基于模糊神經網絡的房地產投資風險評價研究

摘要：在分析房地產投資風險內外部因素的基礎上，構建房地產投資風險評價的指標體系，建立基于模糊神經網絡（FNN）的評價模型并選取西安某房地產開發項目為案例，驗證了該評價模型的可行性。結果表明，采用的FNN的方法對房地產投資風險進行評價，能夠較好地結合定性與定量因素對房地產開發方案的可行性進行評估，為房地產開發商有效規避投資風險提供依據。

關鍵詞：模糊神經網絡；房地產投資；風險評價

中圖分類號：F832.48 文獻標識碼：A 文章編號：1003-3890（2012）01-0025-05

一、引言

近年來我國房地產行業飛速發展，已成為對我國國民經濟發展有重大影響的產業，對于改善人民居住條件，促進相關產業的發展起到了積極的作用[1]。房地產投資是一項高風險與高收益并存的經濟活動，具有周期長、投資額大、影響因素多、涉及范圍廣的特點。風險貫穿于房地產開發的整個周期，市場供求、技術質量、融資利率及管理經營等任何一個相關因素的變化都會對投資結果產生重要影響。為有效地識別和規避風險，減少不確定因素對房地產投資與開發的影響，避免造成重大損失，有必要對房地產開發過程中可能出現的風險進行預測和評估，使房地產項目實施人員掌握風險的類別與重要程度，及時采取有效的應對措施，促進房地產市場健康、穩定發展。

影響房地產投資風險的因素有與企業建設、資本和管理經營等相關的內部因素，也有國家政策、市場環境等不可預知的外部因素，由此對房地產投資的影響具有非線性、復雜化的特點，因此對風險的評估需建立合理、科學的評價方法。目前對房地產投資風險進行評估常用的方法有：層次分析法（AHP）[2-3]、模糊綜合評價法（FCE）[4]、蒙特卡羅模擬法[5]等。除此之外，張霞、胥碧華[6]在基于模糊數學的控制區間和記憶模型即FCIM模型上對房地產投資進行評估，既得出風險的大小也得出風險的概率，使投資者迅速采取措施；左石波等[7]應用DEA方法對多方案的房地產風險投資的有效性進行評價；施建剛、黃清林[8]運用了“收益—方差模型”和“收益—β值模型”對房地產投資風險進行控制應用。由于房地產投資風險的評價具有模糊性、多目標性、動態性及非線性的特點，應用模糊神經網絡（FNN）能夠處理模糊數據，具有極強的自學習和自適應能力，且能夠精確描述復雜的非線性對象，與其他評價方法相比有其獨特的優越性[9-10]。本研究即采用FNN方法，在對房地產投資風險進行識別的基礎上，將房地產投資的歷史數據經處理后作為FNN的輸入節點，通過對評價指標的模糊化處理，然后利用已有的模糊規則庫完成對投資風險的評價推理，并最終給出將評價的結果。圖1為FNN房地產投資風險的評價過程。

二、房地產投資風險的識別

影響房地產投資的因素有內部因素與外部因素。內部因素是房地產投資企業可以管理與控制的因素，主要指的是房地產投資企業對所投資對象的建設和管理經營方面可能產生的風險的控制；外部因素是房地產投資企業所不能控制的風險因素，與市場的客觀環境有關，如國家房地產法律法規的出臺、不可抗力的出現等，其中與房地產投資開發有關的系統性因素主要有國家對金融市場的以利率調節為主的金融風險和市場風險。本文即從影響房地產投資的內外部因素方面，將房地產投資的風險分為管理經營風險、建設風險、金融風險和市場風險[11-13]。

（一）管理經營風險

管理經營風險指的是在房地產開發經營過程中，由于管理者素質和經驗的限制、決策的正確性、銷售觀念等因素的存在使得房地產投資項目的實現產生了不確定性。因而管理者的管理與決策的制定，以及對房地產項目的銷售計劃，是房地產投資項目能否實現價值的關鍵一步，房地產投資者通過對該項目的內部管理和對消費者需求的了解、住房制度的改革來更好地制定經營策略，這對房地產投資者收益的實現有重要的影響性。其主要包括決策的科學性、項目管理機制、銷售理念及銷售策略等幾個方面的管理。

