基于随机森林算法的房地产经济周期性波动预测

陈祖钦

一、前言

针对房地产经济周期性波动进行预测时，主要使用支持向量机算法设计预测方案，但面对大量数据时容易陷入过拟合情况，使预测结果均方根误差（RMSE）较大。因此，本文提出以随机森林算法为基础的房地产经济周期性波动预测方法。运用主成分分析方法选取合适的指标，定义房地产经济景气指数，描述房地产经济变化情况。根据已实现房地产经济波动率，考虑动态估计误差，建立经济周期性波动率模型。依托于随机森林算法布置多个决策回归树，通过该结构从大量数据中筛选出包含重要特征的数据样本，并通过合理的基尼系数构建随机森林组合预测结构。最后，向组合预测结构中添加模糊信息粒化处理模块，提取有效分量信息。基于此进行后续预测分析，生成房地產经济周期性波动预测结果。实验结果表明，所提方法预测结果的均方根误差仅为0.08，满足了房地产经济波动预测要求。

房地产行业是国民经济的支柱产业，其带动了家电业、建筑业、服务业等数十个产业发展，在增加财政收入方面发挥了巨大作用[1]。但是，任何产业的发展都不是完全规则的，往往呈现出周期变化特点。房地产行业在经过几十年的繁荣后，也步入了经济周期性波动发展阶段。受到资源约束、消费约束等条件的影响[2]，房地产市场出现下降趋势，而在资源供给充裕的情况下又会表现出上升特点，从而形成了循环往复的周期性波动特点。各个房地产企业参与市场博弈过程中，了解房地产经济周期波动规律，并预测未来波动情况，都是不可或缺的环节。

吴江斌等[3]结合广义回归条件异方差模型、混频数据抽样模型，构建了非线性组合预测模型，并在该模型中添加了马尔可夫算法，实现数据高效转换处理，稳定实现经济波动预测。实验结果表明，该方法预测精度较低。桂文林、程慧[4]针对历史经济数据进行滤波处理和分离处理，提取出循环成分，而后按照最大化原则构建改进prohit模型（广义的线性模型），通过该模型得到波动预测结果。但是，该预测方法在实际应用中难以与大规模数据相匹配。李晓寒等[5]从关系维度入手，针对历史经济波动数据构建异构子图，并引入多重注意力机制，实现图和数据的有效融合。设计基于图神经网络门控循环单元的预测模型，通过该模型完成经济波动预测。实验结果表明，该方法预测结果稳定性较差。

本研究以提升房地产经济波动预测准确率为目的，提出应用随机森林算法的新型预测方法。

二、基于随机森林算法的房地产经济周期性波动预测

（一）定义房地产经济景气指数

（二）构建经济周期性波动率模型

（三）波动预测

（四）生成房地产经济周期性波动预测结果

三、实验

（一）房地产企业概况

以某房地产企业为研究对象，进行波动预测实验分析。该房地产企业原本是1984年成立的科教仪器展销中心，直到1987年才正式更名为现代企业有限公司，同一年公司更改为股份制。本次实验准备阶段，选定2019年4月-2022年4月的房地产经济数据作为实验数据，设置样本的采样周期为1个月，采集36个月的房地产经济波动数据，作为后续经济周期性波动预测的基础。

（二）数据处理与参数设置

（三）波动预测结果分析

四、结语

为了制定更好的房地产发展计划，文中针对房地产经济周期性波动预测问题进行了研究，提出结合随机森林算法的新型预测方法。通过随机森林模型对海量数据进行筛选，避免无关信息的输入引起预测误差。此外，所提方法还引入了模糊信息粒度处理理念，将原始数据分解为多个分量的粒度信息，分别输入随机森林组合预测模型进行分析，综合处理后可以得出高精度波动预测结果。从实验测试结果也可以看出，本文提出预测方法的通用性较强，且最终预测结果更加准确，代表该研究思路的可行性。

引用

[1]毕文杰，扶春娟.基于机器学习的Airbnb房源价格预测及影响因素研究——以北京市为例[J].运筹与管理，2022，31（9）：217-224.

[2]邵为爽，李晓红，张天抒，等.数据挖掘在房地产价格预测中的应用研究[J].数学的实践与认识，2020，50（5）：306-311.

[3]吴江斌，王璐，夏正兰，等.基于MS-GARCH-MIDAS的组合预测模型的研究及应用[J].重庆理工大学学报（自然科学），2022，36（9）：288-296.

[4]桂文林，程慧.基于多变量动态Probit模型的中国经济景气预测[J].统计与决策，2020，36（11）：16-22.

[5]李晓寒，王俊，贾华丁，等.基于多重注意力机制的图神经网络股市波动预测方法[J].计算机应用，2022，42（7）：2265-2273.

[6]吴晓峰，林晓言，靳雅楠.基于时间序列模型遴选的集成组合预测模型[J].统计与决策，2021，37（9）：5-8.

[7]陆长玮.上海房地产市场的多尺度周期波动特征——基于集合经验模态分解和周期相位识别的分析[J].上海经济研究，2020（8）：46-57.

[8]高世乐，王滢，李海林，等.基于矩阵画像的金融时序数据预测方法[J].计算机应用，2021，41（1）：199-207.

[9]向为民，谢静，李娇.中国房地产市场的脆弱性评估：来自房价波动的证据[J].改革，2022（3）：87-100.

[10]张新生，迟依涵，兰峰.基于媒体效应的房地产价格波动研究——以西安市为例[J].数学的实践与认识，2020，50（10）：64-72.

作者单位：福州新区福清功能区投资促进中心