下载文档原格式
一、问题重述1.1背景分析自1998年我国实行住房改革以来，房地产行业已经逐渐成长为拉动中国经济增长的龙头产业。
近几年在国家积极的财政政策刺激下，我国房地产市场处于不断发展阶段。
然而，与美国等发达国家住房市场进入成熟期不同，我国正处在城市化和工业化进程加速阶段，住房水平低和需求比较旺盛，这是我国住房市场快速发展的重要基础。
中国房地产一方面在快速发展之时，在总体上对经济社会的发展确实起到了促进作用；另一方面由于不规范的房的销售价格行为、地价的上升造成放的开发成本提高等因素造成房价不断上涨，严重超出了普通居民的购买能力，给其造成了巨大的购房压力。
1.2问题重述根据近几年中国上海房地产市场现状，解决以下四个问题：(1)结合对房地产的了解，收集近几年上海房地产的价格走势，预测未来三年上海房价的状况。
(2)结合对上海市近几年来房价的了解，分析并建立合理的数学模型，得出“国五条”具体怎样影响房价。
(3)综合考虑上海的CPI，结合对房价的了解，谈谈房价如何对CPI产生影响。
(4)在2012年拥有100万元人民币的前提下，写出一种合理的分配方案，用这笔钱投资到CPI中的各项因素。
二、问题分析2.1对于问题一的分析问题一要求根据近几年上海房地产的价格走势，来预测未来三年上海房价的情况。
首先，通过在《上海统计年鉴》找到上海近几年的房价, 为得到较为准确的预测，我们选取了最近十年上海的房价，因为长时间的数据能反映更多更合理的问题，不会太过片面对结果造成较大偏差。
历时十年，期间政府的宏观调控或制定的稳定物价等等措施必然会对房价造成影响，如果考虑政策措施和其他因素的影响，问题将变得非常复杂。
反而，我们可以将这些因素看作市场经济的调控，房价因受到这些因素影响而产生变化。
那么，实际呈现出来的房价变化就应该是有效的房价变化。
我们在模型的假设部分阐述了不考虑政府的政策措施对近几年房价的影响。
综合了以上分析，我们将搜集到的数据整理制成表格，绘制出年份-房价变化折线图，可以发现随着年份的增长，上海房价也在不断增长，且在一条直线周围上下波动，因此我们建立一元线性回归模型，来寻求上海房价与年份的线性关系。
房地产市场模型利用数据分析市场走势房地产市场一直以来都被认为是一个关键的经济指标，对经济发展起着重要的作用。
随着科技的不断进步，数据分析在房地产领域中的应用越来越广泛。
本文将探讨房地产市场模型如何利用数据分析市场走势，并指出数据分析在预测房地产市场趋势和制定政策方面的潜力。
一、数据采集及准备数据分析的第一步是数据采集及准备，房地产市场的数据是广泛且庞杂的。
我们需要收集各种数据，包括但不限于房价指数、销售数量、土地成交等。
这些数据可以从政府部门、地产商、相关研究机构和金融机构等多个渠道获得。
需要注意的是，数据的质量和准确性是保证分析结果准确性的基础。
二、数据清洗及整理采集到的数据往往存在一些缺失值、异常值或者错误值，因此需要对数据进行清洗和整理。
这一步主要包括去除重复数据、填补缺失值、剔除异常值、检查数据的一致性等。
数据清洗的目的是提高数据的准确性和可靠性，以便后续的分析工作。
三、特征工程在数据分析过程中，特征工程是非常关键的一步。
特征工程是指根据具体问题和数据特点，选择合适的特征并进行处理。
在房地产市场分析中，常用的特征包括房价指数、城市人口、经济增长率、利率等。
通过特征工程，我们可以提取相应的特征，并进行特征归一化、编码等处理，以便更好地进行模型建立和分析。
四、模型建立在房地产市场分析中，常用的模型包括回归模型、时间序列模型、神经网络等。
根据具体情况选择合适的模型是十分重要的。
回归模型可以用来分析房价与各种因素之间的关系，时间序列模型可以用来预测未来的房价走势，神经网络则可以用来处理复杂的非线性关系。
需要注意的是，模型的建立需要根据具体问题进行合适的调整和优化，以获得更准确的分析结果。
五、模型验证与评估在模型建立完成后，需要对模型进行验证和评估。
模型的验证是指将模型应用于新的数据集，并与实际情况进行比较，以验证模型的预测能力。
