房地产业作为支柱产业对国民经济有重大影响，目前房地产市场的发展正处于国家的严厉调控之下，房地产市场走势难以确定，因此建立房地产预警系统对于提前准确把握市场形势，防止市场出现过大波动，影响国民经济正常运行有重大意义。　　昆明市目前尚缺乏房地产预警系统，本文考虑了房地产商品的地域特征，从昆明市的实际情况出发，结合经济预警理论、统计模型以及数据挖掘模型，选择昆明市房地产的价格和成交量作为警素指标，完整地建立了黑色预警系统和黄色预警系统，对警情进行预测和预警。　　经检验，模型在测试集上的预测误差较小，因此，本文对于昆明市房地产预警系统的建立有较大的借鉴价值。具体而言，本文在以下方面取得了部分成果：　　第一，对昆明房地产行业的历史发展做了细致分析，从而得到比较直观的发展规律，房地产市场发展受政策影响非常明显。目前国家紧密调控的阶段，同时又是昆明市城市发展的加速阶段，因此未来的市场状况更需精确把握。　　第二，针对房地产业发展历史短，数据积累少的特点，本文通过搜集月度数据增加样本容量，另外通过Block Bootstrap抽样，使均值的抽样分布满足正态性假设，从而改善了3s方法的结果，使得划分的预警区间更加准确可信。　　第三，目前房地产市场正处于由涨转跌的十字路口，换言之市场的发展出现了与过去几年不同的规律。但是由于处于一个新趋势的开始阶段，数据积累过少，因此如果采用传统的线性时间序列模型可能因为历史的关系，面临技术失灵的尴尬。本文引入马尔科夫链，建立 MS-AR非线性时间序列模型，增加了对趋势把握的准确性。　　另外，为了对比该模型的效果，同时建立了GARCH模型，并通过Bagging算法对 MS-AR模型、GARCH模型进行200次拟合，一方面得到测试集200次预测值用于对比各模型的预测效果，另一方面将200次拟合结果组合为一个新的预测器，提高模型预测的稳定性。　　第四，通过BP神经网络建立了黄色预警系统，运用买入信心指数、卖出信心指数、利率、二手房价格等多个警兆指标对警情预测预报。建模过程中由于部分指标有缺失值，首先通过EM算法对缺失值进行插补。　　综合来看，本文在预警结构上比较完善，方法符合目前的实际情况，实证结果的预测误差较小，从而具有较大的实际意义。