大学生数学建模_房价预测
房价问题数学建模房价合理性预测
测， 但可能未考虑到影响因素对房价的本质性影响，故我们取灰色关联分析法分 析得到的关联度较大的因素，作为相关数据列，将房价作为特征数据列，建立 GM(1.N) 模型。而每个影响因素又是一个不确定性的灰色系统，所以我们用 GM(1.1)模型预测每个因素的走势，将两个模型结合起来，得到一个考虑影响因 素下的房价预测新数据，最后与仅用 GM(1.1)模型预测的房价数据做对比，从而 更全面、准确地分析两所城市的房价走势，引申到全国的房价走势。 2.3. 问题三的分析 针对问题三， 要探讨对房价调控的合理性措施，我们综合问题二利用灰色关 联分析所求的各个因素与房价关联度， 根据其关联度的大小确定房价调控的优先 权重，其次在根据 2005 年-2014 年各个因素与房价增长率的对比，得到每个因 素与房价之间的相互制约关系，再结合第二问通过灰色预测模型对未来 10 年房 价的预测值分析和第一问对房价合理性的双指标评判标准得到对于房价的直接 调控和简洁调控措施。 2.4. 问题四分析 问题四要求定量分析房价对经济发展的影响， 首先引入问题二中灰色关联度 得到的相关系数作为初始权重， 并从问题二得到的相关因素中，选取商品房销售 价格和房地产开发投资的加权平均代表房价指标，人均生产总值，恩格尔系数及 城市居民人均可支配收入的加权平均代表经济指标， 理清房价指标与经济指标的 相互关系，以房价作为自变量，经济作为因变量，建立多项式拟合模型。对于收 集到的数据， 先进行权重归一化和影响因素无量纲化的数据预处理，再将房价作 为自变量，经济作为因变量，运用 matlab 对其进行多项式拟合，并得到拟合曲 线和拟合多项式。通过拟合曲线分析房价的变化对经济发展的影响。
三. 模型假设
1.房价首付按 30%计算。 2.贷款年限为 30 年。 3.收集到的数据都是正确可靠的。 4.以商品房平均销售价格作为房价，假设全市房价相同为平均水平。 5.本文仅考虑人均可支配收入、 年末总人口、 房屋造价、 房地产开发投资额、 国内生产总值、恩格尔系数、商品房销售面积、竣工房屋面积、人均储蓄存款年 末余额、土地交易价格指数对房价的影响。
数学建模之住房的合理定价问题
住房的合理定价问题摘要房价的合理性已成为当今社会的热门话题。
本文依照题中所给出的数据，对3个问题分别建立模型并求解。
针对问题1，首先利用Excel建立图表，绘制出历年房价走势图。
然后，对原始数据进行拟合，得出指数型及多项式型拟合方程，并在原图上绘制出趋势线。
同时，求出确定性系数，依据是否接近于1判断拟合程度好坏，即检验拟合方程的有效性。
计算得出的指数型及二阶多项式型拟合方程：、，由此预测出2010年房价分别为元/平米、元/平米。
为了增加预测的可靠性，再结合二次指数平滑法对2010年房价进行预测。
通过比较实际值与预测值的平均偏差值ME的大小，选择出合适的。
预测出2010年的房价为元/平米。
最后，建立三元线性回归模型，将上述三种方法对历年房价的预测值分别作为自变量、、的原始数据，以实际房价作为因变量，用Matlab软件拟合出多元线性方程：。
代入相关数据，求出历年的最终房价预测值为3866元/平米。
针对问题2，通过Excel绘制出历年平均房价与人均GDP的关系走势图，且自动生成对原始数据进行拟合后的指数型和自变量为2阶、3阶、4阶的多项式型拟合方程及各自的确定性系数。
的值分别为：；；；。
由此判断，因2阶多项式型拟合方程的不仅十分接近于1，且相对于3阶、4阶的多项式方程更为简便，故选择：为平均房价与人均GDP的关系方程。
最后，在联系当下实际状况的基础上对建立的模型进行研究，分析出平均房价与人均GDP的关系。
针对问题3，首先从政府、人民、房地产商三方面分析其各自对房价的要求。
然后，利用Excel，并依据前两个问题的解决方法求出最合理的历年人均GDP 和平均收入走势的拟合方程，分别为：；。
由此预测出2010年的人均GDP值为21781元、平均年收入为21547元。
利用Matlab软件拟合出以历年人均GDP和平均年收入的实际值作为自变量，；以历年平均房价的实际值作为因变量的二元线性回归方程，将已经预测出的2010年人均GDP和平均收入值代入拟合方程，得到2010年平均房价的预测值3928元/平米。
数学建模房价预测
一、问题重述1.1背景分析自1998年我国实行住房改革以来，房地产行业已经逐渐成长为拉动中国经济增长的龙头产业。
近几年在国家积极的财政政策刺激下，我国房地产市场处于不断发展阶段。
然而，与美国等发达国家住房市场进入成熟期不同，我国正处在城市化和工业化进程加速阶段，住房水平低和需求比较旺盛，这是我国住房市场快速发展的重要基础。
中国房地产一方面在快速发展之时，在总体上对经济社会的发展确实起到了促进作用；另一方面由于不规范的房的销售价格行为、地价的上升造成放的开发成本提高等因素造成房价不断上涨，严重超出了普通居民的购买能力，给其造成了巨大的购房压力。
1.2问题重述根据近几年中国沈阳房地产市场现状，解决以下四个问题：(1)结合对房地产的了解，收集近几年沈阳房地产的价格走势，预测未来沈阳房价的状况。
(2)结合对上海市近几年来房价的了解，分析并建立合理的数学模型，得出“国五条”具体怎样影响房价。
二、问题分析2.1对于问题一的分析问题一要求根据近几年上海房地产的价格走势，来预测未来三年上海房价的情况。
首先，通过在《沈阳统计年鉴》找到上海近几年的房价, 为得到较为准确的预测，我们选取了最近十年上海的房价，因为长时间的数据能反映更多更合理的问题，不会太过片面对结果造成较大偏差。
历时十年，期间政府的宏观调控或制定的稳定物价等等措施必然会对房价造成影响，如果考虑政策措施和其他因素的影响，问题将变得非常复杂。
反而，我们可以将这些因素看作市场经济的调控，房价因受到这些因素影响而产生变化。
那么，实际呈现出来的房价变化就应该是有效的房价变化。
我们在模型的假设部分阐述了不考虑政府的政策措施对近几年房价的影响。
综合了以上分析，我们将搜集到的数据整理制成表格，绘制出年份-房价变化折线图，可以发现随着年份的增长，上海房价也在不断增长，且在一条直线周围上下波动，因此我们建立一元线性回归模型，来寻求上海房价与年份的线性关系。
然后根据最小二乘法来确定其中参数（一次项系数和常数项）的值，最终确定此回归方程。
