房价预测开题报告模板

1．结合毕业论文课题情况，根据所查阅的文献资料，撰写2000字左右的文献综述：文献综述研究背景：在现在经济生活中，房地产市场成为金融、建筑和股市等经济板块发展的重要推动力，其产业的兴衰影响着国民经济的发展状态，商品房价格是房地产市场的最重要和最直接的反映，是商品房价值的货币表现.在我国目前这个特定的紧急发展阶段，商品房市场作为城市经济体系的一个重要组成部分，其发展演变在很大程度上取决与城市的经济状况、城市的发展目标以及城市的相关政策和管制措施.我国的住房问题更多的是与其他大量微观的和宏观的经济和社会问题联系在一起.因此，我国经济高速发展、农村剩余劳动力向城市快速转移、住房产业逐步成为城市经济支柱产业的背景下发展.研究目的和意义：随着住房制度改革的全面深化，住房的商品化消费观念早已深入人心，商品房作为一项产业，其发展的空间非常大，其价格的变动影响也将非常广泛.对商品房地产价格的变动进行科学的研究和预测，对供求双方和政府都具有重要的理论和现实意义.近年来，太原市商品房地产价格过快上升，让人们对房价的变动比较敏感，也让商品房地产价格也成为供需双方共同关注的焦点.就目前情况而言，稳定商品房地产价格是太原房地产市场宏观调控的主要任务.关于未来房价的走势的讨论大多是建立在对商品房价格的感性认识基础上.本文旨在通过对商品房地产价格的形成的理论分析以及太原市商品房价格为例的实证研究，较高精度的预测商品房价格，为太原房地产投资决策管理提供一丁点科学借鉴.国内外房地产预测方法和模型研究现状商品住房是人们生活的必需品，随着住宅房商品化的发展，商品房价格也越来越受到人们的重视，商品房价格的影响因素和预测一直是学者们研究的热门领域，研究并分析其影响因素，从而准确的预测动态价格的变动.国外研究动态：在过去二十多年中，在学术界分析城市住房价格常采用hedonicpricemethodology和repeat-salemethodology，国外对房价格变动的分析和研究比较深入1981年，Nellis和Longbottom通过分析英国的数据试图解释英国商品住宅价格的决定因素.作者将商品住宅的需求定义为人口数量、社区中抵押贷款的资产存量、平均的商品住宅价格、个人收入、消费品价格和抵押贷款利率的真实函数，将供给定义为商品住宅价格和商品住宅存量的函数根据供给和需求相等的原理，得到一个关于平均商品住宅价格的简化公式，从而推导出商品住宅的价格.计量经济学的结论显示，收入是影响商品住宅价格的最重要的因素其次是抵押贷款利率和社区中抵押贷款的资产存量.Mmanning（1989）使用1980年美国94个MSA（MeasurementSystemAnalysis）的普查数据建立了住宅价格方程，他认为气候环境等非经济性的价格已被资本化到了土地和住宅价格中.除了人们收入因素、环境因素外，人口因素也经常被用来解释和预测住宅价格变动及其走向，Mankiw和Will（1989）通过研究美国20世纪70年代一些城市的住宅价格，认为二战后生育高峰起出生的一代人进入购房阶段的导致住宅房价格上涨的主要原因.Walden和Michaek（1990）、Hayes和Taylor（1996）、Haurin和B让思念沟通（1996）就住宅附近学区的好坏与住宅价格之间的关系进行了研究，结果表明，学校教学质量与住宅价格之间有明显的相关性，及教学质量越好，附近住宅价格越高.在房价预测方法中美国的Case和Shiller(1990)采用平行数据回归分析，Clapp和Giaccotto(1994)简单的回归进行城市住宅价格的预测，Potepan（1996）采取两阶段最小二乘法进行不同城市价格的预测，Malpezzi（1999）采用平行数据回归分析，对不同的城市并非随机价格和差异性进行预测，针对价格收入比以及房价变化利用误差修正模型得出了前期价格和收入变化对于房价的影响以及短期供给弱弹性的结论[8]；Quigley（1999）采取平行数据回归分析来于经济基本面的相关指标来解释各城市住宅价格走势.Seko通过平行数据回归分析：自回归模型调查了日本46个县的1998-2001年度数据，对日本各地区的住宅价格和经济基本的相关性进行预测.Anglin(2006)一如平均房价增长率的滞后三期以及CPI、住房抵押贷款利率和失业率，建立VAR模型，预测多伦多房价变动情况.国内研究动态：国内外有关房价预测的方法大体分为两类，一类为定性预测方法，如判断预测法，评估法等；另一类是定量预测方法，如时间序列分析法，回归分析法、状态转移法、经济计量模型分析法和灰色预测模型等。