肖枝洪，譚 荔

(重慶理工大學(xué) 理學(xué)院，重慶 400054)

基于熵權(quán)-灰色關(guān)聯(lián)法的房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)評(píng)估分析

肖枝洪，譚 荔

(重慶理工大學(xué) 理學(xué)院，重慶 400054)

以重慶市兩江新區(qū)近幾年89個(gè)房地產(chǎn)項(xiàng)目數(shù)據(jù)為研究對(duì)象，運(yùn)用熵權(quán)-灰色關(guān)聯(lián)法構(gòu)建房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)模型。該模型不僅具有良好的適應(yīng)性，同時(shí)具有較高的準(zhǔn)確性。通過(guò)分析發(fā)現(xiàn)：項(xiàng)目17、項(xiàng)目86、項(xiàng)目49、項(xiàng)目75、項(xiàng)目53存在較高的風(fēng)險(xiǎn)，與實(shí)際情況基本相符；滯銷(xiāo)情況、期房網(wǎng)簽占比和周邊規(guī)劃配套3項(xiàng)風(fēng)險(xiǎn)指標(biāo)對(duì)房地產(chǎn)風(fēng)險(xiǎn)有極顯著的影響。

房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)；風(fēng)險(xiǎn)預(yù)警；熵權(quán)法；灰色關(guān)聯(lián)分析

房地產(chǎn)業(yè)是眾多行業(yè)中對(duì)經(jīng)濟(jì)增長(zhǎng)、居民生活水平與社會(huì)安定影響最大的行業(yè)之一[1]。由于房地產(chǎn)項(xiàng)目本身具有產(chǎn)業(yè)鏈長(zhǎng)、涉及面寬、資金密集等特殊性，房地產(chǎn)企業(yè)不可避免地面臨著各種風(fēng)險(xiǎn)[2-3]。例如，供求關(guān)系所帶來(lái)的房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)，房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)所衍生的金融和財(cái)政風(fēng)險(xiǎn)，以及房地產(chǎn)引致的社會(huì)風(fēng)險(xiǎn)[4]。若房地產(chǎn)企業(yè)沒(méi)有處理好風(fēng)險(xiǎn)，其自身不僅會(huì)遭受巨大損失，而且對(duì)個(gè)人、企業(yè)及社會(huì)財(cái)富也會(huì)造成損失。

目前，針對(duì)房地產(chǎn)風(fēng)險(xiǎn)的研究大多基于房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)、房地產(chǎn)投資風(fēng)險(xiǎn)、房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)[5-9]，都是單方面地對(duì)房地產(chǎn)某類(lèi)風(fēng)險(xiǎn)進(jìn)行分析，難以整體性地對(duì)房地產(chǎn)企業(yè)及行業(yè)所面臨的風(fēng)險(xiǎn)提出解決辦法。對(duì)房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)的研究，相比來(lái)說(shuō)更能準(zhǔn)確地發(fā)現(xiàn)房地產(chǎn)項(xiàng)目乃至房地產(chǎn)行業(yè)所面臨的問(wèn)題。因?yàn)榉康禺a(chǎn)項(xiàng)目風(fēng)險(xiǎn)包含了投資房地產(chǎn)項(xiàng)目整個(gè)過(guò)程中可能造成的損失，例如政治、經(jīng)濟(jì)、金融和社會(huì)發(fā)展對(duì)其造成的損失，房地產(chǎn)市場(chǎng)的供求、價(jià)格、收益水平和發(fā)展趨勢(shì)波動(dòng)對(duì)其造成的損失，以及周?chē)h(huán)境、設(shè)施、人口情況和建設(shè)過(guò)程中出現(xiàn)的一些問(wèn)題對(duì)房地產(chǎn)項(xiàng)目產(chǎn)生的影響、導(dǎo)致的損失[9]；故針對(duì)房地產(chǎn)項(xiàng)目的風(fēng)險(xiǎn)進(jìn)行研究，找出影響其風(fēng)險(xiǎn)的因素，才能有效提出解決問(wèn)題的措施，為房地產(chǎn)企業(yè)乃至房地產(chǎn)市場(chǎng)的健康發(fā)展起到防微杜漸的作用。

