山西省养老地产投资风险评价与预测分析-risk assessment and prediction analysis of endowment real estate investment in shanxi province.docxVIP

学位论文原创性声明本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究所做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。学位论文作者签名：日期：年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保管、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权山西财经大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于保密□，不保密□。在年解密后适用本授权书。（请在以上方框内打“√”）学位论文作者签名：指导教师签名：日期：年月日日期：年月日日期：年月日日期：年月日摘要养老地产作为房地产的一部分，在投资决策过程中不确定性较大，在为投资者提供高收益的同时，风险也较大。而很多投资者仅仅关注房地产市场的高收益，在决定是否进行投资时，没有结合各方风险因素进行系统的、综合的分析，甚至是忽略了高回报之后需要承担的巨大风险。一旦投资失败，损失也将是不可估量的。而且目前没有现成的养老地产投资风险评估模型可供参考，因此，对养老地产投资风险的研究具有重要的理论与现实意义。本文在对前人关于养老地产投资风险的研究成果进行梳理和相关概念界定的基础上，结合山西省养老地产投资风险的实际情况，对极具代表性的环境风险、经济风险、社会风险、内部决策及管理风险等四个方面综合考虑，构建了山西省养老地产投资风险评价指标体系。本文将该评价体系运用于养老地产投资风险的评价和预测，从而使评价及预测结果更加科学合理。本文主要是以山西省为例来研究养老地产投资风险，从定性方法和定量方法两方面出发，以便更好的对养老地产投资风险进行评价及预测。通过对相关行业的专家和有经验的人员进行调查走访，对调查结果采用模糊层次分析法的方法进行评价，并尝试运用支持向量机对评价结果预测，且拟合精度较高。本文基于对山西省养老地产投资风险的研究成果，为业界建立一套完善的养老地产投资风险评估模型提供参考，为养老地产相关企业进行投资决策提供依据。关键词：养老地产投资风险；风险评价模型；模糊层次分析法；支持向量机ABSTRACTTheold-agerealestate,asakindofrealestate,canbringinvestorbothhugeprofitandseriousrisk,duetonatureofindeterminationwhenainvestmentdecisionismade.Generally,thehugeprofitisovervaluedandmanyriskyfactorsarenottakenintoaccountsystematicallyandcomprehensively,andevenworse,alltheseriousrisksareignored.Onceainvestfails,thedamagefollowedisunsustained.Presently,noriskevaluationmodeloftheold-agerealestateinvestmentisestablished,andthestudyaboutitwouldbeofgreatimportanceboththeoreticallyandactually.Inthispaper,areviewofthestudiesandsomeconceptionsconcernedtoinvestmentriskoftheold-agerealestateismade.Combiningwiththefactoftheold-agerealestateinShanxiProvince,acomprehensiveconsiderationofriskwithrespecttoenvironment,economy,society,andinteriordecision-makingandmanagementismade.Theold-agerealestateinvestmentevaluationindexsystemofShanxiProvinceisbuilt,what’smore,andit’sappliedtotheevaluationandpredictionoftherealriskandtomaketheevaluationandpredictionresultmuchmorereasonableandaccurate.Inordertomakeabettereval