房地产投资风险模糊综合评价(1)

房地产投资风险模糊综合评价作者：单丹作者单位：辽宁工程技术大学研究生学院刊名：产业与科技论坛英文刊名：ESTATEANDSCIENCETRIBUNE年，卷(期)：2009，8(8)被引用次数：0次参考文献(6条)1.朱明强BP神经网络在房地产投资风险分析中的应用[期刊论文]-四川建筑科学研究2006(6)2.钱昆润.芦金铎房地产经济19993.杜栋.庞庆华现代综合评价方法与案例精选20054.沈建明项目风险管理20045.杜栋.庞庆华现代综合评价方法与案例精选20046.葛哲学.孙志强神经网络理论与MATLABR2007实现2007相似文献(10条)1.期刊论文赵莉.ZhaoLi基于BP神经网络的房地产上市公司财务危机预警-价值工程2010,29(8)本文通过对国内外公司财务危机预警相关文献的梳理,并且结合中国房地产行业的特点,提出了构建基于BP神经网络的我国房地产上市公司的财务危机预警模型.2.期刊论文孟强.MENGQiang基于BP神经网络的房地产项目风险评价研究-商业经济2009,(14)房地产开发企业在面临高收益诱惑的同时,必须对风险进行科学的评价,尤其是美国次贷危机以来,面对房地产交易量持续萎缩、房价下降带来的低迷状态,风险管理的重要性更加突出.利用BP神经网络建立的风险评价模型,更加适用于房地产项目的风险评价,并能够提升房地产项目风险评价的准确性,排除人为的主现因素,从而很好的为房地产项目投资决策提供科学的依据,使房地产开发企业有效地规避风险.3.学位论文朱燕妮基于BP神经网络的中国房地产上市公司财务危机预警研究2008经过了几十年的发展，公司财务危机预警的研究已经成为了被国内外学者广泛关注的研究课题，不仅具有较高的学术价值，而且有着巨大的应用价值，可以成为公司管理者及其利益相关者进行决策的重要参考依据。纵观国内外公司财务危机预警领域的相关研究，主要集中在财务危机预警指标体系的构建和预警模型的构建两个方面，且目前已构建的财务危机预警指标体系以及预警模型多为普适性的。然而随着经济的发展，不同行业间的差异越来越明显，原本普适性的预警指标体系和模型，已经远远不能满足各行业的需要了。因而构建出针对各个行业的财务危机预警指标体系和模型已经成为了财务危机预警研究领域的一个重要的发展趋势。就目前来看，一方面中国房地产行业经过了一轮飞速发展期，已经成为了国民经济的支柱产业之一；另一方面近年来随着中国证券市场的快速发展，房地产上市公司的数量和规模也在不断扩大，有越来越多的投资者关注房地产上市公司的业绩和发展。因此针对中国房地产上市公司构建财务危机预警模型迫在眉睫，然而这一方面的理论研究却不多见。本文通过对国内外公司财务危机预警相关文献的梳理，并且结合中国房地产行业的特点，从财务危机的界定、财务危机警度的划分、研究样本的设计和搜集、变量的选取和优化以及构建模型的方法等方面提出了构建针对中国房地产上市公司的财务危机预警模型的思路。首先，本文构建出了中国房地产上市公司财务危机预警指标体系。笔者选取了44家中国房地产上市公司的1998-2006年的数据作为样本，在广泛的文献阅读的基础上，从偿债能力、盈利能力、经营发展能力、资产管理能力、扩张能力、市场价值维度以及公司治理等8个方面选择了能够全面反映出公司经营与管理各个方面的63个指标，先后采用Kruskal-walisH检验和因子分析对指标进行筛选和优化，得到了中国房地产上市公司财务危机预警指标体系，含有8类24个指标，其中包括笔者特别挑选的能够反映出中国房地产行业特色的指标“每股土地储备金额”。其次，本文构建了中国房地产上市公司分警度财务危机预警模型。在本文构建的财务危机预警指标体系的基础上，采用BP神经网络方法，使用提前一年的样本数据建立了预测期为一年的分警度财务危机预警模型。