经济学论文：经济下行风险下的地产行业决策与应对分析

　　地产行业决策分类主要有三种标准，一是以地产行业的经验导向为标准；二是以地产所在地域特征为标准；三是以特殊的用途或使用方面为标准。其中普遍采用的是通过地产行业的经验导向为标准进行相关决策。在地产行业决策分析的过程中，相关研究方法是介于宏观经济研究与微观经济结构研究之间的关键研究办法。在经济环境处于下行阶段的时候，地产行业的决策分析会受到很多因素影响，如国家宏观的调控、市场的环境以及国家经济政策变化，国民经济当中有的行业的增长速度会大于国内生产总值的增长速度，有的行业的增长速度则会小于国内生产总值的增长速度。在这种条件下进行地产行业的相关决策，因素选择一定是建立在对地产行业进行正确研究的基础上。

　　地产行业研究关键点有两个，一个是对地产行业的投资取得高额的收益，另一个是对地产行业研究建立有效的投资组合模式从而降低其风险。在经济下行的情况下，地产行业为得到最大的回报，地产行业决策者会重点分析地产行业的生命周期及影响地产行业发展的相关问题，分析包括地产行业竞争形式和盈利能力等各个方面的数据，然后选择相对好的地段实施有效的投资。

　　依据现阶段地产行业的决策投资理论，通过构建地产行业决策投资组合，能起到分散小股降低风险的作用。

　　在经济下行的情况下，中国地产行业中地产价格波动具有同步性和相关性，不同行业之间地产收益率的相关系数区别不大，故对地产分类投资组合风险评估的效果不好。本文为目前地产行业决策操作、风险预控提供了理论条件，通过分析地产行业价格的形成和上下波动的数据，探讨了决策降低风险的原理。对地产行业的投资效果进行实证研究，证明在经济下行情况下，地产行业决策与收益具有很高的相关性。在此研究结果的基础上，本文提出一种考虑经济下行风险的房地产行业策略分析模型，对经济下行条件下地产行业决策进行数据聚类研究，使用经济指标以及地产收益率聚类等地产行业决策策略，本文由论文联盟http://www.LWlm.cOm收集整理对其数据进行剖析，证明了利用分类决策的可行性和较优效果，为经济下行条件下地产行业决策的风险控制提供了理论基础。

　　1 传统地产行业决策分类的问题

　　地产行业研究是做出正确决策的关键，国内的学者通过对发达国家成熟的地产市场相关资料的研究证实了地产行业的决策受到多重因素的影响。

 

1.1地产行业价格决策因素的分析

　　地产行业形成一定规模以来，各国学者就一直对地产的价格决策决定因素进行研究。

　　地产行业决策的内在价值

　　地产行业决策内在价值主要是由地产未来所能实现的预期价值的现值所决定，即地产的价值由其以后预期的全部增值空间的价值所决定。其决策的问题来自于决策者对未来地产增值空间的不确定性，需估量。

　　1952年，MARKOWITZ在其论文中首次对地产投资决策进行了全盘解读。其理论利用均值和方差等统计学指标将地产行业的收益指标量化，将地产行业决策问题通过收益-风险均值-方差的二维图像关系实现。地产行业定价模型是按照Willian Sharpe等人在1960年提出的理论为基础的。该模型根据地产行业风险的不同，将地产行业决策在不同的最优投资组合中。地产行业的风险为所有决策组合中的与其协方差的加权平均和。

　　通过上述的分析可以发现，目前较为流行的地产行业决策分析模型中基本没有考虑对行业影响较深的经济状况分类因素对地产行业价格的影响。但根据地产行业投资组合理论，应通过建立地产行业投资最优解，分散非系统性风险的影响。地产行业决策风险程度与经济运行之间的相关性越小，决策的风险分散效应越明显。

　　1.2地产行业决策分类标准

　　在不同的经济环境下，对地产数据进行分类是应对这种变化的基础。ISIC地产行业分类标准由国际组织制定，其在国际上被普遍运用于地产行业的决策的统计中。该标准是地产行业决策、确保信息可比性的基础，同时也为每一个国家建立独有的地产行业分类标准和提升决策系统的有效性提出可靠的理论支持。

　　根据地产应用行业的特征对数据进行分类，可以分为农业用地、林业用地、采石和采矿用地、制造业用地、水电煤气等服务用地、专业科学用地、房产活动用地、公共管理与国防用地、社会保障用地、文娱活动用地、其他服务活动用地等21大类数据，五百多个小类数据。

