【摘要】：我國(guó)的改革開(kāi)放事業(yè)已經(jīng)有條不紊的進(jìn)行了四十周年,在此期間,國(guó)內(nèi)經(jīng)濟(jì)得到了快速發(fā)展,與此同時(shí),房地產(chǎn)業(yè)也隨著改革開(kāi)放的不斷深入以及經(jīng)濟(jì)的快速發(fā)展而不斷繁榮向前。近年來(lái),房產(chǎn)行業(yè)的二手住宅交易活動(dòng)頻繁進(jìn)行,這增加了對(duì)房產(chǎn)價(jià)格評(píng)估的市場(chǎng)需求。對(duì)二手住宅價(jià)格進(jìn)行有效的評(píng)估不僅事關(guān)公民公平交易權(quán)益的合法維護(hù),同時(shí),還關(guān)乎中國(guó)房地產(chǎn)市場(chǎng)的健康運(yùn)行。目前,國(guó)內(nèi)對(duì)于二手住宅的評(píng)估還處于計(jì)較初級(jí)的階段,大多依賴于房產(chǎn)價(jià)格評(píng)估師的個(gè)人經(jīng)驗(yàn),但這一主觀評(píng)估機(jī)制缺乏一定的評(píng)估依據(jù),容易帶來(lái)較大的房?jī)r(jià)誤差�；诖�,本文采用建模的方法對(duì)二手住宅價(jià)格進(jìn)行定量評(píng)估,以期為建立一個(gè)更加科學(xué)、嚴(yán)謹(jǐn)?shù)亩肿≌瑑r(jià)格評(píng)估體系提供新的思路。本文首先對(duì)北京市房產(chǎn)市場(chǎng)近年來(lái)的發(fā)展?fàn)顩r進(jìn)行分析,相對(duì)應(yīng)的選取住宅價(jià)格評(píng)估指標(biāo)并建立了評(píng)估體系,并對(duì)北京市2017年至2018年的二手住宅交易資料進(jìn)行了采集,借鑒國(guó)外先進(jìn)房產(chǎn)價(jià)格評(píng)估理論——特征價(jià)格理論,從消費(fèi)者對(duì)住宅特征的需求角度理解房?jī)r(jià),運(yùn)用R Studio軟件建立了基于反向傳播神經(jīng)網(wǎng)絡(luò)算法的二手住宅價(jià)格評(píng)估模型,將通過(guò)檢驗(yàn)的反向傳播神經(jīng)網(wǎng)絡(luò)模型和傳統(tǒng)多元線性回歸模型進(jìn)行實(shí)證對(duì)比分析,結(jié)果表明反向傳播神經(jīng)網(wǎng)絡(luò)算法具有較高的精確度,在房產(chǎn)價(jià)格評(píng)估方面具有一定的有效性,可以進(jìn)行更近一步的推廣應(yīng)用。
【學(xué)位授予單位】：蘭州財(cái)經(jīng)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：F299.23
【圖文】：

圖 2.1 產(chǎn)品特征價(jià)格曲線 圖 2.2 特征隱含價(jià)格曲線2 人工神經(jīng)網(wǎng)絡(luò)算法理論基礎(chǔ)2.1 生物神經(jīng)元在人類系統(tǒng)的結(jié)構(gòu)和功能單位之中，神經(jīng)元是最基本的元素，也是腦組織小的處理單元。當(dāng)大腦受到外界的刺激時(shí)，各個(gè)神經(jīng)元之間能夠感知到環(huán)境化，產(chǎn)生不同的連續(xù)變化，并將接受到的信息傳遞給其他的神經(jīng)元，從而形腦的自適應(yīng)學(xué)習(xí)過(guò)程。就人類而言，神經(jīng)元的基本組成要素由細(xì)胞核、細(xì)胞體突和軸突末端構(gòu)成，各神經(jīng)元之間由化學(xué)物質(zhì)形成電流傳遞信息，在如圖示：

