基于熵權-灰色關聯法的房地產項目風險評估分析

肖枝洪，譚 荔

(重慶理工大學 理學院，重慶 400054)

基于熵權-灰色關聯法的房地產項目風險評估分析

肖枝洪，譚 荔

(重慶理工大學 理學院，重慶 400054)

以重慶市兩江新區近幾年89個房地產項目數據為研究對象，運用熵權-灰色關聯法構建房地產項目風險評價模型。該模型不僅具有良好的適應性，同時具有較高的準確性。通過分析發現：項目17、項目86、項目49、項目75、項目53存在較高的風險，與實際情況基本相符；滯銷情況、期房網簽占比和周邊規劃配套3項風險指標對房地產風險有極顯著的影響。

房地產項目風險；風險預警；熵權法；灰色關聯分析

房地產業是眾多行業中對經濟增長、居民生活水平與社會安定影響最大的行業之一[1]。由于房地產項目本身具有產業鏈長、涉及面寬、資金密集等特殊性，房地產企業不可避免地面臨著各種風險[2-3]。例如，供求關系所帶來的房地產市場風險，房地產市場風險所衍生的金融和財政風險，以及房地產引致的社會風險[4]。若房地產企業沒有處理好風險，其自身不僅會遭受巨大損失，而且對個人、企業及社會財富也會造成損失。

目前，針對房地產風險的研究大多基于房地產企業財務風險、房地產投資風險、房地產市場風險[5-9]，都是單方面地對房地產某類風險進行分析，難以整體性地對房地產企業及行業所面臨的風險提出解決辦法。對房地產項目風險的研究，相比來說更能準確地發現房地產項目乃至房地產行業所面臨的問題。因為房地產項目風險包含了投資房地產項目整個過程中可能造成的損失，例如政治、經濟、金融和社會發展對其造成的損失，房地產市場的供求、價格、收益水平和發展趨勢波動對其造成的損失，以及周圍環境、設施、人口情況和建設過程中出現的一些問題對房地產項目產生的影響、導致的損失[9]；故針對房地產項目的風險進行研究，找出影響其風險的因素，才能有效提出解決問題的措施，為房地產企業乃至房地產市場的健康發展起到防微杜漸的作用。

面向企業或者針對項目自身的風險評估與預警的研究較少，但也取得了一定的成果：蔡建民基于動力學的研究方法對房地產項目安全進行研究，主要分析了造成項目系統行為的反饋過程[10]，但其研究側重于從項目宏觀層面對項目風險進行管理，沒有對項目安全進行定量評估，不能直觀地找出風險點。趙樹寬將Fuzzy與AHP結合用于大型房地產項目風險的評價，定量地研究了房地產項目的風險值[11]，其量化的風險能直觀地為項目投資決策提供參考，但AHP方法是將專家意見和分析者的判斷結果結合起來，主觀因素對評論結果影響較大。何芳等用MIV-BP型網絡較有效地對房地產項目風險度進行識別[12]，其研究較客觀地評價了房地產項目中各指標的權重，但此模型需依賴訓練好的房地產項目訓練集，該訓練集需結合專家意見對房地產項目風險進行評級，對在建房地產項目的評估較為困難，且不同地區的房地產情況可能不同，故該訓練集不能直接應用到其他地區，因此方法的普適性較差。針對以上不足，本文采用熵權-灰色關聯法對房地產項目風險的主要影響因素進行探測和房地產項目風險值進行客觀度量，并選取重慶市兩江新區目前相關的房地產項目數據進行實驗分析。

本文的創新之處在于：一是將灰色關聯分析應用于房地產項目風險預警中，解決了在數據分析中信息不完備的問題；二是采用熵權法與灰色關聯分析法相結合，克服了灰色關聯分析法的權重需要采用專家打分或平權的缺陷，不僅使評價房地產風險的指標權重更為客觀，使用也更為方便。

一、熵權-灰色關聯分析法模型

(一)熵權法確定客觀權重

熵權法[13-15]是一種依據各指標所包含的信息量的多少確定指標權重的客觀賦權法，某個指標的熵值越小，則該指標的權重就越大，在綜合評價中起的作用就越大。熵權法充分利用客觀數據確定權重，排除了主觀因素的影響。

