房地產信心指數
出自 MBA智库百科(https://wiki.mbalib.com/)
房地產信心指數(Real Estate Confidence Index)
目錄 |
什麼是房地產信心指數[1]
房地產信心指數是指基於科學的理論方法，通過對反映房地產市場供應與需求的各項具體指標以及與房地產市場發展相關的社會經濟多項指標的調查分析(結合統計指標與大量反映消費、投資需求的抽樣調查指標)，對影響房地產市場的各項因素做出定性與定量分析；通過客觀全面的市場調查，對這些因素按其重要程度進行歸類和數據處理，並通過科學的方法把處理後的數據進行合成，得出反映和測度政府、消費者、投資者對房地產市場運行狀況、景氣程度、均衡程度的信心指數(含單項指數與綜合指數)。
房地產信心指數的研究意義[1]
1.理論意義
(1)有利於完善房地產市場巨集觀調控理論 雖然市場能夠根據供求關係進行自我調節，但這種調節難免會出現消極、被動、滯後和帶有局部性的缺陷，即市場失靈。鑒於此，不論是西方發達國家，還是新興的資本主義工業化國家，為避免經濟發展的盲目性，都很重視巨集觀經濟調控問題。由於房地產開發與國民經濟的發展密切相關，因而如果把房地產開發單純地交給市場去組織，很可能出現“過熱”或“過冷”的現象。而政府對其採取一定的政策措施加以干預，可能會取得更好的效果。因此，對於房地產巨集觀調控理論的研究也一直是一個重要課題。一個完善的巨集觀調控體系是指中央政府通過經濟、法律、行政及輿論導向(信息引導)等手段，對整個社會經濟總需求和總供給進行調接和控制的系統，它是一個由調控機構、調控目標、調控手段、政策措施等構成的一個有機的相互作用體系。現有的房地產市場調控手段仍然是以經濟、法律及行政手段為主，這已不能滿足社會主義市場經濟發展的需要，以經濟、法律手段為基礎、以信息引導和預警體係為主導的房地產巨集觀調控體系，則是巨集觀調控理論發展的未來趨勢。因此，建立房地產信心指數體系，作為巨集觀調控有效的信息技術支持，可以較好地彌補現有巨集觀調控理論的不足，從而完善房地產市場巨集觀調控理論。
(2)有利於建立系統的房地產信息引導和預警體系 作為未來房地產巨集觀調控理論的主導手段、現有巨集觀調控理論的信息支持手段，信息引導和預警體系的研究是非常重要的。房地產信心指數研究是其一個主要方面，將基於市場的供應和需求狀況，反映消費者、開發商和政府對房地產市場的信心水平，從而較好地完善、豐富信息引導和預警理論，為巨集觀調控提供更強有力的支持。
(3)有利於房地產信心指數理論的研究，彌補國內在這方面的研究空白 房地產信心指數在國外研究較早，應用也較為廣泛，但國內相關研究才剛剛起步。針對建立房地產信心指數的關鍵技術、數學模型等研究，將為在我國研究與建立房地產信心指數提供較好的參考價值，彌補國內在這方面的研究空白。同時，也可以推動國內外信心指數理論的研究與應用，完善信心指數理論的研究，並大大提高信心指數的應用水平和範圍。
2.實際意義
(1)為政府及時把握市場需求提供可靠的參考依據，從而為政府科學的制定巨集觀調控政策奠定基礎 房地產信心指數是對定期問卷調查和抽樣調查得到的基礎數據進行處理後而得出的綜合指數和分項指數，能夠及時地反映不同區域、不同收入水平消費者的需求偏好、對房地產價格水平的評價、對市場的預期、購房的目的、購房的影響因素等情況。通過對房地產信心指數的分析，政府可以對未來一段時間內房地產需求的規模和結構進行預測，在此基礎上制定出具有前瞻性的政策。到目前為止，我國還沒有任何其他手段來真實全面地反映房地產市場的需求狀況，政策制定也是基於對過去巨集觀數據的分析，而不能完全針對消費者的未來需求偏好來制定政策。因此，開展對房地產信心指數的研究，可以填補此項空白，為政府制定政策提供更加科學、全面的參考依據。
(2)有利於政府做出科學合理的土地出讓計劃 土地供給是房地產市場的源頭，而政府則是這一源頭的提供者。科學合理的土地出讓計劃對於政府加強巨集觀調控，提高土地利用效率具有重要意義。然而，每一年應該向市場投放多少土地，應該出讓哪些區域的土地，政府在制定計劃時並沒有一個相對科學的參考依據。比如前幾年，由於土地供應量過大，導致大量的樓盤在隨後的幾年內涌現，最後造成供大於求，一方面造成大量的商品房空置，使開發商和金融系統面臨極大的風險；另一方面也造成土地資源的嚴重浪費。通過建立房地產信心指數，政府能夠對房地產市場上消費者信心水平有一個準確的衡量，能夠對未來一段時期在某一區域內的消費需求做出客觀預測。政府可根據房地產信心指數的情況，基於每年消費者的需求做出合理的土地出讓計劃，使土地資源發揮最大的效用。
(3)能夠對區域規劃及相關配套設施的建設起到良好的指導作用 城市規劃與區域規劃對城市的建設與發展具有顯著的指引和導向作用，城市當前呈現出來的面貌正是前些年規劃的結果。然而，一些城市的規劃卻遠遠滯後於經濟發展的速度，並由此造成相關的城市問題(如交通堵塞)。例如，早期對於深圳市後來的人口總量預測在500萬左右，而目前深圳市的人口近1000萬。對人口的預測是城市規劃的一個前提，由於認識上的不足，規劃也由此出現相應的問題。造成問題出現的根本原因就在於對市場的發展沒有足夠地瞭解。就目前情況而言，政府規劃應基於科學的市場調查，通過對市場的充分瞭解，在規划上則可做出相應的對策。房地產信心指數在編製時，就是依據對市場的充分瞭解，對市場已有了相對準確的測度。因此，由該指數反映出來的市場情況將為城市或區域規劃提供較好的指導作用。
(4)對於政府舊城改造也將起到很大的幫助作用 舊城改造涉及到方方面面的關係和利益，而其中最重要的一點就是改造後該區域應該如何發展、如項目的選址、項目的定位、項目的風險、項目的投資回報等。要對這些做出正確的估計必然依賴於對市場的把握，這就要求在市民中進行抽樣調查以獲取基礎數據，使市民的意願得以客觀地反映出來。房地產信心指數將提供這些基礎數據，從而使舊城改造體現市民意願。
(5)對房地產開發商和消費者的行為起到積極的引導作用，從而促使房地產市場持續健康發展 由於房地產市場本身存在的缺陷，特別是供給與需求在時間和區域上的不同一性，那麼完全依賴市場來進行有效的信息傳導是不太現實的。健全市場信息公開制度，加強輿論引導及市場監測，增強政策透明度，可以較好的影響開發商和消費者對未來的預期，從而影響供應和需求變化。房地產信心指數系統能夠精確地反映每一個片區的房地產市場供求狀況、未來價格走勢及市場的發展趨勢。通過定期的發佈房地產信心指數，房地產開發商、消費者能在這些市場信息的引導下，對市場情況做出正確的判斷，從而做出合理的投資決策和明智選擇，減少或避免一哄而上和盲目投資等情況的發生，使房地產市場健康發展。