圖 2.1 產(chǎn)品特征價(jià)格曲線 圖 2.2 特征隱含價(jià)格曲線2 人工神經(jīng)網(wǎng)絡(luò)算法理論基礎(chǔ)2.1 生物神經(jīng)元在人類系統(tǒng)的結(jié)構(gòu)和功能單位之中，神經(jīng)元是最基本的元素，也是腦組織小的處理單元。當(dāng)大腦受到外界的刺激時(shí)，各個(gè)神經(jīng)元之間能夠感知到環(huán)境化，產(chǎn)生不同的連續(xù)變化，并將接受到的信息傳遞給其他的神經(jīng)元，從而形腦的自適應(yīng)學(xué)習(xí)過(guò)程。就人類而言，神經(jīng)元的基本組成要素由細(xì)胞核、細(xì)胞體突和軸突末端構(gòu)成，各神經(jīng)元之間由化學(xué)物質(zhì)形成電流傳遞信息，在如圖示：

圖 2.1 產(chǎn)品特征價(jià)格曲線 圖 2.2 特征隱含價(jià)格曲線人工神經(jīng)網(wǎng)絡(luò)算法理論基礎(chǔ)1 生物神經(jīng)元人類系統(tǒng)的結(jié)構(gòu)和功能單位之中，神經(jīng)元是最基本的元素，也是腦處理單元。當(dāng)大腦受到外界的刺激時(shí)，各個(gè)神經(jīng)元之間能夠感知到產(chǎn)生不同的連續(xù)變化，并將接受到的信息傳遞給其他的神經(jīng)元，從自適應(yīng)學(xué)習(xí)過(guò)程。就人類而言，神經(jīng)元的基本組成要素由細(xì)胞核、細(xì)軸突末端構(gòu)成，各神經(jīng)元之間由化學(xué)物質(zhì)形成電流傳遞信息，在如

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;70個(gè)大中城市二手住宅分類價(jià)格指數(shù)[J];中國(guó)經(jīng)濟(jì)景氣月報(bào);2016年11期

2 ;70個(gè)大中城市二手住宅分類價(jià)格指數(shù)[J];中國(guó)經(jīng)濟(jì)景氣月報(bào);2016年12期

3 ;70個(gè)大中城市二手住宅分類價(jià)格指數(shù)[J];中國(guó)經(jīng)濟(jì)景氣月報(bào);2017年01期

4 ;70個(gè)大中城市二手住宅分類價(jià)格指數(shù)[J];中國(guó)經(jīng)濟(jì)景氣月報(bào);2016年10期

5 何勛航;;市區(qū)二手房市場(chǎng)迎來(lái)“春節(jié)模式”,環(huán)比呈周期性下滑[J];當(dāng)代企業(yè)世界(透明樓市);2017年Z1期

6 ;70個(gè)大中城市二手住宅分類價(jià)格指數(shù)[J];中國(guó)經(jīng)濟(jì)景氣月報(bào);2017年02期

7 何勛航;;16479套,3月二手房簽約量創(chuàng)歷史新高[J];當(dāng)代企業(yè)世界(透明樓市);2017年05期

8 ;70個(gè)大中城市二手住宅分類價(jià)格指數(shù)[J];中國(guó)經(jīng)濟(jì)景氣月報(bào);2017年04期

9 何勛航;;8868套,二手房簽約量迎來(lái)“井噴” 市區(qū)二手房月簽約套數(shù)首次超過(guò)新房[J];當(dāng)代企業(yè)世界(透明樓市);2017年04期

