摘 要：本文建立徑向基神經(jīng)網(wǎng)絡(luò) (Radical Basis Function Neural Network-RBFNN）逼近微觀經(jīng)濟(jì)學(xué)理論的DUST價(jià)格函數(shù)，分析了物業(yè)稅開(kāi)征對(duì)于上海住房?jī)r(jià)格的影響效應(yīng)。實(shí)證結(jié)果顯示，流通環(huán)節(jié)的稅收改革對(duì)房?jī)r(jià)產(chǎn)生的是持久的正向沖擊，保有環(huán)節(jié)的稅收改革對(duì)房?jī)r(jià)產(chǎn)生的是短期的負(fù)向沖擊。在基于實(shí)驗(yàn)結(jié)論的基礎(chǔ)上，給出了相應(yīng)的經(jīng)濟(jì)學(xué)分析，并提出了相應(yīng)的政策建議。

關(guān)鍵詞：物業(yè)稅；開(kāi)征；影響；房產(chǎn)價(jià)格；RBFNN

中圖分類號(hào)：F293.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1003-5192(2011)03-0011-05

Prediction of Shanghai Housing Price after Property Tax Levying: Based on RBFNNHE Fang， XIAO Sen-yu， FENG Shuo

(School of Economy Management， Tongji University， Shanghai 200092， China)

Abstract:A Radial Basis Function Neural Network(RBFNN)is established in this paper to approximate DUST price model of microeconomics. The effects of levy property tax on housing prices were analyzed. The results showed that the tax in circulated links made a long-term positive impact on the housing prices， while the tax in retained links made a short-term negative impact. Then the author gave an economic analysis and some policy suggestions for the experiment results.

Key words:property tax; levying; effect; housing price; RBFNN

1 引言

作為一項(xiàng)對(duì)房地產(chǎn)持有階段征收的稅，物業(yè)稅關(guān)系到國(guó)家和幾乎每位城市居民的切身利益。物業(yè)稅開(kāi)征對(duì)房地產(chǎn)行業(yè)帶來(lái)的影響會(huì)是全方位的，它不僅直接改變了房地產(chǎn)稅費(fèi)制度，而且可能會(huì)改變房地產(chǎn)價(jià)格。根據(jù)米斯克斯基將房地產(chǎn)稅視作資本稅的觀點(diǎn)：在資本可以在轄區(qū)內(nèi)流動(dòng)，且資本供給對(duì)于收益率沒(méi)有彈性的條件下，全國(guó)性的地方財(cái)產(chǎn)稅制度會(huì)使資本家的收益降到稅收平均水平，即財(cái)產(chǎn)稅稅負(fù)會(huì)轉(zhuǎn)嫁到資本所有者身上。基于這種觀點(diǎn)：如果對(duì)房地產(chǎn)擁有人征收物業(yè)稅，并將其視作一種成本的話，那么這種成本可能引發(fā)稅負(fù)轉(zhuǎn)嫁效應(yīng)，由此對(duì)房地產(chǎn)價(jià)格產(chǎn)生影響。對(duì)于征收物業(yè)稅能否降低房?jī)r(jià)，目前國(guó)內(nèi)外學(xué)者認(rèn)識(shí)不一，學(xué)術(shù)界對(duì)此持三種觀點(diǎn)。其中，一種觀點(diǎn)認(rèn)為物業(yè)稅對(duì)房?jī)r(jià)影響很大，而另一種觀點(diǎn)則認(rèn)為影響不大，此外，第三種學(xué)術(shù)觀點(diǎn)則認(rèn)為根據(jù)不同的稅率政策等情況將有不同程度的影響。但是，大多數(shù)學(xué)者肯定房地產(chǎn)稅收改革對(duì)調(diào)控高房?jī)r(jià)的積極作用，支持物業(yè)稅改革后會(huì)降低房?jī)r(jià)的觀點(diǎn)

［1~3］。其依據(jù)是資產(chǎn)評(píng)估理論的原理：一項(xiàng)資產(chǎn)的價(jià)格理論上等于該資產(chǎn)在以后年度內(nèi)給資產(chǎn)所有者帶來(lái)收益的折現(xiàn)值，因此，征收物業(yè)稅后，未來(lái)預(yù)期收益降低導(dǎo)致購(gòu)買住宅價(jià)格下降。