（二）建設風險

在房地產項目投資建設過程中，不僅需要大量的投資，耗用大量的物力、財力、人力和時間，而且可能由于建設技術不夠成熟、相關配套技術滯后產生的不確定性、質量的不合格、建設工期的不按時、建設成本是否控制在合理范圍內等都會給房地產項目投資者帶來一定的風險，因而房地產投資企業通過對該項目存在的技術風險、質量風險、建設工期風險以及建設成本控制風險等方面的控制，以使房地產開發順利進行。

（三）金融風險

金融風險指的是在房地產投資開發中由于金融系統及其變化的不確定性，而導致房地產投資開發項目無法到達其目標的可能性。主要包括三個方面：（1）利率風險：房地產投資是一種高投資的經營活動，要向銀行等金融部門貸款，而利率的升高會使得成本增大，同樣對于消費者來講利率的升高使其每月的還貸額度增加，降低了消費者的購房積極性。（2）通貨膨脹風險：在通貨膨脹的狀態下，物價上漲，同樣作為保值的不動產的價格也在上漲，而人們手中的紙幣在貶值，在這種情況下消費者需求相對減少，不利于房地產行業的發展。（3）融資風險：房地產作為長期投資的經營活動，得到各種類型的融資支持，在經濟發展中難免受到各種因素的影響，可能出現融資鏈的斷裂或融資方式的改變，不利于房地產投資項目的順利進行而使其面臨一定的風險性。

（四）市場風險

市場風險主要指的是房地產投資開發過程中存在的不適應市場對商品住宅各方面的需求，以及受市場整體經濟的影響和住房制度影響下對住房的需求變化等因素所產生的不確定性。主要包括三個方面：（1）市場供求風險。在房地產市場中，消費者對住房的需求和投資者對住房的供給是影響房地產投資的一個重要因素。供大于求以及需求過旺都存在一定的風險性，因而會對房地產投資帶來一定的不確定性。（2）經濟狀況的變動。經濟的變動與房地產的投資有著重要的關系，在適度寬松的經濟環境下有利于房地產項目的投資。（3）住房制度的改革。住房制度的變化是影響投資者進行投資的重要因素，住房制度的變化是否有利于投資，以及對房地產結構及數量產生的影響，是投資者必須考慮的。房地產投資的風險指標體系如圖2所示。

三、房地產投資風險的評價模型

（一）基于FNN的房地產投資評價模型

本文采取神經網絡來構建模糊邏輯系統，使得神經網絡各層節點具有物理意義。圖3為FNN房地產投資評價模型結構圖。

第一層為輸入層。該層的各個節點直接與輸入向量的各分量xi連接，每個節點對應一個指標，各輸入指標的權重隨機確定。

第二層為評價指標模糊化層。該層將輸入層的輸入映射為模糊集合，如高、較高、低、較低。該層計算各輸入分量x=［x1x2…xn］T屬于各語言變量值模糊集合的隸屬度函數uji。其中，uji=uAij（xi），i=1，2，…，n；j=1，2，…mi。n是輸入量的維數，mi是xi的模糊評價等級空間劃分數，為了降低模型的復雜度，得到更好的學習效果，這里設定每個評價指標的模糊評價等級空間劃分數相等，并選用可微的高斯隸屬度函數。

