基于人工神经网络的乌克兰民居房地产评估研究

1、基于人工神经网络的乌克兰民居房地产评估研究,答辩学生： Mykola Sylkyn 指导教师： 宋艳 教授 答辩日期： 2016.6.6,论文研究框架,第一章 绪论 第二章 乌克兰房地产评估现状分析 第三章 乌克兰房地产评估体系与影响因素分析 第四章 基于人工神经网络的房地产评估模型构建 第五章 实证分析 第六章 结论与展望,研究思路,研究背景,1. 乌克兰民居房地产市场迅速崛起，促使民居房地产评估行业发展迅速。对民居房地产进行科学的评估显得非常迫切。 2. 当前乌克兰房地产评估方法应用于民居房地产评估存在一些问题，构建的评估模型不相适宜。,本文将人工神经网络引入民居房地产评估中，构建评估模型

2、，旨在解决当前评估中存在的一些问题。,人工神经网络研究现状,人工神经网络是以生理学上的真实人脑神经网络的结构和功能为基础，通过大量神经元的完善联结而构成的一种自适应非线性动态信息处理系统。 目前对于神经网络的研究主要集中在对神经网络模型的研究和对神经网络应用的研究方面。针对传统神经网络模型所存在的问题，许多新的神经网络模型被专家学者提出，如遗传神经网络、模糊神经网络等。神经网络的应用研究则是研讨如何利用神经网络解决实际问题。模拟人类的某些智能行为，是近年来在神经网络研究中最为引人注目的领域。,民居房地产评估的研究现状,关于民居房地产评估方法的研究，目前比较主流的就是市场法，收益法，成本法，假设

3、开发法和基准地价修正法等五种方法。由于民居房地产评估行业需要的是定量分析和定性分析相结合，所以就产生了两咱派别，一种派别更加注重定性分析，另一种派别更加注重定量分析。 目前，在房地产评估行业中常用的一些模型主要有：回归分析模型；模糊数学模型；灰色系统模型。,本文的研究方法,本文在阅读大量前人的书籍和文章的基础上，主要做了以下几方面的工作： 综合分析了乌克兰民居房产评估的迫切性和必要性，调研了民居房地产评估的研究背景和国内外研究现状，明确当前乌克兰民居房地产评估存在的问题和研究目的、意义。 综合分析了民居房地产评估的原则和神经网络分析方法，并结合乌克兰民居房地产存在的问题来分析神经网络评估特性，

4、具体阐述了乌克兰民居房地产评估的目的、机构、主要方法，进而综合分析这些评估方法中存在的一些问题，并对产生这些问题的原因进行了具体分析。,本文的研究方法,结合乌克兰民居房地产评估现状，构建了基于神经网络的房地产评估模型。在这个过程中，首先归纳总结了应用神经网络的房地产评估特性，在此基础之上，对各种房地产评估方法进行了对比，对相应的模型数据进行准备，再将数据应用于模型。 对人工神经网络模型进行了实证分析。先引入实证对象的相关信息和特性，在此基础上展示相关的计算过程，并对计算结果进行了综合分析。,本文的创新之处,论文中，将人工神经网络的方法引入乌克兰民居房地产评估，结合乌克兰当前房地产评估的实际，构

5、建出相应的评估模型，通过准备相应的数据，并将其应用到评估模型中进行实证分析，从而验证评估模型的准确性。,论文中，根据评估模型的验证结果分析，对乌克兰房地产评估提出了相应的建议，包括完善乌克兰房地产管理体制、改变现在管理模式、健全法律法规建设等。,乌克兰房地产评估的内容,房地产估价的目的，是指估价结果的期望用途，或者说，是指为何种需要而评估房地产的价格。 房地产估价目的具体可以分为土地使用权出让、作价入股、房地产转让、租赁、抵押、保险、纳税、征地和房屋拆迁补偿、房地产分割合并、房地产纠纷、房地产拍卖、投资决策及企业各种经济活动中涉及的房地产估价(如企业合资、合作、联营、股份制改组、合并兼并等)。

