17%降低到2.39%,弥补了灰色GM(1,1)模型预测结果误差大的缺点。结果表明:灰色马尔科夫模型是较好的价格预测模型,并且新疆住宅商品房价格在2017～2020年将会呈现出持续走高的趋势。     

我国商品住宅价格灰色预测

商品住宅价格受多种因素影响，既有宏观因素。又有微观因素；既有确定性因素又有不确定性因素。文中运用灰色理论原理，把我国商品住宅价格看作一个灰色系统，以全国商品住宅价格为原生时间数据系列，建立灰色GM（1，1）预测模型，对我国商品住宅价格未来走势进行预测。对所建模型进行残差检验，关联度检验，均方差检验及小误差概率检验。精度均为一级，因此。可以运用所建模型对我国商品住宅价格进行预测。从模型预测的结果看，我国商品住宅价格在未来呈上升趋势。     

房地产商品价格形成机制与房价变化

作为国民经济中的一个重要支柱产业,房地产在本轮经济周期调整中的价格变动趋势受到广泛的讨论与关注。本文根据我国房地产市场的实际情况,结合商品房价格形成机制的基础理论,对影响商品房需求和供给的重要因素进行了分析;结合近几年我国房地产业相关数据,最后对我国房地产特剐是二级市场上的住宅商品价格变化趋势进行了科学预测。     

商品房市场价格影响因素分析及实证检验

基于商品房市场有众多的影响因素,着重分析了房地产市场和土地价格这2个因素．首先分析了这2个因素对商品房价格的影响机制,并利用数据进行实证检验．检验结果表明：商品房需求量的增长会提高土地价格,而土地价格的提高又会引起住房价格的提高．在此基础上,针对房地产市场震荡提出了3点政策建议．     

基于组合灰色神经网络模型的电力远期价格预测

针对电力远期价格受多种因素影响，变化趋势复杂，难以通过建立准确的数学模型进行预测，提出了采用灰色动态模型对电力远期价格进行预测，并在此基础上构造了组合灰色神经网络预测模型。该模型有效地将灰色理论弱化数据序列波动性的优点和神经网络特有的非线性适应性信息处理能力相融合。研究结果表明，本模型能在小样本、贫信息的条件下对电力远期价格做出比较准确的预测，为电力市场的参与者能更好地利用电力远期合约进行套期保值提供了有效的工具。     

一类经济预报模型及其在房地产研究中的应用

本文用灰色理论分析了房地产商品房销售问题 ,建立了相应的数学模型 ,并进行了分析。此外 ,对商品房销售的构成进行了灰色关联分析     

基于灰色系统GM(1,1)模型的中药材罗汉果价格预测

在采用定性分析的方法对影响中药材罗汉果价格的主要因素进行分析的基础上,使用灰色系统理论对罗汉果的价格建立拟合精度与预测精度较高的GM(1,1)模型,并应用样本长度为4的GM(1,1)模型对罗汉果的季度平均价格进行实际预测。     

基于灰色关联分析的路段行程时间卡尔曼滤波预测算法

为改善卡尔曼滤波用于时间序列预测时的自适应性能，提出基于灰色关联分析的路段行程时间实时预测算法．首先，利用灰色理论对行程时间序列的各影响因素进行灰色关联分析，根据灰色关联度的大小来选取路段行程时间的主要影响因素，由此建立相应的动态方程．在此动态方程基础上，通过卡尔曼滤波递推进行路段行程时间预测．文中利用深圳某交通干道上的实测行程时间进行仿真实验，结果表明该算法的综合预测性能优于常规卡尔曼滤波方法，可应用于正常交通流状况下的路段行程时间预测．     

基于优化的无偏灰色模型的铝价格行情预测

为了对铝价格行情进行科学的预测,构建优化的无偏灰色模型模拟其变化趋势.首先建立无偏灰色预测模型,并推导出它的求解公式;再对其背景参数进行优化;然后根据2010年10月至2011年6月上海现货铝价格数据,采用优化的无偏灰色模型进行模拟预测,最后将其预测结果与传统的GM(1,1)模型和无偏灰色模型进行误差比较分析.结果表明优化的无偏灰色模型消除了传统GM(1,1)模型本身固有的偏差,模拟和预测的精度较高,分析结果可靠.预测数据说明我国铝现货价格整体上呈上升趋势,与我国经济建设对铝的需求持续增长的现状相符.     

实时交通量的灰色马尔柯夫预测方法

灰色预测适合于原始数据序列按指数规律变化的问题,而马尔柯夫适用于预测随机波动大的动态过程．有机地结合两者构成灰色马尔柯夫预测方法,可发挥两者的优势,从而提高预测精度．该方法首先用GM（1,1）模型进行预测,而后对相对误差序列进行马尔柯夫预测,最后用该预测值修正GM（1,1）的预测结果,因而具有较高的预测精度．使用灰色马尔柯夫预测方法对苏州某交叉口实时交通量进行预测,预测结果优于单一灰色GM（1,1）预测．实验表明,灰色马尔柯夫预测方法用于交通量预测是有效可行的．     

期房市场对现房市场价格稳定效应的实证研究

对上海市2000年11月提高商品房预售条件对现房市场价格的影响进行了实证研究。以期房市场对现房市场价格的稳定效应为出发点,分析取消商品房预售制度对中国房地产市场产生的可能影响。广义自回归条件异方差模型分析表明:提高预售条件不仅从长期显著提高了上海市现房市场的价格水平,而且还导致上海市现房市场价格波动性的显著增强。就稳定住房价格这一房地产业宏观调控目标而言,短期内直接取消商品房预售制度并不具备可行性。     

期房市场对现房市场价格稳定效应的实证研究

对上海市2000年11月提高商品房预售条件对现房市场价格的影响进行了实证研究。以期房市场对现房市场价格的稳定效应为出发点,分析了取消商品房预售制度对中国房地产市场产生的可能影响。广义自回归条件异方差模型分析表明:提高预售条件不仅从长期显著提高了上海市现房市场的价格水平,而且还导致上海市现房市场价格波动性的显著增强。就稳定住房价格这一房地产业宏观调控目标而言,短期内直接取消商品房预售制度并不具备可行性。