房价问题的研究数学建模论文

房价网好像就是做搜索和价格模型的，可以去看看

让我来告诉你，是 首先要采集原始数据（或者假象数据但是要有根据，符合逻辑）其次 各项政策明确其中 ：很明显 提高房贷 会限制开发 具体多少 要用数据说明例如 假设 开发商手中资金 多少 多少用来开发 多少靠贷款。。。。

这个不用做题吧，一个队三个人，一个提供idea，一个编程，另一个写论文就很简单啊，另外你的知识要丰富，个人认为运筹学、线性规划还是要学一学的，另外看到问题你不一定会，关键看你查找资料和理解问题的能力

建模论文建模论文写作指导（一）、建模论文的标准组成部分建模论文作为一种研究性学习有意义的尝试，可以锻炼学生发现问题、解决问题的能力.一般来说，建模论文的标准组成部分由论文的标题、摘要、正文、结论、参考文献等部分组成.现就每个部分做个简要的说明.1. 题目题目是给评委的第一印象，所以论文的题目一定要避免指代不清，表达不明的现象.建议将论文所涉及的模型或所用的计算方式写入题目.如“用概率方法计算商场打折与返券的实惠效应”.2. 摘要摘要是论文中重要的组成部分.摘要应该使用简练的语言叙述论文的核心观点和主要思想.如果你有一些创新的地方，一定要在摘要中说明.进一步，必须把一些数值的结果放在摘要里面，例如：“我们的最终计算得出，对于消费者来说，打折比返券的实惠率提高了23%.”摘要应该最后书写.在论文的其他部分还没有完成之前,你不应该书写摘要.因为摘要是论文的主旨和核心内容的集中体现，只有将论文全部完成且把论文的体系罗列清楚后，才可写摘要.摘要一般分三个部分.用三句话表述整篇论文的中心.第一句，用什么模型，解决什么问题.第二句，通过怎样的思路来解决问题.第三句，最后结果怎么样.当然，对于低年级的同学，也可以不写摘要.3. 正文正文是论文的核心，也是最重要的组成部分.在论文的写作中，正文应该是从“提出问题—分析问题—选择模型—建立模型—得出结论”的方式来逐渐进行的.其中，提出问题、分析问题应该是清晰简短.而选择模型和建立模型应该是目标明确、数据详实、公式合理、计算精确.在正文写作中，应尽量不要用单纯的文字表述，尽量多地结合图表和数据，尽量多地使用科学语言，这会使得论文的层次上升.4. 结论论文的结论集中表现了这篇论文的成果，可以说，只有论文的结论经得起推敲，论文才可以获得比较高的评价.结论的书写应该注意用词准确，与正文所描述或论证的现象或数据保持绝对的统一.并且一定要对结论进行自我点评，最好是能将结论推广到社会实践中去检验.5. 参考资料在论文中，如果使用了其他人的资料.必须在论文后标明引用文章的作者、应用来源等信息.以下是我找的两篇获奖论文房贷应该怎么还才合理摘要及关键词：本论文主要讨论了怎样还房贷才合理。关键词： 房贷 本金 利率 等额本金 等额本息一．问题的提出随着经济的发展，金融正越来越多的进入普通人的生活；贷款，保险，养老金和信用卡；个人住房抵押贷款是其中重要的一项。当今社会中，热度最高的话题当属“买房子”。而北京目前房价都在3、4万一平米左右，使人们不得不选择进行贷款。而去银行贷款其实也是一门学问，究竟应该怎样还房贷才合适呢？下面数据为最近公布的银行贷款利率短期贷款： 中长期贷款：六个月以内（含六个月）： 一至三年（含三年）六个月至一年（含一年） 三年至五年（含五年）五年以上二．模型的假设1.银行在贷款期利率不变2.在这段期间内不考虑经济波动的影响3.客户在还款期内还款能力不变，而且不提前还款三．模型建立符号规定A : 客户向银行贷款的本金B : 客户平均每期应还的本金C : 客户应向银行还款的总额D : 客户的利息负担总和α: 客户向银行贷款的月利率β: 客户向银行贷款的年利率m : 贷款期n : 客户总的还款期数 根据我们的日常生活常识，我们可以得到下面的关系：（1） （2） （3） 两种比较常见的还款方式（1）等额本息还款把按揭贷款的本金总额与利息总额相加，然后平均分摊到还款期限的每个月中。作为还款人，每个月还给银行固定金额。（2）等额本金还款又称利随本清、等本不等息还款法。贷款人将本金分摊到每个月内,同时付清上一交易日至本次还款日之间的利息。等额本息还款模型 （1）贷款期在1年以上：先假设银行贷给客户的本金是在某个月的1号一次到位的. 