　　GICS地产行业分类其最终目的就是为了提高地产行业决策能力，获得更高的管理效率，它是通过全球大量的地产行业分析师和决策者在实践和研究之后确定下来的一种精确完整的地产行业定义。

　　1.3经济下行风险下地产行业决策存在问题

　　在经济下行的条件下，中国地产行业是在政府行为主导下发展的行业，加之行业决策者相关知识的缺乏，在整个决策过程中投机性较强，这是与其它国家差异明显的市场特点，全部地产行业类似性高，同涨同跌。故地产行业决策者期望可以利用行业分类来对地产行业进行决策，使其在投资地产时建立风险控制机制。

　　由上述因素可知，中国的地产行业因为发展时间不长，监管方面的制度还不太健全，投机性比较强。故利用传统方法进行决策试图获得比较好的收益或构造最优的分散投资组合，效果较差。

　　2 考虑经济下行风险的地产行业决策模型

　　在经济下行的环境下，地产决策分析的方法就是在多维度统计的一种常用的方法，它挖掘很多的各类相关数据并从中获取实用数据。目前中国的地产行业聚类分析存在很大的局限性，这些分析多是把经济指标作为决策标准，没有长期预见性。

　　本文提出一种考虑经济下行环境因素的聚类分析国内地产行业的相关数据。分类结果的剖析证实，使用本文算法对地产行业决策进行聚类分析具有较好成果以及可行性。然后以地产行业价格波动作为分类标准依据，求得聚类结果中相同地产行业比按行业进行分类的结果更优，同时差异地产间的相关系数的差值也更大，故可认为根据地产行业价格波动进行聚类决策可得到较优的效果。

　　2.1对地产数据进行聚类分析

　　聚类分析在地产行业的决策应用中有一个基本的理论，聚类分析通常对于理解复杂的多元关系具有非常有效的作用。地产行业的聚类分析就是在一定标准规范下多次分析测试，将多元地产数据按不同类别进行划分，使得每类地产数据具有大部分相近性，不同地产行业数据间相似度较低。如图1所示。

　　在地产行业中加入聚类分析是探索最优决策过程的主要方法，同时不同的计算方式都可以实现地产行业的聚类分析。常用的划分方法有：地产距离、密度、区间统计分布等等。

　　在对地产行业决策过程中，可以将多个目标进行聚类分析和优化，针对不同类别的地产行业设置不同的聚类过程，以达到最优效果。

　　根据差异的规范标准对地产行业的决策进行聚类分析分类。

　　根据地产行业分析方法归类对象不同，可以把聚类分析方法分为两类：

　　A.Q型聚类

　　该种聚类可以称为是样品聚类，是对决策地产对象进行的。

　　B.R型聚类

　　R型聚类也称之为变量聚类，是从地产行业观测所有的变量中找出需要进行研究的显著指标。

　　2.2地产行业决策中的聚类方法

　　（1）蚁群聚类算法的原理

　　蚁群算法就是根据昆虫群体生活中能够完成复杂事件的行为建立的。蚁群算法是通过观察蚂蚁的生活习性发现虽然蚂蚁无法看到物体，但通过气味等信息能够识别同类要求，蚂蚁虽然智能不高，但是蚁群却能高效智能的完成非常复杂的建筑生活等工作，由此可见，单个蚂蚁的智能有限，但是通过信息素传递后的蚁群却能找到最佳解决方案。

　　（2）地产行业中蚁群算法的基本假设在地产行业进行决策时，单个地产透过数据素传递数据，每一个地产可以按照自身所在局部环境进行预测，也可以在这个附近留下信息。

　　地产局部环境预测由其内部的特点模式决定，地产的价值选择基于其本身的特定位置。

　　单独地产中，每个决策只对独立地产作出判断，在多个地产中，一个地产的价值就能够依据所有地产群构建一个达到智能水平的地产群。

　　处理TSP问题，简单描述为，现在给这N个地产，比较所有地产一次且只能比较一次之后，再进行决策，要求找出一条最快的选择最优地产的路径。

 

设C为所有地产的集合；R是最优的选择路径，则最优的距离为：

　　[d=（ax-ay）2+（bx-by）2] ①

　　问题可以描述为，用a表示在t时刻的位置上地产的总数量，n表示总数量，m表示地产数目，在t时刻，决策K由地产X转移到地产Y的概率用公式表示为：

　　[pkxy=（Γxy）（ηxy）（Γxy）（ηxy）] ②

　　为了规避决策自信产生过多的风险，在每一个决策实现了对全部的地产评估以后，删掉残留的无用决策信息，故在T+N时刻的路径信息可以按以下公式进行求解：

　　[Txy=（1-p）Γkxy+△Γkxy] ③

　　用以下流程表示为：开始→初始化，K=0→循环次数N=N+1→地产数K=K+1→按照公式②进行选择→修改禁忌表→如果K>=m返回第3步→按照公式③进行信息更新→N达到最大循环次数，否则返回第2步→结束。

