反应市场需求的变化,并最终体现在商品市场价格的变化上,商品房房价的变化亦是如此。本文基于这一思想,利用目前我国国内使用范围最广的百度搜索数据对北京市商品房价格进行拟合和预测,选取与商品房价格搜索相关的83个关键词的百度指数,并用Python对百度指数网页进行关键词数据抓取。数据清洗时首先看其是否录入百度指数,确定下63个关键词,再依次利用简单手动筛选、相关系数筛选等步骤选出9个关键词作为最终自变量的关键词,分别是:AJR(按揭贷款利率)、BDR(银行贷款利率)、BJFP(北京房价)、CPI、FDBR(房贷基准利率)、GDPR(GDP平减指数)、PCFD(公积金贷款)、PCFDED(公积金贷款额度)、PPI。建立随机森林模型,并检测模型的拟合和预测效果。结果显示:随机森林模型拟合效果、预测效果较好,本文所用方法可预测商品房房价领先官方发布数据10～15d。本文最后根据实证结果提出相关建议。