模型的评估是指对模型的性能进行评估，包括准确率、召回率、F1分数等指标。
威海房价的模型预测摘要随着全国房价的高速上升，在这几年过程，一直有关于房价拐点的争论。
在此，我们尝试对此问题做初步探讨。
首先，本文分析了许多可能影响房价的因素，并从中挑选出三个最主要的因素，即物价水平、税收、适婚人口数。
进而根据数学知识，建立了威海房价中短期预测模型，房价为Y(t)。
Y(t)=a*dS(t)/dt+b*dX(t)/dt+c*r*dm(t)/dt+N再利用数学模型，结合威海地区2004-2011房价资料，预测2012-2013年的房价。
预测得出房价大约5500元/平。
最后，根据前面得到的结果，我们预测房价拐点会在2060年左右到来，由于近几十年房价不会降，所以我们建议买房人密切关注房价走势和政府有关政策，如果有条件还是尽量买房吧，买房保值增值。
关键字：房价预测威海数学模型一问题重述全国房价一直在高速上升，在这几年过程，一直有关于房价拐点的争论。
是否楼市的拐点真的到来？影响房价的因素众多，大的方面有，国家的宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机。
而宏观调控的手段众多，如廉租房建设，经济适用房建设，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等等。
1、从影响房价的因素中挑选出最主要的因素，说明理由。
2、建立房价中短期预测模型。
3、收集威海地区2004-2011房价资料，用前面的模型预测2012-2013年的房价。
4、根据3的结果，写一个500字的报告，论证房价的拐点是否到来，并给买房的人具体意见。
二模型的基本假设1.我们收集的数据在误差允许范围内真实有效；2. 2015 年之前房地产业健康稳定发展；3.在着重讨论主要因素时，其他的次要因素对主要因素的影响可以忽略；4假设剔除材料中空缺的数据对计算结果没有影响；三符号说明四问题分析与模型准备房价是受许多因素影响的，包括国家宏观经济环境，国家的宏观调控，地方政府对宏观调控的执行力，人民的住房需求，热钱的投机，而宏观调控的手段众多，如廉租房建设，经济适用房，提高税收，打击投机，企业房贷资金紧缩，提高准备金率，不批准房地产企业上市圈钱等。
预测房价趋势的研究方法预测房价趋势是一个复杂的问题，涉及到多个因素，包括经济情况、房地产市场供需状况、政策调控等。
为了预测房价趋势，可以使用以下研究方法：1. 基于历史数据的统计分析：通过收集过去几年房价数据，并运用统计学方法，如回归分析、时间序列分析等，来预测未来的房价趋势。
这种方法可以分析历史趋势、周期性和季节性变化等因素对房价的影响。
2. 宏观经济分析：宏观经济因素对房价具有重要影响，如GDP增长率、就业率、利率、通胀率等。
通过分析宏观经济指标的变化，可以判断房价的未来走势。
例如，经济繁荣时期，人们收入增加，购买力增强，房价可能上涨；而经济衰退时期，人们购买力下降，房价可能下降。
3. 城市人口增长与供需关系分析：人口增长是影响房价的重要因素之一。
通过分析城市人口的增长趋势，结合对房屋供需关系的研究，可以预测房价的变化。
如人口流入城市增加，房屋需求增加，房价可能上涨。
4. 政策调控与市场策略分析：政府的宏观调控政策对房价有较大影响。
例如，限购政策、房贷利率等，都会对房价形成一定的影响。
通过分析政策调控的方向和力度，结合市场策略分析，可以预测房价的走势。
5. 地产市场研究：地产市场的供求关系也是影响房价的关键因素。
通过研究土地供应量、房屋建设情况、投资开发项目等因素，可以分析地产市场的供需状况，进而预测房价的变化趋势。
6. 舆情数据分析：网络舆情对于房地产市场有很大的影响。
通过分析社交媒体、新闻报道等舆情数据，可以了解市场的情绪波动和关注点，进而对房价趋势进行预测。
以上是一些常用的方法，但并不是所有的因素都可以被完全预测和控制，房价趋势也会受到一些突发事件的影响，如自然灾害、政策变动等。
