房地产价格作为一种遵循市场规律的经济指标，受到社会整体经济形势、国家相关政策、民众承受度以及心理预期等多重因素的影响，是房地产市场本身和社会民意的综合反映。公众预期正是公众心理预期，或是社会对于房地产市场态度的最直接的反映。研究传统的分析方法发现，对于房地产市场的分析只是将房地产相关的技术指标纳入分析，但这必将遗漏掉社会民众的预期对于房地产市场的影响，所以本文拟基于互联网多源数据的挖掘方法，提高数据挖掘方法的有效性，构建适合中国房地产市场的公众预期指数，验证房地产公众预期指数的合理性。同时基于房地产公众预期指数对房地产市场的风险进行分析，并构造我国房地产市场预测模型，纳入构造的房地产公众预期指数进行相关的预测研究。此外，还企图基于复杂适应系统理论提出互联网多源数据的融合方法从而构建新的仿真模型，度量基于大数据分析的房地产公众预期指数对中国房地产市场的影响。　　本文首先基于大数据技术对散落于互联网中关于房地产预期的碎片化信息进行分析处理，通过构建适合中国国情的关键词库、文本分类、主题相关分析和网页抓取、情感分析技术等大数据处理技术，构建可以代表普遍社会舆情的房地产公众预期指数，实时更新和体现公众预期走向。　　之后围绕构建的公众预期指数进行系列性质验证，特别是公众预期与市场行情的联动关系检验、公众预期与房地产政策的联动关系检验。在公众预期与市场行情的联动关系检验中本文发现，本文预期的中介效应确实通过“格兰杰检验”结果获得证明，当在公众预期和房地产行情的二元“格兰杰模型”中进一步控制资金流入变量，研究分析表明，公众预期通过影响市场资金流入来影响房地产行情。在公众预期与房地产政策的联动关系检验中，通过对这10年的重大政策的宽度和深度进行了梳理分析，就对公众预期和市场的影响程度而言，2012年的“房产税试点扩大”、2013年以打击炒房投机为宗旨的“新国五条”、08年“四万亿救市”和“国十三条”、2015年的“放松限购、限贷”政策等，对公众预期的刺激最为强烈，对于有效引导公众预期作用显著。国家上升到政治层面从而以行政手段进行干预的效果，优于税收政策，金融政策的影响。此外，本文同样结合构建的房地产公众预期指数就政策深度进行评价测算，对各个阶段的政策效果进行了细致分析，测算了不同阶段房地产政策、公众预期的影响程度和差异，以期对房地产政策进行效果评价和对比。　　本文进一步基于公众预期的视角，尝试对房地产市场的风险进行测算和分析，研究发现，从长期来看，房地产风险与公众预期有着密切的关联，且公众预期先行于房地产泡沫的变化。所以，对金融机构的管控对稳定房地产市场具有非常重大的作用。另外，也需要综合考虑不可忽视的开发商的影响，构建稳健发展的房地产市场，进而合理有效地抑制房地产泡沫。　　从上述研究来看，本文构建的预期指数与房地产相关指标有较强的相关性，预期指数已经包含了人们对于市场的信心度和对国家出台政策的解读，预期指数最大程度地将这些市场信号和人们的心理预期反映出来，为房地产价格的预测提供了一种可信度很高的指标。于是从预测的视角出发，进一步对构建的房地产公众预期指数进行应用和验证，构建滞后VAR模型、支持向量机模型、权重改进的粒子群优化BP神经网络模型，纳入构建的房地产公众预期指数，进行预测分析，研究发现，本文所构建预测模型是一种行之有效的预测房地产价格的分析方法，纳入基于大数据的房地产公众预期指数进行预测，能有效提高房地产价格的预测精度，对于传统预测模型具有明显的优势，且权重改进的粒子群优化BP神经网络模型预测效果最优。　　最后，本文结合EKB消费模型、住房过滤理论，基于中国房地产市场的实际供给结构和分割特点，在Swarm2.2平台开展了基于主体的建模与仿真，并用遗传算法、系统动力学、计量经济学等方法模拟对家庭、开发商的决策行为，深入研究了大数据背景下，房地产公众预期变化对房地产市场的新房和二手房销量和价格、家庭购房需求、住宅供给结构、开发商的资产、利润等带来的影响，仿真模拟了东部、中部和西部房地产市场在不同公众预期条件下的动态演化过程和区域差异，并得到一些结论。　　总体而言，公众预期的管理在调节市场的供需总量、供需结构方面有一些影响，但需配合其它政策工具一同使用，应综合考虑各种因素的作用，分阶段和梯度实施各种调控政策，以更好地促进房地产市场健康稳定发展。