【www.zhangdahai.com--企业工作总结】
摘 要：文章首先讨论房地产预警常用的几种方法，接着阐述了目前房地产预警存在的主要问题，最后给出了房地产预警未来的发展方向。 关键词：房地产预警 景气指数法 综合模拟法 BP神经网络
房地产预警是经济界研究的热点问题，目前国内外对房地产预警的研究比较多，主要是从房地产预警指标的选择、房地产预警方法的选择和房地产综合预警三方面进行的。可是在目前的研究中，存在的主要问题是建立的房地产预警系统预警功能不强、精度不高，这主要是因为传统的预警方法对资料的要求和我国房地产发展的实践不相符。本文主要分析当前在我国进行房地产预警应注意的几个问题。
1.房地产预警方法的选择
房地产预警是经济预警的一个重要的组成部分，它的基础理论和方法来源于对经济预警理论的研究，因此对房地产预警系统进行全面系统的研究，可以对宏观经济预警理论体系进行补充和完善。而预警方法是预警系统的核心，预警方法是否合适是房地产预警系统能否发挥其预测、防范和调控功能的关键。
1.1景气指数法
我国早期的房地产预警研究主要借鉴了宏观经济监测与预警常用的方法，即景气指数预警法。这种方法以经济周期循环理论为基础，从影响房地产经济的诸多要素中选出一组对景气变动敏感，有代表性的经济指标，把它们分为先行、同步和滞后三类指标，然后分别对这三类指标编制扩散指数（DI）和合成指数(CI)，以预测房地产景气的转折点和长期趋势，达到房地产预警的目的。经过长时间的发展，景气指数的计算方法有了许多改进，景气指数法的运用也比较成熟。但是用这种方法来对我国房地产进行预警，其不足之处也显而易见：
首先，景气指数法用合成指数的升降来表示景气状况，易造成信息量的不完整。合成指数是对各种指标进行的加权综合，虽然综合指数能够反映总体的走势情况，但也容易掩盖某些个别指标的异常波动情况，若这些指标在房地产经济变动中非常重要的话，那么合成指数所显示的信息量就很不完整。 其次，景气指数法预警不利于对每个指标进行监控。景气指数法预警利用合成指数和扩散指数显示总体发展趋势，综合指数包含的信息量有限，很难对每一个指标进行分析判断，这样不利于找出警源，找出控制对象和控制目标。 第三，房地产经济周期性不明显会影响景气指数应用的范围和效果。景气指数法的预警基础是经济波动的周期性，构成景气指标的先行指数可以提前预报经济周期的转折点。而我国房地产真正发展时间不过10多年，房地产经济的发展受国家政策等因素影响明显，城市房地产经济的周期性还有待研究，因此运用景气指数法进行房地产预警不是最佳选择。
1.2综合模拟法
综合模拟法也叫统计预警法，是我国目前房地产预警采用最广泛的方法。其基本思路是先对警兆与警素指标进行时差相关分析，确定其先导长度和强度；接着根据警兆指标变动的情况确定警兆指标的警级，然后根据各警兆指标的重要性对警级进行综合，得到总体的综合警度。使用此方法进行房地产预警，不仅能反映房地产的综合警度，还能反映单个指标的警度，比较适合用来进行房地产预警。
综合模拟法既能对房地产整体警度进行综合判断，也能够对各个指标进行监控，便于找出警源，比较符合预警的目的。但运用该方法对我国房地产预警也存在一些难以克服的问题：
第一，实际数据的分布不能满足要求。单指标理想状态的预警域是房地产综合模拟预警的基础性工作，是预警成败的关键。而采用统计预警方法，则要求它的参数必须满足多元常态分配的假设（如正态分布），而实际资料常常不能满足要求，因此目前以3σ预警准则获得的预警域与现实并不符合，使得预警精度不高或失效。第二，统计预警法对资料的输入不具有容错性。房地产在我国真正的发展不过十来年的时间，统计数据难免出现错误和遗漏，而统计预警法对错误资料的输入不具有容错性，无法自我学习与调整，这也就是为什么采用此方法做出来的预警系统精度不高的一个重要原因。第三，用3σ预警准则确定的预警域是静态的。统计预警方法属于静态预警方法，而房地产的发展本身是个动态的过程，因此采用此方法难免出现理论和实际不吻合的情况。有不少学者对这一问题进行了研究，对预警区间进行不断地修正，使之更接近现实，提高了预警的有效性，但未能从根本上解决其存在的问题，于是更多人又转向了基于模式识别的预警方法研究。
1.3 BP神经网络法
而近年来BP神经网络的出现引起了人们极大的关注。BP神经网络采用平行分散处理模式，这使它不仅能较好地进行模式识别，还具有容错能力强和对数据分布要求不严格等传统方法不具备的优点。同时它还具备学习能力、处理资料遗漏或错误的能力，可随数据的更新进行自我学习、训练和调整，能够应对多变的经济环境。人工神经网络中应用最广泛的是前向三层BP神经网络，它分为输入层、隐藏层和输出层三部分，能够准确地模拟输入、输出的近似关系，因此它在房地产预警中被广泛应用。
BP神经网络在经济预警中的应用是对传统预警方法（景气指数法和综合模拟法）的一种拓宽和突破，解决了传统预警方法存在的以下问题：难以处理高度非线性模型、偏重定量指标、难以处理定性指标；以及预警指标的警限、警区采用确定方式，不具备时变特性，缺少自适应、自学习能力；预警信息和知识获取是间接的、费时、效率低等。从而为预警走向实用化奠定了基础。
