本發(fā)明涉及房地產(chǎn)金融和信息分析相結(jié)合領(lǐng)域，尤其是一種基于數(shù)據(jù)挖掘來(lái)評(píng)價(jià)房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)體系的房地產(chǎn)風(fēng)險(xiǎn)的評(píng)價(jià)方法。
背景技術(shù)：
隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展與城鎮(zhèn)化進(jìn)程穩(wěn)步推進(jìn)，住房需求成為城鎮(zhèn)居民最基本的生活需求，并且隨著居民收入穩(wěn)步增長(zhǎng)，房地產(chǎn)需求也不斷的增大，從而使得房地產(chǎn)行業(yè)存在巨大的發(fā)展空間。加之房地產(chǎn)業(yè)也因其與其他行業(yè)的關(guān)聯(lián)度高、帶動(dòng)力強(qiáng),對(duì)國(guó)民經(jīng)濟(jì)發(fā)展的影響大而成為國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)。
但是，我國(guó)住房商品化的時(shí)間還不長(zhǎng)，房地產(chǎn)市場(chǎng)在一定程度上還很不規(guī)范，還存在著諸如房?jī)r(jià)增幅過(guò)快、供應(yīng)結(jié)構(gòu)不夠合理、部分城市房地產(chǎn)過(guò)熱、房地產(chǎn)開(kāi)發(fā)和交易不夠規(guī)范等一系列問(wèn)題。這些問(wèn)題都為房地產(chǎn)業(yè)的發(fā)展帶來(lái)了巨大的風(fēng)險(xiǎn)，房地產(chǎn)風(fēng)險(xiǎn)如何去識(shí)別與判斷成為難點(diǎn)。
傳統(tǒng)的判斷房地產(chǎn)市場(chǎng)分析的方法，往往都是基于定性的分析，比如：
基于房地產(chǎn)與經(jīng)濟(jì)相關(guān)從業(yè)人員的經(jīng)驗(yàn)判斷；基于學(xué)術(shù)層面的房地產(chǎn)風(fēng)險(xiǎn)的探討，如使用房?jī)r(jià)收入比、房?jī)r(jià)租金比，把國(guó)內(nèi)的房地產(chǎn)市場(chǎng)，多角度的和國(guó)外的房地產(chǎn)市場(chǎng)做對(duì)比等方法；對(duì)于風(fēng)險(xiǎn)的評(píng)級(jí)大多都是在與國(guó)家層面，最多到城市級(jí)別風(fēng)險(xiǎn)判斷。
因此會(huì)分別造成以下缺點(diǎn)和不足：
1、傳統(tǒng)的分析評(píng)價(jià)的過(guò)程中，往往是房地產(chǎn)與經(jīng)濟(jì)相關(guān)人員對(duì)于局部房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)的判斷，同時(shí)也缺乏數(shù)據(jù)支撐，主要是從定性的角度進(jìn)行分析與判斷，主觀意識(shí)比較強(qiáng)，帶有個(gè)人色彩，容易出現(xiàn)誤判。
2、由于個(gè)人經(jīng)驗(yàn)限制，對(duì)房地產(chǎn)風(fēng)險(xiǎn)因子的識(shí)別不高，對(duì)數(shù)據(jù)掌握整體性不強(qiáng)，對(duì)數(shù)據(jù)分析的解讀不過(guò)深，容易造成風(fēng)險(xiǎn)因子識(shí)別不準(zhǔn)，容易造成孤立的數(shù)據(jù)維度，容易造成對(duì)房地產(chǎn)風(fēng)險(xiǎn)片面，從而出現(xiàn)對(duì)房地產(chǎn)風(fēng)險(xiǎn)的誤判或者偏頗。
3、傳統(tǒng)的風(fēng)險(xiǎn)判斷大多都是在國(guó)家層面，最多到城市級(jí)別；缺少對(duì)于城市的區(qū)縣級(jí)別的風(fēng)險(xiǎn)判斷，樓盤(pán)級(jí)別的風(fēng)險(xiǎn)判斷市場(chǎng)上目前根本就沒(méi)有出現(xiàn)過(guò)。
因此傳統(tǒng)風(fēng)險(xiǎn)評(píng)判的過(guò)程中，缺乏整體性多維度，依靠數(shù)據(jù)對(duì)風(fēng)險(xiǎn)進(jìn)行綜合評(píng)級(jí)的方法。往往存在依賴相關(guān)從業(yè)經(jīng)驗(yàn)者的主觀判斷，或者依賴相對(duì)孤立的維度數(shù)據(jù)，進(jìn)行較為片面的判斷。
