林佳麗，林洋溢，駱樂佳，姜大志*

（1.汕頭大學(xué)商學(xué)院，廣東 汕頭 515063；2.暨南大學(xué)信息科學(xué)技術(shù)學(xué)院，廣東 廣州 510632；3.汕頭大學(xué)計算機系，廣東 汕頭 515063）

1 引言

風(fēng)險社會逐漸成為全球需要重點應(yīng)對的主要社會形態(tài).烏爾里希·貝克（Ulrich Beck，德國社會學(xué)家）最早提出了“風(fēng)險社會”的概念（1986）[1]，指出防止風(fēng)險產(chǎn)生的“有組織的不負(fù)責(zé)任”，需要通過“有組織的預(yù)見”來系統(tǒng)性預(yù)測事物發(fā)展的態(tài)勢，綜合凝結(jié)社會系統(tǒng)各個關(guān)鍵要素，通過預(yù)見性地制定支撐政策，來加強社會經(jīng)濟活動的前期性規(guī)劃和前瞻性治理.風(fēng)險一般具有不確定性、未知性等劣構(gòu)特性，難以用過往的、既定的經(jīng)驗來消除.在風(fēng)險社會情境下，對風(fēng)險預(yù)見進行關(guān)鍵問題分析，構(gòu)建可行的實施框架，成為各類組織工作的重點內(nèi)容[2].

宏觀政策的調(diào)控，是社會健康發(fā)展的重要推手.在風(fēng)險社會情境下，風(fēng)險預(yù)見要以整體的社會利益為導(dǎo)向，政府宏觀政策的制定，可有效拓展參與人群范圍和共識范圍，實現(xiàn)宏觀政策選擇的“強建構(gòu)性”[3]，治理并引導(dǎo)社會的良性發(fā)展[4-5].但是，在風(fēng)險社會情境下，如何預(yù)判宏觀政策的有效性，預(yù)見政策發(fā)布之后經(jīng)濟社會的反應(yīng)，才是宏觀政策調(diào)控的最核心目標(biāo).宏觀調(diào)控的“最大效益”需要在對科學(xué)、技術(shù)、經(jīng)濟和環(huán)境的遠(yuǎn)期未來進行整體性、系統(tǒng)性的演化模擬與預(yù)測的基礎(chǔ)上實現(xiàn)，而現(xiàn)有“整體性”、“系統(tǒng)性”和“科學(xué)性”的不足嚴(yán)重制約了風(fēng)險預(yù)見的準(zhǔn)確性，影響了政府對于風(fēng)險的認(rèn)識和重視.粒子智能是人工智能和人工生命的交叉研究領(lǐng)域[6]，其核心思想是突破個體的局部而有限的能力，通過自組織、自適應(yīng)、自學(xué)習(xí)地進行群體演化，從而“涌現(xiàn)”出群體的性質(zhì)和功能，或者“涌現(xiàn)”出群體的高級智能性.借鑒這種優(yōu)異特點，管理學(xué)發(fā)展出計算實驗這一獨特分支[7]，在風(fēng)險社會情境下，通過粒子智能的整體性、系統(tǒng)性模擬，實現(xiàn)對決策的行為效果的科學(xué)性預(yù)判，消弭不確定性，為實現(xiàn)風(fēng)險“預(yù)見”能力提供了有效的工具[8].

