基于BP神經網絡的房地產市場持續健康發展評價研究
——以南昌市為例

張 鶴，肖澤干

（江西財經大學 旅游與城市管理學院，江西 南昌 330032）

2011年以來房地產調控措施力度不斷加大，非合理住房需求得到有效抑制，作為拉動GDP增長重要力量之一的房地產業開始步入調整期；但同時，房地產業作為國民經濟的基礎性產業、主導性產業以及日益成形的支柱產業，短期內仍不會改變.因此，房地產既不能一味打壓，亦不能放任自流，房產市場調控需要合理性，而如何定量判斷房地產業健康持續程度則尤為重要.

目前，國內對房地產健康程度評價的方法一般采用德爾菲法、層次分析法、路徑系數分析法、立體式綜合評價法和模糊綜合評價法等方法.如段際凱（2003）、李東曄（2010）等采用了德爾菲法、層次分析法討論房地產健康發展問題；而翁少群,張紅（2004）、王仁濤（2007）、劉覽等（2008）運用模糊識別理論展開了對房地產市場發展階段的研究；石玉對（2011）等采用路徑系數分析法對中國住宅市場價格泡沫進行測度.這些方法由于受專家個人情感喜好因素的影響存在一定的主觀性，使被評價指標的評分存在著一定誤差，并且沒有考慮到評價結果與其影響因素的非線性關系，使得專家在對項目評價過程中產生信息失真，有失評價結果的客觀性.因此，在房地產持續健康程度評價的過程中，既考慮專家權數，又考慮各指標權重是整個評價過程中最關鍵的環節.本文針對房地產行業的特點，建立BP神經網絡評價模型對南昌市房地產市場健康程度進行綜合評價.

1 房地產市場持續健康發展評價指標體系構建

房地產業持續健康發展，是指房地產業的發展既能滿足當代人的生產生活用房需要，又不危及子孫后代生產生活對土地、房屋的需求.世界各地的房地產市場發展經驗和教訓告訴我們，房地產市場的區域性特征決定了其首先要與該地區經濟發展相協調；其次，該地區房價是否為居民可支付、可承受的，超過了居民可承受能力外的房產市場是不可持續的.最后，要避免房地產市場受到金融過度支持以產生過熱現象，良好的房地產市場應該與地區金融市場具有較好的協調性[3].

目前，國內房產市場預警指數主要有上房50指數、武房指數、深房等，同時眾多學者亦從不同角度提出較多的預警體系，如丁烈云（2001）、屠梅曾（2006）等.通過眾多文獻梳理，本文從四個方面來選取影響房地產市場健康發展的具體影響因子.[1]-[3]

1.1 房地產市場與地方經濟協調發展指標.該指標主要反映房地產自身數量水平及其在地方經濟中的水平，包括住宅產業貢獻率、房地產投資增長率/GDP增長率；

1.2 房地產價格合理性指標.房價是否合理？能否為廣大人民群眾接受？多少才算合理？一般來講，房價合理與否應滿足三個方面：（1）商品住宅必須反映其價值，因為價格由價值決定并反映其價值；（2）商品住宅價格應適應社會發展的消費水平；（3）商品住宅的價格隨供求關系變化而變化，即市場是有效的.為此，本文擬選取房價增長率/人均可支配收入增長率、房地產價格增長率/GDP實際增長作為代表指標.同時，已有大量文獻證實房價與地價見存在互動關系，地價變化能夠傳導給房價，探討地價對于房價具有重要意義，因此引入地價增長率/GDP增長率指標.

1.3 住房市場供需平衡和結構平衡指標.一個有效的住房市場供求指標應該包括總量平衡指標和結構平衡指標兩大類.其中，總量平衡指標包括供求比、商品房空置率；結構平衡指標為保障性住房面積/住宅面積.

1.4 房地產市場與金融市場協調發展指標.房地產市場的自身特點決定了其與金融業緊密相聯，當討論房價泡沫時，必須立足于金融風險這個角度來考慮，脫離了金融風險這個視角，房價泡沫便是一個飄渺不定、無法度量的東西.[4]本文擬選取房地產貸款總額/金融機構貸款總額、自有資金/銀行房地產開發信貸作為代表指標.

表1 房地產市場持續健康發展評價體系

為對房地產健康評價進行定量分析，就必須要對健康程度劃分區間.目前已有許多學者進行過該方面的探討與研究，如彭翊（2002）劃分了房地產預警區間、段際凱（2003）在其基礎上對預警區間進行了適度修訂，翁少群,張紅（2004）、王仁濤（2007）等人為房地產發展程度劃分了區間.結合眾多研究文獻，本文以非等間距的方式，將房地產市場健康評價等級劃分為五個健康等級.各級別描述及其對應分值如表 2所示：[5，6]

2 選取評價模型

BP神經網絡是目前最成熟、應用最為廣泛的一種前饋性神經網絡，其能夠實現任意線性及非線性的函數映射，避免了人為確定權重，從而減少了主觀評價上的不確定性及模糊性，通過系統訓練學習使得模型誤差達到精度要求，從而提高了評價結果的有效性與客觀性.其具有簡單、易行、計算量小、并行性強等特點，能夠通過不斷的網絡訓練來完善自己，從而使得個別神經元和連接的損壞不會影響整體效果，具有良好的魯棒性和容錯能力.