房地產信心指數的理論基礎[1]
1.市場供求理論
市場是交換關係的總和。廣義上的市場是無形的、無處不在的。有交易行為或意向的雙方就是一個交換關係，一個個交換關係就是市場(Vernor,1995)。而交換的前提是交換雙方有需求意向和供應能力。可以說，需求和供應是市場的兩個基本問題，而供求平衡是每一個市場追求的理想狀態。房地產市場同樣是由一個個房產和地產的交換關係組成，其交換的前提也是交換雙方要有需求意向和供應能力。因此，研究一個房地產市場通常就是研究其需求及供應情況。
房地產市場的需求與供應，即房屋及土地的需求量與供應量，既會影響開發商和消費者的決策行為，同時也會對政府巨集觀調控產生較大影響。在需求旺盛時，房價較高，開發商會加大投資，以提高房屋供應量，此時房價若在合理的範圍內，消費者會繼續進行購房行為，政府也會相應地加大土地供應量，否則消費者將減少購房，政府也會減少土地供應量；而在供應過剩時，價格下降，開發商會減少投資，以減少房屋供應量，政府則會考慮減少土地供應量。房地產產品不同於一般商品，其供求關係比較複雜，也比較難以控制。因此，通過研究影響房地產市場需求和供應的相關因素或指標，可以較好地分析房屋需求與供應的變化情況。
房地產信心指數作為一個反映房地產市場狀況的指標，其研究必須基於房地產市場的需求及供應情況。這裡將根據中國房地產市場自身的特點，從需求和供應兩個方面進行研究如何建立房地產市場信心指數，併進行應用分析。需求和供應又可劃分為有效需求、有效供應、潛在需求和潛在供應。由此所建立的房地產信心指數既立足於市場的目前狀況，又放眼於市場的未來走勢，從而可以較好地滿足研究的目的和需要。
2.房地產周期波動理論
房地產行業具備行業周期性的特點，對國民經濟的起落極為敏感，這已從國內外房地產市場實際情況得到了證實。這種周期性與市場經濟的發達程度密切相關，市場經濟越發達，周期性越明顯。房地產周期波動理論是本信心指數研究前提和基礎。
房地產周期波動可用衝擊－傳導模型來解釋。衝擊－傳導模型常用於解釋經濟周期波動，即經濟周期波動是經濟體系受到隨機性的外部衝擊後，經由一定的內部傳導機制而引發的周期性反應。房地產行業也是一個經濟體系，因此可以用衝擊－傳導模型來解釋，大致分為四個階段。一是外部衝擊階段，即來自於房地產經濟系統外部的變數，如巨集觀經濟政策變動等，對房地產經濟系統產生外部衝擊；二是初始響應與內部傳導階段，即房地產經濟系統對外部衝擊產生初始響應，並利用內部傳機制把外部衝擊轉化為房地產經濟系統運行的重要動力因素；三是內部傳導與振蕩衰減階段，即由於房地產經濟系統存在內部運行阻力，當外部衝擊通過內部傳導機制向房地產系統各個領域進行全面傳導時，必然會導致初始響應發生衰減，也就是隨著內部傳導過程的持續，外部衝擊對房地產經濟系統運行路徑的影響程度會逐漸衰減，表現為房地產經濟波動在強度、振幅與波長等指標上逐漸趨於正常或穩定狀態；四是進入穩定狀態階段；即房地產經濟系統在對外部衝擊作出初始響應，並經內部傳導機製作用而呈現振蕩衰減之後，到達一定時刻後重新進入穩定狀態，或重新回到外部衝擊前的正常運行軌跡。
外部衝擊和內部傳導對房地產經濟周期波動的運行機制和影響效果有所區別。一般來說，從運行機制來看，外部衝擊來源於外生變數的自發性轉移，主要強調時間序列的變化，通過外生變數及與內生變數無關的參數體現出來，並通過這些變數的傳導作用對房地產經濟波動產生影響；內部傳導機制反映了房地產經濟系統的結構效應，主要通過與內生變數相聯繫的結構參數體現出來，強調房地產經濟系統對外生的時間序列變數變化的滯後響應，因此內部傳導機制主要通過房地產經濟系統的內在機制而在系統內部擴散，表現為系統內部對於外部衝擊的自我響應與自我調整。從對房地產經濟波動的影響效果來看，外部衝擊是波動的初始原因或初始推動力量，並不直接決定房地產波動的周期性和持續性，只是通過內部傳導機制對周期波動的波幅、波長、波峰、波谷等產生疊加影響，使基本波動形態產生變化，並對房地產周期波動轉折點的形成產生主導性作用；內部傳導機制雖然表現為對外部衝擊的滯後響應，但由於房地產經濟系統是一個內生運動決定的單一積累過程，因而在本質上決定著房地產經濟波動的周期性和周期的持續性，決定著房地產周期波動過程中包括波峰、波谷、波幅、波長等基本波動形態。
由衝擊－傳導理論可知，房地產周期波動受外部因素和內部因素同時作用，而外因是原動力，內因則是決定周期波動強度的主導因素。房地產信心指數研究就是充分地將房地產市場內部因素和外部因素結合起來，以單個因素和綜合因素的形式來反映房地產市場的變化趨勢。信心指數的指導性和預測性，正是基於周期波動理論來實施的。因此，房地產周期波動理論既是信心指數研究的基礎，又是信心指數應用的前提。
房地產信心指數的技術框架[1]
由圖1可以看出，信心指數大體上包括三個部分，即反映有效需求及供應的單項指標V1、反映潛在需求的單項指標V2、反映潛在供應的單項指標V3以及合成V1、V2和V3後產生的反映整個房地產市場狀況的綜合指標V。
(1)房地產有效需求及供應。所謂市場有效需求及供應就是有支付能力或購買力的需求及相對應的供應(Colwell, et al, 1983)。房地產市場的有效需求及供應則是指在一個個關於房產、土地的交換關係中有支付能力的需求及相對應的供應。由於涉及房產或土地交換的關係數目眾多，也就是說構成房地產市場的成分十分複雜，影響房地產市場有效需求及供應的因素眾多、複雜多變，因此很難對其進行定性和定量分析。欲建立反映市場有效需求及供應的單項指標(V1)，其前提是首先確定影響市場的有效因素，然後才能進行相關的計算。擬通過專家打分法及因數分析法來確定影響市場有效需求及供應的主要因素並計算各自的權重。在此前提下，基於相關調查數據，運用相關技術方法分析已確定的主要影響因素。
(2)房地產潛在需求。房地產潛在需求主要反映社會(主要包括大眾)對房地產市場的預期。因此，建立潛在需求指數(V2)，主要通過問卷調查、電話調查等方式收集非房地產從業者對房地產市場的觀點和看法，然後分析他們對本地房市的期望和投資信心及其變化情況。
