基于神經網絡模型的房價預測研究

李然　章政　繆華昌

摘要：房產在我國國民經濟中占據重要地位。隨著深度學習算法發展，關于房價預測問題算法也有深入的研究。文章將調試Logistic、ReLu各隱含層函數來預測結果，并將結果綜合后判斷本模型的預測精度完成房價預測。

關鍵詞：房價預測;神經網絡;Logistic;ReLu

中國經濟實驗研究城市生活質量中心2019年報告顯示，整體上來看房地產市場仍然還是以謹慎的態度為主，且近幾年來國家住房政策的調整使得房地產行業將迎來新一輪的“洗牌”。房地產作為我國國民重要的資產項目，微觀層面在轉讓、售賣、租賃的時候有可靠的參考標準對消費者與產權擁有者意義重大。從中觀角度企業可基于房價預測判斷用多大的成本建設可獲得最高收益，能夠幫助企業做出精準的市場戰略，防止資金浪費在低投資回報率項目上導致資金鏈斷裂。宏觀角度可靠的房價預測在精準調整政策、提高政策在基層可實施性、防范系統性金融風險等方面有積極作用。

基于現狀，本文以如何構建一個新行業背景下不動產定價預測這個問題進行建模，最終輔助國民涉及房產方面的決策。數據源于kaggle官網“House Prices-Advanced Regression Techniques”。

一、神經網絡構建

Logistic函數又稱sigmoid函數源自邏輯斯蒂方程。原用以描述自然界物種無天敵的理想狀態下，物種最快增長函數。其式：

求解得到以上，式中Wij是指連接權重，xj是指輸入的特征變量，δi指神經元閾值，yi指在Logistic的激活函數下的加工后的數值。

相比sigmoid函數ReLu只需要一個閾值就可以得到激活值不必進行大量臃余計算。

式中yi指經過ReLu加工后的數據，Wij是指連接權重，xj是指輸入的特征變量，δ指神經元閾值。

Logistic和ReLu情形下神經網絡模型的構建各有特點，因此對兩結果取均值對預測精度的好處如表1所示。

二、神經網絡運行結果

用“藍鯨”軟件建模。數據累計53個提供信息的特征列參與建模，其中10列為名義型變量其余為數值型和序列型變量。名義型變量的處理方式是轉換為編碼，序列型變量的處理方式是轉換為評分形式的數值型變量。預測結果與實測結果存在誤差的原因可能是由于數據記錄時本身就存在錯誤，導致記錄數與真值存在誤差?；蚴怯捎谀Ｐ捅旧硖匦詫е碌摹Ｒ虼吮疚睦脙蓚€不同隱藏層函數跑出的結果進行加權平均。其原理為兩個模型自身的精度較好，但是存在一些異常的數值。兩組數據如果差距不大則很有可能這個結果本身是對的。如果兩組數據的差距比較大，則取其均值以平抑其錯誤的大小。結果如表2所示。

本文以對應真實房價為比較對象。并繪制了圖2橫軸為本模型結果縱軸為真實結果的平面圖。房價預測時應當存在一個區間，在該區間以內可視為有效合理定價。如果超出該區間過多將視其為噪點。圖2中的兩條箭頭線代表的是可接受合理區間上下沿分別是一個均方根誤差。RMSE=25752.16，R2=0.897648，表明預測結果與真實情況接近。

鑒于房價定價除了客觀因素影響還有個體喜好差異的因素。因此圖2中兩個雙箭頭線是個體差異導致的可接受的誤差，誤差值為一個均方誤差。

導致誤差的原因包含標準化后的數值轉回預測目標數值時較大的量綱使誤差被放大，也包含數據集本身就有錯誤數據的可能。但是從大體上來看，除去少數極端異常點多數的點落在合理區間的。其余在合理范圍邊緣的點可能是數據除噪精度低導致的。約97%的點在區間內，總體的精度較優。

三、模型仿真

為進一步驗證模型效果，參考了《中國房地產統計年鑒2006》至《中國房地產統計年鑒2020》南京市商品房平均銷售價格以及南京市統計局對應年份的統計年鑒。其中a為地區生產總值（億元）;b為地區人口總數（人）;c為城市居民人均可支配收入（元）;d為城市居民人均消費支出（元）;e為農村居民人均可支配收入（元）;f為農村居民人均生活消費支出（元）;g為商品房銷售面積（萬平米）;h為本年完成投資額（萬元）;i為商品房平均銷售價格（元/平米），數據如表3所示。

為平抑量綱對模型的影響，將數據標準化。并使用2005～2018年的數據為訓練集，2019年舍去i的數據為預測集。

最終利用以上的方法得到兩種激活函數綜合之后2019年預測結果為19472.25元/平米，誤差僅2.45%。因此本模型可用于研究近幾年我國房地產房價問題。

四、結語

本文基于神經網絡算法解決了如何在新時代背景下對房價的合理區域的預測，并結合了本模型的均方誤差給出了相應合理的區間，達到了便于消費者合理評估不動產價值、輔助房地產企業判讀是否購買某塊地區的土地建設、有利于國家對居民端房地產交易環節實施精準的宏觀調控的研究目標，為房價預測問題提供了一種新解決方式。

參考文獻：

[1]張連城，郎麗華，趙家章，王銀，郝宇彪，張自然，王鈺.城市居民生活質量“總體穩定、穩中有憂”——2019年中國35個城市生活質量報告[J].經濟學動態，2019（09）：3-17.

[2]張樨樨.房價泡沫抑制了生育率復蘇嗎？——論生育率與房價的動態因果關系[J].華東師范大學學報（哲學社會科學版），2021，53（02）：164-175+180.

[3]Nellis J G，Longbottom J A.An empirical analysis of the determination of house prices in the United Kingdom[J].Urban Studies，1981，18（01）：9-21.

[4]Baffoe-BonnieJ.The dynamic impact of macroeconomic aggregateson housing price and stock of houses：A national and regional analysis.Dordrecht：111e Journal of Real Estate Finance and Economics，1998，17（02）：179-197.

（作者單位：蘇州大學應用技術學院。章政為通信作者）