房地产估价中的模糊预测估价模型

应用二元对比排序法建立房地产评估的模糊数学评判模型,并将统计预测中的自适应过滤法改进后引入房地产价格评估,在此基础上建立了基于市场比较法的房地产模糊预测估价模型。     

基于数据挖掘的房地产价格预测

根据房地产价格的非线性变化特点,提出一种基于数据挖掘技术的房地产价格预测模型.首先收集房地产价格的历史样本,对其进行混沌分析后得到相应的训练样本集和验证样本集,然后采用数据挖掘技术对训练样本建模,并对验证样本进行预测.仿真实验结果表明,数据挖掘技术可以从房地产价格历史数据中发现其变化趋势,获得了较高的房地产价格预测精度,与其他经典房地产价格预测模型相比,数据挖掘可以更好地描述房地产价格的变化特点,预测精度能够满足人们对房地产价格预测的要求.     

基于BP神经网络自贡房地产价格走势预测

文章通过分析调查影响自贡房地产市场的主要因素,基于BP神经网络,结合自贡住宅市场的实际情况,建立两类BP神经网络预测模型:基于时间序列的趋势预测模型、基于影响因素的回归预测模型,预测了自贡房地产市场价格走势。模拟预测2010年的结果证明了2011年房价预测的有效性,可为自贡城市建设的可持续发展提供有价值的指导意见。     

享乐评价法在房地产评估中的应用

针对在运用市场比较法进行房地产评估时，确定区域因素与个别因素修正系数缺乏定量化的不足，提出享乐评价法。先介绍了享乐价格理论及其价格函数形式，并通过分析享乐价格函数模型以及运用前提，提出在我国房地产市场具体情况下如何建立享乐价格函数并据此求取被估房地产价格。     

基于BP网络的房地产价格预测

成本是影响房产价格的主要因素之一。该文通过BP网络模型对房地产价格的计算和估测,用目前比较常见的检测方法对房地产价格进行分析,结果表明建立BP网络是一种简单易行、可以定量分析的预测方法,用于房产价格的预测是可行的。     

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.     

我国房地产投机性需求研究

在相关理论的基础上,选取有关变量建立线性回归模型,验证房地产市场确实存在投机性需求.通过相关预期理论,选取房地产价格增长率和汇率增长率分别代表房地产价格预期和人民币币值预期,结合其他控制变量带入模型进行实证检验.结果显示,房地产价格预期和人民币币值预期确实影响房地产价格,故房地产市场存在投机性需求.最后根据实证结果给出...     

基于灰度模型的商品住宅价格分析与预测研究——以安徽合肥市为例

房地产行业快速发展的同时也存在房价上涨过快等问题,房价上涨因素以及未来发展趋势已经成为社会各界关注的焦点。为了深入了解复杂多变的房地产市场,将灰度模型用于房价预测研究,以合肥市为例分析房价的主要影响因素,建立住宅异质性影响因素与住宅价格之间的线性关系模型。通过灰度模型来模拟商品房在2011—2017年的房价,并且预测2019年以后的住宅价格及发展规律,研究结果表明住宅价格上涨和下跌都在合理范围之内,商品住宅价格在未来几年内将持续稳步增长。     

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。     

不完全竞争环境下我国房地产价格影响因素的实证分析

本文从我国房地产市场的不完全竞争环境入手,在分析房地产市场的非均衡状态的基础上,采用计量分析的方法,建立了价格影响因素的模型,对我国房地产价格进行了实证分析。     

基于灰色-马尔可夫模型的上海房价走势实证研究

针对房地产营销过程中,价格变化随机性的特点,将灰色GM(1,1)预测与马尔可夫预测有机结合,构成灰色-马尔可夫预测模型,对未来某一时段的房价的灰色预测结果做马尔可夫评价。结果表明,该模型是切实有效的。因此,此模型可用于指导房地产政策的制定。     

