摘要:网络搜索数据在一定程度上代表了人们的经济行为,可以利用网络搜索数据代表消费者和房地产开发商的需求和投资预期来对房地产价格指数进行预测。基于此,利用百度指数关键词数据作为解释变量,然后利用lasso算法筛选得到最终进入模型的变量,最后利用SVR模型以二线城市——合肥市为例,对2012-2018年新建商品住宅销售价格指数进行拟合,为了验证模型的预测效果,引入SARIMA模型进行比较,得到结论:加入网络搜索数据的SVR模型的预测效果要优于仅使用历史数据的SARIMA模型;加入搜索数据后,能够比官方数据提前15-20天左右,可以对房地产市场进行实时监控。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社。
铜陵学院学报杂志, 双月刊,本刊重视学术导向,坚持科学性、学术性、先进性、创新性,刊载内容涉及的栏目:经济理论、财政金融、企业管理、皖江区域经济、文化艺术、铜文化研究、工程科技、教育教学等。于1999年经新闻总署批准的正规刊物。