曾又[1]2008年在《基于BP神经网络的西安市房地产预警系统研究》文中研究表明房地产作为国民经济的重要组成部分,存在着周期波动规律。起伏过大的波动与房地产经济的持续健康稳定发展相矛盾。同时,房地产作为社会经济系统的一个子系统,具有非线性复杂系统的特性。本文的目的在于解决房地产系统的非线性问题,建立更为先进科学的房地产预警系统,避免房地产市场的非常态波动,促进房地产市场的持续、健康、稳定发展。在此背景下,本文首先在阅读和整理相关文献的基础上,从经济预警理论和周期波动理论入手,理清了基于人工神经网络的房地产市场预警体系的构建思路。然后,选择西安房地产市场进行实证研究,收集了1997年以来西安房地产市场历年历史数据,获得9个能提供给人工神经网络训练的样本。接着,借助Matlab7.1软件中的人工神经网络工具箱,编写了实现人工神经网络训练的程序,并借助样本对网络进行训练,构建基于人工神经网络的房地产市场预警模型。预警模型的检测结果显示,本文所建立的预警模型具有较好的泛化能力,能胜任房地产市场预警的功能要求。利用所建立的预警模型对2006年西安房地产市场状况进行了分析,得出,2007年西安房地产市场将处于“热”状态的结论。最后,针对西安房地产市场的实际,提出了几点对策建议。
费真群[2]2008年在《成都市房地产预警系统研究》文中指出房地产业关联度广、带动性强,已经成为我国国民经济的支柱产业。近年来,由于部分地区投资增幅过大、土地供应过量、价格上涨过快,出现了不同程度的“过热”、“虚热”和结构性问题,存在较严重的市场风险。鉴于此,建立房地产市场预警系统具有重要的理论和实践意义。本文主要分为房地产预警系统的方法探讨和成都市房地产预警系统实证研究两大部分:第一部分以宏观经济预警理论为依据,结合房地产经济周期波动理论,探讨建立房地产预警系统的方法。方法探讨层面包括以下内容:在房地产预警系统指标体系设置阶段,通过对房地产市场预警预报评价体系中可能运用的一些基本概念、理论、模型进行分析说明,对国内现有的各种指标体系进行对比,并结合房地产市场预警预报评价体系的目的、指标选取的原则和指标的含义来确定指标;在指标权重设置阶段,采用时差相关分析法和主成分分析法求得警兆指标体系及综合预警指数;在房地产警界设置阶段,运用误差理论的3δ方法对房地产市场预警评价标准进行设定,最终确立评价体系模型;第二部分运用本文构建的房地产预警系统对成都市房地产进行实证分析,并对2007、2008年成都市房地产市场做出预警,并针对性地提出了后续建议。
李奇昤[3]2012年在《中国房产市场预警系统研究》文中研究指明2008年，对绝大部分人来说毫无预警的房地产次贷危机引发了美国的经济危机，不仅使世界第一大经济体---美国的经济大厦飘摇动荡，也对包括中国在内的全球经济造成了巨大冲击，房地产风险对经济造成的惊心动魄的危害由此可见一斑。随着房地产业对中国经济快速增长影响和作用的增加，中国房地产市场尤其是房产市场的稳定发展越来越受到社会各界广泛关注，更为中央政府所重视。中国政府出台了一系列稳定房价的政策，但大部分的稳定政策同步或滞后于现实房产市场出现的变化和问题，使政策的效能大打折扣。反复出现这种现象的最大原因之一就是没有能够有效预测未来房产市场风险的预警系统。已有一些中国学者采用多种方法试图建立中国房产市场或房地产市场的预警系统，但至今不仅鲜有被广泛接受的房产市场预警系统，而且已有研究中大部分都侧重于建立区域性的房产市场预警系统。因此，本文采用到目前为止在中国尚没有研究者采用的方法，即信号分析法和Probit模型，建立了中国全国性的房产市场预警系统。本文基于信号分析法与Probit模型，使用从1999年第一季度至2010年第叁季度的宏观经济变量和房地产市场变量构建了中国房产市场预警系统，并对其预测能力进行了检验。本文共由六章构成：第一章，为绪论；第二章，介绍了有关房产价格决定模型、房产价格与宏观经济的关联性；第叁章，通过相关关系分析法和Granger因果关系检验，分析了房产价格与宏观经济因素、微观经济因素之间的关系；第四章，采用Granger因果关系、VECM模型的脉冲响应函数分析和方差分解分析，研究了中国叁种房产价格指数之间的关系和互相影响趋势；第五章，通过VAR模型分析了影响房产价格的宏观经济因素和房地产市场因素；第六章，以前几章的分析结果为参考，基于信号分析法与Probit模型建立了中国房产市场预警系统，并对其预测能力进行了检验。