基于支持向量机回归的房地产上市公司绩效评价

发布时间：2018-02-15 19:23

  本文关键词： 绩效评价 房地产 支持向量机 TOPSIS方法　出处：《山西建筑》2016年14期 　论文类型：期刊论文

【摘要】：选取代表房地产上市公司综合实力的投资与收益、偿债能力、经营能力、资本结构等四个方面的10项指标,96个公司的财务数据,采用TOPSIS方法计算每个公司的综合绩效评价值,随机挑选其中的80组数据作为训练样本,16组数据作为测试样本,建立SVM模型,通过测试分析并与RBF神经网络预测模型的结果对比,表明SVM模型更加有效,更有推广前景。
[Abstract]:This paper selects 10 indexes representing the comprehensive strength of real estate listed companies, such as investment and income, solvency, management ability, capital structure, and financial data of 96 companies, and calculates the comprehensive performance evaluation value of each company by using TOPSIS method. 80 groups of data were randomly selected as training samples and 16 groups of data were selected as test samples. The SVM model was established and compared with the results of RBF neural network prediction model. The results show that the SVM model is more effective and more promising.
【作者单位】： 东北林业大学工程技术学院;
【分类号】：F299.233.4

【相似文献】

相关期刊论文 前10条

1 贾凝;;支持向量机模型在统计学上的应用研究[J];统计与决策;2010年13期

2 吕向阳;高尚;;基于支持向量机的品牌特色专业评价[J];价值工程;2011年24期

3 黄胜忠;;遗传支持向量机在股市趋向的预测[J];计算机与数字工程;2012年01期

4 胡奎;朱成文;;基于支持向量机的雷达信号分类[J];统计与决策;2008年23期

5 许建萍;;基于支持向量机的工程索赔合理工效研究[J];科技创新导报;2009年07期

6 张明;刘念祖;;电子商务信用管理的支持向量机应用[J];中国管理信息化(综合版);2007年09期

7 高尚;梅亮;;基于支持向量机的电价组合预测模型[J];电力自动化设备;2008年11期

8 王毅;;支持向量机技术及其应用研究[J];中国高新技术企业;2008年15期

9 吕月英;;基于支持向量机工程施工风险预警研究[J];科技创新导报;2009年07期

10 芮丽梅;;改进支持向量机的商业银行评级算法[J];企业导报;2011年03期

相关会议论文 前10条

1 余乐安;姚潇;;基于中心化支持向量机的信用风险评估模型[A];第六届（2011）中国管理学年会——商务智能分会场论文集[C];2011年

2 刘希玉;徐志敏;段会川;;基于支持向量机的创新分类器[A];山东省计算机学会2005年信息技术与信息化研讨会论文集（一）[C];2005年

3 史晓涛;刘建丽;骆玉荣;;一种抗噪音的支持向量机学习方法[A];全国第19届计算机技术与应用（CACIS）学术会议论文集（下册）[C];2008年

4 何琴淑;刘信恩;肖世富;;基于支持向量机的系统辨识方法研究及应用[A];中国力学大会——2013论文摘要集[C];2013年

5 刘骏;;基于支持向量机方法的衢州降雪模型[A];第五届长三角气象科技论坛论文集[C];2008年

6 王婷;胡秀珍;;基于组合向量的支持向量机方法预测膜蛋白类型[A];第十一次中国生物物理学术大会暨第九届全国会员代表大会摘要集[C];2009年

7 赵晶;高隽;张旭东;谢昭;;支持向量机综述[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年

8 周星宇;王思元;;智能数学与支持向量机[A];2005年中国智能自动化会议论文集[C];2005年

9 颜根廷;马广富;朱良宽;宋斌;;一种鲁棒支持向量机算法[A];2006中国控制与决策学术年会论文集[C];2006年

10 侯澍e，

本文编号：1513697