数据特征驱动的房地产市场集成预测研究

发布时间：2022-02-27 08:31

　　房地产市场是一个复杂的系统,房价是多种因素驱动下的综合表现结果。传统单一的预测方法预测精度不能较好地对经济决策起到支持作用。本文基于TEI@I思想,采用综合集成预测方法,对房地产市场变化的方向和水平进行预测。基于房地产市场动态循环系统筛选关键预测指标,采用景气分析法对房地产市场的变动方向进行了初步预判,之后采用分而治之的思想,建立了数据特征驱动的房地产市场集成预测模型对房地产市场进行定量预测。基于数据特征选择合适的基准模型进行建模预测,比单一预测模型的预测精度更高,可以准确预测房地产市场投资、需求和价格。本研究有助于丰富房地产市场预测理论与方法,科学预测房地产市场走势,为政府制定政策、开发商投资以及居民购房提供决策依据。 

【文章来源】：管理评论. 2020,32(07)北大核心CSSCI

【文章页数】：13 页

【文章目录】：
引言与文献综述
研究方法
    1、系统综合集成预测方法
    2、数据特征驱动的房地产市场预测模型
基于系统综合集成法的房地产价格变动方向预测研究
    1、指标选取
    2、房地产市场景气分析
    3、房地产市场景气预测
数据特征驱动的房地产市场集成预测实证研究
    1、数据来源及描述性统计
    2、模型评价指标
    3、EEMD分解结果
    4、EEMD-ARIMA&NAR-ADD预测结果
    5、模型比较
研究结论


【参考文献】：
期刊论文
[1]中国宏观经济分析框架[J]. 任泽平.  发展研究. 2017(11)
[2]基于多因素影响的房地产价格预测模型[J]. 刘彩云,姚俭.  统计与决策. 2017(17)
[3]我国房地产价格组合预测模型探讨[J]. 杨桂元,罗阳,高俊.  统计与决策. 2014(12)
[4]我国房地产价格影响要素分析与趋势预测[J]. 柳冬,王雯珺,谢海滨,汪寿阳,陆凤彬.  管理评论. 2010(05)
[5]基于粗糙集和小波神经网络模型的房地产价格走势预测研究[J]. 李大营,许伟,陈荣秋.  管理评论. 2009(11)
[6]基于TEI@I方法论的房价预测方法[J]. 闫妍,许伟,部慧,宋洋,张文,袁宏,汪寿阳.  系统工程理论与实践. 2007(07)
[7]CRUDE OIL PRICE FORECASTING WITH TEI@I METHODOLOGY[J]. WANG Shouyang (Institute of Systems Science, Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100080, China; School of Management, Graduate School of Chinese Academy of Sciences, Chinese Academy of Sciences, Beijing 100049, China. YU Lean (Institute of Systems Science, Academy of Mathematics and Systems Science, Chinese Academy of Sciences, Beijing 100080, China; School of Management, Graduate School of Chinese Academy of Sciences, Chinese Academy of Sciences, Beijing 100049, China) K. K. LAI (Department of Management Sciences, City University of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong; College of Business Administration, Hunan University, Changsha 410082, China).  Journal of Systems Science and Complexity. 2005(02)



本文编号：3645161