uij=e-

式中，cij和ij分別表示隸屬度函數的中心和寬度。該層節點的總數N2=mi，該層的連接權值為1。

第三層為推理層。該層的每個節點代表一條模糊規則，每個規則節點僅與來自每一個輸入分量經模糊化后的一個隸屬度節點相連。采用代數積合成計算每條規則的適用度。

?琢j=u1i1u2i2…unin

式中

i1?綴｛1，2，…，m1｝；i2?綴｛1，2，…，m2｝；in?綴｛1，2，…，mn｝；j=1，2，…，m；m=mi

該層節點總數N3=m。在?琢j中只有少量節點的輸出為非0，而多數節點輸出為0，此層連接權值為1。

第四層為評價推理歸一化層。該層節點數與第三層相同，即N4=N3=m。

j= j=1，2，…，m

第五層為輸出層。此層的輸出節點為1個，采用加權平均的清晰化方法，作為判別方案的優良程度，即

yi=wjj j=1，2，…，m

（二）學習算法

本文設計的模糊神經網絡本質上是一種多層前饋網絡，采用BP網絡的最速梯度方法來設計、調整參數的學習算法。在FNN房地產投資風險評價模型中，需要學習的參數主要是最后一層的連接權值wj，以及第二層中的隸屬度函數的中心值cij和寬度ij。

如圖3所示，設x1(l-1)，x2(l-1)，…xp(l-1)為l層神經元的輸入，而oli為其輸出，wj為最后一層的連接權值，gl（#8226;）為其激勵函數。五層網絡中的各個節點的輸入可寫為：

節點的輸出為：

net-input=f（x1(l-1)，x2(l-1)，…xp(l-1)；w1(l-1)，w2(l-1)，…wp(l-1)）

1. FNN房地產投資風險評價模型正向學習過程

（1）輸入層：

輸入為：fi(1)=wixi （wi為指標權重）

輸出為：oi(1)=gi(1)=fi(1) （i=1，2，…，n）

（2）模糊化層：

輸入為：fij(2)=-

輸出為：oij(2)=uij=gij(2)=efij(2)=e-

（3）推理層：

輸入為：fj(3)=o1i1(2)，o2i2(2)，…，onin(2)=u1i1u2i2…unin

輸出為：oj(3)=?琢j=gj(3)=fj(3)

（j=1，2，…，m；m=mi）

（4）評價歸一化層：

輸入為：fj(4)==

輸出為：oj(4)=j=gj(4)=fj(4) （j=1，2，…，m）

（5）評價結果輸出層：

輸入為：f(5)=wjoj(4)=wjj

輸出為：o(5)=y=g(5)=f(5)

取誤差函數為E=（t-y）2。式中t和y分別表示期望輸出和實際輸出。利用最速梯度法來調整隸屬函數的中心和寬度及最后一層的連接權值。

2. FNN房地產投資風險評價模型誤差反向傳遞過程

（1）結果輸出層的誤差：

?啄(5)=-=-=t-y

（2）評價模型對輸出層連接權值的影響：

==-?啄(5)oj(4)=-（t-y）j

（3）評價歸一化層誤差：

?啄j(4)=-=-=?啄(5)wj

（4）推理層誤差：

?啄j(3)=-=-=?啄j(4)

由于推理層采用的是代數積推理，因此當gij(2)=uij是第k個規則節點的一個輸入時，有

sij===ujij，否則sij=0

（5）最后一層的連接權值wj，以及第二層中的隸屬度函數的中心值cij和ij寬度誤差：

==-?啄ij(2)

==-?啄ij(2)

在FNN房地產投資風險評價模型學習過程中對Cij，ij，wj的調整量可用以下公式來表示：

cij（k+1）＝cij（k）-

（i=1，2，…，n；j=1，2，…，mi）

ij（k+1）＝ij（k）-

（i=1，2，…，n；j=1，2，…，mi）

wj（k+1）=wj（k）-（j=1，2，…，m）

其中，＞0，為學習效率。

對于給定的輸入的樣本，按照上述算法反復地修正隸屬度函數的寬度、中心以及連接權值，使網絡的輸出達到目標的輸出，訓練好的網絡可以用于風險評價。

四、實證分析

某房地產開發商欲在西安市長安區開發一樓盤，共投資14億元，其中自籌資金35%，銀行貸款18%，其他資金47%，樓盤建筑面積20萬平方米。由房地產金融專業的25名學生針對該房地產開發項目，綜合考慮資金構成、項目管理機制、市場需求、國家對樓市的政策等因素，每人設計一套開發方案。由4名專業老師根據方案的可行性進行評審，剔除不可行的方案，最終有效方案21套。隨機選取16套方案用于FNN房地產投資風險評價的訓練樣本，其余5套方案作為檢驗樣本。