客户的合同里规定说，在本金到位后的下个月1号开始还钱，且设在还款期内年利率不变. 因为一年的年利率是β，那么，平均到一个月就是（β/12），也就是月利率α， 即有关系式： 设每月均还款总额是x（元） （i=1…n）是客户在第i期1号还款前还欠银行的金额 (i=1…n) 是客户在第i期1号还钱后欠银行的金额. 根据上面的分析，有第1期还款前欠银行的金额： 第1期还款后欠银行的金额： ……第i期还款前欠银行的金额： 第i期还款后欠银行的金额： ……第n期还款前欠银行的金额： 第n期还款后欠银行的金额： 因为第n期还款后，客户欠银行的金额就还清. 也就是说： ，即： 解方程得： 这就是月均还款总额的公式. 因此，客户总的还款总额就等于： 利息负担总和等于： 等额本金还款模型假设贷款期在1年以上.设客户第i期应付的金额为 (i=1…n) (单位：元)因此，客户第一期应付的金额为 ： 第二期应付的金额为 ： 那么，客户第n期应付的金额为 ： 累计应付的还款总额为 ：利息负担总和为 ： 四．模型求解某一个人从银行贷款100万元，贷款期限为五年，即分60次还款，贷款利率为，每次还款金额见下表： 等额本息还款 元 等额本金还款第一次 第二次 第三次 第四次 第五次 第十次 第二十次 第三十次 第四十次 第五十次 第六十次 总还款金额 117 116万贷款二十年 等额本息还款 等额本金还款第一次 第二次 第三次 第四次 9575第五次 第十次 第20次 第50次 第80次 第100次 7375第150次 第180次 第200次 第210次 第220次 4625第230次 第240次 总还款 180万 166万贷款三十年 等额本息还款 等额本金还款第一次 第二次 第三次 第四次 第五次 第十次 8125第二十次 第五十次 第一百次 6750第一百五十次 第二百次 第二百五十次 第三百次 第三百一十次 第三百二十次 第三百三十次 第三百四十次 第三百五十次 第三百六十次 总还款 229万 199万五．模型分析等额本金还款:适合目前收入较高的人群。借款人在开始还贷时，每月负担比等额本息要重。随着时间推移，还款负担便会逐渐减轻。这种还款方式相对同样期限的等额本息法，总的利息支出较低。等额本息还款法的特点是每个月归还一样的本息和，容易作出预算。还款初期利息占每月供款的大部分，随本金逐渐返还供款中本金比重增加。等额本息还款法更适用于现期收入少，预期收入将稳定或增加的借款人，或预算清晰的人士和收入稳定的人士。六．模型应用该模型可在实践中应用，每一个贷款买房者可应用这个模型，并根据自己的条件和承受能力，对各种贷款方案进行优选。ETC收费与停车收费成本比较现在面对严重的高速公路堵车问题，我们真的手足无措吗？几年前，速通公司推出了ETC不停车收费系统，这本应该能很大程度上缓解高速公路收费站拥堵的情况，但实际效果却并不理想。我们觉得 主要原因是ETC成本太高，一台机器要450元钱，于是很多人宁可花时间在路上等。其实，如果我们仔细算一下成本，便会对这个问题有更新的认识。我们的几个平均参数：车重m=，轮胎与地面摩擦系数u=，汽油热值q= J/kg，93汽油价格元/升（元/千克），发动机空转功率p= 17 kw ，热效率为23%。一般汽车在出高速时，车道一般有几辆车在排队，我们平均为5辆。每辆车交费时间平均为10s。这样每辆车在收费时启动制动5次，等待50秒。每次启动速度由0到10mph，启动距离为5米。由此我们推算；1启动时耗油，设为 ，由能量守恒得到等式 ，代入数据后得到 =。2 等待10秒时油耗， = = 所以每次汽车出高速要消耗 =119g 汽油，约合元。如果按每周走一次高速算，一年52次就是元，6年下来花在高速收费站毫无意义的油钱就是元，而这钱已经够买一台ETM机了。除去油钱，每次交费时断断续续的启动和刹车，也会对发动机和刹车片造成不小的损耗，增加额外的维修费用。还有很重要的一点是浪费的时间，每次平均要50秒，如果遇上高峰期，几公里长的车队几米几米的向前动，耽误的时间就更别提了。所以综合以上因素考虑，如果汽车在六年内经常走高速的话，使用ETC的成本是要低于停车收费的。从车主的角度考虑，汽车配备了ETC机，可以在不太高的车速下完成交费。既省下了频繁启动和等待浪费的油钱，也减少了对发动机刹车片的磨损，还省下了很多时间。