無(wú)錫市商品住宅價(jià)格預(yù)測(cè)

□文/時(shí)雨虹

（南京信息工程大學(xué)濱江學(xué)院 江蘇·無(wú)錫）

［提要］隨著國(guó)民經(jīng)濟(jì)的不斷提升，房地產(chǎn)行業(yè)的支柱地位越來(lái)越鮮明，房?jī)r(jià)也成為人們關(guān)注的焦點(diǎn)。而商品住宅作為房地產(chǎn)行業(yè)的主要組成部分，對(duì)地方經(jīng)濟(jì)發(fā)展以及居民生活水平的提升至關(guān)重要。本文以無(wú)錫市為例，構(gòu)建GM（1，1）模型預(yù)測(cè)其未來(lái)5年商品住宅均價(jià)。結(jié)果表明：無(wú)錫未來(lái)5年商品住宅價(jià)格將持續(xù)上漲，穩(wěn)中有升。只有在滿足人民合理住房需求基礎(chǔ)上，不斷探索新發(fā)展模式，加強(qiáng)市場(chǎng)監(jiān)管力度，才能在新形勢(shì)下實(shí)現(xiàn)精準(zhǔn)施策，促進(jìn)我國(guó)住房消費(fèi)健康循環(huán)。

隨著我國(guó)步入改革與城鎮(zhèn)化的道路，房地產(chǎn)業(yè)被定義為國(guó)民經(jīng)濟(jì)的重要支柱，并以其獨(dú)特的投資特性，在發(fā)展過(guò)程中帶動(dòng)大量相關(guān)產(chǎn)業(yè)的發(fā)展，大大改善了城市居民的生活水平，而且仍將是未來(lái)經(jīng)濟(jì)發(fā)展的關(guān)鍵。

商品住宅通常被定義為由房地產(chǎn)開(kāi)發(fā)商建設(shè)并且用于出售或者出租，僅供居住使用的房屋。商品房按銷售對(duì)象可以分為內(nèi)銷商品房和外銷商品房。新世紀(jì)以來(lái)，我國(guó)商品住宅市場(chǎng)競(jìng)爭(zhēng)加劇，散戶成為購(gòu)買(mǎi)主力軍。而近年來(lái)，由于房地產(chǎn)市場(chǎng)頻繁的供給與需求相互不匹配、行業(yè)秩序不規(guī)范、市場(chǎng)信息不對(duì)稱等問(wèn)題，導(dǎo)致了房?jī)r(jià)的頻頻上漲。2020年初，突如其來(lái)的新冠肺炎疫情致使各類資產(chǎn)瘋狂下跌，我國(guó)房地產(chǎn)行業(yè)也受到沉重打擊，各地均陷入低迷狀態(tài)。以無(wú)錫市為例，2020年2月樓市成交量因疫情影響急劇下滑，出現(xiàn)冰封。2020年下半年，830新政的出臺(tái)導(dǎo)致市場(chǎng)迅速降溫，成交量再次出現(xiàn)下跌，該年樓市供應(yīng)量、成交量均為3年來(lái)最低。