10 ;70個(gè)大中城市二手住宅分類價(jià)格指數(shù)[J];中國(guó)經(jīng)濟(jì)景氣月報(bào);2017年03期

相關(guān)會(huì)議論文 前5條

1 ;2月北京房市“加量不加價(jià)” 降息后看房人增[A];2015年國(guó)際貨幣金融每日綜述選編[C];2015年

2 ;11月大中城市房?jī)r(jià)漲幅略有擴(kuò)大 一線城市明顯加速[A];2015年國(guó)際貨幣金融每日綜述選編[C];2015年

3 ;2009年深圳市存量住房?jī)r(jià)格報(bào)告摘要[A];中國(guó)房地產(chǎn)估價(jià)與經(jīng)紀(jì)2010年第1期（總第80期）[C];2010年

4 王凌燕;;銀行二手樓按揭業(yè)務(wù)中涉及到的房產(chǎn)評(píng)估問(wèn)題[A];中國(guó)房地產(chǎn)估價(jià)師2006年第3期（總第58期）[C];2006年

5 ;已購(gòu)公房出售的最佳時(shí)點(diǎn)分析[A];中國(guó)房地產(chǎn)估價(jià)與經(jīng)紀(jì)2007年第5期（總第66期）[C];2007年

相關(guān)重要報(bào)紙文章 前10條

1 長(zhǎng)沙晚報(bào)記者 孫占鋒;11月長(zhǎng)沙二手住宅掛牌均價(jià)微降[N];長(zhǎng)沙晚報(bào);2018年

2 本報(bào)記者 王麗新;一線二手住宅掛牌均價(jià)跌至5.6萬(wàn)元 北京現(xiàn)急售房直降數(shù)十萬(wàn)元[N];證券日?qǐng)?bào);2019年

3 記者 黃磊 通訊員 明晶晶;武漢二手住宅交易占比超過(guò)50%[N];湖北日?qǐng)?bào);2019年

4 記者 曹政;11月二手住宅成交跌破2萬(wàn)套[N];北京日?qǐng)?bào);2016年

5 記者 陸劍偉;深圳房租連跌兩個(gè)月[N];深圳商報(bào);2016年

6 本報(bào)記者 曹政;京城二手房成交占比首超八成[N];北京日?qǐng)?bào);2017年

7 記者 楊聯(lián)民 李剛;上海二手房房?jī)r(jià)終現(xiàn)回落[N];中華工商時(shí)報(bào);2017年

8 記者 陳淑貞;量?jī)r(jià)齊跌 政策低迷與春節(jié)假期雙刃深圳樓市[N];第一財(cái)經(jīng)日?qǐng)?bào);2017年

9 記者 潘晟;1月申城二手房開(kāi)局冷清[N];上海金融報(bào);2017年

10 本報(bào)記者 王麗新;北京一業(yè)主賣房現(xiàn)場(chǎng)決定離婚提價(jià) 變身“唯一房”坐漲60萬(wàn)元[N];證券日?qǐng)?bào);2017年

相關(guān)碩士學(xué)位論文 前7條

1 盧浩;基于神經(jīng)網(wǎng)絡(luò)的北京市二手住宅價(jià)格評(píng)估研究[D];蘭州財(cái)經(jīng)大學(xué);2019年

2 葛鵬宇;基于空間計(jì)量模型的學(xué)區(qū)二手住宅價(jià)格影響因素研究[D];西安建筑科技大學(xué);2017年

3 夏夢(mèng);西安市二手住宅交易價(jià)格評(píng)估方法研究[D];西安建筑科技大學(xué);2009年

4 張馨;二手住宅與新建商品住宅的價(jià)格關(guān)系及影響機(jī)制研究[D];復(fù)旦大學(xué);2013年

5 張娟;北京市二手住宅的分位數(shù)特征價(jià)格研究[D];山西財(cái)經(jīng)大學(xué);2016年

6 孟楨超;限購(gòu)政策的效果及持續(xù)性[D];浙江大學(xué);2014年

7 魯海燕;廣州市住宅二級(jí)市場(chǎng)及其特征價(jià)格研究[D];華南師范大學(xué);2007年

本文編號(hào)：2745202