目前，在研究方法的運(yùn)用上，有些學(xué)者進(jìn)行了積極的探討。例如，尹中立通過(guò)模型定量研究了日本和韓國(guó)的稅收政策，認(rèn)為稅收政策對(duì)抑制房地產(chǎn)投機(jī)的作用遠(yuǎn)大于金融政策，對(duì)流通環(huán)節(jié)課以重稅可以有效抑制房地產(chǎn)投機(jī)行為［4］；常莉通過(guò)建立影響效應(yīng)模型分析了房地產(chǎn)稅收改革對(duì)房地產(chǎn)市場(chǎng)和各參與主體的影響［5］；曹映雪等則通過(guò)建立理性泡沫模型：

Q(t)=rr+τPe-r(r+τ)(T-t)來(lái)分析物業(yè)稅的開(kāi)征是否能有效地抑制房地產(chǎn)投機(jī)［6］。研究結(jié)論表明，開(kāi)征物業(yè)稅在一定程度上對(duì)投機(jī)行為有抑制作用，但這種作用的影響是短期性的。在長(zhǎng)期來(lái)看，開(kāi)征物業(yè)稅對(duì)投機(jī)行為的影響是相對(duì)微弱的；金成曉通過(guò)建立結(jié)構(gòu)向量自回歸模型（SVAR）和向量誤差修正模型（VEC）研究了征收物業(yè)稅對(duì)住房?jī)r(jià)格的影響［7］。雖然作者用SVAR建立了稅收、供給、需求和價(jià)格的四元p階方程（p=2）來(lái)描述房產(chǎn)價(jià)格，再用脈沖響應(yīng)函數(shù)描述系統(tǒng)內(nèi)變量沖擊對(duì)其他變量的動(dòng)態(tài)軌跡效應(yīng)，但他的模型是建立在平穩(wěn)序列和協(xié)整理論假設(shè)上的，而實(shí)際中一般經(jīng)濟(jì)變量都是非平穩(wěn)序列，在平穩(wěn)序列的假設(shè)下很難構(gòu)建穩(wěn)定的系統(tǒng)。

作為一種重要的非參數(shù)化逼近方法，人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network—ANN，又稱神經(jīng)網(wǎng)絡(luò)）已經(jīng)在各個(gè)科學(xué)和工程領(lǐng)域得到了廣泛的應(yīng)用［8，9］。我國(guó)學(xué)者朱聰指出，ANN技術(shù)有其獨(dú)特的優(yōu)勢(shì)，其在房地產(chǎn)輔助評(píng)估的作用不可忽略［10］，在運(yùn)用于對(duì)物業(yè)稅稅基批量評(píng)估中的計(jì)算機(jī)輔助批量評(píng)估（Computer-Assisted Mass Appraisal，CAMA）上，具有優(yōu)良的輔助評(píng)估效果。徑向基人工神經(jīng)網(wǎng)絡(luò)所具有的分布式存儲(chǔ)和并行計(jì)算能力、容錯(cuò)性、魯棒性（即系統(tǒng)在異常情況下維持穩(wěn)定運(yùn)行的健壯性），以及以任意精度逼近未知非線性系統(tǒng)的特點(diǎn)，為解決各種逼近問(wèn)題提供了一種有效的方法［11，12］。徑向基人工神經(jīng)網(wǎng)絡(luò)（Radial Basis Function Neural Network，RBFNN）是一種主要的神經(jīng)網(wǎng)絡(luò)類型，它通過(guò)非線性激勵(lì)函數(shù)模擬生物神經(jīng)元的激活機(jī)能，以一組激勵(lì)函數(shù)的疊加和自適應(yīng)的學(xué)習(xí)方式來(lái)實(shí)現(xiàn)從已知樣本中學(xué)習(xí)一個(gè)未知映射。因而它特別適合于求解內(nèi)部機(jī)制復(fù)雜的問(wèn)題［13，14］。因此，本文采用神經(jīng)網(wǎng)絡(luò)對(duì)DUST價(jià)格模型進(jìn)行逼近，進(jìn)而預(yù)測(cè)物業(yè)稅征收后的房?jī)r(jià)變動(dòng)。

2 RBFNN網(wǎng)絡(luò)模型建模過(guò)程及可行性分析

2.1 RBFNN網(wǎng)絡(luò)房產(chǎn)價(jià)格預(yù)測(cè)模型的建模過(guò)程

微觀經(jīng)濟(jì)學(xué)理論認(rèn)為，商品的市場(chǎng)價(jià)格是由商品的需求（Demand）、商品所能提供的效用（Utility）及商品的稀缺性（Scarcity）所決定的。由于住房的固定性及附屬的權(quán)利繁多，其價(jià)值決定因素又多了一個(gè)可轉(zhuǎn)讓性（Transferability）。住房?jī)r(jià)格的DUST函數(shù)如下

