全文总字数：4700字

1. 研究目的与意义及国内外研究现状

房地产、建筑业两大产业对江苏省的税收增长贡献度较大，合计入库数2420亿，占江苏地方税收收入超过50%，对地方税收增量贡献度超七成。但随之而来的现状就是江苏省税收收入过度依赖房地产行业，掩盖了原本市场中进出口和消费疲软的缺陷，实体经济发展情况并未有明显好转，税收收入的结构性矛盾严重。这就意味着地方政府的税收来源和社会稳定更多地依赖房地产行业的发展前景，房地产投资中的某一环一旦出现坍塌，地方政府累积多年产生的公信力将受到较大影响。而且现在人们对于发达地区的房价都有着过高的预期，很多专家都表示中国的很多城市早已透支了未来几十年的房屋消费数量，这些都使得房地产泡沫现象越来越严重。因此，找到影响房地产价格的关键因素并准确预测房地产价格走势，有助于优化江苏地区的经济发展结构和房地产行业的稳定发展，也为未来房产政策的制定指明了方向。

国内外研究现状

国内：在过去的各种研究报告中，涉及的影响房屋价格因素非常繁多，李宏博等为了探究影响重庆市房地产价格的各种因素，利用灰色关联度和回归方程建立综合模型，事实证明预测效果较好；刘洋等通过各类影响房价的因素作出的曲线图对比得出对2007~2012年南京房价走势的预测；丛苏莉利用灰色模型对小样本数据规律预测的优势和bp神经网络模型捕捉随机性数据的灵敏度去实现互相弥补，从而更加准确和全面地预测房产价格的走向；刘彩云利用原先小波元神经网络结构较好抵御异常和错误数据的能力，对gm(1,n)模型利用影响我国房价各因素得到的预测值进行优化处理，再利用马尔科夫链对结果进行区间化处理，使得预测结果更加准确合理；赵怡爽首先利用因子分析法对12个影响房价的因素进行分析提取得到两个关键因子，再根据层次分析法对选取的指标因子计算加权得分，结果显示我国房价在2009年左右还会保持上升趋势。许芳利用2005~2011年影响房价6个因素的数据对2011年房价进行预测，结果证明2011年房价上涨且涨幅略有降低，提出希望重庆市政府能够加大对保障贫困家庭住房的投入，致力于改善人民生活，从而稳定房屋价格，避免恶意哄抬房价对社会造成较大危害；孙爱荣先利用gm(1,1)模型预测1999~2007年房地产价格指数，再通过matlab构造bp神经网络模型对2006、2007年灰色系统预测值进行修正，结果显示系统模型的检验精度较高。

国外：guo zhong huang将灰色模型与ahp结合构建施工安全等级模型，其中等级灰类主要由区间层次分析法决定，新构成模型能够较好反映施工时安全状况。cao y结合贝叶斯跟灰色模型去分析复杂系统状态，将其应用到飞机液压系统中，表明该模型对于不确定性情况估计的有效性。s liu希望预测出有效输出，于是结合gm(1,n)和dea模型预测；wang x用灰色预测模型模拟出整个上海市的电力需求量；xie n m利用灰色预测模型和马尔科夫链预测2015~2020年中国能源需求量和自给自足率，有助于解决中国能源结构不合理问题和提高能源利用效率；dang y利用灰色多变量模型预测江苏总的电量需求量。

2. 研究的基本内容

本文结合上述文章选取江苏省的生产总值、城镇居民人均可支配收入、房地产开发投资额、房屋建筑竣工面积、城镇人均住房面积、商品房销售面积、农村居民人均纯收入、城市化水平、总人口9个指标，再选择各指标对应的合适数据，并使用灰色GM(1,N)模型预测2019年江苏省房屋均价。

3. 实施方案、进度安排及预期效果

3月将文章开题报告和大概框架完成

4月进行小范围查重和修改

4月中旬经过预答辩和面见导师后进行最后修改

4. 参考文献

[1]张凡.基于改进灰关联度的金融服务业竞争力评价[j].经济问题,2015(04):62-65.

[2]尹小剑.对外直接投资与产业结构优化的灰关联分析与趋势预测——来自中国fdi行业数据的证据[j].世界经济与政治论坛,2010(05):13-25.

[3]王先庆,李博,郑建.基于灰色关联-网络层次分析模型的水资源安全综合评价[j/ol].南水北调与水利科技:1-9[2019-04-24].http://kns.cnki.net/kcms/detail/13.1334.tv.20190419.1616.010.html.