此外还有多元回归、ARMA模型、ARIMA模型、灰色序列预测、BP网络预测、模糊神经网络、马尔科夫预测等方法.有较多学者采用趋势外推法、多元线性和非线性回归等数学分析方法，考虑了更多的影响因素和变量，也尝试着将灰色预测理论和神经网络模型引入商品住宅市场需求预测进行了有益的探索，如蒋达强对1990年到2000年上海市的城镇住房需求给出了一个描述性的统计分析.王金明和高铁梅利用可变参数模型对我国房地产市场需求和供给进行了动态的定量分析，分析表明，在影响房屋需求的诸因素中，收入弹性最大，其次是价格、利率弹性；在影响供给的因素中，价格和利率弹性都较大.罗兆烈等人（1998）利用收入、人口和旧房淘汰量等建立多元线性回归模型对我国城镇商品住宅需求量进行了预测.赵黎明等人（2001）在对天津商品住宅市场需求预测中对神经网络、灰色模型预测方法进行了开创性的探索.李国柱（2004）基于资产定价视觉来考察中国房地产市场价格波动数量研究；王婧和田澎（2005）采用小波神经网络对中房上海价格指数的月度数据进行预测；吴秀丽和张峰（2007）采用时间序列分析法，以广州市几个有代表性的行政区的房价数据为分析对象来建立预测模型，并经过残差分析，队误差进行检验，结果预测值与实际观测值基本吻合，达到了预测的目的.参考文献[1]刘思峰，郭天榜，党耀国.灰色系统理论及其应用[M]，第二版，北京：科学出版社，1999；[2]罗应婷，杨钰娟.SPSS统计分析从[M]，第二版，北京：电子工业出版社，2010.1；[3]肖新平，宋新平，李峰.灰技术基础及其应用[M]，北京：科学出版社，2005；[4]熊和金，徐华中.灰色控制[M]，北京：国防工业出版社，2005.9；[5]向东进.实用多元统计分析[M]，武汉：中国地质大学出版社，2005.9；[6]魏武雄著；易丹辉，刘超，贺学强等译，时间序列分析[M]，北京：中国人民大学出版社，2009；[7]刘思峰，灰色系统理论及其应用[M]，北京：科学出版社，2010；[8]茆诗松，王静龙，濮晓龙.高等数理统计[M]，北京：高等教育出版社，1998.300-500.[9]程亚鹏，张虎，张庆红.GM（1,1）模型在房地产价格指数预测中的应用[J]，河北农业大学学报，1999,22（3）：90-93；[10]吴庆玲，房地产价格评估[M]，北京：中国建材工业出版社，2004；[11]李真亚，影响我国住宅需求的非经济因素[J]，北方经济，2005，（11）33-34；[12]程松林，基于灰色理论的武汉商品房价格预测及分析[D]，华中师范大学应用数学专业，2008；[13]张秉乾，上海商品住宅市场价格影响因素研究及价格预测[D]，甘肃农业大学经济管理学院，2009[14]StehenMalpezzi.Asimpleerrorcorrectionmodelofhouseprices[J].JournalofHousingEconomics,1999(8):27-62[15]SifengliuandYiLin,DiscreteGreyPredictionModels[J]:Understandingcomplexsystems,2011,volume68,page149-168.[16]SifengliuandJefferyYi-LinForrest,AnOptimizationMethodofEstimatingParametersinGM(1,1)model[J]:Understandingcomplexsystems,2010,volume10,page341-347.[17][18][19]毕业论文开题报告２．本课题要研究或解决的问题和拟采用的研究手段（途径）：2.1本课题要研究和解决的问题:本研究主要研究占太原房地产市场中较大比例的商品房住宅市场，并不涉及房地产市场其他的领域，建立的太原市商品房价格预测模型，对太原未来短期内的商品房住宅市场进行合理预测，为居民在购买住房时提供一定的依据.2.2本课题拟采用的研究手段:本研究主要以西方经济学理论为支撑，采用理论分析、定性分析与定量分析，密切联系上太原的商品房市场实际，充分利用相关年份的统计数据，并采用MATLAB、SPSS软件对大量的数据信息进行处理，采用计量经济学模型加以分析影响一个城市的商品住宅价格上涨的主要经济因素，借助有关图表加以分析说明，建立灰色系统GM(1,1)模型、回归模型，直接用价格进行预测，用不同种方法分析比较，最后得出综合的预测价格。