从路政部门的角度考虑，如果停车收费，需要在收费站投入大量的纸张、油墨和计算机处理系统并安排相应的工作人员，收上的钱还需要汇总转移一次才能存入银行，既耗材又麻烦。如果使用ETC系统，就可以无纸化收费，无需工作人员进行处理，车主交的钱可以直接与账户挂钩，省下了很多步骤。所以从这些方面考虑，ETC系统可以降低路政部门在收费站投入的成本。从环境的角度考虑，汽车在刹车和等待时会排放大量的尾气，达正常行驶时的几倍，尤其是在高峰期收费站拥堵时，几百两几千两汽车堵在几公里路上，尾气的排量和密度是大的惊人的。使用ETC系统可以很有效地缓解收费站拥堵的情况，从而减轻汽车尾气对收费站周围环境的影响。综合以上因素，无论从车主成本、路政部门还是环境角度考虑，使用ETC系统都会起到很大的积极作用。我们在ETC系统的购买上还有两个建议，就是路政部门是不是也可以帮车主分担些费用，因为这对双方都有利；或许政府还可以出台相关政策，在汽车出厂时就配备ETC机，把这笔钱算在购车成本里，并给予相应补贴之类的。总之越多的车辆配备了ETC机，高速收费站就会越畅通望楼主采纳。。。。。。。。。。。。。。。。。。。。。很辛苦的。。

抑制房地产泡沫问题的模型设计摘要: 本文讨论了影响房地产价格的主要因素，找出了价格和其主要因素之间近似成线性关系，从而建立表示房地产价格的数学模型——多元线性回归模型，并对模型进行了全方面的论述，得出求解其中各个参数的方法，并最终求出房地产价格。建模过程中，首先用科学分析的方法，确定主要因素并对其作数学抽象，再针对各因素综合运用多种数学方法进行分析求解。第一，用概率论与数理统计的方法找出价格和各个因素之间的近似线性关系，确定模型；第二，用最小二乘法求解模型中的参数；第三，用回归分析确定模型精度及检验，从而得出一个完整的数学模型；第四，通过该模型深入分析了影响房地产价格主要因素，提出了一些政策建议，把高的开发成本降下来，同时调整供给结构。第五，根据模型及建议进行合理的预测，最后分析模型的优缺点并提出了改进方向。一 问题重述所谓房地产泡沫直的是商品房售价远远超过起实际的价值。近几年来，我国各大城市房价出现了普遍的持续上涨、高居不下的情况。房价的上涨使生活成本大幅度增加，导致许多低收入人群买房难，目前我国城镇居民的人均居住面积只有发达国家的一半左右，甚至低于不少发展中国家，居民不是没有住房需求，而是现有的货币支付能力无法使其去实现购房的愿望。尽管现在买房可以贷款，可以分期付款，但这也需要居民有相当好的收入水平，还要用好多年来供房直到中年甚至更晚才可以还清，一生中最好的时光就都交给了房子。因此如何有效地抑制价格上扬，甚至能够降低房价，是一个备受关注的社会问题。下面就就这个问题展开分析与建立数学模型，来研究如何有效的抑制房价上扬。二 基本假设影响房价的因素有许多，房屋建造成本、市场供求关系、城市经济发展、城市规模、等等。现假设房屋价格与各个因素间的关系均为线性关系，且：（1） 房屋建造成本用竣工房屋造价来代替。（2） 城市经济发展用人均GDP来表示。（3） 城市规模用建成区面积来表示。（4） 市场供求关系通过消费者的支付能力竣工房屋价格来体现，而消费者的支付能力有通过在岗职工的平均工资来衡量。（5） 房地产价格通过房屋均衡价格来表示（6） 忽略消费者偏好如有无学校、绿化率、停车位、热水供应状态、通信、房屋建筑形式等对住房价格的影响。（7） 忽略消费成本如交通费用、物业费用、停车费用等对房价的影响。（8） 忽略一些炒作对房价的影响。三 基本符号、变量和用语A：表示人均GDP序列（元）B：表示在岗职工平均工资序列（元）C：表示竣工房屋造价序列（元/㎡）D：城乡人均储蓄余额序列/元Y：住房均衡价格指标序列，均衡价格(equilibrium price)是指消费者对某种商品的需求量等于生产者所提供的该商品的供给量时的市场价格。均衡价格是由需求和供给两种力量共同决定的。它与吸纳率和交易价格有关。[1]：为随机变量；Uy,Ua,Ub,UcUd分别为Y,A,B,C,D序列的均值序列ΔY,ΔA,ΔB,ΔC,ΔD分别表示Y-Uy,A-Ua,B-Ub,C-Uc,D-Ud序列，即中心化序列：序列的方差, , , ：模型参数S(a)：为残差的平方和n ：统计城市数（样本数） R：中心化序列的协方差四 建立模型并分析一、 模型推导过程表一为我国12个主要城市住房均衡价格及其相关因素的统计表。