特征价格

摘要： 研究目的:基于秦皇岛三个市辖区“大”“小”产权房市场交易价格数据,探究产权残缺在住房交易价格中的折价效应,并测度其中由于产权残缺引致的教育资源差异对交易价格的影响。研究方法:Hedonic特征价格模型、倾向得分匹配(PSM)和双重差分模型(DID)。研究结果:(1)产权残缺的折价效应在理论上包括产权不清导致交易成本升高所带来投资价值的折价,以及无法享受完整产权所保障的公共服务而导致使用价值的折价。(2)控制其他因素,秦皇岛“小产权房”相较“大产权房”折价约42.31%。(3)“小产权房”折价效应中约25.81%可归因于无法享受完整产权所保障的公共基础教育资源。研究结论:产权残缺的折价效应客观存在,深入探讨产权残缺对“小产权房”价格的影响对理解不动产交易价格形成机制具有理论意义,并在实践中为化解产权残缺带来的负外部性提供可能的治理思路。

摘要： 我国政府高度重视房地产及其相关市场的发展,但是在传统的房地产评估过程当中存在诸多不足,因此在特征价格相关的理论被引入以后,在评估房地产的时候能够获得更准确、更客观的结果.与传统的评估方法相比,特征价格具备更多优势.基于此,人们应当对以特征价格为基础的、评估我国房地产的方法进行研究,从而保证我国房地产获得稳定而健康的发展,并且使我国房地产市场内部不会出现大幅度的波动.

摘要： 高房价是社会高度关注的民生问题,又是学术界研究的热点。高房价背后到底受哪些因素的影响,物业管理对房价的影响程度有多大?基于此,本文以广州市天河区为例,构建了房地产价格Hedonic模型,选择了三大特征变量,即区位特征、建筑特征、邻里特征中的9个变量,对206个小区进行实证分析,得出结论:现代化进程较高的新城区,邻里特征对房价影响作用最大,而其中物业管理的影响作用居于首位。因此,社会各界需重视物业管理对房地产价值的创造作用,提升物业管理行业在社会经济生活中的地位。

摘要： 租售比反映了房地产市场中房价与租金之间存在的关系,是判断房地产市场运行情况的重要指标.收集南京市1674个小区的租售数据和小区信息.利用克里金插值法,探究南京市租售比分布状况;构建特征价格模型,运用分位数回归的方法剖析特征价格因素对小区租售比的影响.利用克里金插值发现:南京市小区租售比明显高于周围小区的区域共有三个,其中租售比最高的区域位于南京市秦淮区西南部.利用分位数回归发现:绿化率只对较低租售比、中租售比的小区产生显著负作用;物业费对小区租售的影响随着小区租售比的增加而负效应逐渐减小,对高租售比小区没有呈现出显著影响;超市的4类小区都会产生显著的负影响;医院对中租售比、较高租售比和高租售比的小区租售比产生显著负效应,并且估计系数的绝对值逐渐增大;公交站对5个层次的小区的租售比都具有显著的负效应;地铁、景点变量在各分位数点都呈现显著且估计系数都为负,但没有明显的变化趋势.

摘要： 基础教育是城市基本公共服务的重要组成部分,开展空间维度下的优质小学教育资源均等化研究有益于优化教育资源的空间配置,保障和提升教育公平性。本文以武汉市中心城区为例,利用空间Kriging分析和空间自相关Moran’s I指数表现出明显的空间聚集性,揭示了当前小学教育的空间配置处于不均衡发展状态。利用特征价格模型对辖区内242所小学及周边8740套住宅相关数据的分析结果显示,优质教育资源对住宅租金价格具有正向影响,而且优质教育资源空间上的分布不均加剧了周边住宅租金的上涨:学校重点等级每提升1级,对应学区的住宅租金提高220元;省级示范学校的对应小区住宅租金提高880元。为了推动小学教育和城市住宅租赁市场的均衡发展,建议政府尽快采取缩小学校质量差异的相关措施。

摘要： 大学周边的店铺经营欣欣向荣,但店铺大多不是以购买得来的房产,而是选择租赁的方式取得,研究租赁市场,可以填补店铺房产买卖市场的空缺。本文以湖南农业大学周边店铺租金为研究对象,以店铺租金的空间与非空间因素为基础,选择人流量较大的红旗市场、东湖市场、滨湖小区为调查区段,采集了三个样本区域,采用了调查问卷的形式,调查了100个样本,并选择了12个影响因素,运用了多元线性回归方法,利用spss19.0建立特征模型来分析租金影响因素。研究发现距离消费群体距离的总和(宿舍园区)、临街情况、距离公交车站的距离对租金影响较大、而出租期限、是否交纳押金、建筑面积、建筑结构、装修情况、设备情况、周边环境、周边设施、周边快递点数量对租金影响较小。

