基于多源数据的房地产价格指数预测模型及实证研究

摘要：

房地产的价格变化对社会经济发展有显著的影响,准确预测房地产市场价格变化并对其进行有效调控显得尤为重要,但使用房价作为评估房地产市场的度量指标有一定的局限性.住宅销售价格指数是由国家统计局发布的综合反映住宅商品价格水平总体变化趋势和变化幅度的相对数,为探讨新建商品房住宅销售价格指数的预测方法及其预测有效性,利用与相关的房地产供求关系、社会宏观经济指标、国家货币政策和民众对房价的预期等多源数据,构建了一套房地产价格指标体系.分别使用BP-Adaboost和支持向量回归机两种机器学习算法构建房地产评估模型,同时设计了一个调参算法对支持向量回归机模型进行参数优化.在实证中使用华北某市的房地产月度数据对两种模型进行训练和预测,并与ARIMA模型和经典BP神经网络模型做对比.实验结果表明,BP-Adaboost模型的预测误差最小,使用BP-Adaboost模型预测房地产价格指数具有可行性.

关键词：房地产预测、BP-Adaboost算法、支持向量回归机、住宅销售价格指数

所属期刊栏目：14

分类号：F293.35(城市与市政经济)

资助基金：河北省住房和城乡建设厅信息中心项目"住房城乡建设行业大数据应用指南"

在线出版日期：2020-08-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：14-22