房地产价格问题的讨论_数据挖掘灰色预测

论文导读:：本文据房地产销售价格预测和国家政策影响实际需要，在对相关数据进行收集和用数据挖掘的知识对数据进行分析的基础上，并在充分合理假设之下，建立四个模型。首先建立房地产价格预测模型找到当前房地产销售价格制定标准，然后专门针对商品房销售价格建立散点图多元回归模型确定影响商品房销售价格重要因素，判断出房价的走势，最后建立BP神经网络模型对国家政策的影响进一步分析提出相应政策建议。
论文关键词：数据挖掘灰色预测，线性回归，BP人工神经网络
 

一、房地产业需要解决的问题

合适价格对社会稳定、对房地产业及整个国民经济发展都起促进作用。本文试分析1998-2006年度房地产销售价格，运用灰色预测方法，对经济适用房和商品房不同价格情况，以各年房地产价格时间序列作为综合灰色量来寻找和揭示房地产价格内在规律；利用Matlab编程，建立预测房地产销售价格的房地产价格预测模型，得出房地产价格规律。在建立模型先解决下列具体问题：（1）收集有效数据对房价形成、演化机理和房地产投资进行深入细致分析；（2）分析确定影响商品房销售价格重要因素。（3）分析国家政策影响，并给出相应政策建议。

二、建立模型前的问题分析

（一）房地产价格影响因素的分析

假定影响房地产价格主要因素：（1）居民全年实际收入（见图1）。（2）土地价格交易指数（见图2）。（3）房地产开发投资额（见图3）。（4）房地产开发投资贷款（见图4）。

图1：商品房价格与居民收入

图2： 商品房价格与土地价格指数

图3：商品房价格与投资额

图4： 商品房价格与贷款额

（二）国家政策变动影响的分析

从我国相关房地产政策中可看出，政府态度在1998到2002年7月都是鼓励性政策。但在2002年8月份开始政府认为局部投资增幅过大，开始加强房地产市场宏观调控，强化土地供应管理严控土地供应总量。这时开始抑制房地产价格暴涨。经一系列措施，到2008年9、10月央行才下调贷款利率，放松对经济宏观调控。从1998到2007年度居民提取贷款支出额中来分析国家政策对贷款额影响。表1：1998-2007年居民提取贷款支出额

图5：居民提取贷款支出随时间变化图

从图5中看出，国家政策对居民贷款额有直接影响。2002年8月政府执行抑制措施以来居民贷款热度有减缓的势头，到2004年明显看出，居民贷款热度有下降趋势。

（三）对问题所需数据的收集和分析

对2002-2006年中国统计年鉴、中宏教研支持系统、中经网统计数据库等统计量进行数据预处理分析后，发现房地产销售价格在各地区呈现差异性。为保证使用数据都真实准确数据挖掘灰色预测，因而建模只对整个国家房地产销售价格的预测有意义。对个别地区需要进行专门性计算、讨论、归纳中国知网论文数据库。

（1）房地产价格的总体情况

近十年，随我国房地面积迅速增长，房地产价格不断提高，2006年商品房达到3367元/平方米，经济适用房达到1729元/平方米（见下表），1998~2006年期间房地产价格逐年递增。由此导致我国商品房销售额从1989年的25133027元提高到2006年208259631元，提高了近7倍。

1998~2006年我国房地产价格情况表

（2）房地产价格在不同类别房屋中存在差异

从不同属性房屋来看，2006年商品房价格（3367元/平方米）是经济适用房价格（1729元/平方米）的近两倍，可见，商品房价格和经济适用房价格存在巨大差异。

从不同地区价格来看，商品房价格、经济适用房价格地区差异都很大。2006年商品房价格最高的北京（8280元/平方米）是最低的江西（1708元/平方米）高出近5倍，经济适用房最高的天津（3204元/平方米）是最低的江西（810元/平方米）高出近4倍。

三、模型假设

（1）假设所使用的数据都真实准确；（2）假设房地产销售类型只有商品房和经济适用房；（3）假设在预测期间国家的政策不变；（4）假设被分析的地区近段时间不会发生大的经济变动和突发性灾难；（5）假设每栋房子的质量都是合格。

四、模型的建立与证实结果

建模总思路：首先根据近几年房地产销售价格及相关数据用灰色预测的方法建立能够反映当前房地产价格规律房地产价格预测模型，然后再建立能够反应商品房价格所受影响因素的散点图多元回归模型，并对近几年国家政策进行总结、归纳、分析，建立BP神经网络模型。

模型Ⅰ—房地产价格预测模型的建立与证实结果

为找到当前房地产销售价格的制定规律，运用灰色预测方法建立房地产价格预测模型。灰色数学研究对象就“小样本”，“贫信息”不确定信息，对数据及其分布限制要求小，一般利用时间序列数据，通过GM（1，1）模型进行预测。该方法不但预测精度高，而且可进行长期预测，用累加生成拟合微分方程，符合能量系统变化规律。注意：因商品房和经济适用房数据比教齐全且具代表性，所以只对商品房和经济适用房进行预测分析。GM（1，1）模型是最常用灰色预测模型：

模型的结果得知，在目前中国国情下，房地产价格逐年上升，老百姓普遍认为太贵是情理之中。房价高企主要归纳以下几方面：

（一）基本成本上涨是推动房价上涨基本因素。基本成本主要包括人力、土地、建筑材料等成本。建材价格上扬，土地公开交易及土地稀缺导致上涨，消费者日益追求住房品质意愿使开发商加大楼盘配套设施和环境建设等投入，导致房产开发成本上升并推动房价上涨。

