房地產市場預警體系研究及展望

[摘要] 作者從客觀實際和預警方法兩方面入手對我國房地產預警的局限性進行探討；指出有待解決的關鍵問題和進一步的研究方向；最后重點提出基于TEI@I方法論框架下房地產預警的新構想。

[關鍵詞] 房地產 風險預警系統 TEI@I方法論

一、引言

房地產市場預警，屬于經濟預警的范疇。主要指通過指標體系的選擇和建立，采取一定方法對房地產市場可能出現的異常態勢預先發出警告，對潛在問題采取對策以促進行業的持續健康運行。目前，在我國建立科學準確的房地產風險預警系統已成為防范房地泡沫、推進經濟持續穩定發展的關鍵所在。

二、我國房地產預警局限性分析

目前，合理預期理論、貨幣理論、時滯理論等已應用到宏觀經濟預警，卻沒很好地應用到房地產領域。主要原因有：一是以上理論和方法主要是針對特定的預警對象采用，不一定適合房地產市場特有的規律；二是我國房地產市場發育較晚，積累的歷史數據不多，統計口徑不一致，統計數據不完整等使得預警工作困難重重。

預警方法為房地產預警系統的核心，常用方法有景氣循環法、綜合模擬法、景氣調查法、計量經濟模型、人工神經網絡(ANN)等，然而采用單一預警方法具有局限性。

1.景氣循環法：合成指數是對各警兆指標的加權，雖然綜合指標可反映市場整體波動狀況，但也容易掩蓋某些指標的個別的異常波動，有可能忽略某個重要指標，不利于找出警源。

2.經濟計量方法:(1)模型利用隨機誤差來表示未知因素對模型的沖擊，這樣“平滑”處理的結果是預警過程中漏掉了周期性運動的轉折點。(2)需要大量的統計數據支持。

3.景氣調查方法雖然是較有效的趨勢預測方法，但該方法是對房地產領域的企業家和消費者做問卷，相比之下定性分析色彩較為濃重。

4.綜合模擬法雖利于尋找警源，但房地產的長周期性特點使得各預警指標很可能不在同一時點，如土地出讓面積和房屋銷售面積可能相差一兩年甚至更久，若將其放在同一時點，必然引起偏差。

三、擬解決的關鍵問題及研究方向

1.多種預警方法協同，相互印證，揚長避短。目前最為典型的如丁烈云(2002年)在其博士論文中重點探討了基于景氣循環波動理論的房地產預警、基于系統核與核度理論的房地產綜合模擬預警和基于模糊神經網絡理論的房地產預警，以武漢市房地產市場為對象，模擬仿真結果與實際情況相符。

2.未來的研究應充分利用計算機技術開發實用、先進的軟件，使房地產預警系統具有良好的人機交互能力，實施動態預警。將計算機信息系統建模技術引入到城市房地產經濟預警領域會成為今后研究的新方向。

3.隨著房地產業的不斷發展，會出現新的影響因素導致原有指標體系不能完全反映市場的變化。因此如何建立普遍適用的房地產預警指標體系也是今后研究的一個重點。

4.預警是建立在預測技術之上的，其結果往往與實際有偏差，如果錯誤報警將會造成一定的經濟損失。而關于對預警錯誤的成本問題的探討一直處于空白。誤警概率(發生警情卻沒有報警)和虛警概率(實際沒有發生卻報出警情)的確定目前也沒有科學的方法進行估計。因此錯誤預警之成本探討以及預警可靠度都仍然是有待深入研究的問題。

5.其他：解決重定量研究，定性研究不夠深入的問題，應重視實證研究；應重視對預警模型或預警系統結論的檢驗，加強對預警系統評價的研究。

四、有關房地產市場預警的展望

1.新的預測方法——TEI@I方法論。以中科院預測研究中心汪壽陽研究員為領導的學術研究小組于2004年首次在日本筑波大學復雜系統研討會上針對復雜系統提出了TEI@I方法論的全新概念。TEI@I方法論是一種結合傳統的統計技術與新興的人工智能技術的一個方法論。從這個名稱來看，這個方法論是基于“文本挖掘(Text mining) + 經濟計量(Econometrics) + 智能技術(Intelligence) @ 集成技術(Integration)”而形成的。這里用“@”而不用“+”，主要目的在于強調是一種非疊加性的集成，強調集成的中心作用。在這個方法論中，系統地融合了文本挖掘技術、經濟計量模型、人工智能技術及系統集成技術。在復雜系統的分析與研究中，TEI@I方法論是基于一種“先分解后集成”的思想，首先將復雜系統分解，利用經濟計量模型來分析對復雜系統呈現的主要趨勢，利用人工智能技術（如人工神經網絡、支持向量機等）來分析復雜系統的非線性與不確定性，然后利用文本挖掘等技術來分析復雜系統的突現性與不穩定性，最后基于集成的思想，把以上分解的復雜系統的各個部分集成起來，形成對復雜系統總體的分析與建模，從而達到分析復雜系統的目的。

2.基于TEI@I方法論的房地產市場預警構想。筆者根據房地產市場與國際原油市場具有相似性，即都具有波動性、復雜性和不規則性，而且價格經常受一些不規則性突發事件的影響(對于房地產市場而言諸如房地產調控政策等等)，得到基于TEI@I的房地產市場集成預警模型構想框架如上圖：以某地區房價預測為例，首先，利用ARIMA模型來對房價序列的線性趨勢建模；其次，利用ANN模型擬合房價序列的非線性趨勢；接下來，利用文本挖掘和專家系統技術來捕捉和量化重要事件對房價的影響，最后，利用集成預測技術將這三者綜合集成，形成一個集成的預測結果。

參考文獻:

[1]李啟明:房地產投資風險與決策[M].南京:東南人學出版社 1998

[2]丁烈云徐澤清:城市房地產預警系統的設計與開發[J]．基建優化，2000，(12)

[3]余樂安汪壽陽等:外匯匯率與國際原油價格波動預測 TEI@I方法論[M].湖南大學出版社， 2006

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文。