表2 房地產市場持續健康發展分級標準

圖1 房地產市場持續健康評價BP神經網絡模型拓撲結構

有文獻證明，一個3層的BP網絡模型就能夠實現任意的連續映射.[7]因此，本文對房地產持續健康發展評價BP神經網絡模型采取輸入層、隱含層、輸出層3層網絡結構，依據指標體系，輸入層神經元個數為10個，輸出層神經元個數為1，如圖1所示.其中，隱層神經元個數可由以下公式確定：K=，式中K為隱層神經元輸出個數，M、N分別為輸入層、輸出層神經元個數，α為1～10的常數.

3 實證分析

3.1 南昌市概況

南昌市為江西省會城市，為鄱陽湖生態經濟區核心城市.市區常住人口197萬，地區生產總值(GDP)1500億元，城鎮居民人均可支配收入18276元.南昌市區行政區域面積617平方公里，已建成區面積208平方公里，其中居住用地面積51平方公里.

3.2 數據來源與處理

本研究數據主要來源于《江西統計年鑒》（2005-2011），《南昌統計年鑒》（2005-2011），房地產企業自有資金、房地產開發信貸等數據來源于國研網、中經網，部分數據由作者根據資料整理而得.

在建立BP神經網絡之前，首先對數據進行歸一化處理.為了保障BP神經網絡在訓練過程中的穩定性，需要將網絡的輸入值進行歸一化處理，本文將指標時間序列值歸一化到[-1,1]之間.歸一化方法采用Matlab7.1中的premnmx(p)函數，歸一化后數據如表3所示.

表3 2004-2010年各指標無量綱化數據

3.3 BP神經網絡評價結果及分析

把2004年到2010年各項指標的數據作為神經元節點輸入，結合專家評分法，對神經網絡進行訓練.網絡經過學習，獲得各指標及評價結果間的關系.其中，BP神經網絡的訓練參數的設定：誤差設定為1e-6，隱層神經元數選取7個，學習速率為0.05，最大迭代次數為175次.

圖2 2004-2011年南昌市房地產市場持續健康評價結果

作者依據南昌市十二五規劃、南昌市統計局統計資料及南昌易居房地產研究所報告等資料整理出2011年相關數據.通過網絡訓練，產生2011年南昌市房地產市場健康評價.其結果與南昌市房地產市場實際情況相符，南昌自2011年3月施行“限購令”以來，住宅成交面積同比減少88.5萬平方米，減少41.65%；住房成交均價同比減少0.23%；很明顯，嚴厲的房地產調控政策效力凸顯，房地產市場不斷降溫.從圖2可以看出，南昌市房地產市場健康發展程度呈現先總體下降再趨于總體穩定趨勢.總體上可以分析為前期投機投資因素較多，后期調控政策作用開始顯現.以上分析結果表明，神經網絡模型在房地產評價中應用具有可行性.

4 討論

在方法上，本文初步的將BP神經網絡運用到房地產市場持續健康水平評價上來，借希望進行一個有益的探討.BP神經網絡具有較強的魯棒性和容錯性，但BP神經網絡運算亦存在容易陷入局部最小點、在等界邊緣亦由于誤差存在落入不同區間等缺點，如何解決該問題亦是在未來進一步完善模型中所需要考慮的.

關于房地產指標體系方面，目前其研究文獻較多，其中多從泡沫、市場發展程度等角度建立評價指標體系，但是對于可持續性發展討論較少，同時普遍使用的評價體系也還沒有形成，即使形成了普遍使用的評價體系，其亦需要接受實踐的檢驗，針對不同的城市進行指標的選取與完善工作.因此，本文所提出的房地產持續健康發展評價指標體系，本身就只能限于是一個有意義的初步探討，需要在未來進一步的優化指標體系，使模型運算結果更加接近實際.

〔1〕姚玲珍，張小勇.中國住宅業可持續發展的定性研究[J].中央財經大學學報,2008(4).

〔2〕劉成高.中國房地產業可持續發展研究[M].成都：西南財經大學出版社,2008.

〔3〕葉艷兵，丁烈云，房地產預警指標體系設計研究[J].基建優化，2001.

〔4〕呂江林.我國城市住房市場泡沫水平的度量[J].經濟研究,2010(6).

〔5〕翁少群，張紅.基于模糊模式識別理論的中國房地產市場發展階段判別研究[J].土木工程學報,2004(5).

〔6〕彭翊.城市房地產預警系統設計[J].中國房地產,2002(6).

〔7〕RUMELHART D,HINFON G,WILIAMS R.Learning Representation by Back Propagation Errors[J].Nature,1986(323):533-536.