2.2 RBFNN網(wǎng)絡(luò)房產(chǎn)價(jià)格預(yù)測(cè)模型的可行性分析

首先，如前文所述，RBFNN網(wǎng)絡(luò)是一種非參數(shù)化逼近方法，可以通過(guò)對(duì)以往數(shù)據(jù)的學(xué)習(xí)分析(如2008年前的數(shù)據(jù))，并根據(jù)研究要求，自行設(shè)定以任意精確度（例如允許最高的誤差設(shè)定最高為10-5）逼近未知的函數(shù)［15］。因此，盡管影響房產(chǎn)價(jià)格的因素是多方面的，但是通過(guò)RBFNN網(wǎng)絡(luò)學(xué)習(xí)，能夠精確地建立供給因素（S0），需求因素（D0），流通環(huán)節(jié)稅收（TL），保有環(huán)節(jié)稅收（TB）和房產(chǎn)價(jià)格（P）之間的復(fù)雜的非線性系統(tǒng)模型，并且可以運(yùn)用未學(xué)習(xí)的數(shù)據(jù)（如2008年，2009年的數(shù)據(jù)）進(jìn)行仿真檢驗(yàn)，從而確保模型的精確度和可信度。

其次，在物業(yè)稅開(kāi)征模擬方面，盡管我國(guó)目前尚未開(kāi)征物業(yè)稅，因此也就找不到物業(yè)稅的直接數(shù)據(jù)。但本研究已經(jīng)在理論和技術(shù)處理方面考慮到了這個(gè)問(wèn)題，并進(jìn)行了相應(yīng)的技術(shù)處理。物業(yè)稅是對(duì)所使用或所擁有的土地、房屋等不動(dòng)產(chǎn)按期繳付一定稅額的稅種，是針對(duì)國(guó)民的財(cái)產(chǎn)所征收的一種稅收［16］。因此，從稅收原理上來(lái)說(shuō)，物業(yè)稅在本質(zhì)上和現(xiàn)行的相關(guān)稅收有其內(nèi)在的聯(lián)系和作用［17］。本研究通過(guò)建成的精確的RBFNN網(wǎng)絡(luò)模型，通過(guò)一定的技術(shù)手段來(lái)表達(dá)物業(yè)稅的開(kāi)征和現(xiàn)有相關(guān)稅收的內(nèi)在聯(lián)系，從而達(dá)到模擬物業(yè)稅的開(kāi)征后對(duì)房產(chǎn)價(jià)格影響的效應(yīng)，據(jù)此進(jìn)行預(yù)測(cè)和分析，從而實(shí)現(xiàn)本研究的實(shí)驗(yàn)?zāi)康摹?/p>

3 實(shí)證實(shí)驗(yàn)分析

選取上海1999年1季度~2008年4季度的季度數(shù)據(jù)（數(shù)據(jù)來(lái)自《上海統(tǒng)計(jì)年鑒》、《上海經(jīng)濟(jì)景氣月報(bào)》、國(guó)家稅務(wù)總局網(wǎng)站以及相關(guān)房地產(chǎn)信息網(wǎng)上海市房地產(chǎn)市場(chǎng)季度分析報(bào)告整理），利用神經(jīng)網(wǎng)絡(luò)模型對(duì)稅收、供給、需求和價(jià)格這4個(gè)變量之間的關(guān)系進(jìn)行實(shí)證研究。

中國(guó)現(xiàn)階段還未開(kāi)征物業(yè)稅，筆者采用現(xiàn)有房地產(chǎn)稅種中的流通環(huán)節(jié)稅收（TL）和保有環(huán)節(jié)稅收（TB）的正向變化來(lái)表征物業(yè)稅征收。流通環(huán)節(jié)的稅收用房產(chǎn)交易稅額和土地增值稅額的總和表示，按照各季度的稅收增長(zhǎng)比例將年度數(shù)據(jù)分成季度數(shù)據(jù)；目前我國(guó)保有環(huán)節(jié)的稅收包括房地產(chǎn)稅、城市房地產(chǎn)稅以及土地使用稅。但是由于土地使用稅是具有資源性質(zhì)的稅收，因此，在本文中不將土地使用稅列入保有環(huán)節(jié)的稅收中進(jìn)行分析。保有環(huán)節(jié)采用房地產(chǎn)稅，城市房地產(chǎn)稅金總額表示，按照各季度的稅收增長(zhǎng)比例將年度數(shù)據(jù)分成季度數(shù)據(jù)；供給變量用住宅竣工面積表示；需求變量用住宅銷售面積（不包括二手房，包括現(xiàn)房和期房）表示；價(jià)格變量用以1999年為基期的住宅銷售價(jià)格指數(shù)（定基比）表示，并且除價(jià)格變量外各變量均用以1999年為基期的CPI定基比進(jìn)行平減得到實(shí)際值，各變量均經(jīng)過(guò)X-12方法消除季節(jié)因素和不規(guī)則因素后再取對(duì)數(shù)值。