近年來，房地產(chǎn)開發(fā)投資增速持續(xù)在高位運行，系統(tǒng)性風(fēng)險概率逐漸加大，而學(xué)區(qū)房是其背后重要的推手之一[9].本文基于粒子智能，以備受關(guān)注的“多校劃片”為主要研究問題，以房地產(chǎn)商和消費者為主體的市場行為（房地產(chǎn)商主體行為、消費者主體行為）為研究對象，設(shè)計粒子智能中的主體學(xué)習(xí)機制，自組織、自適應(yīng)地模擬在“多校劃片”政策實施前后，以不同學(xué)區(qū)質(zhì)量等級為自變量的房地產(chǎn)開發(fā)商在重要區(qū)位因素下的數(shù)量變化模型，以此探討“多校劃片”政策對開發(fā)商市場行為的影響.通過建構(gòu)這種演化適應(yīng)性模型，對不同區(qū)位因素情境下的政策實施效果進行模擬，預(yù)測政策發(fā)布對于抑制學(xué)區(qū)房房價的影響，提升宏觀政策調(diào)控的風(fēng)險預(yù)見能力.通過模擬后分析發(fā)現(xiàn)，“多校劃片”政策一般在早期對具有學(xué)區(qū)優(yōu)勢的位置產(chǎn)生一定程度的打壓效應(yīng)，但該政策具有時效性，并未根本解決教育資源分配不均的問題.本文通過計算實驗方法預(yù)測政策發(fā)布后房地產(chǎn)開發(fā)商的市場行為，但是本文不以某一特定的問題為研究目標(biāo)，鑒于模型的泛化性能，可為有效預(yù)判宏觀政策的相關(guān)影響提供一套解決方案，同時也為相關(guān)智能決策提供新思路.

2 “多校劃片”問題綜述

孩子的教育問題已成為時下中國父母最關(guān)注的事情之一.在此背景下，大多數(shù)城市的學(xué)區(qū)房常常與入學(xué)機會掛鉤[10].而我國教育資源的不均衡分配和家長們“望子成龍”的期盼心理，愈使得人們根據(jù)學(xué)校質(zhì)量評定出的所謂的“重點小學(xué)”、“重點中學(xué)”成為基礎(chǔ)配套教育里的稀缺資源.房地產(chǎn)商則利用這種資源的差異大肆炒作學(xué)區(qū)房；而中國式家長則為購置“重點學(xué)區(qū)房”想盡辦法.為限制學(xué)區(qū)房價格的盲目上漲，教育部于2016年出臺“多校劃片”政策.所謂“多校劃片”是指將不同辦學(xué)水平層次的學(xué)校，即重點學(xué)校、名校與普通的學(xué)校進行捆綁組合，并且根據(jù)這些學(xué)校組合周邊的適齡入學(xué)人數(shù)及分布狀況，參考該地區(qū)的行政規(guī)劃來對居民區(qū)進行合理的劃分.一個小區(qū)會對應(yīng)多個學(xué)校.實行多校劃片將通過隨機派位方式分配熱點學(xué)校招生名額.派位未能進入熱點學(xué)校的學(xué)生，仍應(yīng)就近安排至其他學(xué)校入學(xué).

關(guān)于房地產(chǎn)市場開發(fā)的研究，現(xiàn)有文獻主要關(guān)注影響房地產(chǎn)商區(qū)位選擇的因素.其中，是否靠近地鐵、是否靠近景觀設(shè)施、是否靠近中央商務(wù)區(qū)（CBD）、是否靠近三甲醫(yī)院和是否靠近重點中小學(xué)等區(qū)位因素為學(xué)者和業(yè)界重點考慮的因素.如李慧玲[11]的研究表明重點中小學(xué)、地鐵、景觀設(shè)施和中央商務(wù)區(qū)這四個區(qū)位因素對房價影響最大.張琪[12]的研究表明是否靠近地鐵和中央商務(wù)區(qū)是最重要的區(qū)位因素.張冬玲[13]、冉依依等[14]的研究也同樣顯示最重要的區(qū)位因素為是否靠近中央商務(wù)區(qū)和地鐵站，以及是否靠近重點中小學(xué).董小剛等[15]研究表明是否靠近中央商務(wù)區(qū)、景觀設(shè)施和三甲醫(yī)院等對住宅價格影響顯著.裴淑珍等[16]研究表明房價受中央商務(wù)區(qū)、景觀設(shè)施以及環(huán)線的影響明顯.宋俊星等[17]的研究顯示是否靠近景觀設(shè)施對住宅價格影響最大.從現(xiàn)有研究可以看到，這些重要的生活和學(xué)校資源在房地產(chǎn)商區(qū)位選擇過程起了重要影響.而且，當(dāng)這些區(qū)位資源并存時，其重要性也會發(fā)生變化.