与之前的有关房产市场预警系统的大部分的研究只进行样本内预测不同，本文的第六章在基于信号分析法和Probit模型建立了符合中国国情的房产市场预警系统后，不仅检验预警系统对过去风险期间的预测和反应能力，即进行样本内预测检验（In Sample Forecast Test），而且进行了样本外预测检验（Out of Sample Forecast Test）。样本内预测检验结果显示，信号分析法的房产市场预警系统在风险发生一年之前的预测能力达到93%，而Probit模型的房产市场预警系统在风险发生一年之前的预测能达到88.3%。样本外预测检验结果显示，信号分析法的房产市场预警系统在风险发生一年之前的预测能力达到90%，而Probit模型的房产市场预警系统在风险发生一年之前的预测能达到80%。因为中国房产市场的历史较短，可用数据有限，因此虽然本文所构建的房产市场预警系统检验预测能力很高，对尚难确定对未来可能发生的市场的风险是否会也具有如此高的预测能力，还需要随时间推移继续观察房产市场的变化而适当调整预警系统的预警指标、临界值、权重等内容。但是，因为本文构建房产市场预警系统和检验其预测能力时，在方法上和过程中没有逻辑错误和伪造，笔者认为可以期待本文所构建的基于信号分析法与Probit模型的房产市场预警系统作为中国全国范围的房产市场预警系统可以发挥良好的作用，为政府采取先行的房产市场稳定化政策、防范市场风险提供科学依据。
张爽[4]2017年在《基于系统动力学的房地产市场风险预警系统研究》文中研究指明自1998年政府取消福利分房制度以来,房子开始作为一种商品全面走向市场,住宅的商品化之路便备受关注。特别是近年来随着我国房地产市场的持续快速发展,政府等相关部门为了应对房地产市场量价齐升的局面,陆续出台了一系列旨在控制房价过快上涨、抑制房地产市场投资过热的宏观调控措施。但市场反应却在一定程度上偏离了政府的预期调控目标,持续升温的房地产市场引起了政府相关部门对房地产市场过快发展会危害国民经济平稳运行与社会和谐稳定的警觉和担忧。因此,如何根据房地产市场的内部运行机制及发展规律,制定科学合理切实可行的宏观调控政策,引导房地产市场回归理性,满足普通消费者的基本住房需求就成为了人们广泛关注的热点问题之一。本文主要将系统动力学的分析方法应用于房地产市场风险预警系统的研究。首先,从构成房地产市场的内外部因素出发,对房地产市场的内部运行机制及发展规律进行了详细分析,探讨了房地产商品价格的影响因素及其形成机理。接着构建了基于系统动力学的房地产市场的系统仿真模型,并以济南市为例进行了模拟仿真。然后根据搜集的历年数据及系统动力学模型仿真预测的结果,选取风险预警指标,构建了房地产市场风险预警的指标体系,并采用信号分析法构建了房地产市场的风险综合指数,提出了风险临界值的测度标准和不同级别警情的应对措施。最后结合模型敏感性测试的结果及济南市房地产市场的实际状况选取变量,进行了单变量的单一政策试验及多变量的综合政策仿真试验,通过不同政策试验的结果的对比分析,提出了济南市房地产市场调控的政策建议和具体措施。本文主要创新点有以下几方面:1、界定了房地产市场系统的边界,定义了系统的主要参与要素,提出了由供求、成本、调控和社会四个子系统组成的房地产市场系统基本结构体系,构建了基于系统动力学的房地产系统仿真模型并进行了模拟仿真,为房地产市场的系统研究提供了有力的理论支持。2、构建了房地产市场风险预警的指标体系和房地产市场风险综合指数,提出了各级风险临界值的测度标准和不同级别警情的应对措施,为房地产市场风险的监测和调控提供了科学的标准和参考依据。3、指出了对房地产系统影响巨大且适合作为国家政策调控对象的关键变量,进行了单变量单一政策试验与多变量综合政策试验,提出了房地产市场的政策调控措施,为房地产市场的调控提供了切实可行的对策建议。
