神经网络在房地产领域的实证研究

68一、引言房地产业是国民经济发展的重要产业，它的健康发展对拉动经济增长，调整产业结构，改善人民生活水平起着重要的作用。长期以来，国家相关主管部门对房地产的发展高度重视。所以对房地产市场进行研究是必要的。我们知道，科学的预测是正确作出决策的前提，在现阶段，预测的方法有多种，但基本上分两大类：定性和定量。通常又可把定量预测方法分为时间序列分析和因果关系研究两大类。预测的准确程度是研究人员所关心的问题，虽然在目前的情况下要求预测结果准确无误尚不能做到，但是为了提高预测精度，将各种预测方法进行比较研究，探讨各种方法的适用范围和能力，是一件有理论价值和现实意义的事情。在计量经济学基础上建立的各种经济模型，大部分都是线性模型。经典的线性模型在很长的一段时间内发挥着很大的作用，但随着研究越来越深入，线形模型逐渐显露出它的缺陷，即很难用它拟合非线性经济系统，因而必然造成经济预测的误差加大。神经网络理论上可以逼近任意非线性函数并可以随机调整，所以能有效地解决非线性预测的问题。二、神经网络概述——神经网络的范畴现代意义上的神经网络的研究一般认为从1943年美国芝加哥大学的生理学家W.S.McCulloch和W.A.Pitts提出M-P神经元模型开始，到现在已经60多年了。网络的全称是人工神经网络，它是为了模拟大脑的思维特性，在神经科学研究的基础上提出来的。它最明显的特征就是自学能力，以及具有非线性、非局域性等特点[1]。三、BP网络模型（一）BP神经网络模型引入BP法是一种有教师指导的学习算法。首先由教师对每一种输入设定一个期望输出值，然后对网络输入实际的学习记忆模式，并由输入层经隐层向输出层传播，此过程称为“模式顺传播”。实际输出与期望输出的差就是误差。按照误差平方最小这一规则，由输出层往隐层逐层修正连接权值和阀值，此过程称为“误差逆传播”。随着“模式顺传播”和“误差逆传播”过程的交替反复进行，不断调整网络的权值和阀值，使得误差信号最小，最终使网络的实际输出逐渐向各自所对应的期望输出逼近[2]。神经网络在房地产领域的实证研究胡章明（广东青年干部学院，广州510507）摘要：研究表明，房地产价格指数常表现为非线性，要对它进行预测就必须利用一种能模拟非线性的模型。从理论上讲，神经网络能够无限逼近非线性函数。采用神经网络模型作为预测的模型，可以对房地产价格指数进行预测。