在關(guān)于區(qū)位的研究中，學(xué)區(qū)質(zhì)量是一個備受關(guān)注的話題.李亞寧[18]在學(xué)區(qū)對房價的影響研究中發(fā)現(xiàn)，初中和小學(xué)的質(zhì)量對住宅均價具有非常顯著的正向效應(yīng)，且小學(xué)的等級評分每上升一個單位，每平方住宅的均價則上漲4 163.084元，初中升學(xué)率每提高一個百分比，每平方住宅的均價則上漲529.133元.鄧婷婷[19]對于長沙市的教育配套資源對房價影響的研究也表明，配套教育對樓盤均價有正向影響效應(yīng)，并且口碑較好的學(xué)校會讓學(xué)校周邊的樓盤均價增加5.41%.黃斌等[20]對位于學(xué)區(qū)邊界兩側(cè)的住房價格進行匹配差分估計得出：小學(xué)名校及分校的學(xué)區(qū)房的溢價分別為19.7%和3.6%.王永超等[21]利用價格特征模型研究發(fā)現(xiàn)，教育因素導(dǎo)致的學(xué)區(qū)房溢價明顯，其中，單學(xué)區(qū)溢價18%，雙學(xué)區(qū)溢價44%.

通過上述分析可以看到，房地產(chǎn)商在區(qū)位選擇時的主要考慮因素為是否靠近地鐵站、是否靠近中央商務(wù)區(qū)（CBD），同時區(qū)位周邊的學(xué)區(qū)質(zhì)量對房價有重要影響，為此本文以學(xué)區(qū)質(zhì)量為研究變量，是否靠近地鐵站、是否靠近中央商務(wù)區(qū)（CBD）作為固定變量，建構(gòu)房地產(chǎn)商的演化適應(yīng)性模型，研究“多校劃片”政策對開發(fā)商的市場行為的影響.

3 模型建構(gòu)

3.1 模型假設(shè)

本文模型由N個房地產(chǎn)開發(fā)商和M個消費者所組成，其中，房地產(chǎn)開發(fā)商開發(fā)住宅項目，消費者則購買開發(fā)商的住宅.為簡化情景，本文模型的假設(shè)如下：

（1）市場中的房地產(chǎn)開發(fā)商都開發(fā)同一種住宅，即普通住宅.為了方便研究，模型設(shè)定住宅項目的學(xué)區(qū)區(qū)位變量為連續(xù)變量.

（2）將開發(fā)商選擇開發(fā)的住宅項目的學(xué)區(qū)質(zhì)量分為四個等級（其中等級1是學(xué)區(qū)質(zhì)量最高的，即學(xué)區(qū)質(zhì)量為4，等級2學(xué)區(qū)質(zhì)量為3；等級3學(xué)區(qū)質(zhì)量為2；等級4學(xué)區(qū)質(zhì)量為1.即學(xué)區(qū)等級從1到4，代表著質(zhì)量從高到低）.為了可以觀察到開發(fā)不同學(xué)區(qū)質(zhì)量住宅項目的開發(fā)商的數(shù)量變化，本文假設(shè)市場中的開發(fā)商的數(shù)量保持不變.

（3）假設(shè)開發(fā)商的住宅項目為消費者的剛需商品，因此消費者在每個周期內(nèi)都會需要購買一單位開發(fā)商的住宅項目.另外現(xiàn)實中購買一套房子的決策過程與消費者判斷房產(chǎn)的每平方是否值得購買的過程無異，所以本文設(shè)定消費者購買一單位開發(fā)商的住宅項目可視為消費者購買了該開發(fā)商的一套房產(chǎn).假設(shè)消費者在同一情境下的購房行為會受到住宅的學(xué)區(qū)區(qū)位變量和住宅價格的影響，并且消費者的數(shù)量保持不變.

