房地产市场分析与预测——以深圳为例

《房地产市场分析与预测——以深圳为例》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、中文摘要自从我国从90年代初期取消福利分房制度，并且实行住房货币化、市场化后，房地产业进入了发展时期。目前房地产行业已成为国民经济的支柱性产业，房地产既是关系国计民生以及居民生活的必需品，也是当前经济环境下较为热门的投资品。深圳作为我国对外改革开放的窗口和全国性的经济中心，其房地产价格伴随着经济的快速发展而进入了增长的快车道。本文以深圳为例，剖析了影响深圳房地产价格变化的因素，研究深圳市房地产价格的预测方法和应对措施。本文的主要研究内容分为三个部分，首先对深圳近年来房价的变化进行定性分析，通过对深圳

2、房地产发展标志性时间节点和发展历程的回顾，结合房地产市场理论、规律和特征，从宏观政策、宏观经济、微观经济等几个方面分析了影响深圳房地产发展的因素和指标。其次，分析预测深圳房地产价格变化趋势，结合神经网络和灰色方程构建灰色神经网络，并且分别采用灰色方程和灰色神经网络预测深圳房价的变化。最后，根据最近十年房地产的调控政策和调控效果，结合房价快速上涨的原因，分析了相关调控策略。通过本文的研究表明，灰色方程和灰色网络能够较好的处理小样本数据预测问题，预测的房地产价格变化较为准确，能够为地区房价预测提供一种新

3、的方法。关键词：房地产市场；灰色神经网络；调控政策AbstractWiththecancelofwelfarehousingsystem，monetizehousingdistributionandmonetizehousingmarket，houseindustrydevelopsince1990s.Nowhousingindustryhasbecomethenationaleconomymainstayindustry.Forcitizens，Housingisnotonlytheessenti

4、alproducts，butalsoperfectinvestors.AsthemodelofperformingChineseopeningupandreformpolicyandthecenterofChineseeconomiccenter，Shenzhen’shousingpriceincreaserapidwiththerapiddevelopmentofeconomy.ThearticleanalyzethefactorsthatinfluencetheShenzhenhousingpr

5、ice，studythepredictionmethodandcorrespondpolicy.Themainstudycontextcanbedividedintothreeparts.Firstly，ThechangeofShenzhenhousingpriceisanalyzedqualitatively.OntheintroduceoficonictimeofShenzhenhousingdevelopmentandthehousingdevelopmenthistory，combinewi

6、thhousingpricetheory，regularityandcharacter.FactorsandindicatorsthatinfluencethedevelopmentofShenzhenhousingdevelopmentisanalyzedfromMacro-EconomicPolicyandMicro-EconomicPolicy.Theindicatorsiscarriedoncorrelationanalysisandprincipalcomponentanalysis.Se

7、condly，thearticlepredictsShenzhenhousingpricechangetendency.CombinewithneuralnetworkandgreyfunctiongreyneuralnetworkisconstructedandemployedtopredictthechangetendencyofShenzhenhousingprice.Lastly，accordingtorecentten-yearsregulatorypoliciesandregulator

8、yeffect，thearticlediscussesfutureregulatorypolicieswhichcancontroltherapidincreaseofhousingprice.ThestudyofthearticleshowsthatgreyfunctionandgreynetworkcanpredictShenzhenhousingpriceprecisely.Soitprovidesanewmethodforlocalhousingpricepr