發(fā)布時間：2020-07-04 19:24

【摘要】： 房地產(chǎn)業(yè)是國民經(jīng)濟的重要組成部分,既受到整個國民經(jīng)濟的發(fā)展水平的制約,又發(fā)揮著促進整個國民經(jīng)濟發(fā)展的新經(jīng)濟增長點的作用。商品房價格是房地產(chǎn)市場狀況的最直接和最科學的反映,商品房價格的過快增長,已成為社會關(guān)注的熱點問題。若任其發(fā)展,將影響房地產(chǎn)市場持續(xù)健康發(fā)展,影響宏觀經(jīng)濟和社會穩(wěn)定。商品房價格與人民的生活密切相關(guān),無論是從帶動國民經(jīng)濟發(fā)展的角度,還是從滿足人民群眾基本需求的角度,商品房價格的變動和發(fā)展趨勢都至關(guān)重要。因此,對商品房價格進行科學預測是非常有必要的,不僅是保證國家站在合理的角度制定出有利于房地產(chǎn)市場健康穩(wěn)定發(fā)展的政策;也是讓每個房地產(chǎn)開發(fā)商以市場為向?qū)?合理的投資新的房產(chǎn)開發(fā)和制定合理的銷售價格,從而保證自己的利益;還是每個普通購房者的心愿。但是由于房價的影響因素非常多,使得對房價的預測是個復雜的經(jīng)濟學問題。 本論文選用成都市商品房1999年到2008年數(shù)據(jù)(資料來源:成都市統(tǒng)計局網(wǎng)站上的統(tǒng)計年鑒)。分別使用灰色GM(1,1),三次指數(shù)平滑,一元線性回歸三種預測方法,建立了三種不同的成都市商品房價格預測模型,分析了各模型的預測誤差�？梢悦黠@看出,在成都市商品房價格的預測中,灰色GM(1,1)要優(yōu)于其他兩種預測方法,誤差較低,而一元線性回歸預測的誤差較高。如果認為某個預測方法的預測誤差較大,就把該種預測方法棄之不用,這可能造成部分有用的信息丟失。一個單項預測在某個時點的預測精度較低,而在另一時點上預測精度較高。為了有效的集結(jié)數(shù)據(jù)信息,引進誘導有序加權(quán)平均(IOWA)算子,建立誘導有序加權(quán)平均組合預測模型。選取平方和誤差(SSE)、均方誤差(MSE)、均方百分比誤差(MSPE)三個誤差指標,分別計算三種單項預測模型成都市商品房價格的預測誤差和誘導有序加權(quán)平均的組合預測誤差,其中灰色GM(1,1)模型SSE=174180,MSE=41.7346,MSPE=0.0206;三次平滑指數(shù)模型SSE=325910,MSE=57.0889,MSPE=0.0209;一元線性回歸模型SSE=414440,MSE=64.3772,MSPE=0.0218 ; IOWA算子組合預測模型SSE=15686 , MSE=12.5245 , MSPE=0.0045.誘導有序加權(quán)平均的組合預測的三個誤差指標值均明顯的低于三種單項預測模型成都市商品房價格預測誤差指標值,表明誘導有序加權(quán)平均組合預測模型能有效的提高預測精度。因此模型的適用性更強。根據(jù)IOWA組合預測模型計算出2010年成都市商品房均價為6469.4元。
【學位授予單位】：成都理工大學
【學位級別】：碩士
【學位授予年份】：2010
【分類號】：F224;F293.3
【圖文】：

圖 3-1 成都市商品房價格變化趨勢3.2.2 加權(quán)系數(shù)α的確定根據(jù)成都市商品房價格 1999-2008 年數(shù)據(jù)，因為 α ∈ (0,1),以 0.1 為步長，分別對成都市商品房價格進行預測，并分別計算標準誤差，找出最佳α 。從表 3-1 可以看出，α 取不同值時，預測值是很不相同的。究竟α 取何值為好，可通過計算它們的預測標準誤差S ，選取使S 較小的那個α 值。預測的標準誤差見表 3-2。當 α = 0.5時，預測得到的相對誤差為最小的。

2001 4.62 3.31 -8.272002 -2.28 6.79 -6.382003 -12.25 0.89 -8.262004 -0.15 17.87 10.32005 2.34 3.13 6.612006 -0.90 -6.00 0.32007 2.14 2.12 -8.462008 1.81 -0.74 5.55依據(jù)上表，大體可以看出灰色 GM(1,1)預測效果比較好，根據(jù)上表，繪制三種模型的預測效果示意圖如圖 5-1 所示：

【參考文獻】

相關(guān)期刊論文 前8條

1 陳華友,許義生;非負可變權(quán)重的組合預測模型研究[J];安徽大學學報(自然科學版);1998年02期

2 李偉,韓力;組合灰色預測模型在電力負荷預測中的應(yīng)用[J];重慶大學學報(自然科學版);2004年01期

3 付瑩;回歸分析在人口預測中的應(yīng)用[J];遼寧高職學報;2000年01期

4 周傳世，羅國民;加權(quán)幾何平均組合預測模型及其應(yīng)用[J];數(shù)理統(tǒng)計與管理;1995年03期

5 董景榮;一種新的基于模糊模型的非線性組合預測方法及其應(yīng)用[J];系統(tǒng)工程理論與實踐;2000年05期

6 唐小我，曹長修，金德運;組合預測最優(yōu)加權(quán)系數(shù)向量的進一步研究[J];預測;1994年02期

7 陳華友,劉春林;基于IOWA算子的組合預測方法[J];預測;2003年06期

8 鐘波,劉朝林;基于免疫算法的組合預測方法[J];應(yīng)用數(shù)學;2004年S2期

相關(guān)會議論文 前1條

1 陳華友;;IOWA算子的組合預測模型及在所得稅預測中的應(yīng)用[A];第三屆不確定系統(tǒng)年會論文集[C];2005年

相關(guān)碩士學位論文 前4條

1 潘莉;組合預測模型在城市公共交通需求預測中的應(yīng)用[D];合肥工業(yè)大學;2005年

2 楊東;成都市住宅房地產(chǎn)價格變動研究及預測[D];四川師范大學;2006年

3 毛開翼;關(guān)于組合預測中的權(quán)重確定及應(yīng)用[D];成都理工大學;2007年

4 嚴修紅;改進型灰色神經(jīng)網(wǎng)絡(luò)組合預測方法及應(yīng)用研究[D];江西理工大學;2007年

本文編號：2741483