（二）政府调控和相关法律政策对房价涨跌也极具影响。政府为调控房地产市场而颁发相关法律政策，对商品房的供给和需求及消费者心理预期都产生影响数据挖掘灰色预测，导致房价格波动因素。为测度我国颁发相关政策是否对房价有重大影响，引入虚拟变量LDV。对重大影响时取1，否则取0,据分析，LDV(1998)=1，LDV(1999)=1, LDV(2000)=1, LDV(2001)=1, LDV(2003)=1,LDV(2005)=1, LDV(2007)=1, 其余年份LDV虚拟变量均为0。

（三）低利率现实和汇率升值预期带动房价上升。我国低利率降低购房者抵押贷款成本，提高居民实际购买力和刺激对房子需求，推动房价上升，同时人民币升值预期加房产高涨态势，使海外资金进入我国主要投资得益于投资房产。

模型Ⅱ—散点图多元回归模型的建立与证实结果

房地产具有消费和投资的两重性，它的价格由价值规律和供求规律决定;而作为投资品，与股票价格相似，其价格又有自我实现的特点，从而具有泡沫性。综合国内外的有关文献和历史经验，本文认为，影响房地产价格的因素主要有以下几个方面：土地价格，信贷规模，居民的平均收入，开发商的投资额。经分析发现，随着开发商的投资额的增多，居民收入的增长，房产贷款的增多，商品房价格不断升高，两者之间具有极强的相关性；土地价格的增长与商品房的价格没有太多的相关性，可以判断土地交易指数并不是影响商品房价格的主要因素，根据其他因素与商品房价格的很强的相关性，建立以下的多元线性回归模型：其中y为商品房价格，x₂t为第t年的开发商投资额，x_3t为第t年开发商贷款投资额，x₄t为第t年居民收入水平该模型除房地产开发投资额，居民全年实际收入，开发商投资贷款外，其他影响因素都包括在随机误差ε_t中，这里假设ε_t（对t）相互独立数据挖掘灰色预测，且服从均值为零的正态分布，t=1,2,3,…,n。

模型的结果得知，开发商贷款投资额，居民平均收入水平，开发商投资额是商品房价高的重要影响因素。由于政府控制两大核心权利——土地开发权和银行信贷权，其中开发商的贷款投资额可以归类为国家政策的因素，那么影响商品房价格主要因素就是国家政策，开发商的投资额，居民收入水平三个方面。

模型Ⅲ—BP神经网络模型的建立与证实结果

为体现对国家政策影响的分析，建立BP神经网络模型。据1998-2008年我国相关房地产政策。国家在初期为房地产市场建立做准备，引入、鼓励开发商造房，满足低层次消费需求。到中期加强房地产市场宏观调控，抑制过热，持警惕态度。到现在，用调整贷款利率来放松紧缩性政策，加大保障性住房建设力度。总体来说，国家政策对房地产态度由支持到抑制，放松。

根据模型Ⅱ可知国家政策影响房地产销售价格主要体现在房地产贷款额，现只拿一年的贷款年利率进行分析。数据如下：

1998-2008年度贷款年利率

图6：贷款年利率随时间的变化图

从图6中可看出，贷款年利率变化曲线符合国家对房地产政策的变动规律。所以将认为贷款年利率与房地产贷款年利率有着正相关性。即把贷款年利率作为政府政策对房地产价格影响的重要因素中国知网论文数据库。

在神经网络设计——网络拓扑结构中，需要三个确定和网络参数选取：

1）输入/输出变量确定。2）网络层数确定。3）隐层单元数确定。

1）初试权值选取。2）期望误差选取。3）训练次数选取。

为避免神经网络输入较大时造成网络不能收敛，在此将神经网络输入进行预处理，有利于提高神经网络的训练速度。具体算法是：

式中：X是所收集的一组数据，Xmax，Xmin分别是这组数据最大值和最小值，X’映射后数据。神经网络的房地产估价模型输出模块即输出神经网络计算的值并将网络输出转化为实际估价结果。即：式中：Y是训练样本集输出向量的一组数据，Y_max，Y_min分别是这组数据最大值和最小值，Y’是神经网络输出数据。

四、相应的政策建议

合适价格对社会稳定、对房地产业乃整个国民经济发展都起促进作用。基于前文分析，可从几方面采取措施降低房市风险，保持房价平稳增长，促进房市可持续发展：

1.增加市场供给总量，完善市场供给结构；抑制投机需求。

2.多渠道降低商品房基本成本。政府可通过土地划拨并逐步减少建设和消费过程中的行政事业性收费项目数据挖掘灰色预测，规范钢铁等建材市场，尽可能降低开发商成本，开发商也应提高资金使用效应，通过兼并、重组、联合、收购和利用外资，优化资源配置，实现规模经济，降低基本成本，使房价平稳增长甚至回落。

3.加强市场监管，整顿市场秩序，完善配套法律建设。如对高价房收取较高税率，对投资性购房者与自住房购买者征收差别契税政策等。

4.政府主管部门应充分利用大众媒体定期发布房市消息，引导开发商和消费者进行正确投资决策。

5.采取多种措施化解人民币升值压力，维护汇率基本稳定，通过金融工具促进房地产良性发展，多引进房地产基金等直接投资。同时政府要明确态度，坚持消除人民币升值预算，让游资知难而退，这是必然战略选择。

参考文献
[1]陈祥光，裴旭东，人工神经网络技术及应用[M]。中国电力出版社，2003；
[2]王洪卫，房地产估价［M］.大连：东北财经大学出版社，1994；
[3]张贯衣，等.房地产价格评估［M］.武汉：华中师范大学出版社，2000.3；