| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 国内外企业绩效评价的研究状况 | 第11-13页 |
| 1.3.1 国外研究状况 | 第11-12页 |
| 1.3.2 国内研究状况 | 第12页 |
| 1.3.3 国内外企业绩效评价研究现状评述 | 第12-13页 |
| 1.4 研究内容和方法 | 第13-15页 |
| 1.4.1 研究内容 | 第13-14页 |
| 1.4.2 研究方法 | 第14-15页 |
| 2 房地产和房地产业的相关概念和理论 | 第15-21页 |
| 2.1 房地产 | 第15页 |
| 2.1.1 房地产的概念 | 第15页 |
| 2.2 房地产业 | 第15-16页 |
| 2.2.1 房地产业的概念 | 第15-16页 |
| 2.2.2 房地产业的特征 | 第16页 |
| 2.3 上市房地产企业 | 第16-20页 |
| 2.3.1 房地产企业 | 第16-18页 |
| 2.3.2 上市房地产企业 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 支持向量机方法介绍 | 第21-32页 |
| 3.1 支持向量机方法的基本思想 | 第21-24页 |
| 3.1.1 机器学习理论 | 第21-22页 |
| 3.1.2 经验风险最小化 | 第22页 |
| 3.1.3 复杂性与推广能力 | 第22页 |
| 3.1.4 统计学习理论 | 第22页 |
| 3.1.5 VC维 | 第22页 |
| 3.1.6 结构风险最小化 | 第22-24页 |
| 3.2 支持向量机 | 第24-27页 |
| 3.2.1 最优分类超平面 | 第24-25页 |
| 3.2.2 支持向量机 | 第25-26页 |
| 3.2.3 核函数分类 | 第26-27页 |
| 3.3 ε-不敏感函数 | 第27-28页 |
| 3.4 支持向量机回归 | 第28-30页 |
| 3.4.1 线性支持向量机回归 | 第28-29页 |
| 3.4.2 非线性支持向量机回归 | 第29-30页 |
| 3.5 支持向量机回归算法的步骤 | 第30-31页 |
| 3.6 本章小结 | 第31-32页 |
| 4 我国房地产上市公司绩效评估的指标体系设计 | 第32-38页 |
| 4.1 绩效评价指标设计的原则 | 第32-33页 |
| 4.2 上市房地产公司经营绩效分析 | 第33-36页 |
| 4.2.1 投资与收益 | 第33-34页 |
| 4.2.2 偿债能力 | 第34-35页 |
| 4.2.3 经营能力 | 第35页 |
| 4.2.4 资本结构 | 第35-36页 |
| 4.3 指标体系确立 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5 房地产上市公司绩效评估模型构建与实例论证 | 第38-57页 |
| 5.1 样本数据来源及样本选择 | 第38-39页 |
| 5.2 评价核心指标选择 | 第39页 |
| 5.3 TOPSIS方法计算各评价对象的综合评价值 | 第39-47页 |
| 5.3.1 数据趋同化、规范化处理 | 第39-40页 |
| 5.3.2 熵权法计算各指标属性的权重值 | 第40-42页 |
| 5.3.3 计算各评价对象的综合评价值 | 第42-47页 |
| 5.4 支持向量机回归模型构建 | 第47-52页 |
| 5.4.1 核函数选择 | 第47-49页 |
| 5.4.2 参数优选 | 第49-50页 |
| 5.4.3 模型确定 | 第50-52页 |
| 5.5 测试效果对比 | 第52-54页 |
| 5.6 支持向量机回归模型运用的展望 | 第54-55页 |
| 5.7 本章小结 | 第55-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62-74页 |
| 攻读学位期间发表的学术论文 | 第74-75页 |
| 致谢 | 第75-76页 |