基于大数据的城市住房价格重复交易指数研究

本书在大数据分析的基 础上，结合中国市场特性， 以重复交易模型为主要方法 ，建立了同质可比的城市房 价指数体系，包括上百个重 点城市的房价指数、22个重 点城市的租金指数等；在系 统梳理国内外相关城市分类 分级的理论与实践基础上， 提出了符合中国房地产市场 现实的城市分类标准及具体 分类，进而编制了核心城市 指数、区域核心指数、城市 分级指数三个系列的11个综 合指数，可较好反映全国和 主要城市群带核心城市房价 综合变动状况及一二三四线 城市房价综合变动状况；基 于大数据及机器学习方法， 尝试建立了相应的房价预警 预报系统。本书对于解决房 价纵向可比性问题以及提升 中国住房市场的透明度具有 积极意义。

邹琳华，经济学博士，纽约城市大学巴克鲁分校访问学者（2011.12-2012.12），就职于中国社会科学院财经战略研究院。主要从事房地产经济、城市经济等领域的理论及政策研究。具体研究兴趣包括：房地产投资、房地产周期、房地产泡沫监测、房地产市场调控策略、城市化、城乡统筹与城乡均衡发展等。近年来在《经济研究》《财贸经济》《经济学动态》《光明日报》《统计研究》等权威核心报刊上发表文章10余篇，作为核心成员参与多项国家级重大课题研究。

第一章 绪论 一 研究的背景与意义 二 研究的内容与目标 三 研究方法、技术路线、关键技术及创新之处 第二章 真跌还是假摔？以北京市为例的大数据住房价格指数构建 一 引言 二 文献回顾 三 方法、模型与数据 四 指数估计及其稳健性 五 结论 第三章 与住房价格指数编制相适应的城市分级分类研究 一 理论综述 二 机构报告 三 符合研究需要的城市分级 第四章 住房价格综合指数构建研究 一 编制住房价格综合指数的意义 二 综合指数编制规则与方法 三 综合指数结果分析 第五章 基于大数据的住房租金重复交易指数研究 一 住房租赁市场特性 二 计算模型 三 结果分析 第六章 长租公寓发展与房租上涨：基于北京等8个城市的大数据分析 一 被推到房租上涨舆论风口浪尖的长租公寓 二 数据、方法与实证分析结果 三 房租上涨的其他解释辨析 四 长租公寓的经营模式、融资和潜在风险 五 结论与对策建议 第七章 基于大数据及随机森林法的住房价格波动预警预报 一 引言 二 主要流程与信号系统 三 方法与模型 四 基于大数据及随机森林法的城市住房价格预警预报结果 第八章 基于大数据住房价格指数的2019年中国住房市场分析 一 2019年住房市场运行动态 二 市场形势分析 三 短期重点城市市场预测 四 存在问题 五 对策与建议 第九章 上涨与分化：后疫情时代住房市场分析与展望 一 后疫情时代住房市场新特征 二 短期市场走势展望 三 问题与建议 第十章 住房租赁巿场预警预报研究 一 建立住房租赁市场预警预报体系的意义 二 当前我国住房租赁市场发展面临的突出问题与新特点 三 预警预报系统构建一般步骤与运行机制 四 建立健全重点城市住房租赁市场预警预报体系 第十一章 2018年以来各项指数计算结果汇总 一 住房价格综合指数