数学建模论文-住房投资分析

房地产投资分析摘要房地产业发展涉及到国计民生的众多行业，其受各种因素的多元化影响，对于房产业发展相关问题的有效研究可以对国民经济的健康可持续发展产生积极的影响。虽然国家多次进行宏观调控，多次调整利率、存款准备金率等，试图对房地产市场进行调控，但自1998年实行房改以来，我国大部分城市的房价出现了普遍持续上涨情况。一方面，房价的上涨使得新进入城市或需要购房者的生存成本大幅增加，导致许多中低收入人群买房难，其它消费也无法提升；另一方面，部分投资或投机者通过各种融资渠道买入房屋进行出租或空置，期望因房价上涨而获得超高回报，导致房价居高不下。因此，如何分析影响房地产市场的因素，从而进行有效的抑制房地产价格的过快上涨，同时能够抑制房地产市场的投机行为，是一个需要进行全面而深入研究的问题，也是普罗大众非常关心的社会问题。国家为此出台了多种政策或宏观调控措施。关键字：SPSSGM（1，1）投资风险出租贷款组合投资问题重述在缺乏可靠投资渠道的情况下，有的家庭选择利用余钱或贷款购置房屋进行投资。请根据市场房屋价格的变化情况，综合考虑家庭收入、租金收入、储蓄及贷款利率、房屋折旧率、房屋空置率等因素，建立数学模型，为家庭进行住房投资做出决策。问题分析在当前的房地产红火以及政府宏观调控的大形势下，房屋价格很难有相当明显的下跌。研究房价未来的发展趋势，是住房投资的前提。购房后对于房屋的租赁问题，有必须研究出一套利润最大化方案，确定房租价格。考虑到市场的潜在风险，需要研究出一套基于租—售的最佳时机的模型，也就是在一定时期内可以“以租养贷”，在另一时期内即有特殊情况出现时，可以将其售出，以达到尽可能规避风险和实现利润最优化。对于低收入家庭而言，如何负担第一套住房都存在一定困难，基本上可以不考虑其投资第二套住房的情况。而对于高收入家庭而言，其拥有的资产数额庞大，投资领域多样，对于风险的承受力很大，研究价值不是很明显。因此，焦点应集中于占相当比例的中等收入家庭，其资金有限，抗风险能力差，使得建立一套模型来寻求利润的最大化以及风险的最小化就显得尤为必要。同时，其购置房产往往需要借贷，而其家庭收入决定了贷款额度以及年限，更进一步决定了其买入房屋的质量、居住面积。所以，研究贷款的决策，是很必要的。在当前的房地产红火以及政府宏观调控的大形势下，房屋价格很难有相当明显的下跌，由于房屋价格等相关因素有着十分明显的地域性差异，为了使讨论更为形象和直观，本文主要以重庆市为例进行展开分析。基本可以在国内二线城市进行推广应用。模型假设（1）假设在一段时间内，房地产业在相关政策、市场供求等方面不会出现幅度十分巨大的变化。（2）假设在一段时间内，模型中所购房屋的物业费、贷款利率不会产生很大的波动。（3）假设在一段时期内，通货膨胀率对住房投资不产生影响符号说明符号说明单位A每月还贷数额元/年T贷款年限年C购房资金元贷款利率a平均年租金盈利元/年b平均年缴纳物业费元/年房屋折旧率t房屋同比价格变化指数,ztS截止第t年盈利的累计值元,ytS交纳住房贷款利息元S投资所购房屋的面积2m(0)x房屋价格元/平米x房屋租金元/平米P（x）出租率模型的建立与求解模型一：商品房销售价格与全市生产总值关系模型我们选取了房地产开发投资，商品房销售价格与全市生产总值有着密切关系的指标进行研究。我们采用多元线性回归模型利用SPSS统计软件分别对两个指标与全市生产总值进行线性回归，得到线性回归方程和相关系数。即y1=0.5819*x1+0.4181*x2-0.07R^2=0.843模型二：基于GM（1，1）对房价的预测模型GM（1，1）模型是灰色系统理论的一种预测模型，它以不确定性系统为研究对象，通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控，从而预测事物未来的发展状况。该模型是一种时间序列预测模型，它能根据少量信息建模和预测，因而得到广泛的应用。灰色系统理论预测方法主要是GM模型的建立和求解。GM模型一般对应一个微分方程，微分方程的求解形成一个预测模型的函数方程。GM（1，1）建模过程和机理如下：①设原始数据序列＝(X（0）（1），X（0）（2），…，X（0）（n）)其中，X（0）（k）≥0，k＝1，2，…，n②对X（0）做一次累加，生成数列X（1）:X（1）=(X（1）（1），X（1）（2），…，X（1）（n）)其中，X（1）（k）＝k(0)i1()xi，1，2…，n③构造数据系列B和数据向量Y：B＝，Y＝(0)(0)(0)(2)(3)()xxxn④确定参数a和b。采用最小二乘法对待定系数求解则有：a＝,Tab1TBBTBY⑤白化方程(1)dxdt+a(1)x＝b的解为：(1)()xt＝（(1)(1)x－ab）ate+ba⑥GM（1，1）模型(0)(1)()()xkazkb的时间相应列为：(1)(0)(1)(((1))),1,2,akbbxkxeknaa⑦还原值为：(0)(1)(1)(1)(1)(),1,2,xkxkxkn⑧模型精度检验：1）计算均方差比C：C＝21ss其中(0)2111(())nkSxkxn2211(())nkSkn(0)11()nkxxkn11()nkkn2）计算小误差概率p：1(|()|0.6745)pPkS统计满足式子1|()|0.6745kS（其中k=1,2,…n）的e（k）的个数,若此数为r，则rpn。对于建立的模型是否优良，一般要进行均方差检验和小概率误差检验。一般地，相对误差越小越好（因为C值小，说明残差方差小，样本方差大）。