面向企業(yè)或者針對(duì)項(xiàng)目自身的風(fēng)險(xiǎn)評(píng)估與預(yù)警的研究較少，但也取得了一定的成果：蔡建民基于動(dòng)力學(xué)的研究方法對(duì)房地產(chǎn)項(xiàng)目安全進(jìn)行研究，主要分析了造成項(xiàng)目系統(tǒng)行為的反饋過(guò)程[10]，但其研究側(cè)重于從項(xiàng)目宏觀層面對(duì)項(xiàng)目風(fēng)險(xiǎn)進(jìn)行管理，沒(méi)有對(duì)項(xiàng)目安全進(jìn)行定量評(píng)估，不能直觀地找出風(fēng)險(xiǎn)點(diǎn)。趙樹(shù)寬將Fuzzy與AHP結(jié)合用于大型房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)的評(píng)價(jià)，定量地研究了房地產(chǎn)項(xiàng)目的風(fēng)險(xiǎn)值[11]，其量化的風(fēng)險(xiǎn)能直觀地為項(xiàng)目投資決策提供參考，但AHP方法是將專(zhuān)家意見(jiàn)和分析者的判斷結(jié)果結(jié)合起來(lái)，主觀因素對(duì)評(píng)論結(jié)果影響較大。何芳等用MIV-BP型網(wǎng)絡(luò)較有效地對(duì)房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)度進(jìn)行識(shí)別[12]，其研究較客觀地評(píng)價(jià)了房地產(chǎn)項(xiàng)目中各指標(biāo)的權(quán)重，但此模型需依賴(lài)訓(xùn)練好的房地產(chǎn)項(xiàng)目訓(xùn)練集，該訓(xùn)練集需結(jié)合專(zhuān)家意見(jiàn)對(duì)房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)進(jìn)行評(píng)級(jí)，對(duì)在建房地產(chǎn)項(xiàng)目的評(píng)估較為困難，且不同地區(qū)的房地產(chǎn)情況可能不同，故該訓(xùn)練集不能直接應(yīng)用到其他地區(qū)，因此方法的普適性較差。針對(duì)以上不足，本文采用熵權(quán)-灰色關(guān)聯(lián)法對(duì)房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)的主要影響因素進(jìn)行探測(cè)和房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)值進(jìn)行客觀度量，并選取重慶市兩江新區(qū)目前相關(guān)的房地產(chǎn)項(xiàng)目數(shù)據(jù)進(jìn)行實(shí)驗(yàn)分析。

本文的創(chuàng)新之處在于：一是將灰色關(guān)聯(lián)分析應(yīng)用于房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)預(yù)警中，解決了在數(shù)據(jù)分析中信息不完備的問(wèn)題；二是采用熵權(quán)法與灰色關(guān)聯(lián)分析法相結(jié)合，克服了灰色關(guān)聯(lián)分析法的權(quán)重需要采用專(zhuān)家打分或平權(quán)的缺陷，不僅使評(píng)價(jià)房地產(chǎn)風(fēng)險(xiǎn)的指標(biāo)權(quán)重更為客觀，使用也更為方便。

一、熵權(quán)-灰色關(guān)聯(lián)分析法模型

(一)熵權(quán)法確定客觀權(quán)重

熵權(quán)法[13-15]是一種依據(jù)各指標(biāo)所包含的信息量的多少確定指標(biāo)權(quán)重的客觀賦權(quán)法，某個(gè)指標(biāo)的熵值越小，則該指標(biāo)的權(quán)重就越大，在綜合評(píng)價(jià)中起的作用就越大。熵權(quán)法充分利用客觀數(shù)據(jù)確定權(quán)重，排除了主觀因素的影響。

設(shè)由m個(gè)評(píng)價(jià)方案n項(xiàng)指標(biāo)構(gòu)成的評(píng)價(jià)矩陣為X=(xij)m×n,i=1,2,…,m；j=1,2,…,n。為了消除量綱，對(duì)xij歸一化為：

各風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)的熵為：

設(shè)wj為各指標(biāo)xj的權(quán)系數(shù)，wj定義為：

權(quán)系數(shù)wj也體現(xiàn)了指標(biāo)xj所包含的信息量，權(quán)值越大表示該指標(biāo)對(duì)綜合決策的影響越大，它直接有效地反映了指標(biāo)間的差異程度。

(二)灰色關(guān)聯(lián)法確定風(fēng)險(xiǎn)值

灰色關(guān)聯(lián)分析法[16-19]的思想是首先根據(jù)某個(gè)問(wèn)題的實(shí)際情況確定理想的最優(yōu)序列，然后依據(jù)其關(guān)聯(lián)度大小的排序，判斷方案的優(yōu)劣。

對(duì)式(1)中的pij進(jìn)行線性變換，

i=1,2,…,n;j=1,2,…,m

(5)

