數(shù)學(xué)建模論文-住房投資分析-wenkub
2023-04-19 04:27:41 本頁面
【正文】 不是很明顯。在當(dāng)前的房地產(chǎn)紅火以及政府宏觀調(diào)控的大形勢下，房屋價格很難有相當(dāng)明顯的下跌，由于房屋價格等相關(guān)因素有著十分明顯的地域性差異，為了使討論更為形象和直觀，本文主要以重慶市為例進(jìn)行展開分析。（3）假設(shè)在一段時期內(nèi)，通貨膨脹率對住房投資不產(chǎn)生影響符號說明符號說明單位A每月還貸數(shù)額元/年T貸款年限年C購房資金元貸款利率平均年租金盈利元/年平均年繳納物業(yè)費(fèi)元/年房屋折舊率房屋同比價格變化指數(shù)截止第年盈利的累計值元交納住房貸款利息元投資所購房屋的面積房屋價格元/平米x房屋租金元/平米P（x）出租率模型的建立與求解模型一：商品房銷售價格與全市生產(chǎn)總值關(guān)系模型我們選取了房地產(chǎn)開發(fā)投資，商品房銷售價格與全市生產(chǎn)總值有著密切關(guān)系的指標(biāo)進(jìn)行研究。灰色系統(tǒng)理論預(yù)測方法主要是GM模型的建立和求解。對于建立的模型是否優(yōu)良，一般要進(jìn)行均方差檢驗和小概率誤差檢驗。① 建立2000－2010年重慶市商品房均價序列值：＝（1740，1831，2162，2283，2738，2539，2691，3157，3906，4126，5548）② 對做一次累加，生成數(shù)列：＝（1740，3571，5733，8016，10754，13293，15894，19051，22957，27083,32631）③ 構(gòu)造數(shù)據(jù)系列B和數(shù)據(jù)向量Y：，④ 確定參數(shù)a和b：⑤ 確定模型其時間相應(yīng)序列為：⑥ 模型精度檢驗：1） 計算均方差比C：，精度為一級。根據(jù)上述預(yù)測模型，計算得到2011－2015年重慶市商品房價格的預(yù)測值表（表2）。從供給的角度看，在供應(yīng)和需求一定的情況下，成本的上漲將推動房地產(chǎn)價格的上漲。從需求的角度看，隨著城鎮(zhèn)化水平的提高、城鎮(zhèn)人口和城鎮(zhèn)投資的增加、城鎮(zhèn)居民可支配收入和流動性指標(biāo)的高速增長，需求量將會持續(xù)增長。因此租金的定位，將直接關(guān)系到其成功租出的可能性（即租出率），而與出租率相對應(yīng)的，是住房的空置率。則每月出租收益期望額為：由此得其每月出租收益期望額分布圖如下：每月出租收益期望額隨價格變化圖結(jié)合的取值區(qū)間以及圖像發(fā)現(xiàn)，當(dāng)時，計算得收益期望有最大值，因此該房每年的最大出租收益期望值為。應(yīng)用利潤關(guān)系式，其第一年的收益為：方案二：貸款金額為買房總價的40%（最大貸款額）。
一、個人房產(chǎn)投資風(fēng)險的定性分析
一般來講，個人的房產(chǎn)投資行為而臨著如下的投資風(fēng)險：
：房貸利率變化風(fēng)險、通貨膨脹、買方的支付風(fēng)險。二、個人房地產(chǎn)投資風(fēng)險模糊綜合評判數(shù)學(xué)模型
U= (u1 ,u2 ,u3 ,u4 )U為各評判因素組成的集合，即U=(金融風(fēng)險，政府風(fēng)險，市場風(fēng)險，房產(chǎn)自身風(fēng)險)。n為底i個一級指標(biāo)下的二級指標(biāo)數(shù)目,m為評語集中的評語數(shù)目.本文用如下算法: Ai = Wi（3）模型結(jié)論通俗易懂，便于普通家庭參考，輔助決策。模型改進(jìn)：在建模預(yù)測的過程中，我們發(fā)現(xiàn)保有量的預(yù)測與人口的預(yù)測有相似之處，然而我們知道隨著政府政策,家庭收入,投資傾向等因數(shù)對房地產(chǎn)的發(fā)展有著至關(guān)重要的作用,所以在本數(shù)學(xué)模型的建立過程中，我們一直是假設(shè)發(fā)地產(chǎn)市場是健康的向前發(fā)展的。為了能得到比較準(zhǔn)的影響房地產(chǎn)發(fā)展的因素,特別是使長期的預(yù)報
數(shù)學(xué)相關(guān)推薦
鄂ICP備17016276號-1