3.2 主體行為分析

由于房地產(chǎn)商和消費者的行為對房地產(chǎn)市場有較為重要的影響，因此本文從成本、定價和收益研究房地產(chǎn)商的主體行為，從價格效用和學(xué)區(qū)質(zhì)量效用研究消費者的主體行為.

3.2.1 房地產(chǎn)商的主體行為

a）成本

假設(shè)Cit為房地產(chǎn)商i在第t期開發(fā)住宅項目的基本單位成本，為房地產(chǎn)開發(fā)商i為了選擇更好的區(qū)位效應(yīng)而帶來的額外邊際成本，即地皮的成本.該小區(qū)的地理環(huán)境越好，地皮的價值越高.參照張琪[22]的模型，本文認(rèn)為額外的區(qū)位邊際成本由是否靠近地鐵（X1）、是否靠近中央商務(wù)區(qū)（X2）以及學(xué)區(qū)區(qū)位變量（X3）這三個因素共同決定，并呈線性關(guān)系，即因此房地產(chǎn)開發(fā)商i在第t期的單位生產(chǎn)成本為：

b）定價

設(shè)Pit為房地產(chǎn)商i開發(fā)的住宅在第t期的每單位定價.參照杜建國等[23]的做法，當(dāng)選擇學(xué)區(qū)等級為4的位置時，房地產(chǎn)商的定價是基于成本的定價法，而當(dāng)選擇位置的學(xué)區(qū)質(zhì)量提高時，房地產(chǎn)商的定價除了基本成本和基本利潤，還要加上學(xué)區(qū)等級的價值.房地產(chǎn)商的定價規(guī)則如下：

c）收益

在第t期，房地產(chǎn)開發(fā)商i的收益可表示為：

式（3）中，Qit表示在第t個周期內(nèi)房地產(chǎn)開發(fā)商i的住宅項目的銷售量，且Qit是被消費者所決定的.Eit表示在第t個周期內(nèi)房地產(chǎn)開發(fā)商i的總體收益.

3.2.2 消費者的主體行為

本模型借用崔雪彬等[24]的效用方程來模擬消費者們購房時的決策過程，其原理為當(dāng)房地產(chǎn)開發(fā)商開發(fā)的住宅給消費者所帶來的效用總和最高時，消費者則會選擇該開發(fā)商所開發(fā)的住宅項目來購買.而消費者的效用總和由兩部分組成：住宅價格給消費者帶來的效用和住宅的學(xué)區(qū)質(zhì)量給消費者帶來的學(xué)區(qū)質(zhì)量效用.

a）消費者的價格效用

Uijt1代表第t期房地產(chǎn)開發(fā)商i開發(fā)的住宅帶給消費者j的價格效用，則有：

式（4）中，Pit為第t期房地產(chǎn)商i開發(fā)的住宅的每平方米的價格，PSijt為第t期消費者j對房地產(chǎn)商i開發(fā)的住宅價格的敏感度.參考Kim等[25]的做法，PSijt用房地產(chǎn)商i開發(fā)的住宅具體價格和購房者的期望住宅價格的差來衡量，此處期望住宅價格用住宅的平均市場價格來代替：