摘要： 回顾了国外房价影响因素的已有研究,从研究方法和研究视角两个层面对国外学者有关房价影响因素的文献进行了归纳总结,并对国内该领域的相关研究提出启示.文献分析结果表明:国外学者对房价影响因素的研究主要从供求关系、消费者个体因素、住宅特征、政府政策和溢出效应五个研究视角展开,且随着房地产市场价格泡沫的出现,越来越关注消费者个体因素对房价的影响;研究方法多以实证为主,涵盖线性和非线性、空间计量方法等,且注重新方法的引入以及已有方法的与时俱进.

摘要： 在明确投入产出价格分析特点和优势的基础上，本文首先指出了投入产出价格模型结构上的某些局限，这些局限带来人们对投入产出价格分析的指责；在接下来的部分，对投入产出价格模型研究进行了综述，并就此引出了基于系数矩阵特征值与特征向量的价格分析方法，特别是西顿(Francis Scton)的特征价格(Eigenprices)模型(1981，1992，1993)，可以看作是对投入产出价格模型难以反映需求面的一个补充，同时该模型实际上也是从对称角度扩展投入产出原模型的一种尝试，最后我们利用中国数据进行了经验验证。

摘要： 本文把上海市住宅市场作为研究区域，选取了1个因变量和16个自变量作为住宅特征价格模型中的特征变量。通过388对成交价格和挂牌价格资料得出两者之间的转换关系式，完成对因变量的修正，同时，文章还对16个自变量分别进行了定量量化和定性量化，为城市住宅特征价格模型的建立和进一步的实证应用提供借鉴。

摘要： 本文从住宅价格外部影响因素的视角构建了住宅特征价格模型，利用2005年至2008年的130个样本数据，分别从住宅价格上涨阶段和下跌阶段，对深圳住宅价格外部影响因素进行实证研究和比较分析。研究结果表明，在不同阶段住宅价格外部影响因素对住宅价格的影响是有不同的。

摘要： 本发明涉及一种基于多因素特征抽取的动力煤价格指数滚动预测方法，该方法包括以下步骤：步骤S1，数据收集；步骤S2，数据预处理；步骤S3，数据挖掘与特征变量抽取；步骤S4，用人工神经元网络建模；步骤S5，随着时间推移，重复步骤S3、S4，更新模型并对动力煤价格进行短期滚动预测。与现有技术相比，本发明具有考虑因素全面、实时更新度强、预测精度高等优点。

摘要： 本发明公开了一种基于特征筛选和注意力机制的制造装备价格预测方法，包括（1）进行装备价格数据集的特征筛选；（2）构建基于注意力机制的价格预测模型；（3）训练价格预测模型；（4）使用训练好的价格预测模型进行制造装备的价格预测。通过使用基于决策树生成算法的特征筛选方法，提升了特征点对待预测值的表征效果；通过三个独立的神经网络并行采集输入数据不同维度的特征信息，多角度、多维度地进行数据挖掘；通过注意力机制最大限度地综合每个神经网络所采集到的最有价值的特征数据，提高最终预测结果的准确性。

摘要： 本发明属于二手手机价格预测技术领域，尤其为一种时序过程与手机缺陷特征深度融合的二手手机价格预测算法，包含抽取元数据特征；将每个机型每天的销售均价计为宏观时间序列；对机型检测报告内容进行文本预处理；利用word2vec模型将每个词映射为1个300维实向量，将得到的手机元数据特征、手机价格时间序列和文本向量表示输入到价格预测模型中进行预测，所述价格预测模型包括时序过程建模、属性特征建模和注意力融合模块；本方法在二手手机价格预测的时序过程建模中同时考虑了全局的价格的长期趋势和局部的单位时间内的价格的突发性波动，可以更全面具体地建模历史销售时序价格数据中的变化；采用带有注意力机制的CNN建模单位时间内的价格的突发性波动。

摘要： 本发明公开了一种基于融合特征的期权隐含波动率与价格分析系统，一方面能够通过深度学习的向量化表示能力，有效融合各类行情业务特征、非行情类特征、各已有模型的中间阶段分析特征等，并可不断扩展并结合更多输入特征信息，另一方面能够利用多种模型来建模、优化模型各类参数，从而使得定量分析结果更为准确，更具有适用性。其技术方案为：系统包括跨市场行情类特征处理模块、金融文本语义因子类特征处理模块、期权理论分析模型量化特征模块、特定时间尺度特征数据融合模块、多时间尺度的特征融合模块、多领域特征融合与建模分析模块、专家知识与风险参数管理模块。

