【摘要】：隨著中國經(jīng)濟的高速發(fā)展,房地產行業(yè)迅速崛起,儼然成為國民經(jīng)濟的支柱產業(yè),特別是近十年來,全國各地房價持續(xù)上漲,受到了全社會的廣泛關注。超高的商品房價格對國家宏觀經(jīng)濟的運行狀況和國民的生活質量有著極大的影響,因此,對商品房價格指數(shù)的準確把握有助于在國家和地方層面適時做出科學合理的決策。注意到,傳統(tǒng)的商品房價格指數(shù)數(shù)據(jù)大多來源于國家統(tǒng)計局系統(tǒng),其調查數(shù)據(jù)存在著嚴重的滯后性,從而影響預測的有效性。隨著互聯(lián)網(wǎng)的普及,人們在做各項消費和投資決策時更習慣于參考網(wǎng)絡搜索的結果,大數(shù)據(jù)時代背景下對網(wǎng)絡搜索數(shù)據(jù)的挖掘和分析可實現(xiàn)市場需求和消費者行為趨勢的精準預測,具有巨大的商業(yè)價值和發(fā)展?jié)摿�。本文利用Python在百度指數(shù)上爬取與昆明商品房價格指數(shù)相關的68個關鍵詞,并基于相關系數(shù)和隨機森林篩選出最終的10個關鍵詞:樓盤網(wǎng)、小戶型裝修效果圖、房貸利率上調、中國建材市場、中國建材網(wǎng)、住房公積金貸款、住房按揭貸款利率、租房合同、昆明搜房網(wǎng)、昆明租房。我們將這10個關鍵詞作為預測變量。采用遺傳算法和粒子群算法分別優(yōu)化最小二乘支持向量機回歸里的參數(shù),結果表明粒子群算法得到的參數(shù)誤差相對更小。因此,本文最后利用粒子群算法優(yōu)化的最小二乘支持向量機回歸對昆明商品房價格指數(shù)進行預測,得到的預測結果顯著,模型擬合度R~2為0.9441,平均絕對誤差為0.6617,均方誤差為0.8073。結果表明,消費者對關鍵詞的搜索行為確實是房產交易行為的一種體現(xiàn),在很大程度上能夠影響消費者的某種決策和行為。另外,利用關鍵詞去預測房價指數(shù)可以為政府部門科學制定相應的政策提供一定的參考依據(jù),也可以為相關從業(yè)人員提供更好的指導。
【學位授予單位】：云南大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：F299.23
【圖文】：

1監(jiān)督學習流程圖

1二維空間里支持向量機回歸的擬合曲線

【參考文獻】

相關期刊論文 前10條

1 白麗娟;閆相斌;金家華;;基于搜索關鍵詞關注度的商品房價格指數(shù)預測[J];預測;2015年04期

2 甄億位;郝敏;陸寶宏;左建;劉歡;;基于隨機森林的中長期降水量預測模型研究[J];水電能源科學;2015年06期

3 楊樹新;董紀昌;李秀婷;;基于網(wǎng)絡關鍵詞搜索的房地產價格影響因素研究[J];新疆財經(jīng)大學學報;2013年03期

4 李欣海;;隨機森林模型在分類與回歸分析中的應用[J];應用昆蟲學報;2013年04期

5 李超;樊重俊;;基于支持向量機的混沌時間序列模型在房產價格指數(shù)預測中的應用[J];數(shù)學的實踐與認識;2011年19期

6 孫愛榮;程亞鵬;;基于灰色理論和BP神經(jīng)網(wǎng)絡的房地產價格指數(shù)預測[J];企業(yè)經(jīng)濟;2010年04期

7 邵慧;張德生;楊二鵬;雷振興;;Bayes動態(tài)模型在房屋銷售價格指數(shù)預測中的應用[J];長江大學學報(自然科學版)理工卷;2009年03期

8 郭麗娟;孫世宇;段修生;;支持向量機及核函數(shù)研究[J];科學技術與工程;2008年02期

9 歐廷皓;;基于ARMA模型的房地產價格指數(shù)預測[J];統(tǒng)計與決策;2007年14期

10 王婧,田澎;小波神經(jīng)網(wǎng)絡在房地產價格指數(shù)預測中的應用[J];計算機仿真;2005年07期

相關碩士學位論文 前1條

1 張開蓉;我國商品房買賣中消費者權益保護問題研究[D];西南科技大學;2016年

本文編號：2730822