其中： Δmin=mini(minj(h0j-hij)); Δi(j)=h0j-hij；ρ為分辨系數(shù)，用來(lái)削弱Δmax過(guò)大而使關(guān)聯(lián)系數(shù)失真的影響,ρ∈[0,1],本文關(guān)于ρ的取值為0.5[17]。關(guān)聯(lián)系數(shù)ξi(j)為第i個(gè)項(xiàng)目中第j個(gè)指標(biāo)的風(fēng)險(xiǎn)值。

據(jù)此，第i個(gè)評(píng)價(jià)方案與風(fēng)險(xiǎn)最大方案的關(guān)聯(lián)度為：

式(6)中，wj的取值由式(3)所確定，其值直接影響關(guān)聯(lián)度的大小與方案的排序。后面將用γi來(lái)表示第i個(gè)房地產(chǎn)項(xiàng)目的風(fēng)險(xiǎn)值。

二、基于熵權(quán)-灰色關(guān)聯(lián)法的房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)預(yù)警分析

(一)數(shù)據(jù)來(lái)源與指標(biāo)解釋

本文數(shù)據(jù)包含重慶市兩江新區(qū)119個(gè)房地產(chǎn)項(xiàng)目的相關(guān)數(shù)據(jù)，其中有30個(gè)項(xiàng)目數(shù)據(jù)嚴(yán)重缺失，故選取數(shù)據(jù)較為完整的89個(gè)房地產(chǎn)項(xiàng)目來(lái)做風(fēng)險(xiǎn)評(píng)估分析。

選取科學(xué)合理的房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)指標(biāo)體系，對(duì)于準(zhǔn)確預(yù)警預(yù)控房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)起著關(guān)鍵性的作用。評(píng)估房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)，不僅要考慮房地產(chǎn)項(xiàng)目?jī)?nèi)部因素，例如抵押情況、庫(kù)存占比、去化周期等，還應(yīng)考慮與房地產(chǎn)項(xiàng)目有關(guān)的外部因素，例如周邊規(guī)劃配套，交通狀況等。根據(jù)已有文獻(xiàn)資料[20-22]以及數(shù)據(jù)的可獲取性，本文選擇了4類(lèi)共15項(xiàng)指標(biāo)作為構(gòu)建房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)的指標(biāo)，如表1所示。

對(duì)于本文所選取的一些定性指標(biāo)，由于不利于熵權(quán)-灰色關(guān)聯(lián)法的運(yùn)用，故將其進(jìn)行如下量化處理：

區(qū)域位置(X1)：按地域間環(huán)境條件、生態(tài)功能、產(chǎn)業(yè)優(yōu)勢(shì)將區(qū)域位置進(jìn)行0～1打分，分值越高代表其所處位置環(huán)境越不好；

抵押情況(X3)：取值按抵押總金額/(建筑面積×售價(jià))計(jì)算；

期房網(wǎng)簽套數(shù)與網(wǎng)簽套數(shù)比值(X9)：期房網(wǎng)簽套數(shù)/網(wǎng)簽套數(shù)；

解除網(wǎng)簽占比(X10)：解除網(wǎng)簽次數(shù)/網(wǎng)簽次數(shù)；

周邊規(guī)劃配套(X12)：周邊規(guī)劃配套指標(biāo)的最大風(fēng)險(xiǎn)值為1，若周邊規(guī)劃配套包含以下幾項(xiàng)，每包含一項(xiàng)減去0.2分，得到的值為周邊規(guī)劃配套指標(biāo)的風(fēng)險(xiǎn)值，其中包括醫(yī)院(3公里內(nèi))、幼兒園(1公里內(nèi))、小學(xué)(2.5公里內(nèi))、初中(2.5公里內(nèi))、超市(4公里內(nèi))共5項(xiàng)；

交通狀況(X13)：S=輕軌站(1公里內(nèi))個(gè)數(shù)×0.3+公交車(chē)站(500米內(nèi))個(gè)數(shù)×0.1,交通狀況的得分=1-S/max(S)，交通狀況得分越高，表示項(xiàng)目周?chē)煌ǔ鲂性讲环奖悖?/p>

開(kāi)發(fā)商是否取得產(chǎn)權(quán)證(X15)：開(kāi)發(fā)商有產(chǎn)權(quán)證取0，無(wú)產(chǎn)權(quán)證取1，為了刻畫(huà)其風(fēng)險(xiǎn)性，反過(guò)來(lái)取值。