6、 估价结果的价格类型也可分为底价、入股价格、买卖价格、租赁价格、抵押价格、投保价格、课税价格、征用价格和投资价格等。,乌克兰房地产评估的主要方法,在对房地产市场价值的充分理解的基础上，我们很容易发现，房地产价值评估的基本方法主要有三种： 销售比较分析法（CAS）； 成本法； 收入资本化方法。,乌克兰房地产评估中存在的主要问题,情感投入,政策投入,情感投入,发展投入,政策投入,首先，在评估方法上，当前乌克兰国家应用于房地产评估的各种方法有些单一，不是很容易为大众所理解接受，相应方法建立的模型对房地产的评估也不是很准确，甚至和实际的情况有很大的出入，从而影响了房地产市场的公正评估和正常的交易。 其

7、次，在评估过程中，信息支持的问题，是最紧迫和最难解决的问题之一。如果评估人员不能获得足够的市场信息，评估结果就不会具备有效性和可靠性。这个不争的事实在国内外的评估标准中都有涉及。,乌克兰房地产评估体系,乌克兰房地产评估体系的核心内容是评估过程，它是指确定成本的一系列操作过程： 步骤1：概念界定。 步骤2：对房地产进行初步的审查，并得出一致同意的评估结论。 步骤3：收集和分析信息。 步骤4：选择评估方法。 步骤5：批准评估。 步骤6：起草一份评估报告。,影响房地产评估的因素,任何一种财产价值的变化都取决于许多因素，而这些因素出现在评估过程的不同阶段。我们可以把这些因素分成三个不同的层级。,第一级

8、（地区性的）是指因素的影响水平，它是泛一般的特征，并不是与特定的财产有关，会间接影响房地产并最终影响财产的评估过程。 第二级（局部的）是指局部因素的影响水平，主要是看一个城市的规模，这些因素与被研究的对象、相似财产的分析以及财产交易直接相关。 第三级（直接环境）是指与主观财产，尤其是其特性，相关联的因素的影响水平。,空间因素与环境因素对价值评估的影响,空间因素对房地产的影响是存在的。虽然通讯不是生活中必不可少的组成部分，但我们可以把财产距离中心地区的接近程度看作是一个效用因素。在一个交通运输更不便利，需要花费更长的时间到市中心的地区,它的房地产成本就会更低。,环境因素在住房成本的组成部分中一直

9、是最重要的，每个购买者根据自己的感觉来判断环境的好坏，会影响房屋的主流模式和可视价值。 环境因素对价格的影响程度取决于住房的等级和每平方米的价格。,应用神经网络的房地产评估特性,雇佣关系,非物质性,发展投入,政策投入,情感投入,员工回报,员工态度,员工绩效,组织公民行为,在岗稳定性,控制变量：人口统计学特征、公司、上司-员工层级,从房地产价值角度： 人工神经网络可以通过对样本的学习，不需要人为地给出权重，而可以根据样本映射出各种影响因素的重要性权值。实际上是神经网络的学习功能和非线性处理能力运用于评估系统以改善传统评估方法的随意性和不确定性。 从房地产价格因素角度： 神经网络的大规模并行、分布

10、式存储和处理、自组织、自适应和自学习能力，使它能够使用于处理需要同时考虑多因素和条件、不精确的信息处理问题。预测待估房地产价格时，只要输入待估房地产的价格影响因素的量化值，就可以得到房地评估价格。,乌克兰民居房地产数据准备,通过房地产代理商“South-West”提供的数据，统计销售价格，索引奥德赛地区的住房成本及其主要的基本信息。,BP神经网络,BP算法是用于前馈多层网络的学习算法，它具有输入层、输出层和隐含层的网络结构。具有i个输入节点，一个隐含层和一个输出层的3层BP网络拓扑结构如下图所示：,BP网络模型的数学表达式,情感投入,设多层BP网络中，i元为一隐层中的神经元，下一层（传输层）中

11、有一神经元为j元。i所在层与j所在层之间的连接权为 ； 为i层的输出到j层的输出量，则：,首先定义误差函数e，则网络系统的均方误差函数为：,从而可求出表达式如下：,用软件对BP网络进行设计,对每层的权值和阈值进行初始化。权值和阈值一般选取小的随机数，这是为了避免网络被大的加权输入饱和； 设计网络学习精度即最小误差进行，设定网络学习次数n=1000，设定学习速率v=0.02； 用相应的函数建立一个多层前向神经网络。如果网络包含多个隐含层的话，可以将每层节点数及激活函数由左向右一依次排列。 训练网络，对网络的输出进行评估和分析；,房地产评估模型的流程设计,人工神经网络进行房地产评估的流程如图下图所

