商品房价格预测

商品房价格预测

摘要

商品房价格一直是人们关注的焦点，其走势影响开发商的开发投资和营销决策，也影响到住房消费者的合理购房决策。同时，房价也是国家宏观调控的目标。我们根据市场状况和国家政策两方面因素分析商品房价格。

建立商品房价格预测模型:

1预测该市房地产发展状况，从市区人口及人均可支配收入分析人口增长和经济发展等各种市场合理因素。建立自由市场竞争的商品房价走势模型。国家宏观调控等因素的影响，建立一个联系国家政策和市场发展商品房价走势模型。

2收集哈尔滨市的自有房比例，房价，经济发展状况及城市化发展程度等各种数据。分别建立自由竞争式市场下的商品房价格模型和政府干预下的商品房价格模型。

关键字：价格预测回归分析灰度关联分析因子分析

作为国家经济支柱产业之一的房地产行业，之前还异常火爆，2008年却开始出现滑坡。

商品房价格出现波动，销售量出现明显下跌。房地产行业的基本状况进入2008年，由于受国家宏观调控政策等多方面因素的影响，房价不再大幅上涨，商品房的销售量出现明显下跌，商品房的成交价格也不再是一路攀升。因此根据市场状况和国家政策两方面因素解决以下两个问题：

1.根据某市已有2006年—2011年的数据建立房价预测模型，并用该模型预测2011年的房价

2. 收集哈尔滨市相关数据建立哈尔滨市房价预测模型。预测2016

年哈尔滨商品房价格。

针对问题1：根据某市已有2006年—2011年的市区人口，人均可支配收入，自有房比例和以往房价等相关数据拟合成4条价格预测曲线。市区人口和人均可支配收入与房价成正相关。自有房比例与房价成正负关比例。通过回归分析，灰度关联分析，因子分析的方法建立商品房价格预测模型

针对问题2：我们建立了2个模型。

模型I：分析哈尔滨房地产发展状况，建立估值模型。哈尔滨市处于中国二线，并未出现严重的市场投机行为，市场没有出现较强的经济泡沫，经济发展和人口增长等各种市场合理因素是哈尔滨市商品房价格增长的主要动力，所以哈尔滨市城区商品房价格是合理的，商品房价格的波动属于正常的市场调整。

模型II；联系国家政策和市场发展，建立价格预测模型。哈尔滨市城区商品房合理的价格，

有中央政府和地方政府积极的救市政策的支持，哈尔滨商品房价格不可能下滑，基本保持稳定，局部地区会出现20%的上涨。我们可以根据哈尔滨房地产发展状况，和国家对房地产市场的态度可以依据现在市场的实际状况可以看出中央和地方政府的各种救市政策的成效，并进一步讨论政策的影响范围。借此模型，给商品房购买市民和政府机构提出建议建议，充分认识房地产市场，作为下一步经济活动的参考意见。

3. 模型的假设

1) 所获得的由权威部门提供的房地产行业统计数据以及各种信息真实可靠。

(2)市场始终处于政府可控制的范围之内，政府始终持积极态度救市。

(4)国外资金以及外地资金不会因为金融危机反常的大量涌入哈尔滨房地产行业，进行投机行为。

(5) )哈尔滨市贫富差距依然以一定的速度在加大，以致商品房消费者以一定的速度在增加。

(6)哈尔滨地铁和市政府搬迁工作按照初期规划预期按量竣工。

(7)哈尔滨市学区房中的优质学校不会大幅度的增加或减少，不会大量的搬迁改动。

4符号说明与名词解释

5模型的建立与求解

5.1价格粗预估模型

按照附件中的数据分别拟合出各自的曲线，如下：图1 年存贷款利率变化曲线图2地区生产总值变化曲线

图3人均可支配收入变化曲线图4市区人口变化曲线

图5自有房曲线变化曲线图6住宅销售面积变化曲线

按照曲线的走势对商品房价格作出预判断。人均可支配收入，自有房比例和以往房价等相关数据拟合成6条价格预测曲线。市区人口和人均可支配收入与房价成正相关；自有房比例与房价成正负关比例。因此我们粗略估计出商品房价格活动区间为3750元每平方米至3770元每平方米。

5.2 预测模型

房地产市场中价格预测通常有以下几种模型：基于GM(1.1)灰色预测模型、滞后变量模型、虚拟变量模型、BP神经网络模型和回归分析模型等。

下面主要分析灰色预测模型、虚拟变量模型和滞后变量模型，通过比较各自的优势选出最优的预测模型。

5.2.1 基于GM(1.1)灰色模型的研究

灰色模型是灰色系统理论中一个比较基本的模型，同时也是灰色控制理论的基础。一般模型的建立是利用原始数据序列建立差分方程，而灰色预测模型的建立则是利用原始数据序列生成数列后再建立微分方程。灰色系统理论与方法的核心是灰色动态模型，此模型是以灰色

生产函数概念为基础，以微分拟合的方法为核心。

灰色理论模型的步骤如下：

（1）首先，第一步检验原始序列是否非负。如果在原始序列中数据有负数，那么必须进行相应的处理—即将所有原始序列的数据加上最小负数的绝对值。第二步将第一步进行非负化处理的序列中含有的零进行消除，方法则是做一次累加处理即可。

（2）其次，还要检验原始序列是否满足准指数规律和准光滑性。如果满足，那么继续（3）；如果不满足，那么要考虑对原始序列数据进行一定的处理，然后再建模。

（3）设原始数据为： X 0 =(x0 1 ，x0 2 ，……x0 n )，经过一次累加后，得到新序列： X 1 =(x1 1 ，x1 2 ，……x1 n)，其中，x 0 k = x 0 i，k=1，2，3…n。（

4）构造紧邻均值生成序列Z(1)= z 1 1 ，z 1 2 ，…z 1 n，其中z 1 k =1

2 x 1 k +x 1 k−1 ，k=2，3…，n。

（5）根据a = ab = BTB−1BTY，求出估计值a、b，其中：

B= −z 1 (2)1⋮⋮−z 1 (n) 1 ，Y= x 0 (2)⋮x 0 (n) 定义白化方程为： dx(1)dt +ax(1)=b。

（6）利用时间响应方程：x (0) k+1 = x 0 1 −b

a e−ak+ba

（7）利用后一项减去前一项的运算方式还原，即： x (0) k+1 =x (1) k+1 −x 1 k ， k=1，2，…，n。