基于BP神经网络的房地产市场持续健康发展评价研究——以南昌市为例

张 鹤，肖泽干

（江西财经大学 旅游与城市管理学院，江西 南昌 330032）

2011年以来房地产调控措施力度不断加大，非合理住房需求得到有效抑制，作为拉动GDP增长重要力量之一的房地产业开始步入调整期；但同时，房地产业作为国民经济的基础性产业、主导性产业以及日益成形的支柱产业，短期内仍不会改变.因此，房地产既不能一味打压，亦不能放任自流，房产市场调控需要合理性，而如何定量判断房地产业健康持续程度则尤为重要.

目前，国内对房地产健康程度评价的方法一般采用德尔菲法、层次分析法、路径系数分析法、立体式综合评价法和模糊综合评价法等方法.如段际凯（2003）、李东晔（2010）等采用了德尔菲法、层次分析法讨论房地产健康发展问题；而翁少群,张红（2004）、王仁涛（2007）、刘览等（2008）运用模糊识别理论展开了对房地产市场发展阶段的研究；石玉对（2011）等采用路径系数分析法对中国住宅市场价格泡沫进行测度.这些方法由于受专家个人情感喜好因素的影响存在一定的主观性，使被评价指标的评分存在着一定误差，并且没有考虑到评价结果与其影响因素的非线性关系，使得专家在对项目评价过程中产生信息失真，有失评价结果的客观性.因此，在房地产持续健康程度评价的过程中，既考虑专家权数，又考虑各指标权重是整个评价过程中最关键的环节.本文针对房地产行业的特点，建立BP神经网络评价模型对南昌市房地产市场健康程度进行综合评价.

1 房地产市场持续健康发展评价指标体系构建

房地产业持续健康发展，是指房地产业的发展既能满足当代人的生产生活用房需要，又不危及子孙后代生产生活对土地、房屋的需求.世界各地的房地产市场发展经验和教训告诉我们，房地产市场的区域性特征决定了其首先要与该地区经济发展相协调；其次，该地区房价是否为居民可支付、可承受的，超过了居民可承受能力外的房产市场是不可持续的.最后，要避免房地产市场受到金融过度支持以产生过热现象，良好的房地产市场应该与地区金融市场具有较好的协调性[3].

目前，国内房产市场预警指数主要有上房50指数、武房指数、深房等，同时众多学者亦从不同角度提出较多的预警体系，如丁烈云（2001）、屠梅曾（2006）等.通过众多文献梳理，本文从四个方面来选取影响房地产市场健康发展的具体影响因子.[1]-[3]

1.1 房地产市场与地方经济协调发展指标.该指标主要反映房地产自身数量水平及其在地方经济中的水平，包括住宅产业贡献率、房地产投资增长率/GDP增长率；

1.2 房地产价格合理性指标.房价是否合理？能否为广大人民群众接受？多少才算合理？一般来讲，房价合理与否应满足三个方面：（1）商品住宅必须反映其价值，因为价格由价值决定并反映其价值；（2）商品住宅价格应适应社会发展的消费水平；（3）商品住宅的价格随供求关系变化而变化，即市场是有效的.为此，本文拟选取房价增长率/人均可支配收入增长率、房地产价格增长率/GDP实际增长作为代表指标.同时，已有大量文献证实房价与地价见存在互动关系，地价变化能够传导给房价，探讨地价对于房价具有重要意义，因此引入地价增长率/GDP增长率指标.

1.3 住房市场供需平衡和结构平衡指标.一个有效的住房市场供求指标应该包括总量平衡指标和结构平衡指标两大类.其中，总量平衡指标包括供求比、商品房空置率；结构平衡指标为保障性住房面积/住宅面积.

1.4 房地产市场与金融市场协调发展指标.房地产市场的自身特点决定了其与金融业紧密相联，当讨论房价泡沫时，必须立足于金融风险这个角度来考虑，脱离了金融风险这个视角，房价泡沫便是一个飘渺不定、无法度量的东西.[4]本文拟选取房地产贷款总额/金融机构贷款总额、自有资金/银行房地产开发信贷作为代表指标.

表1 房地产市场持续健康发展评价体系

为对房地产健康评价进行定量分析，就必须要对健康程度划分区间.目前已有许多学者进行过该方面的探讨与研究，如彭翊（2002）划分了房地产预警区间、段际凯（2003）在其基础上对预警区间进行了适度修订，翁少群,张红（2004）、王仁涛（2007）等人为房地产发展程度划分了区间.结合众多研究文献，本文以非等间距的方式，将房地产市场健康评价等级划分为五个健康等级.各级别描述及其对应分值如表 2所示：[5，6]

2 选取评价模型

BP神经网络是目前最成熟、应用最为广泛的一种前馈性神经网络，其能够实现任意线性及非线性的函数映射，避免了人为确定权重，从而减少了主观评价上的不确定性及模糊性，通过系统训练学习使得模型误差达到精度要求，从而提高了评价结果的有效性与客观性.其具有简单、易行、计算量小、并行性强等特点，能够通过不断的网络训练来完善自己，从而使得个别神经元和连接的损坏不会影响整体效果，具有良好的鲁棒性和容错能力.