12、示：,评估模型的组成部分,民居房地产评估模型主要包括以下六个模型部分: 数据库模块 输入模块 学习模块 测试模块 评估模块 输出模块 输出模块即输出神经网络计算的评估结果并通过反归一化数据处理将网络输出转化为实际价格：,将数据应用于神经网络评估模型,我们用10.0版本的Statsoft统计软件来来计算结构，实验以及检测人工神经网络。输出变量是唯一非数值变量，代表了每平方米公寓的价格，已选择的列表中是已经使用过的数据。神经网络训练对比如下表所示：,实证对象介绍,通过对某市某地区的民居房地产交易市场、中介公司等多家单位的走访调研，收集到 382 宗已成交房地产实例，由于收集实例时，已经排除了非正常

13、交易的实例，而且这些实例都是在同一月份成交的，所以就排除了交易情况和交易时间的影响。这样，我们只考虑区域因素和个别因素对房地产评估的影响。部分数据如下表所示：,对神经网络训练的结果如下图所示：,把以误差学习为特点的训练质量定义为，在神经网络输出中获得的真实值的研究样本中，神经网络输出的标准误差值的相加。试验中止是指，相比最初误差，出现600次迭代或误差减小并且网络以两中命令输出的情况。在这种情况下，对人工神经网络模型的训练结果图形曲线。蓝色线表示实验误差的训练曲线，红色线表示测试误差曲线。X轴表示阶段的数量。,对神经网络评估模型的验证过程,利用训练好的神经网络模型（保存在netBP.mat文件

14、中的权值和阈值）进行民居房地产的评估验证，输出的评估价格与实际成交价格回归分析如下图所示：,计算结果分析,将测试样本绘制成二维平面图，并用统计学的方法，拟合出最佳回归方程，可得： 。在平面图上再作出 的轨迹，可以看出两个方程的轨迹在T=3200左右相交，在T=3000,3500范围内几乎是重合的，相差非常小，这说明在这个范围内，民居房地产的实际成交价格与模型输出的价格是完全吻合的。 通过对评估模型实证结果的分析，充分说明此评估模型对于民居房地产评估精度较高，泛化能力较强。因此，将真实的实验对象代入已经建立的人工神经网络的房地产评估模型中，对神经网络进行实验、测试和验证，我们可以发现，已经建立的

15、人工神经网络，可以很好的反映房地产市场的价格情况，可以很好的对房地产价值进行评估。,对乌克兰民居房地产评估的建议,完善房地产评估行业管理体制； 改变现有的管理模式，推进以人员管理为主的管理模式； 完善法律法规体系的建立，并且法律法规的建设要有利于房地产评估行业的长远发展； 积极借鉴其它国家先进的经验和管理理念；,结论,为解决乌克兰民居房地产评估过程中的主观随意性、不准确、不公正等问题，提高房地产评估的准确性和公正合理性，适应社会发展的需求，本文探讨了基于人工神经网络的房地产评估模型，在对市场的综合调研的基础上，将数据代入模型进行了实证分析，通过实证的详细分析，为乌克兰当地民居房地产的评估提出了参考性建议。 尽管采取了这样的评估方法，但是信息缺乏问题仍然存在。然而，房地产市场大宗评估方法的应用有着清晰的前景（例如，神经网络的使用），这样能够引起有影响力的市场参与者的兴趣，这样也会使得在房地产领域，国家以财政或者法律的形式参与其中，从而规定明确的透明度。最本质的似乎是创建一个共同拥有的房地产注册状态表，以及使用明确房地产市场价值的大宗评估系统。,未来的研究方向,未来的研究需要考虑更多的调节变量，如员工的个性特征，人际关系，员工态度等以全面探讨雇佣关系内部投入-回报的作用机制。 进一步探明非物质性组织投入的构成维度。 通过纵向研究方法弥补简单的横断研究无