BP神经网络在房地产税基批量评估中的应用

发布时间：2017-07-05 17:08

  本文关键词：BP神经网络在房地产税基批量评估中的应用

  更多相关文章： 房地产税 批量评估 税基评估

【摘要】：我国目前征收房产税的依据是1986年国务院颁布的《中华人民共和国房产税暂行条例》,其主要征税对象是企业的生产经营用房和个人用于出租的房产,而对于居民用于居住或者投资的住宅是免征房产税的。但是近年来由于房地产市场持续向好,使得大量投资涌入房地产市场,造成房地产市场持续过热,房地产价格逐级攀升但是房屋空置率也是居高不下,造成了房地产市场的不健康发展,因此我国于2003年首次提出要对房地产保有环节征收房地产税,一方面能够稳定房地产市场,另一方面也能拓宽地方政府的财政收入来源。要开征房地产税就需要对房地产的税基价值进行评估,由于此类评估面对的评估对象众多,且需要按照周期多次进行评估,因此采用批量评估是解决这一问题最佳方案。 本文在阅读国内外大量文献的基础上,首先介绍了税基评估与普通房地产评估的存在的联系与区别,认为传统的市场法、成本法和收益法无法满足税基评估的要求,因此必须采用批量评估作为房地产税基评估,并分析了批量评估方法的特点、优势及使用前提。在此基础上分析使用BP神经网络作为批量评估模型的可行性,并分析了应用神经网络法评估税基所需要的政策和技术方面的支持,将神经网络法与常规的多元回归法进行了对比研究,认为在实际应用中神经网络能够弥补常规多元回归方法存在的一些不足。同时由于我国目前缺少对于批量评估税基价值的流程设计,因此本文设计了BP神经网络应用于税基评估的流程设计,并对其中存在的指标选取,网络设计等问题做了分析。最后以北京市朝阳区为研究对象,验证了BP神经网络法进行税基评估是可行的,对于大量房地产价值的评估是有效和准确的,为未来的税基评估以及类似的大量资产评估提供了借鉴。
【关键词】：房地产税 批量评估 税基评估
【学位授予单位】：北京交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP183;F299.23;F812.42
【目录】：

