基于网络搜索数据的房地产价格预测_董倩.docxVIP

第 31 卷第 10 期统计研究Vol． 31，No. 102014 年 10 月Statistical ＲesearchOct． 2014基于网络搜索数据的房地产价格预测董 倩 孙娜娜 李 伟内容提要: 本文以北京、上海、天津、重庆等 16 个大中城市的二手房价格和新房价格为研究对象，以来自我国 最大搜索引擎的百度搜索指数为数据基础，使用 6 种计量模型分别对 16 个城市的二手房价格和新房价格进行了 拟合和预测，得到预测二手房和新房价格变动情况的最优模型。结果显示: 网络搜索数据不但能够较好地预测房 价指数，而且能够分析经济主体行为的趋势与规律，有一定的时效性。预测的月度房地产价格能够比官方数据发布提前约两周时间。关键词: 网络搜索数据; 房地产价格预测; 交叉验证; 支持向量机; 随机森林中图分类号: C812文献标识码: A文章编号: 1002 － 4565( 2014) 10 － 0081 － 08Ｒeal Estate Price Prediction based on Web Search DataDong QianSun NanaLi WeiAbstract: This article provides an optimal model predicting the price trends in new and secondary housing market in 16 cities including Beijing，Shanghai，Tianjin，and some other relatively developed cities in China． Based on the Baidu Search Index ( BSI) ，we fitted and forecasted the housing prices in both markets by using 6 analytical models． The results show that the web search data can not only predict the housing prices，but it can also derive some specific patterns and trends of economic agent behaviors． Besides，this prediction model is timely since it can predict the price trends of the real estate industry two weeks before official statistic agencies publish the data．Key words: Web Search Data; Ｒeal Estate Price Prediction; Cross Validation; SVM; Ｒandom Forest一、引言场参与各方的心理预期、行为模式，而这些因素将直接影响到房地产价格。大数据时代，对于网络搜索随着经济社会的发展，房地产业成为国民经济数据的研究分析能够得出经济主体行为的趋势与规发展的重要支柱，房屋在人民生活中的地位举足轻律，而且相比经济主体的实际行为具有一定的时重，人们对房地产价格的关注度也越来越高。政府效性。统计部门十分重视房价统计工作，为了适应不断变事实上，利用网络搜索数据进行预测在商业界化的形势，对房价统计制度方法进行了一系列改革。和学术界均有诸多探索和研究。最先利用 Google改革后的房地产价格指数更加合理，但是由于该指搜索数据成功的预测美国流感疾病趋势是 Ginsberg数系列发布时间是每月中旬，其时效性仍无法满足et al． ( 2009) ，令健康行为指标等于互联网查询有关大众的需求，而且在房价波动较大的时期，发布的房的流感的发病率，估计了美国每周的流感活动。这价指数与人们的直观感受也存在一定的差距。一预测方法被迅速的引入到失业率预测中来。在网络化、信息化高速发达的今天，搜索引擎为Askitas 和 Zimmermann ( 2009) 研究发现，基于某些购房者在信息搜索方面起到了重要作用，提供了极关键词的预测比官方数据能够更早的显示失业趋势大的便利，节省了他们收集信息的成本。从某种意的变化。义上说，搜索引擎实际上充当了潜在购房者、房地产目前，应用网络搜索数据预测价格指数的研究商以及提供各类房产信息的网站之间的桥梁。因还较少，而预测房地产价格的研究更少。张崇等此，从对网络搜索数据的分析中可以发现房地产市( 2012) 基于谷歌搜索数据的 CPI 预测具有一定的·82·统计研究2014 年 10 月转折点预测能力，平均提前周期为 4 个