基于SVM的房地产投资风险评价及应用

被引:7
作者
李毅
机构
[1] 重庆大学建设管理与房地产学院
关键词
房地产; 支持向量机; 风险评价;
D O I
10.13546/j.cnki.tjyjc.2012.01.031
中图分类号
F293.3 [房地产经济]; F224 [经济数学方法];
学科分类号
1201 ; 020205 ; 0701 ; 070104 ;
摘要
房地产开发是一项高投入、高收益、高风险的投资活动,受社会、经济、技术等因素的影响较大,在开发过程中存在着不确定性,在为投资者提供高收益可能的同时,也蕴含着相应的高风险。文章引进一种新的方法——支持向量机将其应用到房地产投资风险评价中。并尝试建立了基于SVM的房地产投资风险评价模型。支持向量机(SVM)是一类新型的机器学习算法,它能够非常成功地处理分类和回归问题。这种方法比较新颖,在一些领域有初步研究,但是在房地产领域基本没有研究过,其良好的非线性品质、极高的拟合精度、灵活而有效的学习方式、不依赖于样本的特点,使房地产投资风险预测很好。
引用
收藏
页码:70 / 72
页数:3
相关论文
共 9 条
[1]   基于支持向量机的工程项目投资风险评价研究 [J].
张金牡 ;
吴波 ;
陈瑜 ;
林健 .
基建优化, 2006, (06) :77-80+94
[2]   基于支持向量机的工程项目风险预测 [J].
雷辉 ;
邓彦龙 ;
李根军 ;
钟君君 .
北方经济, 2006, (20) :167-169
[3]   基于支持向量机的工程项目风险预测研究 [J].
张丽霞 ;
施国庆 ;
不详 .
计算机工程与应用 , 2005, (21) :224-226
[5]   Asymptotic behaviors of support vector machines with Gaussian kernel [J].
Keerthi, SS ;
Lin, CJ .
NEURAL COMPUTATION, 2003, 15 (07) :1667-1689
[6]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297
[7]  
数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,
[8]  
项目投资风险分析理论与方法.[M].陈立文著;.机械工业出版社.2004,
[9]  
房地产开发风险管理.[M].赵世强编著;.中国建材工业出版社.2003,