随着中国人口老龄化问题的加剧以及家庭养老压力的增大,政府养老方式已不能完全满足老人的养老需求。以房养老作为一种新型的养老方式在中国的推行并不理想,其中一个重要原因就是以房养老产品定价参数中房屋未来价值波动率预测不合理。为了提高房屋未来价值评估结果的准确性,促进以房养老更好的推行,需要选择合适的方法对房屋未来价值波动进行预测。目前,我国以房养老背景下房屋未来价值波动率的确定方法主要有三种:时间序列模型、随机游走模型以及多因素方程模型。以往的研究一般使用单一模型进行房屋未来价值的预测,甚至有些学者只利用历史平均数据确定一个固定房价波动率,并没有进行对比和筛选,也没有考虑以房养老的特殊性要求。另外,不同方法有其各自的优缺点,使用单一的方法进行预测不能扬长避短。本文利用文献研究法和比较研究法,在相关理论和实践的基础上采用组合的方法对房屋未来价值的预测模型进行改进。首先对三种方法的优缺点及适用性进行对比,分别从每一种方法中选出ARMA模型、几何布朗运动模型以及BP神经网络模型。另外,以房养老对房价未来价值的预测模型有特殊的要求:长期的随机性、短期的自相关性、考虑房价影响因素以及较高的精度,结合这些特殊要求和模型各自的特点确定组合预测思路:ARMA模型比较适用于短期预测,并能够反映序列的自相关性,几何布朗运动模型适用于长期预测,反映的是序列的随机性,因此先将ARMA模型的短期结果与长期结果进行结合,但两种模型都没有考虑影响房价的因素,而BP神经网络模型能弥补这一缺陷,因此利用组合误差平方和最小的原理再次进行组合。其次,将组合预测模型应用于以房养老产品定价案例中,确定最终的养老金支付金额。首先分别利用单一模型和组合预测模型对杭州市主城区二手房未来价值的波动风险进行预测,并用误差平方和来衡量预测值与实际值之间的误差,发现组合模型的误差比任意三种单一模型的误差都要小,因此组合模型能够更好的预测房屋未来价值的波动。然后将组合预测得到的房价波动率和其他相关定价参数代入到以房养老产品定价模型中得到一次性支付金额和年金支付金额,结果比实际案例中以房养老定价偏高一些。以往的研究结果一次性支付金额占房屋初始评估价值的比例不一,文章的定价结果处于中下水平,属于合理范围。另外,由于以房养老缺乏吸引力的一个重要原因是养老金支付金额偏低,该定价稍高于现行定价能够更好的调动老人的积极性,这也从推动以房养老的实施方面验证了定价结果的合理性。最后,由于长期预测可能会有较大的误差,文章利用每年的实际波动率与预测波动率之间的相对误差对房屋价值波动率进行简单的动态调整,从而调整最终的定价结果,使之能更好的反映房价波动的真实情况。除此之外,文章对以房养老定价涉及的折旧率参数进行了改进,没有采用直线法以70年为限进行计算,而是借鉴前人的观点,基于折旧效应随房龄递减的原则确定折旧率,并从规范房地产市场、规范评估程序以及加大政府支持三个方面对如何降低房价波动风险提出了相关建议,以便更好的实施以房养老政策。文章对以房养老房价未来波动预测模型的改进能够提高预测的精度,使以房养老产品的定价更加合理,从而调动金融机构和老人参与以房养老的积极性,扩大评估机构的房价预测性评估业务。