由房地產投資風險評價的指標體系，評價方案21個，每個方案指標為14個，可得FNN輸入層為21×14階矩陣，模糊評價等級取4個（高、較高、較低、低）。由此確定FNN房地產投資風險評價的拓撲結構為14-14×4-414-414-1型。取16組訓練樣本均方誤差和取為0.1，選取模型的學習效率為β=0.08，評價指標的模糊等級空間劃分數為4，經過600次的學習網絡達的均方誤差達到了目標。圖4為樣本訓練誤差變化曲線，圖5為樣本訓練輸出與目標輸出匹配關系。

將已訓練好的網絡模型保存，在FNN評價模塊中調用已保存的評價模型。用5個樣本來檢測網絡的學習成果，其網絡的預測結果與目標輸出結果對比如表1所示。

從測試樣本可以看出學習效果良好，正確率為80%，證明該方法對于房地產投資方案的風險評估具有良好的效果。

五、結論

本文構建了房地產投資風險評價的指標體系，結合房地產投資風險非線性及復雜化的特點，將模糊邏輯與神經網絡相結合，建立了一種基于模糊神經網絡的評價模型。選取西安某房地產開發項目為案例，選取16套開發方案作為訓練樣本，以5套方案作為檢驗樣本，驗證了該方法的可行性。采用的FNN方法對房地產投資風險進行評價，能夠較好地結合定性與定量因素，對房地產開發方案的可行性進行評估，為房地產開發商規避風險提供依據，實現房地產市場的健康穩定發展。

參考文獻

［1］石亞東.我國房地產開發資金來源結構狀況分析［J］.中央財經大學學報，2005，（10）.

［2］蔣根謀，胡振鵬，金峻炎.基于模擬技術和AHP的房地產項目風險的定量評估［J］.系統工程理論與實踐，2007，（9）.

［3］劉曉君，孟凡文.模糊層次分析法在房地產投資風險評價中的應用［J］.西安建筑科技大學學報（自然科學版），2005，（3）.

［4］王夫冬，周梅華，王林秀.模糊綜合評判在房地產投資中的應用［J］.現代管理科學，2004，（7）.

［5］王寅.蒙特卡洛模擬法在房地產投資風險評估中的應用［J］.經濟論壇，2010，（7）.

［6］張霞，胥碧華.房地產投資風險評估的FCIM模型［J］.統計與決策，2007，（4）.

［7］左石波，何恒，李春杰.基于房地產風險投資評價的DEA方法應用研究［J］.山西建筑，2008，（6）.

［8］施建剛，黃清林.投資組合理論在房地產投資風險控制中的應用［J］.同濟大學學報（自然科學版），2005，（11）.

［9］MESSAC A，GUPTA S，AKBULUT B.Linear physical programming： A new approach to multiple objective optimization［J］.Trans on Oper Res，1996，8（10）：39-59.

［10］JIANG-NENG YI，WEI-MIN MA，WEI-DONG MENG.The Model of The State Diagnosis for Complex System Based On The Improved Fuzzy Neural Network［C］.Proceedings of the Fourth International Conference on Machine Learning and Cybernetics，Guangzhou，2005，（8）：18-21.

［11］王玉蘭.模糊綜合評價法在房地產投資風險中的應用［J］.基建管理優化，2007，（1）.

［12］張建，朱新華.模糊綜合評價方法在房地產投資決策中的應用［J］.科技情報開發與經濟，2006，（23）.

［13］于永.綜合評價在房地產投資風險分析中的應用研究［J］.改革與戰略，2007.

責任編輯、校對：關 華