(3)房地產市場的潛在供應能力。房地產市場的潛在供應能力主要由所能開發的土地面積決定。由於土地資源是有限的，因此政府主管部門每年對土地的開發量和具體類別都有著嚴格的限定。一般情況下，政府相關主管部門每年都會制訂新的土地開發政策，以保證轄區內的土地資源能被合理、科學的利用。同時，房地產市場的潛在供能力還受規劃容積率的影響。由於容積率直接關係到單位土地面積的房屋開發量，因此容積率也是影響房屋潛在供應的一個重要因素。潛在供應指數(V3)的建立主要依靠政府的土地規劃數據和市場開發數據。
房地產信心指數體系的建立[1]
根據房地產信心指數的技術框架從縱、橫兩個構建中國房地產信心指數體系。
1.從縱向角度建立的房地產信心指數體系
從縱向角度建立的房地產信心指數體系如圖2所示。
由圖2可以看出，房地產信心指數分為四層：第一層是綜合信心指數層，其主要從巨集觀角度綜合反映某個區域房地產市場發展的現狀與趨勢；第二層是單項指數層，分別從有效需求及供應、潛在需求和潛在供應三方面反映房地產市場的發展情況；第三層是分項指數層，其從具體指數出發，建立可以反映有效需求及供應、潛在需求和潛在供應等指數的分項指數；第四層是基礎指數層，其主要是針對分項指數層可以進一步細化的指數進行再分析，從而確定常常可以引起民眾及專家註意的指數。
2.從橫向角度建立的房地產信心指數體系
從橫向角度建立的房地產信心指數體系如圖3所示。無論是綜合信心指數，還是單項信心指數或者其他級別的指數，都既可以對整個城市乃至全國房地產市場進行分析，又可以對某個地區或行政區的房地產市場進行分析，建立其信心指數。
房地產信心指數的功能分析[1]
房地產信心指數對房地產市場的發展可以起到較好的引導作用，引導投資、引導消費及輔助政府對房地產市場巨集觀調控等，下麵將對其具體功能進行分析。
1.綜合信心指數
綜合信心指數是將有效需求及供應、潛在需求和潛在供應等因素綜合考慮，進而整體反映一個地區房地產市場發展現狀及未來趨勢的指標。它是衡量一個地區房地產市場前景是否樂觀、是否健康的一個重要手段。政府、投資者及消費者可以通過綜合信心指數從整體上把握房地產市場的走向，為巨集觀調控及投資決策把握方向。綜合信心指數在整個房地產信心指數體系中，起到了巨集觀導向作用。
2.有效需求及供應指數
有效需求及供應指數主要是考慮影響當前房地產市場需求及供應的因素，如價格、人口等，通過這些因素反映當前房地產市場的實際需求和供應情況及趨勢。政府、投資者及消費者可以基於此指數瞭解房地產市場的供需現狀，為制定房地產相關政策及投資和消費提供參考。另外，該指數還為綜合指數的建立提供相關數據支持。
3.潛在需求指數
潛在需求指數是通過調查統計分析，瞭解消費者對未來房地產市場所持的態度，從而可以分析未來一段時期內社會對房地產產品的需求狀況。該指數不僅可以為房地產開發商投資決策提供有效的信息，而且還可以為消費者的購房計劃提供有價值的參考數據，為政府制定土地規劃及建設規劃提供相關信息。同時，其也為綜合信心指數的建立提供相關數據。
4.潛在供應指數
潛在供應指數是通過對城市規劃及行業規劃數據的分析，而確定反映未來一段時期內房地產市場供應水平的指標。房地產供應水平不僅會影響房地產開發商未來的開發決策，而且會影響消費者的購房計劃。從側面也反映了房地產開發量是否將保持一個持續增長的水平，這關係到房地產市場產品的增存量及政府對房地產市場調控走向。同樣，其也為綜合信心指數的建立提供數據支持。
5.其他指數
其他次級指數都從更為微觀的角度反映房地產市場的發展狀況。如價格指數，其可以反映新開發住宅市場的價格現狀及未來趨勢，這可為購房者提供較好的參考依據。同時，這些指數又為上一層指數提供基礎數據支持。
房地產信心指數的關鍵技術[1]
房地產信心指數在我國房地產市場的研究和應用才剛剛起步，還沒有形成較為系統的方法和技術。儘管國外房地產信心指數的研究可以為我國建立房地產信心指數提供相關參考方法，但是房地產市場具有很強的地域性，尤其是我國房地產市場還不夠成熟，因此必鬚根據我國房地產市場實際情況研究相關方法和技術。
房地產信心指數關係到供應和需求的定量數據，也涉及到其定性數據。對於定量數據，大部分可以通過實際調研直接獲得，如房屋銷售數據等；而對於大部分定性數據，如人們的住房需求偏好、購房欲望、開發商的投資熱情、影響房地產需求因素的重要性等等，都難以直接獲得，這就必須藉助於調查問卷法來實施。
調查問卷法是一種廣泛應用於信息收集(包括定量和定性信息，特別是定性信息)的重要手段。應用調查問卷法的重點是設計調查問卷，調查問卷設計的好壞直接關係到調查問卷法應用的成功與否。問卷是一連串有系統、有順序且有目的的問題組合，其應該包含所有項目。因此，在設計房地產信心指數相關調查問卷時，必須堅持以下原則：
(1)避免一般性或不具體的問題；
(2)用字簡單、定義清楚，問題用字要力求口語化；
(3)避免用多語意字；
(4)避免用含糊不清的句子；
(5)避免用引導性問題；
(6)針對困窘性問題，採用迂迴方式設置；
(7)避免斷定性問題；
(8)避免假設性問題；
(9)保證問題邏輯一致性和內容完整性。
在研究和分析房地產信心指數的過程中，需要建立指標體系，確定相關指標，如影響房地產市場有效需求及供應的指標。由於房地產相關影響因素較多，在建立這些指標過程中，為了簡化計算，就要儘可能地用較少量的指標來描述和分析所要解決的問題；另外，在建立指標時，不可避免地某些指標之間會存在或大或小的相關性，對於相關性較大的指標，應給予剔除。因此，可以說在房地產信心指數研究及建立過程中，因數分析法是一種不可或缺的方法。
2.1 因數分析法的原理
