◆中图分类号：F293.3文献标识码：A
内容摘要：本文根据房地产投资风险评价的多目标、多因素特点，利用聚类分析的特性，提出了一种基于模糊聚类的房地产投资风险评价模型，采用基于模糊聚类分析的综合排序方法，结合了数据挖掘中的聚类分析和模糊数学中的模糊相似矩阵的思想，实现对房地产投资风险的多目标评价，并通过实例应用验证了这个方法的可行性。为决策者提供了一个综合全部指标信息的决策依据。
关键词：房地产 风险评价 模糊聚类 模型
房地产投资是进行房地产开发和经营的基础，受宏观经济环境、管理能力及市场状况的影响，其投资收益是不确定的。收益与风险的并存，使得房地产企业在投资时需综合考虑诸多风险因素，并进行综合评价，以做出科学的决策。
房地产投资风险评价方法
房地产投资的风险评价实际上是一个复杂的多目标、多因素决策问题。在现有的房地产投资风险评价中，多以单目标决策为主，利用最大期望值、最大方差和最小标准离差率等单一指标，对房地产的投资进行评价。这种评价方法比较容易理解，但不能综合、全面地评价一个方案整体的优劣。也有的研究用多元分析方法来对房地产的投资进行风险评价，但传统的多元分析方法是建立在总体服从正态分布假定基础上的，然而，对于房地产投资而言，其投资方案的总体分布是不确定的，因而，采用基于总体服从正态分布假定的多元分析方法进行投资风险分析不够严谨。此外，还有其它一系列方案优选理论对风险评价进行了积极的探索，例如灰色综合评价模型、人工神经网络评价模型等。由于评价方案涉及众多评价指标，各指标的量纲不尽相同，而且各指标的权重较难确定，使得这些方法在实际应用中存在一定的困难。
聚类分析（Clustering）是一个将数据集划分为若干个组（Class）或类（Cluster）的过程。通过分类使得同一个组的数据对象具有较高的相似度，而不同组中的数据对象并不相似，其中相似或不相似的度量是基于数据对象描述属性的取值来决定的。聚类方法是通过比较数据的相似性和差异性，发现数据内在特征的分布规律，从而获得对数据更深刻的理解与认识，据此特性可将其运用于旨在确定最佳方案的房地产投资风险分析。
本文根据房地产投资风险评价的多目标、多因素特点，利用聚类分析的特性，提出了一种基于模糊聚类的房地产投资风险评价模型，采用基于模糊聚类分析的综合排序方法，结合数据挖掘中的聚类分析和模糊数学中的模糊相似矩阵的思想，实现对房地产投资风险的多目标评价，并通过实例应用验证了这个方法的可行性。
房地产投资风险评价指标选择因素
房地产投资存在诸多风险。人们从风险的影响面将房地产风险分为系统风险和非系统风险，其中系统风险为对所有投资者都相同的投资者本身无法避免或消除的风险，包括通货膨胀风险、市场供求风险、政策性风险等；与之对应的非系统风险为只对个别投资产生影响的风险，投资者可以设法减少的风险，如经营风险、财务风险等。依据风险指标作用机理，房地产投资风险指标又可分为源发性风险指标和非源发性风险指标。源发性风险指标有企业家品质、管理团队品质、市场条件、产业经济政策和风险投资相关制度；其他的都是非源发性风险指标。
在这些指标中，属于宏观环境的指标本身不是数量指标，靠人为赋值进入评价模型，多次赋值使得最后的评价结果主观性较大，仔细分析这些指标，可以发现一些指标之间具有相关性，一些指标可以作为修正因子带入数量指标，从而可以减少进入评价模型的评价因子，也可以减少评价的主观性。对于房地产投资风险评价指标的选择因素如下：
（一）经济周期风险
当一国的经济处于繁荣阶段，不加宏观调控的通货膨胀率会居高不下，在经济衰退期，一般伴随着银根紧缩，滞胀的情况也曾出现。经济周期及通货膨胀风险最终都会表现在投资的预期收益上，通货膨胀率预期越高，房地产的预期收益率越高，两者间的关系可通过适当的统计方法预测。
（二）政策影响