摘要： 一种基于空间特征和XGBoost‑神经网络融合模型的住宅价格预测方法，包括：根据训练集的住宅样本之间的空间物理距离，计算住宅价格的局部莫兰指数，表示住宅价格之间的空间相关性；利用k‑means聚类算法，根据住宅的属性特征将训练集的住宅样本分成多个类，并得到住宅的空间聚类标签值；根据住宅的属性特征、局部莫兰指数和空间聚类标签值，用神经网络模型对测试集的住宅的价格进行预测，并将预测值作为输入特征加入到训练集中，用XGBoost对神经网络模型进行训练，获得融合预测模型，以利用所述融合预测模型进行住宅价格预测。本发明在住宅价格的预测模型属性中加入了空间相关性和空间聚类标签，并融合神经网络和XGBoost算法建立新的预测模型，能够提高预测准确度。

摘要： 本发明公开了一种基于区块链特征的虚拟货币价格波动溯源方法，用于解决现有技术中对价格上涨下跌定性预测，而不量化和对价格绝对值进行预测，而非波动率，造成结果是实际价格变化中，波动率大的部分，被作为噪声过滤掉了以及对异常交易行为，而非价格或者价格波动进行检测的问题，该方法包括以下步骤：步骤一：选择参数信息源；步骤二：对参数信息源进行特征预处理，本发明对参数信息源进行特征预处理，通过对虚拟货币价格的波动性进行预测，一旦发现价格异常波动，会运用算法对波动产生的原因进行分析溯源；给每种可能原因的贡献度，便于及时了解价格异常波动情况以及产生的原因。

摘要： 本发明提供可以在设置电子货架标签的场所变更电子货架标签的显示的电子货架标签系统、商品价格管理装置、便携式终端装置、电子货架标签装置、商品价格管理方法、商品价格更新方法、商品价格管理程序及商品价格更新程序。便携式终端(105)从货架标签(104)中读取其识别信息，向通信控制器(102)发送输入本身的商品的价格信息和货架标签(104)的识别信息。通信控制器(102)将货架标签(104)的识别信息和价格信息关联存储，将与和接收的识别信息相同的识别信息关联的价格信息更新成为接收的价格信息，向货架标签(104)发送更新后的价格信息。货架标签(104)显示接收的价格信息。

摘要： 本发明属于碳价格监测技术领域，具体为一种基于特征价格模型的碳价格监测方法和设备，包括以下步骤：步骤一：基础数据采集，获取市场上的碳价格数据；步骤二：根据碳价格构建折线图，横轴为时间、纵轴为价格，根据折线图的起伏感知碳价格的变动情况；步骤三：根据时间哑元法构建特征价格模型；步骤四：调整碳价格数据，剔除突出数据，使特征价格模型趋于平稳；步骤五：根据平稳的特征价格模型对碳价格进行监测，根据时间哑元法构建特征价格模型，调整碳价格数据，剔除突出数据，使特征价格模型趋于平稳，根据平稳的特征价格模型对碳价格进行监测，方便对碳价格进行市场监管。

摘要： 本发明提供了一种基于特征价格模型的房屋租赁市场监测方法，房屋租赁市场监测方法包括：构建房屋租赁市场画像，基于房屋租赁市场画像感知房屋租赁市场变动情况，并获取预设时间段内的房屋租赁市场变动数据；构建特征价格模型；剔除房屋租赁市场变动数据中的异常数据；基于特征价格模型，对剔除异常数据后的房屋租赁市场变动数据逐步回归；利用逐步回归后的房屋租赁市场变动数据集更新特征价格模型；基于房屋租赁市场的常识特征验证更新后的特征价格模型，从而得到优化的特征价格模型；利用优化的特征价格模型监测房屋租赁市场。本发明能够及时感知市场变化，且优化的模型具备自我调节能力、对新数据的拟合度更佳、解释性更强。

摘要： 本发明公开了一种获取房地产价格特征的方法及系统，该方法包括如下步骤：获取空间数据和属性数据；空间自相关性检验；根据空间数据和属性数据，进行特征指标空间赋值；根据空间赋值结果，进行特征价格模型构建，得到预测结果；预测结果检验，并提供一种获取房地产价格特征的系统。本发明提供的空间和数学相结合的方法对房地产价格特征的客观空间赋值、全面筛选和成果可视化，很好的弥补了传统的房地产价格特征筛选方法不能穷尽所有的价格影响因素的缺陷，同时又突出不同城市影响房地产价格特征的差异性，模型构建结果空间可视，具有较好的可解释性，模型的更新维护成本较低，具有较强的实用性。