房地产投资风险评估的FCIM模型
房地产开发风险预测模型.
房地产开发风险预测模型来源: 智能中国网作者：万友人工智能软件网友评论 3 条浏览次数411．案例描述房地产开发存在风险，其影响因素（输入）主要包括：1）通货膨胀风险：可分为升高、不变、降低。
2）市场低供求风险，可分为供大求、平衡、供小求。
3）周期风险，可分为第一阶段、第二阶段、第三阶段、第四阶段。
4）利率风险，可分为提高、不变、降低。
5）政策风险，可分为有利、无新政策、不利开发。
6）区位风险，可分为升值、不变、降值。
7）开发期风险，可分为较长、正常、缩短。
开发风险（输出）可分为5类：无风险、风险较低、一般风险、风险较高、风险很高，为了能对开发风险进行有效地评估和预测，在此拟建立神经网络预测模型，实现对房地产开发风险的预测。
2．案例分析根据案例描述，设计如下表所示的数据映射关系，并进而模拟产生一组专家样本数据，建立一个网络结构为7-5-1的神经网络模型，如下图：基于上表，构建专家样本数据，并将输入和输出样本分别写入input_para.txt和output_para.txt文件（说明：本例的样本数据已进行了归一化处理，所以文件input_para.txt和output_para.txt中的数据实际是归一化后的样本数据），在MATLAB环境下，直接运行LmTrain.m文件，即可完成对专家样本数据的训练。
要实现开发风险预测，只需将影响房地产开发风险的实际参数值传入LmSimu.m文件，在MATLAB环境下运行即可得到预测结果。
3．代码实现（1）网络训练function retstr = LmTrain(ModelNo,NetPara,TrainPara,InputFun,OutputFun,DataDir)% 关闭警告提示NNTWARN OFF% 初始化返回值retstr=-1;%%%% 输入参数赋值开始%%%%%%%%%%%%%%%%%%%%%%%% 这部分代码主要是方便用户调试用% ModelNo='1';% NetPara(1)=7;% NetPara(2)=1;% NetPara(3)=6;% NetPara(4)=10;% TrainPara(1)=25;% TrainPara(2)=1000;% TrainPara(3)=0.001;% TrainPara(4)=0.001;% TrainPara(5)=0.001;% TrainPara(6)=10;% TrainPara(7)=0.1;% TrainPara(8)=1e10;% DataDir='.';% InputFun = 'tansig';% OutputFun = 'purelin';%%%% 输入参数赋值结束%%%%%%%%%%%%%%%%%%%%%%%%% 保留原工作目录olddir=pwd;% 切换到数据所在工作目录cd(DataDir);% 伪声明，以便打包生成COM组件时系统能加载相关函数deltalin(1);deltalog(1);deltatan(1);% 网络参数，包括输入层结点数，中间层结点数，输出层结点数，训练样本数据组数InputDim=NetPara(1);OutputDim=NetPara(2);MidDim=NetPara(3);data_num=NetPara(4);% 网络训练参数，包括显示间隔次数，最大循环次数，目标误差，学习速率% 学习速率增加比率，学习速率减少比率，动量常数，最大误差比率if (TrainPara == -1)df = 25;me = 1000;eg = 0.001;lr = 0.001;lr_inc = 0.001;lr_idec = 10;mom_const = 0.1;err_ratio = 1e10;elsedf=TrainPara(1);me=TrainPara(2);eg=TrainPara(3);lr=TrainPara(4);lr_inc=TrainPara(5);lr_idec=TrainPara(6);mom_const=TrainPara(7);err_ratio=TrainPara(8);end% 输入层到中间层的传递函数if (length(InputFun)==0)InputFun = 'tansig';end% 中间层到输出层的传递函数if (length(OutputFun)==0)OutputFun = 'purelin';endtp=[df me eg lr lr_inc lr_idec mom_const err_ratio];% 打开专家样本数据文件frin_para=fopen(sprintf('input_para%s%s',ModelNo,'.txt'),'r'); frout_para=fopen(sprintf('output_para%s%s',ModelNo,'.txt'),'r'); % 读取专家样本数据[p,count]=fscanf(frin_para,'%f',[InputDim,data_num]);[t,count]=fscanf(frout_para,'%f',[OutputDim,data_num]);% 