將徑向基（RBF）神經(jīng)網(wǎng)絡(luò)的輸入X取為：［LTL， LTB， LS0， LD0］，輸出取為L(zhǎng)P，即得到一個(gè)價(jià)格與稅收、需求和供給與房產(chǎn)價(jià)格的非線性系統(tǒng)模型。在使用神經(jīng)網(wǎng)絡(luò)之前必須要對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練?；瘮?shù)的中心自組織訓(xùn)練的數(shù)據(jù)將從訓(xùn)練數(shù)據(jù)集中選取，將中心只放置于輸入空間中重要數(shù)據(jù)點(diǎn)存在的區(qū)域內(nèi)。在訓(xùn)練中自適應(yīng)地調(diào)整隱層的節(jié)點(diǎn)數(shù)目。具體步驟是：計(jì)算使輸出誤差最大的輸入樣本，將新增隱層節(jié)點(diǎn)的中心取作此樣本，重新計(jì)算輸出，直至滿足誤差要求。對(duì)于輸出層的權(quán)矩陣，可以直接求逆或采用遞推算法，如最小均方誤差法(LMS)和遞推最小二乘法(RLS)。求逆的方法魯棒性較差，而且要求節(jié)點(diǎn)數(shù)不能過(guò)大；LMS法收斂速度較慢，而RLS的每次迭代都是基于誤差梯度為0這一特點(diǎn)，故收斂速度比它快。因此本文采用RLS法訓(xùn)練RBF網(wǎng)絡(luò)的隱層到輸出層的權(quán)值。第K個(gè)輸出單元的輸出為

其中λ為加權(quán)遺忘算子，其作用是將過(guò)去樣本對(duì)當(dāng)前估值的影響逐漸遺忘掉，使所估計(jì)的參數(shù)盡量反映當(dāng)前時(shí)刻樣本的特性。其優(yōu)點(diǎn)是：當(dāng)信號(hào)的統(tǒng)計(jì)特性發(fā)生變化時(shí)，其所受影響較小，即能夠處理非平穩(wěn)信號(hào)。記P(n)=R^-1(n)，根據(jù)矩陣求逆引理可得網(wǎng)絡(luò)連接權(quán)矢量的RLS訓(xùn)練算法如下

從上圖中間斷線條可以看出，給流通環(huán)節(jié)稅收施加一個(gè)正向的結(jié)構(gòu)沖擊會(huì)引起價(jià)格在前5 期下降，接著轉(zhuǎn)為上升，在第22期附近達(dá)到最大，以后每期保持在0.028%左右。這說(shuō)明對(duì)住房?jī)r(jià)格影響存在滯后大約為5個(gè)季度，這段時(shí)間可以看作是稅收沖擊的力量調(diào)整期。從圖中連續(xù)線條可以看出，給保有環(huán)節(jié)稅收施加一個(gè)正向的沖擊，對(duì)價(jià)格的影響在前7期是負(fù)向的，沖擊在第4 期幅度達(dá)到最大，為-0.08%。在第14 期沖擊僅為0.0002，以后逐漸減小，長(zhǎng)期來(lái)看接近于0。即通過(guò)增加保有環(huán)節(jié)的稅收在短期內(nèi)可以抑制房?jī)r(jià)的上升，但在長(zhǎng)期內(nèi)保有環(huán)節(jié)稅收的沖擊對(duì)房?jī)r(jià)的影響很小。