因此，在进行房价趋势预测时，需要综合分析多种因素，引入多个研究方法，同时还需要及时更新数据和信息，以提高预测的准确性。
数学在房地产估值中的应用现代社会中，数学在各个领域都有着广泛的应用。
其中，在房地产行业中，数学也扮演着重要的角色，特别是在房地产估值方面。
本文将探讨数学是如何应用于房地产估值的过程中，以及其对房地产市场的影响。
一、房地产估值方法的基础房地产估值是指通过一系列的评估方法和模型，对不动产（如房屋、土地等）进行估算其价值的过程。
估值方法多种多样，但数学方法是其中最基础也是最常用的。
1.1 定价模型定价模型是房地产估值的核心工具之一，常用的有市场比较法、收益法和成本法。
这些模型都是基于数学原理构建的。
市场比较法通过对市场上类似房产的成交价格进行比较，来推测目标房地产的价值。
它需要对成交价格进行数学统计分析，计算出平均值、中位数等指标，以确定目标房地产的估值。
收益法则是考虑到房地产的未来收益潜力，通过折现计算来确定其现值。
这个计算涉及到复杂的数学公式，如净现值、内部收益率等，以及各种假设和估计。
成本法主要是根据房产的建筑成本、土地成本等来估算其价值。
在这个过程中，也需要依赖于数学计算来确定各种成本指标。
1.2 统计分析统计分析在房地产估值中也发挥着重要的作用。
通过对大量的房地产市场数据进行统计，可以获得有关市场供求状况、价格趋势、影响因素等方面的信息。
这些统计结果可以作为估值师的参考依据，从而提高房地产估值的准确性。
为了进行统计分析，必须依靠数学方法。
例如，通过计算平均数、方差、相关系数等统计指标，可以得出对市场状态和趋势的客观评价。
二、数学在房地产估值中的具体应用除了上述提到的基础方法，数学在房地产估值中还有其他具体的应用。
2.1 数据处理在房地产估值中，数据的准确性和完整性非常重要。
因此，数学能帮助我们设计有效的数据处理方法，包括数据清洗、数据转换、标准化等。
例如，在进行房地产市场调研时，需要收集各种数据，如房价、面积、位置等。
然而，这些数据常常存在不一致、错误或者缺失的情况。
通过数学方法对数据进行清洗，可以去除异常值、填补缺失值，从而得到更可靠的数据。
如何利用大数据来预测房价走势近年来，随着科技的不断进步，大数据成为了浪潮中的一股不可忽视的力量。
大数据具有高效性、准确性和极强的预测能力，可以应用于各个领域，房产行业也不例外。
那么，如何利用大数据来预测房价走势呢？首先，我们需要了解大数据对于房价的影响。
在现代社会，人们对于房价的关注程度越来越高，因此关于房价的各类信息都被汇聚在大数据中，并被广泛应用。
比如，大数据能够收集当地房价走势、房屋建设质量、人口流动等诸多信息，并对这些数据进行综合分析，进而得出更为准确的预测结果。
其次，我们需要了解如何搜集并分析大数据。
搜集大数据的方法有很多，可以利用搜索引擎抓取各大网站上的房地产信息，也可以通过大型数据爬虫程序在互联网上采集各类相关数据。
在搜集完数据后，需要利用数据处理工具进行处理与分析。
比如，我们可以运用Python编程语言对数据进行处理，对数据进行清洗、分类、转换等操作，并选择合适的算法来对房价走势进行预测。
针对房价预测这个特殊问题，我们也需要考虑到一些无法直接通过数据分析得出的因素。
比如，政策因素、经济发展、人口流动等因素都可能对房价走势产生影响，需要与数据分析相结合，基于专业人士的经验进行综合分析，以更为准确的方式来预测房价的走势。
需要指出的一点是，大数据虽然有很强的预测能力，但并不意味着它的预测一定完全准确。
事实上，房价涨跌往往受到各种因素的影响，其中许多因素并不是大数据能够测定的，因此只要能够合理利用大数据对房价走势进行分析预测，就能够给人们提供有价值的参考意见。
总的来说，大数据是一种强大的工具，利用它对房价进行预测能够帮助人们更好地了解当前房价走势，也能够为人们提供更为准确的买房建议。
虽然大数据并不是万能的，但结合人工智能技术与人类的经验，大数据一定会为我们带来更加精准、可靠的房价预测。
