基于少数据城市住宅价格预测分析.docVIP

基于少数据城市住宅价格预测分析摘要：本文选取了影响城市住宅价格的多种因素，结合中国城市住宅市场下少数据的具体现实，在灰色理论的预测方法与技术的基础上，基于单因素的GM(1，1)预测模型构建了城市住宅价格多因素预测模型，结合西安市的城市住宅价格以及相关数据构建了西安市城市住宅价格预测模型，并对西安市未来城市住宅价格进行了模拟预测。 关键词：住宅价格；多因素预测模型；少数据 中图分类号：F224．0 文献标识码：A 文章编号：1002―2848―2006(05)―0098―05 一、引 言 在住宅产业发展和住宅市场发育过程中，住宅价格是住宅市场供给方与需求方之间经济利益关系的平衡点，它不仅是住宅商品所处城市经济发展水平与住宅购买者收入状况的表现，而且也是住宅商品所处的居住环境与商品本质的直接反映，同时现实制度政策中的住宅政策、税收政策、住宅金融政策、住宅用地供应等因素对住宅市场的影响，使得城市住宅价格体现了住宅市场中丰富的信息，所以研究城市住宅价格在现实中具有重要的意义。 与国外相比，在研究我国城市住宅价格预测时，运用数量分析的方法有很大的难度，主要表现在以下方面：其一，数据质量差，数据的真实性不够，影响预测精度；其二，数据难以获取；其三，城市住宅价格预测所需数据时间序列短，城市住宅市场的运行机制是从1998年的住房货币化分配后形成的，单纯的运用以前的时间序列进行城市住宅市场价格的预测分析是没有研究基础的，并且由于中国城市住宅市场没有精确的季度数据统计，所以也难以对样本进行时间序列上的扩充；其四，基本没有截面数据，如果有高质量的截面数据，也可以对城市住宅价格的变化进行精确的分析预测，但是这种大规模的数据普查在我国无人倡导，研究者自己调查分析往往由于跟踪观测个体较多而给研究带来很大的不便。所以，如何建立适应中国现实状况的预测模型并对价格的未来走势进行科学的预测分析，对于政府、住宅的供给者以及消费者都有很好的参考价值。 二、预测模型因素的选取 影响城市住宅价格的因素很多，从层次上可以划分为宏观经济因素和微观经济因素，从行为主体角度可以划分为客观因素和主观因素，客观经济因素包括人口、收入、住宅成本、家庭结构、土地开发面积等，主观因素包括消费者行为、供给者的行为等，从某种程度上讲，由于中国经济的高速发展，宏观政策的制定带有极强的主观性与不确定性，所以宏观政策调控也可以划为主观因素一类。对于影响城市住宅价格的因素而言，如何选取合适的因素测度对于城市住宅价格预测分析有着重要的作用。本文在选取影响住宅价格预测的因素测度时参照以下标准：一是选取的因素测度是否具有代表性和权威性；二是选取的因素测度是否具有与因素的因果关联性。比如住宅的供应状况，期房销售实际上对于住宅市场价格有相当大的影响作用，但是有关政策规定了期房销售的诸多条款，使得期房销售对于住宅价格的影响大大弱化，所以权衡考虑，商品住宅的竣工面积实际上是商品住宅供应的主要测度，所以本文选取商品住宅的年末竣工面积作为住宅供应状况的测度。基于以上考虑，选择以下影响因素及其测度，见表1。 三、预测模型的建立与检验 灰色系统理论具有只需少数据就可作系统分析、模型建立、未来预测的特点。灰色预测是对既含有已知信息，又含有不确定信息的灰色系统进行预测，是对一定范围内变化的、与时间有关的灰色过程进行预测。灰色预测法的基本思想是通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并对原始数据进行生成处理来寻找系统变动的规律，生成具有较强规律性的数据系列，然后建立相应的灰色预测模型进行预测。灰色预测模型技术不仅解决了城市住宅价格预测中少数据的问题，而且能对中短期的预测以及状态变量的自身预测提供一定的参考价值。 (一)状态变量的验证 (二)状态变量的确定 影响住宅价格的因素很多，因此在建模前需要对这些因素进行必要的筛选，在保证模型有足够精度的前提下简化模型。筛选的原则是考虑各因素对住宅价格的影响程度。当影响程度大于某一阈值时，该因素就作为状态变量进人模型；如小于该阈值，就作为干扰因素，不进入状态变量集。根据灰色关联度分析理论，可以用两个因素的关联度来衡量某一因素对其它因素的影响程度。设Y(t)表示第t时刻的城市住宅平均交易价格；Xi(t)表示第t时刻某因素的值。则该因素对城市住宅平均交易价格的关联函数如下： (四)住宅价格预测模型的构建 1．影响城市住宅价格预测各因素权重的确定 由于各因素之间的相关性相对较低，所以可以设定城市住宅价格各个影响因素之间为相互独立，可以对城市住宅价格的预测结果进行线性权重累加，从而确定各因素综合影响的城市住宅预测价格。基于影响因素与城市住宅价格的灰色关联度，确定各影响因素的权重，各因素的权重为