但是BP神经网络也存在一些难以克服的缺陷，由于BP神经网络学习算法是利用梯度下降法调节权值使目标函数达到极小，导致其过分强调克服学习错误而泛化性能不强。同时还易出现隐层单元的数目难以确定，网络学习的收敛和最终权值受初始值影响大，网络容易陷入局部最优等问题，这也是不少学者正在研究的课题，但尚未取得实质性的进展。
2.房地产预警存在的主要问题
国内学者在房地产发展时间不长，数据资料残缺不齐的情况下进行了大量研究，取得了可喜的成果，给后续的研究提供了思路。但目前我国房地产预警研究无论是从理论研究还是实践的角度来看仍处于起步阶段，主要不足表现在以下几个方面：
2.1预警结果误差较大，精度不高
不管是景气指数法还是综合模拟法预警都是建立在房地产经济周期基础上的，这两种方法都要求有较长的时间序列数据，欧美一些国家因为房地产发展时间长，发展较成熟，采用这些方法预警都取得了较好的效果，而我国的房地产市场起步晚（90年代初才真正起步），发展不稳定，积累的历史数据很少，统计数据不完整，统计口径不一致，再加上房地产市场发展还不规范，受政策影响非常大，房地产经济周期波动不明显（或短期内难以体现），这些特征使得采用传统的预警方法预警，输出结果误差较大。
2.2指标权重和警界值的确定缺乏科学性
在进行房地产预警时，综合警度的确定是我们预警的最终目标。而综合警度是各指标警度的综合，因此要想准确地预测警度，房地产预警系统中各指标权重的确定和各指标预警界限的确定则是问题的关键。警界值的确定，我国早期基本上是通过主观经验来判断，缺乏客观依据，而近期则主要采用正态归一法和μ-σ法来确定，用这两种方法确定警界值都要求有充足的数据，而实际却很难满足。另外用这两种方法确定的警界值都是固定的，不能动态调整，目前我国房地产整体发展还处于初级阶段，某些指标的波动剧烈，如果按照统一不变的标准来划分，那些指标可能会因为标准差过大而使其正常区间过大，从而影响了预警的精度。而在确定各指标的权重时，方法也过于粗糙、简单。目前的预警研究中有的没有考虑指标的权重，只是简单的平均；有的采用完全主观的专家经验法；而有些研究所采用的简单的定量分析方法，其适用性和科学性也有待检验。
2.3趋势预测功能不强
预警系统有警度判断与趋势预测两项功能，准确的市场预测可以很大程度上避免由于系统不稳定性而产生的判断误差，具有更强的实际应用意义。前人绝大部分研究成果都侧重于警度判断的功能，而趋势判断功能较弱。如在景气指数法预警中选取先行性警兆指标就是为了增强其预测功能，但同时也选取了同步与滞后指标，前人研究中简单的把先行、同步与滞后指标加权综合，使其预测功能受到影响；而在综合预警中则是根据历年警值趋势图走势来预测下一年的警情，该方法对警值转点的预测功能较差。
2.4系统学习性不够
目前的房地产预警系统研究的初步成果不具备很好的动态学习性，而“系统学习性”对于房地产预警系统，特别是我国目前的房地产预警系统构建是十分必要的。我国的房地产市场真正发展才短短十多年的时间，需要能够不断积累历史数据，从而修正系统参数，使系统更趋完善和准确。
3.房地产预警未来发展趋势
3.1多种预警方法协同预警
房地产是一个复杂的非线性大系统，不管使用前面讨论的哪种方法，都有其局限性。只有将不同预警方法结合起来进行综合预警，才能提高预警可靠度。另外在进行房地产预警时，也不能只重视定量分析方法，要把定性分析和定量分析相结合，把短期与长期相结合，把静态与动态分析相结合，把统计分析与数学模型相结合。
3.2房地产预警指标的选择和调整
随着房地产业的不断发展，新的影响房地产市场的因素会不断出现，因此，构建科学、动态的房地产预警指标体系是建立实用的房地产预警系统的关键。未来指标选择应是在有关房地产经济理论的指标下，结合当地实际，采用定量、定性方法相结合来进行的。指标的选择应遵循全面性、代表性和灵敏性的原则，并能随着实际情况的变化而作相应的动态调整。
3.3建立动态的房地产预警系统
房地产市场始终处于变化中，如何建立具有学习性的动态的房地产预警系统将是未来的一个方向，在这个过程中不可避免地要和现代计算机信息技术相结合。信息技术为开发动态的、智能的房地产预警系统提供了基础，今后的房地产预警研究应大量运用先进的计算机技术，开发先进、实用的软件，使建立的预警系统有良好的人机交互能力。因此，如何将计算机信息建模技术和房地产预警系统有机结合将成为我国房地产预警研究的一个热点问题。
湖北省教育厅人文社科项目青年项目（项目编号：239269）。
参考文献:
[1]张学工.关于统计学习理论与支持向量机[J].自动化学报，2000,（1）:32-42.
[2]郭峰.基于大系统控制的房地产预警系统及应用研究[M].重庆大学博士学位论文，2005.
[3]刘广利.基于支持向量机的经济预警方法研究[M].中国农业大学博士学位论文，2003.
[4]李斌,丁烈云.房地产景气预警中DI的改进及与CI的精度比较研究[J].系统工程理论与实践,2003,23(1).
[5]陈彦,陈森发. 模糊模式识别在房地产预警信息系统中的应用. 运筹与管理,2005,(6):95-100.
作者简介：
王平，女，中南财经政法大学统计学专业博士,武汉工程大学管理学院工商管理教研室，讲师。
