□郭紅禹

(廣西大學(xué)商學(xué)院,廣西 南寧 530004)

?

BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)經(jīng)濟(jì)中的應(yīng)用綜述

□郭紅禹

(廣西大學(xué)商學(xué)院,廣西 南寧 530004)

【摘要】BP神經(jīng)網(wǎng)絡(luò)作為人工智能化一種較為成熟的方法,應(yīng)用領(lǐng)域廣泛。本文首先簡要介紹了BP神經(jīng)網(wǎng)絡(luò)的原理和方法,其次重點(diǎn)闡述了其在房地產(chǎn)市場風(fēng)險(xiǎn)和估價(jià)系統(tǒng)方面的應(yīng)用。研究發(fā)現(xiàn),BP神經(jīng)網(wǎng)絡(luò)比傳統(tǒng)的數(shù)量模型更符合實(shí)際情況,預(yù)測精度較高、數(shù)據(jù)擬合效果好,在房地產(chǎn)領(lǐng)域已取得了較為廣泛的應(yīng)用。

【關(guān)鍵詞】BP人工神經(jīng)網(wǎng)絡(luò);房地產(chǎn);市場風(fēng)險(xiǎn);估價(jià)系統(tǒng)

房地產(chǎn)在我國發(fā)展的歷史并不長,但是發(fā)展的速度卻很快,在國民經(jīng)濟(jì)生活中扮演著越來越重要的角色,房地產(chǎn)的一舉一動都牽動著國人的神經(jīng)。隨著人工神經(jīng)網(wǎng)絡(luò)研究的深入和計(jì)算機(jī)運(yùn)算能力的提高,神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域?qū)絹碓綇V泛。近年來不少學(xué)者將神經(jīng)網(wǎng)絡(luò)算法引入了房地產(chǎn),取得了較好的成果,神經(jīng)網(wǎng)絡(luò)已成為房地產(chǎn)經(jīng)濟(jì)研究的熱點(diǎn)之一。

1BP神經(jīng)網(wǎng)絡(luò)

近年來,隨著對神經(jīng)網(wǎng)絡(luò)研究的深入,出現(xiàn)了很多算法,但就目前而言,應(yīng)用最廣泛,理論最成熟是BP神經(jīng)網(wǎng)絡(luò)算法(Back-Propagation Artificial Neural Network),BP神經(jīng)網(wǎng)絡(luò)最常見的是三層結(jié)構(gòu)型,如圖一所示。

圖1　三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

BP神經(jīng)網(wǎng)絡(luò)一般由一個(gè)輸入層、N個(gè)隱藏層、一個(gè)輸出層構(gòu)成,圖一展示的是最基本的三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),其中輸入量為X=(X1,X2,…,Xn)T,對任意的訓(xùn)練樣本XA=(X1,X2,…,Xr)T,經(jīng)過隱藏層的加工處理,輸出Y=(Yo1,Yo2,…,Yom)T,Y向量再經(jīng)過輸出層的運(yùn)算,輸出向量O=(O1,O2,…,Ol)T,期望輸出向量為R=(R1,R2,…,RL)T,輸入層到隱藏層的權(quán)重矩陣為W=(W1,W2,…,Wm),隱藏層到輸出層的權(quán)重矩陣為V=(V1,V2,…,Vl),隱藏層神經(jīng)元各閾值用Bm表示,輸出層各神經(jīng)元閾值用Cl表示,隱藏層激勵(lì)函數(shù)為f1,輸出層激勵(lì)函數(shù)為f2。

1.1　數(shù)據(jù)的正向傳播過程

數(shù)據(jù)經(jīng)過輸入層進(jìn)入隱藏層,隱藏層各神經(jīng)元對輸入層的數(shù)據(jù)分別加權(quán)處理,輸出Y矩陣。

neth=x1w1+x2w2+…+xmwm-Bm

經(jīng)隱藏層處理過的數(shù)據(jù)進(jìn)入輸出層,經(jīng)過輸出層權(quán)值及閾值的處理,最終輸出結(jié)果。

將模型輸出的結(jié)果O=(O1,O2,…,Ol)T和期望輸出向量為R=(R1,R2,…,RL)T進(jìn)行對比,并計(jì)算誤差。

將計(jì)算出的誤差E與之前設(shè)定的誤差e進(jìn)行比對,如果E小于e,則計(jì)算停止,模型構(gòu)建完畢,若E大于e,則進(jìn)入逆向傳播過程。

1.2　數(shù)據(jù)的逆向傳播過程

逆向傳播的主要任務(wù)是調(diào)整各層的連接權(quán)值和閾值,使輸出的誤差總和小于給定的誤差。逆向傳播的權(quán)值調(diào)整首先由輸出層開始,沿著權(quán)重的負(fù)梯度方向進(jìn)行調(diào)整,層層調(diào)整直至輸入層。