政策是政府规制市场的主要手段，其中财政政策和货币政策的特点是逆经济风向而动，因而其对房地产投资的影响与经济周期对房地产投资的影响是反向的。其中利率的变化直接影响投资的成本和收益，经济过热时，政府降低利率一方面减少储蓄，增加消费支出，另一方面降低成本。由于贴现率与利率之间存在正向变化关系，因而可以通过利率修正投资成本。政府土地政策对房地产市场有着很大的影响，如增收土地增值税曾使房地产市场遭受很大的打击，土地批租改年租将大大降低土地利用成本，从而降低购房的一次性投入，增加商品房的需求。对于材料、设备的限制政策，固定投资规模的调控政策都会增加房地产市场供给的成本。
（三）政治风险
政治风险是指由于战争、内乱、罢工发生的可能性和政权的稳定性造成的投资风险，是房地产投资中危害最大的风险。房地产境外投资必须考虑该风险，对于政局不稳的国家不宜进行房地产这样投资回收期长的项目。
（四）自然风险
自然风险主要包括:火灾风险、风暴风险、洪水风险、地震风险、雪灾风险、气温风险和施工现场地基风险等，与待开发区域的地理位置高度相关。可通过历史数据及勘探在方案选择前明确，作为方案选择的一个重要依据。
（五）市场风险
市场风险包括政策实施造成的供求变化带来的风险，还包括消费者偏好、居民收入、二手房市场的状况、商品房保值能力预期及技术进步使原有结构、工艺设计的无形损耗等影响供求的因素。根据市场细分和收入变化可以测算出某区域的住房需求总量和需求结构。市场竞争状况是市场条件的一个重要组成部分。竞争者的数量竞争者的优势和劣势、竞争者的竞争战略等问题都会对项目的风险有很大的影响。可以将市场容量、市场结构和竞争者状况综合考虑，确定投资的市场条件风险。
（六）决策及管理风险
按照现代公司治理的理论，决策者是代表投资者利益的董事会，经理是贯彻董事会意图的执行者。本文不严格区分重大决策权与经营管理权，而将投资决策与管理者作为一个团队考虑，管理团队的决策能力、领导潜力、管理团队中由该行业的专家、企业家的相关背景、管理团队的相关背景等因素构成的风险统称为决策及管理风险。国内外实践表明，这是构成项目风险至关重要的指标，它属于源生性的风险因素，也是区分不同投资方案最基本的非系统性指标。
（七）财务风险
财务风险是非源生性风险，所有风险因素都会影响最终的财务指标。反应财务风险状况的指标主要有投资的流动性和投资的收益能力。投资的流动性指风险投资者投资的退出能力。退出风险主要是指在未来风险投资能否从所投项目中最终退出，以获取投资回报。退出风险主要包括出售风险和投资回收期风险等。 投资收益能力包括投资回报率、利润等与收益相关的因素，它是影响项目风险的一个重要指标。它是一个描述企业经营成功的标志性指标，好的投资收益能力一般都会对应成功的企业运营。在投资者要退出投资时，好的投资收益能力一方面会有助于投资者找到好的买家，另一方面也有助于投资者获得更大的资本利得。
房地产投资风险评价指标
基于上述分析，本文选择的房地产投资风险评价指标进行评价。这些指标具体是：
（一）期望净现值μ
μ=E(NPV)(1)
式中：NPV 为净现值。该指标表现风险投资方案经济效益的绝对价值。
（二）期望净现值指数P0
(2)
式中：I 为投资总额。该指标表现风险投资方案经济效益的绝对价值，当资金总额有限时必须考虑此项指标。
（三）投资失败率P*
P*=P(NPV＜0)= (3)
式中：σ为净现值方差Var (NPV) 。该指标反映风险投资方案的风险大小，是投资者最关心的目标之一。
（四）风险投资值F*
F*=IP* (4)
该指标表现风险投资方案的可能损失值。
（五）风险盈利值R
R=μ(1-P*)(5)
该指标反映风险投资方案的可能盈利值。
基于聚类的房地产风险评价模型
模糊聚类分析方法是一种很有效的聚类方法，它首先计算不同对象之间的模糊相似关系，然后进行模糊计算，最后根据计算结果聚类。设定房地产投资有n方案（X1，X2，…，Xn），每一个方案有m个评价指标Xi=(xi1，xi2，…，xin)，i=(1，2，..，n)。用数据距阵表示为：
（6）
利用模糊聚类分析方法进行房地产投资风险评价的一般步骤是：
（一）数据标准化
