本文關(guān)鍵詞：城市住宅房地產(chǎn)銷(xiāo)售價(jià)格指數(shù)分級(jí)預(yù)測(cè)方法的研究，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來(lái),我國(guó)房地產(chǎn)市場(chǎng)發(fā)展迅速,住房?jī)r(jià)格的漲跌日益成為社會(huì)各界關(guān)注的問(wèn)題,尤其是一些一線城市房?jī)r(jià)增速已經(jīng)超出人們的預(yù)期,盡管?chē)?guó)家一度出臺(tái)多種政策調(diào)控房地產(chǎn)市場(chǎng),但是房?jī)r(jià)依然處于高速增長(zhǎng),已經(jīng)超出廣大民眾的承受范圍,房地產(chǎn)行業(yè)風(fēng)險(xiǎn)問(wèn)題也日益突出。為了給政府、居民和開(kāi)發(fā)商提供正確的引導(dǎo)信息,研究房地產(chǎn)市場(chǎng)的發(fā)展規(guī)律,用科學(xué)的方法對(duì)房地產(chǎn)價(jià)格變化趨勢(shì)進(jìn)行預(yù)測(cè)有著重要的意義。本文以房地產(chǎn)住宅銷(xiāo)售價(jià)格指數(shù)作為研究對(duì)象,從房地產(chǎn)價(jià)格的相關(guān)理論入手,介紹房地產(chǎn)價(jià)格的構(gòu)成和特點(diǎn),并從不同的方面分析影響我國(guó)房地產(chǎn)價(jià)格變化的因素。房地產(chǎn)價(jià)格指數(shù)作為房地產(chǎn)市場(chǎng)的風(fēng)向標(biāo),可以更合理地展現(xiàn)房地產(chǎn)市場(chǎng)變化的規(guī)律,選用不同的房地產(chǎn)價(jià)格指數(shù)可以從不同的角度反映房地產(chǎn)市場(chǎng)的發(fā)展情況,在對(duì)房地產(chǎn)價(jià)格指數(shù)的編制方法做了系統(tǒng)的介紹的同時(shí),選取了中位數(shù)法作為本文編制房地產(chǎn)價(jià)格指數(shù)的方法,并利用收集到的房地產(chǎn)住宅銷(xiāo)售價(jià)格數(shù)據(jù)編制出天級(jí)和周級(jí)兩個(gè)時(shí)間尺度的價(jià)格指數(shù)�；煦缋碚撜J(rèn)為房地產(chǎn)價(jià)格指數(shù)這種單一的時(shí)間序列中蘊(yùn)含著眾多影響其變化因素的信息,只要能夠重構(gòu)時(shí)間序列就能夠還原房地產(chǎn)價(jià)格指數(shù)的相空間特性,避免了主觀性因素對(duì)其影響�；诖�,介紹了小波神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)時(shí)間序列預(yù)測(cè)模型。首先,分別對(duì)編制的天級(jí)價(jià)格指數(shù)和周級(jí)價(jià)格指數(shù)進(jìn)行混沌特性判別,同時(shí)利用互信息法和Cao氏法求出延遲時(shí)間和嵌入維數(shù),并對(duì)天級(jí)價(jià)格指數(shù)和周級(jí)價(jià)格指數(shù)進(jìn)行相空間重構(gòu)。然后,分別利用基于相空間重構(gòu)的小波神經(jīng)網(wǎng)絡(luò)和PSO-LSSVM模型對(duì)天級(jí)價(jià)格指數(shù)和周級(jí)價(jià)格指數(shù)建立分級(jí)預(yù)測(cè)模型進(jìn)行預(yù)測(cè),通過(guò)實(shí)例分析得出基于相空間重構(gòu)的PSO-LSSVM模型更適合短期房地產(chǎn)價(jià)格指數(shù)的預(yù)測(cè),為房地產(chǎn)價(jià)格指數(shù)預(yù)測(cè)的研究提供了新的思路。
【關(guān)鍵詞】：房地產(chǎn)價(jià)格指數(shù) 混沌理論 支持向量機(jī) 小波神經(jīng)網(wǎng)絡(luò) 分級(jí)預(yù)測(cè)
【學(xué)位授予單位】：河北工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：F299.23
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-20
• 1.1 研究背景及意義11-13
• 1.1.1 研究背景11-12
• 1.1.2 研究意義12-13
• 1.2 國(guó)外研究現(xiàn)狀13-15
• 1.2.1 國(guó)外房地產(chǎn)價(jià)格指數(shù)的研究13-14
• 1.2.2 國(guó)外房地產(chǎn)價(jià)格指數(shù)預(yù)測(cè)的研究14-15
• 1.3 國(guó)內(nèi)研究現(xiàn)狀15-18
• 1.3.1 國(guó)內(nèi)房地產(chǎn)價(jià)格指數(shù)的研究15-16
