基于神經網絡的房地產金融風險預警研究

(華僑大學 福建 泉州 362021)

?

基于神經網絡的房地產金融風險預警研究

楊永剛

(華僑大學福建泉州362021)

近些年來房地產行業取得了迅猛的發展，房地產金融在房地產行業的發展中起到了舉足輕重的作用，但同時房地產市場蘊藏的風險也是比較大的。本文對房地產金融風險預警進行概述，對房地產金融風險預警系統進行了設計和構建，提煉出了房地產金融風險預警指標，選取人工神經網絡方法作為預警方法，并以北京市的數據為例進行了房地產金融風險預警系統構建，完成了預警系統的初步設計，并得出了初步的結論。

房地產；金融風險；預警；神經網絡

一、房地產金融風險預警概述

(一)房地產金融及風險

1.房地產金融

房地產金融有廣義和狹義之分，廣義的房地產金融，是與房地產活動有關的一切金融活動。狹義的房地產金融表現為一些具體的金融形式，如房地產銀行發行債券，成立住房儲蓄機構，安排房地產企業和基金上市，成立按揭類的證券公司，住房抵押貸款證券化等。一種看法認為，房地產金融最簡單的含義就是房地產資金的融通，其實，房地產資金的融通不等于房地產金融，融資是房地產金融的一個主要方面，它包括房地產信貸融資、房地產股本融資、房地產債券融資和運用信托方式融資等。房地產金融除了融資功能還有許多其他的金融功能，如房地產保險、房地產信托、房地產證券、房地產典當等。我國目前的房地產金融還處于初級階段，還沒有形成真正意義上的房地產金融[1]。

2.房地產金融風險

房地產金融風險是指銀行為房地產業提供資金的籌集、融通、清算等金融服務活動中，由于各種事先無法預料(即不確定)因素的影響，使銀行的實際收益與預期收益發生背離，從而蒙受經濟損失的可能性。房地產金融風險不僅包括單項業務、單個金融機構面臨的風險，也包括整個房地產金融體系的風險。房地產業本身是一個高投入、高利潤的產業，先天就具備高風險性，金融業介入房地產業之后，如果支持過度，容易引起信用膨脹問題，從而誘發危機。房地產調整帶來的金融風險主要有信用風險、流動性風險、資產負債結構風險、資產質量風險、利率風險、通貨膨脹風險、匯率風險和其它風險等[2]。

(二)房地產金融風險預警模型

1.金融風險預警系統

常見的金融風險預警模型有:(1)人工神經網絡模型，模型特點是計算簡單，易于理解和操作，但是評價標準的確定具有很強的人為性，因此評價結果的準確性和客觀性有時難以令人信服；(2)基于案例推理CBR模型，模型特點是適用于問題描述半結構化和經驗豐富的領域；(3)動態信息融合法，模型特點是改善了人工神經網絡方法缺少專家知識的缺點，有很好的定量標準和決策支持系統，并且仿真效果較好[3]。

2.人工神經網絡模型

人工神經網絡模型是由大量處理單元相互關聯組成的非線性、自適應信息的處理系統。該模型的信息處理功能是由人工神經網絡拓撲結構和網絡單元的輸入輸出特性所決定的。模型的求解方式是經過訓練來解答，即該模型訓練一個神經網絡(network)，把同一系列的輸入例子(input)和理想的輸出(target)作為訓練的“樣本”，根據一定訓練算法對該神經網絡進行足夠的訓練，使得人工神經網絡學會包含在“解”中的計算原理。該模型的建立主要由以下幾個步驟:(1)對全部連接權的權重進行初始化；(2)取一個模式輸入網絡計算出網絡的輸出值；(3)計算該輸出值與期望輸出值的誤差，然后反向傳播調整權重；(4)對訓練集的每個模式都重復上兩個步驟，直到整個訓練誤差達到能令人滿意的程度為止[4]。

(三)房地產金融風險預警指標

1.房地產開發投資總額/固定資產投資總額

此項指標是反映全社會固定資產投資結構是否合理的基礎性指標。按照國家統計局的規定，全社會固定資產投資包括城鄉建設項目投資，房地產開發投資，國防、人防建設項目投資及農戶投資。根據發達國家的經驗數據，該項指標比較合理的水平為20%-25%。

2.房屋施工面積/房屋竣工面積

房地產建設周期一般是1-2年，現在的房屋施工面積在1-2年后即將成為房屋竣工面積。因此，房屋施工面積/房屋竣工面積反映了1-2年后現房供應量，其是重要的前瞻性指標。根據國外經驗數據顯示，若其值小于3.0，未來市場會出現房屋供應短缺；若其值大于4.0，未來市場房屋供應量將會放大。

3.銷售均價/月可支配收入

月可支配收入是關系到貸款人的還款能力的重要指標。最新的一項調查顯示，有91.1%的人購房用了按揭。按揭月供款與銷售價格、購房面積、按揭期限、利率等有關，一般情況下，按揭月供款是房地產價格的25%，而月可支配收入應大于按揭月供款才可能使貸款人按期按量還款。因此，按揭月供款若遠大于城市居民家庭可支配收入，則說明房地產市場價格虛高，泡沫嚴重。

