基于BP神经网络和ARIMA模型对房地产综合盈利的研究开题报告
2021-12-27 21:33:48
全文总字数：2232字
1. 研究目的与意义及国内外研究现状
本课题是基于bp神经网络和arima模型对房地产上市公司盈利能力的研究。由于万科房地产上市公司的综合盈利指标是一组非线性动态变化的复杂序列，且序列的季节效应较为明显，为了对该类时间序列进行准确的预测，本文通过利用历史数据建立bp神经网络和arima预测模型。然后对模型进行检验，通过与实际情况进行分析和对比，选出最优模型来预测综合盈利指标的未来值。
本文通过较好模型来预测综合盈利的未来值，从而更加准确地了解房地产上市公司的未来发展趋势，为公司管理人员和投资者提供一个较为贴近实际的盈利情况作为参考。
2. 研究的基本内容
本文选取万科(000002)房地产上市公司2003年至2016年数据为样本，对其进行描述性统计分析，建立盈利能力指标体系，选取万科上市公司十三个财务指标运用主成分分析得到万科房地产上市公司每个季度的综得分；然后利用综合得分作为综合盈利指标，以万科房地产上市公司2003年至2015年各季度的综合得分为基础，分别建立BP神经网络预测模型和ARIMA预测模型，并对所建立的模型进行检验，确定ARIMA模型为最优的模型。利用所建立的模型对万科房地产上市公司2016年至2018年各季度的综合财务指标作出预测，并与实际情况进行对比分析。
3. 实施方案、进度安排及预期效果
实行方案：首先对获取的数据进行简单的处理，对其进行描述性统计分析，利用r软件编程计算出每个季度的综合得分作为综合盈利指标，以万科房地产上市公司2003年至2015年各季度的综合得分为基础，分别建立bp神经网络和arima预测模型；并对本文所建立的模型进行检验，确定相对较优的预测模型，最后利用最优模型对2016年至2018年各季度的财务综合指标进行预测。
2016.12.10-2016.12.20 查找有关文献，确定论文题目，对论文进行构思，填写毕业论文任务书；
4. 参考文献
| [1] 周凤, 财务报表分析. 机械出版社[M]. 2013: 40-45. [2] Ngai Hang Chan, Wilfredo Palma. State space modeling of long-memory processes[J]. Annals of Statistics. 1998, 2: 719-740. [3] Darbellay G.A., Slama M. Forecasting the short-tern demand for electricity-do neural networks stand a better chance[J]. International Journal of forecasting, 2000, 16: 71-83. [4] 张红, 林荫, 刘平. 基于主成分分析的房地产上市公司盈利能力统计分析与预测[J]. 清华大学学报, 2010, 50(03): 2-5. [5] 时照华. 探索ARIMA模型在呼吸道传染病疫情预测中的应用[D]. 安徽医科大学. 2013, 10-23. [6] 朱奕奕. ARIMA乘积季节模型在上海市甲肝发病预测中的应用[N]. 复旦学报, 2012, 39(5): 2-5. [7] 许兴军, 颜钢峰. 基于BP神经网络的股价趋势分析[J]. 浙江大学电气自动化研究所, 2011, 167(11): 1-2. [8] 王斌会. 多元统计分析R语言建模[M]. 广州：暨南大学出版社, 1998: 157-170.
|