技術(shù)實(shí)現(xiàn)要素：
為了解決上述技術(shù)問(wèn)題，本發(fā)明提供本發(fā)明提供一種基于熵值法和灰色gm11模型預(yù)測(cè)房地產(chǎn)風(fēng)險(xiǎn)的方法，能過(guò)很好解決以下問(wèn)題：
1、區(qū)別于傳統(tǒng)的房地產(chǎn)風(fēng)險(xiǎn)分析方法，本發(fā)明是完全基于定量的分析方法，可以很好的解決了基于定性的分析判斷容易出現(xiàn)風(fēng)險(xiǎn)誤判的技術(shù)問(wèn)題。
2、區(qū)別于傳統(tǒng)的房地產(chǎn)風(fēng)險(xiǎn)分析方法，本發(fā)明是完全基于數(shù)據(jù)挖掘的方法，可以能夠自動(dòng)收集到全部與房地產(chǎn)風(fēng)險(xiǎn)因子相關(guān)數(shù)據(jù)，同時(shí)是全維度數(shù)據(jù)，不會(huì)出現(xiàn)風(fēng)險(xiǎn)因子丟失的情況，基于數(shù)據(jù)降維、因子識(shí)別與提取技術(shù)不會(huì)出現(xiàn)風(fēng)險(xiǎn)因子識(shí)別的誤判與數(shù)據(jù)的片面性，能夠很全面準(zhǔn)確的解決識(shí)別房地產(chǎn)風(fēng)險(xiǎn)因子。
3、本發(fā)明的創(chuàng)新在于可以解決傳統(tǒng)房地產(chǎn)風(fēng)險(xiǎn)評(píng)價(jià)只能評(píng)價(jià)到城市級(jí)別的問(wèn)題，本發(fā)明不僅可以對(duì)全國(guó)所有城市進(jìn)行房地產(chǎn)評(píng)級(jí)，而且可以每個(gè)城市的區(qū)縣進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)，甚至可以對(duì)每個(gè)區(qū)縣下的每個(gè)樓盤(pán)進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)。
本發(fā)明解決其技術(shù)問(wèn)題所采取的技術(shù)方案是：
基于熵值法和灰色gm11模型預(yù)測(cè)房地產(chǎn)風(fēng)險(xiǎn)的方法，包括如下步驟：
步驟1：房地產(chǎn)風(fēng)險(xiǎn)因子識(shí)別
本發(fā)明采用德?tīng)柗品ㄟM(jìn)行房地產(chǎn)風(fēng)險(xiǎn)因子的判斷，采集大量房地產(chǎn)與金融領(lǐng)域方面的專家對(duì)房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)因子的理解，綜合各專家對(duì)每個(gè)風(fēng)險(xiǎn)因子的意見(jiàn)，結(jié)合統(tǒng)計(jì)學(xué)中的主成分分析，得到不同風(fēng)險(xiǎn)因子的權(quán)重，按照權(quán)重的大小確定影響房地產(chǎn)風(fēng)險(xiǎn)的主要因子。
步驟2：數(shù)據(jù)收集
根據(jù)步驟1得出的房地產(chǎn)風(fēng)險(xiǎn)因子，通過(guò)分析每個(gè)風(fēng)險(xiǎn)因子的內(nèi)涵，收集各級(jí)指標(biāo)數(shù)據(jù)。數(shù)據(jù)收集采用計(jì)算機(jī)自動(dòng)化收集。主要分成三層級(jí)：城市層級(jí)、區(qū)縣層級(jí)和樓盤(pán)層級(jí)。
步驟3：房地產(chǎn)風(fēng)險(xiǎn)模型建立
通過(guò)步驟2的數(shù)據(jù)收集，得到三個(gè)級(jí)別上的數(shù)據(jù)：城市級(jí)別數(shù)據(jù)、區(qū)縣級(jí)別數(shù)據(jù)和樓盤(pán)數(shù)據(jù)。同時(shí)這些數(shù)據(jù)是與步驟1房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)因子相對(duì)應(yīng)的，利用對(duì)于風(fēng)險(xiǎn)因子的識(shí)別，以及對(duì)應(yīng)的數(shù)據(jù)建立不同級(jí)別上的風(fēng)險(xiǎn)度量模型。
