基于SVM算法的房地产投资风险研究.docVIP

基于SVM算法的房地产投资风险研究 　　摘要：房地产投资在高收益的同时也伴随着高风险，不确定因素贯穿投资过程的始末，进行房地产项目投资风险分析与决策研究在避免投资失误、提高投资决策水平和投资效益方面具有较高的理论和实践价值。本文运用支持向量机（SVM）方法分析了房地产投资中的风险，建立了基于SVM的房地产投资风险评价模型，并运用14个工程投资项目的相关数据做风险评估，将其中的前10个项目数据作为学习样本、后4个作为预测样本。将其评估结果与基于BP神经网络的房地产投资风险评价模型结果进行了比较。研究结果表明：SVM方法具有良好的非线性性质、极高的拟合精度、样本依赖性弱的特点，与BP神经网络模型相比能够较好的评价房地产投资风险。 　　关键词：房地产；支持向量机；风险分析 　　Abstract： Real estate investment is of high yield and also accompanied by high risk. There is uncertainty factors throughout the beginning and end of investment process. The real estate project investment risk analysis and decision-making research are of high theoretical and practical value in avoiding investment mistakes， improving the level of investment decision-making and benefit. This paper uses support vector machine （SVM） method to analyze the risk of real estate investment. Eestablishe the real estate investment risk evaluation model based on SVM， and use the relevant data of 14 engineering investment project to do risk evaluation in which one of the top 10 project data treated as learning samples and after four as the predicted sample. Then， compare the assessment results based on SVM with the results based on BP neural network. The results show that SVM method has good nonlinear properties， high fitting precision， samples of weak dependence and can better evaluate the problem of real estate investment risk compared with BP neural network model. 　　Key words： Real estate； Support vector machine （SVM）； Risk analysis 　　1 引言 　　房地产是指土地、建筑物及固定在土地、建筑物上不可分离的部分及其附带的各种权益。房地产项目投资是一种预测未知需求而进行产品生产的过程，其产品是一种特殊的商品，投资周期长、涉及金额大且易被各种内外因素影响，对整个开发过程的管理和每一个开发阶段做出的决策的准确程度直接影响房地产开发项目的成功与否。同时，房地产投资项目是一项集专业性、技术性为一体的综合性活动，在整个投资过程中伴随着金融风险、人为风险等纯粹风险，也伴随着较高的经营性风险和政策变化等投机性风险[1，2，3]。为避免投资亏损， 提高投资决策水平和投资效益， 进行房地产项目投资风险分析与决策研究具有重要的理论和实践价值。 　　房地产投资分析是对房地产投资评价结果的可行性进行检验，从而预测项目投资风险的大小。在房地产业的可行性研究中房地产投资风险分析是不可或缺的内容，近几十年，风险分析已经发展成一门独立的学科。国内外已有的风险分析和评估方法很多。如：美国Savage， Anscombe等人提出的风险选择――期望效用模型；Treyhor， Lintor等人建立的用分布的方差或标准差平均值对风险做出分析的风险评价模型；张建坤建立了基于灰色模糊多级