数学建模之住房的合理定价问题
住房的合理定价问题摘要房价的合理性已成为当今社会的热门话题。
本文依照题中所给出的数据，对3个问题分别建立模型并求解。
针对问题1，首先利用Excel建立图表，绘制出历年房价走势图。
然后，对原始数据进行拟合，得出指数型及多项式型拟合方程，并在原图上绘制出趋势线。
同时，求出确定性系数R2，依据R2是否接近于1判断拟合程度好坏，即检验拟合方程的有效性。
计算得出的指数型及二阶多项式型拟合方程：x,(i) =678.8le0.1281i、x2(i) =12.59i2 50.274i 716.38，由此预测出2010 年房价分别为4080元/平米、3888元/平米。
为了增加预测的可靠性，再结合二次指数平滑法对2010年房价进行预测。
通过比较实际值与预测值的平均偏差值ME的大小，选择出合适的o预测出2010年的房价为3800元/平米。
最后，建立三元线性回归模型，将上述三种方法对历年房价的预测值分别作为自变量x1、x2、X3的原始数据，以实际房价P(i)作为因变量，用Matlab软件拟合出多元线性方程：P f1(i) =—0.0202 —0.1389 刘⑴ 1.1319 X2(i) 0.0084 X3(i)。
代入相关数据，求出历年的最终房价预测值为3866元/平米。
针对问题2，通过Excel绘制出历年平均房价与人均GDP的关系走势图，且自动生成对原始数据进行拟合后的指数型和自变量为2阶、3阶、4阶的多项式型拟合方程及各自的确定性系数R2o R2的值分别为：0.8673; 0.9929 ; 0.9982; 0.9986。
由此判断，因2阶多项式型拟合方程的R2不仅十分接近于1，且相对于3阶、4阶的多项式方程更为简便，故选择：A 2P(i) =(_7E _06) [G(i)] 0.3236 G(i) -177.06 为平均房价与人均GDP 的关系方程。
最后，在联系当下实际状况的基础上对建立的模型进行研究，分析出平均房价与人均GDP的关系。
大学生数学建模_房价预测
西安邮电学院第九届大学生数学建模竞赛参赛作品参赛队编号： 016赛题类型代码： A题2 房价问题摘 要随着我国房地产市场的不断升温，居民买房难愈来愈严重。
定一个合适的房价既照顾到居民的需求也满足方差开发商的盈利需要是十分必要的，要达到这些目的都要用到数学模型来进行量化。
在本文中，我们经研究解决了城市房价模型，找出了影响房价的主要因素，建立预测下一阶段的房产均价的一个模型，同时也对政策对调控房价所起的作用作了详细的分析说明。
在解决房价模型问题时，我们用了多元线性回规模型和蛛网模型同时对相关变量进行分析和处理，最终找出了影响房价的主要因素为生产成本和供需关系。
并对房价的形成、演化机理和房地产投机进行了深入细致的分析。
模型一，我们通过比较西安房价近11年来的变化及城镇居民收入变化情况，找到买房难的根结。
模型二，在房价预测方面，我们选用多元线性回归，蛛网模型同时对相关变量进行分析和处理，最终找出影响房价的主要因素为生产成本和供需关系，求出房价预测的计算表达式。
模型三，我们取定一个时间段内某几个房价新政，结合新政出台时间前后某地房价的变化情况分析了房价新政对房价的调控作用。
我们选取房价新政的标准是根据政策内容对相关经济指标有直接作用效果。
最终我们发现，新政出台后，虽然房价依然是居高不下，但房价上涨速率得到了一定的控制，变化渐缓。
关键字：楼市 预测 蛛网模型 线性回归一、问题重述住房问题关系国计民生，既是经济问题，更是影响社会稳定的重要民生问题。
2008年受国际金融危机的影响，部分购房需求受到抑制，2009年在国家税收、土地等调控政策作用下，一度受到抑制的需求得到释放，适度宽松的货币政策使信贷规模加大，为房地产开发和商品房购买提供了比较充裕的资金，房地产市场供求大增，带动了整体回升。
但有的城市房价过高，上涨过快，加大了居民通过市场解决住房问题的难度，另一方面，部分投机者也通过各种融资渠道买入房屋囤积，期望获得高额利润，也是导致房价居高不下的原因之一。
房地产价格预测(数学建模论文)
装订线摘要房价问题事关国计民生，已经成为全民关注的焦点议题之一。
本文主要对房价的合理性进行分析，估测了房价未来走势。
同时进一步探讨使得房价合理的具体措施，根据分析结果，定量分析可能对经济发展产生的影响。
对于房价合理性的分析，选取北京，咸阳，大庆三类城市数据，以居民承受能力满意度和房地产商收益满意度作为目标函数，建立了多目标规划模型分析合理性。
此外，考虑到目前中国的房地产市场存在一定的泡沫成分，为使模型更贴近实际，利用CPI指数修正模型，分析出实际房价不合理，存在严重的泡沫成分。
针对房价的未来走势，采用灰色预测模型对未来房价进行预测。
绘制房价未来走势曲线，得到在国家政策及社会环境相对稳定的条件下，房价仍然会继续上涨的结论。
并根据所得结果，提出了调整房价的三点措施。
利用房价的财富效应以及房产投资与GDP之间协整关系分析了房价对国民经济的影响。
由分析得知：房价的不合理上涨会使房地产财富虚增，产生房地产泡沫，影响国民经济的正常发展。
考虑到所涉及的经济学变量均是非平稳的。
为了避免建立虚假回归模型，在对房价模型进行修正和分析房价对国民经济的影响时，我们利用EVIEWS软件，建立了基于单元根检验的协整性分析模型。
关键词：多目标规划灰色预测模型EVIEWS 单位根检验与协整分析一、问题重述1.1问题背景房价问题事关国计民生，对国家经济发展和社会稳定有重大影响，一直是各国政府大力关注的问题。
我国自从取消福利分房制度以来，随着房价的不断飙升，房价问题已经成为全民关注的焦点议题之一，从国家领导人、地方政府官员，到开发商、专家学者、普通百姓通过各种媒体表达各种观点，但对于房价是否合理、未来房价的走势等关键问题，至今尚未形成统一的认识。
1.2问题提出请根据中国国情，收集建筑成本、居民收入等与房价密切相关的数据分析以下问题：(1)选取我国具有代表性的几类城市对房价的合理性；(2)房价的未来走势等问题进行定量分析，(3)根据分析结果，进一步探讨使得房价合理的具体措施。
数学建模——线性方程组构建房价预测模型2[1]
![数学建模——线性方程组构建房价预测模型2[1]](https://img.taocdn.com/s3/m/1ae8fbc15fbfc77da269b109.png)
