| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-17页 |
| ·选题背景及意义 | 第9-10页 |
| ·房地产投资分析概述 | 第10-11页 |
| ·房地产投资及其特点 | 第10-11页 |
| ·房地产投资分析 | 第11页 |
| ·国内外研究现状 | 第11-15页 |
| ·国内外投资风险管理研究现状 | 第11-13页 |
| ·支持向量机理论研究与应用现状 | 第13-15页 |
| ·本文的研究方法和技术路线 | 第15-16页 |
| ·本文的主要创新点 | 第16-17页 |
| 第2章 房地产开发项目投资风险分析 | 第17-32页 |
| ·风险概述 | 第17-20页 |
| ·风险的定义 | 第17-18页 |
| ·风险的基本特征 | 第18-19页 |
| ·风险的要素 | 第19-20页 |
| ·风险分析的一般过程及方法 | 第20-26页 |
| ·风险分析的一般过程 | 第20-21页 |
| ·风险分析的一般方法 | 第21-25页 |
| ·传统风险分析方法存在的不足与对策 | 第25-26页 |
| ·房地产投资风险分析 | 第26-31页 |
| ·房地产开发项目投资风险辨识 | 第26-30页 |
| ·房地产投资风险估计与评价 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 统计学习理论与支持向量机 | 第32-48页 |
| ·引言 | 第32-33页 |
| ·统计学习理论 | 第33-38页 |
| ·统计学习理论的发展历史 | 第33-35页 |
| ·机器学习问题的表示 | 第35-36页 |
| ·经验风险最小化原理 | 第36页 |
| ·VC维理论 | 第36-37页 |
| ·结构风险最小化原理 | 第37-38页 |
| ·支持向量机理论 | 第38-47页 |
| ·支持向量机原理 | 第38-41页 |
| ·用于分类的支持向量机 | 第41-44页 |
| ·用于回归估计的支持向量机 | 第44-46页 |
| ·核函数 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第4章SVM理论在房地产投资风险预测中的应用 | 第48-54页 |
| ·基于SVM的房地产投资风险预测的提出及意义 | 第48页 |
| ·预测系统的总体思路 | 第48-52页 |
| ·基于SVM的房地产投资风险预测建模需要解决的几个关键问题 | 第52-53页 |
| ·核函数的选取 | 第52页 |
| ·核函数参数的确定 | 第52页 |
| ·不敏感损失函数ε值与惩罚参数C的选定 | 第52-53页 |
| ·基于SVM的房地产投资风险预测模型的适用性 | 第53页 |
| ·本章小结 | 第53-54页 |
| 第5章实证研究 | 第54-66页 |
| ·邯郸市房地产业发展概况 | 第54-55页 |
| ·构建房地产投资风险评价指标体系 | 第55-57页 |
| ·指标体系设计原则 | 第55页 |
| ·邯郸市房地产投资风险评价指标体系设计 | 第55-57页 |
| ·数据搜集 | 第57-58页 |
| ·基于SVM理论的房地产投资风险预测模型 | 第58-65页 |
| ·核函数及参数选择 | 第59-63页 |
| ·建立预测模型 | 第63页 |
| ·预测结果分析 | 第63-65页 |
| ·本章小结 | 第65-66页 |
| 结论与展望 | 第66-67页 |
| 参考文献 | 第67-70页 |
| 附表 | 第70-71页 |
| 致谢 | 第71-72页 |
| 作者简介 | 第72页 |
| 攻读硕士学位期间发表的论文和科研成果 | 第72页 |