赵峰[5]2013年在《基于神经网络的房地产市场预警系统建模与分析》文中指出迄今为止，中国房地产行业经历了30多年的发展历程，其发展模式实现了从计划体制到市场制度的转变，但无论房地产行业在发展中处于何种阶段和运行模式，始终离不开国家、政府的调控行为。1998年以前，国家对住宅实行福利分房的计划经济制度，房改以后，住宅作为房地产行业的主体结构走向了市场，其发展迅猛，市场运行剧烈波动，体现在价格波动巨大，投资、投机活动频繁等，直接或间接的影响着国民经济的运行和稳定，因此加强房地产市场的监管对经济社会中的各个角色尤为重要。在上述背景下，本文开展了关于房地产市场预警系统建模与分析的研究，首先阅读了大量文献，了解到国内外有关房地产市场监管和预警的现状，着重介绍了几个典型代表国家的房地产市场监管体系和国内房地产预警研究的进展，为找到合理的预警方案奠定了基础；其次，本文阐述了房地产周期理论、房地产预警理论和要素、房地产市场波动成因理论，然后将经济学原理和房地产行业相结合，为下文指标的选取等后续工作奠定了理论基础。本文最终选取的是基于神经网络的房地产市场预警手段,首先介绍了预警建模需要的准备工作，即数据预处理，包括采用时差分析筛选指标和警情警度的数值定义、区间划分；其次，选取BP神经网络算法，详细介绍了算法原理和应用算法建模的各个步骤环节，实现了BP神经网络与预警系统建模分析相结合,为实证分析的进行做了原理性论述。本文选取了天津市房地产市场为样本进行了实证分析，首先介绍了选取天津市作为样本城市和划分指标时间区间的依据，描述了天津市房地产行业的发展历程；其次，通过查询了天津市统计年鉴和天津市统计局网站，获得了天津市房地产预警指标的详细数据，确保了数据的真实性和准确性；最后，对数据进行数据分析和处理，筛选了天津市房地产市场预警指标，运用BP神经网络进行建模，借助MATLAB软件编程，实现了BP神经网络的训练和参数的确定，并预测了2012年天津市房地产市场的警情，得出了市场运行为“热”的结论。文章最后，总结了本文的研究成果和结论，着重分析了预警系统中的不足，对未来的研究方向进行了展望，对今后预警研究的发展从制度角度提出了一些政策性建议。
周韬[6]2012年在《西安市房地产市场预警模型的研究与应用》文中研究说明作为国家支柱性产业和一项重大民生工程，房地产业的发展历来被人们所关注。房地产市场的发展过程中呈现出周期波动性，为了防止剧烈波动，使其平稳健康发展，西安市房管局积极建立房地产预警系统，在此背景下，本文希望结合西安市实际，建立科学精确的预警模型，为政策制定者提供参考，也有助于房地产市场的健康发展。本文首先介绍了房地产市场周期波动理论，并对其形成过程进行古典经济学意义上的阶段分解，这也让我们知道房地产市场的发展是有着规律和发展阶段可寻的。然后介绍了房地产预警的基本概念，在阅读大量有关房地产预警文献的基础上，详细归纳和总结了房地产预警方法、房地产预警指标体系和预测方法。在了解各种方法的优缺点之后，提出了将改进后的景气循环法与动态计量经济学模型法相结合的方法对西安市房地产市场进行预警模型设计；在指标体系上本文认为应该强调模型对指标系统的选择，不同的模型所要求的指标体系不同，因此，在充分认识预警模型的基础上确定了西安市房地产市场预警指标体系；同时在预测方法上，本文提供了季节处理和向量误差修正模型（VEC）这两种方法的详细理论和操作方法。运用改进后的景气循环法与动态计量经济学模型法相结合的方法对西安市房地产市场进行预警分析不但可以从整体上把握房地产市场的发展状况和未来走势，还可以对商品房销售价格进行单独的分析。分析发现，西安市房地产市场从2008年2月至2011年12月大致经历了3个周期的波动，在经历了2011年全年的“收缩”和“萧条”阶段后将在2012年仍处于进入“萧条”阶段；同时对商品房销售价格的分析也发现商品房销售价格在2011年剧烈波动，偏离了与其他各指标的长期均衡状态，并且在2012年也将迎来上涨的趋势。结合模型的模拟和预测结果，文章接着给出了政策和措施建议，在接下来的西安市房地产市场上要预防其重新进入过热发展，同时还要防止房价剧烈波动，影响国民经济的健康发展。经过实证分析可以发现，本文构建的改进后的景气循环法与动态计量经济学模型法相结合的方法能够较好地模拟和预测西安市房地产市场的发展，在理论分析和实际操作上都为房地产市场预警提供了有效的参考。