4 結(jié)論分析及政策建議

4.1 結(jié)論分析

本文以上海市1999~2008年住宅房地?cái)?shù)據(jù)為基礎(chǔ)，運(yùn)用RBFNN網(wǎng)絡(luò)預(yù)測(cè)物業(yè)稅開(kāi)征后對(duì)住房?jī)r(jià)格的影響。 實(shí)驗(yàn)結(jié)果表明：物業(yè)稅的開(kāi)征，在流通環(huán)節(jié)將對(duì)房?jī)r(jià)產(chǎn)生的是持久的正向沖擊，而在保有環(huán)節(jié)將對(duì)房?jī)r(jià)產(chǎn)生的沖擊是短期的負(fù)向沖擊。這樣一個(gè)實(shí)驗(yàn)結(jié)論可以從經(jīng)濟(jì)學(xué)的原理進(jìn)行分析：首先，盡管物業(yè)稅是針對(duì)房產(chǎn)和土地所有而征收的稅收，影響最直接的是保有環(huán)節(jié)，但是由于房產(chǎn)交易不是瞬間就能完成的，是存在著一定的時(shí)間差。從購(gòu)買房產(chǎn)到將房產(chǎn)轉(zhuǎn)手出賣出去，中間有一個(gè)持有過(guò)程，而物業(yè)稅的開(kāi)征是對(duì)這個(gè)持有的過(guò)程征收一定的稅收。這樣，根據(jù)稅負(fù)轉(zhuǎn)嫁原理，在房產(chǎn)流通環(huán)節(jié)上，賣方將會(huì)將其持有過(guò)程所被征收的物業(yè)稅作為其房產(chǎn)交易成本的一部分，從而導(dǎo)致流通環(huán)節(jié)房產(chǎn)價(jià)格的提高。其次，在保有環(huán)節(jié)上，之所以會(huì)在保有環(huán)節(jié)產(chǎn)生短期的負(fù)向沖擊，而從長(zhǎng)期來(lái)看對(duì)保有環(huán)節(jié)影響不大，是因?yàn)樵诙唐趦?nèi)，物業(yè)稅的開(kāi)征將增加房地產(chǎn)投機(jī)行為的成本負(fù)擔(dān)，在短期內(nèi)對(duì)于抑制房地產(chǎn)投機(jī)行為具有一定的效果，從而引起房產(chǎn)價(jià)格理性的回落。但是這樣的政策在長(zhǎng)期來(lái)看是不利于打擊房地產(chǎn)投機(jī)行為的，因?yàn)樵陂L(zhǎng)期來(lái)看，在流通環(huán)節(jié)中，房地產(chǎn)投機(jī)者將會(huì)將其所支付的物業(yè)稅稅收成本轉(zhuǎn)嫁給買家，從而使得房產(chǎn)價(jià)格回復(fù)。最后，之所以物業(yè)稅的開(kāi)征對(duì)房地產(chǎn)價(jià)格長(zhǎng)期影響很小，是因?yàn)槲飿I(yè)稅其開(kāi)征的理論依據(jù)和出發(fā)點(diǎn)是以完善房地產(chǎn)稅制，穩(wěn)定產(chǎn)業(yè)，優(yōu)化資源配置，增加財(cái)政稅收為根本目的，其不是以抑制房地產(chǎn)投機(jī)的手段為目的的，因此長(zhǎng)期來(lái)看對(duì)房地產(chǎn)價(jià)格影響很小。

4.2 政策建議

根據(jù)上述的研究結(jié)論可知，在對(duì)待物業(yè)稅的問(wèn)題上，應(yīng)有如下的認(rèn)識(shí)及相應(yīng)的政策建議：

首先，應(yīng)當(dāng)清楚地認(rèn)識(shí)到，物業(yè)稅的開(kāi)征目的和出發(fā)點(diǎn)，不是以控制房?jī)r(jià)過(guò)高上漲和降低房?jī)r(jià)為目的的，而是以完善房地產(chǎn)稅制，優(yōu)化資源配置為目的的。因此長(zhǎng)期來(lái)看不能將其作為降低房?jī)r(jià)的手段。

其次，盡管長(zhǎng)期來(lái)看，物業(yè)稅的開(kāi)征不利于房?jī)r(jià)理性的回落，但是短期來(lái)看，對(duì)于抑制房地產(chǎn)投機(jī)行為，降低房?jī)r(jià)卻有著明顯的效果。因此，可以考慮將物業(yè)稅作為一種短期的房?jī)r(jià)調(diào)整政策手段，當(dāng)房?jī)r(jià)較高時(shí)，適當(dāng)開(kāi)征物業(yè)稅可以在短期內(nèi)使房?jī)r(jià)理性回落；當(dāng)房?jī)r(jià)有上升趨勢(shì)時(shí)，則可以通過(guò)降低稅率或取消物業(yè)稅來(lái)達(dá)到維持房產(chǎn)理性價(jià)格的目的。

