论文部分内容阅读
随着房地产行业对国民经济的影响力的不断提高，房地产价格的波动变化成为社会各界关注的热点。对房价的变化波动趋势的预测研究随之也成为研究的热点问题。 本文从以下三个方面对房价波动趋势进行研究: 一、将房价的形成看作是黑箱模型，运用BP神经网络模型的强大的非线性拟合能力对房价的波动变化进行研究与预测。首先收集了1998-2010年大量的宏观数据，通过运用逐次回归的方法对宏观数据进行筛选，从而得到模型的训练样本;再考虑到宏观调控的作用对房价变化的影响较大，所以在模型中加入宏观调控变量，让模型更加具有解释力;运用BP神经网络对1998-2007年数据进行训练，用2008-2009年数据对网络进行测试，用训练好的网络对2010年的房价进行验证，得到泛化能力较好的网络模型。然后对2011年和2012年房价进行预测验证。从预测结果来看，建立的神经网络模型对房价的预测有较理想的精度，选取的解释因子对房价的变化波动具有较普遍的解释能力。 二、将房价的形成看作一种自回归过程，运用时间序列模型对房价的形成系统建模;房价的变化波动是个长期的过程，运用ARIMA模型对房价进行建模，分析并了解房价变化的内部机制;首先收集2007-2012年度商品住宅价格指数的月度同比数据;运用EVIEWS软件，单位根方法对同比数据进行平稳性检验，发现序列不平稳;对序列进行一阶差分运算，使序列平稳，对差分后的序列运用ARMA模型建模，检验和优化得到的模型;获得较为合适的预测模型，对未来时刻的房价指数进行预测。从ARIMA方法对房价的建立的模型来看，模型对房价变化波动拟合优度较高;而房价的变化，主要受前一期和二期的值的影响较明显，并且房价变化具有一定的趋势性。用建立的模型静态预测2013年的1月-3月同比房价指数分别为101.92，102.82，103.67。对比1月、2月的现实值，误差为0.4％，1.1％。 三、由于宏观调控政策和经济环境因素对现实的房价的变化有一定的影响，本文提出一种时间序列干扰模型，对宏观调控及经济环境对房价的波动影响做实证分析研究;引入虚拟变量，表示宏观调控因素和经济环境因素的作用;分别对同比和环比指数建立干扰模型，检验模型的合理性，得出宏调控和经济环境因素对房价的变化存在影响，且对长期的同比指数影响较大，说明了调控政策的积累作用;接着分别分析了2007-2012各年度的宏观调控等因素对房价的影响，得到的较理想的模型，能够较充分的解释宏观调控等对房价的作用的方向和大小。房价每变化1％，各年度的宏观调控等因素对房价的影响分别是0.16％、0.35％、0.48％、0.34％、0.18％、0.15％。 通过以上三个方面对房价的波动预测研究，对理论和实践有一定的借鉴作用。