基于灰色理论的商品房住宅价格研究

文章运用灰色系统理论对商品房住宅价格进行分析与研究,采用两个数学模型灰色关联分析及灰色预测模型对商品住宅价格进行实证研究,运用灰色理论对商品住宅价格影响因素进行了定量分析和价格精确预测。将灰色系统理论引入房地产领域的深入研究提供了借鉴和参考价值。     

基于特征价格模型的城市住宅用地出让价格影响因素研究

通过借鉴国内外特征价格模型的理论研究和实证研究成果,构建反映城市住宅用地市场现状的土地特征价格模型,并对2007—2009年南京市公开出让的156块住宅用地的出让价格进行实证研究,进而探讨城市住宅用地出让价格的影响因素及其影响机制。结果表明:①城市中心影响度、土地交易条件、土地交易方式、容积率、政府公共服务设施、医院、企业、金融密集度、公交站点、时间因素对南京市城市住宅用地出让价格有显著影响,并且城市中心影响度为负向影响;②邻里特征对城市住宅用地土地出让价格的贡献率为53.4%,个别特征为31.1%,区位特征为9.7%,其它特征为5.8%;③公交线路对城市住宅用地出让价格影响最大,其次分别为政府公共服务设施、金融密集度、企业、土地交易方式、医院、城市中心影响度、土地交易条件、容积率。据此,从转变土地管理部门职能、科学确定住宅用地出让价格、合理地确定住宅用地价格指数、完善城市基础设施建设等方面提出相应的政策建议。     

基于GWR模型的北京市住宅用地价格影响因素及其空间规律研究

通过选择住宅地价影响因素并设定量化标准、构建地理加权回归(GWR)模型对1997—2004年北京市住宅用地出让数据进行了统计及空间可视化分析,探索了不同影响因素对北京市住宅用地价格的影响及其空间差异性。发现北京市住宅地价多中心影响效应显现";生活质量型"较之"生活便利型"基础设施对住宅用地价格的影响更大;地铁与城市快速路对于住宅用地价格的影响具有明显的空间"互补效应";土地面积对地面单价影响显著。     

住宅价格与居民收入均衡关系及住房支付能力稳定性

文章通过聚类分析将35个大中城市按2000-2009年住宅价格分为四组,结合面板单位根、协整和格兰杰因果检验对住宅价格和居民收入的均衡关系进行了分析,并运用FMOLS模型探讨了住房支付能力稳定性问题。分析表明:35个大中城市的住宅价格和居民收入之间存在长期均衡关系,但支付能力稳定性比较弱;住宅价格和居民收入互为因果关系;住房支付能力稳定性弱不是普遍现象,仅存在于高房价城市;除收入外,城市的食品消费、医疗、教育和交通通信等软硬件设施也是影响住宅价格的重要因素。     

基于主成分分析法的生态城市建设综合评价——以陕西省西安市为例

生态城市建设顺应了城市演化规律,并能促进城市持续、快速、健康发展,是城市转型的最佳选择。本文运用综合评价思想,结合陕西省西安市的实际,构建生态城市发展综合评价指标体系,并采用主成分分析等方法对西安市生态城市总体发展水平、各子系统发展水平及其影响因素以及协调程度进行分析,全面呈现西安生态城市的建设现状,以期西安市在建设生态城市的过程中能够扬长避短,最大限度地实现城市的可持续发展。     

北京住宅价格分布与城市空间结构演变

结合特征价格模型和Moran's I指数,对随机抽样的北京2001、2003和2005年住宅价格进行定量分析,发现:2001—2005年,基于天安门、CBD、中关村和奥林匹克中心的城市多中心模型越来越优于单中心模型,说明北京城市空间结构有向多中心演变的趋势;传统行政中心天安门对住宅价格的影响逐渐减小,而代表城市新兴职能的中关村和奥林匹克中心的影响则在扩大,城市职能结构会影响城市空间结构;面积大小、楼层高低、地铁站距离、重点学校距离等因素也对住宅价格有所影响。     

全国30个城市住宅价格分析

自1998年我国取消福利分房以来，城市住宅投资规模迅速扩大，住宅销售面积逐年增加，与此同时城市住宅价格也迅速增长，有的城市甚至以每年20％的速度上涨，引起了政府、企业、专家学者和媒体舆论的高度重视。本文以城市住宅价格为研究对象，通过实证的方法对影响住宅价格的因素进行探讨，希望能给购房投资者提供分析方法。     

