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