設由m個評價方案n項指標構成的評價矩陣為X=(xij)m×n,i=1,2,…,m；j=1,2,…,n。為了消除量綱，對xij歸一化為：

各風險評價指標的熵為：

設wj為各指標xj的權系數，wj定義為：

權系數wj也體現了指標xj所包含的信息量，權值越大表示該指標對綜合決策的影響越大，它直接有效地反映了指標間的差異程度。

(二)灰色關聯法確定風險值

灰色關聯分析法[16-19]的思想是首先根據某個問題的實際情況確定理想的最優序列，然后依據其關聯度大小的排序，判斷方案的優劣。

對式(1)中的pij進行線性變換，

i=1,2,…,n;j=1,2,…,m

(5)

其中： Δmin=mini(minj(h0j-hij)); Δi(j)=h0j-hij；ρ為分辨系數，用來削弱Δmax過大而使關聯系數失真的影響,ρ∈[0,1],本文關于ρ的取值為0.5[17]。關聯系數ξi(j)為第i個項目中第j個指標的風險值。

據此，第i個評價方案與風險最大方案的關聯度為：

式(6)中，wj的取值由式(3)所確定，其值直接影響關聯度的大小與方案的排序。后面將用γi來表示第i個房地產項目的風險值。

二、基于熵權-灰色關聯法的房地產項目風險預警分析

(一)數據來源與指標解釋

本文數據包含重慶市兩江新區119個房地產項目的相關數據，其中有30個項目數據嚴重缺失，故選取數據較為完整的89個房地產項目來做風險評估分析。

選取科學合理的房地產項目風險指標體系，對于準確預警預控房地產項目風險起著關鍵性的作用。評估房地產項目風險，不僅要考慮房地產項目內部因素，例如抵押情況、庫存占比、去化周期等，還應考慮與房地產項目有關的外部因素，例如周邊規劃配套，交通狀況等。根據已有文獻資料[20-22]以及數據的可獲取性，本文選擇了4類共15項指標作為構建房地產項目風險預警系統的指標，如表1所示。

對于本文所選取的一些定性指標，由于不利于熵權-灰色關聯法的運用，故將其進行如下量化處理：

區域位置(X1)：按地域間環境條件、生態功能、產業優勢將區域位置進行0～1打分，分值越高代表其所處位置環境越不好；

抵押情況(X3)：取值按抵押總金額/(建筑面積×售價)計算；

期房網簽套數與網簽套數比值(X9)：期房網簽套數/網簽套數；

解除網簽占比(X10)：解除網簽次數/網簽次數；

周邊規劃配套(X12)：周邊規劃配套指標的最大風險值為1，若周邊規劃配套包含以下幾項，每包含一項減去0.2分，得到的值為周邊規劃配套指標的風險值，其中包括醫院(3公里內)、幼兒園(1公里內)、小學(2.5公里內)、初中(2.5公里內)、超市(4公里內)共5項；

交通狀況(X13)：S=輕軌站(1公里內)個數×0.3+公交車站(500米內)個數×0.1,交通狀況的得分=1-S/max(S)，交通狀況得分越高，表示項目周圍交通出行越不方便；

開發商是否取得產權證(X15)：開發商有產權證取0，無產權證取1，為了刻畫其風險性，反過來取值。

(二)結果及分析

1.房地產項目各指標熵值與權值的確定

根據式(2)和式(3)計算得到房地產項目風險指標的熵值和權值如表2所示。

由表2可知：① 這15項指標的熵值最大為0.991，最小為0.878，熵值均大于0.85，說明這15項指標均為風險指標，也說明了本文所選取的指標可以合理地刻畫房地產項目風險。② 從權值可以看出，X1、X4和X15的權值分別為0.154，0.121和0.159，相對較大，即區域位置、商鋪預售占比、開發商是否取得產權證對房地產項目風險具有較大的影響。

