我国城市房地产指数编制方法探讨

通过对中国目前普遍采用的中房指数和国房景气指数的对比,指出各自的不足;介绍了He-don ic理论的基本模型及Hedon ic价格函数的估计(包括自变量的选择、自变量和因变量资料的收集及函数形式的选择);结合中国实际情况,试图通过Hedon ic Pric ing Approach为中国房地产指数的编制提供一种新思路。

完善中国房地产指数编制方法的研究

中国房地产指数的产生及发展中国房地产指数系统是市场呼唤的产物，针对市场信息灵散、传递不畅，层次不高等状况，1993年中国房地产开发集团提出建立房地产监控体系的设想．并与中国房地产协会、国务院发展研究中心情报中心联合发起了这方面的研究，确定了以简单、明了，定量的指数形式作为主要手段,

基于重复销售法的房地产指数构造研究

近年来,房地产价格指数已经成为人们分析房地产市场现状,预测未来发展趋势的重要指标。然而目前中国各个机构的房地产指数经常互相矛盾,且很难准确反映房地产市场价格的走向。重复销售法解决了房地产指数编制的关键问题——保证样本同质性问题,是国际上流行的指数编制方法。重复销售房地产价格指数的构造过程包括建立计量经济模型、考虑时间间隔因素、模型的详细资料描述、指数的构造等四步。

主成分分析重复销售房地产指数构造研究

随着我国房地产市场的不断扩大,房地产价格对社会生产和生活的影响越来越明显。准确的房地产价格指数对于提高政府经济决策质量,合理引导社会预期和公众需求,减少房地产开发投资的盲目性都具有重要的意义。重复销售法解决了房地产指数编制过程中保证样本同质性的问题,是国际上流行的指数编制方法。主成分分析(PCA)指数是根据经济变量和金融变量计算的重复销售指数。指数的构造过程包括房屋利润率的确定、经济和金融变量利润率的确定、因素的建立、指数的构造等四步。

论房地产指数编制方法的缺陷

在房地产市场中,房地产指数对于投资者,消费者和政府来说都是一种很重要的市场信息。文章以“中房指数”“国房指数”为例,对其编制方法进行评述,分析了我国现有房地产指数存在的缺陷,并提出完善的若干建议。

我国房地产指数收益率波动性的实证研究

本文利用ARCH类模型对我国房地产指数增长率的波动性进行了实证研究。结果表明房地产指数存在着明显的ARCH效应；GARCH模型更能准确地描述房地产指数的波动特征，且其波动性是对称，持续性的；房地产指数不存在明显的杠杆效应。

上海、北京房地产指数的实证分析

文章对中房上海、北京城市指数的分布状况、季节变动以及发展趋势等特征进行了研究;并运用相关分析、回归分析以及主成份分析等方法,对这两个城市的房地产指数以及它们与中国房地产股票指数、中国零售物价指数之间的相关关系进行了分析研究,揭示了两个城市房地产市场发展的规律。

中国房地产指数的应用

房地产市场的发展与稳定需要金融衍生品支撑。对于购房者与房地产企业而言,房地产都存在价格风险、政策风险与金融风险等,而且房地产业所显露的高价格、高空置率、高不良贷款等问题在短时间内也没有得到有效的解决。我国的房地产业涉及面广,其波动势必影响到各行业的发展,直接对我国国民经济造成影响。为此,我国更应该大力房地产市场金融衍生品市场,为银行、房地产企业、购房者等各类投资者提供避险工具。文章将从房地产指数发展的应用及其必要性方面进行论述。

第六届中国数字地产节——暨2009中国房地产指数系统样本项目年度排行榜发布会

2009年，在刚性需求大量释放及多项利好政策的推动下，全国房地产市场快速回暖．消费者置业观念日趋理性，部分配套成熟品质高、社区环境良好的项目获得了较高的认可与良好的销售业绩。