一 问题重述和分析房地产价格问题一直是引起广泛争论的热点问题。
关于目前中国的房地产价格，老百姓普遍认为太贵、天价，所以，当地产商华远集团总裁任志强在博鳌论坛上抛出“30年间，和工资收入相比，房子等于没有涨价”的所谓“房价没涨论”后，立即激起舆论围攻。
有人号召全国的老百姓联合起来，不买任志强们的房子，让房地产商们的房子闲着、烂着、空置着，看他们能挺到什么时候？看他们还忽悠房价上涨不？高房价厌恶者反对一切看涨。
中国社科院日前日发布2009房地产蓝皮书认为，今年上半年房价总体下行，下半年市场有回暖可能。
“回暖”观点一出，毫无疑问地遭到网友一致炮轰，认为其“言过其实”。
只有倾听更多理性的声音，才能帮助百姓理性地理解房价、最终准确地判断房价的走势。
下文中，我们收集全国房地产的相关数据和长春市房地产的相关数据，分析确定影响房屋销售价格的主要因素，并建立全国房地产价格预测模型。
利用本模型对长春市房价做了预测。
二 模型假设与符号说明影响房价的因素很多，如人口数量、建房成本、GDP 、储蓄存款、人均可支配收入、消费者需求因素、房地产的住宅总投资、房地产每年的竣工面积、银行利率、供需关系等因素有关。
1） 假设房价与建房成本、人均GDP 、人均储蓄存款、人均可支配收入呈线性关系；2） 房屋建造成本用全国每年住宅的投资额与房地产竣工面积或者房地产总投资及每年开工面积来衡量；3） 全国经济发展用人均GDP 来衡量；4） 房价购买能力用人均储蓄存款、人均可支配收入来表示5） 消费者心理因素如对房价的期望忽略；消费者对房屋无偏好，如无学校、公园等； 6） 假设银行利率每年保持稳定，房屋供需处于平衡状态；7） 忽略一些配套设施对建房成本的影响，忽略人为的炒作和政府调控。
本文遇到的符号说明符号 符号表示的意义符号 符号表示的意义1ix第一个自变量，表示第i 年的人均可支配收入（元） 1iw ,. 自变量1ix 的系数参数2i x 第二个影响房价的自变量，表示第i 年的人均GDP （元）.2iw自变量2i x，，的系数参数3i x 第三个影响房价的自变量，表示第i 年的房屋造价（元/平）3i w自变量3i x 的系数参数4i x第四个影响房价的自变量，表示第i 年的人均储蓄额（元）4iw自变量4i x的系数参数1x为一年的人均可支配收入（元）。
数模论文最终房价预测版
2010—2011学年第二学期数学建模海市房价预测模型摘要威海地处山东半岛东北角，地理位置特殊。
作为一个沿海城市，威海市积极响应国家政策，经济发展水平不断提高，威海作为最适宜人类居住的城市吸引了一大批人们来这里定居。
同时威海与韩国、日本交流频繁，留学生、外国友人也在这座城市里留下了足迹。
作为一个发展中的城市，房价是影响人们在此定居的一个很重要的因素。
加之全国房价一直在高速上升，在这几年过程，一直有关于房价拐点的争论。
是否楼市的拐点真的到来？我们决定建立数学模型，分析一下威海市的房价发展趋势，给相关机构提供参考。
我们都知道影响房价的因素众多，大的方面有，国家的宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机。
而宏观调控的手段众多，如廉租房建设，经济适用房建设，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等等。
影响房价的因素不同地区各不相同，影响威海市房价的主要因素是什么？是怎样影响房价的？我们希望通过这次建模找到答案。
关键字：线性模型居民人均年收入建房成本房价一、问题重述全国房价一直在高速上升，威海市也是如此，在这几年过程，一直有关于房价拐点的争论。
是否楼市的拐点真的到来？需要建立模型进行推测。
影响房价的因素众多，大的方面有，国家的宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机。
而宏观调控的手段众多，如廉租房建设，经济适用房建设，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等等。
除去宏观调控政策，还有城市的自身因素，比如建材价格水平，城市发展水平，GDP总量等等，都会对房价产生影响。
找出影响房价的主要因素对于建立房价短期预测模型尤为重要。
二、问题分析数据收集：影响建模的因素众多，需要忽略次要因素，提取出主要因素建立模型，经过数据分析，我们得出影响房价水平的三个因素，一个是人均存储，一个是GDP水平,，最后一个是建房成本。
大学生数学建模_房价预测
大学生数学建模_房价预测
一、问题的提出房地产问题一直是人们的热议话题，尤其是近几年更是成为人们关注的问题。
不错，房地产作为一个行业，不仅关系国家经济命脉，它还是影响民生问题的主要因素，所以搞好房产建设不仅是国家与房产商的任务，我们也应了解其中的一些运作原理来帮助我们更好的适应社会环境。
为此，对房产业的了解就显得颇为紧急，而房价问题一直是人们关注的首要问题，下面我们将用数学模型来解决房产中的以下实际问题，仔细分析影响房价的因素以及它们之间的关系。
问题一：通过分析找出影响房价的主要原因并且通过建立一个城市房价的数学模型对其进行细致的分析。
问题二：分析影响房价主要因素随时间的变化关系，并且预测其下一阶段的变化和走势。
问题三：选择某一地区(以西安为例)，通过分析____年至____年房价变化与影响因素之间的关系，预测下一阶段该地区房价的走势。
问题四：通过分析结果，给出房产商和购房者的一些合理建议。
二、模型假设和符号说明假设假设
一、房地产产品具有一定的生产周期假设
二、房价的计算只考虑人均可支配收入和生产成本假设
三、理想房价是仅基于成本得到的房价，不考虑供求假设
四、成本的花费包括地价(地面地价)、建筑费用和各种税收假设
五、不考虑其他影响如(地理位置，环境等)符号说明：_1代表人均可支配收入，_2代表建造成本，y为房产均价,其中a和
三、模型建立与求解我们主要用到的是数学模型是用最小二乘法对影响房价的各个因素进行拟合，从而解除出性方程组，其中用到的主要数学软件是matla。
数学模型：房价预测模型
威海市房价预测模型房价是受许多因素影响的，包括国家宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机，而宏观调控的手段众多，如廉租房建设，经济适用房，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等。