目前，國(guó)內(nèi)疫情防控常態(tài)化，國(guó)際形勢(shì)復(fù)雜，經(jīng)濟(jì)運(yùn)行面臨挑戰(zhàn)。房?jī)r(jià)與國(guó)民經(jīng)濟(jì)、民生事業(yè)息息相關(guān)。因此，在疫情反復(fù)的大環(huán)境下，針對(duì)房地產(chǎn)現(xiàn)狀做出預(yù)測(cè)分析，根據(jù)市場(chǎng)預(yù)期以及消費(fèi)者的購(gòu)置心態(tài)，因地制宜地采取調(diào)控措施，實(shí)現(xiàn)精準(zhǔn)施策的目標(biāo)，充分保障經(jīng)濟(jì)體系的健康運(yùn)行，對(duì)于我國(guó)房地產(chǎn)行業(yè)實(shí)現(xiàn)高質(zhì)量發(fā)展具有深遠(yuǎn)意義，并且能夠?yàn)橄M(fèi)者提供相關(guān)的購(gòu)房依據(jù)，為國(guó)家經(jīng)濟(jì)走勢(shì)的研究提供參考方向。許多學(xué)者已經(jīng)對(duì)不同地區(qū)的房?jī)r(jià)走勢(shì)以及影響房?jī)r(jià)的因素進(jìn)行了定量分析。例如，劉大江運(yùn)用馬爾柯夫預(yù)測(cè)模型對(duì)房地產(chǎn)價(jià)格進(jìn)行全面預(yù)測(cè)；楊華針對(duì)房?jī)r(jià)高漲的現(xiàn)象，通過(guò)構(gòu)建房?jī)r(jià)分析模型探究利率、人均GDP、人口密度等因素對(duì)房?jī)r(jià)的影響；龔平基于BP神經(jīng)網(wǎng)絡(luò)模型以減少過(guò)多價(jià)格彈性的影響對(duì)房?jī)r(jià)進(jìn)行具體的估測(cè)分析。但多數(shù)學(xué)者普遍認(rèn)同灰色系統(tǒng)預(yù)測(cè)對(duì)于房?jī)r(jià)預(yù)估的有效性，并對(duì)此建立GM（1，1）模型。楊環(huán)通過(guò)此模型對(duì)杭州市近5年的房?jī)r(jià)進(jìn)行了走勢(shì)預(yù)測(cè)；王楠、鄭晨曦則將其應(yīng)用于濟(jì)南市的商品房?jī)r(jià)格預(yù)測(cè)問(wèn)題，兩者都證實(shí)了GM（1，1）模型在房?jī)r(jià)預(yù)測(cè)問(wèn)題上的可靠性。在此基礎(chǔ)上，王瑩和王志祥建立GM（1，1）模型，通過(guò)引入二階弱化因子對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理，有效提高了對(duì)淮安市房?jī)r(jià)的預(yù)測(cè)精度。此外，綦文彬、侯宗潤(rùn)和李貴熙采用GM（1，1）模型、BP神經(jīng)網(wǎng)絡(luò)，對(duì)多個(gè)一、二線城市房?jī)r(jià)進(jìn)行分析，其中居民消費(fèi)水平與歷史房?jī)r(jià)對(duì)于房?jī)r(jià)趨勢(shì)變化的影響較大。上述這些研究都充分表明了GM（1，1）模型在房地產(chǎn)預(yù)測(cè)領(lǐng)域的有效性、可靠性。

基于當(dāng)前已有的研究分析，考慮到房地產(chǎn)價(jià)格受居民可支配收入、區(qū)域GDP以及建設(shè)成本等多種因素共同影響，具有不確定性、隨機(jī)性的特點(diǎn)，結(jié)合城市綜合實(shí)力與發(fā)展前景選取無(wú)錫市進(jìn)行商品住宅價(jià)格走勢(shì)的預(yù)測(cè)。

一、灰色系統(tǒng)模型GM（1，1）基本原理

灰色系統(tǒng)理論的創(chuàng)建主要是為了解決已知數(shù)據(jù)較少，具有隨機(jī)性和不確定性的系統(tǒng)問(wèn)題。通過(guò)對(duì)已知信息進(jìn)行開(kāi)發(fā)處理，從中篩選出有價(jià)值的信息，進(jìn)一步對(duì)系統(tǒng)的運(yùn)行行為和演化規(guī)律做出描述，能夠?qū)崿F(xiàn)對(duì)數(shù)據(jù)的有效監(jiān)控。該理論表明，潛在規(guī)律一般總是存在于數(shù)據(jù)集合之中?；疑A(yù)測(cè)就是利用這類潛在規(guī)律建立模型，對(duì)信息進(jìn)行預(yù)測(cè)，通過(guò)分析處理數(shù)據(jù)挖掘其中的變化規(guī)律。

