基于云理論的房地產(chǎn)投資決策風(fēng)險評價

賈小妮

（西安外事學(xué)院工學(xué)院建筑工程系，陜西西安 710077）

0 引言

房地產(chǎn)開發(fā)項目生命周期較長，從投資決策階段的項目建議書和可行性研究到最后的竣工驗收，各個階段都存在著各種各樣的風(fēng)險因素，而投資決策階段在整個開發(fā)過程中起著至關(guān)重要的作用。要減少和避免損失，將威脅化為機會，項目執(zhí)行者們就必須了解和掌握項目風(fēng)險的來源、性質(zhì)和發(fā)生規(guī)律，并對其進行評價，將風(fēng)險帶來的損失降到最低。云模型是定性定量不確定性轉(zhuǎn)換模型，將其應(yīng)用到房地產(chǎn)投資決策的風(fēng)險評價上來，實現(xiàn)定性概念與定量數(shù)值之間的不確定性轉(zhuǎn)換，可使風(fēng)險評價更加客觀。

1 云模型[1]

1.1 云的涵義

設(shè)T是一個定量論域，用精確數(shù)值表示，T={x}，W是T上的定性概念，即與T相關(guān)聯(lián)的語言值，且隸屬度x是定性概念W的一次隨機實現(xiàn)，x對W的確定度 μw(x)∈[0，1]是一個具有穩(wěn)定傾向的隨機數(shù)。則隸屬度x在論域T上的分布稱為隸屬云，簡稱云，每一個x稱為一個云滴。

1.2 云的數(shù)字特征

云的三個數(shù)字特征是Ex(Expected Value)、En(Entropy)和He(Hyper Entropy)，分別表示期望值、熵和超熵，用它們整體表示一個概念。

期望值Ex是最能夠代表定性概念的點，是云滴x在論域空間分布的期望值，是概念量化的最典型樣本，對應(yīng)著云的中心。

熵En既是定性概念隨機性的度量，反映了代表定性概念的云滴的離散程度，又是定性概念亦此亦彼性的度量，反映了論域空間中可被概念接受的云滴的取值范圍。

超熵He是熵的熵，即熵的不確定性度量，由熵的隨機性和模糊性共同決定。

1.3 正態(tài)云模型

云是通過云模型來具體實現(xiàn)的，云模型也是云聚類、云推理、云運算、云控制等方法的基礎(chǔ)，其實現(xiàn)方法很多，如正態(tài)云模型、組合云模型、半云模型。正態(tài)云模型的數(shù)學(xué)期望曲線如下，它在表達語言值時最常用。

利用計算機輸入正態(tài)云的3個數(shù)字特征值(Ex，En，He)，即可根據(jù)算法生成正態(tài)云。

1.4 云發(fā)生器

可以用計算機軟件來實現(xiàn)云的生成算法，也可以用云發(fā)生器( Cloud Generator)來實現(xiàn)。云發(fā)生器分為正向云發(fā)生器和逆向云發(fā)生器，由定性概念到定量表示的過程，稱為正向云發(fā)生器，過程如圖1所示。

圖1 正向云發(fā)生器Fig. 1 Forward normal cloud generator

具體算法步驟為：

（1）生成以En為期望值，He2為方差的一個正態(tài)隨機數(shù)

（4）具有確定度iμ的ix成為數(shù)域中的一個云滴；

由定量表示到定性概念的過程，稱為逆向云發(fā)生器[2]，過程如圖2所示。

圖2 逆向云發(fā)生器F ig. 2 Backward cloud generator

逆向云發(fā)生器的算法有兩種，一種是需要確定度信息的，另外一種是不需要確定度信息的。本文用到的逆向運算法是無需確定度信息的，具體算法步驟如下：

依據(jù)統(tǒng)計原理，無論采用哪種算法，誤差都是難以避免的。樣本點越少，誤差越大，樣本點越多，誤差越小。云滴數(shù)目n越大，Ex越精確，相應(yīng)的En和He的估計誤差就越小。

2 房地產(chǎn)投資決策階段風(fēng)險評價

對于某一個房地產(chǎn)開發(fā)公司開發(fā)的一個具體的房地產(chǎn)項目，由于開發(fā)公司的規(guī)模、實力、管理水平以及項目所處的地理環(huán)境、經(jīng)濟環(huán)境等均存在著差異，不同的項目面臨的風(fēng)險有所不同。經(jīng)過對多家房地產(chǎn)開發(fā)公司的調(diào)研結(jié)果表明：在對一個具體的房地產(chǎn)項目進行投資決策時，房地產(chǎn)開發(fā)商較為關(guān)注的風(fēng)險是政治風(fēng)險、經(jīng)濟風(fēng)險、技術(shù)風(fēng)險和管理風(fēng)險。具體見表1所示。

計算步驟[4]：

（1）對以上風(fēng)險因素的的發(fā)生概率進行專家主觀估計，分別估計出樂觀概率、最可能概率及悲觀概率，并分別用a、m、b來表示，根據(jù)無確定度信息的逆向云發(fā)生器算法計算每一風(fēng)險因素的三個特征值(Ex, En, He)；

（2）依據(jù)正態(tài)云發(fā)生器產(chǎn)生的云滴是一個期望EX＝Ex、方差DX=En2+He2的隨機變量，分別計算a、m、b的期望值及方差；

（3）對每個風(fēng)險因素都用a、m、b三個估計，是假定三個估計均服從β概率分布。因此，各風(fēng)險因素的期望值及方差分別為：

根據(jù)超熵的性質(zhì)運用逆云發(fā)生器計算各風(fēng)險的超熵He；

（4）因為逆向云算法需要大量的云滴統(tǒng)計結(jié)果，云滴數(shù)量的多少，直接決定了統(tǒng)計結(jié)果的好壞。云滴數(shù)n越大Ex越精確，逆向云算法計算出的En和He的估計誤差就越小，三個參數(shù)的誤差都隨著云滴數(shù)量的增加而逐漸減少。通過超熵He的大小可反映出各個風(fēng)險因素對房地產(chǎn)開發(fā)項目的影響程度，He越大，開發(fā)項目遭受影響越大。

表1 房地產(chǎn)投資決策風(fēng)險評價指標(biāo)體系[3]

3 結(jié)論

房地產(chǎn)開發(fā)項目在前期投資決策過程中存在著大量的風(fēng)險因素，這些風(fēng)險因素直接或間接地關(guān)系到項目的正常實施，為了保證項目的順利實施，必須對這些風(fēng)險因素進行評價。本文將云理論應(yīng)用到房地產(chǎn)決策階段的風(fēng)險評價中，并通過實例進行了驗證，證明了該方法的可行性。

[1] 李德毅，杜鹢.不確定性人工智能[M].2005年7月第一版.

[2] 邸凱昌，李德毅，李德仁.論及其在空間數(shù)據(jù)發(fā)掘和知識發(fā)現(xiàn)中的應(yīng)用[J].中國圖像圖形學(xué)報，1999,4（11）：930-935.

[3] 崔楷.基于云理論的工程項目風(fēng)險評價[J].河南科學(xué)，2012,4.

[4] 閆文周，賈小妮.基于云模型的網(wǎng)絡(luò)計劃評審技術(shù)[J].山西建筑，2007,3.