关键词：房地产价格指数；BP神经网络；RBF神经网络；网络训练中图分类号：F293.30　　　　文献标识码：A　　　　　　文章编号：1009-5446（2009）03-0068-06收稿日期：2009-0-15作者简介：胡章明，（1979—），男，湖北公安人，广东青年干部学院经济系助教，经济学硕士。第2卷第77期广东青年干部学院学报Vol.2No.772009年8月JournalofGuangdongYounhLeadersCollegeAugust200969现在以一个三层BP网络为例，介绍BP网络的学习过程。三层BP网络就是除了输入输出层外，只有一个隐含层的BP神经网络，这也是应用的十分广泛的一种BP网络。其结构如图1所示：输入层隐含层输出层图1三层BP网络结构下面是BP网络的学习过程的学习步骤：参数介绍：网络输入向量Pk；网络目标向量Tk；中间层单元输入向量Sk，输出向量Bk；输出层单元输入向量Lk，输出向量Ck；参数K=1,2,…,m，表示数据样本的个数输入层至中间层的连接权Wij；中间层至输出层的连接权Vjt；中间层各单元的输出阀值θj；输出层各单元的输出阀值Vjt。（1）初始化。给每个连接权值Wij、Vjt、阀值θj与γt赋予区间（-1，1）内的随机值；（2）随机选取一组输入和目标样本Pk、Tk提供给网络；（3）用输入样本Pk、连接权Wij和阀值θj计算中间层个单元的输入Sj，然后用Sj通过传递函数计算中间各单元的输出bj。（4）利用中间层的输出、连接权和阀值计算输出层各单元的输出，然后利用传递函数计算输出层各单元的响应。（5）利用网络目标向量TK，网络的实际输出Ct，计算输出层各单元一般化误差dtk。（6）利用连接权Vjt、输出层的一般化误差dt和中间层的输出bj计算中间层各单元的一般化误差ejk。（7）利用输出层各单元的一般化误差dtk与中间层各单元的输出bj来修正连接权Vjt和阀值γt。（8）利用中间层各单元的一般化误差ejk，输入层各单元的输入Pk来修正连接权Wij和阀值θj。（9）随机选取下一个学习样本向量提供给网络，返回到步骤（3），直到m个训练样本训练完毕。（10）重新从m个学习样本中随机选取一组输入和目标样本，返回步骤（3），直到网络全局误差E小于设定的一个极小值，即网络收敛。如果学习次数大于预先设定的值，网络就无法收敛。（11）学习结束。（二）基于BP神经网络的实证分析运用上述BP网络可以任意逼近非线性函数的特性，可以用来作经济预测。下面就以中房价格指数作为研究的数据，研究BP网络在预测方面的应用。中房2000年—2005年的季度数据见表1。分析表1可知：中房价格指数走势具有非线性的特性，这一点正好可以采用神经网络模型来预测。