基于BP神经网络的上海市共有产权保障房需求预测研究

摘要

共有产权房自2007年引入我国后得到了迅速发展，从近期的政策动向来看，国家也有意大力推广共有产权房。作为一种新生事物，如何确定共有产权房的供应量是各个城市面临的一个重要问题。合理的供应量应使共有产权房的供给和需求相匹配，避免出现供给不足以及建设过剩。要解决这个问题要需要以确定共有产权房的需求量为前提。上海作为建设共有产权房较早的城市，其各项运行制度比较成熟，在全国具有较好的参考意义，因此本文以上海市为例，对共有产权房的需求量进行研究并对其进行预测。 本文首先分析了共有产权房的特点及其优势，我国共有产权房的试点情况，介绍了上海市共有产权房的运营模式以及供给和需求状况。然后剖析了共有产权房需求的形成逻辑，将影响需求量的因素分成了8个类别，并从中初步选取了19个影响因素。其次，使用上海市共有产权房的运营数据，运用灰色关联分析筛选出9个影响需求量的主要因素，并运用灰色预测GM(1，1)模型对这9个主要影响因素进行了预测。再次，以这9个主要影响因素为输入变量，共有产权房销售面积为输出变量构建了 BP神经网络预测模型，并将9个输入变量的预测值带入BP神经网络模型对共有产权房的销售量进行了预测。最后，本文定量分析了改变申请共有产权房的收入标准和共有产权房的价格对需求量的影响，发现提高收入标准会提高共有产权房的需求量；提高价格会降低共有产权房的需求量，在此基础上提出了调控需求量的策略。 本文首次对共有产权房的需求进行了研究，并突破了以往对共有产权房的研究大多为定性分析的局限，引入了定量研究的方法。通过对需求量的预测以及制定的需求量调控策略，政府可以同时从需求和供给两端调节供需关系，实现共有产权房的供需匹配，提高保障资源的使用效率。本文对需求量进行预测的方法和制定需求量调控策略的方法具有可推广性，期望对其他城市制定共有产权房的建设计划具有借鉴意义。

目录

封面

声明

中文摘要

英文摘要

目录

1绪论

1 .1研究背景及问题提出

1 .2研究目的及意义

1 .3国内外研究现状

1 .4研究内容与方法

2 相关理论及预测方法

2 .1共有产权房相关理论

2 .2预测方法选取

2 .3需求量预测模型— B P神经网络预测模型

2 .4需求量影响因素筛选模型一一灰色关联分析模型

2.5需求量影响因素预测模型一一灰色预测GM (1，1) 模型

3 上海市共有产权房发展现状

3 .1我国共有产权房试点情况

3 .2上海市共有产权房运营模式1

3 .3上海市共有产权房供给和需求状况3

4 上海市共有产权房需求量影响因素分析

4 .1影响因素结构分析

4 .2影响因素初步选取

4 .3影响因素筛选

5 上海市共有产权房需求量预测

5 .1需求量B P神经网络预测模型构建

5 .2需求量影响因素预测

5.3 共有产权房需求量预测

5 .4需求量调控策略

6 结论与展望

6 .1研究结论

6 .2研究不足与展望

参考文献

攻读硕士期间发表的论文

附录

附录Ⅰ 影响因素筛选原始数据

附录Ⅱ 影响因素预测原始数据

致谢