房价问题的数学分析及预测摘要：本文主要使用灰色系统模型通过计算影响房价的各个因素与房价之间的关联度对房价的形成进行了细致的分析。
首先，大致分析出影响房价的因素，利用《统计年鉴》等统计数据，分别得到了上海市近十年的房产均价、投资额，施工面积、贷款利率、价格指数、房屋出租量等数据；其次，利用模型求解出各因素对房价形成的影响程度，深入了解影响房价的关键因素。
建立房价与时间的函数关系式预测房价走势。
针对投机性这一特殊因素，我们利用多元回归模型建立投机度与房价、人均可支配收入、贷款利率、过去房价实际增长率之间的近似线性关系，求出投机度。
最后，通过预测未来十年的房价走势和分析房价与“二手房”房价、租金之间的关系，给出了对多数人而言买房不如租房的建议。
关键词：房价形成市场供求灰色系统投机度问题的重述与分析1.问题重述调查住房问题关系国计民生，既是经济问题，更是影响社会稳定的重要民生问题。
2000年以来我国经济发展形势一片大好，房地产开发投资规模持续增长，一级市场的土地需求量显著上升；二级市场供求形势出现逆转，商品房市场产销两旺，供需总量同步攀升。
与此同时房价增长有些过快，2005年，中央出台了一系列房地产的调控政策，对促进房地产市场的稳定发展起到了积极作用，房价过快的势头得到了抑制，房地产开发投资增幅稳定回落。
2008年受国际金融危机的影响，部分购房需求受到抑制，2009年在国家税收、土地控政策的作用下，一度受到抑制的需求得到释放，适度宽松的货币政策使信贷规模加大，为房地产开发和商品房购买提供了比较充裕的资金，房地产市场供求大增，带动了整体回升。
但有的城市房价过高，上涨过快，加大了居民通过市场解决住房问题的难度，另一方面，部分投机者也通过各种融资渠道买入房屋囤积，期望获得高额利润，也是导致房价居高不下的原因之一。
因此，如何有效遏制房价过快上涨，遏制房地产投机，是一个备受关注的社会问题。
为此，国家在今年4月17日出台了《关于坚决遏制部分城市房价过快上涨的通知》（俗称“新国十条”）的调控政策。
关于房价问题的数学模型一．问题简述房价问题事关民生，对国家经济发展和社会稳定有重大影响，一直是各国政府大力关注的问题。
随着房价的不断飙升，房价问题已经成为全民关注的焦点议题之一。
现在就以下几个方面的问题进行讨论：1通过对影响房价因素的分析并建立房价的数学模型，对房价的合理性进行定量分析。
2根据分析结果，预测房价的未来走势。
3通过对模型的求解，进一步探讨使得房价合理的具体措施。
二模型假设引起房地产市场波动的因素有很多，居民收入、供求比例、房贷利率、容积率、建设成本和人口结构及变化趋势等众多因素。
我们从中提取重要因素对次要因素作出如下假设：1政府宏观调控政策，仅考虑税收政策、货币政策、土地政策的影响。
忽略其他政策的影响。
2忽略消费成本如交通费用、物业费用、停车费用等对住房价格的影响。
3城市消费状况用人均收入来代替。
4令房价为销售均价，忽略地域差异。
5忽略房屋质量对房价的影响。
三、符号说明四、问题分析与基本思路1.1房地产价格上涨的影响因素（1）居民收入与房地产价格居民收入的增加是影响房价上涨的首要原因。
改革开放以来，我国居民收入大幅度增加，恩格尔系数——食品占总支出的比重明显下降，消费结构不断升级，投资能力越来越强。
随着居民收入的大幅度上升，居民的消费观念在一定程度上从储蓄转化为投资，而购置房产则是居民较理性的投资选择，因而对房屋的需求显著增加。
尤其在在住房制度改革的推动下，住房的有效需求得以更大程度地释放，家庭结构的变化和城镇化的推进又扩大了住房需求。
这是房价保持上涨态势最显而易见的原因。
根据市场导向原则，需求的增加必然会导致投资的增加，投资力度的加大必然是在给房地产行业升温，房价被进一步拉高。
当房价超出与居住需求相符的水平时，投机就会出现，进而导致空置率偏高。
这样，房价就在消费需求、投资需求、投机需求的共同推动下不断攀升，早买房、买大房的住房消费行为成为居民应对房价快速上涨的选择。
