基于人工神经网络的我国房地产行业风险评估与预测.pdfVIP

市场论坛产业发展2024年第3期

MARKETFORUM（总第240期）

基于人工神经网络的我国房地产行业

风险评估与预测

张雅轩钟敏周小敏

【摘要】文章通过构建房地产风险评估指标体系，选取2000-2021年相关指标数据，运用灰色关联模型

进行关联度风险综合评估，采用一般神经网络与遗传演化类神经网络（GA-BPN）对比风险预测效果。研究结

果表明，GA-BPN模型具有较好的风险预测能力，2022-2025年我国房地产行业风险会持续保持高风险状态。

【关键词】房地产行业风险评估预测人工神经网络

【中图分类】F323.211【文献标识码】A【文章编号】1672－8777（2024）03－0069－06

防范化解房地产风险，是近年来房地产行业非刘春苗（2012）通过选取惩罚系数Ｃ和核函数，经过

常关注的课题。第十四届全国人民代表大会第二次模型初步评价的风险能够和最终数据模拟结果相一

会议上的政府工作报告在“更好统筹发展和安全，有致，通过对支持向量机的实证研究表明此种算法在

效防范化解重点领域风险”部分，提出了标本兼治化风险预测领域具有较好的风险预测能力。李欣泽，樊

解房地产风险、稳妥有序处置风险隐患、健全风险防相宇（2013）利用BP神经网络方法来量化评估房地

控长效机制等重要举措。这意味着当前化解房地产产投资风险，并以西安地区为例建立BP神经网络模

领域风险已得到充分重视。基于此，本文采用灰色关型。陈凯等（2020）通过修正房地产财政依赖度评价

联模型对往年房地产行业风险进行评估，运用人工模型对房地产财政依赖度进行分析，进而划分房地

神经网络挑选出最佳拟合模型对未来房地产市场进产风险评级矩阵，提出分类分级实施调控的策略组

行风险预测。合建议。向为民，曹莹（2023）基于供需理论视角构建

多年来，国内众多学者对于房地产行业风险问房地产金融风险预警指标体系，并运用功效系数法，

题有着持续不断的深入研究。左石波等（2008）利用以重庆市为例测算2000-2020年的综合预警值，提

数据包络分析方法（DEA），结合房地产开发项目中供房地产金融风险的防范对策。

可能出现的潜在风险对建设项目多方案进行综合评

一、指标选取与数据来源

价，获得不同方案投资效率的相对有效性和决策方

案的优劣顺序，并对非DEA有效的方案利用决策单（一）指标体系的构建

元在DEA相对有效面上的投影原理提出改进方法。本文以葛红玲，孙迪的文献为参考依据，基于

①李强：《2024年度国务院政府工作报告———第十四届全国人民代表大会第二次会议上的讲话》，2024年3月5日。

②葛红玲，孙迪：《京津冀地区房地产金融风险评估———基于支持向量机模型的实证分析》，《北京社会科学》，2022年第12期。

【作者简介】张雅轩（2002年—），女，湖南科技学院金融工程专业2021级本科学生；

钟敏（1970年—），男，湖南科技学院经济与管理学院，研究员，研究方向：技术创新、绩效管理；

周小敏（1980年—），男，湖南科技学院经济与管理学院，经济学博士，讲师，研究方向：保险与

社会保障，经济统计。

市场论坛产业发展2024年第3期

MARKETFORUM