在20世紀初，為了分析智力測試的結果，英國心理學家Charles Spearman(Gorsuch, 1983)[133]建立了因數分析法。之後，因數分析法作為一種統計數學計算工具被廣泛應用於化學、社會學、經濟學、心理學等各個領域，甚至於用來預測賽馬結果(Reese, Lochmuller, 1993)。通常情況下，許多統計學方法是用來研究自變數與因變數之間的關係；因數分析法則有所不同，它是用來研究許多自變數之間的關係模式，從而發現影響因變數的因素的性質(即使這些因變數是不能直接測量的)，而這些推導出的因變數則被稱之為因數。典型的因數分析法一般會提出四個方面的問題：1)有多少不同的因數用於解釋變數之間的關係模式；2)這些因數的性質；3)如何更好地用假設因數解釋觀測數據；4)每一個被觀測的變數包括多少隨機性或唯一性(Rubenstein, 1986)。與傳統的統計學方法相比，因數分析法的優勢在於能夠提供一個有代表性的關係矩陣，而其他的統計學方法只能提供一個顯示相似特性的矩陣。從數理統計的角度來看，因數分析的基本目的是用少數幾個隨機變數去描述許多變數之間的協方差關係。與多元回歸不同的是，這裡的少數幾個隨機變數是不可觀測的，通常稱之為因數。本質上，因數分析基於這樣的思想：根據相關性的大小將變數分組，使得同組內的變數之間相關性較高，但不同組的變數相關性較低。由此可以認為，每組變數代表一個基本結構(因數)，它們可以反映問題的一個方面，或者說一個維度。
2.2 因數分析法的步驟
採用因數分析法進行影響因素分析時，要遵循以下七個步驟。
(1)定義問題這包括定義一個因數分析的問題，如房地產市場有效需求及供應問題，並確定實施因數分析的變數。
(2)計算並檢驗相關關係矩陣包含在因數分析中的變數必須具有一定的相關性，這可以進行直觀判定，也可以通過客觀的檢驗方法來確定，如巴特利特球體檢驗、KMO測度等。
(3)選擇因數分析的方法主成份分析法和公因數分析法是兩種主要的尋找因數的方法。主成分分析法是一種值得推薦的方法，同時也是一種應用比較廣泛的方法。
(4)確定因數數目 主成分分析法所獲得的因數解的數目同原來變數的個數是一樣的，而因數分析的主要目的則是用少數幾個公因數來闡釋數據的基本結構，因此要進行因數選擇。除了經驗判斷外，特征值法是應用較多的判斷方法，其要求保留因數特征值大於1的那些因數。另一個常用方法是基於所保留的因數能夠解釋的方差比例。一般而言，所保留的公因數至少應該能夠解釋所有變數60%的方差。另外，因數碎石圖(Scree plot)、半分法及統計檢驗法也是確定因數數目的有效方法。
(5)因數旋轉因數荷載給出了觀測變數與提取因數之間相關程度的大小，這意味著在某一因數上荷載大的變數對該因數的影響較大。但是，基於公因數本身的意義，實際中往往會出現所有變數在一個因數上的荷載都比較大的情形，這為因數解釋帶來了困難。因數旋轉的目的就是使某些變數在某個因數上的荷載較高，而在其他因數上的荷載則顯著低。正交旋轉(Orthogonal rotation)和斜交旋轉(Oblique rotation)是因數旋轉的兩種方法。如果總體上各因數間存在明顯的相關關係，則應該考慮斜交旋轉。
(6)因數解釋因數分析的重要一步是對所提取的公因數給出合理的解釋。因數解釋可以通過考慮在因數上具有較高荷載的變數的意義來進行。經過因數旋轉後的因數荷載陣可以大大提高因數的可解釋性。需要註意的是，即使經過因數旋轉後，仍有可能存在一個因數上的所有荷載均較高的情形，這種因數通常可以稱之為一般(或者基礎性)因數。一個合理的解釋是，它是由所研究問題的共性決定的，而不是單一地取決於問題的某一個方面。此外，對於某些荷載較小、難以解釋或者實際意義不合理的因數，如果其解釋的方差較小，則通常予以捨棄。
(7)因數得分若需要後續分析，如進行回歸分析等，通常需要進一步計算各公因數的因數得分，即給出各因數在每一個案例(Case)上的值。事實上，既然各觀測變數可以表示為各公因數的線性組合，那麼反之，各公因數也可以表示為各觀測變數的線性組合，見式(1)：
(1)式中 Fi——第i個因數的得分；
Xm——第m個觀測變數值；
Wim——第i個因數在第m個觀測變數上的因數得分繫數。
因數得分正是通過這樣的方法，利用各觀測變數的值而估計得到的。主成分分析法可以給出各因數的得分，並且這些值之間是不相關的。因數得分值可以用來代替原來的變數用於後續分析。由於消除了相關性，為後續統計分析方法的應用提供了較大便利。
因數分析法主要應用於確定影響房地產市場有效需求及供應的相關指標。
在房地產信心指數合成時，如綜合信心指數的合成，這裡欲採用綜合指數法(即加權平均法)，這需要確定各次級指數的權重。有些指數的權重屬於定性問題，直接採用定量分析方法很難確定，故需要採用一種方法對各指數的相對重要性進行量化處理。針對這樣的情況，德爾菲法則是比較適用的一種方法。
3.1 德爾菲法的原理
德爾菲法也稱專家打分法，最早產生於20世紀50年代末，是當時美國為了預測在其“遭受原子彈轟炸後，可能出現的結果”而發明的一種方法。1964年美國蘭德公司的Helmer和Gordon發表了“長遠預測研究報告”，首次將專家打分法應用於技術預測，以後便迅速應用於美國和其他國家。除了科技領域外，它還幾乎可以用於任何領域的預測，如軍事預測、人口預測、醫療保健預測、經營和需求預測、教育預測等。此外，它還用來進行評價、決策和規劃，並且在長遠規劃者和決策者心目中享有很高的威望(Morrison, 1990)。據《未來》雜誌報導，從上世紀60年代末到70年代中，專家打分法在各類預測方法中所占比重由20.8%增加到24.2%。在我國，自從80年代以來，不少單位也採用專家打分法進行了預測、決策分析和編製規劃工作。專家打分法本質上是一種反饋匿名函詢法，其過程是，在對所要預測的問題徵得專家意見之後，進行整理、歸納、統計，再匿名反饋給各專家，再次征求意見，再集中，再反饋，直至得到正確的意見，如圖4所示。
3.2 德爾菲法的步驟
該方法主要應用於建立綜合信心指數、房地產市場有效需求及供應指數、潛在需求指數等。通過房地產業內專家對各指標的打分，進行分析－反饋，最終得到比較一致的、可以反映房地產市場綜合信心指數的相關單項指數的權重。下麵以房地產綜合信心指數為例，說明如何採用德爾菲法確定其次級指數(有效需求及供應指數、潛在需求指數和潛在供應指數)的權重。由於不同地區或行政區三個指數的權重不同，在此僅以深圳市級的指數為例確定各指數的權重。應用德爾菲法確定單項指數權重的操作步驟如下：
(1)確定專家組成員 由於研究的是房地產信心指數，所以應在房地產領域及巨集觀經濟領域選擇專家。
(2)介紹基本情況 向專家組介紹併發放問題相關資料，並回答專家組的疑問。
(3)制定併發放專家評價表 如表1所示，其總分為100分，各單項指數取值在100分以內。
