王 洋，王 詠

（四川交通職業(yè)技術(shù)學(xué)院公共課教學(xué)部，四川成都611130）

基于組合預(yù)測(cè)模型在成都市房?jī)r(jià)預(yù)測(cè)中的應(yīng)用研究

王 洋，王 詠

（四川交通職業(yè)技術(shù)學(xué)院公共課教學(xué)部，四川成都611130）

建立誘導(dǎo)有序加權(quán)平均組合預(yù)測(cè)模型，借助它對(duì)成都市商品房?jī)r(jià)格進(jìn)行預(yù)測(cè)。通過(guò)三個(gè)誤差指標(biāo)值的比較，證明了這種方法的合理性，從而為成都市政府宏觀調(diào)控商品房?jī)r(jià)格提供政策性依據(jù)。

多元線性回歸；三次平滑指數(shù)；GM（1，1）；IOWA算子；房均價(jià)

組合預(yù)測(cè)是將不同預(yù)測(cè)方法或預(yù)測(cè)模型組合起來(lái)形成一種新的預(yù)測(cè)方法。組合預(yù)測(cè)模型具有較高的預(yù)測(cè)精度，組合預(yù)測(cè)方法不劣于參與組合的諸預(yù)測(cè)方法的最優(yōu)者，并且隨著參與組合的預(yù)測(cè)方法數(shù)目的增多，會(huì)不斷提高預(yù)測(cè)的精度［1］。

1 IOWA組合預(yù)測(cè)

設(shè)＜v1，a1＞，＜v2，a2＞，…，＜vm，am＞為m個(gè)二維數(shù)組，令

則稱函數(shù)FW是由v1，v2，…，vm所產(chǎn)生的m維誘導(dǎo)有序加權(quán)平均算子，簡(jiǎn)記為IOWA算子［2-3］，vi稱為ai的誘導(dǎo)值，其中v-index（i）是v1，v2，…，vm中按從大到小的順序排列的第i個(gè)大的數(shù)的下標(biāo)，W=（w1，w2，…，wm）T是OWA的加權(quán)向量，滿足

1.1 IOWA組合預(yù)測(cè)模型

（1）求出最優(yōu)權(quán)系數(shù)。新的誘導(dǎo)有序加權(quán)平均組合預(yù)測(cè)模型可表示為

1.2 實(shí)例分析

商品房銷售價(jià)格是通過(guò)觀測(cè)年度內(nèi)商品房的銷售額與銷售面積換算而得到的，其計(jì)算公式：商品房銷售價(jià)格=商品房銷售總額/商品房銷售總面積。采用MATLAB進(jìn)行計(jì)算，對(duì)成都市2015-2017年的商品房?jī)r(jià)格進(jìn)行預(yù)測(cè)。

1.2.1 數(shù)據(jù)

統(tǒng)計(jì)數(shù)據(jù)來(lái)源于四川省統(tǒng)計(jì)年鑒，如表1所示。

表1 成都市2005-2014年商品房?jī)r(jià)格 元/m2

1.2.2 三種單項(xiàng)預(yù)測(cè)模型

（1）多元線性回歸模型。設(shè)定x1代表成都市國(guó)內(nèi)生產(chǎn)總值，x2代表人均可支配收入。

多元線性回歸預(yù)測(cè)模型為

（2）三次平滑指數(shù)模型［4］。通過(guò)MATLAB計(jì)算，取α=0.4，當(dāng)T=10時(shí)的預(yù)測(cè)模型為

預(yù)測(cè)2015年、2016年、2017年的成都市商品房?jī)r(jià)格為

（3）灰色GM（1,1）模型［5-6］。通過(guò)MATLAB編程得到GM（1，1）預(yù)測(cè)模型為

1.2.3 IOWA組合預(yù)測(cè)模型

最優(yōu)化模型為

通過(guò)計(jì)算，IOWA組合預(yù)測(cè)模型的最優(yōu)權(quán)系數(shù)為

w1=1，w2=0，w3=0。

預(yù)測(cè)結(jié)果見(jiàn)表2。

表2 IOWA組合預(yù)測(cè)值 元/m2

1.2.4 結(jié)論

本文選擇如下三個(gè)誤差指標(biāo)用來(lái)評(píng)價(jià)模型的預(yù)測(cè)效果：

分別計(jì)算三種單項(xiàng)預(yù)測(cè)模型以及IOWA組合預(yù)測(cè)模型對(duì)成都市商品房?jī)r(jià)格的預(yù)測(cè)誤差，結(jié)果見(jiàn)表3。

表3 預(yù)測(cè)效果評(píng)價(jià)指標(biāo)

從表3可以看出，三種單項(xiàng)預(yù)測(cè)模型對(duì)成都市商品房?jī)r(jià)格預(yù)測(cè)誤差指標(biāo)值均明顯高于IOWA組合預(yù)測(cè)的三個(gè)誤差指標(biāo)值，從而表明本文提出的IOWA組合預(yù)測(cè)方法能夠有效地提高預(yù)測(cè)精度。

2 結(jié)語(yǔ)

本文通過(guò)引進(jìn)誘導(dǎo)有序加權(quán)平均算子，從而建立IOWA組合預(yù)測(cè)模型，最后對(duì)成都市商品房?jī)r(jià)格進(jìn)行預(yù)測(cè)，通過(guò)對(duì)商品房?jī)r(jià)格預(yù)測(cè)結(jié)果的分析，說(shuō)明這種方法具有一定的實(shí)際意義，能夠?yàn)槌啥际姓暧^調(diào)控商品房?jī)r(jià)格提供政策性依據(jù)。

［1］唐小我.現(xiàn)代組合預(yù)測(cè)和組合投資決策方法及應(yīng)用［M］.北京:科學(xué)出版社,2003:27.

［2］陳華友.基于IOWA算子的組合預(yù)測(cè)［J］.預(yù)測(cè),2003（6）:61-65.

［3］陳華友.IOWA算子的組合預(yù)測(cè)模型及在所得稅預(yù)測(cè)中的應(yīng)用［C］//第三屆不確定系統(tǒng)年會(huì)論文集.香港:Globe-Link出版社,2005:473-483.

［4］潘紅宇.時(shí)間序列分析［M］.北京：對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社,2006:39-42.

［5］李敏,王洋.基于灰色系統(tǒng)理論對(duì)成都市房?jī)r(jià)預(yù)測(cè)分析［J］.云南民族大學(xué)學(xué)報(bào),2013（6）:441-443.

［6］鄧聚龍.灰理論基礎(chǔ)［M］.武漢:華中科技大學(xué)出版社,2002.

【責(zé)任編輯：王桂珍 foshanwgzh@163.com】

The research about combined forecasting model applied in house prices in Chengdu

WANG Yang,WANG Yong
（Department of Public Teaching,Sichuan Vocationaland Technical College of Communications, Chengdu 611130,China）

The new combined forecasting model based on induced ordered weighted averaging operator is established,using it for forecast commercial housing prices of Chengdu.Through the comparison of three errors respectively,explains the rationality of the method.Thus provides policy basis for the Chengdu government macro-control realestate prices.

multiple linear regression;three timesexponentialsmoothing;GM（1,1）;IOWA operator;house price

F293.3

A

2016-10-24

四川高等職業(yè)教育研究中心資助項(xiàng)目（GZY17C69）；四川交通職業(yè)技術(shù)學(xué)院校級(jí)教改項(xiàng)目（2016-JG-12）

王 洋（1985-），男，安徽淮南人，四川交通職業(yè)技術(shù)學(xué)院講師，成都理工大學(xué)在讀博士生。

1008-0171（2017）04-0028-03