灰色GM（1，1）模型在商品房銷售價格預測中的應用

趙泰　遲建英

摘要：商品房價格水平受到諸多因素的影響，準確預測商品房價格走向，對房地產市場的宏觀調控及工作的開展有著重大意義。以青島市近8年商品房銷售價格為基礎，通過建立GM（1，1）模型并進行實際應用，驗證了預測數據有較高的精度，證明了模型的有效性，可以為實際工作提供一定的參考。

Abstract： The price level of commercial housing is affected by many factors. Accurately predicting the price trend of commercial housing is of great significance to the macro-control of the real estate market and the development of its work. Based on the sales price of commercial housing in Qingdao for the past 8 years， the GM （1，1） model was established and applied in practice， which verified the high accuracy of the forecast data， proved the validity of the model， and provided certain reference for the actual work.

關鍵詞：GM（1，1）;青島;商品房;銷售價格;預測

Key words： GM（1，1）;Qingdao;commercial housing;sales price;prediction

中圖分類號：F224.9 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1006-4311（2019）23-0076-03

0 ?引言

中國的房地產市場已進入快速發展時期，如何采取有效的措施對商品房價格進行價格引導，減少或消除價格偏離導致的不利影響，是事關我國房地產行業可持續發展的一個重要課題。因此，對商品房銷售價格的合理分析和準確預測成為當務之急，常用的方法有擬合預測法、差分模型等。楊桂元[1]等通過對單項預測方法及IOWHA組合預測的對比，證明了IOWHA組合預測法有更高的預測精度;王豐效[2]等建立了改進的多元線性回歸模型，將灰色理論與線性回歸模型相結合并通過實例驗證了模型的有效性;高文[3]等建立了BP神經網絡模型，處理后數據有較高的精度。現有的研究成果為我們提供了很高的參考價值，但現有的數據并不能準確反映不同地區的市場狀況，針對青島市的研究數據有待進一步完善;同時，復雜的模型不利于實際應用，需要更為簡單易操作的模型。因此，本文選取灰色GM（1，1）模型對青島市商品房價格進行預測分析，以期進一步完善相關研究。

1 ?GM（1，1）模型灰色預測體系建立

灰色系統理論主要用于處理貧數據的不確定問題[4]，在各個領域工程、機械等領域得到了廣泛的應用。灰色GM（1，1）模型基于灰色系統理論，因其在應用過程中對原始數據的需求量較少，且對分布規律和變化趨勢沒有特殊要求，這就為運用GM（1，1）模型分析解決該問題提供了可能性。因此，本文選用灰色GM（1，1）模型對研究對象進行預測研究。

1.1 GM（1，1）模型基本原理

GM（1，1）模型的基本原理是基于原始數據逐步變化特性，在數據處理過程中，對原始數列進行累加生成，能夠生成具有指數增長規律的數列，通過建立一階微分方程并對數據進行累減生成[5]，即可得到預測數據。

1.2 GM（1，1）模型的建立方法

1.2.1 累加生成

則模型的均方差比值檢驗精度級別為Ⅰ級，其檢驗結果為優。

2.4 模型預測

模型精度通過檢驗，即可對2017年以后的房價進行預測，求得2018-2020年青島市商品房銷售價格預測值見表4。

3 ?結語

通過采用GM（1，1）灰色模型對青島商品房銷售價格情況進行預測，其預測結果基本反映出房地產價格的實際情況，該模型在處理少樣本、貧數據的問題上，具有計算簡單、便于推廣的特點，該模型及其預測方法具有較強的可行性和可操作性。通過模型的應用，對2018年至2020年青島市商品房銷售價格進行預測，價格在短期內呈小幅上漲的趨勢，符合正常的市場規律。但本文運用灰色GM（1，1）研究商品房銷售價格時，只是在政治、經濟、文化環境穩定的情況進行分析，未考慮國家宏觀調控的影響，對于環境多變的大環境下的預測還需要進一步研究。

參考文獻：

[1]楊桂元，羅陽，高俊.我國房地產價格組合預測模型探討[J].統計與決策，2014，408（12）：17-20.

[2]王豐效，周偉萍.灰色多元線性回歸方法的改進及應用[J].重慶理工大學學報（自然科學），2012，26（8）：113-116.

[3]高文，李富星，牛永潔.基于BP神經網絡對房價預測的研究[J].延安大學學報（自然科學版），2018，37（3）：37-40.

[4]張王樂元，張薺豐，孫增林，等.基于灰色理論的公路工程施工造價動態控制研究[J].交通科技與經濟，2017，19（1）：72-74，80.

[5]李功偉.GM（1，1）灰色預測模型在高速鐵路項目施工成本動態管理中的應用[J].價值工程，2019，38（12）：30-32.

[6]胡忠君，劉艷秋，李佳.基于改進GM（1，1）的洪澇災害應急物資動態需求預測[J].系統仿真學報，2019，31（4）：702-709.