现在设计一个BP网络对中国住宅销售价格指数21a2a3a䕧ܹሖ䱤৿ሖ䕧ߎሖ೒ϝሖ%3㔥㒰㒧ᵘϟ䴶ᰃ%3㔥㒰ⱘᄺд䖛⿟ⱘᄺдℹ偸˖খ᭄ҟ㒡˖㔥㒰䕧ܹ৥䞣kP˗㔥㒰Ⳃᷛ৥䞣kT˗Ё䯈ሖऩܗ䕧ܹ৥䞣kSˈ䕧ߎ৥䞣kB˗䕧ߎሖऩܗ䕧ܹ৥䞣kLˈ䕧ߎ৥䞣kC˗খ᭄1,2,...,kmˈ㸼⼎᭄᥂ḋᴀⱘϾ᭄䕧ܹሖ㟇Ё䯈ሖⱘ䖲᥹ᴗijw˗Ё䯈ሖ㟇䕧ߎሖⱘ䖲᥹ᴗjtv˗Ё䯈ሖ৘ऩܗⱘ䕧ߎ䯔ؐjT˗䕧ߎሖ৘ऩܗⱘ䕧ߎ䯔ؐtyDŽ˄˅߱ྟ࣪DŽ㒭↣Ͼ䖲᥹ᴗؐijwǃjtvǃ䯔ؐjTϢtJ䌟ќऎ䯈˄ˈ˅ݙⱘ䱣ᴎؐ˗˄˅䱣ᴎ䗝পϔ㒘䕧ܹ੠ⳂᷛḋᴀkPǃkTᦤկ㒭㔥㒰˗˄˅⫼䕧ܹḋᴀkPǃ䖲᥹ᴗijw੠䯔ؐjT䅵ㅫЁ䯈ሖϾऩܗⱘ䕧ܹjsˈ✊ৢ⫼js䗮䖛Ӵ䗦ߑ᭄䅵ㅫЁ䯈৘ऩܗⱘ䕧ߎjbDŽ1njijijiswaT¦1,2,...,jpjjbfs1,2,...,jp˄˅߽⫼Ё䯈ሖⱘ䕧ߎjbǃ䖲᥹ᴗjtv੠䯔ؐtJ䅵ㅫ䕧ߎሖ৘ऩܗⱘ䕧ߎtlˈ✊ৢ߽⫼Ӵ䗦ߑ᭄䅵ㅫ䕧ߎሖ৘ऩܗⱘડᑨtcDŽ1ptjtjtjlvbJ¦1,2,...,tqttcfl1,2,...,tq21a2a3a䕧ܹሖ䱤৿ሖ䕧ߎሖ೒ϝሖ%3㔥㒰㒧ᵘϟ䴶ᰃ%3㔥㒰ⱘᄺд䖛⿟ⱘᄺдℹ偸˖খ᭄ҟ㒡˖㔥㒰䕧ܹ৥䞣kP˗㔥㒰Ⳃᷛ৥䞣kT˗Ё䯈ሖऩܗ䕧ܹ৥䞣kSˈ䕧ߎ৥䞣kB˗䕧ߎሖऩܗ䕧ܹ৥䞣kLˈ䕧ߎ৥䞣kC˗খ᭄1,2,...,kmˈ㸼⼎᭄᥂ḋᴀⱘϾ᭄䕧ܹሖ㟇Ё䯈ሖⱘ䖲᥹ᴗijw˗Ё䯈ሖ㟇䕧ߎሖⱘ䖲᥹ᴗjtv˗Ё䯈ሖ৘ऩܗⱘ䕧ߎ䯔ؐjT˗䕧ߎሖ৘ऩܗⱘ䕧ߎ䯔ؐtyDŽ˄˅߱ྟ࣪DŽ㒭↣Ͼ䖲᥹ᴗؐijwǃjtvǃ䯔ؐjTϢtJ䌟ќऎ䯈˄ˈ˅ݙⱘ䱣ᴎؐ˗˄˅䱣ᴎ䗝পϔ㒘䕧ܹ੠ⳂᷛḋᴀkPǃkTᦤկ㒭㔥㒰˗˄˅⫼䕧ܹḋᴀkPǃ䖲᥹ᴗijw੠䯔ؐjT䅵ㅫЁ䯈ሖϾऩܗⱘ䕧ܹjsˈ✊ৢ⫼js䗮䖛Ӵ䗦ߑ᭄䅵ㅫЁ䯈৘ऩܗⱘ䕧ߎjbDŽ1njijijiswaT¦1,2,...,jpjjbfs1,2,...,jp˄˅߽⫼Ё䯈ሖⱘ䕧ߎjbǃ䖲᥹ᴗjtv੠䯔ؐtJ䅵ㅫ䕧ߎሖ৘ऩܗⱘ䕧ߎtlˈ✊ৢ߽⫼Ӵ䗦ߑ᭄䅵ㅫ䕧ߎሖ৘ऩܗⱘડᑨtcDŽ1ptjtjtjlvbJ¦1,2,...,tqttcfl1,2,...,tq21a2a3a䕧ܹሖ䱤৿ሖ䕧ߎሖ೒ϝሖ%3㔥㒰㒧ᵘϟ䴶ᰃ%3㔥㒰ⱘᄺд䖛⿟ⱘᄺдℹ偸˖খ᭄ҟ㒡˖㔥㒰䕧ܹ৥䞣kP˗㔥㒰Ⳃᷛ৥䞣kT˗Ё䯈ሖऩܗ䕧ܹ৥䞣kSˈ䕧ߎ৥䞣kB˗䕧ߎሖऩܗ䕧ܹ৥䞣kLˈ䕧ߎ৥䞣kC˗খ᭄1,2,...,kmˈ㸼⼎᭄᥂ḋᴀⱘϾ᭄䕧ܹሖ㟇Ё䯈