基于混沌理论的沈阳普通商品住宅价格研究
摘要 | 第4-5页 |
Abstract | 第5页 |
第一章 绪论 | 第12-20页 |
1.1 研究背景及意义 | 第12-13页 |
1.2 国内外研究动态 | 第13-17页 |
1.2.1 混沌理论的研究历史 | 第13-15页 |
1.2.2 房地产价格预测研究现状 | 第15-17页 |
1.3 研究内容和方法 | 第17-20页 |
1.3.1 研究内容 | 第17页 |
1.3.2 研究方法 | 第17-18页 |
1.3.3. 研究步骤 | 第18-20页 |
第二章 房地产价格的构成及影响因素 | 第20-34页 |
2.1 房产价格的构成 | 第20-22页 |
2.1.1 房价与价值的关系 | 第20页 |
2.1.2 房地产价格的长短期波动 | 第20页 |
2.1.3 房价的构成 | 第20-22页 |
2.2 房价的基本特征 | 第22-23页 |
2.2.1 房产价格的基本特征 | 第22-23页 |
2.2.2 房与地价的对立统一关系 | 第23页 |
2.3 房产价格评价指标介绍 | 第23-24页 |
2.3.1 房价收入比 | 第23-24页 |
2.3.2 房价租售比 | 第24页 |
2.4 房产价格的影响因素 | 第24-30页 |
2.4.1 开发成本 | 第25页 |
2.4.2 居民收入水平物价水平 | 第25-26页 |
2.4.3 国家经济环境及政策的稳定性 | 第26-27页 |
2.4.4 供求关系的影响 | 第27-30页 |
2.5 房价上涨的合理性分析 | 第30-31页 |
2.5.1 房价上涨的合理性分析 | 第30-31页 |
2.6 房价短期预测的必要性 | 第31页 |
2.7 本章小结 | 第31-34页 |
第三章 房地产价格的混沌性 | 第34-54页 |
3.1 房地产价格的混沌特征理论分析 | 第34-36页 |
3.2 识别房产价格时间序列的混沌性 | 第36-40页 |
3.3 房地产市场时间序列的混沌性预测可行性分析 | 第40-43页 |
3.3.1 房地产价格混沌时间序列的可预测性 | 第40-41页 |
3.3.2 对房地产价格时间序列混沌性的预测方法 | 第41-42页 |
3.3.3 房价混沌时间序列的可预测尺度分析 | 第42-43页 |
3.4 房价的混沌时间序列的预测原理 | 第43-44页 |
3.5 证明房地产价格的混沌性 | 第44-52页 |
3.5.1 对房价时间序列的确定 | 第44-45页 |
3.5.2 房价的时间延迟 | 第45-49页 |
3.5.2.1 对房价时间延迟的确定 | 第45-48页 |
3.5.2.2 去偏负自相关求得时间延迟 | 第48-49页 |
3.5.3 房价时间序列的关联维数 | 第49-51页 |
3.5.3.1 确定关联维数 | 第49-51页 |
3.5.4 房价的Lyapunov指数 | 第51-52页 |
3.5.4.1 Lyapunov指数的确定 | 第51-52页 |
3.5.4.2 沈阳市房价的Lyapunov指数 | 第52页 |
3.6 本章小结 | 第52-54页 |
第四章 基于BP神经网络的房价预测模型 | 第54-66页 |
4.1 人工神经网络理论的提出 | 第54-55页 |
4.2 预测房价的方法的比较 | 第55-59页 |
4.2.1 基于回归分析的预测 | 第55页 |
4.2.2 基于灰色系统理论的预测 | 第55-57页 |
4.2.3 基于Elman型神经网络的预测 | 第57页 |
4.2.4 基于人工神经网络的预测 | 第57-59页 |
4.3 神经网络预测方法优势分析 | 第59-60页 |
4.4 BP神经网络预测模型原理 | 第60-61页 |
4.5 BP神经网络用于房价预测的基本步骤 | 第61-62页 |
4.6 BP神经网络对房价预测的理论依据 | 第62-64页 |
4.7 本章小结 | 第64-66页 |
第五章 应用BP神经网络房价预测 | 第66-82页 |
5.1 输入层神经元的选取 | 第66-73页 |
5.2 BP人工神经网络建模 | 第73-81页 |
5.3 本章小结 | 第81-82页 |
第六章 结论 | 第82页 |
结论 | 第82页 |
展望 | 第82-84页 |
参考文献 | 第84-86页 |
作者简介 | 第86页 |
作者在攻读硕士学位期间发表的学术论文 | 第86-88页 |
致谢 | 第88页 |