对房价的影响因素中，主要考虑三个因素，物价水平CPI，设为S(ｔ)，建筑的成本决定着当时的房价，而建筑成本可以通过物价水平来反映，物价水平普遍高时，会使建筑成本也高，从而影响房价，使得房价变高，当物价水平下降时，建筑成本也低，于是房价也就变低。
我们通过对物价水平来作为衡量房价的一个重要指标，作为一项参数代入房价的评估体系，以其变化率作为影响房价的因素，即用dS(t)/dt来作为房价增长系数之一，为正值时，对房价起正增长作用，为负值时，对房价增长起抑制作用，负增长的作用。
政府对房产商的税收也决定着房价的高低，税收低时，对房产商来说，是政府鼓励房地产市场的发展，因此房地产商会增加建房面积，扩大利润空间，从而导致房产的数量会增多，引起行业竞争，而价格会相应的降低，当税收高时，政府对房地产市场是抑制的态度，因此房地商会适当减少房产的建设，于是房产的总体数量会减少，但房产商为了追求利润的最大化，同时由于市场供需的变化，价格会相应的升高。
设税收为Ｘ（ｔ），以dX(t)/dt作为房价的增长系数，为正值时，是正增长，为负值时，是负增长。
而供需要求对房价的影响也是至关重要的，这可以通过婚龄人口的数量来反映，考虑到每年的婚婚人口与总体的人口增长相类似，但又有累加性，如在２３岁～３０岁之间的都视为适龄人口，因此引入参变量ｒ作为适龄人口累加系数，以ｒ倍的人口说作为婚龄人口数，ｒ范围是（１，１０），结婚人数忽略不计，从而达到对适婚人口数量的衡量，人口模型用生物增长模型来取代设为m(t)适婚人口函数为M(t)，以dM(t)/dt 作为房价的增长系数，为正值时，是正增长，为负值时，是负增长。
数学建模论文-房价问题 精品
数学建模论文-房价问题摘要近几年中国房地产迅猛发展，我们通过广泛调查和分析按照经济带选取了三个具有代表性的城市从整体上分析中国的房价情况。
影响房价的因素有很多，我们首先从经济角度作出房价影响因素的层次分析图，并通过作图拟合选取出影响房价的三个因素，即人均可支配收入，人均消费支出，土地价格指数。
对于模型的选择，考虑到影响因素众多，不能全部考虑，而且有部分数据不全，同时采用了多元线性回归和灰色预测对未来房价走势进行预测，结果显示房价总体呈上升趋势，部分地区房地产过热。
对于房价是否合理，运用了HIR法和房价涨幅对比法对房价的增长速度和居民承受力进行分析。
通过模型的结果，发现房价增长过快，以上海为例对一些政策影响的分析提出了新的措施。
最后，通过大量数据和图表分析得出房价对经济有较大的影响。
关键词：房价多元线性回归灰色预测HIR法图表法目录1 问题重述 (2)2 问题分析 (2)2.1问题一分析 (2)2.2问题二分析 (4)3 问题一 (4)3.1模型假设与符号说明 (4)3.1.1假设 (4)3.1.2符号说明 (5)3.2模型建立与求解 (5)3.2.1多元回归模型 (5)3.2.2灰度预测模型 (11)3.3结果分析 (16)3.4房价的合理性分析 (17)4 问题二 (18)4.1房价合理化措施 (18)4.2对经济发展的影响 (20)5模型的优缺点分析与推广 (23)6参考文献 (23)表A-1 (24)表A-2 (24)附录A (24)附录B (26)1问题重述房价问题事关国计民生，对国家经济发展和社会稳定有重大影响，一直是各国政府大力关注的问题。
我国自从取消福利分房制度以来，随着房价的不断飙升，房价问题已经成为全民关注的焦点议题之一，从国家领导人、地方政府官员，到开发商、专家学者、普通百姓通过各种媒体表达各种观点，但对于房价是否合理、未来房价的走势等关键问题，至今尚未形成统一的认识。
请根据中国国情，收集建筑成本、居民收入等与房价密切相关的数据，选取我国具有代表性的几类城市对房价的合理性及房价的未来走势等问题进行定量分析；根据分析结果，进一步探讨使得房价合理的具体措施，以及可能对经济发展产生的影响，并进行定量分析。
武汉市房价调控及预测分析论文(数学建模)
我们的参赛报名号为：
13238002
参赛队员
(签名) ：
队员 1：
队员 2：
队员 3：
武汉工业与应用数学学会 第六届华中地区大学生数学建模邀请赛组委会
第六届华中地区大学生数学建模邀请赛 编 号 专 用 页
选择的题号ቤተ መጻሕፍቲ ባይዱ 2
参赛的编号： 13238002
（以下内容参赛队伍不需要填写）
竞赛评阅编号：
目 录
第六届华中地区大学生数学建模邀请赛 承 诺 书
我们仔细阅读了第六届华中地区大学生数学建模邀请赛的竞赛细则。 我们完全明白，在竞赛开始后参赛队员不能以任何方式（包括电话、电子邮件、网上咨 询等）与队外的任何人（包括指导教师）研究、讨论与赛题有关的问题。 我们知道，抄袭别人的成果是违反竞赛规则的, 如果引用别人的成果或其他公开的资料 （包括网上查到的资料） ，必须按照规定的参考文献的表述方式在正文引用处和参考文献中明 确列出。 我们郑重承诺，严格遵守竞赛规则，以保证竞赛的公正、公平性。如有违反竞赛规则的 行为，我们将受到严肃处理。
摘要··················································································································································· 1 一 问题重述·····································································································································2 二 问题分析·····································································································································2 三 