在我国,房地产是经济增长的重要支撑,房地产产业十分重要。根据财富效应来看,在典型国家当中,房地产市值一般是国家年度GDP的两至三倍。截止目前最新消息,我国的房地产总市值经换算达到了65万亿美元,而同期美国达到33.6万亿美元,日本达到了10.8万亿美元。而我国的GDP在100万亿左右,经换算之后房价总值与GDP比值在4-5之间,而在2008年金融危机前后,美国住房市值与GDP比例最高达169%,在1990年日本房地产泡沫之前,房地产市值与GDP比例最高达到了391%。在历史上数次房地产泡沫危机来看,房地产的崩盘造成的影响大而深远,包括金融危机、经济危机、社会危机、政治危机等,全球历次房地产泡沫造成的影响,使得到目前位置,全球经济仍然未走出阴影。在我国经济从高增长变为高质量的阶段,房地产总值的增长也需要受到国家的严格控制。国内外学者对于房价的研究分为几种,有对房屋价格的预测,对房价泡沫问题的研究,对合理房价的探讨,从统计模型和经济意义两个方面来解释房价的变化情况。但是传统研究的数据来源依靠于线下,且主观性较强,随着大数据时代的到来,线上强大的数据库使用现有的数据来源准确性更强,更为高效且颗粒度细。基于线上数据的庞大数量,本文选择的数据来源即是从房屋交易平台上爬取到的成都市全量房源信息数据。将房屋位置划分在了不同区域下的不同片区中,保证颗粒维度足够细,在不同的空间尺度下进行研究分析。在模型方法上,本文使用的是状态空间卡尔曼滤波法以及多传感器信息融合的方法,测算出成都市不同区域下不同片区的随时间变化而变化的潜在房屋价格,得到测算值与挂牌房价之间的差值并讨论其中的差异化。然后将同一区域下不同片区的房价进行融合,得到一个去噪声扰动的较为平稳的潜在房屋价格。状态空间卡尔曼滤波算法在计量经济学上已经得到了充分的应用,但是多传感器信息融合的算法目前仍较少地使用在金融经济领域,这也是本文的一大创新点。通过状态空间卡尔曼滤波与多传感器信息融合的应用,得出结论一,区域的房价在去噪声扰动后得到的潜在房价非常稳定,可以取其均值作为区域的指导参考价;结论二得出各个区县的潜在房价部分高于挂牌价、部分低于挂牌价,潜在房价较低的情况主要发生在内圈层区域,反之较高的情况主要发生在外圈层区县,因此要结合各区域情况,根据各区域现实问题,响应国家政策,对于房价的“止上涨”和“稳下跌”要两手并齐。