住宅風險項目建設論文

導語：住宅風險項目建設論文一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

1問題的提出

本文針對目前商品住宅建設項目的風險評價現狀，探索建立一個評價住宅建設項目風險的指標體系，并使用該指標體系進行某一地區的風險評價。項目建設方能夠使用該指標體系評價方法，快速地獲取獲取投資項目的風險信息，選擇自身所能夠承受的風險水平項目。該結論還能夠為化解風險提供一些建議措施，指導項目建設方的項目建設行為，服務住宅項目建設行業的發展。目前國內對住宅項目建設風險的指標還未形成系統的理論和認識，建立科學合理的風險評價指標體系，并通過該體系有效評估項目建設風險具有重大現實意義。BP神經網絡是神經網絡模型中最經典成熟的一種模型，它能通過良好的自學習能力完成網絡參數的訓練，并通過訓練好的網絡參數反饋評估指標，是一種優異的非線性映射。本文主要采用BP神經網絡模型確定項目風險水平，再通過專家打分法計算出項目具體風險值，給出各個風險指標的風險貢獻。

2商品住宅建設項目風險指標體系的建立

建立商品住宅建設項目風險指標體系是進行風險評價的第一步。風險評價指標體系可以反映出項目建設的風險受哪些因素的影響，通過對這些因素的評估來反映出項目整個的風險值，是對項目風險進行定性分析和定量測算的基礎。商品住宅項目有著不同于其它項目的獨特風險，有國內城鎮化進程剛性住房需求的支撐，同時又受城市規劃和區域發展目標和交通、環境等因素的制約。完備性和致密性是對建立風險指標體系的基本要求。住宅建設項目風險指標體系應該涵蓋此類項目全壽命周期的全過程，在從前期可行性研究到項目策劃，再到獲取土地使用權，直至項目建設、預售、交房、物業服務的整個過程中考慮其可能發生的風險因素，將其提取出來。做到了以上這一點，我們就實現了風險指標體系的完備性。但在保證風險指標體系的完備性的同時，還要保證風險指標體系的致密性。致密性是指風險指標體系各個指標之間的互不包含性，各指標之間無交集，避免風險因素的重復。在保證完備性和致密性的同時，根據構件模型和數據處理的需要，我們還要堅持一下原則。指標要真實可靠，否則就不能反映出實際情況且無法完成BP網絡模型預知的訓練。指標要能夠靈敏反映出各因素對風險值得影響。指標建立還要考慮數據獲取的可行性，一些指標是定性的指標，很難把它轉化成定量數據，這樣的指標也失去了評價的意義。同時還要保證指標的系統性、前瞻性、始源性、可比性。在以上原則指導下，在目前我國政治穩定，國民經濟持續保持穩定較快發展的大背景下，結合住宅項目建設自身特點，去除不會發生的風險因素，構建商品住宅建設項目的風險指標體系。商品住宅建設項目的風險由大到小可以分為:宏觀環境風險、房地產行業風險、住宅項目施工建設風險。宏觀環境風險包括:住房制度變化風險、金融市場風險、能源環保政策變化風險、城市規劃風險。房地產行業風險包括:市場供求風險、投資變現風險、同行競爭風險、建材價格風險。住宅開發項目自身風險包括:開發項目策劃風險、項目合同風險、項目財務風險、項目管理風險。

3BP神經網絡模型的構建

在以上商品住宅建設項目風險指標體系的基礎上，建立十二個輸入指標的BP神經網絡模型，通過網絡的自學習能力，訓練成熟的網絡參數。完成BP神經網絡閾值訓練之后，就可以運用該網絡模型對特定區域的風險進行評估。BP神經網絡模型輸出的是一個定性的風險值，在BP神經網絡輸出風險值的基礎上，運用專家打分法加權處理各個風險指標的數據，可以得到具體的風險值和各個指標的風險貢獻。BP神經網絡是一種按誤差逆向傳播算法訓練的多層前饋網絡，是目前應用最廣泛的神經網絡模型之一。BP網絡能學習和存貯大量的輸入－輸出模式映射關系，而無需事前揭示描述這種映射關系的數學方程。它的學習規則是使用最速下降法，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小。BP神經網絡模型拓撲結構包括輸入層、隱含層和輸出層。根據確定的商品住宅建設項目風險指標體系的風險指標數，把BP神經網絡的輸入層單元數設計為12層，對應12個風險指標，采用專家打分法把12個指標定量化。根據BP神經網絡隱含層的特性，隨著層數增多，誤差向后傳播的過程計算會越來越復雜，導致網絡訓練時間急劇增加，且隱含層的增加，還會導致局部最小誤差增加。所以把BP神經網絡隱含層的單元數設計為3個。評價風險大小只需一個風險值即可，輸出層單元數設計為1個。綜上所述，本文建立的BP神經網絡為12－3－1型的神經網絡。

