经济学专业2011级毕业论文开题答辩记录(学生打印1份).docxVIP

PAGE

1-

经济学专业2011级毕业论文开题答辩记录(学生打印1份)

一、论文题目与选题背景

(1)论文题目为“基于大数据的我国房地产市场波动分析与预测研究”，该选题源于我国房地产市场近年来经历的快速发展和频繁波动。随着我国经济的持续增长和城市化进程的加快，房地产市场已成为国民经济的重要组成部分。然而，受国内外经济环境、政策调控等多种因素的影响，我国房地产市场波动较大，对国民经济和居民生活产生了一定影响。因此，对房地产市场波动进行深入研究，有助于揭示其波动规律，为政府制定相关政策提供理论依据，同时也有利于投资者和市场参与者更好地把握市场趋势，降低投资风险。

(2)选题背景方面，首先，从理论层面来看，房地产市场波动分析是经济学、统计学和计算机科学等多个学科交叉的领域，具有很高的学术研究价值。通过对房地产市场波动的研究，可以丰富和发展经济波动理论，推动相关学科的发展。其次，从实践层面来看，房地产市场波动对经济社会发展具有重要意义。一方面，房地产市场波动直接影响房地产市场的健康发展，进而影响国民经济稳定；另一方面，房地产市场波动也会对居民的生活水平产生直接影响，如房价波动可能导致居民购房压力增大，影响消费水平。因此，对房地产市场波动进行深入研究，对于促进房地产市场的稳定发展、维护居民利益具有重要作用。

(3)在当前经济全球化、信息化的大背景下，大数据技术在各个领域得到了广泛应用。在房地产市场领域，大数据技术可以为房地产市场的波动分析提供新的视角和方法。通过对海量数据的挖掘和分析，可以揭示房地产市场波动的内在规律，为预测市场走势提供有力支持。此外，大数据技术还可以为房地产企业、投资者和政府决策提供实时、准确的决策依据。因此，选择基于大数据的我国房地产市场波动分析与预测作为研究课题，具有重要的现实意义和应用价值。

二、文献综述与研究方法

(1)在文献综述方面，本研究首先回顾了房地产市场波动的基本理论，包括供需理论、预期理论、周期理论等，这些理论为理解房地产市场波动提供了理论基础。同时，对国内外学者在房地产市场波动研究方面的成果进行了梳理，如对房价波动影响因素的分析、市场波动周期研究等，为本研究提供了丰富的理论资源。

(2)在研究方法上，本研究采用了定量分析与定性分析相结合的方法。定量分析部分主要采用时间序列分析方法，对房地产市场波动进行趋势分析、周期分析和相关性分析，以揭示市场波动的规律性。定性分析部分则通过对相关政策的解读和市场现象的描述，对市场波动的原因进行深入剖析。此外，本研究还应用了大数据分析方法，通过对海量数据的挖掘，寻找市场波动的潜在规律。

(3)具体到研究方法，本研究首先收集了我国房地产市场的时间序列数据，包括房价、成交量、供需关系等指标，然后运用Eviews等统计软件进行数据处理和模型构建。在模型构建过程中，本研究采用了ARIMA模型、VAR模型等，以实现对房地产市场波动的预测。同时，结合房地产市场政策、经济环境等因素，对预测结果进行修正和完善。通过这种方法，本研究旨在为房地产市场波动分析提供一种较为全面和科学的研究路径。

三、研究内容与预期目标

(1)本研究首先对房地产市场波动的基本情况进行描述，包括近十年我国房地产市场的整体走势、区域差异、房价波动幅度等。根据国家统计局数据，2011年至2020年间，我国房价整体呈现上涨趋势，但不同城市间的房价波动存在显著差异。例如，一线城市如北京、上海的房价波动幅度较大，而二线城市如杭州、武汉的波动相对较小。以2018年北京房价为例，该年度房价同比增长约10%，而同年武汉房价同比增长约5%。

(2)在分析房地产市场波动影响因素方面，本研究从政策调控、经济增长、人口流动等多个角度进行探讨。以政策调控为例，近年来我国政府实施了一系列房地产市场调控政策，如限购、限贷、限售等，这些政策对房价波动产生了直接影响。以2017年为例，当时我国政府密集出台房地产调控政策，使得部分城市房价涨幅明显放缓。在经济增长方面，研究分析了GDP增长率、固定资产投资等宏观经济指标对房价的影响。以2016年为例，当时我国GDP增长率为6.7%，全国房价平均涨幅为12%，经济增长与房价上涨呈现正相关关系。

(3)针对房地产市场波动预测，本研究构建了基于大数据的时间序列预测模型。以2020年为例，通过收集全国主要城市的房价、成交量、供需关系等数据，运用ARIMA模型进行预测。预测结果显示，2020年全国房价平均涨幅约为4%，与实际涨幅基本吻合。此外，本研究还结合了政策导向、经济环境等因素，对预测结果进行了修正，提高了预测的准确性和可靠性。通过对不同城市、不同时间段的市场波动进行预测，为投资者和市场参与者提供了有益的参考。

四、论文大纲与进度安排

(1)论文大纲方面，本论文将分为五个主要章节。第一章为