近二十年来,我国房地产市场经历了较长时期的蓬勃发展,但同时也遭遇了若干次严厉的调控,大中城市的房价出现了一些较大幅度的波动,房价成为媒体、人民群众和政府关注的焦点。因此,如何对未来的房价走势进行科学和有效的预判,也是众多房地产经济学者和业界普遍关心的重要问题。本文率先引入了动态模型平均(DMA)方法及其特例-动态模型选择(DMS),对于全国三十个省会城市和直辖市的房价进行了预测分析。相对于传统模型,DMA方法允许模型变量设置和变量系数的时变性,充分考虑了不同变量、不同时间对于房价影响的大小。同时本文使用等权重平均、自回归、贝恩斯平均、贝恩斯选择以及信息理论平均等多种模型作为对比,充分讨论房价预测的表现。本文不仅使用了传统研究中大量使用的扩展窗口预测模式,同时添加滚动窗口模式作为参照对比,既解决了时间序列中可能存在的结构突变问题,同时也在多种预测模式之下,全面稳健地对于房价进行预测。此外,在使用传统宏观经济变量作为预测变量时,本文也考虑了大数据环境下,互联网搜索指数包含更多需求信息,对于房价的预测会产生新的帮助作用。随后,区别于其他预测研究只采用简单统计指标评价预测表现,本文采用更加高级的模型信度设定方法(MCS),进一步避免了一类统计错误,并且强调在不同标准和统计指标下,多角度全方面检验房价预测模型的精度。实证结果显示,无论是扩展窗口,还是滚动窗口,DMA方法在全国三十个大中城市,在样本内估计精度较高的基础上,样本外预测方面也能够有效地降低全国各个大中城市的房价预测误差,比传统自回归等方法缩小50%以上。此外,本文也发现DMA能够有效筛选变量,降低计算负荷,并且发现搜索指数对于房价影响在近些年逐渐增大,传统变量预测作用式微,表现不及预期。本文尝试提出了需求端和政策不确定性两方面的合理解释。最后,基于稳健性的分析证明,预测三、六期及延长样本外预测区间,与前续结果均一致性地均支持DMA方法的优越预测表现。最后,DMA方法为房价预测提供了新的思路,给予购房者、业界以及政府管理部门更好的房价决策和预判。