关闭文件fclose(frin_para);fclose(frout_para);[r,q]=size(p); [s2,q]=size(t);% 初始化网络权值和阈值[w1,b1]=rands(MidDim,r);[w2,b2]=rands(s2,MidDim);% 关闭警告提示NNTWARN OFF% 通过L-M优化算法，实现神经网络训练[w1,b1,w2,b2,epochs,errors]=trainlm(w1,b1,InputFun,w2,b2,OutputFun,p,t,tp); %将网络训练结果写入文件fww1=fopen(sprintf('w%s%s',ModelNo,'1.dat'),'w');fwb1=fopen(sprintf('b%s%s',ModelNo,'1.dat'),'w');fww2=fopen(sprintf('w%s%s',ModelNo,'2.dat'),'w');fwb2=fopen(sprintf('b%s%s',ModelNo,'2.dat'),'w');% 将训练结果写入参数文件fprintf(fww1,'%9.4f ',w1);fprintf(fwb1,'%9.4f ',b1);fprintf(fww2,'%9.4fn',w2);fprintf(fwb2,'%9.4fn',b2);% 关闭文件fclose(fww1);fclose(fwb1);fclose(fww2);fclose(fwb2);%将训练过程误差写入误差文件ferr=fopen(sprintf('lm_err%s%s',ModelNo,'.dat'),'w');fprintf(ferr,'%10.6fn',errors);fclose(ferr);% 切换回原来的工作目录cd(olddir);% 函数返回神经网络训练次数retstr=epochs;程序运行时，会显示网络训练过程误差曲线图，执行完成后，会在程序的同一个文件夹中产生b11.dat、b12.dat、w11.dat、w12.dat、lm_err1.dat等网络训练结果文件。
房屋安全风险评估模型
房屋安全风险评估模型摘要：一、引言1.房屋安全风险评估的重要性2.房屋安全风险评估模型的目的二、房屋安全风险评估模型概述1.模型构建背景2.模型构建原理3.模型主要构成部分三、房屋安全风险评估指标体系1.结构指标2.环境指标3.设备设施指标4.管理指标四、房屋安全风险评估方法与应用1.评估方法a.定性评估b.定量评估2.评估流程3.应用案例分析五、房屋安全风险防范与控制策略1.加强房屋安全管理2.定期开展房屋安全检查与维护3.建立风险应急预案4.提高居民安全意识六、结论与展望1.模型在实践中的应用效果2.模型优缺点分析3.未来研究方向与改进措施正文：一、引言随着我国城市化进程的加速，房屋建筑数量和规模不断扩大，房屋安全问题日益凸显。
房屋安全风险评估作为一种有效的管理手段，旨在识别和评价房屋安全隐患，为房屋安全管理提供科学依据。
本文将介绍一种房屋安全风险评估模型，旨在为相关领域提供参考。
二、房屋安全风险评估模型概述1.模型构建背景近年来，我国房屋安全事故频发，不仅造成人员伤亡和财产损失，还对社会稳定产生严重影响。
为提高房屋安全管理水平，研究一种科学、合理的房屋安全风险评估模型具有重要意义。
2.模型构建原理房屋安全风险评估模型基于系统论、概率论、事故学等理论，结合房屋安全的实际情况构建。
该模型充分考虑房屋自身特点、外部环境、设备设施和管理等多方面因素，综合评价房屋安全风险。
3.模型主要构成部分房屋安全风险评估模型主要包括五个部分：数据收集与处理、风险识别、风险分析、风险评价和风险控制。
其中，数据收集与处理为风险评估提供基础数据；风险识别和分析是评估的关键环节，通过对房屋安全的各方面因素进行分析，识别潜在风险；风险评价根据分析结果，采用相应的评估方法对房屋安全风险进行量化评价；风险控制针对评估结果，制定相应的防范和控制措施。
三、房屋安全风险评估指标体系1.结构指标：包括房屋结构类型、结构安全性能、构造细节等方面。
基于风险评估的房地产开发与经营管理决策模型
基于风险评估的房地产开发与经营管理决策模型房地产行业作为一个重要的经济领域，其开发和经营管理涉及到大量资金和资源的投入与利用。
在这个过程中，风险的存在是不可避免的。
为了确保房地产开发与经营管理的可持续发展，需要建立一套科学的决策模型。
本文将提出基于风险评估的房地产开发与经营管理决策模型，以帮助相关决策者在决策过程中降低风险，提高决策效果。
1. 研究背景在房地产开发与经营管理中，面临各种不确定性和风险。
例如，市场需求的不确定性、政策风险、市场风险、管理风险等。
这些风险对于房地产企业的发展具有重要影响。
因此，必须建立一个有效的决策模型，帮助决策者预测和评估风险，以制定合理的开发与经营管理策略。
2. 风险评估模型基于风险评估的房地产开发与经营管理决策模型，是以风险评估为基础，结合房地产市场和管理实践经验，通过定量和定性分析的方法，对风险因素进行识别、分析和评估，从而指导决策者制定相应的策略和决策。
2.1 风险识别风险识别是模型的基础，决策者需要识别出与房地产开发与经营管理相关的风险因素，包括市场风险、政策风险、技术风险、财务风险等。