　　（3）蚁群聚类算法在房地产决策中的引入

　　在地产行业决策中引入优化的蚁群聚类算法，主要优点如下。

　　在地产行业决策分析的过程中加入了调整过程。一般的决策过程是没有调整过程的，在对地产行业进行决策中，如果没有考虑决策中需要调整的因素，非常容易导致决策过程进行无限循环或停滞状态，引入此方法后不仅可以改变决策的效率，还可以解决决策过程陷入死循环的问题。

　　在地产行业决策过程中动态的对观察范围进行调整。在对地产行业决策过程中，因为前期预测对象十分分散，不易预测，要尽快归纳总结，而后期因大部分地产数据已归并在一起，可以进行分类，所以应用较小范围进行预测，提高聚类的精确度，前期和后期所使用的观察范围也不应当一样。

　　用蚁群算法赋予地产行业聚类决策的短期记忆，让决策记住地产最初所处位置与周围地产相似度，再多次尝试把地产决策到最优解将并其放回原处，以降低决策可能出现的重复无用功。

　　（4）房地产行业的决策过程

　　地产行业决策以前，第一步是对地产行业做初始化工作：设定所有地产行业的决策范围；设定地产数量；设定最高迭代次数；设定在地产行业决策过程中应该调整的地产占总数目的比值。将归类的地产和总数随机分布到二维空间，将决策移动到随机的一个待聚类的地产地点，算出地产行业决策的概率转换函数。

　　地产行业决策的属性概率：假设地产数据集D中共有N个地产，任何一个地产都具有M个属性，第I个地产对象的第J个属性值可用A表示，则D在属性A的属性概率用公式表示为：

　　[PIJ=qijn] ④

　　地产行业决策的一致度：地产行业决策的一致度是待聚类地产以及其周围的地产信息间的一致程度。用公式表示为：

　　[f（di）=1npijpp=1-1-ef（di）1+ef（di）] ⑤

　　概率转换函数为：

　　[pp=1-1-ef（di）1+ef（di）] ⑥

　　若[pp]高于一个随机数，则决策拾起此地产策略，同时决策移动到一个随机的地点，否则不拾起此地产，并把决策移动一个随机地点。

　　2.3决策调整过程

　　在经济下行风险的环境下，在进行地产行业决策过程中，一般在迭代进行过半，触发了特定条件才会执行决策调整，其具体步骤为：首先减小对地产行业观察范围，把所有待聚类的地产归并，计算出簇的中心位置，对地产中心簇进行合并。按照比例将最差决策进行筛选，重新进行分类。

　　通过每个地产收益、每个地产经营性净现金流、地产净收益率、利润增长率等指标对地产行业决策情况进行衡量。让决策者更透彻了解决策策略，来预测发展前景和风险。

　　根据投资地产决策结果，利用建立投资组合使风险分散。投资组合的风险程度与地产收益间的相关性有关，每个地产的相关性越少，组合起到的风险分散效果越优。利用剖析地产的收益率能够找到收益率最一致的地产，这样在某个地产类别将具有更优的相关性。因此，经济下行风险下进行地产行业决策，就可以降低风险。

　　3 实证分析

　　本文选取国内某地产行业上市公司风华股份2014年一年期间的每块地产经营性净现金流、每个地产收益、净利润增长率、主营收入增长率作为经济指标。

　　某块地产收益的平均值、标准差、最高值、最低值如表1所示。

　　某块地产经营性净现金流的各值如表2所示。

　　某块地产收益率的各值如表3所示。

　　某块地产净利润增长率如表4所示。

　　通过验证分析，可以明显发现，采用本文算法进行地产行业决策，虽然在经济下行风险条件下，仍可保证均值增长0.523，明显高于传统决策0.27个系数，因此本文的决策策略更适于经济下行条件下的地产行业决策。

　　结论

　　本文提出一种优化的蚁群聚类算法，对经济下行条件下，通过聚类结果聚类剖析地产行业决策策略，依次利用经济指标以及地产收益率波动对地产行业决策策略进行聚类，通过分析验证了使用优化的蚁群聚类算法进行决策的可行性和良好效果，为经济下行条件下地产行业决策的风险控制提供了理论和数据基础。