期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
住房市场模型研究——基于非稳定时间序列的FM-OLS估计
被引量：
3
1
作者
刘丹
莫迪
《经济问题》
CSSCI
北大核心
2010年第9期42-46,共5页
通过对住房市场进行系统分析,提取影响房价和销售额的主要变量:房地产开发国内贷款、已开发的房产当前的存量、住宅施工面积、金融机构中长期贷款、储蓄存款余额和宏观经济环境变量GDP,建立住房市场房价与销售额回归模型。并通过FM-OLS...
通过对住房市场进行系统分析,提取影响房价和销售额的主要变量:房地产开发国内贷款、已开发的房产当前的存量、住宅施工面积、金融机构中长期贷款、储蓄存款余额和宏观经济环境变量GDP,建立住房市场房价与销售额回归模型。并通过FM-OLS方法对非平稳时间序列回归模型进行估计和统计推断,解决了传统OLS方法无法对非平稳时间序列回归进行统计推断问题,避免了对数据差分平稳化处理导致的信息丢失及回归系数不易解释的问题。实证结果表明房价和销售额受宏观经济环境GDP影响显著,房屋存量在方程中的表现揭示了中国房地产市场房地产开发商囤积房源和减少供给量导致住房市场价格持续上涨的现象。最后,通过与ARIMA模型拟合效果进行比较,证明了模型的拟合效果更优,更能体现市场的真实情况。
展开更多
关键词
住房市场
非稳定时间序列
FM估计
在线阅读
下载PDF
职称材料
自适应参数的AOSVR算法及其在股票预测中应用
被引量：
2
2
作者
吴微
张凌
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2009年第4期605-610,共6页
以股票预测为背景,在一种在线SVR算法AOSVR中,引入Cherkassky参数选择策略,形成自适应参数的AOSVR算法.根据时间序列的变化,通过在线调整SVR参数达到更好的预测精度和泛化能力.另外,针对股票市场特性,利用AOSVR的"忘记"阈值...
以股票预测为背景,在一种在线SVR算法AOSVR中,引入Cherkassky参数选择策略,形成自适应参数的AOSVR算法.根据时间序列的变化,通过在线调整SVR参数达到更好的预测精度和泛化能力.另外,针对股票市场特性,利用AOSVR的"忘记"阈值丢掉早期数据来集中刻画近期的股市特点.将自适应参数的AOSVR算法应用到上证综合指数构成的时间序列上,取得了良好的预测效果.
展开更多
关键词
在线支持向量机回归算法
参数选择
非稳定时间序列
股票预测
在线阅读
下载PDF
职称材料
题名
住房市场模型研究——基于非稳定时间序列的FM-OLS估计
被引量：
3
1
作者
刘丹
莫迪
机构
北京大学中国经济研究中心
出处
《经济问题》
CSSCI
北大核心
2010年第9期42-46,共5页
基金
中国博士后科学基金资助项目(20080440263)
中国博士后基金特别资助项目(200902031)
文摘
通过对住房市场进行系统分析,提取影响房价和销售额的主要变量:房地产开发国内贷款、已开发的房产当前的存量、住宅施工面积、金融机构中长期贷款、储蓄存款余额和宏观经济环境变量GDP,建立住房市场房价与销售额回归模型。并通过FM-OLS方法对非平稳时间序列回归模型进行估计和统计推断,解决了传统OLS方法无法对非平稳时间序列回归进行统计推断问题,避免了对数据差分平稳化处理导致的信息丢失及回归系数不易解释的问题。实证结果表明房价和销售额受宏观经济环境GDP影响显著,房屋存量在方程中的表现揭示了中国房地产市场房地产开发商囤积房源和减少供给量导致住房市场价格持续上涨的现象。最后,通过与ARIMA模型拟合效果进行比较,证明了模型的拟合效果更优,更能体现市场的真实情况。
关键词
住房市场
非稳定时间序列
FM估计
Keywords
housing market
nonstationary time series
FM estimation
分类号
F293.3 [经济管理—国民经济]
在线阅读
下载PDF
职称材料
题名
自适应参数的AOSVR算法及其在股票预测中应用
被引量：
2
2
作者
吴微
张凌
机构
大连理工大学应用数学系
出处
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2009年第4期605-610,共6页
基金
国家自然科学基金资助项目(10471017
10871220)
教育部青年骨干教师基金资助项目(3004-082502)
文摘
以股票预测为背景,在一种在线SVR算法AOSVR中,引入Cherkassky参数选择策略,形成自适应参数的AOSVR算法.根据时间序列的变化,通过在线调整SVR参数达到更好的预测精度和泛化能力.另外,针对股票市场特性,利用AOSVR的"忘记"阈值丢掉早期数据来集中刻画近期的股市特点.将自适应参数的AOSVR算法应用到上证综合指数构成的时间序列上,取得了良好的预测效果.
关键词
在线支持向量机回归算法
参数选择
非稳定时间序列
股票预测
Keywords
online support vector regression algorithm
parameter selection
non-stationary time series
stock market forecast
分类号
O242 [理学—计算数学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
住房市场模型研究——基于非稳定时间序列的FM-OLS估计
刘丹
莫迪
《经济问题》
CSSCI
北大核心
2010
3
在线阅读
下载PDF
职称材料
2
自适应参数的AOSVR算法及其在股票预测中应用
吴微
张凌
《大连理工大学学报》
EI
CAS
CSCD
北大核心
2009
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
