房價預(yù)測論文（設(shè)計）

《房價預(yù)測論文（設(shè)計）》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在工程資料-天天文庫。

1、論文（設(shè)計）題目房價預(yù)測軟件環(huán)境開發(fā)語言硬件環(huán)境項目要求主要要求：交付日期其他說明數(shù)據(jù):年份平均房價（元/nV）20011872200219752003209620042868200532192006367820074276200848572010593720116675時間序列分析1一般概念：系統(tǒng)中某一變量的觀測值按吋間順序（吋間間隔相同）排列成一個數(shù)值序列，展示研究對象在一定時期內(nèi)的變動過程，從中尋找和分析事物的變化特征、發(fā)展趨勢和規(guī)律。它是系統(tǒng)中某一變量受其它各種因素影響的總結(jié)果。研究實質(zhì)：通過處理

2、預(yù)測目標(biāo)本身的時間序列數(shù)據(jù)，獲得事物隨時間過程的演變特性與規(guī)律，進(jìn)而預(yù)測事物的未來發(fā)展。它不研究事物之I可相互依存的因果關(guān)系。假設(shè)基礎(chǔ)：慣性原則。即在一定條件下，被預(yù)測事物的過去變化趨勢會延續(xù)到未來。暗示著歷史數(shù)據(jù)存在著某些信息，利用它們可以解釋與預(yù)測時間序列的現(xiàn)在和未來。近大遠(yuǎn)小原理（時間越近的數(shù)據(jù)影響力越大）和無季節(jié)性、無趨勢性、線性、常數(shù)方差等。⑷研究意義：許多經(jīng)濟(jì)、金融、商業(yè)等方而的數(shù)據(jù)都是時間序列數(shù)據(jù)。時間序列的預(yù)測和評估技術(shù)相對完善，其預(yù)測情景相對明確。尤其關(guān)注預(yù)測目標(biāo)可用數(shù)據(jù)的數(shù)量和質(zhì)量，即

3、時間序列的長度和預(yù)測的頻率。自回歸時間序列分析：利用前期若干時刻的隨機(jī)變量的線性組合來描述以后某時刻隨機(jī)變量的線性回歸模型。2?變動特點⑴趨勢性：某個變量隨著時間進(jìn)展或自變量變化，呈現(xiàn)一種比較緩慢而長期的持續(xù)上升、下降、停留的同性質(zhì)變動趨向，但變動幅度可能不等。⑵周期性:某因素由于外部影響隨著自然季節(jié)的交替出現(xiàn)高峰與低谷的規(guī)律。⑶隨機(jī)性：個別為隨機(jī)變動，整體呈統(tǒng)計規(guī)律。⑷綜合性：實際變化情況一般是幾種變動的疊加或組合。預(yù)測時一般設(shè)法過濾除去不規(guī)則變動，突出反映趨勢性和周期性變動。3.特征識別認(rèn)識吋間序列所

4、具有的變動特征，以便在系統(tǒng)預(yù)測時選擇采用不同的方法。⑴隨機(jī)性：均勻分布、無規(guī)則分布，可能符合某統(tǒng)計分布。（用因變量的散點圖和直方圖及其包含的正態(tài)分布檢驗隨機(jī)性，大多數(shù)服從正態(tài)分布。）⑵平穩(wěn)性：樣本序列的自相關(guān)函數(shù)在某一固定水平線附近擺動，即方差和數(shù)學(xué)期望穩(wěn)定為常數(shù)。樣本序列的自相關(guān)函數(shù)只是時間間隔的函數(shù)，與時間起點無關(guān)。其具有對稱性，能反映平穩(wěn)序列的周期性變化。實際上，預(yù)測模型大都難以滿足這些條件，現(xiàn)實的經(jīng)濟(jì)、金融、商業(yè)等序列都是非穩(wěn)定的，但通過數(shù)據(jù)處理可以變換為平穩(wěn)的。4?預(yù)測類型⑴點預(yù)測：確定唯一的最

5、好預(yù)測數(shù)值，其給出了吋間序列未來發(fā)展趨勢的一個簡單、亡接的結(jié)果。但常產(chǎn)生一個非零的預(yù)測誤差，其不確定程度為點預(yù)測值的置信區(qū)間。⑵區(qū)間預(yù)測：未來預(yù)測值的一個區(qū)間，即期望序列的實際值以某一概率落入該區(qū)間范圍內(nèi)。區(qū)間的長度傳遞了預(yù)測不確定性的程度，區(qū)間的中點為點預(yù)測值。⑶密度預(yù)測:序列未來預(yù)測值的一個完整的概率分布。根據(jù)密度預(yù)測,可建立任意置信水平的區(qū)間預(yù)測，但需要額外的假設(shè)和涉及復(fù)雜的計算方法。5.基本步驟⑴分析數(shù)據(jù)序列的變化特征。⑵選擇模型形式和參數(shù)檢驗。⑶利用模型進(jìn)行趨勢預(yù)測。⑷評估預(yù)測結(jié)果并修正模型。自

6、回歸AR（p）模型（R：模型的名稱P：模型的參數(shù)）（自己影響自己，但可能存在誤差，誤差即沒有考慮到的因素）模型形式（Et越小越好，但不能為0：￡為0表示只受以前Y的歷史的影響不受其他因素影響）yt=4)1yt-i+(j)2yt-2+……+%yt-p+￡t二①X+E,其中①二[札4>2.../4>p]/E=[eP+1/ep+2，…,環(huán)]式中假設(shè)：％的變化主要與時間序列的歷史數(shù)據(jù)有關(guān)，與其它因素?zé)o關(guān)；j不同時刻互不相關(guān)，?與％歷史序列不相關(guān)。式中符號：p模型的階次，滯后的時間周期，通過實驗和參數(shù)確定；%當(dāng)前預(yù)

7、測值，與自身過去觀測值y“、…、y“是同一序列不同時刻的隨機(jī)變量，相互間有線性關(guān)系，也反映時間滯后關(guān)系；y“、yt?2、……、*p同一平穩(wěn)序列過去P個時期的觀測值；61、。2、……、Gp自回歸系數(shù)，通過計算得岀的權(quán)數(shù)，表達(dá)％依賴于過去的程度，且這種依賴關(guān)系恒定不變第一步：先利用AIC準(zhǔn)則計算出模型的階次p我們進(jìn)行模型選擇時，AIC值越小越好。例如，可以通過選擇最小AIC值來確定一個滯后分布的長度。AIC準(zhǔn)則是赤池信息準(zhǔn)則，該項準(zhǔn)則運用下式的統(tǒng)計量評價模型的好壞：AIC(p)=Nina2+2p,P是被估計的

8、參數(shù)個數(shù)，N是樣本總個數(shù)，AIC的準(zhǔn)則要求其越小越好。AIC準(zhǔn)則中第一次是衡量模型對原始數(shù)據(jù)的擬合程度，第二次是考慮模型待估參數(shù)的個數(shù)，可避免選擇過多參數(shù)，使AIC準(zhǔn)則達(dá)到最小的模型是最佳的。因此AIC和修正的決定系數(shù)類似，在評價模型是兼顧了簡潔性和精確性。（/）={xTxyxX17o-2=（y-x*^）r*（y-x*^）/（A^-/?）通過matlab軟件進(jìn)行AIC值的計算。分別計算p=l,2/3,4,5時的AIC值,可得下