在该模型的构建过程中，本文比较了MATLAB6.0神经网络工具箱中所提供的trainlm、tramrp、tramscg、tramoJg和tratngax五种快速学习方法，选择出了训练效果最佳的trainlm方法进行网络训练，构建出的财务危机预警模型能够对中国房地产上市公司财务状况区别出“健康”、“轻度财务危机”和“重度财务危机”三个警度，在采用检验样本进行仿真检验时获得了92.38％的正确率，而且本模型对财务危机(包括“轻度财务危机”和“重度财务危机”两种情况)的识别能力很强，极大程度上避免了将财务危机误判成健康的情况出现。最后，本文对“海泰发展”1999-2006年的财务状况采用本文构建的针对中国房地产上市公司的财务危机预警模型进行仿真预测，预测结果表明，财务危机年份的预测完全正确，仅出现了1次对健康年份的误判，再次证明了本模型对财务危机的识别能力，应用价值较大。4.期刊论文李万庆.张金水.孟文清.LIWan-qing.ZHANGJin-shui.MENGWen-qing基于小波神经网络的房地产价格指数预测研究-河北工程大学学报（自然科学版）2008,25(1)要对非线性趋势房地产价格指数进行预测,就必须利用模拟非线性的模型.应用BP神经网络来对房地产价格指数进行预测,精度和收敛的速度都不是很理想,这主要是因为BP神经网络本身存在着缺陷.为了克服BP神经网络的缺陷,本文将小波变换和BP神经网络结合起来,运用小波神经网络来对房地产价格指数进行预测,并与BP网络的预测结果进行了比较,最后发现用小波神经网络进行经济预测可以达到很好的效果.5.学位论文范冰辉广州市房地产市场价格评估模型应用研究2007房地产价格评估，是以房地产为对象，对其客观合理的价格或价值进行的估计和判断，是资产评估领域的一个分支。我国的房地产估价经过近二十年的发展，逐步形成了市场比较法、成本法、收益法、假设开发法等传统估价方法。其中市场比较法是最重要、最常用、比较成熟的一种估价方法。房地产市场比较法价格评估是根据经济学中的替代原理，将估价对象房地产与在较近时期内已经发生交易的同类房地产加以比较对照，从已经发生交易同类房地产的已知价格出发，修正得出估价对象房地产价格的一种估价方法。但传统的市场比较法只是对个别因素进行修正，且修正系数由专家凭经验确定，这使得房地产估价带有极强的主观性，难以保证评估结果的客观、科学、公正。本论文针对目前我国房地产估价市场比较法存在的问题运用数学模型进行改进，对AHP市场比较法、模糊市场比较法、灰色市场比较法以及BP神经网络市场比较法进行阐述和比较，发现由于房地产价格与其影响因素之间的复杂、不确定和非线性关系的特性，将人工神经网络引入房地产评估进行改进，能减少由于评估人员主观因素造成的评估结果的偏差，获得较为理想的结果。通过将数理统计中主成分分析与BP神经网络相结合，运用可视化应用软件MATLAB神经网络工具箱进行编程设计，建立基于主成分分析的BP神经网络市场比较法模型。然后，对广州市2006年新增楼盘的样本实证分析，本项研究发现，运用该模型进行房地产价格的预测具备较高的精度，可为房地产价格评估提供较为可靠的理论依据。另外对影响房地产价格的影响因素的重要程度进行分析，运用灰色关联度理论对这些指标进行排序，并分别分析了指标对房地产价格的影响机理，为房地产产品开发定位和市场导向提供新思路。将BP神经网络应用于房地产市场价格评估是较新的理论探索和研究，由于我国房地产市场发展的不健全和房地产价格影响因素的复杂性，该模型还需要后续的完善和深入，以期获得更高的现实应用价值。6.学位论文陈艳房地产投资环境评价方法研究2005房地产投资环境是房地产进行投资前所必须考查的重要环节，对房地产投资环境的评价是房地产投资人进行投资决策，获得投资效益的重要依据。