基于神经网络与时间序列分析的房价波动预测研究的中期报告.docx

基于神经网络与时间序列分析的房价波动预测研究的中期报告
一、研究背景及意义
随着我国经济的不断发展，房地产市场也逐步成为了我国经济发展的重要支柱之一。然而在房地产市场中，房价的波动十分频繁且波动幅度较大，很多人都希望能准确地预测未来房价的波动情况以利于投资和决策。因此，基于神经网络与时间序列分析的房价波动预测研究具有非常重要的实践意义。
二、研究进展情况
1.数据收集和预处理。
本研究选取的数据是从不同地区、不同时间段的房价指数数据库中收集得到的，数据包括每月的房价指数、地区经济发展指标、季节性因素等。在进行神经网络分析之前，我们先对数据进行了预处理操作，包括数据去趋势、去季节性、标准化等操作。并且我们对数据进行了分析，发现其具有一定的非线性和非平稳性。
2.基于时间序列分析的房价预测模型建立。
本研究采用ARIMA模型和VAR模型来建立基于时间序列分析的房价预测模型。在ARIMA模型中，我们通过对数据进行ADF单位根检验、自相关函数和偏自相关函数分析、白噪声检验等，确定了ARIMA模型的阶数（p,d,q）。在VAR模型中，我们利用Granger因果检验等方法，确定了VAR模型的阶数，并选择合适的变量。
3.基于神经网络的房价预测模型建立。
本研究采用RNN模型来建立基于神经网络的房价预测模型，其中RNN模型包括LSTM和GRU两种结构。对于神经网络模型的训练，我们采用了遗传算法和反向传播算法进行优化，使预测效果更加准确。
四、研究展望
目前，本研究已经完成了数据的收集与预处理、时间序列和神经网络模型的建立等工作。下一步，我们将进行模型的训练和测试，并评估预测模型的效果。此外，我们还将探讨降维算法等方法，以更好地提高预测模型的预测精度。