基于修正GM(1,1)模型对商品住宅价格预测[权威资料].docVIP

基于修正GM(1,1)模型对商品住宅价格预测 　　摘要:在金融危机下对中小城市商品住宅市场进行投资决策前,首先需要对其价格进行预测分析,文章采用修正后的GM(1,1)模型建立起商品住宅价格预测模型,选取安阳市商品住宅价格数据进行预测分析,在检验了模型精度的基础上,得出在当前金融危机下,由于国家刺激计划的作用以及金融危机的缓解,安阳的商品住宅价格呈现上升的趋势,其投资市场仍然具有很大的发展潜力的结论。 　　Abstract: Forecasting analysis of the price is carried out before investment decision in the market of commercial residential building in the small and medium-sized cities during the financial crisis. A forecasting model is built by the modified GM(1,1) and the forcasting model is applied to data on the price of commercial residential building from the city of Anyang after checking out the model’s accuracy. The conclusion is that due to the country’s stimulus plan’s impact and the crisis’s alleviation, the trend of the city’s price of commercial residential building will be on the rise, and its investment market has great development potential. 　　关键词: GM(1,1)模型;函数变换法;金融危机;商品住宅价格 　　Key words: GM(1,1)model;function transforming method;financial crisis;price of commercial residence 　　:F062.9 :A:1006-4311(2010)08-0092-02 　　0引言 　　房地产是国民经济的重要支柱产业,商品住宅是房地产的重要组成部分,对广大人民群众的基本生活有重大的影响[1]。伴随着中国经济的发展,住房制度改革的深入,特别是金融危机的影响,使房地产成为高风险、高收益的行业。受到多种因素的影响,房地产的成本在不断上升,而购房者可支配的收入却并未增长或增幅有限,因此,房价就成为供需双方共同关注的焦点。一方面:房地产开发的高投入、高风险,迫使开发商必须及时、准确把握市场信息,掌握房价动向,才能做出科学的决策,趋利避险;另一方面:购房者只有了解未来房价的变化趋势,才会做出理性选择,避免盲目抢购和开发商恶意炒作而造成的无谓经济损失。可见,进行科学的房价预测对供需双方都具有重要理论和现实意义。 　　目前房地产价格预测大多采用以神经网络为基础的静态结构方法[2]或动态结构方法[3],这些方法虽然在一定程度上能够满足房地产价格弹性变化,但是所需要的数据比较多,至少十个,它们所反映的信息不能及时跟上市场的变化,另外在隐含层的确定时,多采用经验的方法,这对于大多数人是很难做到的,而灰色系统GM(1,1)预测模型的建立最少需要四个数据,使得模型能够及时反映价格信息的变化,另外它对不确定的因素进行了灰色处理,使不确定及经验性的因素转化为可定量分析的数据,但是该模型还是存在一定问题,本文对其进行修正的基础上,建立了新的GM(1,1)模型并以河南省安阳的商品住宅价格为例进行预测。 　　1原始GM(1,1)模型[4] 　　灰色系统GM(1,1)预测建模的任务是少数据建模,少数据要求最少四个,相对于数理统计来讲是很少的,并且要求包含现实信息。由包含现实信息的少数据列表现的规律,推导得出系统未来的发展状态,形成预测。模型目标是微分方程模型,要求是动态信息的利用、开发和加工。 　　设原始数据列X(0)=(x(0)(1),x(0)(2),…,x(0)(n)),对x(0)(i)作一次累加即1―AGO,X(1)=(x(1)(1),x(1)(2),…,x(1)(n)),其中: 　　x(1)(k)=x0(i),k=1,2,…,n。 　　则GM(1,1)相应的微分方程为: 　　+aX(1)=b(