基于LVQ神经网络模型的房地产预警研究.pdfVIP

№ ．4 陕西科技大学学报 Aug．2O11 Vo1．29 JOURNALOFSHAANXIUNIVERSITY OFSCIENCE TECHNOIOGY · l55 · 文章编号 ：1000—5811(201i)04—015504 基于 LVQ神经网络模型的房地产预警研究 朱雅菊 (上海交通大学安泰经济与管理学院，上海 200030) 摘 要 ：LVQ神经 网络模型具有很好 的模式识别特性，作者选取 1995～2009年上海市房地 产相关数据作为研究样本 ，构建 了基于 LVQ神经网络 的预警模型 ，经过训练测试后 ，该模型 具有 良好的分类功能．仿真结果表 明，利用 IVQ 网络进行模式识别是合适的，所构建的预警 模型能够有效地预测房地产危机． 关键词 ：房地产预警；LVQ 网络 ；人工神经网络 中图法分类号 ：F224 文献标识码：A 0 引 言 房地产预警研究一直是理论界和实务界广泛关注的课题 ，建立一个房地产预警模型对于保证房地产 业 的平稳发展以及政府管理部门监控风险都具有重要的现实意义．目前我国理论界关于房地产预警 的研 究侧重于采用数学和统计 的方法构建预警模型，然而运用数学和统计 的方法有其固有的缺陷，比如有些 模型要求样本数据服从总体正态分布 、协方差一致等严格的假设前提 ，而现实情况往往难以满足这些假 设 ，使得构建的模型不能十分有效地进行预测 ，得到的结果与实际值相差太远．基于此 ，本文尝试利用统 计年鉴 的数据 ，运用人工神经网络 (ANN)的方法构建财务预警模型，希望能为利用人工神经 网络的方 法研究房地产预警开辟一条新 的路径． 1 房地产预瞀模型的选择 人工神经网络具有 良好的容错性 、白适应性和很强的泛化功能．现实中房地产预警 问题往往非常复 杂 ，各项财务指标之间互相影响 ，呈现 出复杂 的非线性关系 ，而神经 网络正是处理这类非线性 问题强有 力 的工具．在模式识别的应用 中，单层感知器是能一致逼近线性连续函数空间最简单的神经网络 ，但是其 局限性为对非线性样本空间不可分．BP网络是一种应用最为普遍的网络，但其缺点是采用了基于梯度下 降的非线性优化策略，有可能陷入局部最小 问题 ，不能保证求 出全局最小值 口j．本文尝试用 IVQ 网络 ( 1earningvectorquantization，学习矢量量化)来实现模式识别．IVQ 网络是在有教师状态下对竞争层进 行训练的一种学习算法．与其他模式识别和映射方式相 比，其优点在于 网络结构简单 ，只通过内部单元 的相互作用就可以完成十分复杂的分类处理 ，也很容易将设计域 中的各种繁杂分散的设计条件收敛到结 论上来 ，而且它不需要对输入 向量进行归一化 、正交化处理 ，只需直接计算输入向量与竞争层之间的距离 即可实现模式识别 ，因此简单易行__2]． 2 样本数据的收集与预警指标的选取 * 收稿 日期 ：2O11—04—21 作 者简介 ：朱雅 菊 (1987一)，女 ，湖北 省天 门市人 ，在读硕士生 ，研究方 向：项 目管理 · 156 · 陕西科技大学学报 第 29卷 2．1 样本数据 的收集 本研究选取 了上海市 1995～2009年房地产市场发展的基本数据，采用模型预警法对 1996～2009年 的房地产市场发展状态进行了分析评价 ，最终得到预警分析结论并提出了相关建议． 2．2 预警指标 的选取 预测模型变量的选取在很大程度上会影响预测模型的预测精度．本文在模型指标的选取上广泛考察 了已往 国内外相关研究中有显著贡献和具有代表性的预测变量 ，充分借鉴了前人研究的优秀成果． 梁运斌把房地产景气指标体系分为静态和动态两类[4；袁贤祯分析了房地产监测预警的功能和运作 思路 ，以4个检查值为界限确定红、黄、绿 、浅蓝和蓝 5种信号作为预警信号发 出的指示标准[5；赵黎明等 分析了经济预警中各种方法的特点，采用模糊评价方法进行综合警情的预报I6]． 囡 准予髓 结婚对数 本文选取了以下9个指标作为LVQ预警模型的特征向