本文摘要：［摘取 要］为预测未来房价的变动范围,根据往年的房价应用于GM(1,1)模型,并融合灰色-马尔科夫模型对房价展开预测。考虑到影响房价的诸多因素变量,对等价的多个因素应用于重返分析加以确认。从市场投机因素和政府的调控手段抵达优化模型,通过模型分析得出合理的建议。 ［关键词］房价；预测；GM(1,1)；灰色-马尔科夫；重返分析 毕业论文网 http://www.lw54.com 近几年,中国主要城市房价上涨,一度夹住中国经济的快速增长。

［摘取 要］为预测未来房价的变动范围,根据往年的房价应用于GM(1,1)模型,并融合灰色-马尔科夫模型对房价展开预测。考虑到影响房价的诸多因素变量,对等价的多个因素应用于重返分析加以确认。从市场投机因素和政府的调控手段抵达优化模型,通过模型分析得出合理的建议。

　　［关键词］房价；预测；GM(1,1)；灰色-马尔科夫；重返分析 毕业论文网 http://www.lw54.com 　　近几年,中国主要城市房价上涨,一度夹住中国经济的快速增长。但随着国家一些宏观调控政策,大中城市房价大幅度波动,各市的房屋均价与成交量一度双双下跌。房价的变动主要各不相同市场供需,但影响市场供需的因素是多方面的。

比如从市场需求的角度来说,居民收入减少与经济条件的提高,市民对住房条件广泛展现出出有更高的拒绝,中国人口的城镇化等。但由于市场或政策鼓舞等因素,不会使这种市场需求不必要的缩放,比如在住房沦为贬值最慢的一种投资渠道后,人们有了房屋投机,最后造成房价虚高以及资源浪费。

　　1 GM(1,1)模型与灰色-马尔科夫模型的解法与较为 　　1.1 GM(1,1)模型 　　GM(1,1)模型是指1阶方程1个变量的灰色(Grey)模型(Model),是基于时间序列分析方法创建的价格预测模型。GM(1,1)模型是灰色系统理论中应用于最普遍的一种灰色动态预测模型,它主要用作简单系统某一主导因素特征值的数值和预测,以说明了主导因素变化规律和未来发展变化态势。　　下面我们以2000—2008年北京的商品房住宅的销售价格创建GM(1,1)模型(如下皆应第一人称叙述自己的工作)。

　　原作原始数据序列： 　　更进一步分析上述矩阵,最后一个数据2008年房价坐落于s1状态,由状态移往矩阵,接下来的2009年近于有可能正处于状态s2。毕业论文网 http://www.lw54.com 　　1.3 最后预测结果 　　由以上过程,综合利用GM(1,1)模型及灰色-马尔科夫模型推断出有2009年的房价为: 　　13375.6+(700+0)/2=13725.6元/平方米 　　较为两种方法由此可知,利用灰色-马尔科夫模型所预测的房价比GM(1,1)模型所预测的房价误差更加小,精确度更高,由此我们可以说道灰色-马尔科夫模型的预测结果比GM(1,1)模型更佳。　　由此,我们可断定,我们利用灰色-马尔科夫模型所预测的2009年房价是有效地的,即13725.6元/平方米。　　1.4 GM(1,1)模型与灰色-马尔科夫模型的较为 　　为较为两种预测方法的精确性,我们挑选原始数据中未知的2005年的房价,用两种方法对其展开预测,并与现实值相比较。

　　按照GM(1,1)模型的预测结果为：5550.1元/平方米。　　用灰色-马尔科夫模型预测的2004年的房价最有可能为： 　　5550.1+(-700-1400)/2=4500.1元/平方米 　　由原始数据由此可知,2004年房价的现实值为4747元/平方米。

下面计算出来它们的误差,以较为两种模型的精确度。　　利用GM(1,1)模型预测获得的误差为： 　　q1=[SX(][JB(｜]5550.1-4747[JB)｜][]4747[SX)]×100%=7.9% 　　利用灰色-马尔科夫模型预测获得的误差为： 　　q2=[SX(][JB(｜]4500.1-4747[JB)｜][]4747[SX)]×100%=5.2% 毕业论文网 http://www.lw54.com 　　较为两种方法由此可知,利用灰色-马尔科夫模型所预测的房价比GM(1,1)模型所预测的房价误差更加小,精确度更高,由此我们可以说道灰色-马尔科夫模型的预测结果比GM(1,1)模型更佳。　　由此,我们利用灰色-马尔科夫模型所预测的2009年房价是有效地的,即： 　　13375.6+(700+0)/2=13725.6元/平方米 　　2 基于多变量的房价分析 　　由经济学原理可以告诉,商品的价值要求价格。商品住房也是一样的,它的价值还包括所占到的土地价值,建筑物价值。

此外,还受到供需状况、消费者偏爱、竞争程度、市场预期如房地产开发投资、企业经营策略和涉及政策的影响,其价格环绕价值上下波动。　　另外,商品住房的价格还与消费者的出售能力、心理因素、对未来的房价走势的辨别等因素有关系。也就是说以上几种因素都影响着商品住房的价格。

1 模型原作 　　 挑选1995—2008年北京商品住房的有关数据展开重返分析,以北京地区的商品住房价格作为因变量；影响商品住房价格的因素很多,考虑到数据的可获得性,挑选以下几个作为自变量。　　(1）北京地区生产总值。

代表一个地区的经济发展水平,商品住房价格与当地的经济发展水平具有紧密的联系,理论上,一个地区的经济就越繁盛,商品住房的价格越高,因而两者之间应当呈正涉及。毕业论文网 http://www.lw54.com 　　(2）人均农村居民收益。代表该地区人民的收入水平,人均农村居民收益就越多,提升生活质量和展开投资的性欲和能力就就越强劲。

相对于其他资本品来说,商品房价值下跌较为显著,这种特点造成大量资本流向房地产市场,促成住宅价格下降。理论上该变量和房价不存在于是以相关性。

　　(3）完工房屋耗资。工程造价、土地价格再行再加其他经营销售成本等包含了房屋的耗资,完工房屋的耗资直接影响了商品住房的成本,因此理论上该变量和商品住房的价格呈正涉及。　　(4）房地产开发投资总额。

房地产开发总额代表了一个地区房地产的发展程度,投资越高,发展就越好。解释出售商品住房的人越少，商品住房的价格越高，是于是以涉及的。　　回应房地产开发投资总额。

2 数据搜集 　　从国家统计局查询北京地区1995—2008年的涉及数据。3 模型估算、检验与调整 　　挑选北京地区1995—2008年的部分数据为事例展开现代科学分析,对所给变量对房价的相关性展开重返分析。3.1 经济意义检验 　　从重返结果可以显现出,变量X4的系数为负,即房地产开发投资总额越高,商品房住宅的价格就越较低,不合乎一般经济意义；考虑到不存在多重共线性,其余变量X1、X2、X3的系数估算结果皆指出各变量与商品住宅价格之间不存在于是以相关性,合乎经济意义。毕业论文网 http://www.lw54.。

本文来源：金沙国际 网址js6688-www.ymggao.com