城市級(jí)別房地產(chǎn)風(fēng)險(xiǎn)度量模型
通過(guò)對(duì)城市級(jí)別上的風(fēng)險(xiǎn)因子數(shù)據(jù)分析，不同風(fēng)險(xiǎn)因子對(duì)城市房地產(chǎn)風(fēng)險(xiǎn)級(jí)別的影響程度是不同的，不同風(fēng)險(xiǎn)因子的權(quán)重是不同的，本發(fā)明通過(guò)熵值法確定城市風(fēng)險(xiǎn)評(píng)級(jí)不同因子的權(quán)重大小。
區(qū)縣級(jí)別房地產(chǎn)風(fēng)險(xiǎn)度量模型
通過(guò)對(duì)區(qū)縣級(jí)別上的風(fēng)險(xiǎn)因子數(shù)據(jù)分析，得出不同風(fēng)險(xiǎn)因子對(duì)、區(qū)縣房地產(chǎn)風(fēng)險(xiǎn)級(jí)別的影響程度是不同的，因此不同風(fēng)險(xiǎn)因子的權(quán)重是不同的，因此區(qū)縣風(fēng)險(xiǎn)評(píng)級(jí)主要就是要解決不同因子的權(quán)重大??；對(duì)于區(qū)縣房地產(chǎn)風(fēng)險(xiǎn)度量模型本發(fā)明采用的模型與城市房地產(chǎn)風(fēng)險(xiǎn)度量模型一致。
樓盤(pán)級(jí)別風(fēng)險(xiǎn)度量模型
通過(guò)對(duì)樓盤(pán)數(shù)據(jù)的收集，由于樓盤(pán)有價(jià)格數(shù)據(jù)，因此對(duì)于樓盤(pán)的風(fēng)險(xiǎn)評(píng)價(jià)本發(fā)明采用以下兩種模型相結(jié)合的方法；
基于熵值法的數(shù)據(jù)樓盤(pán)風(fēng)險(xiǎn)度量模型；
基于灰色預(yù)測(cè)gm11模型預(yù)測(cè)的風(fēng)險(xiǎn)度量。
步驟4：房地產(chǎn)風(fēng)險(xiǎn)模型評(píng)估
對(duì)于步驟3得到的城市、區(qū)縣和樓盤(pán)風(fēng)險(xiǎn)評(píng)級(jí)的結(jié)果，通過(guò)房地產(chǎn)不同領(lǐng)域的專家給出模型評(píng)估結(jié)果，對(duì)比分析，調(diào)整優(yōu)化模型參數(shù)，使得結(jié)果與真實(shí)更加接近。
步驟5：房地產(chǎn)風(fēng)險(xiǎn)模型發(fā)布
對(duì)于步驟4的對(duì)風(fēng)險(xiǎn)模型評(píng)估完成后，發(fā)布風(fēng)險(xiǎn)評(píng)級(jí)的度量模型，同時(shí)進(jìn)行產(chǎn)品展示。
本發(fā)明的有益效果是，
本發(fā)明是一種完全基于數(shù)據(jù)分析的定量方法來(lái)度量房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)，相比傳統(tǒng)定性的方法房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)量化方面有極大的提升。
本發(fā)明能有效的識(shí)別房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)因子主要有哪些，同時(shí)可以確定哪些因子對(duì)于房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)有多大的影響程度，可以分析出來(lái)通過(guò)哪些因子的調(diào)整來(lái)控制與防范風(fēng)險(xiǎn)。
本發(fā)明可以從對(duì)宏觀層面（城市級(jí)別）進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)，同時(shí)也可以在中觀層面（區(qū)縣級(jí)別）進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)，甚至在微觀層面（小區(qū)級(jí)別）上進(jìn)行風(fēng)險(xiǎn)評(píng)級(jí)。
附圖說(shuō)明
下面結(jié)合附圖對(duì)本發(fā)明進(jìn)行進(jìn)一步說(shuō)明。
圖1為本發(fā)明評(píng)估房地產(chǎn)風(fēng)險(xiǎn)流程圖。
具體實(shí)施方式