模型假设·····································································································································6 四 符号说明及名次解释·················································································································6 4.1 符号说明······························································································································6 4.2 名词解释······························································································································6 五 模型分析与建立·························································································································7 5.1 模型一的分析与建立··········································································································7 5.2 模型二的分析与建立··········································································································7 5.3 模型三的分析与建立········································································································13 六 模型求解···································································································································15 6.1 模型一的求解····················································································································15 6.2 模型二的求解·····················································································································16 6.3 模型三的求解·····················································································································19 七 模型评价···································································································································20 7.1 优点评价····························································································································20 7.2 缺点评价····························································································································21 八 模型推广···································································································································21 九 参考文献···································································································································23 十 附录···········································································································································24
房价预测数学建模
一、摘要房价对经济发展和社会稳定有重大影响,本题的提出是为了探讨各房价的相关影响因素对房价的影响作用并依据相关分析结果给出调节房价的相关措施,并最终将房价的变动反映到经济发展上来.在目前民众普遍关注房价变动的情况下,本题的求解具有很大的应用价值为解决合理性评估问题，我们建立了房屋购买力模型：0XKY式中X代表城镇居民年人均可支配收入，Y代表每平米房价。
给合理性评估提供了一个参考标准，从而有效地评估了房价的合理性。
为解决房价走势问题，我们建立了多元线性回归分析和基于主成分分析的回归分析两个模型，在多元回归分析模型中，通过对各因素的回归拟合分析，建立回归方程，从而达到预测走势的目的。
在主成分分析模型中，通过相关算法，求解出主成分，并建立房价和综合主成分的回归方程，达到预测目的。