表1 專家評價打分表
| 綜合指數 | 房地產綜合信心指數 | ||
| 影響因素 | 有效需求及供應指數 | 潛在需求指數 | 潛在供應指數 |
| 因素得分值(%) | P1j | P2j | P3j |
(4)收集並整理專家意見 根據整理結果將意見反饋給各位專家，為他們對自己的判斷做參考。
(5)結果彙總 經過三到四輪的發放與整理專家意見後，對最後結果進行彙總。採用簡單平均法計算得分值(即權重)，見式(2)：
i=1,2,3 (2)式中 Wi——第i個指數的得分值(權重)；
Pij——第j個專家對第i個指數的打分值；
n——專家總數。
基於上述方法，確立深圳市房地產信心指數的各單項指數權重，如表2-2所示。
表2 深圳市房地產信心指數權重表
| 綜合指數 | 深圳市房地產綜合信心指數 | ||
| 單項指數 | 有效需求及供應指數 | 潛在需求指數 | 潛在供應指數 |
| 權重值(%) | W1 | W2 | W3 |
消費者潛在需求指數是房地產信心指數的重要組成部分，採用適當的方法對其進行分析是十分必要的。消費者情緒指數法(ICS)在消費者心理需求研究及應用方面得到了較好地發展，目前趨於成熟。這裡欲採用消費者情緒指數法建立房地產市場潛在需求指數。
4.1 ICS的原理
Michigan大學的消費者情緒指數(ICS)是一個建立在跨度超過50年期的調查(Curtin, 2000)基礎上的指數，ICS方法由其負責人Richard Curtin(2002a)作了詳細描述。事實上，每月有一個月度調查，該調查是建立在對生活在一起的美國(包括48個州和哥倫比亞特區)家庭成年男女進行的大約500個電話採訪基礎上，通過五個問題建立消費者情緒指數。按照Curtin的解釋(2002b)，“兩個問題集中在家庭的財務狀況近來如何發生變化和前些年間期望如何發生變化，兩個問題集中在近期或更長期的經濟前景，另一個問題集中在住房的購買能力。”
之後，這一方法被應用到房地產領域用以建立能反映消費者需求的指數。在美國，Texas A&M 大學的房地產中心編製的Texas房地產指數(TRECI)，在原理上採用了與ICS同樣的方法。但是，在這裡存在著五組專家：建設者、商業性房地產經紀人、住宅房地產經紀人、抵押借貸人和商業借貸人。這樣，這些小組涉及到了不動產發展、建設和金融領域。每一個專家被問及六個問題：前三個問題涉及到他們對前一季度的評估，後三個問題集中在對下一個季度的預期。同樣，在中國香港，香港理工大學房地產研究中心編製的BRE指數，在原理上也是基於ICS方法，對設定人群的隨機性電話跟蹤調查，該調查建立在大概二十個不同的問題上。通過對答案的整理和分類，基本上能夠確定出房地產市場中各相關因素及影響和消費者對於整個市場的看法。
4.2 基於ICS的指數分析步驟
由於中國大陸房地產市場同國外及香港等地區的房地產市場比起來存在較大差異，且還不夠成熟，因此在採用消費者情緒指數法之前應結合我國房地產市場的實際情況進行改進，相關應用分析步聚如下：
(1)設計調查問卷 根據中國大陸房地產市場實際狀況，有針對性的設計調查問卷，同時設計對外開放網站，以便通過多種渠道、在多種場合進行問卷的發放與回收；
(2)問卷統計分析 根據信心指數設計的需要，對調查問卷進行統計分析，計算針對不同人群的潛在需求指數，並確定相應的權重；
(3)確定潛在需求指數 通過加權平均法合成各分項指數，從而確定綜合潛在需求指數。
在房地產信心指數研究過程中，將建立一個指數體系，顯現階梯型指數分佈，因此需要指數合成，如合成價格指數、房地產有效需求及供應指數、房地產潛在供應指數及房地產綜合指數等。由此可見，綜合指數法在房地產信心指數建立過程中是必需的一種方法。
綜合指數法是一種常用的綜合評價或分析方法，也是一種典型的定量分析方法。它的思想是把各評價指標的統計分析數值進行加權計算，確定一個綜合值用來評價方案優劣。該方法的優點是顯而易見的，操作簡便，同時綜合考慮了多個指標。但是，確定各指標的權重是該方法需要面對的重要問題。
眾所周知，股票市場的技術指標系統是較為成熟和完善的，股市技術指標系統所運用的數量分析方法對於原始數據未來走勢預測的準確程度已經得到較大認可，並已開始應用於期貨市場和貨幣金融市場。對於房地產信心指數，其預測分析是房地產信心指數研究的需要內容。由於房地產市場與股票市場在某種程度上的相似性，這裡欲採用股票模擬技術進行信心指數的預測分析。
6.1 房市與股市的相似性
(1)二者都與巨集觀經濟形勢息息相關，且與巨集觀經濟形勢呈正相關。
(2)二者都存在信息不對稱現象 股市中的信息不對稱現象比比皆是，造成莊家肆意操縱股市，還被冠以“先知先覺者”的美稱，結果是廣大股民套牢，為莊家作嫁衣。房市中也存在類似現象。在房屋買賣中，買家常常處於弱勢。樓盤好比是開發商的子女，樓盤的成長歷程為開發商所熟悉。從土地選址、規劃報批、建設、銷售直至物業管理，開發商傾註了大量的心血。房屋質量、小區環境、小區周邊配套設施及未來若幹年內的規劃，開發商心知肚明。
(3)在兩個市場中都有“國有股” 股市中存在國有股，這一點為眾人所知。而房市中的“國有股”是指公房、房改房、機關與事業單位的自建房以及法律不允許轉讓的花園別墅與部隊用房等。這些“國有股”的存在，使得房價整體偏高，未反映出市場的真實情況。
房市與股市的相似性，使得股標模擬技術在房地產信心指數預測中的應用成為可能。
6.2 指標模擬法的原理
指標模擬就是模擬股票市場技術指標體系，將股票市場走勢預測計算方法運用到房地產走勢預測上。指標模擬技術全部來源於股票市場。股票理論有兩個基本的派別：隨機漫步理論和技術分析理論。隨機漫步理論的基本觀點是，股票價格的波動完全是無序的，因而是完全不可測的，唯一可做的就是找出股票市場的趨勢並順應它；技術分析派認為股票價格的波動呈現某種規律性，是可測的(Hebner, 1964)。兩個派別都存在著一定的局限性，隨機漫步理論是以股市發展趨勢為研究對象，認為只要把握了趨勢，買什麼股票是不重要的，最著名的例子是“亂扎飛鏢”。在實際應用中，如“數人頭理論”、“反向操作”，都是隨機漫步理論的應用方法(Fama,1970)。技術分析派則是以具體走勢為研究對象，通過技術分析，才能找到具體的買賣位置。在20世紀30年代以前，整個世界的股票市場都被分為隨機和分析兩派，或只把握股市的趨勢，而無法對某一時間段的走勢做出判斷；或只分析具體股票走勢，而無法對市場整體走勢做出判斷。美國學者艾略特於1938年創立的波浪理論，從另一個層面揭示了事態發展的過程，並能體現出獨特的價值和判斷功效。波浪理論將隨機漫步理論和技術分析理論巧妙的融合在一起，能夠從整個市場的趨勢和具體股票走勢兩方面分析。
