房地产建模自己写的.doc

课程论文成绩： 评语： 任课教师签字： 年 月 日 房地产行业的数学建模方法【摘要】房地产行业既是国民经济的支柱产业之一，又是与人民生活密切相关的行业之一，随着我国房地产市场的不断发展与壮大，房地产交易案例的急剧增加，房地产估价在人们的生活、工作中已成为不可缺少的一项专业性、技术性工作，并且国家实行了房地产估价制度。如何运用合适模型对房地产价格的形成，演化机理，价格评估及如何有效地抑制价格上扬等已成为摆在我们面前的问题该系统的状态和发展对国民经济的整个态势和全国人民的生活水平影响很大。所以本文来研究房地产行业的各个模型，包括住房需求模型，住房供给模型，房地产行业与国民经济其他行业关系模型，对我国房地产行业态势分析模型，房地产行业可持续发展模型，房价模型，并利用模型进行分析，量化研究该行业当前的态势、未来的趋势，模拟房地产行业经济调控策略的成效。【关键词】房地产，房价因素，住房供给，房产的可持续发展，房地产的影响因素一 问题说明近几年来，我国各大城市的房价出现了普遍持续高涨、高居不下的现象。房价的上涨使生活成本大副增加，导致许多中低收入人群买房难。因此如何有效的抑制房地产价格上涨，是一个备受关注的社会问题, 随着中国综合实力的不断发展，人们的生活质量在逐步的提高，同时民生的问题也显得愈发的重要，而房价问题事关国计民生，对国家经济发展和社会稳定有着重大的影响，因此一直是各国政府大力关注的问题。今年以来房价终于有了一点程度的回落。房地产行业的影响可以从政策层面、心理层面和资金层面等因素来考虑，定性分析多于定量分析。显然从定量角度把握各指标之间的数量关系、依据较为准确的预见对房地产行业进行有效地调控、深刻认识房地产行业的经济规律进而实现可持续发展是解决问题的有效途径。因此通过建立数学模型研究我国房地产问题是一个值得探索的方向。现在我们要建立一下的一些模型1 住房需求模型；2 住房供给模型；3 房地产行业与国民经济其他行业关系模型；4 对我国房地产行业态势分析模型；5 房地产行业可持续发展模型；6 房价模型等。二 住房需求模型的建立住房需求模型，我们认为多个角度进行考虑，首先是住房的分类，大致可以由低到高分为经济适用房，普通住房（位置较偏），中心住房（高档住房），别墅四种类型，可以对以上四种类型进行单独分析，看看它们适合于那些人群。由于2011-2012即未来的几年间，政府大力提倡经济适用房，所以宏观调控也是一个很重要的方式，再我们要定量与定性同时进行分析。首先我们假设四类住房，然后可以对那些人群按照工资水平进行分类，采取2进制，1代表客观上能买得起，0代表客观上买不起，假设A城市经济适用房均价为2500元每平方米以下，普通住房均价为2500-4500元，高档住房为4500-8000元，别墅为8000元以上，经济适用房和普通住房按80平方米计算，高档住房为120平方米，别墅按250平方米，注意以上只是建立一个模型的数据假设，具体应用时应当采取当地政府部门给出的相应价格房产的平均面积啊以此来计算。另外按人群分类（注意此处应该按照首次购房计算因为现在很多人购房都不是一次付清，而是首付一定比例a后再分期），所以这里的客观上能买得起是指人们的可支配收入w大于贷款后每个月所需要换的费用w1和基本消费费用之和w2。然后分析以前几年的人们对于各种房产的购买能力，可以利用最小二乘法和方差分析等方法来进行曲线拟合，可以列出四个曲线，用来预测今后的房产需求。住宅市场需求影响因素包括经济性和社会性两类影响因素，具体可以归纳为17个因素 表 住宅市场需求影响因素经济性因素社会性因素可以量化及统计的变量1、居民收入水平1、人口数量和人口结构1、GDP （）2、居民消费水平2、人口自然增长率2、人均住房支出 （）3、住房消费倾向3、人口的机械变化率3、市区人口总量 （）4、房价水平4、城市家庭总户数4、职工平均工资 （）5、利 率5、城市化水平5、住宅平均售价 （）6、经济发展速度和水平6、人均居住面积6、人均居住面积 （）7、恩格尔系数7、观念和审美7、市场实际利率 （）8、土地价格8、住房政策8、年末家庭总户数 （）9、住房租金9、人均可支配收入 （）灰色关联度分析是灰色系统理论提出的一种系统分析的新方法，这种方法可以根据因素之间发展的态势来衡量因素相关关系，因此，对样本大小没有过多的要求，通过量化分析，能够揭示事物动态相关的特征与程度。