青岛市房地产市场预警系统建模及其实证研究

论文摘要

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。

论文目录

• 摘要
• Abstract
• 前言
• 1 绪论
• 1.1 研究背景与依据
• 1.1.1 研究背景
• 1.1.2 研究目的与意义
• 1.2 国内外研究现状
• 1.2.1 国内房地产预警研究现状
• 1.2.2 国外房地产预警研究现状
• 1.3 主要研究方法与研究思路
• 1.4 论文结构安排
• 1.5 本章小结
• 2 房地产预警研究综述
• 2.1 房地产预警系统的内涵
• 2.1.1 房地产预警系统的定义
• 2.1.2 房地产预警系统的组成要素
• 2.1.3 房地产市场预警系统的流程设计
• 2.2 房地产预警系统的基本分析原则
• 2.3 房地产预警系统的特征
• 2.4 房地产预警系统的功能
• 2.5 本章小结
• 3 房地产预警的基本理论及基本方法
• 3.1 房地产预警的基本理论
• 3.1.1 房地产周期波动理论
• 3.1.2 房地产可持续发展理论
• 3.1.3 预测理论
• 3.2 房地产预警的基本方法
• 3.2.1 景气循环预警方法
• 3.2.2 综合预警方法
• 3.2.3 模型预警方法
• 3.3 本章小结
• 4 房地产预警系统模型研究
• 4.1 基于神经网络的房地产预警系统模型基本特点分析
• 4.1.1 神经网络概述
• 4.1.2 神经网络的特点
• 4.1.3 神经网络模型理论
• 4.1.4 神经网络模型优势及特点
• 4.1.5 目前存在的问题
• 4.2 基于LVQ-RBF 的改进型神经网络模型的理论基础及优势
• 4.2.1 模型的理论基础
• 4.2.2 模型特点及优势
• 4.3 基于LVQ-RBF 的改进型神经网络模型
• 4.3.1 LVQ-RBF 网络的构建
• 4.3.2 神经网络隐层结构的分析及确定
• 4.3.3 改进型学习算法研究
• 4.4 本章小结
• 5 基于LVQ-RBF 模型的青岛市房地产市场风险预警实证研究
• 5.1 建立监测预警指标体系
• 5.1.1 警兆指标的选取
• 5.1.2 数据预处理
• 5.1.3 预警线和预警域划分
• 5.2 确定综合指标预警准则
• 5.3 警情分析
• 5.3.1 单指标警情分析
• 5.3.2 综合指标警情分析
• 5.4 模型的训练
• 5.4.1 基于学习矢量化（LVQ）网络分类器功能实现
• 5.4.2 基于径向基函数（RBF）神经网络精确拟合功能实现
• 5.5 测试结果及分析
• 5.6 本章小结
• 6 研究结论与展望
• 6.1 研究结论
• 6.2 本文的主要创新点
• 6.3 研究局限与展望
• 参考文献
• 致谢