衣食住行是人的最基本需求，在已解决基本温饱的情况下，住房问题越来越成为社会的焦点问题，过去十几年一路上涨的房价引发了大量的投机性购房和恐慌性购房，为了更好地把握房价的走势，让消费者理性购房，同时给房地产开发商投资决策和政府制定政策提供参考，本文在总结现有房价预测方法的基础上，针对现有方法存在的不足，提出粗糙集—支持向量机的房价预测方法，该方法是先基于粗糙集理论对初选的影响住房价格的指标进行约简，然后再以约简后的指标体系为基础运用支持向量机对房价进行回归预测。　　本文的主要研究内容为：介绍了房地产和商品住宅的相关概念，并在前人研究的基础上总结分析了四大类影响房价的因素，并提出了指标选取的原则；总结了几种常用的的预测房价的方法，鉴于已有方法的缺陷，提出RS-SVM房价预测模型，此外详细介绍了粗糙集和支持向量机的基本理论，并论述了这两种理论之间存在的的互补性；构建了RS-SVM模型的流程图，并详细说明了该预测模型的实现步骤；以宁波市为例，根据指标确定的原则从影响房价的四大类因素中初步选取30个指标，运用Rosetta软件对指标属性进行约简，从得到的所有最小条件指标属性集中选取出前18个出现次数最多的指标构成影响宁波市房价的指标体系，之后用Libsvm工具箱中的epsilon-SVR回归函数以2002～2012共11年的数据作为训练样本，运用改进网格寻优法和交叉验证法找到使均方误差最小的一组参数值，并以这组参数对前11年的房价进行拟合和对2013、2014后两年房价进行预测，并将预测的结果与BP神经网络预测的结果进行对比，结果显示RS-SVM方法比BPNN能有更高的预测精度。