全文总字数：3399字
1. 研究目的与意义（文献综述）
一直以来，房价——或者说商品住宅价格——都是一个民声热议的问题，国内的不论是各种专家学者抑或是市井百姓，都对房价的波动保持着密切的关注。而房价（更严格地说是房地产行业）被如此看重的一个很重要的原因在于它对与国民经济有着巨大的影响。它关联着我国各个不同的、看似毫无关联的产业，包括金融、材料、装潢甚至教育（学区房）等等各个方面。
支持向量机（supportvector machines，简称svm）是近几十年出现的一个拟合预测方法。它最早是在上世纪90年代由vapnik教授提出。然而这个方法虽然时间并不久远，但是体系十分完善，近年不管是理论研究、算法实现还是应用方面都取得了非常出色的发展，在统计学中已经被验证有了相当好的进展，并且被广泛地运用到了包括径流、电力、金融等多个领域中，是一个可以用来解决许多实际问题的模型。
svm模型可以分为支持向量回归（support vector regression，简称svg）和支持向量分类机（support vector classification，简称svc）。目前svc的应用相当广泛，涉及到很多领域的运用。而svg目前在模型拟合和预测方面表现出了很好的能力，尤其是在预测的精度和远期预测的方面，因此被广泛运用与各个领域的预测。
2. 研究的基本内容与方案
本文大致分为以下三个部分。
第一部分重点在于介绍svm模型。在这一部分，由分为了两个部分。前半部分主要是介绍svm的各个步骤，以及从理论上并用一些实验数据来展现svm模型与其它模型相比的一些区别和优势；后半部分主要是关于在svm中一些关键性的理论的论证并从阐述其影响，这些理论大多是我个人在研读svm模型的过程中认为可能不是特别一目了然的、或者是对于svm模型意义比较重大、对svm模型的成立与否有着比较重要的意义的理论依据。
第二部分的重点在于房价的相关内容，主要在于从理论上并结合一些其它的文献来讨论房价发生波动的原因以及确定影响房价变动的具体因素。在这一段中我们讨论的范围会十分广泛，包括需求、季节、金融、银行利率以及不同地区之间房价的相互影响等等。由于svm模型的良好表现，过高纬度的数据并不会对svm模型的拟合结果及拟合进度产生太大的影响，因此我们不会刻意对其进行降维。
3. 研究计划与安排
1-3周：查阅文献，完成开题报告
4-6周：总体设计，完成论文综述
7-10周：设计算法，功能模块设计
4. 参考文献（12篇以上）
[1]刘庆晓.基于arma模型九江住宅交易价格的分析[j].统计与管理. 2015(07)
[2]孟辕,段伟.我国商品房价格力度指数的测算与研究——基于2005-2015年我国商品房价格数据分析[j].价格理论与实践,2015(11):79-81.
[3]吴佳木.2003-2017年上海房价变动及其影响因素研究[j].现代商贸工业,2020,41(04):7-10.