(二)結(jié)果及分析

1.房地產(chǎn)項(xiàng)目各指標(biāo)熵值與權(quán)值的確定

根據(jù)式(2)和式(3)計(jì)算得到房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)指標(biāo)的熵值和權(quán)值如表2所示。

由表2可知：① 這15項(xiàng)指標(biāo)的熵值最大為0.991，最小為0.878，熵值均大于0.85，說(shuō)明這15項(xiàng)指標(biāo)均為風(fēng)險(xiǎn)指標(biāo)，也說(shuō)明了本文所選取的指標(biāo)可以合理地刻畫(huà)房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)。② 從權(quán)值可以看出，X1、X4和X15的權(quán)值分別為0.154，0.121和0.159，相對(duì)較大，即區(qū)域位置、商鋪預(yù)售占比、開(kāi)發(fā)商是否取得產(chǎn)權(quán)證對(duì)房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)具有較大的影響。

表1 預(yù)警房地產(chǎn)項(xiàng)目的風(fēng)險(xiǎn)指標(biāo)

數(shù)據(jù)來(lái)源：重慶市兩江新區(qū)房屋管理局所提供的2016年房地產(chǎn)項(xiàng)目數(shù)據(jù)

表2 預(yù)警房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)指標(biāo)的熵值和權(quán)值

2.房地產(chǎn)項(xiàng)目各指標(biāo)風(fēng)險(xiǎn)值的確定及解釋

根據(jù)式(5)計(jì)算出各項(xiàng)目指標(biāo)的灰色關(guān)聯(lián)系數(shù)(風(fēng)險(xiǎn)值)都在0到1范圍內(nèi)，其值越接近或等于1，說(shuō)明房地產(chǎn)項(xiàng)目在這項(xiàng)指標(biāo)上的風(fēng)險(xiǎn)系數(shù)越高。根據(jù)各項(xiàng)目指標(biāo)的灰色關(guān)聯(lián)系數(shù)，作箱線圖如圖1所示。由圖1可以看出：① 這89個(gè)項(xiàng)目在X6，X9和X12指標(biāo)的灰色關(guān)聯(lián)系數(shù)整體較高，其中位數(shù)均大于0.7，說(shuō)明在整個(gè)房地產(chǎn)項(xiàng)目中這些指標(biāo)風(fēng)險(xiǎn)系數(shù)較高。② 這89個(gè)項(xiàng)目在X1，X3，X4，X7，X8，X10和X13指標(biāo)的灰色關(guān)聯(lián)系數(shù)(風(fēng)險(xiǎn)值)整體較低，且中位數(shù)均小于0.4，說(shuō)明這些指標(biāo)在房地產(chǎn)中整體風(fēng)險(xiǎn)系數(shù)較低。

由上述分析可知，重慶市兩江新區(qū)的89項(xiàng)新建房地產(chǎn)項(xiàng)目中抵押情況、商鋪預(yù)售占比、去化周期和交通狀況等指標(biāo)均表現(xiàn)正常，而年均滯銷(xiāo)率、期房網(wǎng)簽套數(shù)與網(wǎng)簽套數(shù)比值以及周邊規(guī)劃配套是該區(qū)風(fēng)險(xiǎn)較高的3個(gè)指標(biāo)，說(shuō)明兩江新區(qū)房地產(chǎn)項(xiàng)目普遍存在著房屋銷(xiāo)售狀況不理想的情況。究其原因是這些房地產(chǎn)項(xiàng)目大多屬于在建項(xiàng)目，在在建過(guò)程中以及在建后的銷(xiāo)售、簽約具有不可預(yù)見(jiàn)的風(fēng)險(xiǎn)。周邊規(guī)劃配套風(fēng)險(xiǎn)整體偏高，說(shuō)明大部分房地產(chǎn)項(xiàng)目周邊的醫(yī)療、教育、生活等設(shè)施配套不齊全，這也會(huì)影響購(gòu)房者的購(gòu)買(mǎi)意愿。針對(duì)此類(lèi)風(fēng)險(xiǎn)，政府可結(jié)合具體情況完善所在轄區(qū)內(nèi)的設(shè)施配套，為購(gòu)房者提供更高品質(zhì)的居住環(huán)境，同時(shí)也會(huì)帶動(dòng)周邊房地產(chǎn)項(xiàng)目的銷(xiāo)量，降低年均滯銷(xiāo)率。由于在建過(guò)程中可能存在不可預(yù)知的風(fēng)險(xiǎn)，房地產(chǎn)企業(yè)需制定更加完善的施工計(jì)劃，同時(shí)相關(guān)政府部門(mén)應(yīng)對(duì)房地產(chǎn)項(xiàng)目進(jìn)行嚴(yán)格把控，保證房地產(chǎn)項(xiàng)目規(guī)范運(yùn)作。

