無錫市商品住宅價格預測

□文/時雨虹

（南京信息工程大學濱江學院 江蘇·無錫）

［提要］隨著國民經濟的不斷提升，房地產行業的支柱地位越來越鮮明，房價也成為人們關注的焦點。而商品住宅作為房地產行業的主要組成部分，對地方經濟發展以及居民生活水平的提升至關重要。本文以無錫市為例，構建GM（1，1）模型預測其未來5年商品住宅均價。結果表明：無錫未來5年商品住宅價格將持續上漲，穩中有升。只有在滿足人民合理住房需求基礎上，不斷探索新發展模式，加強市場監管力度，才能在新形勢下實現精準施策，促進我國住房消費健康循環。

隨著我國步入改革與城鎮化的道路，房地產業被定義為國民經濟的重要支柱，并以其獨特的投資特性，在發展過程中帶動大量相關產業的發展，大大改善了城市居民的生活水平，而且仍將是未來經濟發展的關鍵。

商品住宅通常被定義為由房地產開發商建設并且用于出售或者出租，僅供居住使用的房屋。商品房按銷售對象可以分為內銷商品房和外銷商品房。新世紀以來，我國商品住宅市場競爭加劇，散戶成為購買主力軍。而近年來，由于房地產市場頻繁的供給與需求相互不匹配、行業秩序不規范、市場信息不對稱等問題，導致了房價的頻頻上漲。2020年初，突如其來的新冠肺炎疫情致使各類資產瘋狂下跌，我國房地產行業也受到沉重打擊，各地均陷入低迷狀態。以無錫市為例，2020年2月樓市成交量因疫情影響急劇下滑，出現冰封。2020年下半年，830新政的出臺導致市場迅速降溫，成交量再次出現下跌，該年樓市供應量、成交量均為3年來最低。

目前，國內疫情防控常態化，國際形勢復雜，經濟運行面臨挑戰。房價與國民經濟、民生事業息息相關。因此，在疫情反復的大環境下，針對房地產現狀做出預測分析，根據市場預期以及消費者的購置心態，因地制宜地采取調控措施，實現精準施策的目標，充分保障經濟體系的健康運行，對于我國房地產行業實現高質量發展具有深遠意義，并且能夠為消費者提供相關的購房依據，為國家經濟走勢的研究提供參考方向。許多學者已經對不同地區的房價走勢以及影響房價的因素進行了定量分析。例如，劉大江運用馬爾柯夫預測模型對房地產價格進行全面預測；楊華針對房價高漲的現象，通過構建房價分析模型探究利率、人均GDP、人口密度等因素對房價的影響；龔平基于BP神經網絡模型以減少過多價格彈性的影響對房價進行具體的估測分析。但多數學者普遍認同灰色系統預測對于房價預估的有效性，并對此建立GM（1，1）模型。楊環通過此模型對杭州市近5年的房價進行了走勢預測；王楠、鄭晨曦則將其應用于濟南市的商品房價格預測問題，兩者都證實了GM（1，1）模型在房價預測問題上的可靠性。在此基礎上，王瑩和王志祥建立GM（1，1）模型，通過引入二階弱化因子對原始數據進行預處理，有效提高了對淮安市房價的預測精度。此外，綦文彬、侯宗潤和李貴熙采用GM（1，1）模型、BP神經網絡，對多個一、二線城市房價進行分析，其中居民消費水平與歷史房價對于房價趨勢變化的影響較大。上述這些研究都充分表明了GM（1，1）模型在房地產預測領域的有效性、可靠性。

基于當前已有的研究分析，考慮到房地產價格受居民可支配收入、區域GDP以及建設成本等多種因素共同影響，具有不確定性、隨機性的特點，結合城市綜合實力與發展前景選取無錫市進行商品住宅價格走勢的預測。

一、灰色系統模型GM（1，1）基本原理

灰色系統理論的創建主要是為了解決已知數據較少，具有隨機性和不確定性的系統問題。通過對已知信息進行開發處理，從中篩選出有價值的信息，進一步對系統的運行行為和演化規律做出描述，能夠實現對數據的有效監控。該理論表明，潛在規律一般總是存在于數據集合之中。灰色預測就是利用這類潛在規律建立模型，對信息進行預測，通過分析處理數據挖掘其中的變化規律。

總地來說，灰色系統預測模型不需要大量的數據樣本，僅需要少量的離散數據就可以建立動態模型，在短期內往往具有較好的預測效益，并且具有計算流程簡易的特點。因此，灰色系統模型被廣泛地應用于企業經營管理、醫學、工業及生態環境等諸多領域。此外，GM（1，1）模型作為灰色系統中的基本模型，由于預測準確度比較高，對于規律變量數據的預測效果較好，在房價的中短期預測分析中應用廣泛。

二、灰色系統模型GM（1，1）對無錫市商品住宅價格的預測

（一）數據來源。本文以無錫市為例，考慮到數據的可獲得性以及真實性，選取2017～2021年無錫市商品住宅的成交均價，該數據通過樂居網整理而來，如表1所示。根據原始數據顯示，近5年無錫商品住宅價格持續上漲。2018年同比上漲27.53%，領跑中國房價漲幅；2020年均價19，841元/m2，同比上漲10.97%；2021年達到21，575元/m2，同比上漲8.74%，該年房價創歷史新高。（表1）

（二）模型構建。根據表1中2017～2021年無錫市商品住宅均價的數據構建GM（1，1）模型，通過該模型對未來5年的商品住宅價格進行預測。具體的建模步驟如下所示：

