基于GM(1,1)理论的昆明市房地产价格预测

房地产价格是房地产市场最重要和最直接的反映,而房地产价格受诸多因素的影响,使得房价与影响其变化的经济变量之间的定量关系无法用精确的数学表达式来描述.以昆明市作为研究对象,建立GM(1,1)模型,采用理论与实证相结合的方法进行研究,以历史价格数据预测未来价格,并检查其精度,为昆明市房地产投资决策管理提供一定的科学性借鉴.     

浅析商品住宅价格影响因素的分类

要做好商品住宅的定价,必须知晓商品住宅价格的各种影响因素,认识这些因素是如何以及在何种程度上影响价格的。     

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。     

基于自相关的GM（1，1）与GM（1，N）联合模型优化及应用

分析基于自相关理论的GM（1,1）与GM（1,N）联合模型,将仅适合GM（1,1）模型的数据拓展到适合GM（1,N）模型。用数值积分中的Simpson公式来重建GM（1,1）与GM（1,N）的联合模型,在参数辨识过程中引入累积法,降低线性方程组系数矩阵的条件数,使联合模型求解更加稳定,提高了模拟及预测精度,并且克服了原GM（1,N）模型必须获得预报时刻点相关数据列的值的缺陷,有利于新息GM（1,N）模型的应用。数值实验结果表明,优化后模型数值稳定性好,其系数矩阵的条件数在数值上比通用的最小二乘法有所降低,且模拟平均相对误差也有所降低,预测精度得到提高。     

基于特征价格模型的商品住宅价格影响因素研究——以银川市为例

研究住宅价格的影响因素对政府决策、消费者理性购房具有重要参考意义.以银川市2014年1—12月的商品住宅价格为基础,构建特征价格模型,从价格弹性的视角,对银川市商品住宅房价影响因素进行研究.结果表明,距离商业中心的远近是影响银川市商品住宅价格的主要因素;医疗配套、物业管理费用等要素也是影响住宅价格的重要因素,其中物业管理费是最大因素,在其他因素不变的情况下,物业管理费每增加1元,商品住宅的价格就上涨549.997元.特征价格模型是研究住宅价格因素较好的方法.     

基于系统动力学视角的武汉市商品住宅价格分析

与商品住房价格相互影响的因素很多,其关系复杂,对其进行单独分析很难取得良好的效果,而利用系统动力学则可以很好地解决这一问题。针对武汉市商品住宅市场的实际情况,借助系统理论,对影响其价格的各方面因素进行综合考虑,把其看成是一个系统,然后利用系统动力学原理对其建立相应模型并进行仿真与分析,得出武汉市商品住宅价格及其相关影响因素的变化趋势,为武汉市商品住宅宏观调控提供相关理论依据。     

商品住宅价格波动影响因素的区域特征分析——基于供需视角

基于商品住宅市场的供需视角,采用因子与聚类分析相结合的集成方法,对中国31个省市的商品住宅价格波动的供需特征进行深入分析。分析结果显示,中国商品住宅市场的供需现状区域差异明显,房价调控应以区域调控为主。     

银川市商品住宅价格与环境的响应分析

由调查问卷结果得出,银川市居民在选择住宅区位时,影响商品住宅价格的主要因子是区位因子,交通条件因子,教育设施因子,自然环境因子.运用缓冲区分析方法分别提取103个商品住宅小区的TM-NDVI指数来定量反映样本周围的环境状况,提取道路长度、公交站点数来定量反映样本的交通便捷度,提取中小学个数来定量的反映样本周围的教育设施状况.在此基础上,结合定量与定性的分析方法进一步研究银川市三个市辖区居住环境与价格的响应关系,金凤区价格与环境的响应度最高,其次是西夏区,兴庆区的响应系数为负相关.     

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.     

大坝监测位移的改进灰色因果模型

大坝监测位移通常受到水压、温度、时效等因素的影响,为了考虑各因素之间相互影响和制约关系,并且能较好地反映其整体的变形规律,文章建立了灰色因果模型;同时,为提高监测位移的建模拟合精度,更好地进行位移预测,将基于Simpson公式改进的GM(1,N)模型运用到大坝位移监测中,以某大坝监测资料进行计算和比较;结果显示,改进GM(1,N)模型具有较高的拟合和预测精度。     

一种优化组合的GM(1,N)模型

针对GM(1,N)模型在模拟与预测方面的不足,提出了GM(1,N)模型的一种优化组合方式.第一步是在原GM(1,N)模型灰微分方程上添加一个扰动因素,然后利用优化的背景值确定相应的新参数;第二步利用“最小二乘法”得到模型白化方程近似解中新的初始条件,进而得到一种新的GM(1,N)模型的模拟表达式实例验证表明,新GM(1,N)模型的适用范围明显拓宽,而且模拟和预测精度均大大提高.     

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。     

灰色GM（1,1）模型在厦门市人口预测中的应用

采用较传统模型更简便、可行、精确度高,无需典型概率分布,可减少时间序列随机性的灰色GM（1,1）模型,对厦门市2000—2010年的人口进行预测,与现实数据相比,相对误差为0.78%,预测精确度较高.因此模型对未来10年厦门市人口发展的规模、水平和趋势进行预测,以促进厦门市的总体规划和持续发展.     

我国专用汽车未来发展趋势预测与分析

分析了中国专用汽车的发展现状,以1998年来我国专用汽车发展的数据为基础,运用指数平滑模型和GM(1,1)模型,对我国未来几年专用汽车需求量进行了预测,结果表明,我国的专用汽车将持续快速发展,到2010年专用汽车的需求超过100万辆.预测结果的使用对于保证专用车的供需协调,避免因规划指标失控而导致投资决策失误,有着重要的指导作用.     

残差修正的GM(1,1)模型预测路基沉降量

用普通GM(1,1)模型进行路基沉降预测时,有时会出现较大偏差,甚至完全失效。为此提出了改进措施,引入残差修正的GM(1,1)预测模型,用于高速铁路某试验段路基的沉降预测。工程实例表明,残差修正的GM(1,1)模型的预测精度明显高于普通GM(1,1)模型。在路基沉降预测中有明显的优势,值得在工程中推广应用。     

GM（1，1）模型在经济分析中的应用

利用灰色系统建模方法对广东省江门市2000-2005年全市GDP以及地方财政一般预算收入进行建模，并以此为基础对2006-2007年的数据进行比较，结果表明模型精度很高，在地方经济分析和预测中有积极的作用，并据此进一步对2008-2009年的经济数据进行预测．     

优化GM(1,1)模型在江西省GDP预测中的应用

本文详述了优化GM(1,1)模型,并以江西省GDP数据为实例,验证了优化GM(1,1)预测模型可用于经济指标GDP的预测:最后对模型进行了分析。     

我国工业增加值的灰色预测与分析

以2000～2005年间我国工业增加值的数据为主要对象,应用灰色预测理论,建立灰色系统的预测GM（1,1）预测了2006～2010年我国工业增加值（1978年为基年）,从定量分析角度分析了我国工业增加值较快速增长的良好趋势．