另外，随着居民收入的增加，人均可支配收入也会相应增加，就会在一定程度上刺激消费。
大学生数学建模_房价预测
一、问题的提出房地产问题一直是人们的热议话题，尤其是近几年更是成为人们关注的问题。
不错，房地产作为一个行业，不仅关系国家经济命脉，它还是影响民生问题的主要因素，所以搞好房产建设不仅是国家与房产商的任务，我们也应了解其中的一些运作原理来帮助我们更好的适应社会环境。
为此，对房产业的了解就显得颇为紧急，而房价问题一直是人们关注的首要问题，下面我们将用数学模型来解决房产中的以下实际问题，仔细分析影响房价的因素以及它们之间的关系。
问题一：通过分析找出影响房价的主要原因并且通过建立一个城市房价的数学模型对其进行细致的分析。
问题二：分析影响房价主要因素随时间的变化关系，并且预测其下一阶段的变化和走势。
问题三：选择某一地区(以西安为例)，通过分析____年至____年房价变化与影响因素之间的关系，预测下一阶段该地区房价的走势。
问题四：通过分析结果，给出房产商和购房者的一些合理建议。
二、模型假设和符号说明假设假设
一、房地产产品具有一定的生产周期假设
二、房价的计算只考虑人均可支配收入和生产成本假设
三、理想房价是仅基于成本得到的房价，不考虑供求假设
四、成本的花费包括地价(地面地价)、建筑费用和各种税收假设
五、不考虑其他影响如(地理位置，环境等)符号说明：_1代表人均可支配收入，_2代表建造成本，y为房产均价,其中a和
三、模型建立与求解我们主要用到的是数学模型是用最小二乘法对影响房价的各个因素进行拟合，从而解除出性方程组，其中用到的主要数学软件是matla。
合肥市二手房价多元线性回归预测模型对于房地产市场，房价的变动是一个复杂的问题，受到诸多因素的影响。
为了更好地预测市场的发展趋势，需要建立一个合适的模型来对房价进行预测。
本文将使用多元线性回归预测模型，对合肥市的二手房价格进行预测。
一、引言随着城市化进程的不断加速，房地产行业已成为中国经济中最重要的组成部分之一。
房价的变化一直备受关注，特别是在一线和二线城市，市场热度高，房价波动大，需要通过科学的分析方法来预测未来的走势。
多元线性回归是一种常用的预测模型，通过对多个自变量与因变量之间的关系进行线性拟合，可以有效地帮助我们理解和预测市场的变化。
二、模型建立1. 数据采集为了建立合肥市二手房价的多元线性回归预测模型，首先需要收集相关数据。
通过合肥市的二手房交易数据，我们可以获取到房屋的面积、楼层、房龄、地段、周边配套等各种信息，作为自变量，而房屋价格即为因变量，通过对这些数据进行分析和处理，我们可以建立起一个多元线性回归模型，进行房价的预测。
2. 变量选取在建立多元线性回归模型时，需要选取合适的自变量。
在此我们可以选取房屋面积、楼层、房龄和地段等作为自变量，因为这些因素通常都会对房价产生较大的影响。
也可以考虑加入一些交互项，如面积与楼层的乘积，来进一步提高模型的拟合度。
3. 模型拟合得到了自变量和因变量以后，我们可以使用最小二乘法对多元线性回归模型进行拟合。
通过计算回归系数，我们可以得到对应自变量的影响程度，从而进一步理解房价的变化规律。
还可以通过F检验和t检验来检验模型的显著性和自变量的重要性，确保模型的准确性。
4. 模型评估我们需要对建立的多元线性回归模型进行评估。
可以通过计算决定系数R²，均方误差等指标来评估模型的拟合度和预测性能。
也可以对模型进行残差分析，检验模型的假设是否满足，从而检验模型的有效性和稳健性。
三、模型应用1. 房价预测建立起了多元线性回归模型以后，我们就可以利用这个模型来进行房价的预测。
国家统计局发布的2009年房地产市场运行报告称，长期来看，我国在2015年以前人口结构依然支持房价上涨，而政府对社保等公共开支的不足，迫使居民不得不购房以作为自身保障，推高了刚性需求，且购房者处于“囚徒困境”不得不买，因此房地产价格的上涨的趋势不改。
北京：在一系列楼市调控政策的影响下，京城楼市热度出现明显降温。
