基于网络搜索数据的北京市房价指数预测研究

摘要

本文基于2011年1月至2017年11月期间北京市新房和二手房相关关键词的百度指数，通过对关键词搜索数据及同比房价指数进行季节调整减少预测误差，以相关系数和时差相关分析法进行筛选，对于新建住宅价格指数和二手住宅价格指数分别得到先行有效关键词，再用动态因子模型提取潜在共同因子合成搜索指数，将新房搜索指数和二手房搜索指数分别作为输入，通过简单线性回归模型和非线性支持向量回归两个基准模型，以住宅价格指数滞后项为解释变量，在此基础上加入合成的搜索指数的滞后项构建预测模型，并通过样本内预测和样本外预测比较模型的拟合效果。实证检验得出，基于动态因子方法提取的搜索指数能够有效提取房价变化的关键信息，无论是线性模型还是非线性模型，加入网络搜索指数后模型的均方误差均有所下降，且模型拟合的预测值与真实的房价指数走势基本相吻合，拟合曲线的变化趋势由相对滞后变为同期甚至提前。实证表明网络搜索数据对房价指数有实时预测能力，加入网络搜索数据的模型与传统模型相比略领先于房价指数的变化，可以提前两周到一个月预测出下一期的房价指数，这种方法在一定程度上克服了传统房价指数统计方法的滞后性。

目录

声明

摘要

第1章引言

1．1研究背景和意义

1．1．1网络发展现状

1．1．2房地产移动市场现状

1．1．3研究意义

1．2．1国外研究状况

1．2．2国内研究现状

1．2．3文献综述小结

1．3论文对象和结构

1．3．1研究对象

1．3．2研究结构

1．4研究的创新点与不足

第2章构造北京市房价相关的网络搜索指数

2．1初选房价预测搜索关键词

2．2数据获取和预处理

2．3时差相关分析法筛选搜索关键词

2．4动态因子模型合成搜索指数

2．4．1指数合成方法的选择

2．4．2先行关键词检验

2．4．3动态因子方法介绍

2．4．4．新房搜索指数和二手房搜索指数的合成

第3章基于搜索指数的模型应用

3．1数据描述及模型选择

3．2新房价格指数预测模型

3．2．1不含搜索指数的新房价格指数线性回归模型

3．2．2含搜索指数的新房价格指数线性回归模型

3．2．3不含搜索指数的新房价格指数非线性回归模型

3．2．4含搜索指数的新房价格指数非线性回归模型

3．3二手房价格指数预测模型

3．3．1不含搜索指数的二手房价格指数线性回归模型

3．3．2含搜索指数的二手房价格指数线性回归模型

3．3．3不含搜索指数的二手房价格指数非线性回归模型

3．3．4含搜索指数的二手房价格指数非线性回归模型

第4章基于网络搜索的北京市房价指数预测模型应用效果

4．1测试模型阶段数据描述

4．2模型预测效果及比较分析

4．2．1线性回归模型预测

4．2．2非线性回归模型

4．3模型预测效果小结

第5章结论与展望

5．1结论

5．2进一步工作的方向

参考文献

致谢

个人简历在读期间发表的学术论文与研究成果