6.3 指標模擬法的類型
股市指標體系是一個十分複雜的技術體系，所包括的技術指標數量眾多，各自的定義及表達內容也不相同。但大多數技術指標都是由下列三種指標衍生而來的。
(1)移動平均線(MA) 作為一種技術分析指標，移動平均線在股票市場中應用最為廣泛並最具靈活性。1939年，美國投資分析家加利特第一次開創性地對移動平均線做出分析(Gau, Kohlhepp, 1978)。移動平均線是一種追蹤市場趨勢的有效工具，目的在於識別舊趨勢已終結、新趨勢萌生的關鍵契機，是用統計處理的方式將若幹天的股票價格加以平均，然後連接成一條線，用以觀察股價趨勢。移動平均線的理論基礎是道瓊斯的“平均成平”概念。移動平均線通常使用周期有3日、6日、10日、12日、24日、30日、72日、200日、288日、13周、26周、52周等，不一而足，其目的在於取得某一段時間的平均成本，而以此平均成本的移動曲線配合每日收盤價的線路變化分析某一期間多空的優劣形勢，以研判股價的可能變化。一般來說，現行價格在平均價之上，意味著市場買力(需求)較大，行情看好；反之，行情價在平均價之下，則意味著供過於求，賣方壓力顯然較重，行情看淡。移動平均的期間長短關係其敏感度，期間愈短敏感度愈高，一般股價分析者，通常以6、10日移動平均線觀察短期走勢，以10日、20日移動平均線觀察中短期走勢，以30日、72日移動平均線觀察中期走勢，以13周、20周移動平均線觀察長期走勢。西方投資機構非常看重200天長期移動平均線，以此作為長期投資的依據，行情價格若在長期移動平均線下，屬空頭市場；反之，則為多頭市場。
MA的計算公式，見式(3)：
(3)式中 Pn——第n日平均價；
n——天數。
(2)平滑異同移動平均線指標(MACD) 平滑異同移動平均線是由查拉爾·阿佩所創造的，是一種研判股票買賣時機，跟蹤股價運行趨勢的技術分析工具。MACD指標是根據MA的構造原理，對股票價格的收盤價進行平滑處理，求出算術平均值後再進行計算，是一種趨勢指標。MACD指標是運用快速(短期)和慢速(長期)移動平均線及其聚合與分離的徵兆，加以雙重平滑運算。而根據移動平均線原理髮展出來的MACD，一則去除了移動平均線頻繁發出假信號的缺陷，二則保留了移動平均線的效果。因此，MACD指標具有均線趨勢性、穩重性、安定性等特點，是用來研判買賣股票時機，預測股票價格漲跌的技術分析指標。MACD指標主要是通過EMA、DIF和DEA(或MACD、DEM)三值之間關係的研判、DIF和DEA連接起來的移動平均線的研判以及DIF減去DEM值而繪製成的柱狀圖(BAR)的研判等來分析判斷行情，是預測股價中短期趨勢的主要技術指標。其中，DIF是核心，DEA是輔助。DIF是快速平滑移動平均線(EMA1)和慢速平滑移動平均線(EMA2)的差。BAR柱狀圖在股市技術軟體上是用紅柱和綠柱的收縮來研判行情。MACD在應用時，首先計算出快速移動平均線(即EMA1)和慢速移動平均線(即EMA2)，以此兩個數值，作為測量兩者(快慢速線)離差值(DIF)的依據，然後再求DIF的N周期平滑移動平均線DEA(也叫MACD、DEM)線。如圖5為某個股的MACD圖。
以EMA1的參數為I日，EMA2的參數為J日，DIF的參數為K日，來分析MACD的計算過程：
①計算移動平均值(EMA)
EMA(I)=前一日EMA(I)×(I-2)/(I＋1)＋今日收盤價×2/(I+1) (4)
EMA(J)=前一日EMA(J)×(J-2)/(J+1)＋今日收盤價×2/(J+1) (5)
②計算離差值(DIF)
DIF=今日EMA(I)－今日EMA(J) (6)
③計算MACD
MACD＝前一日DIF(K)×(K-2)/(K＋1)＋今日DIF×2/(K+1) (7)
(3)偏離率(BIAS) 偏離率(亦稱乖離率，從計算原理上看，稱偏離率是比較準確的)是運用股價指數與移動平均值的比值關係，觀測股價偏離移動平均線的程度，以此決定投資者的行為。計算公式見式(8)：
偏離率=(當日股市收市價－N日移動平均值)/N日移動平均值*100% (8)
一般來講，BIAS偏離移動平均線的界定範圍大體在-15%至15%，即當BIAS在0-15%之間時，股票價格可能下跌，當BIAS在-15%至0之間時，股票價格可能上漲。
6.4 房市與股市的區別
儘管房市與股市存在一定的相似性，但是二者之間還是存在一定的區別。
(1)不同的資產屬性和地位 股票代表著虛擬經濟，是紙上富貴，落袋方能為安；房地產則是實業。房地產所具有的不可移動性、獨一無二性；股票都不具備。房地產具有難以變現性；股票則屬於速動資產，可隨時變現。房地產具有保值增值功能。對房地產本身進行投資改良、通貨膨脹、需求增加導致稀缺性增加、外部經濟或相互影響，都會引起房地產價格上升。股票卻不具備這方面的功能。
(2)不同的獲利方式 股票的獲利方式有兩種，謀求差價和獲取紅利；房地產的獲利方式有三種，謀取差價、獲得租金與自住。
(3)不同的周期 房地產周期長於股市的周期。
(4)二者雖然同時存在信息不對稱和國有股現象，但股市中的不對稱現象和國有股較樓市嚴重 例如在房市中獲取土地須通過拍賣方式取得，小區物業管理須通過招投標方式獲得，房屋銷售時必須公開價格，一房一價。因此即使房市中有不對稱現象存在，也不會很嚴重；而在股市中，國有股、法人股所占比例大，遠遠超過了50%，儘管房市中亦存在“國有股”，但所占比例較小。
(5)運作股票與運作房地產的難度與方式也完全不一樣 房地產開發一般需經歷投資機會尋找、投資機會篩選、可行性研究、獲取土地使用權、規劃設計與方案報批、簽署有關合作協議、施工建設與竣工驗收、營銷與物業管理等步驟。運作房地產的難度遠大於股票。
6.5 問題分析
通過上述對房市與股市的比較可以看出，二者的相似性為指標模擬法應用於房地產市場提供了前提條件，但是它們之前同時存在著較大的區別，因此指標模擬法不可以簡單地直接應用於房市，需要註意以下幾方面的問題：