二、问题的提出房价问题事关国计民生，对国家经济发展和社会稳定有重大影响，一直是各国政府大力关注的问题。
我国自从取消福利分房制度以来，随着房价的不断飙升，房价问题已经成为全民关注的焦点议题之一，在这种情况下,对房价的合理性判断及走势的预测对于国家制定相关政策,稳定经济发展有重要意义.本题就是在这种背景下提出的.请根据中国国情，收集建筑成本、居民收入等与房价密切相关的数据，选取我国具有代表性的几类城市对房价的合理性及房价的未来走势等问题进行定量分析；根据分析结果，进一步探讨使得房价合理的具体措施，以及可能对经济发展产生的影响，并进行定量分析。
三、条件假设1: 本模型是针对基础房价进行讨论,基础房价指的是不考虑宏观调控政策影响的完全市场行为下的房价．2: 建筑成本有房地产投资总额和固定房屋竣工面积来反映.3: 忽略一些炒作对房价的影响.4:忽略经济危机等突发性事件对房价的影响。
四、符号约定五、问题分析.经过对问题的审阅,题目中包含四个问题:1.结合相关数据,定量分析有代表性的几类城市房价的合理性.2.结合相关数据,定量分析有代表性的几类城市房价的未来走势.3.根据以上分析结果,提出调控房价的具体措施.4.定量分析房价走势对经济发展的影响.在对问题有了初步认识后,我们查阅了经济学以及房地产的相关资料，给出了问题中所要求的对房价有影响的相关因素的数据，主要包括：房地产投资总额（亿元）、房屋竣工面积（2m）、生产总值（亿元）、总人口数、居民消费水平、人均GDP、商品房销售面积、城镇居民家庭人均可支配收入。
数学建模__中国城市房价分析__模拟
中国城市房价分析摘要随着近年来中国经济的快速发展，房地产业也得以迅猛地发展，其势头受到世人的瞩目，它作为国民经济的支柱产业不仅对国家宏观经济运行产生巨大的影响，而且与广大百姓的自身利益休戚相关。
本论文从实际出发，选取具有代表性的几个城市，结合其城镇居民的人均可支配收入，并参考国际房价合理性标准，从而研究我国房价的合理性。
然后根据数据预测未来几年各个城市的房价走势，并结合现阶段国家政策下的实际房价提出合理的措施。
最后根据搜集的数据，结合20世纪下半叶日本房地产与GDP的关系，预测房地产行业未来将会对中国经济产生的影响。
关键词：城市房价；合理性；GDP；国民经济1.问题重述房价问题关系到一个社会人民生活的切身利益，也对国家的经济发展与社会稳定有重要影响。
1998年6月，国务院决定，党政机关停止实行40多年的实物分配福利房的做法，推行住房分配货币化，让房地产业成为了中国经济新的增长点。
但是在居民收入持续上升的同时，房价也不断飙升。
尤其是近几年来，房价不断大幅度增加的问题引起了社会各界的广泛关注。
但是房价的合理性，以及房价未来的走势，至今也没有统一的认识。
因此，判断当今房价是否合理，预测未来房价走势，以及提出使房价合理化的措施，分析房价对经济发展产生的影响成为亟待解决的问题。
考虑到用楼房建造成本、土地成本等数据的搜集难度，我们不采用“结合楼房建造成本、土地成本、开发商利润”这个方法分析房价的合理性。
基于以上问题，我们下面分成四个问题进行讨论：问题1.首先选取我国几个具有代表性的城市，搜集其历年房价、历年城镇居民的人均可支配收入，分析判断各个城市房价的合理性；问题2.根据数据来预测未来几年所选取的各个城市的房价走势；问题3.根据所搜集的数据，结合近年国家所采取的调控政策，对房价问题提出合理的措施；问题4.根据所搜集的数据，选取日本上世纪的例子作比较，粗略预测房地产行业对中国经济发展的影响。
2.问题分析2.1 对问题1的分析房价的合理性不仅影响到经济发展，而且关系到社会稳定。
房价预测数学建模
房价预测数学建模房价预测是指通过数学建模方法，对未来一定时期内的房价进行预测和分析。
房价预测在经济学和金融领域具有重要的应用价值，对政府、房地产市场参与者以及普通居民都有重要意义。
本文将介绍房价预测的数学建模方法，并探讨其应用和局限性。
房价预测的数学建模方法主要包括回归分析、时间序列分析和机器学习方法。
首先，回归分析是一种常用的房价预测方法。
它基于统计学原理，通过将房价作为因变量，收集并整理一系列可能影响房价的自变量数据，建立回归模型来分析它们之间的关系。
常用的回归模型包括线性回归、多项式回归和逻辑回归等。
通过对历史数据的回归分析，可以得到房价与自变量之间的数学关系，从而对未来的房价进行预测。
其次，时间序列分析也是一种常见的房价预测方法。
它基于时间序列数据的特点，通过分析房价随时间的变化趋势和周期性变动，建立时间序列模型来预测未来的房价。
常用的时间序列模型包括移动平均模型、自回归移动平均模型和季节性模型等。
时间序列分析方法对于具有一定规律性和周期性的房价数据预测较为有效。
此外，机器学习方法在房价预测领域也得到了广泛应用。
基于大数据和人工智能技术，机器学习方法可以通过对大量房价数据的学习和模式识别，建立复杂的预测模型来预测未来的房价。
常用的机器学习方法包括神经网络、支持向量机和决策树等。
机器学习方法在房价预测中具有较高的灵活性和准确性。
房价预测的数学建模方法具有一定的局限性。
首先，房价受到很多因素的影响，包括宏观经济因素、政策因素、地理因素等。
单一的数学模型并不能完全反映这些复杂的影响因素。
其次，房价预测存在一定的不确定性，无法完全准确预测未来的房价。
最后，数学模型的建立需要大量的房价数据和有效的指标，而这些数据并不总是容易获取。
综上所述，房价预测的数学建模方法包括回归分析、时间序列分析和机器学习方法。
这些方法在房价预测中发挥着重要作用，但仍然存在一定的局限性。
未来的研究可以进一步探索新的建模方法，提高房价预测的准确性和可靠性。
数学建模 房价预测论文
房价的预测及调控问题题目近几年来，我国各大城市的房价出现了普遍持续上涨、高居不下的情况。
房价的上涨使生活成本大幅增加，导致许多中低收入人群买房难。
国家也通过不同的措施（例如国十条的颁布等），希望能够有效地抑制房地产价格上扬，房价是一个备受关注的社会问题。
现在请你就以下几个方面的问题进行讨论：1．通过互联网，以某个城市的房价为数据，建立一个城市房价预测的数学模型；2．通过分析找出影响房价的主要因素；3．分析国家调控政策对房价的影响，并对可能产生的效果进行科学预测和评价。
论文摘要房地产行业与人民的生活息息相关，但近年来由于种种因素影响，住房价格节节攀升，引起社会广泛关注。