镇江市商品房住宅价格影响因素分析

住宅市场与镇江市的经济发展,人们生活水平提高息息相关。商品住宅价格是住宅市场的核心,研究住宅市场的变化情况,预测市场价格变化的趋势是非常有意义的。在分析与住宅价格密切相关的几个影响因素的基础上,对镇江市商品住宅价格进行了探讨。     

城市住宅需求预测模型研究

通过对现有住宅需求预测方法及住房贷款支付能力对住宅需求的影响分析,文章提出了住宅需求预测模型改进的思路,建立了以居民住房支出和单位住宅建筑面积年需偿还贷款额来预测住房需求的改进模型。并对不同类型住宅需求的影响因素以及人均可支配收入、恩格尔系数、住房支出等因素之间关系进行分析和建模,形成了一套较为完整的分类型住宅需求预测的具体方法。     

城市住宅特征价格分析:对杭州市的实证研究

由于住宅产品的异质性,国外学者广泛使用特征价格模型分析城市住宅市场。特征价格模型的理论基础主要由Lancaster偏好理论和Rosen的产品特征市场供需均衡模型两部分组成。在访谈的基础上,选择了18个住宅特征作为模型的自变量,基于线性函数形式构建了杭州市住宅特征价格模型。采用杭州市2 473个住宅样本数据和290个住宅小区的实地调查资料对模型进行了估计,发现就整个住宅市场而言,14个住宅特征对住宅价格具有显著影响,并且影响程度有差异。同时,根据特征价格对14个住宅特征的影响程度进行了排序,并分为四类。     

商品住宅价格与城市人居环境关系的定量研究——以杭州市区为例

本文认为,城市人居环境的优劣很大程度上决定了商品住宅价格的高低。以1990～2004年杭州市区为例,通过一系列的实证资料,建立相关数学模型,对商品住宅价格与城市人居环境的相互关系进行了研究,发现杭州商品住宅价格与城市人居环境之间有很大的一致性。城市人居环境质量越好,商品住宅价格越高,反之,城市人居环境质量越差,商品住宅价格越低。     

基于ARIMA与GARCH模型的国际油价预测比较分析

在分析影响油价波动因素的基础上,利用1986年1月至2010年12月的WTI国际原油价格月度数据,分别建立ARIMA和GARCH模型对油价进行预测。并通过对2011年1月至2012年4月WTI原油价格进行外推预测,检验模型的预测效果。比较分析发现,在短期预测中,ARIMA和GARCH模型对油价的预测均比较准确,但当油价由于受到重大事件的影响而有较大波动时,模型的预测精度下降;在长期预测中,GARCH模型的预测效果优于ARIMA模型;整体来看,GARCH模型预测的精度高于ARIMA模型。因此,在国际油价预测中,用GARCH模型是比较合适的。     

西安市房地产价格与GDP关系的实证分析

根据1997-2007年西安市房地产价格与GDP数据进行分析,运用平稳性检验、协整检验和Granger因果检验等统计分析方法对西安市房地产价格与GDP之间的关系进行实证分析。结果表明,西安市房地产价格与GDP之间存在着长期稳定的动态均衡关系,GDP波动是房地产价格波动的Granger原因。     

商品住宅价格空间分布与城市区域价值研究——以西安市为例

依据西安市主城区2008～2009年上半年在售商品住宅项目的市场价格数据,利用ArcGIS地统计分析模块的半变异／协方差函数云和直方图分析法对样本数据进行处理之后,利用趋势面分析法西安市商品住宅价格空间变化趋势进行分析、采用普通克里格空间插值方法进行空间局部估计,得出西安市商品住宅价格空间分布特征。并以此对西安市主城区的城内、城南、城北、城东、城西、长安区的区域价值进行剖析。结果表明,城内作为城市的中心,人居设施比较完备,发展最为成熟;城南拥有独具特色的文化底蕴和景观环境,发展速度最快;城北在诸多利好政策的带动下,出现了商品住宅价格分布的副中心;城东凭借“水”的天然条件,开发沪灞生态园提升区域价值;城西借着高新区和“西成一体化”而不断前进;长安区在城南发展的带动下,区域价值不断上升。但从总体上东西部的发展远远落后于南北向的发展。     

限购令环境下基于灰色预测模型的地价预测

在限购令的环境下,以湖南省长沙市的城市住宅用地的地价水平为研究基础,运用灰色系统理论GM（1,1）模型,预测城市住宅用地的地价水平的发展趋势,从而得出相应的结论并为土地管理部门和房地产商提供参考。最后得出结论：近期长沙市住宅用地价格回落的可能性较小,并且还存在小幅上升的可能。     

Forecasting demand for a newly introduced product using reservation price data and Bayesian updating

