本文關鍵詞：青島市房地產市場預警系統建模及其實證研究，由筆耕文化傳播整理發(fā)布。

中國海洋大學

碩士學位論文

青島市房地產市場預警系統建模及其實證研究

姓名：周琦

申請學位級別：碩士

專業(yè)：管理科學與工程

指導教師：張勤生

20080530

青島市房地產市場預警系統建模及其實ｔｌＦ研究

青島市房地產市場預警系統建模及其實證研究

摘要

房地產業(yè)在整個國民經濟體系中屬于先導性、基礎性產業(yè)，處于主導產業(yè)地位，其存在著明顯的周期波動規(guī)律。起伏過大的波動與房地產經濟的持續(xù)健康穩(wěn)定發(fā)展相矛盾，但是目前，我國房地產市場運行機制不甚完善，還沒有形成合理、有序、競爭、高效的市場運行體系，房地產市場存在信息傳遞不暢、信息數據失真、市場行情展示手段落后和市場交易網絡封閉等?系列問題。因此，研究房地產預警系統，設置房地產預警指標體系，系統、科學、準確地確定房地產安全區(qū)域，成為有關決策部門亟需解決的重大現實問題，又是學術界需要深入研究的重大理論問題。

針對這種情況，本文提出了房地產市場預警系統模型研究，為促進房地產業(yè)的健康發(fā)展提供一定的理論依據。并在此基礎上，對青島市房地產市場進行了實證研究。

本文通過研究，得到的研究成果及研究結論主要有以下幾個方面：

（１）基于對國內外房地產預警研究現狀的分析，歸納總結了房地產預警的基本概念、基本原則和基本方法。在對國內原有各類房地產指標體系進行研究的基礎上，確定房地產預警指標。

（２）房地產作為社會經濟系統的一個子系統，具有非線性復雜系統的特性。本文立足于解決房地產系統的非線性問題，建立更為先進科學的房地產預警系統，避免房地產市場的非常態(tài)波動，促進房地產市場的持續(xù)、健康、穩(wěn)定發(fā)展。在現有研究的基礎上，系統地分析了房地產預警的特點及功能特征，對房地產預警過程中的關鍵預警指標進行了辨識、預測、診斷、監(jiān)測和控制，構建了具有理論性和實踐性的房地產預警系統，為解決房地產預警問題提供了依據。

（３）本文介紹的房地產預警系統，以神經網絡理論和房地產預警理論為基礎，構建了預警模型。利用神經網絡在預測和模式識別領域的成熟運用，重點探

青島市房地產市場頂警系統建模及其實證研究

討基于神經網絡理論的房地產預警的模型和方法，并利用該模型形成了房地產市場預警體系。

（４）在建立了房地產預警指標體系的基礎上，本文提出了基于ＬＶＱ—ＲＢＦ神經網絡的房地產預警模型，該模型克服了傳統預警方法的不足，具有高度的并行性和全局性，提高了房地產預警系統的非線性、自學習性、自適應性及大規(guī)模并行分布知識處理的能力，具有較高的精確度和適用性。

（５）本文依據前期研究理論成果，對青島市房地產風險預警進行實證分析，依據技術可能、經濟合理、操作可行等原則，最終形成綜合預警分析結論。預警分析的結果與青島房地產發(fā)展的實際情況基本吻合，表明本項研究所建立的房地產預警模型系統有效可行，理論分析充分，實用價值高，為指導和調控房地產市場提供了科學依據。