基于动态计量经济学模型的房地产周期研究

为正确判断房地产发展趋势,以动态计量经济学模型为基础,科学地识别并预测房地产市场周期。采用北京1989—2004年的时间序列数据,将先验经济理论与数据统计分析结合,建立自回归分布滞后的ARM AX模型。对变量进行单整ADF检验和多重协整JJ检验,求出误差修正序列。用包含误差修正项的模型来预测市场周期,弥补中国房地产市场广泛存在的非理性因素影响和统计数据的缺陷。研究表明:北京房地产市场的周期约为4~5 a;2005年的房地产市场正处于扩展阶段;2006年北京房地产市场仍将呈现稳步上升的态势。     

重庆市主城区住宅需求总量预测模型

发展房地产业是当前重庆市产业结构实现战略性调整，促进地区经济发展的重要措施之一，论文首先对国内外住宅需求总量预测方法进行了研究分析，其次利用重庆市主城区1993～2000年居住水平与主要影响因素的截面数据，采取逐步回归和组合预测分析的方法得出了重庆市城区住宅需求总量预测模型。该模型认为：重庆市主城区住宅需求总量与城市人口呈正相关，这与住宅作为生活必需品的性质相符，同时也说明重庆市城区的住宅需求仍处于较低水平。     

浅析房地产投资风险及风险防范策略

通过对房地产投资风险的分析,阐述了房地产投资风险的特征,探讨了我国房地产投资风险的总体状况及变化趋势,指出预测最佳投资区位对房地产业至关重要。     

基于负荷预测的电力市场寡头竞争分析

将负荷预测的思想引入到电力市场的竞争分析中,研究了完全信息下的cournot模型中负荷预测对电力市场竞争的影响.首先建立了竞争模型结构,然后获得没有预测情况下的市场均衡电价,应用博弈论获得负荷预测增量对cournot模型下市场力的影响.最后通过数据仿真获得负荷预测增量与市场均衡电价和发电商收益之间的关系.分析表明：负荷预测精度影响发电商收益、市场均衡电价和市场力.预测误差率在33%以内,预测是有用的.所以提高收益的关键是提高负荷预测精度.     

房地产市场信息披露制度的构建研究

介绍了中国房地产市场信息披露制度构建的理论基础,在分析目前我国房地产市场信息披露中存在的问题的基础上,提出了建立完善的信息披露制度的具体构想。     

房地产金融制度与土地制度联动关系研究

房地产业的发展关系着国计民生,研究如何规范房地产市场具有重要意义.目前还未见到有综合研究土地制度和金融制度对中国房地产市场的影响.本文使用经济学“双缺口”模型解析我国房地产业市场目前的土地、金融两个领域制度创新的联动关系,在此基础上并给出了建设性的指导建议,认为缺乏土地市场制度创新相配合的房地产金融体制改革很大程度上天然是无效的.     

房地产企业之间的竞争策略选择

利用修正后的贝特兰德模型，分析了房地产企业间的价格博弈与企业联盟的“囚徒”困境。在对模型分析的结果和我国房地产市场的实际情况进行分析的基础上，给出了房地产企业之间的异质性竞争策略，并提出相应的对策建议。     

基于高频股票流动性的通货膨胀率预测研究

通货膨胀的准确预测对于投资者和政策制定者来说至关重要。经济的结构性转变给通货膨胀率的预测带来前所未有的挑战。本研究基于自回归混频数据抽样模型（AR-MIDAS）考察1996年6月至2023年12月中国A股市场流动性的日度信息对通货膨胀率短期预测的影响。结果表明,加入日度流动性指标后,AR-MIDAS模型对于通货膨胀率的预测性能具有显著提升。本研究创新性地将股票流动性加入通货膨胀预测模型,拓展利用金融市场信息预测通货膨胀的文献脉络,为认识金融市场与实体经济的关联提供新的视角,同时也为投资者和政策制定者提供决策参考。     

基于Elman网络的房地产周期识别

房地产市场的发展有着明显的周期性，对房地产周期的识别有助于政府及其他市场参与者进行科学的决策。本文先对1992—2003年的北京房地产市场周期发展各阶段进行编码，将编码结果作为训练的学习样本，再用ELman网络构建房地产周期识别模型。识别结果表明：2004年北京房地产市场处于收缩阶段，国家宏观政策对房地产市场的理性发展起到了积极的作用。