如圖1所示，本發(fā)明評(píng)估房地產(chǎn)風(fēng)險(xiǎn)的步驟包括，房地產(chǎn)風(fēng)險(xiǎn)因子識(shí)別、數(shù)據(jù)收集、房地產(chǎn)風(fēng)險(xiǎn)模型建立、房地產(chǎn)風(fēng)險(xiǎn)模型評(píng)估和房地產(chǎn)風(fēng)險(xiǎn)模型分布，從而實(shí)現(xiàn)基于數(shù)據(jù)挖掘定量分析不同層級(jí)的房地產(chǎn)市場(chǎng)的風(fēng)險(xiǎn)。
下面結(jié)合圖1具體說(shuō)明每個(gè)步驟的實(shí)現(xiàn)方法。
a房地產(chǎn)風(fēng)險(xiǎn)因子識(shí)別
房地產(chǎn)風(fēng)險(xiǎn)因子的識(shí)別是房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)評(píng)級(jí)的關(guān)鍵步驟，因此風(fēng)險(xiǎn)因子識(shí)別非常重要。本次發(fā)明主要采用德?tīng)柗品ㄟM(jìn)行房地產(chǎn)風(fēng)險(xiǎn)因子的判斷，采集大量房地產(chǎn)與金融領(lǐng)域方面的專家對(duì)房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)因子的理解，綜合各專家對(duì)每個(gè)風(fēng)險(xiǎn)因子的意見(jiàn)，結(jié)合統(tǒng)計(jì)學(xué)中的主成分分析，得到不同風(fēng)險(xiǎn)因子的權(quán)重。按照權(quán)重的大小可以確定影響房地產(chǎn)風(fēng)險(xiǎn)的主要因子。具體實(shí)施如下：
a1：采用德?tīng)柗品ǚ治龇康禺a(chǎn)市場(chǎng)分析因子，即通過(guò)對(duì)房地產(chǎn)方面與金融領(lǐng)域的專家發(fā)放關(guān)于“房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)因子的問(wèn)題”問(wèn)卷（一般問(wèn)卷不少于30份），征詢各位專家意見(jiàn)，并統(tǒng)計(jì)相關(guān)數(shù)據(jù)。
a2：統(tǒng)計(jì)問(wèn)卷數(shù)據(jù)，并采用統(tǒng)計(jì)學(xué)中的主成分分析（cpa），確定不同風(fēng)險(xiǎn)因子的權(quán)重，并采用加權(quán)平均法提取房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)因子。
a3：結(jié)合上述步驟a1與步驟a2結(jié)果，分析結(jié)果之間的差異，形成最終房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)因子體系。
b數(shù)據(jù)收集
根據(jù)房地產(chǎn)風(fēng)險(xiǎn)因子，我們通過(guò)每個(gè)風(fēng)險(xiǎn)因子的內(nèi)涵，收集各級(jí)指標(biāo)數(shù)據(jù)。數(shù)據(jù)收集主要采用計(jì)算機(jī)自動(dòng)化收集。數(shù)據(jù)收集主要分成三層級(jí)：城市層級(jí)、區(qū)縣層級(jí)和樓盤(pán)層級(jí)。
1、城市級(jí)別的數(shù)據(jù)收集：經(jīng)濟(jì)因素、市場(chǎng)因素、政策因素。
2、區(qū)縣級(jí)別的數(shù)據(jù)收集：處理區(qū)縣級(jí)別的經(jīng)濟(jì)因素、市場(chǎng)因素和政策因素外，還需要有區(qū)域交通便利度、區(qū)域成熟度、位置水平等相關(guān)poi數(shù)據(jù)。
3、樓盤(pán)級(jí)別上的數(shù)據(jù)收集：實(shí)物因素與區(qū)位因素相關(guān)數(shù)據(jù)。
c房地產(chǎn)風(fēng)險(xiǎn)模型建立
通過(guò)第二部分的數(shù)據(jù)收集，我們可以的得到三個(gè)級(jí)別上的數(shù)據(jù)：城市級(jí)別數(shù)據(jù)、區(qū)縣級(jí)別數(shù)據(jù)和樓盤(pán)數(shù)據(jù)。同時(shí)這些數(shù)據(jù)主要是與第一部分確定的房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)因子相對(duì)應(yīng)的，因此可以利用不同級(jí)別上的風(fēng)險(xiǎn)因子，以及對(duì)應(yīng)的數(shù)據(jù)建立不同級(jí)別上的風(fēng)險(xiǎn)度量模型。
