作为我国国民经济的主要产业,房地产的异常波动常常会牵动整个国家的经济命脉,更深入影响每个老百姓的家庭,所以,对房地产,特别是住宅市场的信息收集与预测系统成了为政府,业界以及学界关注的重点,其中预测系统的建立是关键,因此,有效利用数理统计建立更为一般,更为全面,更为有效的预测系统是必需的,而ARIMA模型是比较常用的金融时间序列理论,其主要研究各个经济变量自身的数量关系,住宅市场数据有同样有符合ARIMA模型的特征,因此利用ARIMA模型拟合是比较可信的。本论文选用的研究对象主要有以下住宅指标:上海、北京、广州、深圳四市的新房成交量,全国房屋销售价格水平同比指数与环比指数,上海、北京的居住土地出让面积及成交金额。利用混合自回归-移动平均(ARIMA)模型作为理论依据对上述研究对象建模分析,并结合Bayes理论的先验概率、后验概率、似然法对模型进行修正,最终得到在不考虑政府行为性的前提下的预测模型,通过对残差的平稳性与随机性判断来确定拟合效果,并对未来20年的新房交易量、新房房价等给出预测。本文首先阐述了国内外的研究现状以及常用模型,并对已有模型做出归纳与总结,找出各种方法的优缺点;然后对原始数据做修正,同时阐述ARIMA模型理论,Bayes修正理论,并利用这些建模理论对修正后的数据建立预测模型,对未来20年的相关指标给出预测结果。最后是论文的结论部分。