圖1 不同指標(biāo)的灰色關(guān)聯(lián)系數(shù)箱線圖

雖然X6，X9和X12指標(biāo)的灰色關(guān)聯(lián)系數(shù)(風(fēng)險(xiǎn)值)整體較高，但其權(quán)重不是很大；X1，X3和X4等指標(biāo)的灰色關(guān)聯(lián)系數(shù)(風(fēng)險(xiǎn)值)整體偏低，但其指標(biāo)權(quán)重較大。故要評(píng)估房地產(chǎn)各個(gè)項(xiàng)目的風(fēng)險(xiǎn)，應(yīng)把各個(gè)指標(biāo)權(quán)重與其灰色關(guān)聯(lián)系數(shù)結(jié)合起來(lái)評(píng)估。

3.房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)評(píng)估

圖2 房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)質(zhì)量控制圖

由熵權(quán)-灰色關(guān)聯(lián)法評(píng)估與實(shí)際情況對(duì)比(表4)可知，在89個(gè)房地產(chǎn)項(xiàng)目中有一個(gè)預(yù)測(cè)將低風(fēng)險(xiǎn)及正常的項(xiàng)目錯(cuò)誤預(yù)測(cè)為高風(fēng)險(xiǎn)項(xiàng)目，另一個(gè)預(yù)測(cè)將高風(fēng)險(xiǎn)項(xiàng)目錯(cuò)誤預(yù)測(cè)為低風(fēng)險(xiǎn)及正常的項(xiàng)目。

表4 熵權(quán)-灰色關(guān)聯(lián)法評(píng)估與實(shí)際情況對(duì)比

根據(jù)熵權(quán)-灰色關(guān)聯(lián)法評(píng)估與實(shí)際情況的對(duì)比[24]可得：

由此可知，用熵權(quán)-灰色關(guān)聯(lián)分析法評(píng)價(jià)房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)時(shí)，正確判斷高風(fēng)險(xiǎn)項(xiàng)目的概率為0.8，正確判斷低風(fēng)險(xiǎn)及正常項(xiàng)目的概率為0.988，整體判斷的準(zhǔn)確度為0.977 5。該模型不僅具有很高的靈敏度和辨識(shí)性，還具有很高的準(zhǔn)確性，模型評(píng)價(jià)結(jié)果令人滿意。

4.房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)點(diǎn)識(shí)別

熵權(quán)-灰色關(guān)聯(lián)法不僅能夠甄別出所提供的風(fēng)險(xiǎn)較高的所有項(xiàng)目，而且還能根據(jù)各個(gè)項(xiàng)目指標(biāo)的灰色關(guān)聯(lián)系數(shù)發(fā)現(xiàn)其中存在的風(fēng)險(xiǎn)點(diǎn)，有利于對(duì)項(xiàng)目風(fēng)險(xiǎn)進(jìn)行有針對(duì)性地管控。對(duì)于5個(gè)風(fēng)險(xiǎn)較高的項(xiàng)目：項(xiàng)目17、項(xiàng)目86、項(xiàng)目49、項(xiàng)目75和項(xiàng)目53，按質(zhì)量控制的原理對(duì)其各指標(biāo)的灰色關(guān)聯(lián)系數(shù)將風(fēng)險(xiǎn)分為突出、較高、一般和正常4個(gè)范圍，在低風(fēng)險(xiǎn)及正常范圍內(nèi)的指標(biāo)未標(biāo)出，表5列出的為高風(fēng)險(xiǎn)指標(biāo)。