c1城市級(jí)別房地產(chǎn)風(fēng)險(xiǎn)度量模型
通過(guò)對(duì)城市級(jí)別上的風(fēng)險(xiǎn)因子數(shù)據(jù)分析，我們認(rèn)為不同風(fēng)險(xiǎn)因子對(duì)城市房地產(chǎn)風(fēng)險(xiǎn)級(jí)別的影響程度是不同的，不同風(fēng)險(xiǎn)因子的權(quán)重是不同的，因此城市風(fēng)險(xiǎn)評(píng)級(jí)主要就是要解決不同因子的權(quán)重大小。
熵值法是確定房地產(chǎn)風(fēng)險(xiǎn)因子權(quán)重非常重要的方法?；陟刂捣ǚ康禺a(chǎn)風(fēng)險(xiǎn)評(píng)價(jià)模型原理介紹如下：
1.1）基本原理：在信息論中，熵是對(duì)不確定性的一種度量。信息量越大，不確定性就越小，熵也就越??；信息量越小，不確定性越大，熵也就越大。根據(jù)熵的特性，可以利用熵值來(lái)判斷某個(gè)指標(biāo)的離散程度，指標(biāo)的離散程度越大，該指標(biāo)對(duì)綜合評(píng)價(jià)的影響越大；
通過(guò)房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)因子數(shù)據(jù)指標(biāo)，采用熵值來(lái)判斷指標(biāo)對(duì)于房地產(chǎn)風(fēng)險(xiǎn)的影響程度，如下:
1.2）房地產(chǎn)風(fēng)險(xiǎn)因子權(quán)重確定的步驟：
（1）選取n個(gè)城市樣本，m個(gè)風(fēng)險(xiǎn)因子指標(biāo)，則xij為第i個(gè)城市的第j個(gè)風(fēng)險(xiǎn)因子指標(biāo)的數(shù)值；
（2）計(jì)算第j個(gè)指標(biāo)下的第i個(gè)城市占該風(fēng)險(xiǎn)因子指標(biāo)的權(quán)重
p_ij=xij/(sum_{i=1}^n(x_ij))
（3）計(jì)算第j個(gè)風(fēng)險(xiǎn)因子指標(biāo)的熵值
e_j=-ksum_{i=1}^m(p_{ij})ln(pij)其中，k>0k=1/ln(n).e_j>=0
(4)計(jì)算第j項(xiàng)風(fēng)險(xiǎn)因子指標(biāo)的差異系數(shù)，對(duì)于第j項(xiàng)風(fēng)險(xiǎn)因子指標(biāo)，風(fēng)險(xiǎn)因子指標(biāo)值的差異越大，對(duì)城市房地產(chǎn)風(fēng)險(xiǎn)評(píng)價(jià)的作用越大，熵值就越??；
定義差異系數(shù)：
g_i=（1-e_j）/(m-e_e)式中e_e=sum(e_j)0=<g_j<=1sum(g_j)=1
(5)求取風(fēng)險(xiǎn)因子的權(quán)重
w_j=g_j/sum(g_j)(1=<j<=m)
對(duì)風(fēng)險(xiǎn)因子指標(biāo)的數(shù)據(jù)的非負(fù)數(shù)化處理：
x_ij=xij-min(xij)/(max(xij)-min(xij)
因此，可以通過(guò)熵值法來(lái)計(jì)算不同城市級(jí)別上的房地產(chǎn)風(fēng)險(xiǎn)評(píng)級(jí)；
r=w1*f1+w2*f2+…+wn*fn
r:城市風(fēng)險(xiǎn)評(píng)分；
wi:熵值法確定的風(fēng)險(xiǎn)因子權(quán)重；
fi:風(fēng)險(xiǎn)因子值；
根據(jù)上述公式，可得到不同城市的風(fēng)險(xiǎn)評(píng)級(jí)分值，由于產(chǎn)品是對(duì)風(fēng)險(xiǎn)進(jìn)行分檔處理，可以利用風(fēng)險(xiǎn)評(píng)分?jǐn)?shù)據(jù)分析，采用統(tǒng)計(jì)學(xué)中的簡(jiǎn)單描述統(tǒng)計(jì)分析可以不同風(fēng)險(xiǎn)等級(jí)的數(shù)值劃分，從而對(duì)不同城市房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)進(jìn)行分等定級(jí)。