本文以郑州市为载体，对商品房平均销售价格进行预测；找出影响郑州市房价的主要影响因素，进而对影响因素进行比较科学的分析；并对政府出台的调控政策进行评价。
以建立一个比较科学普遍的房价预测模型，为国家更好的调控房地产市场，为居民更加理性的购房提供借鉴。
论文主要分为以下四个层次。
首先，对2005年至2009年郑州市商品房平均销售价格进行分析，建立GM（1，1）灰色模型，预测出2010年、2011年在不出台新的调控政策的情况下的商品房平均销售价格。
其次，我们从供应量，成本，需求量，居民购房能力等四个方面分析了与住房价格密切相关的因素；并根据近几年的数据建立灰色关联模型，计算各主要影响因素的综合关联度，进而对各主要因素对房价的影响进行评价。
再次，根据已建立的模型，结合相关专业知识，我们对国家出台的主要调控政策的效果进行了评价，并进而对新出台的调控政策可能的影响进行了预测。
从而，据此我们对已得到的房价预测结果进行修正。
最后，我们对建立的预测模型进行了客观的评价，分析了它的优点和不足，进而对模型的改进和推广提供了一些意见。
关键词：灰色系统 GM（1,1）关联度房价预测调控政策一．问题重述近年来，我国房地产行业得到了长足发展，对我国的经济贡献率不断提高。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
西安邮电学院第九届大学生数学建模竞赛参赛作品参赛队编号： 016赛题类型代码： A题2 房价问题摘 要随着我国房地产市场的不断升温，居民买房难愈来愈严重。
定一个合适的房价既照顾到居民的需求也满足方差开发商的盈利需要是十分必要的，要达到这些目的都要用到数学模型来进行量化。
在本文中，我们经研究解决了城市房价模型，找出了影响房价的主要因素，建立预测下一阶段的房产均价的一个模型，同时也对政策对调控房价所起的作用作了详细的分析说明。
在解决房价模型问题时，我们用了多元线性回规模型和蛛网模型同时对相关变量进行分析和处理，最终找出了影响房价的主要因素为生产成本和供需关系。
并对房价的形成、演化机理和房地产投机进行了深入细致的分析。
模型一，我们通过比较西安房价近11年来的变化及城镇居民收入变化情况，找到买房难的根结。
模型二，在房价预测方面，我们选用多元线性回归，蛛网模型同时对相关变量进行分析和处理，最终找出影响房价的主要因素为生产成本和供需关系，求出房价预测的计算表达式。
模型三，我们取定一个时间段内某几个房价新政，结合新政出台时间前后某地房价的变化情况分析了房价新政对房价的调控作用。
我们选取房价新政的标准是根据政策内容对相关经济指标有直接作用效果。
最终我们发现，新政出台后，虽然房价依然是居高不下，但房价上涨速率得到了一定的控制，变化渐缓。
关键字：楼市 预测 蛛网模型 线性回归一、问题重述住房问题关系国计民生，既是经济问题，更是影响社会稳定的重要民生问题。
2008年受国际金融危机的影响，部分购房需求受到抑制，2009年在国家税收、土地等调控政策作用下，一度受到抑制的需求得到释放，适度宽松的货币政策使信贷规模加大，为房地产开发和商品房购买提供了比较充裕的资金，房地产市场供求大增，带动了整体回升。
但有的城市房价过高，上涨过快，加大了居民通过市场解决住房问题的难度，另一方面，部分投机者也通过各种融资渠道买入房屋囤积，期望获得高额利润，也是导致房价居高不下的原因之一。
因此，如何有效遏制房价过快上涨，遏制房地产投机，是一个备受关注的社会问题。
现在就以下几个方面的问题进行讨论：一：通过调查及分析相关数据，建立一个关于房价增长与居民收入之间关系的一个模型，用Matlab建模，以图的形式直观明了的分析出其相关性，从而找出其解决方案。
二：通过分析找出影响房价的主要原因，并建立一个城市房价的数学模型，对房价的形成、演化机理和房地产投机进行深入细致的分析。
三：选择某一地区（如重庆、西安、深圳），调查近些年房价变化情况，并根据所调查的数据，预测下一阶段该地区房价的走势。
并且根据国家和各地方政府的一系列调控房价的政策（如购房贷款政策等等）出台的时间与房价的变化情况，分析这些政策对调控房价所起的作用，根据所得到结果，给出你关于购房的一些建议。
二、问题分析2-1：模型一分析针对当前房地产市场火爆局面和房价迅猛的增长势头，以及国民买不起房的抱怨声。
分析产生这些现象，我们可以从很多方面找到原因，有房价恶性增长，有国民的平均收入增长过慢，有收入分配的不均很，有失业率的逐年增长，有近些年人们的消费观念的转变，有国际社会环境的影响等。
我们不可对每一个产生这种现象因素都进行一一分析，但是，对于其主要的或者说具有代表性的因素（房价增长率于和国民的收入的增长率）进行分析，也能够反映一些大的方面规律，以便于更好处理解决这些问题。
因此，我们搜集从2000年到2011年西安市的房价和市民的平均收入数据并进行整合，计算每年的房价和居民收入的增长率，利用matlab软件进行趋势图的模拟，并进行matlab进行一个拟合处理。
最终，得出两者之间的关系，提出一些解决这类问题的办法及可行的方案。
2-2：模型二分析本问是要求我们通过分析相关数据，找出影响房价的主要原因，然后根据这些因素建立一个城市房价的数学模型。
同时，根据得出的结论深入细致的分析房价形成、演化机理和房地产投机。
我们利用了网络等相关资源，查找各主导因素间的变化关系，确立变量，从而建立模型，一便求解。
房地产业强势发展是由社会经济的各项指标共同综合决定的。
因此，对相关数据的仔细分析能得出几条对房地产业影响较大的经济指标，为进一步研究做好准备。
但是，要去逐一分析每一种经济因素是不可能办到的，只能抓住主要因素去着重分析。
所以我们经互联网搜索及查阅相关资料，大致得出以下几条对房价的影响产生主导作用的因素：建安成本，市场供求变化，土地成本、各种税费以及当地居民人均收入等。
然而，针对本问，虽然我们从相关网络资料中获取了大量数据，但从实际出发来看这些数据只能作为理论支撑的基础。
通过上面得分析，我们把经济学中著名的蛛网模型作为本模型的基本骨架，及理论支撑。
蛛网模型：生产具有长周期的动态模型，其特点是本期产量决定本期价格；而本期价格决定下期产量（它具有三种形式：封闭式，即需求曲线和供给曲线斜率一样；收敛式，即需求曲线比供给曲线斜率大；发散式，即需求曲线比供给曲线斜率小），分析房产的供求特点，借鉴这个网络加以分析。