• 1.3.2 國(guó)內(nèi)房地產(chǎn)價(jià)格指數(shù)預(yù)測(cè)的研究16-18
• 1.4 論文的主要內(nèi)容和技術(shù)路線18-20
• 1.4.1 技術(shù)路線18
• 1.4.2 論文的主要內(nèi)容18-19
• 1.4.3 本文創(chuàng)新點(diǎn)19-20
• 第2章 房地產(chǎn)價(jià)格基本理論20-32
• 2.1 房地產(chǎn)價(jià)格理論20-23
• 2.1.1 房地產(chǎn)價(jià)格的定義20
• 2.1.2 房地產(chǎn)價(jià)格的構(gòu)成20-21
• 2.1.3 房地產(chǎn)價(jià)格的特點(diǎn)21-22
• 2.1.4 房地產(chǎn)價(jià)格的形成機(jī)制22-23
• 2.2 房地產(chǎn)價(jià)格影響因素23-27
• 2.2.1 自然因素24
• 2.2.2 經(jīng)濟(jì)因素24-25
• 2.2.3 社會(huì)因素25-26
• 2.2.4 行政因素26-27
• 2.3 房地產(chǎn)價(jià)格指數(shù)的編制27-31
• 2.3.1 成本投入法27
• 2.3.2 重復(fù)交易法27-28
• 2.3.3 特征價(jià)格法28-29
• 2.3.4 加權(quán)平均法29-30
• 2.3.5 中位數(shù)法30-31
• 2.4 房地產(chǎn)價(jià)格指數(shù)的預(yù)測(cè)31
• 2.5 本章小結(jié)31-32
• 第3章 混沌時(shí)間序列和相空間重構(gòu)32-39
• 3.1 混沌理論32-34
• 3.1.1 混沌的定義33-34
• 3.1.2 混沌的特征34
• 3.2 混沌相空間重構(gòu)34-36
• 3.3 相空間重構(gòu)參數(shù)的選擇及混沌特性判斷36-38
• 3.3.1 延遲時(shí)間的選取36-37
• 3.3.2 嵌入維數(shù)的選取37-38
• 3.3.3 時(shí)間序列的混沌特性判斷38
• 3.4 本章小結(jié)38-39
• 第4章 房地產(chǎn)價(jià)格指數(shù)混沌時(shí)間序列預(yù)測(cè)模型39-50
• 4.1 小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型39-44
• 4.1.1 混沌時(shí)間序列神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)原理39
• 4.1.2 神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)39-40
• 4.1.3 神經(jīng)網(wǎng)絡(luò)模型的主要特征40-41
• 4.1.4 小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型41-43
• 4.1.5 小波神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練步驟43-44
• 4.2 支持向量機(jī)預(yù)測(cè)模型44-49
• 4.2.1 最小二乘支持向量機(jī)算法的基本理論45-46
• 4.2.2 LSSVM模型參數(shù)的優(yōu)化46-48
• 4.2.3 PSO-LSSVM模型訓(xùn)練步驟48-49
• 4.3 本章小結(jié)49-50
• 第5章 城市住宅房地產(chǎn)銷(xiāo)售價(jià)格指數(shù)分級(jí)預(yù)測(cè)模型實(shí)例分析50-65
• 5.1 房地產(chǎn)價(jià)格數(shù)據(jù)的編制和預(yù)處理50-51
• 5.1.1 數(shù)據(jù)的收集與編制50-51
• 5.1.2 數(shù)據(jù)的預(yù)處理51
• 5.2 混沌相空間重構(gòu)和分級(jí)預(yù)測(cè)模型的建立51-62
• 5.2.1 混沌時(shí)間序列預(yù)測(cè)過(guò)程51-53
• 5.2.2 房地產(chǎn)價(jià)格指數(shù)時(shí)間序列相空間重構(gòu)及混沌特性判別53-56
• 5.2.3 建立小波神經(jīng)網(wǎng)絡(luò)混沌時(shí)間序列分級(jí)預(yù)測(cè)模型56-59
• 5.2.4 建立PSO-LSSVM混沌時(shí)間序列分級(jí)預(yù)測(cè)模型59-62
• 5.3 預(yù)測(cè)模型仿真結(jié)果對(duì)比分析62-64
• 5.4 本章小結(jié)64-65
• 結(jié)論與展望65-67
• 參考文獻(xiàn)67-71
• 致謝71-72
• 作者簡(jiǎn)介72
• 攻讀碩士學(xué)位期間發(fā)表的論文和科研成果72-73