(1)數據來源的精確性和及時性 股市指標系統所需的數據是來自證券交易所，由於證券交易所是正式、公開且唯一的股票交易場所，因此精確性和及時性是勿庸置疑的，以現在的深圳、上海兩地交易所為例，兩地交易所均能提供精確到分鐘的即時交易信息，這就為指標系統的建立打下了堅實的基礎；相反，房地產市場由於尚未有如同證券交易所這樣一個公開、唯一的交易場所，因此交易信息的搜集和整理都存在一定的難度，通常數據搜集都是通過有關部門對所轄區域內一級市場的開發情況、二級市場開發商上報的交易情況以及三級市場二手房交易情況的整理得出併發布，但由於透明度不夠，開發商出於自身利益的考慮，所提供的信息都有所保留。因此，如果要將指標模擬法應用於房地產市場，支持指標系統運行所需數據的精確性和及時性能否得到保證是需要解決的第一個問題。
(2)指標研究對象的選取 股票交易市場本質決定了股市指標系統的唯一對象只能是股票價格，由於對象是唯一的，相對來說，指標模擬法的應用具有一定的局限性。房地產市場則恰恰相反，影響房市的因素數量眾多且各不相同，價格只是其中之一，在應用指標模擬法時，如果單單以價格為對象建立指標，無法全面反映房地產市場的情況。在運用指標模擬法時，是以單個影響房地產市場的因素為對象，還是多個因素為對象以及影響因素的選取等等都是需要解決的問題。
(3)指標系統研究對象的時效性和延續性 股市指標系統是對上市交易的個股走勢進行分析，通常情況下，上市公司的股票交易是會一直持續下去的，也就是說只要還是上市公司，股票的交易就不會停止，從這個意義上來說，股市指標系統對於目標的分析可以一直延續下去；房地產市場則不同，在房地產市場中，一個樓盤就相當於股票市場中的一支個股，房產開發商建樓的目的就是售出賺取差價，當整個樓盤已經全部售出時，對於這個樓盤來說，自身在二級市場的交易已經完成，接下去的交易也就相應的在三級市場完成。如果對於房地產市場的研究主要集中在二級市場上，也就是說對各樓盤交易情況的分析主要是其在二級市場上的狀況，那麼當指標模擬法應用到房地產市場時，它的研究對象就具有了時效性，只能對其在一段時間內進行分析，當研究對象在二級市場的交易結束時，對它的分析也就基本結束。
6.6 指標模擬法改進
基於上述問題分析，將指標模擬法應用於房地產市場之前，應根據房地產市場的實際情況對指標模擬法進行改進，主要有以下兩點：
(1)針對影響房地產市場的多個因素建立指標模擬方法 在建立房地產信心指數時，不僅僅涉及到房地產的價格，還涉及到人口、土地等多種因素，因此在房地產信心指數的模擬預測分析時應該考慮多個因素的指數模擬。
(2)根據各因素的不同情況，對分析周期進行調整 房地產相關因素比較複雜，統計周期較長，不象股票市場每日為周期進行統計，因此在用指標模擬法進行指標模擬時，要根據各因素的不同情況，採用不同的統計周期進行分析。如房地產銷售價格統計時，可以採用以月為周期進行統計。
房地產信心指數預測是信心指數研究與應用的重要內容，通過對未來市場的預測，可以較好地引導整個房地產市場供求變化，從而保證市場健康發展。但是，由於房地產信心指數的發展趨勢一般為非線性，同時不同級別的指數發趨勢又不相同，如價格指數、人口指數等，故單純地採用指數模擬法不一定能夠滿足指數預測的需要。神經網路法的一個突出優點就是可以解決非連續性、非線性的預測問題，因此將神經網路技術引入到房地產信心指數預測中來，可以較好地達到預測目的。
7.1 神經網路法的原理
“人工神經網路”(Artificial Neural Networks，簡稱ANN)是在對人腦組織結構和運行機智的認識、理解基礎之上，模擬其結構和智能行為的一種工程系統。1943年，神經生物學家McCulloch和青年數學家Pitts共同提出了第一個人工神經元模型，併在此基礎上抽象出神經元的數理模型，開創了神經網路的研究。其後，Rosenblatt、Widrow 和 Hopf、Hopfield 等學者又先後提出了感知模型，使得人工神經網路技術得以蓬勃發展。
人工神經網路基本模型有MP模型、感知器模型、自適應性神經元等。若按神經元之間的聯接方式，大體上可分為四大類，即前向型、反饋型、隨機型和自組織競爭型。到目前為止，研究和應用最多的是多層前向網路。多層前向網路需要解決的關鍵問題就是學習演算法，而以Rumalhart和McCllland為首的科研小組提出的誤差反傳演算法，即BP(Backpropagation)演算法，為多層神經網路的研究奠定了基礎。很多學者已經從理論上證明瞭，三層前向神經網路(如圖6所示)可以以任意精度逼近任意連續函數，這為神經網路的推廣應用提供了前提保證。但是BP演算法存在以下缺陷：由於該演算法採用誤差導數指導學習過程，從本質上來說是屬於局部尋優法。在存在較多局部極小點的情況下容易陷入局部極小點，且不可避免地存在著學習速度與精度之間的矛盾。當學習速度較快時，學習過程容易產生振蕩，難以得到精確的結果。而當學習速度較慢時，雖然結果可以得到較高的精度，但學習周期太長，也不實用。另外，由於BP神經網路學習演算法是一種依賴於經驗的啟髮式技術，利用梯度下降法調節權值使目標函數達到極小，而目標函數僅為各給定輸入和相應輸出差的平方和，導致了BP網路過分強調學習錯誤而泛化能力不強。同時，神經網路的學習演算法採用經驗風險最小化原理(Empirical risk minimization，ERM)，不能使期望風險最小化，在理論上存在缺陷。尤其在小樣本情況下，容易出現過學習(Over－Fitting)，從而導致泛化能力低下；另外，神經網路演算法的複雜性受網路結構複雜性和樣本複雜性的影響較大。針對這些問題，國內外學者進行了大量研究，已取得了一定的研究成果，如將遺傳演算法(Genetic Algorithm，GA)引入到訓練中來。在預測房地產信心指數時，房地產信心指數研究將在大樣本的情況下，採用加速訓練法，如Levenberg-Marquardt(LM)訓練規則，進行訓練，併進行模擬分析。
近幾年來，隨著電腦技術的飛速發展，人工神經網路技術也得到了長足的發展。其獨特的信息處理特點使其在模式識別、工業控制、圖象處理等許多領域得到了成功的應用。它不僅具有強大的非線性映射能力，可以實現任何複雜的因果關係，而且還具有許多優秀特性，如：自適應、自學習和高容錯性等，它能夠從大量的歷史數據中進行聚類和學習，進而找到某些行為變化的規律。神經網路的這些特性吸引了技術分析者們的目光。