对于每种投资方案中的评价指标值，都是一些区间标度变量，对于这些区间标度变量，数据标准化就是对这些评价指标数据形成的数据矩阵进行无量纲处理，并将数据压缩到[0，1]区间上，以便构造模糊相似矩阵。数据标准化的方法有很多，常用的有标准差变换和极差变换两种。本文采用标准差变换，具体计算如下：
（7）
其中：
（8）
（二）建立模糊相似矩阵
模糊相似矩阵由各投资方案间的模糊相似系数构成，xi与xj的模糊相似系数rij=R(xi，xj)。确定rij=R(xi，xj)的方法有很多，主要有相似系数法、距离法、主观评分法等。在实际应用中，距离法用得比较多，这里采用欧氏距离来计算模糊相似系数，即：
（9）
在直接使用距离法构造模糊相似矩阵时，总是令：
rij=1-cd(xi，xj)（10）
其中：C为常数，它使得0≤rij≤1，在本文中C取所有d(xi，xj)的最大值的倒数。
（三）基于模糊聚类的综合排序算法
对于房地产投资风险评价这样的多目标决策或综合评价问题，实际上是一个多指标综合排序问题，就是在已经有的可选择投资方案中，综合多个目标选择一个最优的投资方案。在投资风险评价中，通常每一个评价指标都有一个标准值或最优值。如果有正向指标和逆向指标，对于正向指标，其最优值是所有对象中该指标的最大值，而对于逆向指标，其最优值是所有对象中该指标的最小值。
从数据挖掘的模糊聚类分析方法中可知，在给定的阈值水平，最相似的对象聚集为一类。如果我们人为地构造一个新对象，并使其各指标的取值是其标准值或最优值(或最差值)，然后对对象的全体进行聚类，这样与该构造对象聚为一类的就是待评价对象中的最好(或最差)的对象。重复这一过程，就可以得到所有对象从好到差(或从差到好)的排序。为了缩短排序过程，也可以构造两个新对象，一个存放各指标的最优值，另一个存放各指标的最差值，每一次聚类得到待评价对象的最好和最差的对象。利用这种方法，对评价对象的基于模糊聚类的综合排序步骤为：
1.增加一个由各指标最优值构成的对象xn+1，xn+1取各指标的最优值，用数组存储矩阵X，对于本文的各个指标，正向指标的最优值取该项指标中的最大值，最差值则取其最小值，而逆向指标的最优值则取该项指标中的最小值，最差值取其最大值。这样分析对象的距阵表示为：
（11）
2.对X标准化，然后构造模糊相似矩阵。
（12）
3.进行模糊聚类，找出与xn+1为一类的对象，记下序号，即矩阵里第n+1行中的最大值项，其列下标即为最优对象所在行的行号。
4.从数组中删除与xn+1为一类的对象（即最优对象），n的值减1，记录最优对象的序号，对应的投资方案就是最优的投资方案。
5.重复步骤2-4，直到全部对象排序完毕。
按上述步骤，由对象矩阵X建立的模糊相似矩阵R，对各投资风险指标进行聚类，最后得出各投资方案优劣的排序。
实例验证
本文采用房地产投资风险评价相关数据进行实例验证，其中列出5个相互独立的房地产投资方案X = ( X1，X2， X3， X4， X5) 需要评价。表1中 列出这5个方案的由初始投资者推出的5项指标值。
表1的5个指标中期望净现值、期望净现值指数、风险赢利值和风险损失值是正向指标，投资失败率为逆向指标。根据表中的数据，并增加一个对象用于存储每个评价指标中的最优值。这样得到的初始数据矩阵是：
由上面的初始数据矩阵建立模糊相似矩阵，并进行聚类，得到投资方案优选排名结果见表2。
本文采用模糊聚类分析的综合排序方法，结合了数据挖掘中的聚类分析和模糊数学中的模糊相似矩阵的思想，建立了一种基于模糊聚类的房地产投资风险评价模型，并通过实例应用进行验证。该方法不需要确定评价指标的权重，减少了评价的主观性，并且计算方法容易掌握，因而较为可行。
参考文献：
1.杜春生.多元线性回归在影响房地产销售因素分析中的应用[J].吉林建筑工程学院学报，2001，(2)
2.欧阳建涛，刘晓君.灰色预测理论在房地产投资决策中的应用.经济师，2005，(12)
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
