基于BP神经结构的商品房定价研究

邹婷 张禹嘉 梁明月

【摘 要】本文基于BP神经结构对湖南省长沙市商品房的定价问题展开研究，并努力探究影响房价最主要的因素。首先，根据2007-2016年长沙市影响商品房价格的七个研究因素数据，运用插值分析法对数据库使用立方插值预测，得到2017-2020年七个研究因素的预测数据；其次，建立BP神经网络模型，对已收集到的样本进行训练，不断逼近样本所蕴涵的规律，对长沙地区的房价（元/平方米）进行预测；最后，用所得模型对未来几年的房价进行仿真，观察其变化规律。根据房价预测结果，为准备在长沙购房的群体提出合理建议。

【关键词】BP神经结构；插值分析法；商品房定价；因子分析；主要影响因素

近年来，全国各大城市的房价迅速上涨。以长沙市为例，自2010年出台限购令政策后，在短期内长沙市的房价（包括新房和二手房）有所下降，但在经济高速增长、城市化进程加快，加之公众乐观预期等因素共同作用下，房价在长期内仍处于上涨态势。

从现阶段学术研究的情况来看，预测房价的方法很多。从计量角度，房价的变化呈现出一种非线性态势，使用常规的线性模型进行分析难以得到近似准确的结果。BP神经网络正是可以通过自身训练，通过学习某项规则，进而使用最速下降法，利用反向传播不断调整网络的权值和阈值，使网络的误差平方和最小，最大限度地逼近输出结果，从而更加精确的预测房价。

本文采用BP神经网络模型预测长沙市的房价，利用因子分析法将所选取的七个研究因素进行综合分类，从而分析各因素的影响水平，最后根据房价的主要影响因素为有意愿在长沙购房的人们提出可行性建议。

一、商品房房价预测模型

（一）变量选取

商品房的定价是政治、经济、文化和社会环境等多方面多因素共同作用下的结果，但关键是理清主要因素和次要因素。本研究将商品住宅投资额（反映当地当年的商品住宅开发情况，投资额大小影响着商品住宅供给量）、商品住宅施工面积（直接影响着未来几年的商品住宅供给量）、年末户籍人口数（反映当地当年人口数对商品房住宅市场的需求）、GDP（是说明宏观经济的重要指标，而宏观经济对整个房地产行业影响非常显著） 、贷款利率（利率变化能反映宏观经济政策的走向，而宏观经济政策会直接影响人们对商品住宅的需求变化。考虑到大部分人购房贷款的年限均比较长，本文选择五年以上的有中长期贷款利率的贷款项目）、平均年工资（工资决定人们的消费能力，并能正确反映房价的真实性）、人均可支配收入（反映了人们的实际消费水平，影响各地商品住宅需求量）作为研究因素。

（二）预测样本构造

BP神经网络在已有输入参数的情况下，对输出参数作出预测，首先采用插值分析模型对商品房房价的七个影响因素数据做出预测。（表2-1）

（三）长沙市商品房定价的模型建立

首先建立网络学习样本和数据归一化，其次对数据进行训练、验证、仿真和建立模型，具体操作如（图2-1）：

BP神经网络系统将数据归为三部分：Training（训练），Validation（验证），Test（测试）。其中，Training数据参加训练，其他两部分数据用于检验。由于网络是根据这些数据训练的，因而目标和训练（Test）数据之间的误差将越来越小。从图2-1可以得出：

Training：R=1，Validation：R=1，Test：R=1，All：R=0.99707，说明数据拟和合适。（图2-2）

Progess左方是目标值，右方是训练精度目标，迭代50000次后的有效性检验显示6次无错误，梯度接近目标精度，均方差也接近目标值，说明此时神经网络系统建立的模型已经比较合适。进一步得到仿真新数据后，通过得到的模型对新数据进行仿真预测，再根据折线图可见长沙房价在2017-2020年的变化规律，其中，在2017-2019年快速下降，在2019-2020年开始上升。

图2-3 长沙房价的仿真预测图

二、长沙市房价走势分析

为进一步分析长沙市房价的走势，现对收集到的2007-2020年长沙市商品房的单价数据进行整理，用Excel软件作出房价走势的折线统计图和商品房单价的同比增长趋势图，进而得出分析结论。

图2-1 2007-2020年长沙市商品房单价同比增长趋势分析预测图

由图2-1，长沙市房价自2011年起维持在5800-6500元的较高水平。其中，2011-2014年、2015-2018年是房价在5800-6500年阶段内先升后降的两个小阶段，呈较小波动的涨落。其房价同比增长率较前期（2008-2016年）涨落的差距较大，较后期（2017-2020年）涨落的差距較小。根据曲线趋势走向，可认为未来房价在较小范围内的波动将趋于平缓。且针对长沙房价的走势，大致可以得出以下两点结论：

（1）长沙市房价在维持较高水平的基础上趋于稳定水平，存在或升或降的小范围波动，但未来不会出现大幅度波动；

（2）长沙作为二线城市，发展水平较高，楼市发展空间已经较为饱和，因而房价上升空间不大。

三、影响房价最主要的因素

上述已通过BP神经网络方法建立合适模型，得出影响长沙房价的基本因素，但为了探究更重要的影响因素，本次研究采用SPSS对多个变量进行重新组构，以得到影响房价最主要的因素。

（一）影响长沙房价的最主要因素探究

1.将原始数据标准化

2.对标准化数据进行因子分析（图3-1）

由于前两个特征值的累计贡献量已达97.365%，故取A1和A2两个公共因子，足以充分代替原始数据的信息量。

3.列出旋转后的因子载荷矩阵，对七个原始指标进行分类

（图3-2）

进行高载荷指标分类，有：

A1（投入与消费水平因子）高载荷指标具体有：X1-GDP；X2-商品住宅投资额；X3-人均可支配收入；X4-平均年工资；X5-贷款年利率；X7-年末户籍人口数。

A2（商品房房源因子））高载荷指标具体有：X6-商品住宅施工面积

可明显观察到影响长沙商品房定价的主要因素为投入与消费水平因子、商品房房源因子。例如，在2013-2014年，长沙商品住宅施工面积由8696.54万/平方米增长至9688.6万/平方米，但长沙房价从6292元/平方米降至6119元/平方米，可见该情况是由于长沙房价受商品住宅施工面积影响造成的。

四、结论与建议

超一线城市要解决“大城市病”，不再需要过多的人口涌入，这对正渴求劳动力的次级城市确实是一个机会。再看强二线和省会城市，17年来展开一轮又一轮的“抢人大战”， 南京、济南、郑州、合肥、西安等近20多个城市放开落户政策，外地人的购房门槛也因为落户政策而变相降低。因此未来二线城市依然有一定概率对调控政策进行修正，在二线城市买房将会是一个很好的机会。具体建议如下：

1.应及时关注落户的相关政策和房地产调控政策，瞄准时机，通过正当合理途径购房；

2.应尽量选择在居民收入水平与自身条件相适应的地区购房，性价比高；

3.应在符合自己购房条件（价格、环境）的基础上，选择具有投资价值的房源。

【参考文献】

[1]张秉乾. 上海商品住宅市场价格影响因素研究及价格预测[D].甘肃农业大学，2009.

[2]邓柏峻，李仲飞，张浩.限购政策对房价的调控有效吗[J].统计研究，2014，31（11）：50-57.

[3]余泳泽，张少辉.城市房价、限购政策与技术创新[J].中国工业经济，2017（06）：98-116.