房地产销售价格指数的神经网络预测

房地产销售价格指数是指导业界活动和市场研究的有效工具,但是预测的准确程度一直是人们倍加关注的。人工神经网络是一门新兴交叉学科,近年来被越来越多的应用到了实际问题的预测中,显示出其广阔的应用前景,特别是人工神经网络具有预测非线性系统未来行为的巨大潜力。因此,本文提出了用人工神经网络对房地产销售价格指数进行预测的方法,首先将输入数据进行预处理,再利用多层前馈神经网络BP算法来研究人工神经网络在房地产销售价格指数预测中的应用问题,最后得出神经网络方法预测精度较高的结论。

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。

我国货币政策对房地产市场调控的有效性研究

本文在建立VAR模型的基础上分析了货币政策的主要操作目标货币供给量对房地产市场价格变动的影响,得出结论:货币供给量和房地产市场价格变动之间不存在明显的相关关系,两者之间同样不存在任一方向的格兰杰因果关系。所以,在我国房地产价格不断上涨的背景下,中央银行单纯使用货币政策对房地产市场进行调控,是无效的。

货币政策能盯住资产价格吗?——来自中国房地产市场的证据

本文基于BEKK模型和GARCH均值方程模型分析了房地产价格、货币供应量与经济增长的波动相关性以及它们的各种波动对经济增长率的影响。研究发现:房价的波动以及房价与货币供应量的联动对GDP增长速度有显著影响,会导致GDP增长率的下降;但房价的波动对经济增长的波动没有显著影响,而且货币供应量与房价的联动变化非常剧烈,房价与经济增长的联动对经济增长的波动影响也不显著。这说明应该控制房价波动,但是目前中央银行没有必要动用货币政策去直接干预房地产价格。

改进的BP神经网络实证分析

介绍了多层前馈神经网络BP算法的基本思想,利用改进的BP神经网络方法对郑州市房地产销售价格指数进行了预测,结果显示该方法预测精度较高。

基于股价、房价与经济增长之间关系的实证研究

股票市场发展与经济增长的相关性是经济增长理论的新领域,而近几年来,我国的房地产市场发展也逐渐成为与经济增长密切相关的另一新领域。本文采用VAR模型来对股票价格指数、房地产价格指数和经济增长的关系进行研究,从多元角度分析三者之间的关系,采用Granger因果检验法对两两之间的关系进行因果检验,用协整检验来判断两两之间是否存在长期稳定的关系。分析发现,我国股票市场发展对经济增长的作用相当有限,房地产销售价格指数和国内生产总值之间存在着显著的正相关关系,而房地产销售价格指数和股票价格指数之间存在着微弱的反向关系。

货币政策与资产价格波动：理论模型与中国的经验分析

本文以中国房地产市场为例,通过当前央行货币政策的终极目标和中央政府与地方政府在房地产市场的博弈分析引出本文的命题推断。运用BEKK模型和GARCH均值方程模型实证检验了房地产价格、货币供应量与经济增长的波动相关性以及它们的各种波动对经济增长率影响的命题假设。研究发现:房价的波动以及房价与货币供应量的联动对GDP增长速度有显著影响,会导致GDP增长率的下降;但房价的波动对经济增长的波动没有显著影响,而且货币供应量与房价的联动变化非常剧烈,房价与经济增长的联动对经济增长的波动影响也不显著;此外货币政策对不同城市房价的调控效果也不同。这说明应该控制房价波动,但是目前中央银行没有必要动用货币政策去直接干预房地产价格,当前正确处理中央政府和地方政府在房地产市场的博弈关系是提高房地产调控有效性的重要内容。