绝对关联度计算（过程略），计算结果如下：=0.6262，=0.6789，=0.5829，=0.5090，=0.5605，=0.5150，=0.5002，=0.5465，=0.5157相对关联度计算（过程略），计算结果如下：0.6186，0.5145，0.5635，0.6891，0.9479，0.7307，0.5654，0.5942，0.7237，灰色综合关联度计算结果如下0.6224，0.5967，0.5732，0.5991，0.7542，0.6228，0.5328，0.5703，0.6197由上面的计算结果，可知综合关联度由大到小的排列顺序为：通过各影响因素的综合关联度值，可以看出，房价（）是影响住宅需求的最主要因素；其次是人均居住面积（）；而其又和GDP（）、人均可支配收入（）、职工平均工资（）、人均住房支出（）等经济性因素紧密相关；市区人口总量 （）、年末家庭总户数（）和市场实际利率（）对住宅市场需求的影响不明显。三住房供给模型住房供给模型可以参照前几年的当地政府给出的各开发商每年新建楼房的房价进行分析。可以参照以上给出的模型进行分类，也是可以按照4种方式来分别对这几种方式进行曲线拟合，一般这种函数大约拟合于高斯函数，服从正态分布，所以可以列出函数后，对其进行参数估计，这里的参数有数量的期望和方差，结合数据可以很快的得到模型，然后通过此模型可以很好的对未来进行预测。四. 房地产行业与国民经济其他行业关系模型国民经济与很多因素息息相关，所以说其他行业的发展也会在一定程度上影响房地产的发展，但这只能定性分析，要想建立具体的模型还是比较困难。但是我们要可以从几个方面进行分析，比如说具体到一个城市的话，新开发楼盘所在的地方周围空气污染怎样，服务业的发展怎样，可以用这些来定义几个变量，以服务业最发达的地方，将其的服务业指数定义为1，其余地方一次下降，总之服务业指数在0和1之间，另外其他的指数也可以应用比如空气污染指数挂钩的工业系数，等一系列参数。可以建立一个多元函数，应用数理统计的知识将该地方（类似参数的集合）的均价与其他产业指数进行相关性分析，应该可以很容易得到结果。五对我国房地产行业态势分析模型；房地产行业可持续发展模型关于以上模型，因为对房地产也不太了解，态势分析，在限房令出台之后，各地房价都有回落趋势，购房者也持币观望，要建立模型的话，应该是根据各种的政策作为一个因子，检测当该因子出现前后对房价的影响或者几个因子复合出现时对房价的影响，建立函数后，可以对其进行方差分析以及实验设计。至于可持续发展，应该和以上的类似，采取原料等能耗方面的数据，对比之后，拟合出一条曲线，也可以应用三次样条函数进行拟合，对拟合后的曲线分析其今后的走势。六房价模型首先要找出影响房价的主要原因，然后根据这些因素建立一个城市房价的数学模型。同时，根据得出的结论分析我国具有代表性的几类城市对房价的合理性及房价的未来走势等问题。同时根据分析结果，进一步探讨使得房价合理的具体措施，以及可能对经济发展产生的影响，并进行定量分析.。然后查找各主导因素间的变化关系，确立变量，从而建立模型。我们可以确定的是房地产业红火发展的关键是社会经济的各项指标综合决定的，社会经济指标的发展是地产业持续发展的推动力。由此，我们分析相关数据的目的是要得出几条对房地产业影响较大的社会经济指标，从而为继续研究奠定好基石。我们根据以上分析，大致得出以下几条对房价的影响产生主导作用的因素：建造成本，市场供求，土地成本、各种税费以及当地居民人均可支配收入收入等。根据题目可知房地产经济学认为影响房地产行业的因素一般可以分为一般因素、区域因素。一般因素是一般的、普遍的、共同的因素，包括经济因素、社会因素、行政因素、心理因素。经济因素如：(1)经济发展因素 (2)财政金融因素如货币政策等 (3)产业结构因素。