關鍵詞：房地產；神經網絡：系統建模；學習矢量化；預警；預測【Ｉ

ｍｅｔｓｙｂｏａｄｇｎ’Ｑ

青島市房地產市場預警系統建模及ｊｅ實證研究

ＭｏｄｅＩｉｎｇｆｏｒＲｅａｌＥｓｔａｔｅＦｏｒｅｃａｓｔｉｎｇａｎｄＥａｒｌＹＷａｒｎｉｎｇ

Ｓｙｓｔｅｍａｎｄｉｉｔｓｓｌ：ｍｐＥｍｌｉｌｒｌｉｃａＩＩＲｅｓｅａｅｓｅａｒｒｃｈｈＩｉｎＵｉｎｇｄａｏ

Ａｂｓｔｒａｏｔ

Ｒｅａｌｅｓｔａｔｅｉｎｄｕｓｔｒｙ，ｗｈｉｃｈｉｓｐｌａｙｉｎｇａｌｅａｄｉｎｇｒｏｌｅｉｎｔｈｅｄｅｖｅｌｏｐｍｅｎｔｏｆｎａｔｉｏｎａｌｅｃｏｎｏｍｙ，ｓｈｏｗｓｍｏｒｅａｎｄｍｏｒｅｏｂｖｉｏｕｓｌｙｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｏｆｃｙｃｌｅｆｌｕｃｔｕａｔｉｏｎ．Ｉｔｓｅｘｃｅｓｓｉｖｅｆｌｕｃｔｕａｔｉｏｎｃｏｎｔｒａｄｉｃｔｓｗｉｔｈ也ｅｓｕｓｔａｉｎａｂｌｅ，ｈｅａｌｔｈｙ．ａｎｄｓｔａｂｌｅｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｒｅａｌｅｓｔａｔｅｅｃｏｎｏｍｙ．Ｃｕｒｒｅｎｔｌｙ，ｔｈｅｒｅｉｓｓｔｉｌｌｍｕｃｈｗｏｒｋｔｏｄｏｔｏｐｅｒｆｅｃｔｔｈｅｒｅａｌｅｓｔａｔｅｍａｒｋｅｔｏｐｅｒａｔｉｏｎｍｅｃｈａｎｉｓｍｏｆＣｈｉｎａ，ｔＯｆｏｒｍｒａｔｉｏｎａｌ，ｏｒｄｅｒｌｙ，ｃｏｍｐｅｔｉｔｉｖｅａｎｄｅｆｆｉｃｉｅｎｔｍａｒｋｅｔｏｐｅｒａｔｉｏｎｓｙｓｔｅｍａｎｄｔｏｓｏｌｖｅｔｈｅｃｕｒｒｅｎｔｐｒｏｂｌｅｍｓｏｆｔｈｅｕｎｓｍｏｏｔｈｔｒａｎｓｆｅｒｒｉｎｇｏｆｉｎｆｏｒｍａｔｉｏｎ，ｔｈｅｄｉｓｔｏｒｔｉｏｎｏｆｉｎｆｏｒｍａｔｉｏｎｄａｔａ，ｔｈｅｂａｃｋｗａｒｄｄｉｓｐｌａｙｉｎｇｍｅａｎｓｏｆｍａｒｋｅｔｑｕｏｔａｔｉｏｎａｎｄｔｈｅｂｌｏｃｋｉｎｇｏｆｔｈｅｍａｒｋｅｔｔｒａｎｓａｃｔｉｏｎｎｅｔｗｏｒｋ．ＩｔｈａｓｂｅｃｏｍｅａｈｏｔｐｏｉｎｔｉｎｔｈｅａｃａｄｅｍｉｃｃｙｃｌｅｓａｎｄａｒＯＩ／Ｓｅｓｉｎｔｅｎｓｉｖｅｃｏｎｃｅｒｎｓｏｆｔｈｅｒｅｌａｔｅｄｐｏｌｉｃｙ?ｍａｋｉｎｇａｐａｒｔｍｅｎｔｓｔｏｄｏｒｅｓｅａｒｃｈｏｎｒｅａｌｅｓｔａｔｅｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍ，ｔｏｓｅｔｕｐｔｈｅｒｅａｌｅｓｔａｔｅｅａｒｌｙｗａｒｎｉｎｇｉｎｄｅｘｓｙｓｔｅｍａｎｄｓｙｓｔｅｍａｔｉｃａｌｌｙ，ｓｃｉｅｎｔｉｆｉｃａｌｌｙａｎｄａｃｃｕｒａｔｅｌｙｄｅｆｉｎｅｔｈｅｓｅｃｕｒｅｒｅｇｉｏｎｏｆｒｅａｌｅｓｔａｔｅ．