4實證研究

根據建立的BP神經網絡，設計輸入輸出值。輸入值設計區間0～1，輸出值區間也為0～1，值越大代表風險越大。規定輸出值落在0～0.2區間的代表風險等級為低，輸出值落在0.2～0.4區間的代表風險等級為較低，輸出值落0.4～0.6區間的代表風險等級為一般，輸出值落0.6～0.8區間的代表風險等級為較高、輸出值落0.8～1區間的代表風險等級為高。十二個風險指標作為輸入值，建立8個訓練樣本，在MAT-LAB7.0對BP神經網絡進行訓練。建立的8各訓練樣本要求有很高的準確性和代表性。不準確、沒有代表性的樣本會導致網絡的失真。本文樣本來源于哈爾濱市不同區域、不同住宅層次、不同住宅類型的8個住宅項目，要求被調查者是哈爾濱市有代表性的住宅項目相關企業及事業單位的工作人員，對本市的住宅項目有著全面的了解，可以保證數據的準確性。為了保證了數據的真實性和時效性，本文選擇的哈爾濱市8個樓盤截止到2012年底都已全部售完。將8個訓練樣本輸入MATLAB7.0中進行閾值訓練，然后對訓練輸出值與專家打分值進行比較，模型的輸出值已經很接近打分值。在BP神經網絡閾值的訓練逼近圖中，訓練后誤差達到2.14096e－007，遠遠超出目標要求值1e－005，表明閾值訓練成功，本BP神經網絡已經成熟，可以使用該網絡進行風險預測了。利用訓練成功的BP神經網絡，輸入2013年初哈爾濱市整體商品住宅項目建設項目的資料，進行評價。根據模型在MATLAB7.0進行運算，該市2012年初的住宅建設項目風險值為0.4696，落在0.4～0.6區間，風險等級為一般。運用專家調查法對各風險因素及輸出風險值進行評估，經過數據加權處理后的風險值為0.0674，各個風險指標的風險貢獻分別為0.1084、0.0429、0.0613、0.1640、0.0877、0.0440、0.1642、0.0039、0.1373、0.0130、0.1044、0.0689。

5結語

在12個風險指標中，投資變現風險、金融市場風險最大，分別為0.1642、0.1640。目前我國住宅建設項目一般自有資金投入在30%左右，大部分依靠銀行貸款，一旦銷售不暢將嚴重影響項目的投資變現，很多項目開盤搞活動有優惠也是這個道理，建設方希望盡快回籠資金。另一方面，住宅建設與金融風險密切相關，世界金融危機會嚴重影響此類項目的建設。項目策劃風險、住房制度風險、項目財務風險為第二檔風險，貢獻分別為0.1373、0.1084、0.1044。住宅建設市場受國家宏觀調控影響較大，國家保障房計劃的開啟及保障房項目的陸續入市也對商品住宅項目產生較大影響。此外，項目銷售策劃和營銷會對潛在購買者產生較大的影響，左右項目的銷售目標。其余指標都屬于第三檔風險，城鎮化是我國發展的大趨勢，而且目前城市中年輕人自住購房的剛性需求和中老年人的改善性需求不減，這些都導致了住宅建設項目風險的總體平穩性。經過以上分析，總體上來說，該模型的評價結果與哈爾濱市住宅項目建設的具體情況相吻合，說明該風險評價指標體系和評價模型是有效的，能夠較為準確的評價出具體地區特定時間的風險值，可以作為建設方的決策參考。

作者：于秉坤工作單位：黑龍江農墾建工有限公司