| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-23页 |
| ·研究的背景和意义 | 第8-10页 |
| ·问题研究的背景 | 第8-9页 |
| ·问题研究的意义 | 第9-10页 |
| ·房地产预警系统概述 | 第10-15页 |
| ·房地产预警系统 | 第10-11页 |
| ·房地产预警系统的要素组成 | 第11-12页 |
| ·房地产预警方法分类 | 第12-15页 |
| ·国内外研究现状 | 第15-21页 |
| ·国外研究现状 | 第15-16页 |
| ·国内研究现状 | 第16-20页 |
| ·存在的主要问题 | 第20-21页 |
| ·本文主要研究内容 | 第21-23页 |
| 第2章 房地产行业风险预警指标体系的构建与警情判定 | 第23-37页 |
| ·房地产行业周期波动的因素分析 | 第23-24页 |
| ·房地产风险预警指标的选择原则及分类 | 第24-27页 |
| ·预警指标的选择原则 | 第24-26页 |
| ·房地产行业风险预警指标的分类 | 第26-27页 |
| ·房地产行业风险预警指标选择 | 第27-34页 |
| ·房地产行业在国民经济中的地位与作用指标 | 第28-29页 |
| ·房地产行业实物形态供给指标 | 第29-30页 |
| ·房地产行业价值形态指标 | 第30-31页 |
| ·房地产行业需求指标 | 第31-33页 |
| ·房地产行业金融统计指标 | 第33-34页 |
| ·房地产市场警情判定 | 第34-36页 |
| ·房地产市场警情判定方法 | 第34-35页 |
| ·房地产市场警情检验方法 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于SVM的房地产风险预警模型的构建 | 第37-56页 |
| ·SVM模型概述 | 第37-42页 |
| ·统计学习理论 | 第37-39页 |
| ·SVM的分类原理 | 第39-42页 |
| ·SVM在房地产风险预警中的适应性分析 | 第42-48页 |
| ·SVM的优点及算法改进 | 第42-44页 |
| ·多分类SVM模型及原理 | 第44-46页 |
| ·SVM的适用性分析 | 第46-48页 |
| ·地产风险预警模型的构建 | 第48-55页 |
| ·房地产风险预警模型的构建流程 | 第48-50页 |
| ·基于SVM的房地产风险预警模型的构建 | 第50-55页 |
| ·本章小结 | 第55-56页 |
| 第4章 基于SVM的哈尔滨市房地产风险预警分析 | 第56-79页 |
| ·哈尔滨市房地产市场运行数据及预处理 | 第56-60页 |
| ·样本及预警指标的获取 | 第56页 |
| ·单一指标警戒线的确定 | 第56-60页 |
| ·哈尔滨市房地产风险状态判定与分析 | 第60-71页 |
| ·预警指标优化处理 | 第60-63页 |
| ·综合预警指标的确立及警情判断 | 第63-65页 |
| ·基于Fisher判别分析法的警情验证 | 第65-68页 |
| ·哈尔滨市房地产市场的警情分析 | 第68-71页 |
| ·哈尔滨市房地产风险预警分析 | 第71-77页 |
| ·房地产风险预警SVM模型的训练 | 第72-73页 |
| ·SVM预警模型的检验与预警 | 第73-75页 |
| ·哈尔滨市房地产风险预警结果分析 | 第75-77页 |
| ·本章小结 | 第77-79页 |
| 结论 | 第79-80页 |
| 参考文献 | 第80-84页 |
| 附录 | 第84-87页 |
| 致谢 | 第87页 |