基于SVM的房地产行业风险预警模型应用研究

论文摘要

随着中国经济的快速发展,房地产市场也得到了迅速发展,其在国民经济中的地位越来越重要。由于房地产业具有一定的周期波动性,且与国家宏观经济波动存在着紧密联系,因而其剧烈波动与发展趋势过冷过热,都会对国民经济带来不利的影响。基于这种情况,建立房地产行业风险预警模型具有重要的理论和实践意义。本文在相关文献研究的基础上,总结了国内外现有的预警理论并对几种较常用的预警模型进行了比较,选择支持向量机作为房地产行业风险预警模型,并利用哈尔滨市的房地产市场运行数据进行了应用研究。首先在对房地产周期波动的因素进行分析的基础上,本文确定与房地产行业发展相关的五大类指标并由此构建房地产行业风险预警指标体系。通过对SVM模型原理进行阐述,本文分析了SVM应用于房地产行业风险预警领域中的适用性,并给出了基于SVM的房地产风险预警模型的构建流程。利用哈尔滨市1994-2006年的房地产市场运行数据,选取了16项表征房地产市场状态的指标,利用3σ方法确定了单指标警戒线,采用主成分分析法构建了综合预警指标,对哈尔滨市房地产市场进行了警情判定,并采用Fisher判别分析法对判定的警情进行了检验。之后,以各个时期预警指标值为输入变量、以各个时期的综合警情为输出,对SVM模型进行训练,用以判断房地产行业风险警度并预测其发展趋势。利用训练后的SVM模型,依据1994年至2006年哈尔滨市房地产业的有关数据,对2007年哈尔滨房地产行业的发展状况进行预测,判断出2007年哈尔滨房地产行业发展比较稳定,处于正常行业上升阶段。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 研究的背景和意义
• 1.1.1 问题研究的背景
• 1.1.2 问题研究的意义
• 1.2 房地产预警系统概述
• 1.2.1 房地产预警系统
• 1.2.2 房地产预警系统的要素组成
• 1.2.3 房地产预警方法分类
• 1.3 国内外研究现状
• 1.3.1 国外研究现状
• 1.3.2 国内研究现状
• 1.3.3 存在的主要问题
• 1.4 本文主要研究内容
• 第2章 房地产行业风险预警指标体系的构建与警情判定
• 2.1 房地产行业周期波动的因素分析
• 2.2 房地产风险预警指标的选择原则及分类
• 2.2.1 预警指标的选择原则
• 2.2.2 房地产行业风险预警指标的分类
• 2.3 房地产行业风险预警指标选择
• 2.3.1 房地产行业在国民经济中的地位与作用指标
• 2.3.2 房地产行业实物形态供给指标
• 2.3.3 房地产行业价值形态指标
• 2.3.4 房地产行业需求指标
• 2.3.5 房地产行业金融统计指标
• 2.4 房地产市场警情判定
• 2.4.1 房地产市场警情判定方法
• 2.4.2 房地产市场警情检验方法
• 2.5 本章小结
• 第3章 基于SVM的房地产风险预警模型的构建
• 3.1 SVM模型概述
• 3.1.1 统计学习理论
• 3.1.2 SVM的分类原理
• 3.2 SVM在房地产风险预警中的适应性分析
• 3.2.1 SVM的优点及算法改进
• 3.2.2 多分类SVM模型及原理
• 3.2.3 SVM的适用性分析
• 3.3 地产风险预警模型的构建
• 3.3.1 房地产风险预警模型的构建流程
• 3.3.2 基于SVM的房地产风险预警模型的构建
• 3.4 本章小结
• 第4章 基于SVM的哈尔滨市房地产风险预警分析
• 4.1 哈尔滨市房地产市场运行数据及预处理
• 4.1.1 样本及预警指标的获取
• 4.1.2 单一指标警戒线的确定
• 4.2 哈尔滨市房地产风险状态判定与分析
• 4.2.1 预警指标优化处理
• 4.2.2 综合预警指标的确立及警情判断
• 4.2.3 基于Fisher判别分析法的警情验证
• 4.2.4 哈尔滨市房地产市场的警情分析
• 4.3 哈尔滨市房地产风险预警分析
• 4.3.1 房地产风险预警SVM模型的训练
• 4.3.2 SVM预警模型的检验与预警
• 4.3.3 哈尔滨市房地产风险预警结果分析
• 4.4 本章小结
• 结论
• 参考文献
• 附录
• 致谢