表1 預警房地產項目的風險指標

數據來源：重慶市兩江新區房屋管理局所提供的2016年房地產項目數據

表2 預警房地產項目風險指標的熵值和權值

2.房地產項目各指標風險值的確定及解釋

根據式(5)計算出各項目指標的灰色關聯系數(風險值)都在0到1范圍內，其值越接近或等于1，說明房地產項目在這項指標上的風險系數越高。根據各項目指標的灰色關聯系數，作箱線圖如圖1所示。由圖1可以看出：① 這89個項目在X6，X9和X12指標的灰色關聯系數整體較高，其中位數均大于0.7，說明在整個房地產項目中這些指標風險系數較高。② 這89個項目在X1，X3，X4，X7，X8，X10和X13指標的灰色關聯系數(風險值)整體較低，且中位數均小于0.4，說明這些指標在房地產中整體風險系數較低。

由上述分析可知，重慶市兩江新區的89項新建房地產項目中抵押情況、商鋪預售占比、去化周期和交通狀況等指標均表現正常，而年均滯銷率、期房網簽套數與網簽套數比值以及周邊規劃配套是該區風險較高的3個指標，說明兩江新區房地產項目普遍存在著房屋銷售狀況不理想的情況。究其原因是這些房地產項目大多屬于在建項目，在在建過程中以及在建后的銷售、簽約具有不可預見的風險。周邊規劃配套風險整體偏高，說明大部分房地產項目周邊的醫療、教育、生活等設施配套不齊全，這也會影響購房者的購買意愿。針對此類風險，政府可結合具體情況完善所在轄區內的設施配套，為購房者提供更高品質的居住環境，同時也會帶動周邊房地產項目的銷量，降低年均滯銷率。由于在建過程中可能存在不可預知的風險，房地產企業需制定更加完善的施工計劃，同時相關政府部門應對房地產項目進行嚴格把控，保證房地產項目規范運作。

圖1 不同指標的灰色關聯系數箱線圖

雖然X6，X9和X12指標的灰色關聯系數(風險值)整體較高，但其權重不是很大；X1，X3和X4等指標的灰色關聯系數(風險值)整體偏低，但其指標權重較大。故要評估房地產各個項目的風險，應把各個指標權重與其灰色關聯系數結合起來評估。

3.房地產項目風險評估

圖2 房地產項目風險質量控制圖

由熵權-灰色關聯法評估與實際情況對比(表4)可知，在89個房地產項目中有一個預測將低風險及正常的項目錯誤預測為高風險項目，另一個預測將高風險項目錯誤預測為低風險及正常的項目。

表4 熵權-灰色關聯法評估與實際情況對比

根據熵權-灰色關聯法評估與實際情況的對比[24]可得：

由此可知，用熵權-灰色關聯分析法評價房地產項目風險時，正確判斷高風險項目的概率為0.8，正確判斷低風險及正常項目的概率為0.988，整體判斷的準確度為0.977 5。該模型不僅具有很高的靈敏度和辨識性，還具有很高的準確性，模型評價結果令人滿意。

4.房地產項目風險點識別

熵權-灰色關聯法不僅能夠甄別出所提供的風險較高的所有項目，而且還能根據各個項目指標的灰色關聯系數發現其中存在的風險點，有利于對項目風險進行有針對性地管控。對于5個風險較高的項目：項目17、項目86、項目49、項目75和項目53，按質量控制的原理對其各指標的灰色關聯系數將風險分為突出、較高、一般和正常4個范圍，在低風險及正常范圍內的指標未標出，表5列出的為高風險指標。

由表5可以看出：① 這5個房地產項目的指標X9，X14，X15均呈現“突出”的特點，這5個項目均為銷售期房，而且房地產開發商均未取得產權證，說明其存在著不可預估的在建風險。② 這5個房地產項目區域位置的灰色關聯度系數很大，說明其區域位置不夠理想,給生活上帶來諸多的不便,也會對房屋的銷售造成一定程度的負面影響。③ 項目17、項目75的年均滯銷率得分高，其中項目17解除網簽占比尤其大，解除網簽人數已經超過了正常的范圍,這可能是購房者對開發的項目存在不滿意的情況,房地產企業和相關監管部門應徹查原因并限期整改。④ 項目75、項目86在網簽后的30天內未備案的灰色關聯系數較大，說明這兩個房地產企業沒有在規定時間內持商品房預售合同向縣級以上人民政府房地產管理部門和土地管理部門辦理登記備案手續。這將可能導致一房多售的現象出現，損害消費者利益。⑤ 這5個項目的商鋪和寫字樓占比較普通住宅大，加之區域位置不太理想，故其風險較其他項目更為突出，房地產企業應依據項目的自身定位改善不足，并結合宣傳來吸引更多商戶入駐。

