SA  >> Vol. 4 No. 3 (September 2015)

    中国房地产价格的研究—基于ε-TSVR模型和VAR模型
    Research on the Price of Real Estate in China—Based on ε-TSVR Model and VAR Model

  • 全文下载: PDF(579KB) HTML   XML   PP.196-207   DOI: 10.12677/SA.2015.43022  
  • 下载量: 1,721  浏览量: 3,826  

作者:  

谢玲玲,张雨:云南财经大学统计与数学学院,云南 昆明

关键词:
模板房地产价格VAR模型ε-TSVR模型Real Estate Price VAR Model ε-TSVR Model

摘要:

中国的房地产价格的有效预测一直是民生的热点问题,从而备受国内外学者的高度关注。本文选用全国2005~2013年的月度数据,在研究中国房地产价格基础上,采用向量自回归(VAR)模型和支持向量回归(ε-TSVR)模型,分别对中国房地产价格进行预测,并比较。研究结论表明:ε-TSVR模型的平均绝对误差MAE、平均绝对百分比误差MPE、均方根误差RMSE值都小于VAR模型,说明ε-TSVR模型对中国房地产价格的预测效果更佳,在房价的预测中有较强的科学性和可行性。

China’s price of real estate forecasts has been a hot livelihood issue, and scholars have paid much attention to it. In this paper, the monthly data of the national 2005-2013 years, in the study of Chi-na’s real estate prices, are based on the use of vector auto regression VAR model and support vector regression (ε-TSVR) model, respectively to predict and compare the Chinese real estate prices. The results show that the average absolute error (MAE), the average absolute percentage error (MPE), the root mean square error (RMSE) value of the of ε-TSVR model are less than VAR model, which shows that theε-TSVR model has better forecasting effects on the real estate prices in China.

文章引用:
谢玲玲, 张雨. 中国房地产价格的研究—基于ε-TSVR模型和VAR模型[J]. 统计学与应用, 2015, 4(3): 196-207. http://dx.doi.org/10.12677/SA.2015.43022

参考文献

[1] 王彬 (2007) 房地产价格影响因素分析. 硕士论文, 北京交通大学, 北京.
[2] 罗玉波 (2011) 房价影响因素分析:分位数回归方法. 统计与决策, 6, 158-159.
[3] 李勇, 王有贵 (2011) 基于状态空间模型的中国房价变动的影响因素研究. 南方经济, 2, 38-45.
[4] 李芳, 李秋娟 (2014) 人民币汇率与房地产价格的互动关系. 国际金融研究, 3, 86-96.
[5] 李成, 马国校 (2007) VAR模型在我国银行同业拆借市场中的应用研究. 金融研究, 5, 62-77.
[6] 张卫平 (2012) 中国通货膨胀预测:基于AR和VAR模型的比较. 统计与决策, 4, 11-15.
[7] 刘晓曙, 郑振龙 (2007) 商业银行VAR 模型预测能力的验证. 当代财经, 8, 39-43.
[8] 彭显刚, 王洪森 (2014) 基于竞争ISPO双胞支持向量回归短期负荷预测. 电力系统及其自动化学报, 10, 46-68.
[9] 曹慧 (2014) 基于支持向量回归机的中国物价波动影响因素探究. 硕士论文, 浙江工业大学, 杭州.
[10] 鲍漪澜 (2013) 基于支持向量机的金融时间序列分析预测算法研究. 博士论文, 大连海事大学, 大连.