式（5）中，α是一個參數(shù)，且α＞1.k值是一個常數(shù)，用來反映消費者的經(jīng)濟屬性，富人的k值往往比窮人大得多，k∈[－50，－20].因此：

b）消費者的學(xué)區(qū)質(zhì)量效用

與消費者的價格效用表達(dá)方式類似，有：

式（7）中，Uijt2代表房地產(chǎn)商i在第t個周期內(nèi)所開發(fā)的住宅項目帶給消費者j的學(xué)區(qū)質(zhì)量效用；QSijt為第t期消費者j對房地產(chǎn)商i開發(fā)的住宅項目的學(xué)區(qū)質(zhì)量的敏感度；將住宅項目的學(xué)區(qū)質(zhì)量分為四個等級，基于現(xiàn)實生活，等級2和3的學(xué)區(qū)占比較大，等級1 和 4 相對稀缺，因此當(dāng) Git＝4，X3∈(0.8，1]，為等級 1；當(dāng) Git＝3，X3∈(0.5，0.8]，為等級 2；當(dāng) Git＝2，X3∈(0.2，0.5]，為等級 3；當(dāng) Git＝1，X3∈(0，0.2]，為等級 4.β 是一個參數(shù)，且β＞1.L是一個常數(shù)，用來反映消費者對學(xué)區(qū)質(zhì)量的重視程度.

綜上所述，房地產(chǎn)開發(fā)商在第t期開發(fā)的住宅項目帶給消費者j的效用總和為：

3.3 主體學(xué)習(xí)機制

由于房地產(chǎn)開發(fā)商在現(xiàn)實生活中是會進行主動學(xué)習(xí)的，所以本模型參考馮平等[26]提出的算法來模擬房地產(chǎn)開發(fā)商的學(xué)習(xí)過程.

參考算法里的思路，房地產(chǎn)開發(fā)商在每個周期的結(jié)束時會做出下列的判斷：①房地產(chǎn)商開發(fā)住宅的學(xué)區(qū)區(qū)位變量與上個周期比較，是上升、下降或是不變.②房地產(chǎn)開發(fā)商的收益與上個周期比較，是不變、增加或是減少.

由此可以得出九種不同的情況，每家房地產(chǎn)商都會面對這九種情況中的一個.系統(tǒng)給每家房地產(chǎn)商分配學(xué)區(qū)區(qū)位變量變化的概率值.其中，Pd指的是房地產(chǎn)商下一期的學(xué)區(qū)區(qū)位變量下降的概率；Pi指的是房地產(chǎn)商下一期的學(xué)區(qū)區(qū)位變量上升的概率；Pc指的是房地產(chǎn)商下一期的學(xué)區(qū)質(zhì)量區(qū)位變量不變的概率，且Pd＋Pi＋Pc＝1.每家房地產(chǎn)商會根據(jù)所面對的情況并結(jié)合表1中的學(xué)習(xí)機制來調(diào)整下一期學(xué)區(qū)區(qū)位變量變化的概率.

表1 主體學(xué)習(xí)機制

表1中，w表示概率值的變化值，令w＝0.1，Pd＝0.3，Pi＝0.3，Pc＝0.4.隨后，系統(tǒng)自動生成一個隨機數(shù)A∈[0，1]決定房地產(chǎn)商下一期會選擇開發(fā)哪種學(xué)區(qū)區(qū)位變量的住宅項目，判斷規(guī)則如下：

式（10）中，ΔX1和ΔX2分別為房地產(chǎn)商的學(xué)區(qū)區(qū)位變量降低和升高的幅度，本文設(shè)定ΔX1＝ΔX2＝0.05.

3.4 實驗參數(shù)設(shè)置

基于以上探討，本文將通過實驗進行擬合驗證，并確定參數(shù)變量范圍.本文所構(gòu)建模型的開發(fā)環(huán)境為Pycharm軟件.實驗中的參數(shù)和變量的賦值經(jīng)過多次調(diào)試，適當(dāng)?shù)胤糯蠡蚩s小變量的影響，使得實驗結(jié)果盡可能遵循真實的情況，具體情況如表2所示.

