- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于BP神经网络的房地产风险预警模型构建
【摘要】随着全球房地产风险的蔓延,有关其风险预警模型的相关研究得到了重视和发展。本文立足于BP神经网络的运行机理,通过对该模型算法的深入剖析,对房地产风险预警模型的结构、输入指标体系及预警表示方法进行详细地分解,最终提出了本研究有待完善的后续展望。
【关键词】BP神经网络;房地产风险;预警模型;构建
受美国房地产次贷危机的影响,我国的上海、北京、杭州等城市近年来不同程度地出现“房地产泡沫”现象。自今年年初以来,许多大中城市的房价开始出现跌落现象,房地产空置率上扬,融资渠道阻塞,继而引发整个金融市场出现紊乱。针对房地产风险危害的严重性,越来越多的学者把目光投向金融风险预测的研究中,力求通过对金融环境早期的预测、分析、鉴定,对金融市场各因素的变化情况透析,为未来经济现象作出前景预测,有效地规避潜在的金融风险。针对房地产风险预警模型的研究,先后有房地产景气指数模型(侍得广,2004)、自回归条件异方差模型(王慧敏,1998)和自回归滑动平均模型法、基于概率模式分类法、判别分析模型,以及我们这里要阐述的人工神经网络模型等。
1神经网络模型的界定
国际著名的神经网络研究专家,第一家神经计算机公司的创立者与领导人Hecht—Nielsen给人工神经网络下的定义就是:“人工神经网络是由人工建立的以有向图为拓扑结构的动态系统,它通过对连续或断续的输入作状态相应而进行信息处理。”现代意义上对神经网络(特指人工神经网络)的研究一般认为从1943年美国芝加哥大学的生理学家W.S.McCulloch.和W.A.Pitts[1][2]提出M-P神经元模型开始,到今年已经六十多年了。自20世纪80年代以来,我国也逐渐掀起了研究神经网络的热潮,关于它的学术研究会议层出不穷。人工神经网络(ArtifialNeuralNetwork,简称ANN)又称为连接主义的人工智能或连接机制模型,是基于人们对人脑组织结构及运行机制的认识基础上所建立的仿真系统,即对自然或生物神经网络若干基本特征的模拟。人工神经网络将已观测到的数据作为输入向量,通过大量的样本模式试验该网络,从而得到不同的输出值,确定不同的输出阈值。大量样本模式试验好的神经网络即可作为一种预测工具。近年来,我国学者不断地把神经网络技术运用于经济预测和信用风险评估中,特别是对于信用风险的预测有着很好的实证研究基础,预测的精度也相对较高。由于神经网络模型可以被理解为一个多输入、单输出的非线性结构,比较适合处理房地产风险预警机制中输入数据量大、输入指标体系关联度复杂、输出表示形式单一的特点要求,因此,基于神经网络的房地产风险预警模型的研究浮出水面。
根据网络的连接结构,人们把神经网络分为前馈或前向(Feed-forward)型网络和反馈(Feedback)或回归(Recurrent)型网络。前馈型网络结构可以被理解为网络中的各个神经元接受前一层的输入,并把信息传输给下一层,即第i-1层的输出只与第i层的输入相连,输入与输出的节点与外界相连,其他中间层称为隐层。而反馈型网络的所有节点均可接受输入,并输出信息。
BP神经网络(Back-PropagationNetwork)是包含输入层、输出层和隐层的反向传播神经网络。通过反向的传播来校对预测的精确度。人们习惯上把BP神经网络称为多层神经网络,即通过多层次的连接权值修正的算法。该模型是一种多层网络的“逆推”学习算法。其基本思想是,学习过程由信号的正向传播与误差的反向传播两个过程组成。在正向与反向的传播过程中,对各权值和阈值进行自动的修正,直至达到稳定。
2BP神经网络在房地产风险预警中的优势体现
2.1由于神经网络是由大量的神经元相连所构成的网络,因此该网络具有高速的信息处理功能;面对房地产信息数据的变化,能够较快、较准确地进行数据的输入、反馈处理,得出相应的输出信号。
2.2在信息处理过程中,神经网络具有自身的适应调节功能,此功能可以避免人为经验知识和一些规律的影响,对于人为因素作用较强的权重可以弱化并修正其产生的误差。
2.3它是一种非线性的处理单元,加之整个的网络存储信息容量巨大,其对信息的处理不需要进行事前的假设;既有不确定性信息处理功能。
2.4面对环境信息复杂、推理规则不明确以及知识背景不清晰的各种情况,神经网络有能力判别、处理复杂的非线性关系问题和连续函数。当然,也可以识别、处理并归纳出在复杂的金融危机环境下对房地产业的发展前景进行一个较为准确、客观的判断。
3基于BP神经网络的房地产风险预警模型的构建体系
3.1基于BP神经网络的房地产风险预警模型的结构。
鉴于BP模型的双向传播原理,运用于房地产的预警机制中,要首先保证正向
文档评论(0)