基于模糊聚类的房地产投资风险评价模型构建
◆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...
== 试读已结束,如需继续阅读敬请充值会员 ==
|
本站文章均为原创投稿,仅供下载参考,付费用户可查看完整且有格式内容!
(费用标准:38元/2月,98元/2年,微信支付秒开通!) |
升级为会员即可查阅全文 。如需要查阅全文,请 免费注册 或 登录会员 |