由表5可以看出：① 這5個(gè)房地產(chǎn)項(xiàng)目的指標(biāo)X9，X14，X15均呈現(xiàn)“突出”的特點(diǎn)，這5個(gè)項(xiàng)目均為銷(xiāo)售期房，而且房地產(chǎn)開(kāi)發(fā)商均未取得產(chǎn)權(quán)證，說(shuō)明其存在著不可預(yù)估的在建風(fēng)險(xiǎn)。② 這5個(gè)房地產(chǎn)項(xiàng)目區(qū)域位置的灰色關(guān)聯(lián)度系數(shù)很大，說(shuō)明其區(qū)域位置不夠理想,給生活上帶來(lái)諸多的不便,也會(huì)對(duì)房屋的銷(xiāo)售造成一定程度的負(fù)面影響。③ 項(xiàng)目17、項(xiàng)目75的年均滯銷(xiāo)率得分高，其中項(xiàng)目17解除網(wǎng)簽占比尤其大，解除網(wǎng)簽人數(shù)已經(jīng)超過(guò)了正常的范圍,這可能是購(gòu)房者對(duì)開(kāi)發(fā)的項(xiàng)目存在不滿意的情況,房地產(chǎn)企業(yè)和相關(guān)監(jiān)管部門(mén)應(yīng)徹查原因并限期整改。④ 項(xiàng)目75、項(xiàng)目86在網(wǎng)簽后的30天內(nèi)未備案的灰色關(guān)聯(lián)系數(shù)較大，說(shuō)明這兩個(gè)房地產(chǎn)企業(yè)沒(méi)有在規(guī)定時(shí)間內(nèi)持商品房預(yù)售合同向縣級(jí)以上人民政府房地產(chǎn)管理部門(mén)和土地管理部門(mén)辦理登記備案手續(xù)。這將可能導(dǎo)致一房多售的現(xiàn)象出現(xiàn)，損害消費(fèi)者利益。⑤ 這5個(gè)項(xiàng)目的商鋪和寫(xiě)字樓占比較普通住宅大，加之區(qū)域位置不太理想，故其風(fēng)險(xiǎn)較其他項(xiàng)目更為突出，房地產(chǎn)企業(yè)應(yīng)依據(jù)項(xiàng)目的自身定位改善不足，并結(jié)合宣傳來(lái)吸引更多商戶入駐。

由上面的分析可以看出，運(yùn)用熵權(quán)-灰色關(guān)聯(lián)分析法對(duì)房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)進(jìn)行分析，不僅能發(fā)現(xiàn)高風(fēng)險(xiǎn)的房地產(chǎn)項(xiàng)目，還能準(zhǔn)確找出項(xiàng)目存在的風(fēng)險(xiǎn)點(diǎn)，從而能有效地防控房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)出現(xiàn)。

表5 高風(fēng)險(xiǎn)項(xiàng)目存在的風(fēng)險(xiǎn)點(diǎn)

三、結(jié)論

本文根據(jù)熵權(quán)-灰色關(guān)聯(lián)法對(duì)房地產(chǎn)項(xiàng)目的風(fēng)險(xiǎn)進(jìn)行評(píng)估，在選取影響房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)指標(biāo)時(shí)，既考慮了其內(nèi)部因素，又考慮了與房地產(chǎn)項(xiàng)目密切相關(guān)的外部因素，使建立的評(píng)價(jià)指標(biāo)體系更為完善。采用熵權(quán)法，直接利用數(shù)據(jù)本身的信息來(lái)計(jì)算權(quán)重，克服了灰色關(guān)聯(lián)分析法的權(quán)重需要依靠專(zhuān)家打分或平權(quán)的缺陷，不僅使結(jié)果更為客觀，而且可以節(jié)約大量的人力和物力。同時(shí)，對(duì)模型進(jìn)行了靈敏度、特異性和準(zhǔn)確性分析，模型的靈敏度和辨識(shí)性都很強(qiáng)，其準(zhǔn)確性也很高，說(shuō)明用該方法評(píng)估房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)是很好的選擇。

通過(guò)熵權(quán)-灰色關(guān)聯(lián)法分析，揭示出區(qū)域位置、商鋪預(yù)售占比、開(kāi)發(fā)商是否取得產(chǎn)權(quán)證是房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)評(píng)估中的重要指標(biāo)，但未必是高風(fēng)險(xiǎn)指標(biāo)。相較而言，年均滯銷(xiāo)率、期房網(wǎng)簽套數(shù)與網(wǎng)簽套數(shù)比值、周邊規(guī)劃配套才是高風(fēng)險(xiǎn)指標(biāo)，其對(duì)重慶市兩江新區(qū)整體房地產(chǎn)項(xiàng)目的風(fēng)險(xiǎn)影響都相對(duì)較大。針對(duì)兩江新區(qū)房地產(chǎn)項(xiàng)目的風(fēng)險(xiǎn)建議從以下3個(gè)方面著手進(jìn)行管控：① 房地產(chǎn)企業(yè)應(yīng)提高基層人員的銷(xiāo)售能力，加大宣傳及優(yōu)惠促銷(xiāo)力度，吸引購(gòu)房者、減少房產(chǎn)存量。② 政府部門(mén)及房地產(chǎn)企業(yè)應(yīng)即時(shí)掌握在建項(xiàng)目信息，當(dāng)出現(xiàn)風(fēng)險(xiǎn)趨勢(shì)時(shí)及時(shí)制止，以免造成不良后果。③ 相關(guān)部門(mén)結(jié)合實(shí)際情況完善所在轄區(qū)內(nèi)的配套設(shè)施，吸引部分購(gòu)房者在所在轄區(qū)置房。