• 致谢5-6
• 摘要6-7
• ABSTRACT7-11
• 1 绪论11-19
• 1.1 论文研究背景和意义11-12
• 1.1.1 选题背景11
• 1.1.2 选题的目的和意义11-12
• 1.2 国内外研究现状12-16
• 1.2.1 税基批量评估的研究现状12-15
• 1.2.2 BP神经网络的研究现状15-16
• 1.3 论文的研究内容16-17
• 1.4 论文的研究方法和技术路线17-19
• 1.4.1 论文研究方法17
• 1.4.2 论文的技术路线17-19
• 2 房地产税基评估与一般房地产评估的对比研究19-28
• 2.1 房地产价值评估概述19-21
• 2.1.1 房地产价值评估的定义19
• 2.1.2 房地产价值评估中的几个关键因素19-20
• 2.1.3 房地产评估的常用方法20-21
• 2.2 房地产税基评估概述21-23
• 2.2.1 房地产税基评估含义21
• 2.2.2 房地产税基评估中的几个关键因素21-22
• 2.2.3 税基评估与房地产价值评估的差异22-23
• 2.3 税基批量评估技术23-28
• 2.3.1 批量评估的含义及特点23-24
• 2.3.2 批量评估的工作流程24
• 2.3.3 批量评估的优势24-25
• 2.3.4 批量评估应用的基本前提25-27
• 2.3.5 各国批量评估模型介绍27-28
• 3 BP神经网络方法及在房地产税基评估中的可行性28-37
• 3.1 BP神经网络概述28-30
• 3.1.1 人工神经网络概述28
• 3.1.2 BP神经网络概述28-30
• 3.2 BP神经网络应用于税基评估的可行性分析30-34
• 3.2.1 BP神经网络性能的可行性分析30-31
• 3.2.2 外围环境政策可行性分析31-34
• 3.3 BP神经网络法与多元回归法对比研究34-37
• 3.3.1 多元回归的工作流程34-35
• 3.3.2 神经网络与多元回归的对比分析35-37
• 4 基于BP神经网络的房地产税基评估模型建立37-50
• 4.1 BP神经网络应用于房地产税基评估的工作流程设计37
• 4.2 前期准备阶段37-38
• 4.2.1 明确评估对象38
• 4.2.2 确定评税分区38
• 4.3 建立指标与数据库阶段38-43
• 4.3.1 确定评估对象的特征因素39-42
• 4.3.2 确定量化标准42
• 4.3.3 建立房地产税基评估数据库42-43
• 4.4 建立神经网络与使用阶段43-48
• 4.4.1 Matlab及其神经网络工具箱介绍43-44
• 4.4.2 BP神经网络的学习算法选定44-46
• 4.4.3 BP神经网络其他参数的设计46-48
• 4.4.4 网络的训练48
• 4.4.5 检测模型的评估结果48
• 4.4.6 进行评估48
• 4.5 模型校准与申诉阶段48-50
• 4.5.1 税务机关的常规监控48-49
• 4.5.2 公民申诉机制49
• 4.5.3 误差的处理机制49-50
• 5 基于BP神经网络的房地产税基评估案例分析——以北京市朝阳区为例50-69
• 5.1 北京市房地产市场概况50-52
• 5.2 研究区域的确定及数据采集52-59
• 5.2.1 研究区域的确定52-53
• 5.2.2 相关数据的获取方式53-54
• 5.2.3 特征因素的选取54-55
• 5.2.4 数据的采集与量化方法55-59
• 5.3 税基评估的BP神经网络的实现59-62
• 5.3.1 相关计算过程及代码59-60
• 5.3.2 训练过程60-61
• 5.3.3 BP神经网络的测试与结果61-62
• 5.4 税基评估的多元回归模型的实现62-67
• 5.4.1 模型的设定62
• 5.4.2 模型的估计和检验62-63
• 5.4.3 住宅多元回归的检验63-66
• 5.4.4 模型特征变量的分析66-67
• 5.4.5 多元回归模型的测试和结果67
• 5.5 两种计算结果误差差异显著性比较67-69
• 6 结论与展望69-71
• 6.1 本文的主要研究工作及结论69-70
• 6.2 不足与展望70-71
• 参考文献71-73
• 附录A BP神经网络实际测试的结果73-75
• 附录B 多元回归实际测试的结果75-77
• 附录C 住宅小区周边配套指标权重调查表77-79
• 作者简历及攻读硕士 /博士学位期间取得的研究成果79-81
• 学位论文数据集8

【参考文献】

中国期刊全文数据库 前10条

1 龚健雅;中国地理信息系统技术的发展[J];测绘工程;2002年02期

2 黄梦吟;郭化林;;基于GIS的房地产税税基批量评估[J];财会月刊;2012年18期

3 乔志敏;李德峰;邹文军;周战强;;基于财产税征收的不动产价值评估——对北京市4个内城区的实证分析[J];城市发展研究;2009年03期

4 陈小悦;孙力强;;关于建立中国房地产税批量评估系统的几点思考[J];财政研究;2007年12期

5 王炜,吴耿锋,李东升,蒋春曦,黄冰树,庄昆元,周佩玲,杨明磊;BP神经网络在新一代地震预报专家系统中的应用[J];地震;1997年02期

6 耿继进;何素芳;;房地产计税价格批量评估实证研究[J];地理空间信息;2011年03期

7 焦李成,刘芳;神经网络研究的进展和展望[J];电子学报;1990年01期

8 梁化楼，戴贵亮;人工神经网络与遗传算法的结合：进展及展望[J];电子学报;1995年10期

9 聂名华;浅析房地产价格变动的影响因素[J];中国房地产;1998年10期

10 张忠平;文成义;;基于BP神经网络的汉语语音识别的研究[J];电声技术;1992年09期

中国硕士学位论文全文数据库 前6条

1 邓哲;基于GIS和BP神经网络的房地产估价系统的研究[D];江西理工大学;2011年

2 吴达;GIS在高速公路费额计算系统中的研究与应用[D];贵州师范大学;2009年

3 龚平;人工神经网络在房地产价格预测中的应用研究[D];江南大学;2009年

4 王杰;基于BP神经网络的城市轨道交通对周边住宅价格影响的研究[D];青岛理工大学;2013年

5 郝丹璐;中国房地产价格影响因素研究[D];吉林大学;2014年

6 王莎莎;基于回归分析的长沙市房产税税基批量评估实证研究[D];西南财经大学;2013年

，

本文编号：522833