我国主要城市房地产价格指数的预测方法及预测研究

发布时间：2017-07-20 15:15

  本文关键词：我国主要城市房地产价格指数的预测方法及预测研究

  更多相关文章： 房地产价格指数 GARCHARMA?模型 多层RBF网络

【摘要】：本论文旨在研究如何建立一套完备的房价指数时间序列的预测方法系统,以用于提供房价指数变动的预测,揭示房价指数时间序列的内在特征属性以及与外部环境的关系。论文通过分析房价指数时间序列的特征属性,即是平稳的还是不平稳的,是线性的还是非线性的,有无ARCH效应,得到这样的结论,在房价指数时间序列的建模和预测系统中,只要有三种模型即可,即ARMA模型,GARCH模型和非线性时间序列模型。在本文中,非线性时间序列模型采用非线性实函数逼近能力很强的多层径向基函数网络,使模型具有较高的建模和预测精度。本文用这个系统对我国70个主要城市的同比和环比房价指数时间序列进行了建模和预测,得到了许多有价值的结论。一个是绝大部分房价指数时间序列是平稳的,极少的不平稳的都是一阶差分平稳的。这些时间序列有它内在的变化规律。其次,房价指数时间序列是可以预测的,只是预测精度参差不齐,有高有低。再则,一部分房价指数时间序列具有ARCH效应,对这样的时间序列,若它是线性的,则用GARCH模型预测精度较高,若是非线性的,则采用多层径向基函数网络进行预测,这样预测精度可以有显著的提高。
【关键词】：房地产价格指数 GARCHARMA?模型 多层RBF网络
【学位授予单位】：安徽工业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F299.23
【目录】：

• 摘要6-7
• Abstract7-8
• 第一章 绪论8-13
• 1.1 研究目的和意义8-9
• 1.2 文献综述9-12
• 1.2.1 国外研究现状9-10
• 1.2.2 国内研究现状10-12
• 1.3 论文研究内容12
• 1.4 论文的创新点12-13
• 第二章 房地产价格相关理论13-25
• 2.1 房地产价格的概念及房价指数的分类13-16
• 2.2 房地产价格的形成机理及类型16-18
• 2.3 房地产价格指数的作用18-19
• 2.4 近十几年房地产价格指数的变化及其影响因素分析19-25
• 第三章 用于房价指数预测的常用模型25-34
• 3.1 ARIMA( qp, )、ARIMA( ,,qdp )模型25-27
• 3.1.1 自回归模型 ( AR模型)25
• 3.1.2 平滑模型( MA模型)25
• 3.1.3 自回归平滑模型( ARMA模型)25-26
• 3.1.4 确定性趋势分量的去除和ARIMA模型26
• 3.1.5 模型选择26-27
• 3.1.6 自回归平滑模型的建立过程27
• 3.2 开关马尔科夫模型27-28
• 3.3 异方差模型28
• 3.4 多层径向基函数网络28-34
• 3.4.1 径向基函数网络28-29
• 3.4.2 遗传算法29-31
• 3.4.3 多层径向基函数31-34
• 第四章 建模与预测34-64
• 4.1 建模方法34-35
• 4.1.1 建模流程34-35
• 4.1.2 数据选取35
• 4.2 时间序列的平稳性检验35-40
• 4.3 时间序列的ARCH效应检验40-45
• 4.4 线性和非线性检验45-49
• 4.5 房价指数的建模和预测49-62
• 4.5.1 线性房价指数时间序列建模与预测49-56
• 4.5.2 非线性房价指数时间序列建模与预测56-62
• 4.5.3 预测误差分布62
• 4.6 本章小结62-64
• 第五章 结论64-67
• 5.1 研究结论64
• 5.2 研究展望64-67
• 参考文献67-70
• 攻读硕士学位期间发表的论文和取得的科研成果70-71
• 致谢71

【参考文献】

中国期刊全文数据库 前3条

1 薛姝;中房指数与国房指数比较分析[J];湖南城建高等专科学校学报;1999年04期

2 王婧,田澎;小波神经网络在房地产价格指数预测中的应用[J];计算机仿真;2005年07期

3 张宏斌,贾生华;编制城市房地产价格指数的理论模型和实用方法[J];中国软科学;2000年04期

，

本文编号：568650