| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 选题的背景 | 第10页 |
| 1.2 研究的意义 | 第10-11页 |
| 1.3 国内外研究综述 | 第11-14页 |
| 1.3.1 国外房价预测研究现状 | 第12页 |
| 1.3.2 国内房价预测研究现状 | 第12-14页 |
| 1.4 研究内容及技术路线 | 第14-16页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 技术路线 | 第15-16页 |
| 第二章 房价影响因素提取 | 第16-31页 |
| 2.1 供需因素 | 第16-21页 |
| 2.1.1 供需因素影响力分析 | 第16页 |
| 2.1.2 供需因素的影响形式分析 | 第16-21页 |
| 2.2 经济因素 | 第21-26页 |
| 2.2.1 经济因素影响力分析 | 第21页 |
| 2.2.2 经济因素的影响形式分析 | 第21-26页 |
| 2.3 政策因素 | 第26-31页 |
| 2.3.1 政策因素影响力分析 | 第26-27页 |
| 2.3.2 政策因素的影响形式分析 | 第27-31页 |
| 第三章 多因素作用下的房价预测模型构建 | 第31-43页 |
| 3.1 房价预测模型选取 | 第31-33页 |
| 3.1.1 房价预测模型概述 | 第31-33页 |
| 3.1.2 小波神经网络适应性分析 | 第33页 |
| 3.2 小波神经网络的理论概述 | 第33-35页 |
| 3.2.1 小波神经网络拓扑结构分析 | 第33-34页 |
| 3.2.2 小波神经网络构造的理论基础 | 第34-35页 |
| 3.2.3 多因素预测中小波神经网络存在的不足 | 第35页 |
| 3.3 房价预测模型建立 | 第35-43页 |
| 3.3.1 主要因素提取的方法对比 | 第35-36页 |
| 3.3.2 基于灰色关联度的多因素处理过程 | 第36-38页 |
| 3.3.3 改进的预测房价的小波神经网络算法 | 第38-43页 |
| 第四章 南宁市房价预测实证分析 | 第43-58页 |
| 4.1 数据收集及处理 | 第43-47页 |
| 4.1.1 数据收集 | 第43-44页 |
| 4.1.2 数据处理 | 第44-46页 |
| 4.1.3 数据平稳性分析 | 第46-47页 |
| 4.2 房价预测分析 | 第47-54页 |
| 4.2.1 主要因数提取与分析 | 第47-49页 |
| 4.2.2 小波神经网络预测结果分析 | 第49-54页 |
| 4.3 结果说明与分析 | 第54-55页 |
| 4.4 房地产价格预测 | 第55-58页 |
| 第五章 研究结论与建议 | 第58-63页 |
| 5.1 研究创新与结论 | 第58-59页 |
| 5.1.1 研究创新 | 第58页 |
| 5.1.2 研究结论 | 第58-59页 |
| 5.2 南宁市房价的建议 | 第59-62页 |
| 5.2.1 南宁市房地产价格预测建议 | 第59-60页 |
| 5.2.2 关于调整南宁市房地产供需情况的建议 | 第60-61页 |
| 5.2.3 关于调整南宁市房地产市场经济情况的建议 | 第61页 |
| 5.2.4 关于调整南宁市房地产市场政策情况的建议 | 第61-62页 |
| 5.3 研究不足与展望 | 第62-63页 |
| 5.3.1 现阶段研究不足 | 第62页 |
| 5.3.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 攻读工程硕士学位期间发表的部分科研成果 | 第68页 |