1、房地產(chǎn)業(yè)作為支柱產(chǎn)業(yè)對(duì)國(guó)民經(jīng)濟(jì)有重大影響，目前房地產(chǎn)市場(chǎng)的發(fā)展正處于國(guó)家的嚴(yán)厲調(diào)控之下，房地產(chǎn)市場(chǎng)走勢(shì)難以確定，因此建立房地產(chǎn)預(yù)警系統(tǒng)對(duì)于提前準(zhǔn)確把握市場(chǎng)形勢(shì)，防止市場(chǎng)出現(xiàn)過(guò)大波動(dòng)，影響國(guó)民經(jīng)濟(jì)正常運(yùn)行有重大意義。
　　昆明市目前尚缺乏房地產(chǎn)預(yù)警系統(tǒng)，本文考慮了房地產(chǎn)商品的地域特征，從昆明市的實(shí)際情況出發(fā)，結(jié)合經(jīng)濟(jì)預(yù)警理論、統(tǒng)計(jì)模型以及數(shù)據(jù)挖掘模型，選擇昆明市房地產(chǎn)的價(jià)格和成交量作為警素指標(biāo)，完整地建立了黑色預(yù)警系統(tǒng)和黃色預(yù)警系統(tǒng)

2、，對(duì)警情進(jìn)行預(yù)測(cè)和預(yù)警。
　　經(jīng)檢驗(yàn)，模型在測(cè)試集上的預(yù)測(cè)誤差較小，因此，本文對(duì)于昆明市房地產(chǎn)預(yù)警系統(tǒng)的建立有較大的借鑒價(jià)值。具體而言，本文在以下方面取得了部分成果：
　　第一，對(duì)昆明房地產(chǎn)行業(yè)的歷史發(fā)展做了細(xì)致分析，從而得到比較直觀的發(fā)展規(guī)律，房地產(chǎn)市場(chǎng)發(fā)展受政策影響非常明顯。目前國(guó)家緊密調(diào)控的階段，同時(shí)又是昆明市城市發(fā)展的加速階段，因此未來(lái)的市場(chǎng)狀況更需精確把握。
　　第二，針對(duì)房地產(chǎn)業(yè)發(fā)展歷史短，數(shù)據(jù)積累少的特點(diǎn)

3、，本文通過(guò)搜集月度數(shù)據(jù)增加樣本容量，另外通過(guò)Block Bootstrap抽樣，使均值的抽樣分布滿足正態(tài)性假設(shè)，從而改善了3s方法的結(jié)果，使得劃分的預(yù)警區(qū)間更加準(zhǔn)確可信。
　　第三，目前房地產(chǎn)市場(chǎng)正處于由漲轉(zhuǎn)跌的十字路口，換言之市場(chǎng)的發(fā)展出現(xiàn)了與過(guò)去幾年不同的規(guī)律。但是由于處于一個(gè)新趨勢(shì)的開(kāi)始階段，數(shù)據(jù)積累過(guò)少，因此如果采用傳統(tǒng)的線性時(shí)間序列模型可能因?yàn)闅v史的關(guān)系，面臨技術(shù)失靈的尷尬。本文引入馬爾科夫鏈，建立 MS-AR非線性時(shí)間

4、序列模型，增加了對(duì)趨勢(shì)把握的準(zhǔn)確性。
　　另外，為了對(duì)比該模型的效果，同時(shí)建立了GARCH模型，并通過(guò)Bagging算法對(duì) MS-AR模型、GARCH模型進(jìn)行200次擬合，一方面得到測(cè)試集200次預(yù)測(cè)值用于對(duì)比各模型的預(yù)測(cè)效果，另一方面將200次擬合結(jié)果組合為一個(gè)新的預(yù)測(cè)器，提高模型預(yù)測(cè)的穩(wěn)定性。
　　第四，通過(guò)BP神經(jīng)網(wǎng)絡(luò)建立了黃色預(yù)警系統(tǒng)，運(yùn)用買入信心指數(shù)、賣出信心指數(shù)、利率、二手房?jī)r(jià)格等多個(gè)警兆指標(biāo)對(duì)警情預(yù)測(cè)預(yù)報(bào)。建模