基于灰色预测和回归模型的北京城区房价预测研究任梓铭---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除------本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---摘要：房价的涨跌直接影响民众的生活质量。根据房价的历史数据对未来房价走势进行预测分析，对政府制定住房政策，指导房地产行业发展以及对公民选择合适的时机购买住房都具有重要的意义。首先研究了北京各个城区平均房价的纵向时变特性，建立了回归模型，利用线性函数和三角函数，刻画房价增长趋势和周期性波动趋势，得到了很好的拟合和预测性能。之后进一步对数据集进行处理、并采用灰色预测GM（1，1）模型进行了预测，得到了更加精准的预测结果。关键词：回归分析模型;灰色预测模型;房价影响因素：F23文献标识碼：Adoi：10.19311/j.cnki.1672-3198.2019.10.0471前言房价的高低和涨跌与我们的生活息息相关，是政府关心的重大民生问题，影响着每一位公民的生活质量。近年来，北京市的房价节节攀升，愈涨愈高。房价体现着房子自身所具有的价值和市民对于房子的需求，也代表着房价市场发展的趋势。对于如何做好房价的预测，一直是百姓、政府、国内外的专家学者所关注的重要问题。国内的一些学者已经对相关方面的问题进行了研究，研究学者提出了一些基于回归模型的方法，来自云南省人民政府政策研究室的聂元飞等人通过OLS等方式研究了GDP、CPI、利率、居民可支配收入等对于房价的影响，取得了比较良好的预测效果。钟丽燕等人利用多元线性回归模型进行房价数据拟合，其模型中采用的变量对我们的研究有所启示，但多元线形模型把各变量对于房价的影响的刻画较为僵化，忽略了一些因素对房价非线性叠加的影响。文献[5]提出了一种基于信号处理思想的方法，也就是基于马尔科夫模型的房价预测方法。这种方法并没有显性的考虑房价的多个干扰因素。本文在前人研究的基础上，利用回归模型分析了北京市房价随时间变化的规律和特性，并进一步采用灰色预测GM（1，1）模型进行预测，得到了更精准的结果。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---2数据收集及预处理本文数据来自于链家和北京市统计局等官方机构，并利用了HengshuZhu等人[6]研究的链家网于2011年至2013年的80000余条成交记录数据。成交记录数据包括每个房屋的教育时间、成交价格、面积、楼层等十余个维度。本文将数据按所在行政区而进行划分，由于东城区等部分城区数据量过小，我们选择了西城、海淀、丰台、朝阳、大兴五个数据充足，数据量较大的城区进行研究。在数据预处理方面进行如下操作：（1）由于北京市各城区房价市场存在巨大差异，为避免城区对于房价的影响，本文将分不同城区对房价建立模型并进行预测。（2）取各城区的房价数据，并对每月的单位房价以百元为单位向下取整后取平均值作为房价模型公式中的因变量。此举可以去除由于房子个体差异造成的房价差别。（3）以2011年10月为起始月，将时间月份进行编号从1开始，每过一个月就增加1，将该自然数组作为模型公式中的时间变量。3基于回归模型的房价预测由于数据量巨大，本文分别用西城区、海淀区的数据进行回归分析，此处以海淀区和西城区为例建立时间序列的房价预测模型。3.1训练集与测试集选取与模型评价标准此时间序列预测模型的研究对象为北京市海淀区2011年10月到2013年11月的房价变化。根据海淀区每月的房价数据量等因素综合考虑，如下划分训练集与测试集：（1）训练集：2011年10月到2013年06月的每月平均房价。（2）测试集：2013年07月到2013年10月的每月平均房价。由此划分后，80%的数据用于训练模型，20%的数据用于测试验证模型。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---3.2建立房价时间变量模型通过对数据进行作图观察，将房价随时间的变化趋势分为两个特征：（1）线性增长特征：在研究时间范围内，北京的房价随时间变化成正相关的增长，长期的增长幅度基本保持稳定，因此利用线性特征表达式刻画房价的增长特征。（2）周期性变化特征：房价在线性增长之外，还会随着月份的变化而呈...