房地产的可持续发展促进经济的增长，因此系统的研究房地产投资环境不论是对投资方还是对受资方都是重要的，它包含了许多内在和外在的影响因素。本文通过对影响房地产投资环境的因素进行分析，构建出房地产投资环境评价指标体系，本文拟采用一些定量指标来对房地产投资环境进行评价。文中介绍了以往的一些评价方法和它们的不足之处，本文提出了用主成分分析法和BP神经网络模型对房地产投资环境进行评价，这种方法便于减少运算量，达到对投资环境全面、准确的评价，较以往的方法有更好的先进性，更客观，更智能。最后，通过一个应用实例来比较各种方法。7.期刊论文商升亮.虞晓芬.徐鹏飞.施鸣伟BP神经网络在杭州房地产市场预警中的应用-统计与决策2005,(16)在现阶段房地产业快速发展的同时,有关房地产市场是否过热的问题越来越被大家所关注.但是对房地产市场是否存在泡沫的问题一直没有一致看法.文章主要尝试通过BP神经网络对杭州市历年的指标数据进行拟合,分析预测2004-2005年的数据.并通过黄色预警方法中比较成熟的统计预警法,来判断杭州市房地产市场现在和未来两年的综合情况.8.会议论文魏学薛基于BP神经网络的房地产价格指数组合预测2008本文利用基于BP神经网络的非线性组合预测模型对我国36个大中城市房地产价格指数进行了预测，与其他几类常用的预测模型相比该模型的预测精度明显占优，同时使用该模型预测出我国2007年第一季度的36个大中城市房地产价格指数为106.1274。9.期刊论文杨励雅.邵春福.YangLi-ya.ShaoChun-fu基于BP神经网络与马尔可夫链的城市轨道交通周边房地产价格的组合预测方法-吉林大学学报（工学版）2008,38(3)为解决先验数据有限且存在大量不确定因素情况下,城市轨道交通周边房地产价格的预测问题,提出一种基于BP神经网络与马尔可夫链的组合预测模型.首先,采用BP神经网络,使用较少量的样本数据完成城市轨道交通周边房地产价格曲线的粗略拟合;在此基础上,借助马尔可夫链进行系统状态划分,缩小预测区间以提高预测精确度;最后,运用基于BP神经网络与马尔可夫链的组合模型,对北京市轨道交通13号线周边房地产价格进行了预测分析.计算结果表明,该模型具有较高的精度和可靠性.10.学位论文杨黎萌基于BP神经网络的交易型房地产估价研究2004房地产估价在中国是一项新兴中介服务业,是在市场取向改革目标的确立和实施过程中逐渐发展起来的.随之房地产估价方法也需要进一步发展.在多种房地产价格评估方法中,市场比较法是最重要最常用的方法,也是比较成熟的一种估价方法.市场比较法的理论依据是经济学中的替代原理,而房地产市场比较法价格评估是将估价对象房地产与在较近时期内已经发生了交易的类似房地产加以比较对照,从已经发生了交易的类似房地产的已知价格,修正得出估价对象房地产价格的一种估价方法.传统的市场比较法只是对个别因素进行修正,且修正系数也是由专家凭经验确定.这使得房地产估价带有极强的主观性,容易产生房地产估价市场的不稳定.该论文针对目前中国房地产估价市场比较法存在的问题进行分析,并着重对AHP市场比较法,模糊市场比较法,灰色市场比较法,及BP神经网络市场比较法进行阐述,分析其存在的价值及不足之处.提出了广义的BP神经网络市场比较法.此方法是将数理统计中主成分分析与BP神经网络相结合,运用可视化应用软件MATLAB神经网络工具箱进行编程设计.并将权系数的概念引入房地产估价理论中.最后,通过一个完整的应用实例来说明该文方法的应用过程及应用价值.本文链接：：上海海事大学(wflshyxy)，授权号：c816d9d1-afb0-4abe-b82b-9dc601077457下载时间：2010年8月2日