Ｔｏａｄｄｒｅｓｓｔｈｉｓｐｒｏｂｌｅｍ，ｔｈｅｒｅｓｅａｒｃｈｏｆｅａｒｌｙｗａｒｎｉｎｇｍｏｄｅｌｓｏｆｒｅａｌｅｓｔａｔｅｍａｒｋｅｔｉｓｐｕｔｆｏｒｗａｒｄｉｎｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｗｈｉｃｈｗｉｌｌｍａｋｅｉｔｓｔｈｅｏｒｅｔｉｃａｌｃｏｎｔｒｉｂｕｔｉｏｎｔｏｔｈｅｐｒｏｍｏｔｉｏｎｏｆｔｈｅｈｅａｌｔｈｙｄｅｖｅｌｏｐｍｅｎｔｏｆｒｅａｌｅｓｔａｔｅｉｎｄｕｓｔｒｙ．Ｏｎｔｈｅｂａｓｅｏｆｔｈｉｓｒｅｓｅａｒｃｈ，ｅｍｐｉｒｉｃａｌｓｔｕｄｙｉｓａｌｓｏｄｏｎｅｏｎｔｈｅｒｅａｌｅｓｔａｔｅｍａｒｋｅｔｏｆＱｉｎｇｄａｏ．

Ｂａｓｅｄｏｎｔｈｅｒｅｓｅａｒｃｈａｂｏｖｅ，ｔｈｅｍａｉｎｆｉｎｄｉｎｇｓａｎｄｔｈｅｃｏｎｃｌｕｓｉｏｎｓａｒｅｍｅｎｔｉｏｎｅｄａｓｆｏｌｌｏｗｓ：

Ｆｉｒｓｔｏｆａｌｌ，ｂａｓｅｄｏｎｔｈｅａｎａｌｙｓｉｓｏｆｔｈｅｃｕｒｒｅｎｔｒｅｓｅａｒｃｈｅｓａｔｈｏｍｅａｎｄａｂｒｏａｄ，ｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｓｕｍｍａｒｉｚｅｓｔｈｅｂａｓｉｃｃｏｎｃｅｐｔｓ，ｐｒｉｎｃｉｐｌｅｓａｎｄｍｅｔｈｏｄｓｏｆｆｏｒｅｃａｓｔｉｎｇａｎｄｅａｒｌｙｗａｒｎｉｎｇｏｆｒｅａｌｅｓｔａｔｅｅｃｏｎｏｍｙ．Ｏｎｔｈｅｂａｓｅｏｆｔｈｅａｎａｌｙｓｉｓｏｆｔｈｅｄｏｍｅｓｔｉｃｒｅａｌｅｓｔａｔｅｉｎｄｅｘｓｙｓｔｅｍｓ，ｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｓｅｌｅｃｔｓａｎｄｆｉｘｅｓｏｎｉｔｓｉｎｄｅｘｅｓｏｆｅａｒｌｙｗａｒｎｉｎｇ．

Ｓｅｃｏｎｄｌｙ，ａｓａｓｕｂｓｙｓｔｅｍｏｆｔｈｅｓｏｃｉａｌａｎｄｅｃｏｎｏｍｉｃｓｙｓｔｅｍ，ｒｅａｌｅｓｔａｔｅｓｈｏｗｓｃｏｍｐｌｅｘｎｏｎ—ｌｉｎｅａｒｃｈａｒａｃｔｅｒｉｓｔｉｃｓ．Ｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎａｉｍｓａｔｓｏｌｖｉｎｇｔｈｅｎｏｎｌｉｎｅａｒｐｒｏｂｌｅｍｏｆｔｈｅｒｅａｌｅｓｔａｔｅｓｙｓｔｅｍａｎｄｅｓｔａｂｌｉｓｈｉｎｇａｍｏｒｅａｄｖａｎｃｅｄａｎｄｓｃｉｅｎｔｉｆｉｃｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍｉｎｏｒｄｅｒｔｏｐｒｅｖｅｎｔｔｈｅｒｅａｌｅｓｔａｔｅｍａｒｋｅｔｆｒｏｍｔｈｅａｂｎｏｒｍａｌｆｌｕｃｔｕａｔｉｏｎａｎｄｔｏｍａｉｎｔａｉｎｔｈｅｓｕｓｔａｉｎａｂｌｅ，ｈｅａｌｔｈｙａｎｄｓｔａｂｌｅｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｒｅａｌｌＩＩ

ｅｓｔａｔｅｍａｒｋｅｔ．Ｏｎ山ｅｆｏｕｎｄａｔｉｏｎｏｆｔｈｅｐｒｅｓｅｎｔｒｅｓｅａｒｃｈ，ｔｈｅｄｉｓｓｅｒｔａｔｉｏｎｓｙｓｔｅｍａｔｉｃａｌｌｙａｎａｌｙｓｅｓｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｆｕｎｃｔｉｏｎｓｏｆｔｈｅｒｅａｌｅｓｔａｔｅｅａｒｌｙｗａｒｎｉｎｇ，ｍａｋｅａｎｉｄｅｎｔｉｆｉｃａｔｉｏｎ，ｐｒｅｄｉｃｔｉｏｎ，ｄｉａｇｎｏｓｉｓ，ｍｏｎｉｔｏｒｉｎｇａｎｄｃｏｎｔｒｏｌｏｆｔｈｅｋｅｙｉｎｄｅｘｉｎｔｈｅｐｒｏｃｅｓｓｏｆｒｅａｌｅｓｔａｔｅｅａｒｌｙｗａｒｎｉｎｇａｎｄｃｏｎｓｔｒｕｃｔａｔｈｅｏｒｅｔｉｃａｌｌｙａｎｄｐｒａｃｔｉｃａｌｌｙｆｅａｓｉｂｌｅｒｅａｌｅｓｔａｔｅｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍｗｈｉｃｈｐｒｏｖｉｄｅｓｔｈｅｂａｓｉｓｆｏｒｔｈｅｓｏｌｕｔｉｏｎｏｆｔｈｅｒｅａｌｅｓｔａｔｅｅａｒｌｙｗａｒｎｉｎｇｐｒｏｂｌｅｍｓ．

Ｔｈｉｒｄｌｙ．ｂａｓｅｄｏｎｎｅｕｒａｌｎｅｔｗｏｒｋｓｔｈｅｏｒｉｅｓａｎｄｒｅａｌｅｓｔａｔｅｅａｒｎｉｎｇｗａｒｎｉｎｇｔｈｅｏｒｉｅｓ，ｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｉｎｔｒｏｄｕｃｅｓｉｔｓｆｏｒｅｃａｓｔｉｎｇａｎｄｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍａｎｄｄｅｖｅｌｏｐｓｉｔｓｍｏｄｅｌｏｆｆｏｒｅｃａｓｔｉｎｇａｎｄｅａｒｌｙｗａｒｎｉｎｇ．ＢｙｕｔｉｌｉｚｉｎｇｔｈｅｎｅｕｒａｌｎｅｔｗｏｒｋｓｗｈｉｃｈｉＳｍａｔｕｒｅｌｙａｐｐｌｉｅｄｉｎｔｈｅｆｉｅｌｄｏｆｆｏｒｅｃａｓｔａｎｄｍｏｄｅｌｒｅｃｏｇｎｉｔｉｏｎ，ｔｈｅｄｉｓｓｅｒｔａｔｉｏｎｐｕｔｓｉｔｓｅｍｐｈａｓｅｓｏｎｔｈｅｒｅｓｅａｒｃｈｏｆｔｈｅｍｏｄｅｌｓａｎｄｍｅｔｈｏｄｓｏｆｒｅａｌｅｓｔａｔｅｆｏｒｅｃａｓｔｉｎｇａｎｄｅａｒｌｙｗａｒｎｉｎｇ．Ａｎｄｂａｓｅｄｏｎｔｈｅｓｅｍｏｄｅｌｓｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｄｅｖｅｌｏｐｓｉｔｓｏｗｎｆｏｒｅｃａｓｔｉｎｇａｎｄｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍｏｆｒｅａｌｅｓｔａｔｅｍａｒｋｅｔ．