根據(jù)熵權(quán)-灰色關(guān)聯(lián)法對(duì)房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)的評(píng)估值，再利用質(zhì)量控制圖發(fā)現(xiàn)高風(fēng)險(xiǎn)項(xiàng)目為項(xiàng)目17、項(xiàng)目86、項(xiàng)目49、項(xiàng)目75和項(xiàng)目53。根據(jù)重慶市兩江新區(qū)房屋管理局提供的資料，用質(zhì)量控制的原理來(lái)劃分風(fēng)險(xiǎn)域是合理可行的。再據(jù)此對(duì)高風(fēng)險(xiǎn)項(xiàng)目各指標(biāo)進(jìn)行分析，找出引發(fā)房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)的風(fēng)險(xiǎn)點(diǎn)，幫助相關(guān)部門(mén)進(jìn)行房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)監(jiān)管。本文基于上述5個(gè)高風(fēng)險(xiǎn)房地產(chǎn)項(xiàng)目，發(fā)現(xiàn)它們均屬于在建項(xiàng)目，由于在建項(xiàng)目在在建過(guò)程中以及建后的風(fēng)險(xiǎn)都難以控制，并且其預(yù)售效果也難以確定，由此可能會(huì)對(duì)房地產(chǎn)企業(yè)的資金鏈造成不利影響，所以這類(lèi)房地產(chǎn)項(xiàng)目出現(xiàn)風(fēng)險(xiǎn)的可能性更大。也就是說(shuō)，風(fēng)險(xiǎn)點(diǎn)出現(xiàn)在在建項(xiàng)目的可能性很大，房地產(chǎn)企業(yè)及相關(guān)部門(mén)應(yīng)該針對(duì)上述風(fēng)險(xiǎn)點(diǎn)，在問(wèn)題發(fā)生前制定措施降低風(fēng)險(xiǎn)，從而消除其帶來(lái)的不利影響。

[1] 唐小飛,劉伯強(qiáng),王春國(guó),等.我國(guó)房地產(chǎn)行業(yè)發(fā)展趨勢(shì)影響因素研究[J].宏觀經(jīng)濟(jì)研究,2014(12):59-66.

[2] 閻春寧.風(fēng)險(xiǎn)管理學(xué)[M].上海：上海大學(xué)出版社,2002.

[3] 沈悅,李計(jì)國(guó),王飛.房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)識(shí)別及預(yù)警:文獻(xiàn)綜述及研究方向[J].經(jīng)濟(jì)體制改革,2014(5):33-37.

[4] 劉雙良,楊志云.風(fēng)險(xiǎn)積聚、政策網(wǎng)絡(luò)與合作治理——房地產(chǎn)風(fēng)險(xiǎn)的合作治理模式分析[J].中國(guó)行政管理,2010(6):104-107.

[5] 阿維納什·佩爾紹德,王璞,王辰.房地產(chǎn)周期、銀行危機(jī)與經(jīng)濟(jì)衰退[J].新金融,2016(6):10-15.

[6] 向曉璐.我國(guó)房地產(chǎn)企業(yè)財(cái)務(wù)風(fēng)險(xiǎn)評(píng)價(jià)研究[D].成都：西南財(cái)經(jīng)大學(xué),2014.

[7] 李琴.基于支持向量機(jī)回歸模型的重慶市房地產(chǎn)金融風(fēng)險(xiǎn)預(yù)警研究[J].重慶理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)),2015(11):78-82.

[8] 王佩.房貸企業(yè)信用風(fēng)險(xiǎn)評(píng)估[D].西安：西安電子科技大學(xué),2011.

[9] 張小芳.房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)綜合評(píng)估研究[D].西安：長(zhǎng)安大學(xué),2005.

[10] 蔡建民.基于項(xiàng)目動(dòng)力學(xué)的房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)管理研究[J].管理現(xiàn)代化,2006,146(4):55-57.

[11] 趙樹(shù)寬,馬力.大型房地產(chǎn)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)體系的研究[J].科技進(jìn)步與對(duì)策,2002,19(4):118-119.