2-3：模型三分析根据假设，我们要先搜集到房价调控政策出台的时间与该时间段里某地区房价的变化情况。
由这个地区在这个时间段里的房价的变化情况来分析房价调控政策在对价格的调控中所起到的作用。
因为在前面我们分析知道，房价是由诸多社会经济因素制约着的，虽然政策对房价的调控起到什么作用比较片面。
但是，直接研究房产价格与新政策出台的时间关系又是最为直接的。
所以，我们将搜集到的数据与时间建立一个坐标关系，便可以很直观的从波动上看出房价的变化，从而了解到新政策的调控力度，看出调控前后房价的变化力度。
简单的给出购房的一些建议，我们到底是买房呢还是观望，何时再买，或者说购置房产从大趋势上需要关注哪些动态，以科学的分析给购房者购置房产方面给出一些相关的建议。
三、模型假设与符号说明3-1-1模型一假设假设一、数据的不完整性是绝对的，允许数据存在一定的误差。
假设二、只考虑房价和收入的增长关系。
3-1-2符号说明0ξ：房价增长率0∆：N 年的房价与N-1年房价得差值a0：N 年的房价b0：N-1年的房价1ξ：居民收入1∆：N 年的居民收入与N-1年的居民差值 a1：N 年的居民平均收入 b2：N-1年的居民收入3-1-3模型建立根据搜集的一些房价和居民收入的数据，我们可以简单的建立如下的数学模型： 房价增长率：00=100%a ξ∆⨯ 其中000=a -b ∆（），相邻年份的的房价的增长额度居民收入增长率：11=100%a ξ∆⨯1其中0=a -b ∆00（），相邻年份的居民收入的增长额度3-1-4模型的求解下面是我们搜集的西安市2000~2011年城市商品房售价数据资料，如下表：年份年人均收入2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010西安市城镇居民人均年收入2904.99 3319.58 4075.62 5443.21 8406 9627 10074 12662 15207 18963 22244 年份房价（2m）2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011房价2350 3009 2300 2000 2346 2950 3000 3599 4400 4695 6485 6947首先，利用matlab仿真软件化出西安市城市居民的收入与时间的关系图，如下：图二（2000~2012）再用matlab 绘出2000~2011年城市商品房售价和时间的关系图，如下所示：图一（2000~2011）利用公式 =100%a ξ∆⨯，其中=-∆本年的房价前一年的房价，a 为前一年的房价。
代入数据，其实可以利用excel 计算出房价和居民输入的增长率，但这是理论依据， 我们可绘制如下表格：表格一（房价）年段2000- 20012001 -20022002- 20032003- 2004 2004- 20052005- 20062006- 2007 2007- 20082008- 20092009- 2010 2010- 2011增长率28.04% -30.83%-13.04%17.3%25.75% 1.69% 19.97%22.26% 6.7% 38.13%7.12%表格二（居民收入）年段2000-2001 2001-20022002-20032003-20042003-20042005-20062006-20072007-20082008-20092009-2010增长率14.27% 42.90% 7.24% 54.43% 14.53% 4.64% 25.69% 20.10% 24.70% 17.3%利用matlab软件画房价增长率与时间段出如下关系，如下图：图三（2000~2011）居民收入增长率与时间的关系，如下图四：图四（2000~2010）通过借助数学软件工具，分别从房价随时间变化趋势图，居民收入的变化趋势图，以及房价的增长率和居民收入的增长率等方面对两者的关系进行了，图形化描述。
观察图形我们不难看出两者之间的变化规律。
在数据采样的11年中，我们可以观察到前5年居民的收入有一个相对平缓的增长，在后面的几年中居民的收入增长速度明显加快了，但相对于后面五年楼市的增长曲线的斜率人显得有些小，而楼市则是在前面的5年中出现一定程度的波动，2003年的非典可能是产生这一现象的主要原因。
从05年开始房价便开始一个势头迅猛的上涨，在2009年房价出现了一个较大的增幅，可见房市中还存在大量泡沫，随后又减缓增速。
比较两者的增长速率，我们可以看出都有一定的波动性，但楼市是为稳中有涨，节节攀升的趋势，而城镇居民的受如增长率虽然出现一定的波动性，但是波动性较大，并且有些年份增长速率远不及前一年。
结论：城镇居民的收入增长的速度跟不上房价的上涨速度，以上的图表也反映了楼市中存在一定的泡沫，需要采取一些相对应的措施进行调控。
3-2-1模型二假设假设一、房价的计算只考虑生产成本和市场供求假设二、理想房价是仅基于成本得到的房价，不考虑供求 假设三、成本的花费包括地价（地面地价）、建安造价和各种税收；且每一个周期的地价、建安造价和税费率都维持不变假设四、需求量受到本周期的实际房价和理想房价的影响。
实际价格与理想价格的比值越大，需求量越少；反之，实际价格与理想价格的比值越小，需求量越多假设五、供应量受到地产商预测的本周期的房价和理想房价的影响。
预测价格与理想价格的比值越大，供应量越多；反之，预测价格与理想价格的比值越小，供应量越少假设六、理想房价=(地价+建安造价) ×(1+税费率) 假设七、供需平衡指：供应量=需求量符号说明：0p ：房价(元/平方米)f p ：理想房价（元/平方米）m p ：第m 个周期的房价 （m=1,2,3） m p ∧：第m 个周期的预测房价 （m=1,2,3）e p ： 需求曲线和供应曲线的交点处的房价（供需平衡） a ： 地价（元/平方米）b ： 建安造价（元/平方米）1μ： 税率（%）2μ： 容积率（%）d m Q ： 第m 个周期，居民对房子的需求量 （m=1,2,3） s m Q ： 第m 个周期，地产商的供应量 （m=1,2,3）3-2-2模型建立通过分析我们得到一下几个关系，成本决定理想价格；理想价格和房价决定需求量；理想价格和地产商的预测价格决定了供应量；需求量和供应量又共同决定了房价。