ሖⱘ䖲᥹ᴗijw˗Ё䯈ሖ㟇䕧ߎሖⱘ䖲᥹ᴗjtv˗Ё䯈ሖ৘ऩܗⱘ䕧ߎ䯔ؐjT˗䕧ߎሖ৘ऩܗⱘ䕧ߎ䯔ؐtyDŽ˄˅߱ྟ࣪DŽ㒭↣Ͼ䖲᥹ᴗؐijwǃjtvǃ䯔ؐjTϢtJ䌟ќऎ䯈˄ˈ˅ݙⱘ䱣ᴎؐ˗˄˅䱣ᴎ䗝পϔ㒘䕧ܹ੠ⳂᷛḋᴀkPǃkTᦤկ㒭㔥㒰˗˄˅⫼䕧ܹḋᴀkPǃ䖲᥹ᴗijw੠䯔ؐjT䅵ㅫЁ䯈ሖϾऩܗⱘ䕧ܹjsˈ✊ৢ⫼js䗮䖛Ӵ䗦ߑ᭄䅵ㅫЁ䯈৘ऩܗⱘ䕧ߎjbDŽ1njijijiswaT¦1,2,...,jpjjbfs1,2,...,jp˄˅߽⫼Ё䯈ሖⱘ䕧ߎjbǃ䖲᥹ᴗjtv੠䯔ؐtJ䅵ㅫ䕧ߎሖ৘ऩܗⱘ䕧ߎtlˈ✊ৢ߽⫼Ӵ䗦ߑ᭄䅵ㅫ䕧ߎሖ৘ऩܗⱘડᑨtcDŽ1ptjtjtjlvbJ¦1,2,...,tqttcfl1,2,...,tq21a2a3a䕧ܹሖ䱤৿ሖ䕧ߎሖ೒ϝሖ%3㔥㒰㒧ᵘϟ䴶ᰃ%3㔥㒰ⱘᄺд䖛⿟ⱘᄺдℹ偸˖খ᭄ҟ㒡˖㔥㒰䕧ܹ৥䞣kP˗㔥㒰Ⳃᷛ৥䞣kT˗Ё䯈ሖऩܗ䕧ܹ৥䞣kSˈ䕧ߎ৥䞣kB˗䕧ߎሖऩܗ䕧ܹ৥䞣kLˈ䕧ߎ৥䞣kC˗খ᭄1,2,...,kmˈ㸼⼎᭄᥂ḋᴀⱘϾ᭄䕧ܹሖ㟇Ё䯈ሖⱘ䖲᥹ᴗijw˗Ё䯈ሖ㟇䕧ߎሖⱘ䖲᥹ᴗjtv˗Ё䯈ሖ৘ऩܗⱘ䕧ߎ䯔ؐjT˗䕧ߎሖ৘ऩܗⱘ䕧ߎ䯔ؐtyDŽ˄˅߱ྟ࣪DŽ㒭↣Ͼ䖲᥹ᴗؐijwǃjtvǃ䯔ؐjTϢtJ䌟ќऎ䯈˄ˈ˅ݙⱘ䱣ᴎؐ˗˄˅䱣ᴎ䗝পϔ㒘䕧ܹ੠ⳂᷛḋᴀkPǃkTᦤկ㒭㔥㒰˗˄˅⫼䕧ܹḋᴀkPǃ䖲᥹ᴗijw੠䯔ؐjT䅵ㅫЁ䯈ሖϾऩܗⱘ䕧ܹjsˈ✊ৢ⫼js䗮䖛Ӵ䗦ߑ᭄䅵ㅫЁ䯈৘ऩܗⱘ䕧ߎjbDŽ1njijijiswaT¦1,2,...,jpjjbfs1,2,...,jp˄˅߽⫼Ё䯈ሖⱘ䕧ߎjbǃ䖲᥹ᴗjtv੠䯔ؐtJ䅵ㅫ䕧ߎሖ৘ऩܗⱘ䕧ߎtlˈ✊ৢ߽⫼Ӵ䗦ߑ᭄䅵ㅫ䕧ߎሖ৘ऩܗⱘડᑨtcDŽ1ptjtjtjlvbJ¦1,2,...,tqttcfl1,2,...,tq21a2a3a䕧ܹሖ䱤৿ሖ䕧ߎሖ೒ϝሖ%3㔥㒰㒧ᵘϟ䴶ᰃ%3㔥㒰ⱘᄺд䖛⿟ⱘᄺдℹ偸˖খ᭄ҟ㒡˖㔥㒰䕧ܹ৥䞣kP˗㔥㒰Ⳃᷛ৥䞣kT˗Ё䯈ሖऩܗ䕧ܹ৥䞣kSˈ䕧ߎ৥䞣kB˗䕧ߎሖऩܗ䕧ܹ৥䞣kLˈ䕧ߎ৥䞣kC˗খ᭄1,2,...,kmˈ㸼⼎᭄᥂ḋᴀⱘϾ᭄䕧ܹሖ㟇Ё䯈ሖⱘ䖲᥹ᴗijw˗Ё䯈ሖ㟇䕧ߎሖⱘ䖲᥹ᴗjtv˗Ё䯈ሖ৘ऩܗⱘ䕧ߎ䯔ؐjT˗䕧ߎሖ৘ऩܗⱘ䕧ߎ䯔ؐtyDŽ˄˅߱ྟ࣪DŽ㒭↣Ͼ䖲᥹ᴗؐijwǃjtvǃ䯔ؐjTϢtJ䌟ќऎ䯈˄ˈ˅ݙⱘ䱣ᴎؐ˗˄˅䱣ᴎ䗝পϔ㒘䕧ܹ੠ⳂᷛḋᴀkPǃkTᦤկ㒭㔥㒰˗˄˅⫼䕧ܹḋᴀkPǃ䖲᥹ᴗijw੠䯔ؐjT䅵ㅫЁ䯈ሖϾऩܗⱘ䕧ܹjsˈ✊ৢ⫼js䗮䖛Ӵ䗦ߑ᭄䅵ㅫЁ