總地來(lái)說(shuō)，灰色系統(tǒng)預(yù)測(cè)模型不需要大量的數(shù)據(jù)樣本，僅需要少量的離散數(shù)據(jù)就可以建立動(dòng)態(tài)模型，在短期內(nèi)往往具有較好的預(yù)測(cè)效益，并且具有計(jì)算流程簡(jiǎn)易的特點(diǎn)。因此，灰色系統(tǒng)模型被廣泛地應(yīng)用于企業(yè)經(jīng)營(yíng)管理、醫(yī)學(xué)、工業(yè)及生態(tài)環(huán)境等諸多領(lǐng)域。此外，GM（1，1）模型作為灰色系統(tǒng)中的基本模型，由于預(yù)測(cè)準(zhǔn)確度比較高，對(duì)于規(guī)律變量數(shù)據(jù)的預(yù)測(cè)效果較好，在房?jī)r(jià)的中短期預(yù)測(cè)分析中應(yīng)用廣泛。

二、灰色系統(tǒng)模型GM（1，1）對(duì)無(wú)錫市商品住宅價(jià)格的預(yù)測(cè)

（一）數(shù)據(jù)來(lái)源。本文以無(wú)錫市為例，考慮到數(shù)據(jù)的可獲得性以及真實(shí)性，選取2017～2021年無(wú)錫市商品住宅的成交均價(jià)，該數(shù)據(jù)通過(guò)樂(lè)居網(wǎng)整理而來(lái)，如表1所示。根據(jù)原始數(shù)據(jù)顯示，近5年無(wú)錫商品住宅價(jià)格持續(xù)上漲。2018年同比上漲27.53%，領(lǐng)跑中國(guó)房?jī)r(jià)漲幅；2020年均價(jià)19，841元/m2，同比上漲10.97%；2021年達(dá)到21，575元/m2，同比上漲8.74%，該年房?jī)r(jià)創(chuàng)歷史新高。（表1）

（二）模型構(gòu)建。根據(jù)表1中2017～2021年無(wú)錫市商品住宅均價(jià)的數(shù)據(jù)構(gòu)建GM（1，1）模型，通過(guò)該模型對(duì)未來(lái)5年的商品住宅價(jià)格進(jìn)行預(yù)測(cè)。具體的建模步驟如下所示：

表1 2017～2021年無(wú)錫商品住宅均價(jià)一覽表

1、初始化建模原始序列。設(shè)原始序列：

生成原始序列X（0）的1-AGO序列：

GM（1，1）模型的原始形式：x（0）（k）+ax（1）（k）=b

2、1-AGO生成序列的緊鄰均值。X（0）、X（1）如上所示，設(shè)：

GM（1，1）模型的均值形式：x（0）（k）+az（1）（k）=b

3、建立白化微分方程：

上式就是GM（1，1）模型均值形式x（0）（k）+az（1）（k）=b的白化微分方程；其中參數(shù)a表示發(fā)展系數(shù)，b表示灰色作用量。發(fā)展系數(shù)-a反映了及的發(fā)展態(tài)勢(shì)。

4、計(jì)算灰色模型發(fā)展系數(shù)a和灰色作用量b。根據(jù)最小二乘法估計(jì)參數(shù)向量，可以得到=（BTB）-1BTY

其中Y、B分別為：

因此，發(fā)展系數(shù)a=-0.1113；灰色作用b=13449.0585。

接下來(lái)，對(duì)白化微分方程進(jìn)行求解，可以得到均值GM（1，1）模型的時(shí)間響應(yīng)式：

5、模擬值與模擬誤差。對(duì)（k+1）一次累減還原GM（1，1）模型（k+1）=（k+1）-（k），得到2017～2021年的模擬數(shù)據(jù)，將所得模擬數(shù)據(jù)和實(shí)際數(shù)據(jù)相比較，對(duì)模擬值與模擬誤差做出判斷。

通過(guò)GSTA V7.0可以得到均值GM（1，1）模型，輸入建模數(shù)據(jù)并進(jìn)行參數(shù)計(jì)算和數(shù)據(jù)模擬。相應(yīng)的模擬值與模擬誤差結(jié)果如表2所示。（表2）