[12] 何芳,王小川,肖森予,等.基于MIV-BP型網(wǎng)絡(luò)實(shí)驗(yàn)的房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)識(shí)別研究[J].運(yùn)籌與管理,2013(2):229-234.

[13] QU X,HAO Z.The entropy model of fractal supply chain network system based on fuzzy AHP[J].Journal of Computers,2010,5(8):1213-1218.

[14] CHEN T Y,LI C H.A comparative analysis of objective weighting methods with intuitionistic fuzzy entropy measures[J].Journal of the Chinese Institute of Industrial Engineers,2009,26(6):469-479.

[15] 王清源,潘旭海.熵權(quán)法在重大危險(xiǎn)源應(yīng)急救援評(píng)估中的應(yīng)用[J].南京工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2011,33(3):87-92.

[16] 鄧聚龍.灰理論基礎(chǔ)[M].武漢：華中科技大學(xué)出版社,2002.

[17]CHANGKC,YEHMF.Greyrelationalanalysisbasedapproachfordataclustering[J].IEEEProceedings-VisionImageandSignalProcessing,2005,152(2):165-172.

[18]LIANGRH.Applicationofgreyrelationanalysistohydroelectricgenerationscheduling[J].InternationalJournalofElectricalPower&EnergySystems,1999,21(5):357-364.

[19] 劉莉娜,曲建升,曾靜靜,等.灰色關(guān)聯(lián)分析在中國(guó)農(nóng)村家庭碳排放影響因素分析中的應(yīng)用[J].生態(tài)環(huán)境學(xué)報(bào),2013,22(3):498-505.

[20]NASIRD,MCCABEB,HARTONOL.Evaluatingriskinconstruction-schedulemodel(ERIC-S):constructionscheduleriskmodel[J].JournalofConstructionEngineering&Management,2003,129(5):518-527.

[21] 劉軍,潘德惠,田喜龍.房地產(chǎn)項(xiàng)目投資前期的風(fēng)險(xiǎn)評(píng)價(jià)[J].系統(tǒng)管理學(xué)報(bào),2007,16(2):194-197.

[22] 李啟明.房地產(chǎn)投資風(fēng)險(xiǎn)與決策[M].南京：東南大學(xué)出版社,1998.

[23] 肖枝洪.多元數(shù)據(jù)分析及其R實(shí)現(xiàn)[M].北京：科學(xué)出版社,2013.

[24]LANTZB.MachinelearningwithR[M].Birmingham：PacktPublishing,2015.

AnalysisonRiskAssessmentofRealEstateProjectBasedonEntropy-GreyCorrelationMethod

XIAO Zhihong, TAN Li

(School of Science, Chongqing University of Technology, Chongqing 400054, China)

Based on the data of 89 real estate projects in Liangjiang New District of Chongqing in recent years, the entropy-grey correlation method is used to construct the risk assessment model for real estate project. The model is not only good adaptive, but also highly accurate. The result shows that the five real estate projects of Project 17, Project 86, Project 49, Project 75 and Project 53 are at high risk, which is basically in accordance with the actual situation. There are three risk indicators: unsalable situation, the proportion of forward delivery housing net signed and the condition of surrounding traffic, which has a very significant impact on the real estate risk. It provides the scientific gist and reference for real estate enterprise to check the risk and the relevant government departments’ decision-making.

real estate project risk; risk assessment; entropy method; grey-correlation analysis

2017-03-15

國(guó)家統(tǒng)計(jì)局統(tǒng)計(jì)科研重點(diǎn)項(xiàng)目“多數(shù)據(jù)源整合與價(jià)值挖掘” (2014LZ25)；重慶理工大學(xué)研究生創(chuàng)新基金資助項(xiàng)目“重慶市房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)預(yù)警系統(tǒng)”(YCX2016241)

肖枝洪(1965—)，男，湖北漢川人，教授，博士，研究方向：數(shù)據(jù)分析、應(yīng)用統(tǒng)計(jì)。

肖枝洪，譚荔.基于熵權(quán)-灰色關(guān)聯(lián)法的房地產(chǎn)項(xiàng)目風(fēng)險(xiǎn)評(píng)估分析[J].重慶理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué))，2017(12):31-37，44.

formatXIAO Zhihong, TAN Li.Analysis on Risk Assessment of Real Estate Project Based on Entropy-Grey Correlation Method[J].Journal of Chongqing University of Technology(Social Science)，2017(12):31-37，44.

10.3969/j.issn.1674-8425(s).2017.12.005

F293.3

A

1674-8425(2017)12-0031-07

(責(zé)任編輯魏艷君)