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 曹凈;丁文云;趙黨書(shū);宋志剛;劉海明;;基于PSO-LSSVM模型的基坑變形時(shí)間序列預(yù)測(cè)[J];控制工程;2015年03期

2 崔東文;金波;;基于改進(jìn)的回歸支持向量機(jī)模型及其在年徑流預(yù)測(cè)中的應(yīng)用[J];水力發(fā)電學(xué)報(bào);2015年02期

3 谷文成;柴寶仁;滕艷平;;基于粒子群優(yōu)化算法的支持向量機(jī)研究[J];北京理工大學(xué)學(xué)報(bào);2014年07期

4 董莉娟;;中位數(shù)房?jī)r(jià)指數(shù)編制方法研究[J];調(diào)研世界;2014年07期

5 蘇昭斌;朱人杰;陳紅衛(wèi);;基于粒子群支持向量機(jī)的海雜波序列回歸預(yù)測(cè)[J];計(jì)算機(jī)測(cè)量與控制;2014年05期

6 許巖;王波;李鵬;;基于檢測(cè)系統(tǒng)非線性相關(guān)性的相空間重構(gòu)時(shí)間延遲估計(jì)[J];振動(dòng)與沖擊;2014年08期

7 謝東;張興;曹仁賢;;基于小波變換與神經(jīng)網(wǎng)絡(luò)的孤島檢測(cè)技術(shù)[J];中國(guó)電機(jī)工程學(xué)報(bào);2014年04期

8 白春華;周宣赤;林大超;王仲琦;;消除EMD端點(diǎn)效應(yīng)的PSO-SVM方法研究[J];系統(tǒng)工程理論與實(shí)踐;2013年05期

9 翟春;胡智強(qiáng);;特征價(jià)格法的編制與應(yīng)用[J];中國(guó)金融;2012年05期

10 王平;師青;;基于支持向量機(jī)回歸的房地產(chǎn)單指標(biāo)預(yù)測(cè)[J];統(tǒng)計(jì)與決策;2011年21期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 劉蓉;城市住房?jī)r(jià)格PSO-LSSVR預(yù)測(cè)模型研究[D];重慶大學(xué);2014年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 孫艷;基于混沌時(shí)間序列和神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測(cè)[D];廣西大學(xué);2007年

  本文關(guān)鍵詞：城市住宅房地產(chǎn)銷(xiāo)售價(jià)格指數(shù)分級(jí)預(yù)測(cè)方法的研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：269129