c2區(qū)縣級(jí)別房地產(chǎn)風(fēng)險(xiǎn)度量模型
通過(guò)對(duì)區(qū)縣級(jí)別上的風(fēng)險(xiǎn)因子數(shù)據(jù)分析，我們認(rèn)為不同風(fēng)險(xiǎn)因子對(duì)、區(qū)縣房地產(chǎn)風(fēng)險(xiǎn)級(jí)別的影響程度是不同的，因此不同風(fēng)險(xiǎn)因子的權(quán)重是不同的，因此區(qū)縣風(fēng)險(xiǎn)評(píng)級(jí)主要就是要解決不同因子的權(quán)重大小。
對(duì)于區(qū)縣房地產(chǎn)風(fēng)險(xiǎn)度量模型與城市房地產(chǎn)風(fēng)險(xiǎn)度量模型基本上一致。
c3樓盤(pán)級(jí)別風(fēng)險(xiǎn)度量模型
通過(guò)對(duì)樓盤(pán)數(shù)據(jù)的收集，由于樓盤(pán)有價(jià)格數(shù)據(jù)，因此對(duì)于樓盤(pán)的風(fēng)險(xiǎn)評(píng)價(jià)我們可以采用兩種方法相結(jié)合的。
基于熵值法的數(shù)據(jù)樓盤(pán)風(fēng)險(xiǎn)度量模型：基于熵值法的風(fēng)險(xiǎn)度量模型與基于熵值法城市房地產(chǎn)風(fēng)險(xiǎn)評(píng)價(jià)模型一致，只是風(fēng)險(xiǎn)因子與城市風(fēng)險(xiǎn)因子有所不同而已。
基于灰色預(yù)測(cè)模型gm11模型預(yù)測(cè)的風(fēng)險(xiǎn)度量：基于灰色預(yù)測(cè)模型gm11可以對(duì)房地產(chǎn)價(jià)格未來(lái)的走勢(shì)進(jìn)行長(zhǎng)期預(yù)測(cè)，從而可以判斷未來(lái)房地產(chǎn)價(jià)格走勢(shì)是否漲跌，從而可以預(yù)判房地產(chǎn)市場(chǎng)風(fēng)險(xiǎn)。
1.3）基于灰色理論gm11的樓盤(pán)風(fēng)險(xiǎn)度量模型的原理介紹：
ⅰ設(shè)某樓盤(pán)的價(jià)格時(shí)間序列
通過(guò)樓盤(pán)價(jià)格累加生成新序列
則gm（1，1）模型相應(yīng)的微分方程為：
其中：α稱為發(fā)展灰數(shù)；μ稱為內(nèi)生控制灰數(shù)。2、設(shè)
求解微分方程，即可得樓盤(pán)的價(jià)格預(yù)測(cè)模型：
ⅱ模型檢驗(yàn)
灰色預(yù)測(cè)檢驗(yàn)一般有殘差檢驗(yàn)、關(guān)聯(lián)度檢驗(yàn)和后驗(yàn)差檢驗(yàn)；
ⅲ將通過(guò)檢驗(yàn)?zāi)Ｐ停脕?lái)預(yù)測(cè)樓盤(pán)的價(jià)格，對(duì)于預(yù)測(cè)未來(lái)價(jià)格漲幅非常大的樓盤(pán)可以定義風(fēng)險(xiǎn)較低，而對(duì)于預(yù)測(cè)未來(lái)價(jià)格漲幅偏低或者價(jià)格下跌的樓盤(pán)可以定義風(fēng)險(xiǎn)較高。
對(duì)于樓盤(pán)的風(fēng)險(xiǎn)評(píng)級(jí)，可以給出兩種方式結(jié)果的不同加權(quán)平均結(jié)果。
d房地產(chǎn)風(fēng)險(xiǎn)模型評(píng)估
對(duì)于第三部分得到的城市、區(qū)縣和樓盤(pán)風(fēng)險(xiǎn)評(píng)級(jí)的結(jié)果，需要進(jìn)行評(píng)估，可通過(guò)房地產(chǎn)不同領(lǐng)域的專家給出模型評(píng)估結(jié)果，對(duì)比分析，調(diào)整優(yōu)化模型參數(shù)，使得結(jié)果與真實(shí)更加接近。
e房地產(chǎn)風(fēng)險(xiǎn)模型發(fā)布
對(duì)風(fēng)險(xiǎn)模型評(píng)估完成后，可以發(fā)布風(fēng)險(xiǎn)評(píng)級(jí)的度量模型，同時(shí)也可以進(jìn)行產(chǎn)品展示。
本領(lǐng)域的技術(shù)人員可以對(duì)本發(fā)明進(jìn)行各種改型和改變。因此，本發(fā)明覆蓋了落入所附的權(quán)利要求書(shū)及其等同物的范圍內(nèi)的各種改型和改變。