表2 模擬值與模擬誤差一覽表

6、計(jì)算平均模擬相對(duì)誤差。計(jì)算得到平均相對(duì)模擬誤差：

同時(shí)，通過(guò)軟件數(shù)據(jù)模擬也能夠得出平均模擬相對(duì)誤差為1.9081%，平均模擬相對(duì)誤差所對(duì)應(yīng)的精度等級(jí)為二級(jí)。不難發(fā)現(xiàn)，實(shí)際數(shù)據(jù)與模擬數(shù)據(jù)之間差異較小，預(yù)測(cè)精度較高，表明該模型對(duì)于房地產(chǎn)價(jià)格的預(yù)測(cè)有效，預(yù)測(cè)結(jié)果具有參考意義，能夠?yàn)橄M(fèi)者提供購(gòu)置依據(jù)。

（三）結(jié)果分析。根據(jù)表2所得的模擬值與實(shí)際值數(shù)據(jù)，繪制出無(wú)錫市商品住宅均價(jià)的實(shí)際價(jià)格與模擬價(jià)格變化趨勢(shì)，以便對(duì)模型擬合的優(yōu)劣性和有效性做出更加直觀的判斷分析，如圖1所示。（圖1）

圖1 2017～2021年無(wú)錫市商品住宅實(shí)際價(jià)格與模擬價(jià)格趨勢(shì)圖

通過(guò)GM（1，1）模型得到最終的模擬結(jié)果，可以發(fā)現(xiàn)無(wú)錫市商品住宅的實(shí)際價(jià)格與模擬價(jià)格的擬合程度較高，兩者差距較小。因此，可以利用該模型對(duì)未來(lái)無(wú)錫市商品住宅價(jià)格進(jìn)行短期預(yù)測(cè)，根據(jù)上述步驟所得到的預(yù)測(cè)數(shù)據(jù)具有參考價(jià)值，可以為消費(fèi)者做出購(gòu)置判斷提供一定的依據(jù)。

表3 2022～2026年無(wú)錫市商品住宅均價(jià)預(yù)測(cè)表（單位：元/m2）

從圖2無(wú)錫市商品住宅均價(jià)預(yù)測(cè)中可以明顯看出，2022～2026年無(wú)錫市商品住宅價(jià)格將持續(xù)上漲，總體呈現(xiàn)出穩(wěn)中有升的態(tài)勢(shì)。根據(jù)無(wú)錫市第七次人口普查數(shù)據(jù)，大批量復(fù)合型人才的引入以及各類商戶的入駐都為房地產(chǎn)行業(yè)帶來(lái)人口流動(dòng)優(yōu)勢(shì)，教育理念的加深也使得學(xué)區(qū)房越炒越熱。然而，受目前疫情反復(fù)波動(dòng)的影響，其未來(lái)發(fā)展方向具有復(fù)雜性，居民購(gòu)房趨勢(shì)以及消費(fèi)心態(tài)也都發(fā)生轉(zhuǎn)變。近日，樓市松綁政策的發(fā)布伴隨著多地房貸利率下調(diào)，居民對(duì)于樓市的預(yù)期和信心重燃，無(wú)錫樓市成交量也出現(xiàn)積極向好的狀態(tài)。但是，在“房住不炒”的總基調(diào)下，居民對(duì)于住宅的購(gòu)置始終應(yīng)該把居住剛需和資產(chǎn)保值作為首要考慮因素，在滿足居住剛需的基礎(chǔ)上考慮自身經(jīng)濟(jì)水平與實(shí)際需要，進(jìn)一步滿足住房改善性需求。結(jié)果表明，實(shí)際值與預(yù)測(cè)值擬合程度較高，使用GM（1，1）模型對(duì)于房地產(chǎn)價(jià)格的預(yù)測(cè)具有可靠性、有效性，可以為消費(fèi)者以及房地產(chǎn)市場(chǎng)的預(yù)測(cè)分析提供參考依據(jù)。（圖2）

圖2 2022～2026年無(wú)錫市商品住宅均價(jià)預(yù)測(cè)圖

三、總結(jié)

