基于人工神经网络的房地产预警体系研究 ——以上海为例

发布时间：2021-05-08 17:26

　　自1998年房改以来,中国房地产业呈现了强劲的发展势头。而近年来房价的快速上涨,以及连续的“过山车”行情会影响了整个产业的正常发展。建立科学的房地产预警体系,客观地反映房地产市场的综合景气情况,能为政府、开发商和购房者的决策提供参考,有助于房地产业的健康平稳发展。在现有的研究中,用于房地产预警的方法包括景气预警方法、统计预警方法、模型预警方法和人工神经网络预警方法。其中,人工神经网络具有非线性性、容错性等特性,是近年来研究中使用最多的研究方法,但在使用过程中还存在着一些不足之处。本文在梳理相关文献的基础上,介绍用人工神经网络方法进行房地产市场预警的过程。然后,以上海市为例进行实证研究,选择全社会固定资产投资增速等十个指标作为警兆指标,选择商品房销售面积增速和商品房成交价格增速作为警情指标,采集了自2001年一季度以来上海市房地产市场预警相关指标的季度数据,构建了房地产市场预警模型。最后,借助所建立的人工神经网络分析了上海市2010年三季度房地产市场,预警结果表明2010年三季度上海市房地产市场处于“正常”状态。本文可能的创新点包括：选择季度数据作为研究样本；将警情指标划分为5个等级；以... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：117 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
目录
图目录
表目录
1 绪论
    1.1 问题的提出
        1.1.1 实践背景
        1.1.2 理论背景
    1.2 研究目的与意义
    1.3 研究方法与技术路线
        1.3.1 研究方法
        1.3.2 技术路线
    1.4 研究内容与论文结构
        1.4.1 研究内容
        1.4.2 论文结构
2 文献综述
    2.1 房地产周期理论
        2.1.1 房地产市场周期波动的形式
        2.1.2 房地产市场周期波动的形成机制
        2.1.3 房地产市场周期波动的成因
    2.2 房地产预警理论
        2.2.1 预警和经济预警
        2.2.2 房地产预警的过程
        2.2.3 房地产预警的方法
    2.3 房地产预警的相关研究
        2.3.1 房地产预警实践和研究
        2.3.2 对现有实践和研究的评析
    2.4 本章小结
3 中国房地产业发展回顾
    3.1 房地产业爆发增长的表现
        3.1.1 市场供给分析
        3.1.2 市场需求分析
        3.1.3 房地产价格分析
    3.2 房地产业对社会经济发展的历史贡献
        3.2.1 房地产业对国民经济增长的贡献
        3.2.2 房地产业的产业结构优化贡献
        3.2.3 房地产业对上下游产业的带动作用分析
    3.3 中国房地产市场周期走势分析
        3.3.1 1998-2008房地产市场经历了一个长周期
        3.3.2 2009-2010年房地产市场步入了新周期
    3.4 本章小结
4 基于人工神经网络的房地产市场预警模型构建
    4.1 城市房地产预警系统预警指标体系
        4.1.1 预警指标选择的原则
        4.1.2 预警指标选择的步骤
        4.1.3 预警指标的初步选择
        4.1.4 预警指标的时差相关分析
    4.2 基于人工神经网络预警方法的基本原理
        4.2.1 人工神经网络概述
        4.2.2 人工神经网络的预警原理
        4.2.3 预警模型的训练与检测
        4.2.4 房地产市场警情的警度划分
    4.3 基于人工神经网络的房地产市场预警的实现
        4.3.1 确定警兆指标
        4.3.2 确定预警时差
        4.3.3 构建预警模型
        4.3.4 模型的训练和检测
        4.3.5 模型的应用
    4.4 本章小结
5 上海市房地产市场预警研究
    5.1 上海市房地产市场概述
        5.1.1 初始发展期(1992-1997年)
        5.1.2 低速发展期(1998-2000年)
        5.1.3 高速发展期(2001-2004年)
        5.1.4 市场调整期(2005-2008年)
        5.1.5 “后危机”时期(2009年-今)
    5.2 上海市房地产市场预警指标体系
        5.2.1 预警指标的选择
        5.2.2 预警指标的分类
    5.3 上海市房地产市场警情判断
        5.3.1 警情指标的选择
        5.3.2 警情指标的警度划分
        5.3.3 警情指标警度的确定
    5.4 上海市房地产市场预警的实现
        5.4.1 警兆指标的确定
        5.4.2 预警模型的构建
        5.4.3 上海市2010年三季度房地产市场预警分析
    5.5 本章小结
6 结论与展望
    6.1 研究结论
    6.2 学术价值与应用价值
        6.2.1 学术价值
        6.2.2 应用价值
    6.3 研究局限与展望
        6.3.1 本研究的不足
        6.3.2 后续研究的展望
参考文献
附录
作者简历及在学期间所取得的主要科研成果


【参考文献】：
期刊论文
[1]房地产行业:如何打破顺周期波动的怪圈[J]. 巴曙松.  经济. 2010(07)
[2]房地产市场预警系统实证研究——以徐州市为例[J]. 薛星,张世峰,侍方平,郝彬.  金融纵横. 2010(04)
[3]金融风险预警:评价指标、预警机制与实证研究[J]. 陈秋玲,薛玉春,肖璐.  上海大学学报(社会科学版). 2009(05)
[4]基于主成分分析的我国房地产业周期波动研究[J]. 罗西昆,罗西琦,王莉莉.  建筑管理现代化. 2009(04)
[5]我国房地产市场预警动态研究[J]. 王子龙,罗时龙.  现代经济探讨. 2009(01)
[6]中国房地产周期实证研究[J]. 马辉,陈守东,才元.  长白学刊. 2008(04)
[7]我国房地产周期波动与经济周期的实证分析（1979-2008）[J]. 孙雅静,张庆君.  吉林工商学院学报. 2008(04)
[8]基于神经网络的房地产泡沫预警研究[J]. 杨晓冬,王要武.  中国软科学. 2008(02)
[9]中国房地产周期与宏观调控[J]. 魏润卿.  中国房地产. 2008(01)
[10]房地产周期传导机制与拐点期价格预测[J]. 郑华.  中国物价. 2007(12)

博士论文
[1]我国经济转轨时期房地产增长周期波动[D]. 梁云芳.东北财经大学 2007
[2]我国城市房地产预警系统研究[D]. 韩立达.四川大学 2004

硕士论文
[1]房地产预警指标体系构建与实证研究[D]. 郑佳.吉林大学 2008
[2]基于BP神经网络的西安市房地产预警系统研究[D]. 曾又.西安建筑科技大学 2008
[3]基于神经网络的南京市房地产市场预警系统研究[D]. 裘建国.东南大学 2006
[4]基于人工神经网络的房地产市场预警体系研究[D]. 王建新.浙江大学 2006
[5]房地产投资风险分析及预警系统研究[D]. 吕绍成.武汉大学 2004
[6]南京市房地产市场预警系统模型及其应用研究[D]. 余健.东南大学 2004
[7]房地产周期理论与实证研究[D]. 任栋梁.浙江工业大学 2003



本文编号：3175706