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。

基于GIS的房地产市场比较法评估模型研究

研究目地:针对房产市场比较法估价模型可比交易案例选取和因素修正过度依赖专家经验的问题,提出了利用GIS重新构建市场比较法估价模型的新思路。研究方法:利用GIS技术对该模型进行了具体建模和编程实现,并以该模型为基础开发了房产估价系统,最后利用该系统对赣州某房产进行了估价实践。研究结果:某待估房产经过本系统的价格评估后,得到其价格为3335元/m^2,而该待估房产实际成交价格为3400元/m^2,与估价结果非常接近。研究结论:模型应用实践表明该估价模型能够提高房产估价的效率和准确性,具有广泛的应用推广价值。

基于West模型的房地产泡沫的实证研究——以北京、上海、深圳为例

本文简要回顾了关于房地产泡沫的研究框架,在W est模型的基础上,运用房地产合理价格是租金资本化的原理,对北京、上海和深圳的房地产市场是否存在泡沫作了实证检验。结果表明:北京住宅市场、上海住宅市场以及深圳写字楼市场在样本期内的检验结果拒绝原假设,即市场存在着泡沫现象;北京写字楼市场、上海写字楼市场和深圳住宅市场检验结果为接受原假设,即不能判断市场存在泡沫现象。本文提出了一些政策建议。

我国房地产业股价波动长记忆性的R/S分析

房地产上市公司股票一直是各类投资基金重要的资产配置对象,因此,对其价格波动的定量特征进行精确的刻画和描述具有重要的现实意义。以我国上市公司房地产行业指数和万科A股日收益数据为实证样本,运用重标极差法(R/S)探讨房地产上市公司股价波动的长记忆特征,结果表明:我国房地产上市公司的股价波动存在显著的长记忆特征,且行业总体的长期记忆强度明显高于个股;与成熟资本市场相比,我国房地产上市公司股价波动的长记忆程度更高。

房地产价格指数时间序列R/S分析及政策价值

针对中国房地产泡沫和房屋销售价格时间序列的特征问题,利用基于R/S分析法的赫斯特指数作为测算的依据。对房屋销售价格指数季度数据和国房景气指数中的销售价格指数月度数据进行了对比实证研究(样本区间为1998年～2010年)。研究结果表明房屋销售价格具有明显的分形结构,并表现出状态持续性,在没有外力作用条件下,房地产泡沫风险会积累性增加。这一发现的政策价值在于明确了房地产具有消费品和投资品双重性质,不能完全依赖市场自发力量进行调节,政府也不应在泡沫风险很大时强制干预,而应采用全程监管方法,实现房地产业稳定发展的目标。

基于EVIEWS的我国房地产价格影响因素计量分析

针对我国房地产价格影响因素,首先从经济因素的角度出发,选取相关数据;其次,运用EVIEWS软件对房地产价格的经济影响因素进行分析、检验,最终建立合适的回归模型;最后对所求解的结果进行分析,并根据结果提出相关的政策建议.

大数据和GIS的房地产信息体系构建

在当今大数据时代,各种数据和新技术纷至沓来,使人目不睱接,如何应用好各种数据,这无疑给房地产市场研究带来新的机遇与挑战。简要分析房地产市场参与方的信息需求,探讨大数据的加工技术,针对房地产的参与方的需求提出了可能的产品系列。

基于LS-SVM的福房价格指数预测

提出一种基于最小二乘支持向量机(LS-SVM)的福房指数预测方法。采用感知机核函数、多项式核函数和高斯核函数进行仿真模拟,经过参数选优建立了精度较高的福房指数预测模型。预测结果表明,利用LS-SVM模型进行预测具有误差小、拟合程度高等优点,可适用于房地产价格指数的预测。

基于B/S的网络房产信息超市设计

随着互联网技术的迅速发展,信息管理网络化已经成为趋势。针对房产来说,房产信息的数据更新快、数量大,以往的登记方式以及发布方式效率过于低下,文件数量过于庞大监管困难,并且一旦发生错误后也无法及时改正。为了帮助房产信息管理者更加方便快捷地维护房屋信息,节省大量的人力物力成本,设计了基于B/S的网络房产信息超市。该系统操作简单,具有较好的稳定性,为房产信息管理者及用户提供便捷的服务。

基于ArcGIS的商品房住宅价格时空差异研究

基于空间计量统计,利用Arc GIS对商品房住宅价格进行探索性空间分析,根据Moran's I散点图、LISA散点图及聚类图、空间分布图等分析区域差异性的空间相关性及相互关联影响。以江苏省39个市、县近10年的商品房住宅价格为例,从时空差异的角度揭示了江苏省的住宅在空间位置上呈圈层式形态分布,商品房住宅价格在2008年—2014年呈现较强的空间正相关性,且相关性呈逐年递减的趋势。为避免南京地区房价过热,政府应在采取相应政策抑制的同时,加大周边地区的开发与优惠政策,确保区域间的协调同步发展。