4.竣工房屋面積/購置土地面積

該指標反映了房地產市場的一個生產要素的穩定性是否在一個合理穩定的水平。土地是稀缺資源，政府供應土地的多少、價格直接決定著房地產市場未來的走向。

二、房地產金融風險預警系統構建

(一)預警指標的選擇

由于房地產帶有明顯的地域等特性，例如不同的地方、行政區劃和經濟水平等不盡相同。因此，我們最終決定采用北京市的數據作為的研究樣本，其中分別選取北京市2005-2013年的數據進行分析，我們將指標進行相應的數據分析，其中我們分別用X1，X2……來表示不同的指標，其中具體的意義如下：X1表示房地產開發投資/全社會固定資產投資，X2表示房屋施工面積/房屋竣工面積，X3表示商品房平均銷售價格/城鎮居民人均可支配收入(元/月)X4表示房地產開發企業竣工房屋面積/房地產開發企業購置土地面積。

1.房地產開發投資/全社會固定資產投資

表2.1 房地產開發投資/全社會固定資產投資

2.房屋施工面積/房屋竣工面積

表2.2 房屋施工面積/房屋竣工面積

3.商品房平均銷售價格/城鎮居民人均可支配收入(元/月)

表2.3 商品房平均銷售價格/城鎮居民人均可支配收入(元/月)

4.房地產開發企業竣工房屋面積/房地產開發企業購置土地面積

表2.4 房地產開發企業竣工房屋面積/房地產開發企業購置土地面積

(二)預警指標權重的確定

對于風險系統，我們需要進行相應的確定各個指標之間的關系，通過這個關系構建一個神經網絡的訓練函數來形成一個好的神經網絡系統。本文采用主成分分析法來構成一個訓練函數。由于本文采用了許多不同的數據指標，各個指標之間的數據量級和數據量綱不盡相同。如果對數據進行運算可能產生不合理的影響，為了消除這些影響，我們對數據進行標準化處理，這樣方便數據的處理，對指標數據進行標準化處理后的數據見下表：

表2.5 數據標準化后的數據

要進行神經網絡的分析需要一個訓練函數，利用這個訓練函數來進行神經網絡的訓練。主成分分析，是考察多個變量間相關性的一種多元統計方法，研究如何通過少數幾個主成分來揭示多個變量間的內部結構，即從原始變量中導出少數幾個主成分，使它們盡可能多地保留原始變量的信息，通過這種方式來揭示數據內部之間的關系。

利用KMO的值來檢驗是否可以利用主成分分析的方法，通常情況下，當KMO=0的時候，其相關性就很弱；當KMO=1的時候，其相關性就很強。在進行KMO的檢驗時，根據規定，當KMO>0.5時，可以進行主成分分析法。利用SPSS得出的KMO值為0.535，它的KMO>0.5，因此，可以進行主成分分析。利用SPSS進行相應的計算得之，其結果如下表所示：

表2.6 指標貢獻度

由得到的成分得分系數矩陣，構建如下的成分構造函數：

F1=0.173X1-0.561X2+0.161X3+0.547X4

F2=0.786X1-0.032X2-0.547X3+0.013X4

進行歸一化處理后，得到各個指標的權重為：

表2.7 各個指標的權重

三、房地產金融風險預警指標預測

BP神經網絡能夠預測各種不定因素的數據，通過神經網絡我們能夠很好的進行各種無法進行量化的指標和各個指標之間的權重分析。下面將會利用BP神經網絡來完成各個監控指標的預測。同時，利用這些監控指標來預測未來的各個預警指標。

(一)神經網絡的建立

接下來將建立相應的神經網絡來進行網絡的訓練，本文將利用2005年-2012年的輸入指標來進行神經網絡的訓練，同時利用2006年-2013年的數據作為Target。其中A表示輸入矩陣，B表示Target矩陣，如下圖所示是矩陣數據：

表3.1 神經網絡訓練輸入數據

表3.2 神經網絡target數據

如上圖所示，其中各列分別代表輸入指標，其中行表示從2006-2013年的訓練指標。由相應的項目進行比較，可知得到的結果相差不大，滿足神經網絡分析方法的要求。

表3.3 BP神經網絡得到的輸出結果

(三)神經網絡模型數據預測

接下來我們將利用神經網絡的模型來進行數據預測，上面我們已經訓練好了一個神經網絡，接下來我們將采用2007年-2013年的數據作為輸入數據，預測2014年的各項指標。其中訓練的結果的數據如下：

表3.4 神經網絡預測結果

由上表可以得到，對于2014年的各項指標的預測值，然后根據之前學者做過得出的預警指標的范圍可以對應得出各個指標的冷熱程度：

表3.5 預警指標冷熱程度范圍

表3.6 預警結果

綜上可得，北京房地產市場整體還是處于比較熱的狀態，這值得我們關注，因為持續的火熱最終會導致泡沫的破滅，因此，我們應該采取適當措施來使房地產市場穩定，促進房地產市場健康發展。

[1]謝百三等.中國房地產市場宏觀調控的成效及風險防范研究[J].價格理論與實踐,2005(10):42-43.

[2]毛建林.中國房地產金融風險分析及防范研究[D].四川大學,2007:21.

[3]董小君.金融風險預警機制研究[M].經濟管理出版社，2004

[4]呂紹成，何亞伯.BP神經網絡在房地產監測預警系統中的應用[J].科技進步與對策，2004(2).

華僑大學研究生科研創新能力培育計劃資助項目。

楊永剛(1991.11)，男，漢族，甘肅靜寧，金融碩士研究生，華僑大學經濟與金融學院，研究方向：風險管理；李杰(1996.10-)，男，漢族，河北邯鄲，華僑大學工商管理學院信息管理系2014級本科生。