房地产行业作为中国经济发展的重要引擎之一,具有规模大、链条长、牵涉面广泛等特点,对于国民经济金融的稳定以及风险防范具有一定的先导性和系统性影响。不可忽视的是,2021年是房地产行业的转折之年,经过多方反复调控,房地产业“高杠杆、高负债、高增长”的“三高”发展模式已走向终结,回归到了理性的发展渠道。然而当行业进入高质量良性发展新阶段并面临着转型挑战时,个别房地产公司纷纷“爆雷”,行业面临着前所未有的信心危机,一些城市的成交量甚至走到了冰点。大多数购房者对房地产市场极为悲观,房地产价格是否会出现下跌已成为极受关注的民生问题。基于此,研究影响房地产价格的因素并构建房地产价格预测模型就显得极为重要。通过对国内外房地产市场相关文献的回顾和总结,本文选取河南的省会城市郑州市的房地产价格作为研究数据,首先通过H-P滤波法分析郑州市房地产价格的基本走势,研究发现郑州市房地产价格在2013年至2021年期间大致经历了三个阶段但总体仍然呈上升趋势。第一阶段为2016年之前,房价虽稳步上涨但增速相对缓慢;第二阶段为2016年下半年之后,房价飙升,增速明显加快;第三阶段为2019年下半年之后,房价开始稳中有降、渐趋平稳。在对房价趋势进行分析后,根据现有文献基础,首先从宏观经济因素（地区生产总值、利率、汇率）、房地产开发统计因素（房地产开发投资额、房屋竣工建筑面积）、市民购买力因素（城镇居民人均可支配收入、居民消费价格指数）和供需因素（地方财政一般预算支出、货币供应量、土地交易价格）这四个方面对郑州市房地产价格的影响因素指标进行了归纳总结。之后基于灰色关联度分析计算各影响因素的关联度大小。根据计算结果,从这四个因素中各选取一个影响指标构建VAR模型并对其分析。最后本文主要通过单因素预测模型中的GM（1,1）模型、ARIMA模型以及多因素预测模型中的PCA-BP神经网络模型对郑州市房地产价格进行预测分析,并通过模型评价指标比较了不同模型的预测效果。在影响因素分析方面,研究表明郑州市房地产价格受多种因素共同影响,其中地方财政一般预算支出的影响最大,城镇居民人均可支配收入、GDP和房地产开发投资额均排在前四位,而五年以上中长期贷款利率对郑州市房地产价格的正影响性较小。由VAR模型中方差分解的分析结果可知,在短期预测中,房地产价格自身数据以及地方财政一般预算支出基本上就能解释大部分房地产价格的变化,其中房地产价格自身数据的相对贡献度高达87%;而在中长期预测中,生产总值GDP以及地方财政一般预算支出对房地产价格的影响较为显著,相对贡献度分别为21%和56%。在模型预测方面,通过对比ARIMA模型、GM（1,1）模型以及PCA-BP神经网络模型的预测准确率和预测精度,发现PCA-BP神经网络模型的预测结果更接近真实值,MAPE值为0.08%、RMSE值为12.5363,其预测效果明显优于其他两个单因素预测模型。接下来通过该模型对郑州市未来六个月（即2021年10月至2022年3月）的房地产价格进行预测,预测结果表明房价呈现下跌趋势。针对这一情况,本文根据研究结论对促进郑州市房地产市场的健康发展提出了一些相关建议。