黄兴柱[7]2012年在《基于多元logistic回归模型的房地产预警研究》文中提出随着国民经济的发展，房地产业由于其产业关联度高、带动性强等特点，已成为拉动我国经济增长的重要产业。近年来房地产市场发展迅速，但也出现了不少问题，如：房地产市场价格增长过快、房屋空置量居高不下和住房供求矛盾突出等。为了促进房地产市场持续稳定和健康发展，避免房地产市场的剧烈波动，需要建立一个科学、实用的房地产市场预警系统。本文的研究思路如下：第一部分是阐述本文的选题背景和意义，提出研究内容、研究框架和研究方法等，最后提出本文的创新点：首次将多元logistic回归模型应用到济南市房地产市场预警研究中。第二部分是对国内外研究现状进行总结，主要包括房地产市场预警系统基本理论的介绍、房地产市场预警方法的比较分析、房地产市场预警指标体系研究和我国房地产市场预警系统的建设实践成果等。房地产市场预警方法主要包括黑色预警法、黄色预警法、白色预警法、绿色预警法和红色预警法五类，通过对预警方法在工作原理和基本特点等方面的对比分析，选择黄色预警法中的模型预警法作为房地产市场预警方法。第叁部分是通过对比分析选择适合房地产市场的预警方法，首先选择模型预警法中最具代表性的线性回归模型进行阐述，再对logistic回归模型进行介绍，最后从自变量的选择、定性问题的处理、对事物发展过程的拟合和最终结果的形式等方面进行比较分析，显示logistic回归模型在房地产市场预警中的优越性。第四部分是构建房地产市场的指标体系，主要包括警情指标的选择、警兆指标的确定和警界区间的划分叁大部分。本文选择房地产价格指数作为警情指标。根据现有警兆指标体系的研究成果并结合具体情况，本文将警兆指标体系划分为叁大板块：房地产业与国民经济协调性、房地产业发展速度和房地产业内部均衡，每一板块又包括若干个具体的警兆指标。本文利用3方法将警界区间划分为过冷、偏冷、正常、偏热和过热五种状态，并分别采用交通信号灯的蓝色、浅蓝色、绿色、黄色和红色五种颜色代表。第五部分是以济南市房地产市场为例进行实证分析。本文选取1996~2010年济南市房地产市场的相关指标作为基础数据，分别利用线性回归和logistic回归两个模型对济南市房地产市场进行预警研究，得出不同的预警结果。通过对预警结果的比较分析证明logistic回归模型的优越性，并根据预警结果提出对策建议。最后是结论与展望，总结研究过程中得出的主要结论，同时指出本文的不足之处和需要进一步改进的地方。
周琦[8]2008年在《青岛市房地产市场预警系统建模及其实证研究》文中研究说明房地产业在整个国民经济体系中属于先导性、基础性产业,处于主导产业地位,其存在着明显的周期波动规律。起伏过大的波动与房地产经济的持续健康稳定发展相矛盾,但是目前,我国房地产市场运行机制不甚完善,还没有形成合理、有序、竞争、高效的市场运行体系,房地产市场存在信息传递不畅、信息数据失真、市场行情展示手段落后和市场交易网络封闭等一系列问题。因此,研究房地产预警系统,设置房地产预警指标体系,系统、科学、准确地确定房地产安全区域,成为有关决策部门亟需解决的重大现实问题,又是学术界需要深入研究的重大理论问题。针对这种情况,本文提出了房地产市场预警系统模型研究,为促进房地产业的健康发展提供一定的理论依据。并在此基础上,对青岛市房地产市场进行了实证研究。本文通过研究,得到的研究成果及研究结论主要有以下几个方面:(1)基于对国内外房地产预警研究现状的分析,归纳总结了房地产预警的基本概念、基本原则和基本方法。在对国内原有各类房地产指标体系进行研究的基础上,确定房地产预警指标。(2)房地产作为社会经济系统的一个子系统,具有非线性复杂系统的特性。本文立足于解决房地产系统的非线性问题,建立更为先进科学的房地产预警系统,避免房地产市场的非常态波动,促进房地产市场的持续、健康、稳定发展。在现有研究的基础上,系统地分析了房地产预警的特点及功能特征,对房地产预警过程中的关键预警指标进行了辨识、预测、诊断、监测和控制,构建了具有理论性和实践性的房地产预警系统,为解决房地产预警问题提供了依据。