市统计局、国家统计局北京调查总队7月20日发布的数据显示，上半年商品住宅销量同比下跌四成，与上年6月份相比，房屋销售价格上涨13.5%，涨幅比上月回落0.8个百分点，其中新建住宅价格上涨21.5%，涨幅回落0.5个百分点，为去年8月份以来月度涨幅首次回落；二手住宅价格上涨5.7%，涨幅回落1.1个百分点。
对于市场上流传的3个月后房价会明显下降的说法，市统计局副局长于秀琴表示，从目前掌握的数据看，开发商的资金“还能维持一段时间”，而且北京购房的刚性需求普遍存在。
她认为，如果能够有效遏制投资、投机行为，下半年北京房地产市场会“保持一个稳定的价格态势”。
对于未来的房价走势，于秀琴表示难以预测，“由于区位特点、人口结构、产业特点等，北京房地产业比重偏高已是不争的事实”。
茂名房价走势：房价的高低一直是人们热议的话题，特别两会期间，人大代表们一直在提出各种抑压房价的建言，而中央也出台一些政策来应对，温家宝总理明确表态要把房价压下去。
作为三线城市的茂名，房价的走势将如何？我们不妨分析一下。
现在楼市存在泡沫，这是不争的事实，这只是指一二线的大城市，如上海、广州、深圳等。
相邻不到100公里的湛江也存在严重的泡沫，但茂名房价存在多少泡沫？从茂名房产局公布的最近几年的房价数据来看，茂名的房价一直在稳步上升，但升幅不大，2009年8月之前茂南区的房产均价不到2300，但从全市(包括高州、化州、电白、信宜、茂港)来看，房产均价在2700，2009年9月之后，茂南区的房产均价到了差不多3400，变化很大，而全市的房产均价的变化即很正常，所以单从茂南区的统计数据来看，是不充分的，造成这种原因数据的统计中包含了商铺在里面。
从整体来说，茂名的房价是没有大的变化，所以说茂名的楼市并不存多大的泡沫。
如下是茂名搜房网关于房价统计的曲线
那为什么茂名的房价为什么一直在稳步上升呢？
一、从大的环境来看，全国的楼市不断走高，这肯定对二三线城市起到带动或示范的效应。
二、从经济环境来看，茂名是一个化工工业城市，由炼油乙烯为龙头企业(茂石化炼油厂是全国最大的炼油工业基地)，带动了相关的中小化工企业，这是茂名经济的主力军，企来的职工，特别是技术和管理人员，他们的收入和福利是相对较高的，比其它行业的都高，此外，在珠三角等，也有很多茂名的生意人，他们的收入很多，本地的很多消费也是和他们相关的，看看茂名的饮食，KTV酒店的火爆情况就知道，有钱人还是比较多的。
三、从市场需求来看，茂名从最早的炼油到近期的乙烯在带动茂名经济的同时，也使茂名早期最繁华的河西和露天矿到河东、开发区再到现在高水路边的新楼
盘，从现在最新的统计数字为：2009年年末常住人口612.37万，其中市辖区128.91万人。
在早期，茂石化有很多的福利房，但现在已经取消了神利分房，而且，很多职工家属的子女的成长，要成家，建立新的家庭，所以，这个市场的的需求还是比较大的。
四、从投资环境来看，茂名的外来人口少，基本上是自建自住，而且由于炼油和乙烯的污染严重，再加上大大小小的化工厂，使得茂名的污染日益严重，在茂名生活是一种无奈，对于外来资金来说，茂名的房产是不具有投资价值的，这个可以和湛江作个对比，湛江的经济并不见得比茂名好多少，但是据其统计，湛江2008年市区房屋均价是3680元，去年达到4390元，而在2006年，这个数字是2260元。
据湛江当地媒体《湛江日报》报道，2009年10月，湛江市区房价跃过5000元/平方米，这是为什么？这是因为湛江的环境好，具有投资价值，所以大量的外来资金涌进湛江，使得湛江的房价领跑全国，这是湛江的悲哀。
茂名，在没有外来资金进来的情况下，也存在着一些本地的炒房者，他们有些闲置资金，在楼市看好的前景下，作来一种投资，基本上只赚不赔，这也造成茂名的房价上涨的一个因素，但相对湛江这些城市来看，基本上可以忽略不计的。
综上所述，近期茂名房价上涨幅度在是一个合理的范围内，即使国家出台相关的房产政策，对茂名的房价不会有太大的影响，即使要降，也不会有太大的空间，所以茂名的房价走势不会有大的波动，继续平稳。
