北京市房价的影响因素及预测研究

发布时间：2023-02-10 08:29

　　房地产业是我国国民经济的支柱性产业之一,房地产价格的飞速上升或下降会引发一系列的社会和经济问题,保证房价在合理范围内波动是确保国家经济稳定发展的重要部分。因此研究房地产价格的影响因素并进行预测有助于我们了解房地产价格走势并对其进行价格的调控。本文以北京市房价为例,首先利用H-P滤波的方法研究了北京市房价的走势,发现北京市房价呈现总体上升趋势,随着时间的推移,房价波动的频率增加,波动的幅度增大。接下来本文采用基于主成分的回归分析,灰色关联度以及VAR模型这三种方法进行北京市房价的影响因素研究,发现北京市房价是受到多方面影响的,来自经济层面的GDP对房价的影响最大。最后采用灰色预测GM(1,1)模型,VAR模型以及ARIMA模型进行北京市房价的预测研究,发现在进行样本内预测时,只有ARIMA模型的残差会更为均匀地分布在0点附近;在进行样本外预测时,VAR模型和灰色预测模型的预测值均为持续上升,而ARIMA模型的预测值则有升有降,显然ARIMA模型的预测结果更符合实际,预测效果比另外两个模型略好。

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 课题背景及研究意义
    1.2 国内国外的研究现状
        1.2.1 房地产价格的影响因素研究现状
        1.2.2 房地产价格的预测研究现状
    1.3 论文内容
2 北京市房价的趋势及特征研究
    2.1 H-P滤波法
    2.2 北京市房价的走势分析
        2.2.1 应用H-P滤波法对房地产价格的波动研究
        2.2.2 结果分析
3 模型建立前指标的选择及处理
    3.1 房价的影响因素选择
    3.2 数据的预处理
        3.2.1 低频数据转向高频数据
        3.2.2 数据的季节调整
4 北京市房价的影响因素研究
    4.1 基于主成分回归分析的北京市房价影响因素研究
        4.1.1 主成分分析的相关介绍
        4.1.2 主成分分析
        4.1.3 基于主成分分析的回归模型建立
    4.2 基于灰色关联度的北京市房价的影响因素研究
        4.2.1 灰色关联度的相关理论介绍
        4.2.2 北京市房价的灰色关联度分析
    4.3 基于VAR模型的北京市房价的影响因素研究
        4.3.1 VAR模型的相关理论介绍
        4.3.2 VAR模型的构建
    4.4 模型比较与结果分析
5 北京市房价的预测
    5.1 基于灰色预测模型之GM(1,1)模型的房价预测
        5.1.1 GM(1,1)模型的简介
        5.1.2 GM(1,1)模型的建立与模型检验
        5.1.3 GM(1,1)模型的预测
    5.2 基于VAR模型的房价预测
    5.3 基于ARIMA模型的房价预测
        5.3.1 ARIMA模型的建立
        5.3.2 基于ARIMA模型的预测
    5.4 模型的预测结果比较
结论
参考文献
附录 A 建立模型的代码
致谢



本文编号：3739362