基于改進(jìn)遺傳算法的房地產(chǎn)投資項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)模型

嚴(yán)蓓俊 等

摘要： 房地產(chǎn)投資項(xiàng)目風(fēng)險(xiǎn)具有特殊性，在借鑒和總結(jié)前人研究成果的基礎(chǔ)上，利用改進(jìn)的遺傳算法來(lái)研究房地產(chǎn)項(xiàng)目投資中的風(fēng)險(xiǎn)，將房地產(chǎn)風(fēng)險(xiǎn)量化， 進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)。這種方法具有自組織與自適應(yīng)等優(yōu)點(diǎn)，克服了主觀因素多的缺點(diǎn)， 提高了評(píng)價(jià)的精確度，從而給管理者提供更為合理的參考依據(jù)，使投資決策更為科學(xué)。

Abstract： Real estate investment project risk has particularity. In reference and summarizing the predecessors' research results， the paper uses improved genetic algorithm to study the real estate investment project risk， quantifies the real estate investment project risk， and makes risk evaluation. The method has the self organization and adaptive etc.， overcomes the shortcomings of subjective factors， and improves the accuracy of the evaluation， so as to give managers more reasonable reference basis， and make the investment decision-making more scientific.

關(guān)鍵詞： 房地產(chǎn)項(xiàng)目投資；風(fēng)險(xiǎn)分析；遺傳算法

Key words： real estate project investment；risk analysis；genetic algorithm

中圖分類號(hào)：F293.3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-4311（2013）03-0162-02

0 引言

房地產(chǎn)項(xiàng)目投資的特點(diǎn)是投資量大、周期長(zhǎng)、影響因素復(fù)雜，投資方在決策時(shí)往往較為謹(jǐn)慎，因?yàn)橐坏┏霈F(xiàn)決策失誤其損失將會(huì)非常巨大。

從宏觀上看，投資項(xiàng)目的風(fēng)險(xiǎn)評(píng)價(jià)具有全方位、系統(tǒng)化的特征，但另一方面，這一過(guò)程中又包含著科學(xué)細(xì)致的定量化分析的內(nèi)容。當(dāng)前國(guó)內(nèi)在房地產(chǎn)風(fēng)險(xiǎn)評(píng)估上主要采用的方法有層次分析法、灰色系統(tǒng)分析法、模糊綜合評(píng)價(jià)法等。這些方法的不足之處是其評(píng)價(jià)結(jié)果容易受到人的主觀因素的影響。遺傳算法因具備了自組織與自適應(yīng)的特點(diǎn)，其應(yīng)用領(lǐng)域不斷擴(kuò)大。下面筆者將對(duì)房地產(chǎn)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)體系以及遺傳運(yùn)算的運(yùn)用進(jìn)行介紹。

1 房地產(chǎn)項(xiàng)目投資風(fēng)險(xiǎn)及評(píng)價(jià)指標(biāo)體系

1.1 房地產(chǎn)項(xiàng)目投資風(fēng)險(xiǎn) 房地產(chǎn)項(xiàng)目投資風(fēng)險(xiǎn)指的是由于房地產(chǎn)市場(chǎng)存在許多不確定因素，投資者可能會(huì)因此而遭受損失。這種可能性是不利事件發(fā)生的概率及其后果的函數(shù)，它包括投入資本的損失和預(yù)期收益與期望值存在差距。

1.2 房地產(chǎn)項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系 在房地產(chǎn)風(fēng)險(xiǎn)指標(biāo)的劃分上，根據(jù)導(dǎo)致風(fēng)險(xiǎn)因素的性質(zhì)不同，可以劃分為經(jīng)濟(jì)風(fēng)險(xiǎn)指標(biāo)、社會(huì)風(fēng)險(xiǎn)指標(biāo)、技術(shù)風(fēng)險(xiǎn)指標(biāo)和自然風(fēng)險(xiǎn)指標(biāo)。

經(jīng)濟(jì)風(fēng)險(xiǎn)指標(biāo)中所包含的不確定因素主要與經(jīng)濟(jì)環(huán)境和經(jīng)濟(jì)發(fā)展有關(guān)。社會(huì)風(fēng)險(xiǎn)指標(biāo)指的是由社會(huì)區(qū)域政策變動(dòng)、城市規(guī)劃變動(dòng)以及公眾干預(yù)等。人文社會(huì)環(huán)境的變動(dòng)，帶動(dòng)房地產(chǎn)市場(chǎng)隨之變動(dòng)，使地產(chǎn)投資商可能因此蒙受經(jīng)濟(jì)損失的風(fēng)險(xiǎn)指標(biāo)。技術(shù)風(fēng)險(xiǎn)指標(biāo)實(shí)際是地產(chǎn)項(xiàng)目建設(shè)因勞務(wù)供求關(guān)系的變化、施工技術(shù)的可行性和機(jī)具設(shè)備的更新等技術(shù)因素而受到的影響的風(fēng)險(xiǎn)指標(biāo)。自然風(fēng)險(xiǎn)指標(biāo)，是指在房地產(chǎn)的建設(shè)階段與運(yùn)營(yíng)階段，由地質(zhì)狀況、地域環(huán)境的變化以及諸多不可抗力的自然因素，使房地產(chǎn)投資與經(jīng)營(yíng)蒙受損失的風(fēng)險(xiǎn)指標(biāo)。