表1 2017～2021年無錫商品住宅均價一覽表

1、初始化建模原始序列。設原始序列：

生成原始序列X（0）的1-AGO序列：

GM（1，1）模型的原始形式：x（0）（k）+ax（1）（k）=b

2、1-AGO生成序列的緊鄰均值。X（0）、X（1）如上所示，設：

GM（1，1）模型的均值形式：x（0）（k）+az（1）（k）=b

3、建立白化微分方程：

上式就是GM（1，1）模型均值形式x（0）（k）+az（1）（k）=b的白化微分方程；其中參數a表示發展系數，b表示灰色作用量。發展系數-a反映了及的發展態勢。

4、計算灰色模型發展系數a和灰色作用量b。根據最小二乘法估計參數向量，可以得到=（BTB）-1BTY

其中Y、B分別為：

因此，發展系數a=-0.1113；灰色作用b=13449.0585。

接下來，對白化微分方程進行求解，可以得到均值GM（1，1）模型的時間響應式：

5、模擬值與模擬誤差。對（k+1）一次累減還原GM（1，1）模型（k+1）=（k+1）-（k），得到2017～2021年的模擬數據，將所得模擬數據和實際數據相比較，對模擬值與模擬誤差做出判斷。

通過GSTA V7.0可以得到均值GM（1，1）模型，輸入建模數據并進行參數計算和數據模擬。相應的模擬值與模擬誤差結果如表2所示。（表2）

表2 模擬值與模擬誤差一覽表

6、計算平均模擬相對誤差。計算得到平均相對模擬誤差：

同時，通過軟件數據模擬也能夠得出平均模擬相對誤差為1.9081%，平均模擬相對誤差所對應的精度等級為二級。不難發現，實際數據與模擬數據之間差異較小，預測精度較高，表明該模型對于房地產價格的預測有效，預測結果具有參考意義，能夠為消費者提供購置依據。

（三）結果分析。根據表2所得的模擬值與實際值數據，繪制出無錫市商品住宅均價的實際價格與模擬價格變化趨勢，以便對模型擬合的優劣性和有效性做出更加直觀的判斷分析，如圖1所示。（圖1）

圖1 2017～2021年無錫市商品住宅實際價格與模擬價格趨勢圖

通過GM（1，1）模型得到最終的模擬結果，可以發現無錫市商品住宅的實際價格與模擬價格的擬合程度較高，兩者差距較小。因此，可以利用該模型對未來無錫市商品住宅價格進行短期預測，根據上述步驟所得到的預測數據具有參考價值，可以為消費者做出購置判斷提供一定的依據。

表3 2022～2026年無錫市商品住宅均價預測表（單位：元/m2）

從圖2無錫市商品住宅均價預測中可以明顯看出，2022～2026年無錫市商品住宅價格將持續上漲，總體呈現出穩中有升的態勢。根據無錫市第七次人口普查數據，大批量復合型人才的引入以及各類商戶的入駐都為房地產行業帶來人口流動優勢，教育理念的加深也使得學區房越炒越熱。然而，受目前疫情反復波動的影響，其未來發展方向具有復雜性，居民購房趨勢以及消費心態也都發生轉變。近日，樓市松綁政策的發布伴隨著多地房貸利率下調，居民對于樓市的預期和信心重燃，無錫樓市成交量也出現積極向好的狀態。但是，在“房住不炒”的總基調下，居民對于住宅的購置始終應該把居住剛需和資產保值作為首要考慮因素，在滿足居住剛需的基礎上考慮自身經濟水平與實際需要，進一步滿足住房改善性需求。結果表明，實際值與預測值擬合程度較高，使用GM（1，1）模型對于房地產價格的預測具有可靠性、有效性，可以為消費者以及房地產市場的預測分析提供參考依據。（圖2）

圖2 2022～2026年無錫市商品住宅均價預測圖

三、總結

從全局角度看，房地產調控對于房價的影響越來越明顯。商品住宅價格的預測以及其未來趨勢的分析對于區域經濟的穩健發展、居民生活質量的逐步提升有著重要作用。作為長三角地區中心城市之一，無錫近年來經濟發展迅速，大批復合型人才的不斷引進、學區房需求的急劇上升以及人民對于居住改善性需求的提高都進一步加劇了樓市回暖效應，流動人口將成為未來城市樓房的主要購買群體。基于對現有研究的分析，考慮未來疫情發展走向的復雜性以及當前樓市寬松政策的相繼出臺，房地產價格預測對于房地產行業的發展具有深遠意義。因此，本文選取無錫市為研究對象，構建GM（1，1）模型對無錫市商品住宅價格進行預測并做出分析。結果表明，未來無錫房價下跌的可能性不大，預計將延續目前的走勢，持續小幅上漲。在疫情沖擊下，我國經濟以其頑強的韌勁，仍將以穩中有升作為未來房價的主基調。然而，房地產行業中的供求矛盾問題始終存在。

2021年末，中央經濟工作會議強調了住宅回歸居住的本質要求，只有探索新發展模式才能使其滿足人民對合理住房的需求，才能真正為人民生活品質的提升做出貢獻。總的來說，金融與投資相互依存，消費者始終應該針對自身居住剛需，考慮房產的優質性，包括地理位置、交通情況以及城市的發展潛力，從長遠的角度看待樓市發展并進行相應的購置，在此基礎上進一步推進住房改善性需求的實現。企業也要在融資、房地產開發、租賃保障等方面尋求新模式的突破。此外，在疫情發展和國際形勢相對復雜的大環境下，房地產市場應該持續加強監管力度，關注市場預期以及居民購置心態，不斷修訂新政策以適應新形勢，實現精準施策。2021年末我國城鎮化率已經達到64.72%，在提高城鎮化質量的同時也應該將目光轉向農村建設，推動城鄉一體化以縮短城鄉差距，進而緩解由于住房壓力而導致的房價上漲。在確保“房住不炒”的基礎上，完善住房保障體系，助力我國房地產行業的健康發展和良性循環。