张彦周

（河南职业技术学院 基础教学部，河南 郑州450046）

一、引言

商品住宅价格的预测是一个研究热点问题，国内有许多学者对此做了大量研究，如郭培俊的基于灰色理论的温州房价预测模型［1］，闫妍的基于TEL@I 方法论的房价预测方法［2］，谈萍的基于灰色马尔可夫模型的上海房价走势实证研究［3］，程松林的武汉市商品房均价的预测［4］。这些研究取得了一定的成果，但大多数研究只考虑了房价的时间变化趋势而忽视了影响房价的内在规律因素。

商品住宅价格是诸多因素共同作用的结果，这些影响因素分为两类，一类是房地产市场或房地产行业自身的因素，如固定资产投资、房地产开发投资、施工面积、竣工面积、当前商品住宅价格等；另一类是反映宏观经济环境的因素，如生产总值、人均可支配收入、消费者价格指数、居民储蓄等。20世纪60年代，Vapnik及其同事提出的统计学习理论被认为是目前针对小样本统计估计和预测学习的最佳理论［5］。由于支持向量机算法是一个凸优化问题，因此局部最优解一定是全局最优解。这些特点是其他学习算法，如神经网络学习算法所不及的［6］。近几年，支持向量机方法在非线性系统辨识、预测预报、建模与控制等方面被广泛应用。笔者结合郑州市2004年到2012年的统计数据，以季度为单位，给出10个与商品住宅价格相关的影响因素，利用主成分分析，对数据样本进行降维处理，然后利用支持向量机进行学习预测，给出房价预测数学模型，预测结果表明该方法准确率高，简单实用。……