2 遺傳算法介紹

遺傳算法源于生物遺傳學(xué)，是一種借鑒生物界適者生存，優(yōu)勝劣汰的進(jìn)化規(guī)律演化而來(lái)的隨機(jī)化搜索方法。與以往的優(yōu)化算法相比，遺傳算法的特別之處和優(yōu)點(diǎn)在于：

第一，遺傳算法沒(méi)有使用參數(shù)本身，而是使用問(wèn)題參數(shù)的編碼集進(jìn)行工作。當(dāng)在連續(xù)函數(shù)的優(yōu)化計(jì)算中運(yùn)用遺傳算法時(shí)，位串長(zhǎng)度和編碼方法不僅影響著計(jì)算精度，而且還影響著群體中個(gè)體之間的距離，并對(duì)全局極值的求解造成直接影響；

第二，與傳統(tǒng)優(yōu)化算法不同，遺傳算法從問(wèn)題解的串集進(jìn)行尋優(yōu)，而不是從單個(gè)解開始，使得覆蓋面擴(kuò)大，有利于全局擇優(yōu)。因此，遺傳算法適合求解規(guī)模較大的問(wèn)題；

第三，遺傳算法僅使用適應(yīng)度函數(shù)值來(lái)評(píng)估個(gè)體，不需要其它任何先決條件或輔助信息，其操作簡(jiǎn)單，應(yīng)用范圍較廣；

最后，遺傳算法沒(méi)有采用確定性規(guī)則，而是采用概率的變遷規(guī)則來(lái)工作。這種方法適合用來(lái)處理離散型變量?jī)?yōu)化問(wèn)題。遺傳算法包含三個(gè)基本遺傳算子，即：

①選擇：作為遺傳算法的一個(gè)重要算子，選擇體現(xiàn)了優(yōu)勝劣汰、適者生存的原理。其基本邏輯是適應(yīng)性強(qiáng)的個(gè)體有更高的概率為下一代貢獻(xiàn)個(gè)體，也就有更大的概率被選作下一代的父本。選擇算子能夠很好地推動(dòng)進(jìn)化過(guò)程，因?yàn)樵谶x擇后得到的新群體，其平均適應(yīng)性將高于原群體。首先，將隨機(jī)產(chǎn)生的初始群體按由好到壞排列m個(gè)個(gè)體，再將最好個(gè)體的選擇概率定義為q，pj=（1-q）j-1，q′=q/[1-（1-q）m]，ppj=■pk，隨機(jī)數(shù)ξ∈（0，1），若ppj-1？芻ξ？燮ppj，選擇j產(chǎn)生下一代。

②交叉：群體中的兩個(gè)父代個(gè)體，其部分字符串交換重組，生成兩個(gè)新個(gè)體。交叉使得遺傳算法的搜索能力獲得提高。OX法和單點(diǎn)映射法是兩種常見(jiàn)的交叉形式。其中，OX法是以隨機(jī)選取的形式在兩個(gè)父串中選定一匹配區(qū)域，如下式“A”和“B”：A=1 2 | 3 4 5 6 | 7 8 9；B=9 8 | 7 6 5 4 | 3 2 1，

在A的匹配區(qū)域前面加入B，然后在B的匹配區(qū)域前加入A，由此獲得2個(gè)子串，如下式：A′=7 6 5 4 | 1 2 3 4 5 6 7 8 9；B′=3 4 5 6 | 9 8 7 6 5 4 3 2 1。

在A′中，依次刪除匹配區(qū)域后的同類代碼，獲得如下子串：A″=7 6 5 4 1 2 3 8 9；B″=3 4 5 6 9 8 7 2 1。

單點(diǎn)映射法是隨機(jī)選取一個(gè)交叉點(diǎn)，交叉點(diǎn)前的個(gè)體與交叉點(diǎn)后的個(gè)體在交叉過(guò)程中，部分個(gè)體結(jié)構(gòu)進(jìn)行互換，由此生成兩個(gè)新個(gè)體。

A=2 1 3 | 4 5 6；B=3 1 2 | 4 7 5，

交叉后得A′=2 1 3 | 4 7 5；B′=3 1 2 | 4 5 6。

③變異：為了防止陷入局部解的危險(xiǎn)，確保算法的全局最優(yōu)，在群體中任意選定一對(duì)元素以概率交換它們的加工位置，其余元素的位置保持原樣。若設(shè)定的變異率太大，則可能破壞型式，進(jìn)而完全變成隨機(jī)搜索；反之，若設(shè)定的變異率太小，則無(wú)法引入最初遺傳基因組合以外空間的新基因，致使解的搜索空間陷入局部解。變異方法有兩種，即對(duì)換變異與插入變異。其中，對(duì)換變異是在串中任意選定兩點(diǎn)，交換其值。插入變異是在串中任意選取一個(gè)碼，將該碼插入隨機(jī)設(shè)定的插入點(diǎn)之間。

在上述三個(gè)算子的共同作用下，遺傳算法對(duì)染色體群形成生存壓力，使群體在一系列迭代后，一步步向更好解的方向進(jìn)化，當(dāng)?shù)螖?shù)達(dá)到最大才停止。

3 用遺傳算法計(jì)算房地產(chǎn)開發(fā)項(xiàng)目的風(fēng)險(xiǎn)指標(biāo)評(píng)價(jià)