由上面的分析可以看出，運用熵權-灰色關聯分析法對房地產項目風險進行分析，不僅能發現高風險的房地產項目，還能準確找出項目存在的風險點，從而能有效地防控房地產項目風險出現。

表5 高風險項目存在的風險點

三、結論

本文根據熵權-灰色關聯法對房地產項目的風險進行評估，在選取影響房地產項目風險指標時，既考慮了其內部因素，又考慮了與房地產項目密切相關的外部因素，使建立的評價指標體系更為完善。采用熵權法，直接利用數據本身的信息來計算權重，克服了灰色關聯分析法的權重需要依靠專家打分或平權的缺陷，不僅使結果更為客觀，而且可以節約大量的人力和物力。同時，對模型進行了靈敏度、特異性和準確性分析，模型的靈敏度和辨識性都很強，其準確性也很高，說明用該方法評估房地產項目風險是很好的選擇。

通過熵權-灰色關聯法分析，揭示出區域位置、商鋪預售占比、開發商是否取得產權證是房地產項目風險評估中的重要指標，但未必是高風險指標。相較而言，年均滯銷率、期房網簽套數與網簽套數比值、周邊規劃配套才是高風險指標，其對重慶市兩江新區整體房地產項目的風險影響都相對較大。針對兩江新區房地產項目的風險建議從以下3個方面著手進行管控：① 房地產企業應提高基層人員的銷售能力，加大宣傳及優惠促銷力度，吸引購房者、減少房產存量。② 政府部門及房地產企業應即時掌握在建項目信息，當出現風險趨勢時及時制止，以免造成不良后果。③ 相關部門結合實際情況完善所在轄區內的配套設施，吸引部分購房者在所在轄區置房。

根據熵權-灰色關聯法對房地產項目風險的評估值，再利用質量控制圖發現高風險項目為項目17、項目86、項目49、項目75和項目53。根據重慶市兩江新區房屋管理局提供的資料，用質量控制的原理來劃分風險域是合理可行的。再據此對高風險項目各指標進行分析，找出引發房地產項目風險的風險點，幫助相關部門進行房地產項目風險監管。本文基于上述5個高風險房地產項目，發現它們均屬于在建項目，由于在建項目在在建過程中以及建后的風險都難以控制，并且其預售效果也難以確定，由此可能會對房地產企業的資金鏈造成不利影響，所以這類房地產項目出現風險的可能性更大。也就是說，風險點出現在在建項目的可能性很大，房地產企業及相關部門應該針對上述風險點，在問題發生前制定措施降低風險，從而消除其帶來的不利影響。

[1] 唐小飛,劉伯強,王春國,等.我國房地產行業發展趨勢影響因素研究[J].宏觀經濟研究,2014(12):59-66.

[2] 閻春寧.風險管理學[M].上海：上海大學出版社,2002.

[3] 沈悅,李計國,王飛.房地產市場風險識別及預警:文獻綜述及研究方向[J].經濟體制改革,2014(5):33-37.

[4] 劉雙良,楊志云.風險積聚、政策網絡與合作治理——房地產風險的合作治理模式分析[J].中國行政管理,2010(6):104-107.

[5] 阿維納什·佩爾紹德,王璞,王辰.房地產周期、銀行危機與經濟衰退[J].新金融,2016(6):10-15.

[6] 向曉璐.我國房地產企業財務風險評價研究[D].成都：西南財經大學,2014.

[7] 李琴.基于支持向量機回歸模型的重慶市房地產金融風險預警研究[J].重慶理工大學學報(社會科學),2015(11):78-82.

[8] 王佩.房貸企業信用風險評估[D].西安：西安電子科技大學,2011.

[9] 張小芳.房地產項目風險綜合評估研究[D].西安：長安大學,2005.