閾值和連接權(quán)值的調(diào)整幅度為:

其中:為學(xué)習(xí)速率,一般為0.1-0.4左右。

下一輪的閾值和連接權(quán)值的更新值為:

在更新完閾值和連接權(quán)值之后,運(yùn)算進(jìn)入新的正向傳播,周而復(fù)始,直至模型的誤差E小于給定的誤差e。

2BP人工神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)中的應(yīng)用

近年來,BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)產(chǎn)業(yè)得到了廣泛的應(yīng)用,如在房地產(chǎn)公司財(cái)務(wù)預(yù)警、市場風(fēng)險(xiǎn)、企業(yè)競爭力、投資風(fēng)險(xiǎn)、估價(jià)系統(tǒng)等方面取得了豐碩的成果,為后續(xù)的研究奠定了基礎(chǔ)。

2.1　在市場危機(jī)預(yù)警中的應(yīng)用

房地產(chǎn)及其上下游相關(guān)產(chǎn)業(yè)已成為我國經(jīng)濟(jì)的支柱產(chǎn)業(yè)之一,有研究表明,與房地產(chǎn)經(jīng)濟(jì)直接相關(guān)的產(chǎn)業(yè)就有22個(gè)左右,間接相關(guān)的產(chǎn)業(yè)達(dá)100多個(gè),房地產(chǎn)經(jīng)濟(jì)對國民經(jīng)濟(jì)具有牽一發(fā)而動全身的影響,所以對房地產(chǎn)市場危機(jī)的研究不僅具有重要理論意義,還具有重大的現(xiàn)實(shí)意義。

近年來,不少學(xué)者對房地產(chǎn)市場危機(jī)系統(tǒng)做了大量研究,市場危機(jī)預(yù)警系統(tǒng)的評價(jià)研究也大致經(jīng)過了兩個(gè)階段。第一階段主要為定性研究,主要方法為專家評分法和問卷調(diào)查法等，該階段是我國房地產(chǎn)預(yù)警系統(tǒng)研究的起步階段,盡管在方法上有些不足,摻雜了大量的主觀因素,但對后續(xù)研究指標(biāo)體系的構(gòu)建具有重要的指導(dǎo)意義。第二個(gè)階段是定性和定量綜合分析階段,主要方法是對建立的指標(biāo)體系采用計(jì)量統(tǒng)計(jì)模型對其進(jìn)行線性擬合，定量分析方法的引入大大增加了預(yù)警系統(tǒng)的解釋力和可信度,得到了廣泛應(yīng)用。但是房地產(chǎn)市場是一個(gè)變化的動態(tài)市場,各種因素錯(cuò)綜復(fù)雜,每個(gè)時(shí)期各因素作用也各不相同,很難采用固定的數(shù)量模型對其進(jìn)行線性擬合,這種方法對房地產(chǎn)市場的危機(jī)處理存在著較大的時(shí)滯性。

BP神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、高擬合、強(qiáng)泛化、高噪音承受能力等特點(diǎn),在房地產(chǎn)市場預(yù)警研究領(lǐng)域開始嶄露頭角,得到了大量研究者的重視。呂紹成、何亞伯(2004)基于BP神經(jīng)網(wǎng)絡(luò),采用9個(gè)監(jiān)測預(yù)警指標(biāo)對武漢市1991年-2000年的數(shù)據(jù)進(jìn)行模擬訓(xùn)練,最后得出2001年武漢房地產(chǎn)市場處于正常狀態(tài)的結(jié)論。商升亮、虞曉芬等(2005)綜合運(yùn)用主成分分析方法和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法,采用六個(gè)監(jiān)測指標(biāo)對杭州市1993年-2003年數(shù)據(jù)進(jìn)行仿真模擬,對2004年和2005年的房地產(chǎn)市場進(jìn)行了預(yù)測,得出了杭州房地產(chǎn)市場投資過熱現(xiàn)象將逐漸消失,市場將越趨于穩(wěn)定的結(jié)論。楊曉冬、王要武(2008)創(chuàng)新性地引入了敏感性分析方法來判斷各指標(biāo)在預(yù)警系統(tǒng)中的重要程度,采用功能系數(shù)方法測度了綜合預(yù)警系數(shù),最終建立了12-11-3的三層BP神經(jīng)網(wǎng)絡(luò),利用北京市1993年-2004年14個(gè)樣本作為訓(xùn)練樣本,2005年-2006年數(shù)據(jù)作為實(shí)證集,用三級警度劃分方法,判定2005年和2006年北京市房地產(chǎn)市場處于安全區(qū)。齊錫晶、趙亮等(2010)對傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法稍加改動,引入了動量規(guī)則對學(xué)習(xí)函數(shù)加以改進(jìn),利用1998年-2006年的數(shù)據(jù)經(jīng)過1538次貝葉斯歸一化網(wǎng)絡(luò)訓(xùn)練,最終建立了10-7-1的三層BP神經(jīng)網(wǎng)絡(luò),最后得出2007年和2008年沈陽新建商品房市場比較活躍的結(jié)論。羅賢杰(2014)通過建立12-25-3的BP神經(jīng)網(wǎng)絡(luò),采用2001年-2012年的數(shù)據(jù)對我國31個(gè)省份及自治區(qū)進(jìn)行了仿真模擬,最后得出2013年除了5個(gè)省和直轄市外,市場風(fēng)險(xiǎn)都處于中高水平的結(jié)論。