Ｆｏｕｒｔｈｌｙ，ｂａｓｅｄｏｎｔｈｅｒｅａｌｅｓｔａｔｅｅａｒｌｙｗａｒｎｉｎｇｉｎｄｅｘｓｙｓｔｅｍ，ｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｄｅｖｅｌｏｐｓｔｈｅＬＶＱ．．ＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋｓｍｏｄｅｌｏｆｆｏｒｅｃａｓｔｉｎｇａｎｄｅａｒｌｙｗａｒｎｉｎｇ．Ｗｉｔｈｈｉｇｈｐａｒａｌｌｅｌｉｓｍ，ｇｌｏｂａｌｓｕｐｅｒｉｏｒｉｔｙ，ａｃｃｕｒａｃｙａｎｄａｐｐｌｉｃａｂｉｌｉｔｙｔｈｉｓｍｏｄｅｌｈａｓｏｖｅｒｃｏｍｅｔｈｅｄｅｆｉｃｉｅｎｃｙｏｆｔｒａｄｉｔｉｏｎａｌｅａｒｌｙｗａｒｎｉｎｇｍｅｔｈｏｄｓａｎｄｈｉｇｈｌｙｉｍｐｒｏｖｅｓｔｈｅｒｅａｌｅｓｔａｔｅｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍ’Ｓｎｏｎ－ｌｉｎｅａｒｉｔｙ，ｓｅｌｆｓｔｕｄｙｉｎｇａｂｉｌｉｔｙ，ｓｅｌｆａｄａｐｔａｂｉｌｉｔｙａｎｄｔｈｅａｂｉｌｉｔｙｔｏｐｒｏｃｅｓｓｌａｒｇｅ—ｓｃａｌｅｃｏｎｃｕｒｒｅｎｔｌｙｄｉｓｔｒｉｂｕｔｅｄｋｎｏｗｌｅｄｇｅ．

Ｆｉｎａｌｌｙ，ｂａｓｅｄｏｎｔｈｅｐｒｅｖｉｏｕｓｔｈｅｏｒｅｔｉｃａｌｒｅｓｅａｒｃｈｆｉｎｄｉｎｇｓ，ｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｅｍｐｉｒｉｃａｌｌｙａｎａｌｙｓｅｓｏｆｔｈｅｒｅａｌｅｓｔａｔｅｍａｒｋｅｔｉｎＱｉｎｇｄａｏａｎｄｆｏｒｍｓｉｔｓｃｏｍｐｒｅｈｅｎｓｉｖｅｅａｒｌｙｗａｒｎｉｎｇｔｈｅｏｒｉｅｓａｎｄｍｅｔｈｏｄｓ．ＳｉｎｃｅｔｈｅｃｏｎｃｌｕｓｉｏｎｏｆｔｈｅａｎａｌｙｓｉｓｏｆｅａｒｌｙｗａｒｎｉｎｇｉｎｔｈｉｓｄｉｓｓｅｒｔａｔｉｏｎｉｓｉｎａｃｃｏｒｄａｎｃｅｗｉｔｈｔｈｅｐｒａｃｔｉｃａｌｄｅｖｅｌｏｐｍｅｎｔｏｆｔｈｅｒｅａｌｅｓｔａｔｅｉｎＱｉｎｇｄａｏ，ｔｈｅｒｅａｌｅｓｔａｔｅｅａｒｌｙｗａｒｎｉｎｇｓｙｓｔｅｍｅｓｔａｂｌｉｓｈｅｄｉｎｔｈｉｓｒｅｓｅａｒｃｈｉｓｐｒｏｖｅｄｔｏｂｅｆｅａｓｉｂｌｅ，ｗｉｔｈｆｕｌｌｔｈｅｏｒｙａｎａｌｙｓｉｓａｎｄｇｏｏｄｐｒａｃｔｉｃａｌｖａｌｕｅ，ａｎｄｐｒｏｖｉｄｅｓｃｉｅｎｔｉｆｉｃｆｏｕｎｄａｔｉｏｎｆｏｒｇｕｉｄｉｎｇａｎｄｃｏｎｔｒｏｌｌｉｎｇｔｈｅｒｅａｌｅｓｔａｔｅｍａｒｋｅｔｓ．

ＫｅｙＷｏｒｄｓ：ＲｅａｌＥｓｔａｔｅ，，ＮｅｕｒａｌＮｅｔｗｏｒｋｓ，ＳｙｓｔｅｍＭｏｄｅｌｉｎｇ，ＬｅａｒｎｉｎｇＶｅｃｔｏｒＱｕａｎｔｉｚａｔｉｏｎ，ＥａｒｌｙＷａｒｎｉｎｇ，Ｆｏｒｅｃａｓｔｉｎｇ

  本文關鍵詞：青島市房地產市場預警系統建模及其實證研究，由筆耕文化傳播整理發(fā)布。