7.2 神經網路法的步驟
基於神經網路法進行指數的預測分析，主要遵循以下步驟：
(1)確定神經網路的層數 根據不同類、不同級別的指數特點，確定神經網路的層數、各層的元素數及輸入向量的元素數；
(2)確定訓練數據集和測試數據集 一般採用一段時間的信心指數集為訓練數據集，而採用下一段時間內信心指數集為測試數據集；
(3)進行訓練和測試 基於數據集和測試集進行網路的訓練和測試；
(4)基於網路的指數預測 根據訓練成熟的網路進行指數的預測與分析。另外，需要有一個前提條件，就是儘可能在大樣本量的情況下採用BP網路。
在指數建立初期，由於數據量較少，採用指標模擬法和神經網路法進行預測有可能達不到應有的效果。而支持向量機法則被認為是解決小樣本數據預測的較好的方法。
8.1 支持向量機法的原理
機器學習是繼專家系統之後人工智慧的又一重要領域，很多學者都認為學習是智能的核心。基於數據的機器學習(Learning from examples)是現代機器學習技術中的重要方面，它從觀測數據(樣本)出發去尋找規律、發現模式，並利用這些規律和模式對未來數據或無法觀測的數據進行預測和分類。
支持向量機(Support Vector Machine，SVM)是數據挖掘的一項新技術，是藉助於最優化方法解決機器學習問題的新工具，是上世紀90年代中期提出的一種機器學習演算法，它具有完備的基礎——Vapnik創建的統計學習理論，和出色的學習性能。傳統的學習方法(如神經網路)採用經驗風險最小化(ERM)準則，在訓練中最小化樣本點誤差，因而不可避免地出現過擬合現象，這樣模型的泛化能力受到了限制。而統計學習理論採用結構風險最小化(Structural Risk Minimization，SRM)準則，在最小化樣本點誤差的同時，縮小模型泛化誤差的上界，即最小化模型的結構風險，這樣它同時最小化經驗風險和VC維的界，從而取得了較小的實際風險，提高了模型的泛化能力，這一優點在小樣本學習中更為突出；同時，它將優化問題轉化為求解一個凸二次規劃的問題，二次規劃所得的解是唯一的全局最優解，這樣就不存在一般神經網路的局部極值問題；另外，它運用核函數巧妙的解決了維數問題，使得演算法的複雜度與樣本維數無關。這樣它避免了人工神經網路等方法的網路結構難於確定、過學習和欠學習以及局部極小等問題，不僅具備很強的非線性建模能力，而且具有全局最優、結構簡單、小樣本推廣能力強等優點，被認為是目前針對小樣本、非線性、高維數、局部極小值等問題進行分類、回歸的最佳理論，併成功的應用於模式識別、回歸分析、函數逼近、信號處理和時間序列預測等方面。
SVM方法的基本思想是：基於1909年核展開定理，可以通過非線性映射，把樣本空間映射到一個高維乃至於無窮維的特征空間，使在特征空間中可以應用線性學習機的方法解決樣本空間中的高度非線性分類和回歸等問題。這是也是適用於房地產信心指數預測的前提條件，原因是房地產信心指數變化基本上呈現非線性。
8.2 支持向量機法的類型
(1)最優劃分超平面與支持向量
分類問題可描述為：根據給定的訓練集：
T={(x1,y2),……,(xn,yy)}∈(X×Y)n
其中，xi∈X=Rn，yi∈Y={-1,1}，i=1，2……n。尋找X=Rn上的一個實值函數g(x)，使之可以用決策函數f(x)=sgn(g(x))推斷每一個x相對應的y，也就是找到一個把Rn上的點分成兩部分的規則。如圖7為二維空間上簡單的線性可分分類問題，討論函數g(x)為線性函數g(x)=(w·x)+b的情況。此時分類問題是要尋找一條合適的直線劃分整個2維平面，即確定法方向w和截距b。
(2)支持向量分類機
前面所討論問題的演算法就是線性可分離的二類劃分的SVM分類機，這種方法對於一般n維空間中類似的分類問題也適用。對線性不可分離的二類劃分可引入鬆弛變數ξi≥0，把約束條件放鬆為y1(<w,xi>)+ξi≥1，顯然
描述訓練集被錯劃的程度，這樣現在就有兩個目標：即希望間隔
儘可能大，同時希望錯劃程度儘可能小。因此引進一個懲罰參數C，把這兩個目標綜合起來，即極小化新的目標函數
，這裡C作為兩個目標的權重。對k類線性劃分，可以轉化為k個二類劃分。對非線性分類問題，通過引入核函數K(xi,xj)轉化為線性分類。這是處理一般分類問題最常用的方法。
(3)支持向量回歸機
SVM用來估計回歸函數時，有三個特點：①利用在高維空間中定義的線性函數集來估計回歸；②利用線性最小化來實現回歸估計，風險用Vapnik 的ε不敏感損失函數來度量；③採用的風險函數是由經驗誤差和一個由結構風險最小化原則導出的正則化部分組成的。這部分是房地產信心指數研究應用的重點，即通過回歸機對房地產信心指數相關問題進行預測與分析。
8.3 基於支持向量回歸機的預測模型
針對房地信心指數，回歸問題可以描述為：根據給定的訓練集
T={(xi,yi),i=1,2……,l}∈(X×Y)l
其中，xi∈X=RN為輸入值，為各類房地產信心指數值，yi∈Y=R為對應的目標值，為各類房地產信心指數值，l為樣本數。通過樣本訓練後，對樣本以外的x，通過RN上的一個實值函數f找到對應的y，即回歸分析。
回歸問題與分類問題結構相同，不同之處僅在於它們的輸出取值範圍不同。在分類問題中，輸出只允許取兩個值(或有限個值)，而在回歸問題中，輸出可取任意實數。支持向量回歸機主要有ε-支持向量回歸機、v-支持向量回歸機和最小二乘支持向量回歸機。前兩種回歸機所選取的損失函數都是ε-不敏感損失函數。
定義ε-不敏感損失函數為：
其中，f(x)為通過對樣本集的學習而構造的回歸估計函數，y為與x對應的目標值，ε>0為設計參數，規定了估計函數在樣本數據上的誤差要求。該ε-不敏感損失函數形象地比喻為ε通道，ε越小，估計函數與樣本數據的誤差越小，對訓練樣本的估計精度越高。
由上述分析可以看出，支持向量機可以在小樣本的情況，較好的處理非線性回歸和預測問題，這在信心指數建立的初期是十分有效，原因是初期數據量較小。支持向量回歸機是房地產信心指數研究應用的重點，其應用原理及機制在上述回歸機問題描述中已經給出，即如何將房地產信心指數與支持向量機結合起來。