通過文獻(xiàn)分析,研究者基本都提到了由于統(tǒng)計(jì)原因,數(shù)據(jù)樣本不夠而導(dǎo)致模型不太穩(wěn)定的問題。本文認(rèn)為,這主要是因?yàn)榉康禺a(chǎn)預(yù)警系統(tǒng)理論還不夠成熟,仍處于起步研究階段,還沒有專門針對房地產(chǎn)預(yù)警系統(tǒng)指標(biāo)體系進(jìn)行全面統(tǒng)計(jì)的規(guī)范。相信隨著我國房地產(chǎn)市場及預(yù)警系統(tǒng)理論的發(fā)展,這一問題會逐步得到解決。

2.2　在房地產(chǎn)估價(jià)中的應(yīng)用

房地產(chǎn)估價(jià)就是以房地產(chǎn)作為評估對象,以求價(jià)格能最合理、最客觀的反映其價(jià)值。彭濤(2009)認(rèn)為由于我國房地產(chǎn)發(fā)展起步較晚,房地產(chǎn)估價(jià)的概念和方法大部分引自國外,受到英國的影響顯著。目前我國房地產(chǎn)估價(jià)方法仍以成本法、收益法和市場比較法為主,注重經(jīng)驗(yàn)和藝術(shù)。在實(shí)際應(yīng)用中,經(jīng)常采用兩種以上的方法來評價(jià)評估對象,綜合得出一個(gè)評估價(jià)格,評估人員的主觀性對其影響較大。葉劍平(2001),胡莉華(2003)認(rèn)為,隨著智能網(wǎng)絡(luò)及計(jì)算機(jī)運(yùn)算能力的提高,智能自動化房地產(chǎn)評估將成為可能。

房地產(chǎn)評估體是一個(gè)非常復(fù)雜的多元系統(tǒng),自申玲(1988)首次將人工神經(jīng)網(wǎng)絡(luò)引入房地產(chǎn)估價(jià)系統(tǒng)以來,相關(guān)學(xué)者對其進(jìn)行了大量研究。楊力(2002)探討了將BP神經(jīng)網(wǎng)絡(luò)模型用于房屋租賃行業(yè),對房屋租賃行業(yè)估價(jià)的復(fù)雜性和BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)進(jìn)行了深入研究,文章認(rèn)為,相對于線性估價(jià)模型,BP神經(jīng)網(wǎng)絡(luò)更符合租賃行業(yè)的實(shí)際情況,并對城市房屋租賃行業(yè)應(yīng)用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行了系統(tǒng)設(shè)計(jì)。陳基純、王楓(2008)研究了將房地產(chǎn)歷史數(shù)據(jù)應(yīng)用于BP神經(jīng)網(wǎng)絡(luò),提出了一種基于時(shí)間序列的BP網(wǎng)絡(luò)訓(xùn)練模型,利用1987年-2003年全國房屋平均售價(jià)作為訓(xùn)練樣本,預(yù)測了2004年的平均售價(jià),結(jié)果表明,采用時(shí)間序列的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測的2004年的數(shù)據(jù)是精確可靠的,證明了BP神經(jīng)網(wǎng)絡(luò)模型可以成功的運(yùn)用房地產(chǎn)時(shí)間序列進(jìn)行預(yù)測。張曉平、周芳芳等(2009)對房地產(chǎn)估價(jià)應(yīng)用BP神經(jīng)網(wǎng)絡(luò)方法流程進(jìn)行了梳理,采用26個(gè)樣本的11個(gè)主要指標(biāo)進(jìn)行了實(shí)證研究,結(jié)果顯示,BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測精度高于基準(zhǔn)地價(jià)修正法,說明BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)估價(jià)方面具有較大的優(yōu)越性。章偉(2011)針對房地產(chǎn)信息冗余影響B(tài)P神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)效率和預(yù)測精度問題,提出了將粗糙集理論和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法。文章通過100個(gè)樣本分別建立了傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型和基于粗糙集理論的BP神經(jīng)網(wǎng)絡(luò)模型(RS-BP),通過對比研究發(fā)現(xiàn),RS-BP模型在運(yùn)算時(shí)間及運(yùn)算精度上都優(yōu)于傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型。司繼文、韓瑩瑩等(2012)采用特征價(jià)格模型與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合,通過對美國2007年至2008年的數(shù)據(jù)進(jìn)行實(shí)證分析,發(fā)現(xiàn)BP神經(jīng)網(wǎng)絡(luò)在處理大量數(shù)據(jù)時(shí)比傳統(tǒng)的最小二乘法具有更好的擬合效果。