Forecasting demand during the early stages of a product's life cycle is a difficult but essential task for the purposes of marketing and policymaking. This paper introduces a procedure to derive accurate forecasts for newly introduced products for which limited data are available. We begin with the assumption that the consumer reservation price is related to the timing with which the consumer adopts the product. The model is estimated using reservation price data derived through a consumer survey, and the forecast is updated with sales data as they become available using Bayes's rule. The proposed model's forecasting performance is compared with that of benchmark models (i.e., Bass model, logistic growth model, and a Bayesian model based on analogy) using 23 quarters' worth of data on South Korea's broadband Internet services market. The proposed model outperforms all benchmark models in both prelaunch and postlaunch forecasting tests, supporting the thesis that consumer reservation price can be used to forecast demand for a new product before or shortly after product launch.     

OWA-based ANFIS model for TAIEX forecasting

In stock market forecasting, high-order time-series models that use previous several periods of stock prices as forecast factors are more reasonable to provide a superior investment portfolio for investors than one-order time-series models using one previous period of stock prices. However, in forecasting processes, it is difficult to deal with high-order stock data, because it is hard to give a proper weight to each period of past stock price, reduce data dimensions without losing stock information, and produce a comprehensive forecasting result based on stock data with nonlinear relationships.Additionally, there are two more drawbacks to past time-series models: (1) some assumptions (Bollerslev, 1986; Engle, 1982) about stock variables are required for statistical methods, such as the autoregressive model (AR) and autoregressive moving average (ARMA); (2) numeric time-series models have been presented to deal with forecasting problems for stock markets, but they can not handle the nonlinear relationships within the stock prices.To address these shortcomings, this paper proposes a new time series model, which employs the ordered weighted averaging (OWA) operator to fuse high-order data into the aggregated values of single attributes, a fusion adaptive network-based fuzzy inference system (ANFIS) procedure, for forecasting stock price in Taiwanese stock markets.In verification, this paper employs a seven-year period of the TAIEX stock index, from 1997 to 2003, as experimental datasets and the root mean square error (RMSE) as evaluation criterion. The experimental results indicate that the proposed model is superior to the listing methods in terms of root mean squared error.     

房地产价格对通货膨胀预期具有指示性作用吗?——来自中国1996～2010年的经验证据

房地产价格对于未来的通货膨胀是否有指示性作用,关系到货币政策是否需要对房地产价格提前做出反应。采用1996年1月至2010年4月的月度数据,使用多步向前的方法对未来的通货膨胀进行样本外预测。结果显示,在房地产价格下跌时期,其指示性作用大于房地产价格的上涨时期。此外,某些房地产价格指标在某些时间段能够有效的提高预测效果,但是哪一种价格指标可以提高预测效果,没有一定的规律性。这说明,目前还不能将房地产价格指标纳入通货膨胀的预测体系中。     

A novel time-series model based on empirical mode decomposition for forecasting TAIEX

Stock price prediction is regarded as a challenging task of the financial time series prediction process. Time series models have successfully solved prediction problems in many domains, including the stock market. Unfortunately, there are two major drawbacks in stock market by time-series model: (1) some models cannot be applied to the datasets that do not follow the statistical assumptions; and (2) most time-series models which use stock data with many noises involutedly (caused by changes in market conditions and environments) would reduce the forecasting performance. For solving the above problems and promoting the forecasting performance of time-series models, this paper proposes a hybrid time-series support vector regression (SVR) model based on empirical mode decomposition (EMD) to forecast stock price for Taiwan stock exchange capitalization weighted stock index (TAIEX). In order to evaluate the forecasting performances, the proposed model is compared with autoregressive (AR) model and SVR model. The experimental results show that the proposed model is superior to the listing models in terms of root mean squared error (RMSE). And the more fluctuation year (2000–2001) occurs, the better accuracy of proposed model will be obtained.     

Forecasting crude oil spot price using OECD petroleum inventory levels

This paper presents a short-term monthly forecasting model of West Texas Intermediate crude oil spot price using OECD petroleum inventory levels. Theoretically, petroleum inventory levels are a measure of the balance, or imbalance, between petroleum production and demand, and thus provide a good market barometer of crude oil price change. Based on an understanding of petroleum market fundamentals and observed market behavior during the post-Gulf War period, the model was developed with the objectives of being both simple and practical, with required data readily available. As a result, the model is useful to industry and government decision-makers in forecasting price and investigating the impacts of changes on price, should inventories, production, imports, or demand change. This work is partially sponsored by the Office of Strategic Petroleum Reserve, Department of Energy, USA, and was presented at the International Atlantic Economic Conference, Athens, Greece, March 2001.