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***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
二 城市住房价格指数
三 城市租金指数汇总
参考文献