每一種情境下，在政府的“多校劃片”政策實施前，實驗中的參數(shù)和變量的取值范圍則按照表2所示.當(dāng)政府的“多校劃片”政策實施后，會導(dǎo)致消費者的學(xué)區(qū)質(zhì)量敏感度下降，從而會引起學(xué)區(qū)變量對地皮價值的影響系數(shù)也跟著下降.因此，參數(shù)做出相應(yīng)調(diào)整：L∈[10，30]，β3∈[25，45].

4 模擬實驗與結(jié)果分析

為較真實地反映“多校劃片”政策實施對房地產(chǎn)商市場行為的影響，本部分在不同情景下對政策實施前后不同學(xué)區(qū)質(zhì)量等級的房地產(chǎn)開發(fā)商的數(shù)量進行周期性研究.

4.1 實驗情景設(shè)定

由于地鐵和中央商務(wù)區(qū)是房地產(chǎn)商挑選主要的區(qū)位考慮因素，本文將一個城市中的區(qū)位地段分成四種情境，如表3.每種情境下的模擬實驗，分為“多校劃片”政策實施前后兩個部分.政策實施前后分別依據(jù)表2參數(shù)和調(diào)整參數(shù)進行100個周期的迭代.

表2 參數(shù)變量表

表3 四種情境

4.2 實驗結(jié)果及分析

不同等級的房地產(chǎn)開發(fā)商的數(shù)量可以直觀地展現(xiàn)出開發(fā)商對不同等級的位置的選擇意愿.本文對四種不同情境下“多校劃片”政策實施前后不同等級的房地產(chǎn)開發(fā)商的數(shù)量變化情況進行模擬實驗，模擬結(jié)果如下：

情境一：靠近地鐵和中央商務(wù)區(qū)

從情境一政策實施前后的對比圖（圖1）可以看出：政策實施前，房地產(chǎn)開發(fā)商更愿意選擇作為相對稀缺資源的等級1和4的位置進行住宅項目開發(fā)，等級2和3的位置的選擇意愿相對較弱；而政策實施后，選擇等級1位置的開發(fā)商數(shù)量的增長速度比之前稍有變慢且出現(xiàn)較大波動，而選擇等級2的位置的開發(fā)商的數(shù)量下降則更加快速且有非常大的波動.

圖1（a） “多校劃片”政策實施前（情境一）

圖1（b） “多校劃片”政策實施后（情境一）

這說明“多校劃片”政策對“優(yōu)質(zhì)學(xué)區(qū)房”是有打壓作用的，導(dǎo)致開發(fā)商的總體收益降低，使得開發(fā)商選擇等級1和2的位置的意愿變?nèi)跚也环€(wěn)定.但是等級1的位置，既有地鐵和中央商務(wù)區(qū)的優(yōu)勢，又有最好的學(xué)區(qū)優(yōu)勢，屬于一種極度稀缺的資源.所以開發(fā)商選擇該位置的意愿則是稍有變?nèi)?，而開發(fā)商選擇等級2位置的意愿則會受到嚴(yán)重的打擊.

情境二：靠近地鐵但不靠近中央商務(wù)區(qū)

從情境二政策實施前后的對比圖（圖2）可以看出：政策實施后，等級1位置的選擇意愿受到較輕程度的打壓；等級2位置的選擇意愿稍有加強；且在政策實施的后期，等級1的上升幅度較為明顯，這也說明了“多校劃片”政策只具有一定的時效性，并沒有辦法把“學(xué)區(qū)熱”徹底降溫.另一方面，等級3的位置的選擇意愿由較強逐漸變?yōu)檩^弱；由于該政策對其他學(xué)位優(yōu)勢位置的打壓，等級4的位置出現(xiàn)上升趨勢.

圖2（a） “多校劃片”政策實施前（情境二）

圖2（b） “多校劃片”政策實施后（情境二）

情境三：不靠近地鐵但靠近中央商務(wù)區(qū)

從情境三政策實施前后的對比圖（圖3）可以看出：在“多校劃片”政策實施后的后期，等級1代表的曲線則又是回歸到了較強的上升趨勢，且等級2的線段的下降趨勢也有所變緩，這又一次地印證了“多校劃片”政策屬于過渡性政策.政府只有解決了教育資源分配不均的根本問題，“學(xué)區(qū)房熱潮”才會被徹底降溫.