最后，物業(yè)稅的目的和出發(fā)點(diǎn)決定了其本質(zhì)上不是抑制房地產(chǎn)投機(jī)，降低房?jī)r(jià)的根本措施。因此，若要以打擊房地產(chǎn)投機(jī)行為，降低房?jī)r(jià)為目的，首先要改進(jìn)土地供給制度，增加土地供給，加大土地二次開(kāi)發(fā)力度，對(duì)于土地招拍掛制度進(jìn)行改革，限制或限定土地供給的對(duì)象，而不是一味地以土地出讓價(jià)格為標(biāo)準(zhǔn)；其次，從流通環(huán)節(jié)進(jìn)行改革，加大住房的供給力度，打擊囤地捂地現(xiàn)象，對(duì)房地產(chǎn)投機(jī)行為量身定制精確的打擊政策；最后，盡管物業(yè)稅的開(kāi)征不是降低房?jī)r(jià)的措施，但是其確實(shí)是一種有效的輔助措施，必要時(shí)可以提高房產(chǎn)持有年限，限定房產(chǎn)持有數(shù)量，運(yùn)用各種金融措施，再輔以物業(yè)稅政策，促使房?jī)r(jià)理性回落，從而促進(jìn)房地產(chǎn)市場(chǎng)可持續(xù)健康發(fā)展。

參 考 文 獻(xiàn)：

［1］Guilfoyle J P. The effect of property taxes on home values［J］. Journal of Real Estate Literature， 2000， 8(2): 111-127.

［2］Lang Kevin， Jian Tianlun. Property taxes and property values: evidence from proposition 2(1/2) ［J］. Journal of Urban Economics， 2004， 1(2): 439-457.

［3］黃云琪.淺析國(guó)家對(duì)物業(yè)稅的探索［J］.現(xiàn)代商業(yè)，2008，23(6):112-113.

［4］尹中立.用稅收手段遏制房地產(chǎn)投機(jī)——日韓稅收政策的經(jīng)驗(yàn)與借鑒［J］.新財(cái)經(jīng)，2006，(11):89-93.

［5］常莉.房地產(chǎn)稅收改革對(duì)房地產(chǎn)業(yè)影響的效應(yīng)分析［D］.西安.西北大學(xué)，2007.59-67.

［6］曹映雪，張?jiān)俳?，廖?開(kāi)征物業(yè)稅能否抑制房地產(chǎn)投機(jī)［J］.稅務(wù)研究，2008，(4):42-44.

［7］金成曉，馬麗娟.征收物業(yè)稅對(duì)住房?jī)r(jià)格影響的動(dòng)態(tài)計(jì)量分析［J］.經(jīng)濟(jì)科學(xué)，2008，(6):100-112.

［8］DeVore R A， Oskolkov K I， Petrushev P P. Approximation by feed-forward neural networks

［J］. Artificial Neural Network Number. Math， 1997， (4): 261-287.

［9］Goh A T C. Back-propagation neural networks for modeling complex systems［J］. Artificial Intelligence in Engineering， 1995， 9(3): 143-151.

［10］朱聰.物業(yè)稅稅基評(píng)估研究［D］.廈門:廈門大學(xué)，2007.

［11］Hirose Y. Back-propagation algorithm which varies the number of hidden units［J］. Neural Networks， 1991， 4(1): 61-66.

［12］Laibcyiger P. Improving option pricing with the product constrained hybrid neural network［J］. IEEE Transactions on Neural Network， 2004， 15(2): 465-475．

［13］Panayiotis A C. Option pricing and trading with artificial neural networks and advanced parametric models with implied parameters［J］. IEEE Transactions on Neural Network， 2004， 45(43): 2741-2746.

［14］Li S H， Liu Z M. A general CAC approach using novel ant algorithm training based neural network［J］. Proceedings of the International Joint Conference on Neural Networks， 1999， 3: 1885-1888.

［15］Morelli M J. Pricing financial derivatives with neural network［J］. Physica A: Statistical Mechanics and Its Applications， 2004， 338(4): 160-165．

［16］王素昭，李靜華.國(guó)外物業(yè)稅的經(jīng)驗(yàn)及啟示［J］.山西建筑，2008，34(1):238-239.

［17］鮑敏強(qiáng).房地產(chǎn)課稅估價(jià)在物業(yè)稅課征中的應(yīng)用［J］.上海房地，2008，(5):45-47.

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請(qǐng)以PDF格式閱讀原文