长久以来,房地产市场都是北京上至政府、下至百姓均极为关注的问题。在我国特色社会主义制度下,房价的涨幅由市场运作和政府的宏观调控共同决定。北京市幅员辽阔,区域间发展存在差异,房地产市场的吸引性不尽相同。本文选取西城、东城（主城区）,朝阳、海淀（近郊区）,通州（远郊区）作为主要研究对象。通过官方数据库和相关网站,搜集房价及与城市发展房地产方面的影响因素,并利用Eviews软件对残缺数据进行插补。首先,基于房价的月度数据,用灰度预测GM（1,1）模型和ARIMA模型对各城区房价进行预测。在两模型的均通过显著性检验的前提下,得到灰度预测模型的MSE值是ARIMA模型对应指标的一千倍,后者体现出对时间序列更优的预测精度。为了进一步探究房价与城区发展的关联,分析北京市房价受环境变化的波动效应,本文选取若干潜在的房地产影响因素。通过房价与变量的相关性检验,筛选得到八个影响因素并用卡尔曼滤波做降噪处理。考察变量间的皮尔逊相关系数,发现影响因素间的相关度与城区的分类有关,如城区中施工、销售面积有关,而远郊区影响因素为房地产施工面积与房地产开发投资密切相关——城区的发展状态或影响房价影响因素变量间的关系构成。最终,建立基于变量的LASSO-ARIMA集成模型。本文创新性地将"滞后性"理念引入模型,使用当月影响因素数据对照下个月房价,而非本月房价进行LASSO回归,实现了可以基于已知数据预测未来房价的效果。同时,本文选取对波动的时间序列有更优预测效果的ARIMA模型预测残差序列,并将其加入到LASSO模型的误差项中,得到集合了两模型优点的集成模型。通过预测各城区2021年的月度房价数据,得到相对误差分别为3.86%、0.94%、0.23%、4.85%、6.32%,大致在5%以内。作为对照模型,多元线性回归的相对误差为8.22%、6.33%、16.15%、11.50%、5.78%,在10%左右。上述研究证明本文的集成模型相比于传统统计模型更为优越,数据可参考性较强。结合模型,给出了对北京市城区发展的分析及政策建议。总之,在风云变幻的房地产市场上,房价始终牵动着全民的心。北京,作为首都,向世界展示中国风貌的窗口之一,理应由政府引导塑造更健康稳定的房地产环境。本文揭示了城区发展的政策对房地产市场的影响,并定量化的给出精度较高的集成预测模型,希望给城区发展予以参考指引,注入新动能。