论文基于改进BP神经网络房地产泡沫测度评价是关于测度方面的论文题目、论文提纲、测度是什么意思论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
摘 要：当前房地产是否存在泡沫,如何测度这种泡沫程度,是当前舆论界和理论界研究和讨论的热点.通过分析房地产泡沫的深层次影响因素,并据此建立了四个层次测度指标体系.基于用变尺度法改进的BP网络建立了房地产泡沫测度模型,并通过一个实例进行应用和说明.
关键词： 房地产泡沫测度；改进BP神经网络；房地产价格；变尺度法（DFP法）
中图分类号：F293.35 文献标识码： A 文章编号：1003-7217（2013）04-0095-04
1990年代末住房制度改革以来,我国房地产业得到了长足发展,并成为近十年来我国经济增长强有力的“引擎”.伴随着城市化进程的加速推进、人民收入水平的不断提高、住房刚性需求的拉动,房价在过去十多年的时间内持续快速上涨,尤其城镇新建住房,据统计资料显示,过去10年平均销售价格年均上涨了9%[1].
针对我国房价这一持续不断上涨,国内外很多媒体及研究机构直指中国房地产存在泡沫,甚至有学者称“处于泡沫破裂前夜”.而有些专家则认为,我国房地产价格真实反映了社会需求,只是“温和的增长”[2].由于缺乏有说服力的评价标准和依据,目前围绕房地产泡沫的争论仍在继续.
梳理相关学者研究成果,目前比较常用的指标包括租价比、房价收入比、空置率等,也有相关学者引入主成分分析[3]、WEST模型[4]、回归模型[5]等最优化技术方法分析研究.
总体来看,这些方法都存在为方法而方法的趋向,缺少对市场历史经验数据的分析,同时评价指标的选取也缺乏对泡沫影响因素的深层次探究,因此尚未有一种方法得到业界公认,并应用于实践验证房地产泡沫的存在.
鉴于此,本文将从影响房地产价格的诸多因素出发,建立科学泡沫测度评价体系,并引入人工神经网络方法（BP）,通过对地区房地产行业历史数据资料的学习,评价测度一个地区的房地产泡沫程度.
一、房地产泡沫以及影响因素
(一)房地产泡沫简介
房地产泡沫,是泡沫经济的一种.是指以房地产为载体的泡沫经济,亦即当房地产价格严重背离真实价值,供求严重失衡,并最终会导致预期的逆转和价格的暴跌.
房地产泡沫最早出现于美国,1923～1926年佛罗里达出现房地产泡沫（Property Bubbles）,该次泡沫危机直接引发华尔街股市崩盘,并最终引发20世纪30年代的全球经济萧条.历时时间最长的房地产泡沫则是日本地价泡沫,自20世纪70年代积累,至1991年地价泡沫破灭,日本至今仍未走出泡沫影响阴影[6].
近年来,我国的房地产泡沫争论不休,2010年3月29日,国土部发布数据报告,根据“租价比”单一指标,北京、上海、深圳等一线城市住宅市场已经出现了严重泡沫.
(二)房地产泡沫影响因素分析
如前所述,房地产泡沫说到底是一种供求失衡现象,而导致这一失衡的原因却需要分析房地产产业链的各个层面,包括投资层面、融资层面、消费层面和流程层面四个方面.
1.投资层面.
房地产投资主要的两块构成包括土地成本和建安成本.
土地成本也即地价,从经济学角度看,地价的上升会导致房地产投资供给曲线向左上方偏移,从而引起房价上升.衡量土地成本波动的指标通常有土地价格指数.
建安成本包括钢筋、水泥、木材、玻璃和劳动力成本等,建安成本的上升和地价一样同样会引起投资供给曲线的左上偏移,并最终引起房价上升.衡量建安成本的通常指标为生产者价格指数PPI.
2.融资层面.
从目前我国房地产业融资结构和渠道来看,主要的资金来源还是商业银行贷款,当然我们也看到房地产业在直接融资方面的尝试,除了资质优良企业IPO上市,大型开发商试水海外债权融资和保障房专项企业债,而中小房企转而投向信托资金,并尝试捆绑增信发行集合票据.
商业银行贷款使用成本主要是贷款规模和利息费用,影响因素为货币供应量和利率水平.货币供应量下降,利率水平提升,房地产生产和供给能力下降,供给曲线左上偏移,房价上升.
信托资金、企业债、集合票据的资金来源主要是社会闲散资金,影响社会闲散资金流向的主要是社会资本平均回报率.
境外资本成本则主要通过流入量和汇率两个方面影响房价,境外资本流入量增加,会使得更多货币追逐商品房产,房价上涨；而汇率下降,人民币升值,实际房产购买力增加,房价上升.
3.消费层面.
房地产价格的上升一个很关键的原因即是其刚性需求的持续支撑.影响这种刚性需求的主要因素则是城镇居民可支配收入和地区经济发展水平.
地区经济发展水平越高,人们自住购置以及改善居住环境的需求越强烈,对房产的购买力和承受力也越强；城镇居民可支配收入则是这种购买力的具体体现,同样,城镇居民人均可支配收入或家庭可支配收入越高,进而对房地产的需求也会越大,房价升值潜力越大,最终推动房价上涨.
4.流程层面.
核心房地产业链流程可包括房地产开发、房地产交易、房地产租赁三个层面.
房地产开发层面,则主要是反映房地产供给层面的失衡,一般体现在商品房施工面积、房地产竣工面积以及竣工施工面积之间的对比关系.
房地产交易层面,则主要判断交易市场是否平稳有序,有无过度投资现象,具体可通过商品房销售增长率、房屋空置率等指标来考量.其中,房屋空置率是衡量房地产交易健康状况的重要指标,空置率偏高,说明房地产生产相对过剩,供大于求,房地产价格虚高.
房地产租赁层面,由于房屋租赁和商品房购置事实上存在替代效应,因此国际上一般通过租金价格、销售价格以及两者对比关系,通过租赁市场映射出商品房市场的价格情况.这其中典型的指标即是所谓“租售比”,每平米月租和每平房价间的比值,可以真实表现出一个城市居民最真实、最基本的住房需求.
总结:该文是关于测度论文范文，为你的论文写作提供相关论文资料参考。
参考文献：
1、 改进PSO—BP神经网络分类器设计 摘 要：针对BP神经网络的缺陷容易导致分类器精度低的问题，给出了改进粒子群算法。该算法在标准粒子群算法中融入混沌优化算法、动态惯性权重和动态学习。
2、 基于改进BP神经网络锅炉过热器管壁温度预测 摘 要：由于电站锅炉受热管壁长期处于高温状态，当其温度超过所用钢材的许用温度或因长期高温发生蠕变，便会引发各种运行事故。本设计以府谷某电HG-2。
3、 基于BP神经网络心电信号智能诊断设计 摘 要： 结合差分阈值法、多重神经网络心电诊断方法提出一种新型的递进型双层BP神经网络心电信号智能诊断设计。采用差分阈值法检测QRS波特征点，通。
4、 基于BP神经网络的高空气象数据挖掘方法 摘 要： 针对传统的高空气象数据挖掘方法中存在的数据挖掘深度问题，提出一种基于BP神经网络技术的高空气象数据挖掘方法。采用BP神经网络技术以及小。
5、 基于BP神经网络北京市物流需求预测 摘 要：随着物流在国民经济中重要性的提高，对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层。
6、 优化BP神经网络在玉米产量预测中应用 摘 要：玉米产量预测一直是农业发展过程中的重要组成部分。神经网络算法以其较好的非线性优化拟合能力应用于玉米产量的预测中。但是传统的神经网络算法具。