依照此表我们可以求得各因素与住房均衡价格的相关系数进而判断各因素对房价的影响程度如表二所示。表一 12个主要城市住房均衡价格及其相关因素的统计表[1]序号 城市 住宅均衡价格指标/元/㎡ 人均GDP/元 建成面积km2 非农业人口变化率 在岗职工平均工资/元 人均住宅面积/m 城乡人均储蓄余额/元 竣工房屋造价/元/㎡1 北京 19846 488 14054 20372 天津 15976 378 11123 10613 石家庄 10425 108 7983 7674 太原 10678 177 7378 7605 呼和浩特 7489 79 7346 8666 沈阳 14989 202 8511 9787 大连 18429 234 10259 9788 长春 10261 154 8618 10879 哈尔滨 9142 165 7577 89710 上海 30805 550 16641 223211 南京 16816 194 11931 91012 杭州 19961 171 12187 1217 同时可以求得各个因素序列的平均值，见附表一附表一各个因素序列的平均值住宅均衡价格指标/元/㎡ 人均GDP/元 建成面积km2 非农业人口变化率 在岗职工平均工资/元 人均住宅面积/m 城乡人均储蓄余额/元 竣工房屋造价/元/㎡平均 15401 10300 12110. 1149表二 各因素与住房均衡价格的相关系数表人均GDP 建成面积 非农业人口变化率 在岗职工平均工资 人均住宅面积 城乡人均储蓄余额竣工房屋造价相关系数r 由表二可得，住房均衡价格与非农业人口变化率、人均住宅面积、建成面积的相关系数相对要小，所以这里我们忽略二者的影响，只考虑其他主要因素的影响，主要包括：人均GDP、在岗职工平均 工资、竣工房屋造价、城人均储蓄余额等方面通过表一我们依次做出主要因素和住房均衡价格的关系图：图1图2图3图4 由均衡房价和人均GDP、均衡房价和人均工资、均衡房价和竣工造价, 均衡房价和居民平均储蓄的关系图可以看出，均衡房价和人均GDP、人均工资、竣工造价、居民平均储蓄存在着相依的关系，很容易想到用多元线性回归模型Y= A+ B+ C+ D+…….+ 表示因变量Y,对自变量A,B,C,D…….的相依性，其中 , , , …….为参数模型特点如下：1、 A、B、C、D….为一般变量， 为随机变量；2、 Y为一般变量和随机变量的线形组合，Y序列的值既取决于A,B,C序列，又受制于 。如表三所示各序列一般假定为白噪声序列，假定其服从均值为0，方差为 的正态分布表三序号 城市 Y A B D C1 北京 19846 14054 20372 天津 15976 11123 10613 石家庄 10425 7983 7674 太原 10678 7378 7605 呼和浩特 .47 8666 沈阳 14989 8511 9787 大连 18429 10259 9788 长春 10261 8618 10879 哈尔滨 .27 89710 上海 30805 16641 223211 南京 16816 11931 91012 杭州 19961 12187 1217将其中心化后得Y-Uy= *(A-Ua)+ *(B-Ub)+ *(C-Uc)+ *(D-Ud)+ 上式即为ΔY = *ΔA + *ΔB + *ΔC + *ΔD+ 现在对模型的参数进行最小二乘法估计其中ΔY、ΔA、ΔB、ΔC、ΔD各序列（矩阵）的值见表四表四序号 城市 ΔY ΔA ΔB ΔD ΔC1 北京 天津 石家庄 太原 呼和浩特 沈阳 大连 长春 哈尔滨 上海 7668 南京 杭州 令a= ( , , , ) ,则a 的最小二乘估计，应使残差 平方和S(a)达到最小，其中S(a)= = (ΔY t- *ΔA t- *ΔB t- *ΔC - *ΔDt) ,取 S(a) =0即可得到：S(a) = 2*(ΔY t- *ΔA t- *ΔB t- *ΔCt- *ΔD)*(-ΔA t)=0---------------------------式1用Rya表示序列ΔY和ΔA的协方差，Raa表示ΔA序列的方差，Rba,表示序列ΔB和ΔA的协方差，Rca表示序列ΔC和ΔA的协方差：式1可写成：-Rya+ *Raa+ *Rba+ *Rca+ *Rda=0-----------------------------式2同理 S(a)＝o推出：-Ryb+ *Rab+ *Rbb+ *Rcb+ *Rdb =0-----------------------------式3S(a)＝0推出： -Ryc+ *Rac+ *Rbc+ *Rcc+ *Rdc =0-----------------------------式4S(a)＝0推出：-Ryd+ *Rad+ *Rbd+ *Rcd+ *Rdd=0-----------------------------式5把式2、式3，式4，式5写成矩阵相乘的形式为：* = 推求参数的公式为：= * --------------式6具体到本题中，我们运用往年的统计数据对模型中各个参数的求解。经计算得各个协方差的值为：(利用matlab软件)Raa=38730662Rba=Rab=18250255Rca=Rac=2543343Rda=Rad=25327000Rbb=8106483Rcb=Rbc=1257098Rdb=Rbd=11269000Rcc=通过矩阵运算得到 , , , 的值为：(利用matlab软件),＝把系数 , , , 代回原模型得：*()*(B-10300)+*(C-1149)+ *()+ 利用表三中的均衡房价、人均GDP、在岗职工平均工资、竣工房屋造价、城乡人均储蓄余额反推 的值，即：＝〔*()*(B-10300)+*(C-1149)+ *()〕得到的12个 值为： 表五 残差数据城市序号 残差1 平均值 图5由于 的平均值为,相对Y值来说非常小，可以近似看成是0，从而予以忽略故模型进一步化简为： *()*(B-10300)+ *(C-1149)+ *()即 Y=*()*(B-10300)+*(C-1149)+ *()+即 六 模型的优化虽然我们采用统计规律建立起了表示房地产价格的多元线形回归模型，而由此计算出来的结果从整体来看，大体趋势与实际还是比较符合的。但该模型仍然存在着很多问题。首先，影响房地产价格的因素有好多，而在建立模型时我们忽略掉了很多被认为不好似很重的因素。除了以上模型中考虑到的影响房屋价格的因素之外，还有一系列其他因素的影响：（1）房屋的结构、质量、功能、新旧程度是影响房屋价格的重要因素。由于使用不同的建筑材料，不同的施工机构、施工方法和施工技术力量而形成价格差异。（2）房屋的层数、层次和朝向。房屋有高屋，多层和低层之分，由于其所用设备、施工技术:施工机械化程度不同，各种层数、各种朝向的房屋形成一定的价格差异。（3）环境因素。房屋所处位置是在城区还是在郊区，交通便利的繁华地段还是背街小巷，交通、文化教育和社区服务设施都对房屋价格产生很大的影响。（4）国家政策。房屋价格受政策因素的影响很大，在某种情况下，政策因素往往成为房屋价格的决定因素。例如:我国在计划经济时期，实行住宅不作为商品的福利分房政策，其价格远远低于价值，严重影响了房屋的再生产。（5）还有一些人的投机心理，想利用房价上涨来捞一把，多置房，想以房屋增殖来赚取利润。以上几个因素对住宅价格都有一定的影响，但由于时间仓促和能力有限，不能对诸多因素进行一一考虑，仅考虑了影响比较大的因素。由此我们采用的是“把握主要矛盾，忽略次要矛盾”的方法，因此该模型仍然具有一种普遍性和代表性，表示了一种基本的思路和算法，在此基础上在考虑其他因素时，此方法仍然是适用的。其次，我们用来确定模型参数的样本序列仅仅有12组数据，这可以说是犯了应用统计规律的大戒，因为统计规律本来只是适用于一些大样本甚至是无穷大序列，如果在样本很小的情况下应用，结果误差会很大，甚至有时候是错误的。但我们在这里还是用了这样一个小的样本来计算，实际上只是为了说明一种计算的方法，而我们在提出该模型时也确实参考很多的数据，才将之间的个各因素确定为线性的。在计算时为了节省时间又能够说明问题，所以我们只选用了几组数据。还有就是模型中有些因素存在共线性问题，有待进一步改进。针对以模型中存在的问题，我们提出如下改进建议。（1）、对更多的城市的统计数据（样本）进行模型运算，我想精度一定会更高。（2）、综合考虑城市的各方面因素，如考虑建成面积、流动人口、交通环境等因素。（3）考虑到共线性问题，我们尽量利用相互独立的因素或利用一些其他更经典的模型。