圖3（a） “多校劃片”政策實施前（情境三）

圖3（b） “多校劃片”政策實施后（情境三）

情境四：既不靠近地鐵又不靠近中央商務(wù)區(qū)

從情境四政策實施前后的對比圖（圖4）可以看出：最好學(xué)區(qū)質(zhì)量位置的選擇意愿被打壓得最嚴(yán)重，在迭代35期之后出現(xiàn)了一段下降的趨勢，這說明政府的“多校劃片”政策對重點名校學(xué)區(qū)房的“降溫”作用在既不靠近地鐵又不靠近中央商務(wù)區(qū)的情境下是最大的.等級2和3位置則開始呈現(xiàn)利好的狀態(tài)；學(xué)區(qū)質(zhì)量為1位置的選擇意愿沒有受到明顯的影響.

圖4（a） “多校劃片”政策實施前（情境四）

圖4（b） “多校劃片”政策實施后（情境四）

但是在政策實施的后期，由于政策的時效性，等級1的線段又開始明顯地上升.這說明了開發(fā)商在后期選擇學(xué)區(qū)質(zhì)量最好的位置進行開發(fā)的意愿又開始明顯增強，開發(fā)商又再次地將學(xué)區(qū)質(zhì)量挖掘成為賣點，所以“重點名校學(xué)區(qū)熱”的現(xiàn)象則卷土重來.

5 結(jié)語

本文基于粒子智能的模擬實驗方法，構(gòu)建多區(qū)位因素下“多校劃片”政策對房地產(chǎn)商市場行為影響的實驗?zāi)Ｐ?，并進行模擬研究，探究具有不同區(qū)位因素條件的情境下房地產(chǎn)選擇意愿的變化結(jié)果，分析開發(fā)商的市場行為演化.得到的主要結(jié)論有：

（1）在政策實施后，房地產(chǎn)開發(fā)商會對地皮靠近地鐵、靠近中央商務(wù)區(qū)和學(xué)區(qū)質(zhì)量這三種優(yōu)勢資源的配置組合進行重新的權(quán)衡和考量，并且根據(jù)具體情況來調(diào)整自身的位置選擇.

（2）盡管“多校劃片”政策在以上四種情境下對具有學(xué)區(qū)優(yōu)勢位置的選擇意向有一定程度的打壓，但在政策實施后期，“重點名校學(xué)區(qū)熱”的現(xiàn)象又有卷土重來的趨勢，說明該政策具有一定的時效性，并未根本解決教育資源分配不均的問題.近來有地區(qū)頒布新政，提出“名額分配綜合評價錄取”制度，進一步打壓學(xué)區(qū)炒房，從側(cè)面驗證“多校劃片”不能解決根本問題，也從側(cè)面驗證本文提出的粒子智能模型的可用性.

本文研究結(jié)論的推導(dǎo)主要依據(jù)粒子系統(tǒng)演化的結(jié)果.本研究為粒子智能在管理學(xué)上的應(yīng)用開辟了新的視野.說明通過充分利用粒子智能的優(yōu)異特性，可以構(gòu)建模型來預(yù)判市場發(fā)生的趨勢，為市場干預(yù)提供輔助性決策意見.后續(xù)，我們將針對學(xué)區(qū)房的相關(guān)新政策，完善模型，開展更為深入的研究，以期為相關(guān)決策的實施提供更為可靠的預(yù)測.更為重要的，我們后續(xù)將進一步提升粒子智能的建模能力，重點回答在何時、采用何種策略可以最大化系統(tǒng)整體收益，從而為風(fēng)險預(yù)見提供更為精準(zhǔn)的決策服務(wù).