基于EVIEWS的河南省房地产价格影响因素计量分析

河南房地产行业是人们一直关注的行业之一,影响房地产价格的因素很多。考虑人们心里预期因素,通过实证分析发现:房地产价格水平与滞后一期商品房屋销售价格、狭义货币供应量、人均实际平均GDP、城镇化率等诸因素具有较强的正相关性。提出河南省政府相关管理部门应该出台相关政策措施来有效抑制房地产行业价格上涨。

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。

我国房地产市场的短期量价变化研究及预测

文章在对我国房地产市场走势进行定性分析的基础上,综合运用时间序列方法,对房地产市场的短期量价变化进行了研究和预测。文章认为,应通过加大落实保障性住房建设力度,保障城市中低收入居民利益;加强房地产价格调控力度,坚决打击房地产投机行为;拓宽都市圈系统建设范围,促使更多地区推进城市化建设等措施促进房价稳定以及房地产市场的健康发展。

房地产价格与货币供应量的波动溢出效应

基于VAR模型和GARCH模型对中国房地产价格与货币供应量的波动溢出效应进行实证研究,发现货币供应量与房地产价格之间不存在显著的动态相关性,也不存在明显的波动溢出效应,中央银行没有必要用货币政策去直接调控房地产价格。

基于Hedonic模型的厦门市二手房价格指数研究

针对厦门市岛内外一体化进程加快,房地产交易重心从岛内转向岛外,而现有的房地产指数已不能准确地反映厦门房地产市场供求关系的问题,引进Hedonic模型构建厦门市新的房地产指数。首先,研究了国内外现有房地产指数的优缺点,得出特征价格理论在厦门房地产指数中的适用性和可行性;其次,通过理论研究、模型构建和应用研究3个方面系统地对Hedonic模型进行深入研究;最后,利用EViews 6.0软件,对已收集到的665组厦门市二手房数据进行模型选优、检验,建立了厦门市二手房特征价格模型,并将其应用到厦门市二手房价格指数中。研究结果表明,基于Hedonic模型的厦门市房地产指数更能准确地反映厦门市房地产市场的供求关系,是一种有效的房地产指数。

基于支持向量机的北京市房地产价格指数预测

文章通过格兰杰因果关系检验建立影响房地产价格指数的相关指标体系,并基于支持向量机回归原理,利用Libsvm-2.89对北京市房屋销售价格指数进行预测,预测结果与实际接近;建立了预测绝对误差与支持向量率、迭代次数等的回归模型以得到误差修正因子对预测误差进行调整,提高了预测精度。

基于小波神经网络的房地产价格指数预测研究

要对非线性趋势房地产价格指数进行预测,就必须利用模拟非线性的模型。应用BP神经网络来对房地产价格指数进行预测,精度和收敛的速度都不是很理想,这主要是因为BP神经网络本身存在着缺陷。为了克服BP神经网络的缺陷,本文将小波变换和BP神经网络结合起来,运用小波神经网络来对房地产价格指数进行预测,并与BP网络的预测结果进行了比较,最后发现用小波神经网络进行经济预测可以达到很好的效果。

特征价格法在房地产价格指数中的应用

特征价格法(Hedonic method)是将房地产价格变动中的质量特征因素进行分解,以显现出各项特征的隐含价格。并从价格的总变动中逐项剔除质量特征变动的影响,达到仅仅反映纯价格变动的目的。本文通过双重Imputation过程估计缺失价格和剔除异常值的影响,解决了可比性问题,并增强了Hedonic模型的稳定性。

我国房地产价格波动与中央银行货币政策调控——来自货币供应量、汇率和利率的证据

本文通过VAR-MVGARCH模型研究了我国房地产价格增长率分别与货币供应量、汇率和利率的线性和波动关系。研究结果表明,汇率的变化对房地产价格增长率的变动会产生显著的线性影响,但是货币供应量和利率的变化对房地产价格增长率变动的线性影响不大。本文认为,尽管货币供应量、汇率和利率对房地产价格增长率存在波动溢出效应,但由于它们与房地产价格增长率的相关性波动剧烈,同时考虑到不断变化的货币政策"盯住"房地产价格波动的困难以及有悖于中央银行保持货币政策"连续性和稳定性"的目标,当前最好实施汇率工具盯住房地产价格增长率的均值化,才容易产生显著效果。

模糊数学综合评判法在房地产销售中的应用

采用模糊数学理论与方法,并将层次分析法(AHP)与模糊综合评判相结合,在充分考虑房地产自身特点的基础上,建立房地产项目销售预测模型。提出一种简便的定量化研究方法及步骤,将其应用于实际案例的分析验证,并得到与实际楼盘销售情况基本吻合的结果,从而可为投资者在房地产开发初期进行房地产销售预测提供参考。