基于网络搜索数据的房地产价格预测

被引：71

作者：

董倩

孙娜娜

李伟

机构：

[1] 国家统计局统计科学研究所

来源：

统计研究 | 2014年 / 31卷 / 10期

关键词：

网络搜索数据; 房地产价格预测; 交叉验证; 支持向量机; 随机森林;

D O I：

10.19343/j.cnki.11-1302/c.2014.10.013

中图分类号：

F299.23 [城市经济管理];

学科分类号：

120405 ;

摘要：

本文以北京、上海、天津、重庆等16个大中城市的二手房价格和新房价格为研究对象,以来自我国最大搜索引擎的百度搜索指数为数据基础,使用6种计量模型分别对16个城市的二手房价格和新房价格进行了拟合和预测,得到预测二手房和新房价格变动情况的最优模型。结果显示:网络搜索数据不但能够较好地预测房价指数,而且能够分析经济主体行为的趋势与规律,有一定的时效性。预测的月度房地产价格能够比官方数据发布提前约两周时间。

引用

页码：81 / 88

页数：8

共 6 条

[1] 基于网络搜索数据的突发事件对股票市场影响分析 [J].

杨欣 ;

吕本富 ;

彭赓 ;

刘颖 .

数学的实践与认识, 2013, 43 (23) :17-28

[2] 基于网络关键词搜索的房地产价格影响因素研究 [J].

杨树新 ;

董纪昌 ;

李秀婷 .

新疆财经大学学报, 2013, (03) :5-12

[3] 网络搜索数据与CPI的相关性研究 [J].

张崇 ;

吕本富 ;

彭赓 ;

刘颖 .

管理科学学报, 2012, 15 (07) :50-59+70

[4]

大数据在政府统计中的探索与应用[M]. 中国统计出版社 , 马建堂, 2013

[5]

Estimating potential habitat for 134 eastern US tree species under six climate scenarios[J] . Louis R. Iverson,Anantha M. Prasad,Stephen N. Matthews,Matthew Peters.Forest Ecology and Management . 2007 (3)

[6] Random forests [J].

Breiman, L .

MACHINE LEARNING, 2001, 45 (01) :5-32

← 1 →