而小误差概率p越大越好（因为越大，说明残差与残差平均值之差平均值之差小于给定值0.6745S1的点越多）。对于已建立的GM（1，1）模型是否有效，一般参考精度检验表1.表1灰色系统预测精度检验等级参照表精度等级均方差比值小误差概率一级0.350.95二级0.500.80三级0.650.70四级0.800.602计算过程以2000－2010年商品价格作为依据（有重庆市统计信息网提供），对重庆市商品放价格进行预测。①建立2000－2010年重庆市商品房均价序列值：(0)X＝（1740，1831，2162，2283，2738，2539，2691，3157，3906，4126，5548）②对(0)X做一次累加，生成数列(1)X：(1)X＝（1740，3571，5733，8016，10754，13293，15894，19051，22957，27083,32631）③构造数据系列B和数据向量Y：2655.51465216874.519385112023.51B14593.5117472.51210041250201298571，18312162228327382539Y=26913157390641265548④确定参数a和b：10.1232a,1801.9TTTabBBBY⑤确定模型(1)(1)0.1232dxxdt1801.9其时间相应序列为：0.12(320)(1)((1))7644.77786928.7778akkbbxkxeaae⑥模型精度检验：1）计算均方差比C：(0)2111(())617.3423nkSxkxn2211(())135.417nkSkn(0)11()1616.2nkxxkn11()7.839nkkn210.21940.35sCs，精度为一级。2）计算小概率误差：|7.8397,120.4717,54.8854,4.4711,127.6610,331.1629,145.0528,89.2606,72.4750,23.7729|416.3945p所以，p=10.95,精度为一级。参照灰色系统预测精度检验等级（表1），灰色预测模型综合精度等级为一级，模型预测结果有效。因此，模型：(1)^0.1232(1)7644.7786928.7778kxke，可用于预测重庆市商品房价格。根据上述预测模型，计算得到2011－2015年重庆市商品房价格的预测值表（表2）。年份20112012201320142015商品房价格（元/平方米）677084801060013200164003）根据数据，用MATLAB进行拟合，图形如下所示，对比计算出来的数据，基本吻合。3预测结果分析从预测的结果可以看出，今后五年重庆市商品房价格将呈现上涨趋势。推动重庆市商品房价格持续上涨的原因主要包括需求和供给两个方面。从供给的角度看，在供应和需求一定的情况下，成本的上涨将推动房地产价格的上涨。房地产开发成本主要由地价和建筑材料价格组成，土地资源的不可再生性，决定了土地价格的总体上行趋势。受钢材、水泥等主要建筑材料价格和人工成本上涨的影响，建筑安装工程的价格也逐年上涨，直接推高了商品房价格。因此，不断提高的房地产开发成本将成为客观事实。从需求的角度看，随着城镇化水平的提高、城镇人口和城镇投资的增加、城镇居民可支配收入和流动性指标的高速增长，需求量将会持续增长。4决策：通过对以上模型的分析，投资者如果想在重庆投资住房，那就得尽快买。重庆的房价存在较大的上升空间。投资收益的利润函数：假设投资所购住房面积为S，第t年该房价格xt2/m元，需缴纳住房贷款利息,ytS，每年盈利为0,ztS，累计盈利为,ztS，房屋同比价格变化指数为t，折旧率为，每年租金盈利为a2/m元，物业费为b2/m元，则有如下关系：该房实际价格：11xttxtxt年盈利满足：0,,1,1,ztSztSztSxtxtabSytS所以，此次投资的最终利润为：1,0,tkztSxtxatbtSytS模型三：租金收益模型由需求价格弹性可知，商品价格下跌，往往导致需求量增加；相反价格上涨，则会抑制需求量甚至导致其下降。因此租金的定位，将直接关系到其成功租出的可能性（即租出率），而与出租率相对应的，是住房的空置率。房屋租出率随价格变化表每平米价位/元1418222630出租率100%92%75%32%0据重庆房产网数据统计以重庆市为例，中等质量住宅的平均出租价格x区间为218~26/m元，不妨假设出租价格214/xm元时，租出率为1；出租价格2/xm30元时，租出率为0。由此可设出租率随出租价格变化曲线近似可视为抛物线（如下图）。出租率随出租价格变化图则有此变化函数为：32y0.000260.020.441.9xxx其中x表示出租价格，px为对应的出租率。则每月出租收益期望额为：y()xfx期望由此得其每月出租收益期望额分布图如下：每月出租收益期望额随价格变化图结合x的取值区间[14,30]x以及图像发现，当220/xm元时，计算得收益期望有最大值219.75/m元，因此该房每年的最大出租收益期望值为2219.75/m12237/ma元元。模型四：购房贷款决策假设现有购房资金C万元。其选择等本金还贷方式，年限为25年，根据2011年4月6日起执行的贷款利率政策,贷款利率为6.8%，考虑到国务院新政策出台不久，忽略其影响.则有关系式：总利润=升值利润+租金利润-折旧损失-物业费-还贷利息方案一：不贷款买房（贷款金额为零）。在此情况下，其可购得房屋面积1S为：1(0)CSx其中(0)x指其购房时房屋每平米的价格。应用利润关系式，其第一年的收益为：111(1)((1)1)0zCaSCbS方案二：贷款金额为买房总