3結(jié)束語

BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)領(lǐng)域已經(jīng)取得了一定的研究成果,獲得了令人滿意的效果,但同時(shí)我們也應(yīng)該看到,BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)應(yīng)用方面還處于起步階段,相關(guān)理論和方法還不太成熟。另外我們也應(yīng)該注意到,BP神經(jīng)網(wǎng)絡(luò)只是對大腦功能的簡單模擬,作為一種智能模型其本身也存在著固有的缺陷,比如學(xué)習(xí)步長的確定,隱藏層神經(jīng)元數(shù)目的選擇等。但不可否認(rèn),人工智能將是未來發(fā)展的大趨勢,隨著相關(guān)理論的成熟、技術(shù)的進(jìn)步,BP神經(jīng)網(wǎng)絡(luò)應(yīng)用將會更加廣泛。

參考文獻(xiàn)：

[1]呂紹成,何亞伯.BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)監(jiān)測預(yù)警系統(tǒng)中的應(yīng)用[J].科技進(jìn)步與對策，2004(2).

[2]商升亮,虞曉芬,徐鵬飛,等.BP神經(jīng)網(wǎng)絡(luò)在杭州房地產(chǎn)市場預(yù)警中的應(yīng)用[J].統(tǒng)計(jì)與決策，2005(16).

[3]楊曉冬,王要武.基于神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)泡沫預(yù)警研究[J].中國軟科學(xué)，2008(2).

[4]齊錫晶,趙亮,吳紅爽,等.基于BP神經(jīng)網(wǎng)絡(luò)的沈陽房地產(chǎn)市場預(yù)警[J].東北大學(xué)學(xué)報(bào)(自然科學(xué)版)，2010(9).

[5]羅賢杰.基于BP神經(jīng)網(wǎng)絡(luò)的我國房地產(chǎn)市場風(fēng)險(xiǎn)評價(jià)研究[D].湘潭：湘潭大學(xué),2014.

[6]彭濤.人工神經(jīng)網(wǎng)絡(luò)房地產(chǎn)價(jià)格評估模型的研究及應(yīng)用[D].西安：長安大學(xué),2009.

[7]葉劍平.我國房地產(chǎn)估價(jià)的發(fā)展趨勢與對策[J].中國房地產(chǎn)，2001(8).

[8]胡莉華.新形勢下我國房地產(chǎn)估價(jià)行業(yè)發(fā)展趨勢分析[J].中國房地產(chǎn)估價(jià)與經(jīng)紀(jì)，2013(5).

[9]申玲.基于BP神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)市場比較法價(jià)格評估[J].系統(tǒng)工程理論與實(shí)踐，1988(5).

[10]楊力.基于BP神經(jīng)網(wǎng)絡(luò)的城市房屋租賃估價(jià)系統(tǒng)設(shè)計(jì)[J].中國管理科學(xué)，2002,10(4).

[11]陳基純,王楓.房地產(chǎn)價(jià)格時(shí)間序列預(yù)測的BP神經(jīng)網(wǎng)絡(luò)方法[J].統(tǒng)計(jì)與決策，2008(14).

[12]張曉平,周芳芳,謝朝.基于神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)估價(jià)模型研究及其Matlab實(shí)現(xiàn)[J].技術(shù)經(jīng)濟(jì)與管理研究,2009(1).

[13]章偉.粗糙集BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)價(jià)格預(yù)測中的應(yīng)用[J].計(jì)算機(jī)仿真,2011,28(7).

[14]司繼文,韓瑩瑩,羅希.Hedonic住宅特征價(jià)格模型的BP神經(jīng)網(wǎng)絡(luò)方法[J].管理學(xué)報(bào),2012,9(7).

[責(zé)任編輯：王閩紅]

作者簡介：李玥(1990-)，女，山西太原人，現(xiàn)為四川大學(xué)經(jīng)濟(jì)學(xué)院在讀碩士研究生，研究方向：銀行業(yè)務(wù)與管理。

收稿日期：2015-09-20

【中圖分類號】F224-39;TP183

【文獻(xiàn)標(biāo)識碼】A

【文章編號】1008-9101(2015)04-0062-03