房地产价格与土地价格、房屋租赁价格的关系——基于大连市房地产指数的实证研究

本文用价格指数代替价格,通过计量的方法对房地产价格、土地交易价格、房屋租赁价格的相互关系进行了计量经济分析,发现这三个变量都是一阶单整的,并且三者之间存在协整关系。说明三个变量虽然均为不平稳序列,但在长期仍然存在相互影响的关系。进一步的Granger因果检验发现房地产价格与土地交易价格互为Granger的原因。并由此提出了平抑房价的建议。

基于麻雀搜索优化SVR模型的房地产价格研究

为解决传统经济指标作为房价影响因素的数据获取滞后性问题以及机器学习模型在预测房价时存在的参数选取不确定性问题,文中以网络搜索数据作为房价指数解释变量,采用麻雀搜索算法(Sparrow Search Algorithm,SSA)建立SSA-SVR(Support Vector Regression)模型对SVR的惩罚因子C和RBF(Radical Basic Function)核函数的参数g进行优化。将SSA-SVR模型与PSO(Particle Swarm Optimization)-SVR、GA(Genetic Algorithm)-SVR、WOA(Whale Optimization Algorithm)-SVR、GS(Grid Search)-SVR以及基准SVR进行对比,SSA-SVR的相关系数(0.99)、均方根误差(6.71)、平均绝对误差(5.24)、均方误差(45.13)以及平均绝对百分比误差(0.26%)均优于其他5种模型。结果表明,麻雀搜索算法优化的SVR模型在房价预测方面具有更好的全局寻优能力,可以提高模型的预测准确度和预测能力。

中国房地产指数理论与实践研究中存在的问题及建议

通过对国内外房地产价格指数及其他房地产指数研究进展的分析,重点探讨了中国房地产指数研究在理论分析、体系构建和测算方法等方面存在的不足;并通过对房地产指数理论的研究,提出了房地产指数测算时权重确定的改进方法,最后指出GIS与房地产指数信息系统的结合作用与思路。

我国房地产指数收益率的波动性研究

自回归条件异方差(ARCH)模型是最简单的条件异方差模型,ARcH类模型在金融时序数据的波动性中具有很好的效果。文章利用ARcH类模型对我国房地产指数增长率的波动性进行了实证研究。结果表明房地产指数存在着明显的ARcH效应;GARCH模型更能准确地描述房地产指数的波动特征,且其波动性是对称、持续性的,房地产指数不存在明显的杠杆效应。

房地产价格指数的影响因素分析——基于货币政策角度

房地产行业的稳健发展,关系整个国民经济的健康发展.研究房地产企业股价变动的影响因素对于引导房地产行业的健康发展具有重要意义.选择一年期存款利率与货币供应量M1作为解释变量,房地产上市公司价格指数为被解释变量.通过建立相关变量间的回归模型,进行变量的平稳性检验、协整检验和格兰杰因果检验.实证结果显示,利率与房地产上市公司价格指数之间呈负相关关系,与货币供应量M1之间呈正相关关系.

GM(1.1)模型在房地产价格指数预测中的应用

本文简要介绍了灰色预测方法ＧＭ（１．１）模型的构造与模型检验。利用１９９８年１～６月中国房地产北京指数建立了北京市房地产价格指数预测模型。经模型检验，该模型预测，精度等级为一级，预测模型可靠。

编制城市房地产价格指数的理论模型和实用方法

在房地产市场中 ,房地产价格指数对于投资者、消费者和政府来说都是一种很重要的市场信息。本文对国外流行的各种编制房地产价格指数的理论模型进行了讨论。提出了一个好的房地产价格指数计算方法应满足的条件 ,分析了目前我国各城市房地产价格指数编制过程中所存在的问题 ,并且提出了改进我国城市房地产价格指数编制工作的建议。

中国房地产价格指数的模拟和预测

Recently it has been a very serious problem to forecast the trend of real estate price index.Although the government has launched several policies to control it,it seems that they don’t work.So whether the real estate price Index can be efficiently forecastedThis paper provides an empirical analysis using a series of statistical models,builds up a leading indicators system,and gives a perfect simulation and forecast.