(3)本文介绍的房地产预警系统,以神经网络理论和房地产预警理论为基础,构建了预警模型。利用神经网络在预测和模式识别领域的成熟运用,重点探讨基于神经网络理论的房地产预警的模型和方法,并利用该模型形成了房地产市场预警体系。(4)在建立了房地产预警指标体系的基础上,本文提出了基于LVQ-RBF神经网络的房地产预警模型,该模型克服了传统预警方法的不足,具有高度的并行性和全局性,提高了房地产预警系统的非线性、自学习性、自适应性及大规模并行分布知识处理的能力,具有较高的精确度和适用性。(5)本文依据前期研究理论成果,对青岛市房地产风险预警进行实证分析,依据技术可能、经济合理、操作可行等原则,最终形成综合预警分析结论。预警分析的结果与青岛房地产发展的实际情况基本吻合,表明本项研究所建立的房地产预警模型系统有效可行,理论分析充分,实用价值高,为指导和调控房地产市场提供了科学依据。
张振勇[9]2011年在《论我国房地产市场预警系统的建立》文中研究指明建立房地产市场预警系统有助我们在恰当的时候采用正确的房地产宏观调控措施促进房地产市场健康发展。本文将房价收入比、房价租金比、租金收入比、房地产价格增长率与GDP增长率之比、商品房空置率5个指标作为房地产市场预警统计指标,并对它们的预警区间做出界定,然后根据每个指标的统计数据,确定警兆的警级,结合警兆的重要性进行加权综合,综合成一个指数,这样就可以用一组类似于交通信号灯的标志把当前的房地产市场状态直观地表达出来,用以判断房地产市场过热或衰退的程度,来制定房地产宏观调控的方向。
裘建国[10]2005年在《基于神经网络的南京市房地产市场预警系统研究》文中指出房地产作为国民经济的重要组成部分,存在着周期波动规律。起伏过大的波动与房地产经济的持续健康稳定发展相矛盾。同时,房地产作为社会经济系统的一个子系统,具有非线性复杂系统的特性。本文的目的在于解决房地产系统的非线性问题,建立更为先进科学的房地产预警系统,避免房地产市场的非常态波动,促进房地产市场的持续、健康、稳定发展。首先,本文介绍了南京市房地产预警系统,给出已完成两种模型实证研究的结果,选取基于神经网络预警方法的预警指标,对比分析了叁种不同的定量预警模型和方法。其次,以神经网络理论和房地产预警理论为基础,利用BP神经网络在预测和模式识别领域的成熟运用,重点探讨基于神经网络理论的房地产预测及预警的模型和方法,并以南京市房地产市场为对象进行实证研究。最后,在对叁种不同的预警方法做了预警分析比较后,最终形成综合预警分析结论,并提出相关政策调控建议。预警分析的结果与南京房地产发展的实际情况基本吻合,表明本项研究所建立的房地产预警系统有效可行,理论分析充分,实用价值高,为指导和调控房地产市场提供了科学的依据。
参考文献：
[1]. 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
[2]. 成都市房地产预警系统研究[D]. 费真群. 四川师范大学. 2008
[3]. 中国房产市场预警系统研究[D]. 李奇昤. 中国社会科学院研究生院. 2012
[4]. 基于系统动力学的房地产市场风险预警系统研究[D]. 张爽. 济南大学. 2017
[5]. 基于神经网络的房地产市场预警系统建模与分析[D]. 赵峰. 兰州交通大学. 2013
[6]. 西安市房地产市场预警模型的研究与应用[D]. 周韬. 西安建筑科技大学. 2012
[7]. 基于多元logistic回归模型的房地产预警研究[D]. 黄兴柱. 济南大学. 2012
[8]. 青岛市房地产市场预警系统建模及其实证研究[D]. 周琦. 中国海洋大学. 2008
[9]. 论我国房地产市场预警系统的建立[J]. 张振勇. 工业技术经济. 2011
[10]. 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. 2005
标签：宏观经济管理与可持续发展论文; 投资论文; 风险预警系统论文; 预测模型论文; 神经网络模型论文; 风险模型论文; 房地产业论文; 购房论文; 调控论文;