论文部分内容阅读
随着住房制度改革和城市化进程的加快,我国房地产业迅速发展,对我国国民经济的影响也越来越大。房地产业的蓬勃发展对改善居民生活、拉动经济增长发挥了重要作用。然而,房地产投资额的大幅增长也使得房地产业出现了一系列问题。近年来,我国房价逐年上涨,市场风险逐步加大,关于房地产泡沫的讨论越来越激烈。因此,建立城市房地产预警系统,对我国房地产市场的发展状况进行准确的判断和监控,对确保房地产业持续健康发展意义重大。房地产预警是经济预警的组成部分,本文首先总结了国内外关于经济预警的研究动态,然后分析了我国房地产预警领域的研究现状及存在的主要问题。通过对现有预警方法的优缺点进行对比分析,鉴于人工神经网络具有非线性、容错性、操作简便等优点,本文决定采用人工神经网络预警方法构建本文的房地产预警模型。在大量阅读整理相关文献的基础上,从房地产业发展速度、房地产业与国民经济的协调关系、房地产业内部协调关系三个方面选择了最常用、代表性较强的指标构建本文的房地产预警指标体系。基于人工神经网络的房地产预警模型的构建思路如下:首先,根据研究对象特点选择警情指标,判断以往年份的房地产市场警情,本文采用的是归一化方法。然后,确定警兆指标,警兆指标应当对警情指标的领先性,还要考虑到数据的可获得性等因素。最后,采用Matlab软件编写了人工神经网络的训练程序对样本数据进行训练,得出我国房地产市场的预警模型。该预警模型经过检验后即可运用于预警实践。为了对我国房地产市场整体运行状况有一个更为全面的了解,本文按照经济发展程度的差别分别选取了北京、重庆、威海作为我国一二三线城市的代表城市进行实证研究,通过数据收集,分别建立了人工神经网络的训练样本,并对预警结果的准确性进行了检验,然后将2012年房地产市场数据处理后得出的警兆指标输入预警模型对下一年的房地产警情进行判断,预警结果显示北京市和威海市2013年房地产市场将处于“热”的警情状态下,2013年重庆市房地产市场将处于“正常”的警情状态下。在得出预警结论的基础上,文章最后简单分析了出现这种结果的原因,政府可从规范土地管理制度,调节土地供应、控制房地产信贷规模、调整住房供应结构、限制房地产市场投机和炒作行为、增加房地产市场信息透明度等方面加强对房地产市场的管理。由于我国房地产预警研究还不够成熟,多数预警方法还仅仅停留在理论层面,距离实际应用还有较多问题,尽管人工神经网络预警方法有其自身优越性,是较为先进的科学方法,但我国房地产数据不足、关于房地产预警指标体系研究不够成熟等因素也会使得该方法的运用受到较大局限。在后续的研究中还需要在这些方面有所加强。