随着国民经济的稳定发展和人民生活水平的不断提升,人们对房价的关注越来越高。不仅如此,房价作为国内外广大学者普遍关注的话题,也一直是一个热门的研究领域。了解和把握房价未来的走势至关重要,不仅在很大程度上可以帮助购房者进行房产配置,也可以帮助房地产开发商进行开发决策以及辅助政府相关部门进行政策的实施。为解决传统预测方法参数设置固定而造成精度损失的问题,本文引入了动态模型方法,即动态模型平均（DMA）和动态模型选择（DMS）方法。在此基础之上对我国城市房地产价格指数进行了相应的预测研究。动态模型方法允许方程所包含的预测变量设置以及模型所包含的方程随着时间的变化而变化,实验显示这种时变机制使得动态模型方法对于房价的预测具有很好的效果。另外,本文考察了EW、TVP-AR、BMA以及其他模型作为实验对比,以进一步说明动态模型预测的优越性。本文主要工作如下:1)关键预测变量的挖掘研究由于国内还没有公开研究房价的数据集,因此本文参考了前人的研究之后对影响房价的因素进行了探究,然后在此基础之上创建了六个不同层次城市房价的数据集,最后运用了机器学习算法进行变量重要性的计算,以完成影响房价关键预测变量的挖掘工作。2)基于动态模型方法的房价预测模型研究传统房价预测模型在一定程度上能满足预测的要求,但是模型的精度不够令人满意,主要原因是传统方法固定的模型参数和变量设置,会导致模型实际的预测能力大大受限。因此本文将创造性的使用具有时变机制的动态模型,其允许模型变量个数和变量系数随着时间发生变化。实验结果显示,动态模型方法较对比模型具有更小的预测误差。3)网络搜索指数对房价预测模型的优化研究大数据环境背景的互联网搜索指数对未来一些宏观的经济变量的预测具有非常好的效果。因此本文通过构建特殊的数据爬虫框架并以强关键词来获取百度搜索指数,然后以不同关键词的百度搜索变量和经济变量一起作为模型最终的变量,优化模型的预测性能。