市场分析论文提纲

论文题目：济南市二手房市场分析及价格预测

摘要：当今,虚高不下的房价一直是社会关注及讨论的热点话题,房地产市场分析也是许多学者钻研的课题。影响房价的波动性因素有很多,而且大多存在不确定性。由于房地产市场是一个十分复杂多变的非线性系统,所以如何对二手房市场进行数据分析,如何做到对二手房成交价格的精准预测显得尤为重要。随着时代发展,各种信息爆炸式增长,在冗杂的房价信息里精准挖掘并进一步预测房价至关重要。大多数学者从宏观经济角度如利率、CPI等方面对房价预测,而对于楼房本身的一房一价的预测分析,研究相对较少。本文对济南市二手房市场每套房子进行一房一价的预测。数据选取二手房中介网站的已成交二手房的信息,时间跨度为2018年1月到2018年12月。在预测房价之前,先对济南市二手房市场进行整体的了解,利用爬取的数据来掌握济南市二手房成交市场的概况。本文借助R语言中的ggplot2,对各区房源成交数量、户型、朝向、楼龄、建筑面积、楼层高度、各区房屋总价、各区房屋单价进行了可视化分析,更加直观的了解了市场。本文的核心内容是对房价进行精准预测,选取了区域、关注人数、户型、楼层高度、总层数、建筑面积、建筑年代、装修情况、配备电梯这9个指标来研究其对房价带来的影响。为了说明所选择的9个指标是合适、正确的,进行了灰色关联分析,计算结果较好。根据整理好的二手房数据,建立BP神经网络模型来预测二手房成交价格,发现其模型的拟合优度为96.27%,利用模型预测出的二手房价格,计算其与真实值的相对误差,发现在[-6,6]波动,误差变动幅度不大,证明该模型预测二手房房价的有效性。最后对新爬取的85套在售二手房进行房价预测,结果发现72.9%的预测价格是略低于挂牌价格的。除不可控的误差因素和人为因素外,这与中介机构的介入也有关系。

关键词：济南市二手房市场分析;二手房价格预测;BP神经网络

学科专业：应用统计（专业学位）

摘要

Abstract

第一章 绪论

1.1 研究背景

1.2 研究目的及意义

1.2.1 研究目的

1.2.2 研究意义

1.3 国内外研究现状

1.3.1 国外研究现状

1.3.2 国内研究现状

1.4 论文的组织安排

第2章 相关理论基础

2.1 灰色关联分析

2.1.1 灰色关联因素

2.1.2 灰色关联度

2.2 神经网络模型

2.2.1 BP神经网络模型结构

2.2.2 BP神经网络模型算法

2.2.3 BP神经网络模型功能

2.3 本章小结

第三章 济南市二手房市场数据分析

3.1 实验数据来源

3.2 市场整体性数据分析

3.3 各城区数据分析

3.4 本章小结

第四章 二手房成交价格的预测

4.1 研究框架描述

4.2 影响二手房成交价格因素的筛选与确定

4.2.1 灰色绝对关联度分析

4.2.2 灰色相对关联度分析

4.2.3 灰色综合关联度分析

4.3 神经网络模型的构建

4.3.1 数据的归一化处理

4.3.2 模型设计

4.3.3 模型检验标准

4.4 神经网络预测结果及分析

4.4.1 模型训练结果

4.4.2 模型的检验

4.4.3 模型的进一步预测

4.5 本章小结

第五章 结论及展望

5.1 结论

5.2 不足与展望

致谢

参考文献