近年来,国家发展迅速,经济基础稳固,一些新兴行业的出现提供了更多的就业机会,加速了城市化的进程,特别是房地产行业随着经济的发展和城市化进程的加快而日渐繁荣,其不可替代的作用在国民经济中日益凸显。房地产市场的走势与国家宏观经济密切相关,会显示出一定的周期性波动,但是如果其波动幅度过大或者走势过于极端都会影响到整个国家经济的发展,所以对房地产市场进行观测预警,并及时进行引导调控,从而避免其非正常波动是十分有必要的。本文查阅了国内外相关文献,对其可供参考的理论与观点进行了总结,并对本文构建模型的理论基础,包括房地产周期波动理论、预警系统组成要素与其功能等进行了阐述。通过比较常用的三种预警方法的优缺点,选取了对于房地产预警适应性较高的模型预警方法,并从中选择了在解决小样本、泛化能力和非线性等问题上都表现较好的黑箱模型——支持向量机模型预警方法。在对此方法进行了适应性分析后,阐述了模型构建的流程。基于此模型预警方法,本文分别选取了北京市、武汉市以及昆明市作为我国不同水平城市的代表,作为本文的房地产预警实证研究对象。首先,房地产预警指标的初步选取是根据当地房地产市场的发展情况,同时结合房地产预警指标选取原则以及数据的可得性等因素来进行的;其次,通过数据搜集,整理出三个城市2000年至2017年的预警指标数据,采用时差相关分析的方法从初选出的12个指标中筛选出先行指标作为输入模型的警兆指标;再次,以多分类支持向量机为依据,运用Matlab软件和Libsvm工具箱的编写和运行,将筛选后的警兆指标处理后作为输入层,预警的房地产状态的分类表示作为输出层,分别建立3个分类学习机对17个训练集数据进行学习,构建出房地产市场预警模型;之后,将1个检测集输入预警模型,将输出结果与实际情况做对比,结果表明构建的模型能对未来一年的房地产市场进行预警判断,具有一定泛化能力;最后,将搜集的2018年警兆指标输入模型,模型输出结果显示,2019年北京市、武汉市和昆明市三个城市的房地产市场将平稳运行。本文对模型得出的结果进行了简要分析,从土地供应、信贷规模、住房供给结构、限制投机以及加强房地产信息透明度等方面提出了政策性建议,以促进我国房地产市场的健康运行。