表2 房地产市场持续健康发展分级标准

图1 房地产市场持续健康评价BP神经网络模型拓扑结构

有文献证明，一个3层的BP网络模型就能够实现任意的连续映射.[7]因此，本文对房地产持续健康发展评价BP神经网络模型采取输入层、隐含层、输出层3层网络结构，依据指标体系，输入层神经元个数为10个，输出层神经元个数为1，如图1所示.其中，隐层神经元个数可由以下公式确定：K=，式中K为隐层神经元输出个数，M、N分别为输入层、输出层神经元个数，α为1～10的常数.

3 实证分析

3.1 南昌市概况

南昌市为江西省会城市，为鄱阳湖生态经济区核心城市.市区常住人口197万，地区生产总值(GDP)1500亿元，城镇居民人均可支配收入18276元.南昌市区行政区域面积617平方公里，已建成区面积208平方公里，其中居住用地面积51平方公里.

3.2 数据来源与处理

本研究数据主要来源于《江西统计年鉴》（2005-2011），《南昌统计年鉴》（2005-2011），房地产企业自有资金、房地产开发信贷等数据来源于国研网、中经网，部分数据由作者根据资料整理而得.

在建立BP神经网络之前，首先对数据进行归一化处理.为了保障BP神经网络在训练过程中的稳定性，需要将网络的输入值进行归一化处理，本文将指标时间序列值归一化到[-1,1]之间.归一化方法采用Matlab7.1中的premnmx(p)函数，归一化后数据如表3所示.

表3 2004-2010年各指标无量纲化数据

3.3 BP神经网络评价结果及分析

把2004年到2010年各项指标的数据作为神经元节点输入，结合专家评分法，对神经网络进行训练.网络经过学习，获得各指标及评价结果间的关系.其中，BP神经网络的训练参数的设定：误差设定为1e-6，隐层神经元数选取7个，学习速率为0.05，最大迭代次数为175次.

图2 2004-2011年南昌市房地产市场持续健康评价结果

作者依据南昌市十二五规划、南昌市统计局统计资料及南昌易居房地产研究所报告等资料整理出2011年相关数据.通过网络训练，产生2011年南昌市房地产市场健康评价.其结果与南昌市房地产市场实际情况相符，南昌自2011年3月施行“限购令”以来，住宅成交面积同比减少88.5万平方米，减少41.65%；住房成交均价同比减少0.23%；很明显，严厉的房地产调控政策效力凸显，房地产市场不断降温.从图2可以看出，南昌市房地产市场健康发展程度呈现先总体下降再趋于总体稳定趋势.总体上可以分析为前期投机投资因素较多，后期调控政策作用开始显现.以上分析结果表明，神经网络模型在房地产评价中应用具有可行性.

4 讨论

在方法上，本文初步的将BP神经网络运用到房地产市场持续健康水平评价上来，借希望进行一个有益的探讨.BP神经网络具有较强的鲁棒性和容错性，但BP神经网络运算亦存在容易陷入局部最小点、在等界边缘亦由于误差存在落入不同区间等缺点，如何解决该问题亦是在未来进一步完善模型中所需要考虑的.

关于房地产指标体系方面，目前其研究文献较多，其中多从泡沫、市场发展程度等角度建立评价指标体系，但是对于可持续性发展讨论较少，同时普遍使用的评价体系也还没有形成，即使形成了普遍使用的评价体系，其亦需要接受实践的检验，针对不同的城市进行指标的选取与完善工作.因此，本文所提出的房地产持续健康发展评价指标体系，本身就只能限于是一个有意义的初步探讨，需要在未来进一步的优化指标体系，使模型运算结果更加接近实际.

〔1〕姚玲珍，张小勇.中国住宅业可持续发展的定性研究[J].中央财经大学学报,2008(4).

〔2〕刘成高.中国房地产业可持续发展研究[M].成都：西南财经大学出版社,2008.

〔3〕叶艳兵，丁烈云，房地产预警指标体系设计研究[J].基建优化，2001.

〔4〕吕江林.我国城市住房市场泡沫水平的度量[J].经济研究,2010(6).

〔5〕翁少群，张红.基于模糊模式识别理论的中国房地产市场发展阶段判别研究[J].土木工程学报,2004(5).

〔6〕彭翊.城市房地产预警系统设计[J].中国房地产,2002(6).

〔7〕RUMELHART D,HINFON G,WILIAMS R.Learning Representation by Back Propagation Errors[J].Nature,1986(323):533-536.