基于PSO-PP模型的房地产投资风险评价

论文摘要

房地产行业是一个高回报、高风险的行业,它具有流动性差、投资周期长和多因素影响投资收益率的特征,其中投资风险是一个不容忽视的方面。因此,选择一个稳定、低风险投资项目就成为房地产投资的确保条件。如何进行有效的投资决策是一个迫切需要解决的问题。投影寻踪（Projection Pursuit,简称PP）模型是一种用来处理和分析高维数据,既可作探索性分析,又可作确定性分析的有效方法。然而,优化投影指标函数是一个复杂的非线性优化问题,用传统方法处理较困难,所以采用微粒群算法（Particle Swarm Optimization,简称PSO）来解决这一问题更为简便和有效。本文首先根据调研和收集的资料,总结出影响房地产投资风险的评价指标;然后运用投影寻踪指标处理方法将房地产投资风险评价指标归一化处理,并建立房地产投资风险评价的投影寻踪模型;同时将微粒群算法应用到最佳投影方向的搜索,大大提高计算效率和求解稳定性;最后,建立基于PSO-PP模型来解决具有高维数据特征的房地产投资方案的风险评价的问题,为决策者选择最佳方案提供了科学依据。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究背景及意义
• 1.1.1 研究背景
• 1.1.2 研究意义
• 1.2 国内外研究状况
• 1.2.1 国外研究状况
• 1.2.2 国内研究现状
• 1.3 投影寻踪及微粒群算法理论的发展现状
• 1.3.1 投影寻踪理论的发展现状
• 1.3.2 微粒群算法的发展现状
• 1.4 本文的研究内容
• 1.5 本文的创新点
• 第2章 房地产投资风险理论综述
• 2.1 房地产投资概述
• 2.1.1 房地产的含义
• 2.1.2 房地产投资的特征
• 2.2 房地产投资风险概述
• 2.2.1 房地产投资风险的含义
• 2.2.2 房地产投资风险的特征
• 2.3 风险评价概述
• 2.3.1 风险评价的目的
• 2.3.2 风险评价的步骤
• 2.3.3 风险评价的作用
• 2.4 本章小结
• 第3章 房地产投资风险评价的指标体系建立
• 3.1 房地产投资风险的影响因素
• 3.1.1 政策风险
• 3.1.2 经济风险
• 3.1.3 社会风险
• 3.1.4 技术风险
• 3.1.5 自然风险
• 3.2 房地产投资风险评价的指标体系建立
• 3.2.1 房地产投资风险评价的指标体系建立原则
• 3.2.2 建立房地产投资风险评价的指标体系
• 3.3 本章小结
• 第4章 常用房地产投资风险评价方法及分析
• 4.1 专家评价法
• 4.2 盈亏平衡分析法
• 4.2.1 线性盈亏平衡分析法
• 4.2.2 非线性盈亏平衡分析法
• 4.2.3 盈亏平衡分析法的优缺点
• 4.3 敏感性分析法
• 4.3.1 单因素敏感性分析
• 4.3.2 多因素敏感性分析
• 4.3.3 敏感性分析法的优缺点
• 4.4 蒙特卡洛模拟法
• 4.4.1 蒙特卡洛模拟法的分析步骤
• 4.4.2 蒙特卡洛模拟法的优缺点
• 4.5 模糊综合评价法
• 4.6 本章小结
• 第5章 房地产投资风险评价的PSO-PP 模型
• 5.1 微粒群算法简介
• 5.1.1 微粒群算法的发展
• 5.1.2 微粒群算法的优点
• 5.1.3 微粒群算法的研究方向
• 5.2 微粒群算法的原理及参数选择
• 5.2.1 微粒群算法原理
• 5.2.2 微粒群算法的流程
• 5.2.3 微粒群算法的参数设置
• 5.3 投影寻踪简介
• 5.3.1 投影寻踪理论的产生背景
• 5.3.2 投影寻踪方法的基本概念
• 5.3.3 投影寻踪方法的研究内容及其应用
• 5.4 房地产投资风险评价的投影寻踪模型建立
• 5.4.1 投影寻踪的降维思路
• 5.4.2 投影寻踪的研究内容
• 5.4.3 建立房地产投资风险评价的投影寻踪模型过程
• 5.5 基于PSO 的投影方向优化房地产投资风险评价模型
• 5.6 本章小结
• 第6章 基于PSO-PP 模型在房地产投资风险评价中的应用
• 6.1 项目概况
• 6.2 数据处理过程
• 6.2.1 运用基于PSO-PP 模型进行房地产投资风险评价
• 6.2.2 运用模糊层次分析法进行房地产投资风险评价
• 6.3 两种方法结果的比较分析
• 6.4 本章小结
• 结论
• 致谢
• 参考文献
• 作者简介
• 攻读硕士期间所发表的论文