基于神经网络的商品住宅价格模型研究.docVIP

基于神经网络的商品住宅价格模型研究 　　摘要：在分析城市商品住宅价格影响因素的基础上，用人均国民生产总值、商品住宅销售面积、人均可支配收入、人均储蓄存款余额、人均居住面积等可定量的统计数据作为输入变量，单位面积商品住宅价格为输出变量，建立BP网络，拟合商品住宅价格模型。用西安市的统计数据作为分析实例表明，模型拟合性较好。 　　Abstract: Based on analyzing the factors than affect commercial house price, the paper establishes a model of commercial house price with neural network by using average GDP, average disposable income of residents and taking so on as input, and commercial house price as output, and the model simulates well commercial house price of Xian city. 　　关键词：商品住宅；价格；模型；神经网络 　　Key words: commercial house；price；model；neural network 　　中图分类号：F83文献标识码：A文章编号：1006-4311（2011）16-0154-02 　　 　　作者简介：朱坤琳（1984-），女，陕西西安人，毕业于英国阿伯丁大学金融与会计专业，获硕士学位，现在西安石油大学从事教学和研究工作。 　　0 引言 　　商品住宅价格关系到人民生活水平的提高和生活质量改善，关系到房地产业及与其相关产业的发展，同时对国家和地方政府制定监管的决策有影响，商品住宅价格是人们广泛关注的敏感的问题。 　　城市商品住宅价格合理性的判断，不同的人从自身能力水平和信息环境出发，往往具有强烈的主观性，并不科学，缺乏系统的分析，结论往往脱离客观实际。本文通过对商品住宅价格影响因素进行分析，利用人工神经网络建立数学模型，得出商品住宅价格的变化规律。 　　1 商品住宅价格的主要影响因素 　　商品住宅作为一种商品具备一般商品的特性，其价格的变化主要受供求关系的影响，同时商品住宅是一种对国民经济的发展和人民生活水平的提高有很大影响的生活必须商品，其价格除受供求关系影响外，还受到国家和地方政府各种调控政策的影响。 　　1.1 宏观经济状况对商品住宅价格的影响 宏观经济状况对商品住宅价格的影响在供给和需求两方面都会反映出来。 　　一般来说，发展中国家城市宏观经济状况与房地产业发展呈高度正相关关系，城市国民生产总值增长越快，住宅业发展速度也越快[1]。也就是说一个城市国民生产总值越高，商品住宅的生产量就会越大，供给会越多。同时，城市国民生产总值越高，人民生活水平也越高，人民改善居住条件的要求越高，对商品住宅的需求也就越大。 　　通货膨胀会引起社会商品价格的普遍上涨，会使商品住宅的生产成本增加，从供给方面看，会通过影响商品住宅名义价格与真实价值变动来影响商品住宅价格[2]，同时通货膨胀会激发消费者投资购房的热情，从需求方面带动商品住宅名义价格的上涨。 　　城市固定资产投资带来城市基础设施的改善，例如地铁的建设和环城高速公路的发展。引起城市的扩张，大量城中村的改造，都会增加商品住宅的供给，同时人们对便宜交通条件的追求，会使地铁和环城高速公路沿线的商业住宅价格升高。 　　1.2 供给对商品住宅价格的影响 对一个城市来说，商品住宅供给的主要影响因素包括各年用于房地产开发土地的投放面积、施工面积、新竣工面积等。它们关系到城市一定时期内可供商品住宅的总量，但绝大多数城市的商品住宅都是在房屋还没有盖好，甚至刚开始打地基时就出售，市民购房后一两年才能真正拥有住房，以上因素不能直接反映供给的影响，而各年的住宅销售面积在一定程度上，能代表供给的影响。 　　另外，商品住宅供给因素还包括、土地成本、建筑成本等，它们通过基本生产资料的成本影响商品住宅的价格，但是目前绝大部分商品住宅的定价还是从市场供给与竞争的角度进行考虑，所以在本文中不对供给成本因素进行重要考虑。 　　1.3 需求对商品住宅价格的影响 商品住宅的需求可分为居住为目的的需求、以获利为目的和以保值增值目的的需求[3]。 　　以居住目的需求包括现期居住和预支居住需求。现期居住主要受人口增长、购买能力提高、生活条件改变（如居住习惯、换房改变环境）的影响。预期居住主要是为了子女先期购买，一般也受居住习惯、子女的年龄、购买力和房价增长趋势的影响。现期居住需求是一种刚性需求，随着经济的发展，人口的增加，