社会因素如：(1)人口因素（人口数量、人口密度、人口素质）(2)家庭规模因素 (3)房地产投机因素（即可能促进上涨和下跌，也可能抑制上涨和下跌）(4)教育科研水平和治安因素 (5)社会福利因素行政因素如：(1)土地使用制度与住房制度、地价政策 (2)城市规划、土地利用规划、城市发展战略 (3)税收制度、投资倾斜、优惠政策 (4)行政隶属关系变更 (5)交通管制区域因素是某一特定区域内的自然条件与社会、经济、行政、技术因素等产生的区域性特征，包括商服繁华因素、交通便捷因素、城市设施状况因素、环境因素。在了解了这些因素之后，因为这个模型基本已经趋于成熟，所以我们做出以下假设：在所调查城市中，由于各类房价差异很大，而对于大多数市民来说，关 心最多的应该就是普通住房的价格，因此我们选此城市的普通住房价格，来作为这次调查的代表进行分析。因为其他三种住房普遍性不如这种好，我们也只建立这一个模型，其他三个类似。由房屋自身因素和环境因素组成的非市场因素在总影响中所占比重小，且相对较稳定，为了减小模型的复杂程度，所以暂时不考虑其对房价涨落的影响。市场因素是房价的主要决定因素，其中主要包括政治因素、经济因素、行政因素和社会因素。目前的中国，社会局势相对稳定，故政治因素的影响便可以忽略，至于社会因素因为各个地方情况不同而且我们也不是很了解，所以无法考虑。其中经济因素中的土地成本和人们的收入水平是目前的主导因素，在行政因素中主要是国家地区通过宏观调控调节税率来，达到影响房价的目的。按国家的规定营业税为商品房售价的 5%，土地交易契税税率为 3%，设定土地贷款年利率为 5.4%相应贷款年限设为两年。房地产商对利益的追求即利润是形成房价的一个主观原因。在地价指数中，利润被设定为商品房售价的 10%。此时没有考率分期付款的情况，也是为了减轻模型的复杂程度。g 地价指数（%），G 地价（元/平方米土地面积），h 房价指数，H 房价(元/平方米建筑面积)，R 营业税（%），C 综合成本（元/平方米），S 利润（元），V 容积率（%），Q 土地交易契税税率（%），T 土地贷款年利率（%），t 贷款年限（年），x 人均可支配收入（元）。地价指数关系为：g=（H-R-C-S）*V/（1+Q+T*t）(1)式中，=666.67/100000；由(1)式 g=H1-R-C-S*V/1+Q+T*t 按国家的相关规定可知，我们可以假设某年 Q=H*3%，T=H*5.4%，t=2，故（1）式中分母为一常数，设其为，另假设 A=/；R=H*5%；S=H*10%；V=1；假设普通住房成本1500到2500元，假设其为 2000。可得：H1=（A/V*g）+S+C+R(2)以上我们可以根据相应的数据求出低价和低价指数的关系。另外人均收入与房价的关系也是可以求出，进行曲线拟合即可。在这里我们也是只建立了房价的最基本模型。七结束语首先我们只建立了一个模型，其余模型由于参数不好确定，只能从原理上来分析，而不能真的建立拟合曲线。并且我们建立起来的这个表示房地产价格的模型从整体来看，大体趋势与实际还是比较符合的，但该模型仍然存在着很多问题。首先，影响房地产价格的因素有好多，而在建立模型时我们忽略掉了很多的因素。除了以上模型中考虑到的影响房屋价格的因素之外，还有一系列其他因素的影响：（1） 房屋的结构、质量、功能、新旧程度是影响房屋价格的重要因素。由于使用不同的建筑材料，不同的施工机构、施工方法和施工技术力量而形成价格差异。（2） 环境因素。房屋所处位置是在城区还是在郊区，交通便利的繁华地段还是背街小巷，交通、文化教育和社区服务设施都对房屋价格产生很大的影响。（3）还有一些人的投机心理，想利用房价上涨来捞一把，多置房，想以房屋增殖来赚取利润。以上几个因素对住宅价格都有一定的影响，但由于时间仓促和能力有限，不能对诸多因素进行一一考虑，仅考虑了影响比较大的因素。表示了一种基本的思路和算法，在此基础上在考虑其他因素时，此方法仍然是适用的。其次，我们只是确定模型参数，如而没有计算。在样本很小的情况下应用，结果误差会很大，甚至有时候是错误的。我们在这里还是用了这样的想法，实际上只是为了说明一种计算的方法，而我们在提出该模型时也确实参考很多的数据。通常人们可以通过事物外界的一些特征来了解其内部的运行机制，但当人们在对诸如社会系统、农业系统等时，人们无法建立客观的物理原型，其作用原理也就不明确。而且内部因素难以识别