[10] 蔡建民.基于項目動力學的房地產項目風險管理研究[J].管理現代化,2006,146(4):55-57.

[11] 趙樹寬,馬力.大型房地產項目投資風險評價體系的研究[J].科技進步與對策,2002,19(4):118-119.

[12] 何芳,王小川,肖森予,等.基于MIV-BP型網絡實驗的房地產項目風險識別研究[J].運籌與管理,2013(2):229-234.

[13] QU X,HAO Z.The entropy model of fractal supply chain network system based on fuzzy AHP[J].Journal of Computers,2010,5(8):1213-1218.

[14] CHEN T Y,LI C H.A comparative analysis of objective weighting methods with intuitionistic fuzzy entropy measures[J].Journal of the Chinese Institute of Industrial Engineers,2009,26(6):469-479.

[15] 王清源,潘旭海.熵權法在重大危險源應急救援評估中的應用[J].南京工業大學學報(自然科學版),2011,33(3):87-92.

[16] 鄧聚龍.灰理論基礎[M].武漢：華中科技大學出版社,2002.

[17]CHANGKC,YEHMF.Greyrelationalanalysisbasedapproachfordataclustering[J].IEEEProceedings-VisionImageandSignalProcessing,2005,152(2):165-172.

[18]LIANGRH.Applicationofgreyrelationanalysistohydroelectricgenerationscheduling[J].InternationalJournalofElectricalPower&EnergySystems,1999,21(5):357-364.

[19] 劉莉娜,曲建升,曾靜靜,等.灰色關聯分析在中國農村家庭碳排放影響因素分析中的應用[J].生態環境學報,2013,22(3):498-505.

[20]NASIRD,MCCABEB,HARTONOL.Evaluatingriskinconstruction-schedulemodel(ERIC-S):constructionscheduleriskmodel[J].JournalofConstructionEngineering&Management,2003,129(5):518-527.

[21] 劉軍,潘德惠,田喜龍.房地產項目投資前期的風險評價[J].系統管理學報,2007,16(2):194-197.

[22] 李啟明.房地產投資風險與決策[M].南京：東南大學出版社,1998.

[23] 肖枝洪.多元數據分析及其R實現[M].北京：科學出版社,2013.

[24]LANTZB.MachinelearningwithR[M].Birmingham：PacktPublishing,2015.

AnalysisonRiskAssessmentofRealEstateProjectBasedonEntropy-GreyCorrelationMethod

XIAO Zhihong, TAN Li

(School of Science, Chongqing University of Technology, Chongqing 400054, China)

Based on the data of 89 real estate projects in Liangjiang New District of Chongqing in recent years, the entropy-grey correlation method is used to construct the risk assessment model for real estate project. The model is not only good adaptive, but also highly accurate. The result shows that the five real estate projects of Project 17, Project 86, Project 49, Project 75 and Project 53 are at high risk, which is basically in accordance with the actual situation. There are three risk indicators: unsalable situation, the proportion of forward delivery housing net signed and the condition of surrounding traffic, which has a very significant impact on the real estate risk. It provides the scientific gist and reference for real estate enterprise to check the risk and the relevant government departments’ decision-making.

real estate project risk; risk assessment; entropy method; grey-correlation analysis

2017-03-15

國家統計局統計科研重點項目“多數據源整合與價值挖掘” (2014LZ25)；重慶理工大學研究生創新基金資助項目“重慶市房地產項目風險預警系統”(YCX2016241)

肖枝洪(1965—)，男，湖北漢川人，教授，博士，研究方向：數據分析、應用統計。

肖枝洪，譚荔.基于熵權-灰色關聯法的房地產項目風險評估分析[J].重慶理工大學學報(社會科學)，2017(12):31-37，44.

formatXIAO Zhihong, TAN Li.Analysis on Risk Assessment of Real Estate Project Based on Entropy-Grey Correlation Method[J].Journal of Chongqing University of Technology(Social Science)，2017(12):31-37，44.

10.3969/j.issn.1674-8425(s).2017.12.005

F293.3

A

1674-8425(2017)12-0031-07

(責任編輯魏艷君)