基于多维灰色系统理论的房价预测.pdfVIP

第45卷第8期山西建筑Vol.45No.

•210•2019年3月SHANXIARCHITECTUREMar.2019

文章编号：1009-6825(219)08-0210-02

基于多维灰色系统理论的房价预测

李金枝王旭

(东北林业大学土木工程学院，黑龙江哈尔滨150040)

摘要:房地产行业快速发展的同时也存在房价居高不下的现象,对于房价未来的发展趋势预测已成为学术研究和社会各界关注

的重点。为了对房地产市场有进一步的了解，将灰色理论用于房价的预测问题，根据2007年一2016年全国房价及其作用成分的

统计数据，运用灰色关联分析方法确定能够干扰全国房价的主要解释变量，包括:住房租金类居民消费价格指数、用于住宅类土地

价格、房地产开发企业竣工房屋造价。结合GM(1,1)模型，对全国房价先模拟后预测，得出全国房价未来的发展走向，并比较二

者的预测性能。

关键词：房地产价格，灰色关联度，多维灰色预测模型

中图分类号:F293.35文献标识码:A

〇引言素,再结合BP神经网络对全国房地产价格进行预测。高玉明、张

房地产行业的发展涉及一个国家的许多其他方面，如建筑材仁津[6]7选取地区生产总值、地区人口总数、居民人均消费支出等

料、钢铁、木材等,是一个国家发展不可或缺的一部分，它的可持作为影响房地产价格的主要影响因素，在BP神经网络的初始权

续和健康发展是非常重要的。随着我国的快速发展，近几年来,值和阈值被遗传算法优化的条件下对贵阳市1998年一2011年的

全国各地除北、上、深、广等一线城市之外的其他城市的房价也在房价进行了预测。闫鹏飞、王典、燕慧慧[]利用GM(1，）模型预

持续飙升，国民对于持续上升居高不下的房价产生了深切的忧测了郑州市商品房房价的月度数据。王倩、王莹、邱继勤[]将商

虑，面对复杂的房地产市场,房地产市场未来的发展趋势是怎样品房竣工面积、年利率、城镇人口、国民生产总值、人均可支配收

的，应该如何抉择,成为大众关注的重点。同时，坚持“房子是用人水平作为指标运用神经网络结合灰色GM(1，1)预测我国未来

来住的，不是用来炒的”的定位[1]，也在2016年年末召开的中央五年的房价。侯普光、乔泽群[]以太原市2001年一2012年的房

经济工作会议上被提出，这一定位的提出旨在要求住房回归居住价数据为研究对象，通过小波分解与重构对太原市房价数据进行

属性[];2017年，又提出“加快建立多主体供给、多渠道保障、租购分析，之后运用ARMA模型对太原房价进行预测。尤梅芳、黄敏、

并举的住房制度,让全体人民住有所居”[],政府重申住房居住属程立[1]将ARIMA结合自回归移动平均模型对四川省商品住房

性这一定位,希望能使房地产市场持续稳定健康发展。价格指数未来走势进行了实证分析。

1文献综述2灰色关联度模型分析

目前,有许多关于房地产价格预测的研究，例如欧廷皓[]利利用灰色关联度方法确定各影响因素的比重,其计算结果见

用ARMA模型对全国房地产价格指数的季度数据进行了实证分表1。本文以0.80为阈值，最终确定zr的解释变量为:z40)，

析。邱启荣、于婷[5]首先利用主成分分析影响房地产市场的因右。U(。)。

[6]陈建宏，杨立兵.基于Anyl