從全局角度看，房地產(chǎn)調(diào)控對(duì)于房?jī)r(jià)的影響越來(lái)越明顯。商品住宅價(jià)格的預(yù)測(cè)以及其未來(lái)趨勢(shì)的分析對(duì)于區(qū)域經(jīng)濟(jì)的穩(wěn)健發(fā)展、居民生活質(zhì)量的逐步提升有著重要作用。作為長(zhǎng)三角地區(qū)中心城市之一，無(wú)錫近年來(lái)經(jīng)濟(jì)發(fā)展迅速，大批復(fù)合型人才的不斷引進(jìn)、學(xué)區(qū)房需求的急劇上升以及人民對(duì)于居住改善性需求的提高都進(jìn)一步加劇了樓市回暖效應(yīng)，流動(dòng)人口將成為未來(lái)城市樓房的主要購(gòu)買(mǎi)群體?；趯?duì)現(xiàn)有研究的分析，考慮未來(lái)疫情發(fā)展走向的復(fù)雜性以及當(dāng)前樓市寬松政策的相繼出臺(tái)，房地產(chǎn)價(jià)格預(yù)測(cè)對(duì)于房地產(chǎn)行業(yè)的發(fā)展具有深遠(yuǎn)意義。因此，本文選取無(wú)錫市為研究對(duì)象，構(gòu)建GM（1，1）模型對(duì)無(wú)錫市商品住宅價(jià)格進(jìn)行預(yù)測(cè)并做出分析。結(jié)果表明，未來(lái)無(wú)錫房?jī)r(jià)下跌的可能性不大，預(yù)計(jì)將延續(xù)目前的走勢(shì)，持續(xù)小幅上漲。在疫情沖擊下，我國(guó)經(jīng)濟(jì)以其頑強(qiáng)的韌勁，仍將以穩(wěn)中有升作為未來(lái)房?jī)r(jià)的主基調(diào)。然而，房地產(chǎn)行業(yè)中的供求矛盾問(wèn)題始終存在。

2021年末，中央經(jīng)濟(jì)工作會(huì)議強(qiáng)調(diào)了住宅回歸居住的本質(zhì)要求，只有探索新發(fā)展模式才能使其滿足人民對(duì)合理住房的需求，才能真正為人民生活品質(zhì)的提升做出貢獻(xiàn)?？偟膩?lái)說(shuō)，金融與投資相互依存，消費(fèi)者始終應(yīng)該針對(duì)自身居住剛需，考慮房產(chǎn)的優(yōu)質(zhì)性，包括地理位置、交通情況以及城市的發(fā)展?jié)摿?，從長(zhǎng)遠(yuǎn)的角度看待樓市發(fā)展并進(jìn)行相應(yīng)的購(gòu)置，在此基礎(chǔ)上進(jìn)一步推進(jìn)住房改善性需求的實(shí)現(xiàn)。企業(yè)也要在融資、房地產(chǎn)開(kāi)發(fā)、租賃保障等方面尋求新模式的突破。此外，在疫情發(fā)展和國(guó)際形勢(shì)相對(duì)復(fù)雜的大環(huán)境下，房地產(chǎn)市場(chǎng)應(yīng)該持續(xù)加強(qiáng)監(jiān)管力度，關(guān)注市場(chǎng)預(yù)期以及居民購(gòu)置心態(tài)，不斷修訂新政策以適應(yīng)新形勢(shì)，實(shí)現(xiàn)精準(zhǔn)施策。2021年末我國(guó)城鎮(zhèn)化率已經(jīng)達(dá)到64.72%，在提高城鎮(zhèn)化質(zhì)量的同時(shí)也應(yīng)該將目光轉(zhuǎn)向農(nóng)村建設(shè)，推動(dòng)城鄉(xiāng)一體化以縮短城鄉(xiāng)差距，進(jìn)而緩解由于住房壓力而導(dǎo)致的房?jī)r(jià)上漲。在確?！胺孔〔怀础钡幕A(chǔ)上，完善住房保障體系，助力我國(guó)房地產(chǎn)行業(yè)的健康發(fā)展和良性循環(huán)。