资源描述：
《小波神经网络在房地产价格指数预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第22卷第7期计算机仿真2005年7月文章编号:1006-9348(2005)07-0096-03小波神经网络在房地产价格指数预测中的应用王婧,田澎(上海交通大学安泰管理学院,上海200052)摘要:随着房地产价格指数的作用充分显现,探求预测房地产价格指数的有效方法是需深入研究的方向。该文以中房上海住宅价格指数为例,首先对房地产价格指数序列性质进行分析,表明房地产价格指数是具有非线性特征的非平稳时间序列。采用小波神经网络对房地产价格指数进行预测,并将预测结果与指数平滑法和RBF神经网络预测做了对比。采用MATLAB对拟合和预测过程进行仿真。结果指标表明,在大样本数据的情况
2、下,采用小波神经网络对房地产指数进行预测能够获得较好的效果。关键词:房地产价格指数;预测;小波神经网络中图分类号:TP391.9文献标识码:ARealEstatePriceIndicesForcastbyUsingWaveletNeuralNetworkWANGJing,TIANPeng(AntaiSchoolofManagement,ShanghaiJiaotongUniv.Shanghai200052,China)ABSTRACT:Asrealestatepriceindicesplaymoresignificantroles,itisnecessarytogivem
3、oreeffectivemethodforforecastingrealestatepriceindices.ByexploitingthedatafromtheShanghaihousingpriceindexofChinaRealEs2tateIndexSystem(CREIS),thispaperpresentsawaveletneuralnetwork(WNN)modeltogiveitsforecasting.ThecomparisonsamongWNN,theexponentialsmoothingandRBFneuralnetwork,whicharewid
4、elyapplicable,showthattheforecastingoftheWNNmodelismoreeffectivegiventhelargesample.KEYWORDS:Realestatepriceindices;Forecast;Waveletneuralnetwork1引言本数据的情况下,有必要探讨一种更有效的预测方法。房地产价格指数是动态描述一定区域内各类房地产(如商业、住宅和工业)价格变动及其总体价格平均变动趋势和2房地产价格指数简介变动程度的相对数,它是指导业界活动和市场研究的有效工目前,我国各类房地产价格指数不下10余种,如中房指[1]具。通
5、过观察房地产价格指数的走势,人们既可从宏观上数系统(简称中房指数,CREIS)、全国35个大中城市房地产把握房地产市场的景气状况和市场变化,也可从微观上依据价格指数、西安40指数、上房50指数等。它们都是由当地[2,3]其走势进行投资分析,这些作用的实现要依据对房地产政府和房产中介机构采用直接加权或变形加权的拉氏、派氏价格指数的分析和预测,由此凸现了预测房地产价格指数的公式编制的,其中最具权威性的为我国最早研究的中房指必要性。目前国外关于房地产价格指数的研究主要集中于数。中房指数包括中房城市指数和中房综合指数,也包括住[4,5,6]如何减小编制房地产价格指数的误差和基于房
6、地产价宅、写字楼、商服用房三类物业的销售价格指数和租金指数。[7,8]格指数的金融创新,国内相关研究主要介绍国内外房地它们采用基期变量值加权的Laspeyress公式进行测算,如分产价格指数的编制方法,或借鉴国外方法进行编制国内房地物业指数的测算[11](见公式(1)和(2))。产价格指数的尝试。n国内仅有少数文章讨论了房地产价格指数的预测[9,10],∑Pi×Aii=1Pc=n(1)它们是基于小样本数据,采用指数平滑和灰色模型的预测方∑Ai法。而当前随着我国房地产、金融市场的完善和信息的逐步i=1公开,房地产价格指数多期数据的需求和可得性大大提高,其中,Pc为分物业比较
7、价格;Pi———各项目物价;Ai———上述基于小样本数据的预测方法不再实用,所以在基于多样各项目当期建筑面积;n———项目数量PcIf=×1000(基期)(2)收稿日期:2004-04-09Ps—96—其中,If为分物业指数;Ps为基期比较价格;逼近任意非线性函数,从而为小波变换研究系统辨识提供了[12]从公式(1)和(2)可以看出,这种计算方法简单易行,并理论保证。而且小波神经网络辨识的适应性、容错性好,且能够反映房地产价格的变化。本文所采自1996年12月～精度较高,能准确进行辨识。文中采用的神经网络构成图如2001年11