通过对过往经验的总结和案例分析，以及对市场环境的调查研究，决策者可以较全面地了解这些风险因素，并将其纳入决策模型中。
2.2 风险分析在风险分析阶段，决策者需要对各个风险因素进行详细的分析。
首先，可以利用统计学方法对历史数据进行分析，评估风险的概率与影响程度。
其次，可以采用专家判断法，借助专家的经验和知识，将其主观评估纳入模型中。
最后，可以通过模拟与仿真等方法对风险因素进行量化和模拟，以得出更加准确的评估结果。
2.3 风险评估风险评估是决策模型的核心。
通过对风险因素的识别和分析，决策者可以对各个风险因素进行评估，给出风险的概率和影响程度。
这些评估结果可以通过定性或定量的方式进行表达，以帮助决策者全面了解风险，并制定相应的应对策略。
3. 决策支持系统为了更好地应对房地产开发与经营管理中的风险，可以建立一个决策支持系统，将风险评估模型纳入其中。
房地产投资项目政策风险测度模型
房地产投资项目政策风险测度模型作者：陈顺良郭静媛来源：《中国经贸导刊》2012年第23期摘要：基于欧几里得原理，构建了房地产投资项目的政策风险模糊测度模型，应用贴近度作为政策风险概率的测度参量，得到了考虑宏观调控政策背景下，政策风险大小的概率值，为房地产投资项目的合理决策提供了一个新的思路。
关键词：政策风险模糊评价贴近度随着近年来地产调控政策逐步得到落实，土地市场、资本市场门槛的提高，使得房地产市场上的观望情绪非常强烈，房地产企业遇到的政策性风险也越来越大。
因此，房地产开发企业如何正确把握政策走向和市场变化，转移或回避目前遇到的系统性政策风险，是当前学术界和企业界关心的热点问题。
一、宏观政策风险因素分析从国家出台的一系列宏观调控新政分析，风险因素的来源主要集中在土地、信贷、税收和住房保障等几个方面。
土地政策在抑制地价、稳定房价的同时，使开发商拿地的意愿明显降低；政府加大保障房用地的供应，使他们不得不衡量商品房和保障房开发的均衡性；而新政在加强限制开发企业捂盘惜售等违法行为时，开发商不得不严格控制开发时间。
信贷政策是利用上下波动的信贷基准利率、房地产贷款利率和公积金贷款利率的方式来推动房地产的发展和消费或抑制的方式来实行宏观调控的，利率的高低直接影响房地产的发展总量。
税收政策是一种促进房地产市场平稳健康发展的长效机制，在政府宏观调控房地产市场的措施中发挥积极作用。
我国的住房政策可以概括为一手抑制投资、投机性购房需求，一手促进住房保障建设。
所以，我们面临的住房政策风险一方面是限购政策，在国家一系列调控政策的助推下，越来越多的城市进入了限购的行列，限购政策也逐步由模糊到具体，由单一到多元，由宽松到严厉，但限购这类行政干预式调控若过长时间严格执行，将极大打击住房需求，不利于市场的健康持续发展。
同时，我国加紧建设以廉租住房、经济适用住房、公共租赁住房、棚改房为主的分层次、成系统的住房保障体系，这将使保障性住房对房地产市场的商品房价格形成一定冲击。
房地产投资收益风险评估模型
促进市场健康发展
评估模型有助于提高市场的透明 度和公正性，促进房地产市场的 健康发展。
02
房地产投资收益模型
静态投资回收期模型
总结词
静态投资回收期模型是一种简单易懂 的投资收益评估方法，通过计算投资 回收所需的时间来评估投资效益。
为了帮助投资者更好地理解和评估房 地产投资的风险和收益，建立房地产 投资收益风险评估模型成为必要。
投资风险的存在
房地产投资具有高风险、高回报的特 点，投资者需要充分了解和评估投资 风险。
研究目的与意义
提供决策依据
评估模型可以为投资者提供科学 、客观的决策依据，帮助其做出 更加明智的投资决策。
降低投资风险
房地产投资收益风险评估模 型
汇报人：可编辑 2024-01-06
目 录
• 引言 • 房地产投资收益模型 • 房地产投资风险评估模型 • 房地产投资收益与风险的平衡 • 实证分析 • 结论与展望
01
引言
背景介绍
房地产市场的发展
评估模型的重要性
随着经济的发展和城市化进程的加速 ，房地产市场逐渐成为国民经济的重 要支柱。
风险评估
总结词
风险评估是对已识别的风险因素进行量化和定性分析的过程，目的是评估各风险因素对投资收益的影 响程度和可能性。
详细描述
风险评估的方法包括概率分析、敏感性分析、蒙特卡洛模拟等，通过这些方法可以确定各风险因素的 概率分布和可能的损失程度，为制定风险应对策略提供依据。
风险应对与控制
总结词
风险应对与控制是根据风险评估的结果 ，采取相应的措施来降低、转移或消除 风险的过程。
crims模型系数
crims模型系数
CRIM模型，全称为C-Index Real Estate Market Model，是一种房地产市场分析模型。
CRIM模型主要用于评估一个地区的房地产市场价值，以及预测未来的房地产市场趋势。
CRIM模型的系数通常是根据历史数据和统计分析得出的，用于解释和预测房地产市场的各种因素。
这些因素可能包括人口增长、就业增长率、租金水平、房屋价格、房屋空置率等等。
CRIM模型的系数可以通过回归分析、时间序列分析等统计方法得出，具体的系数值可能因地区、时间和其他因素而有所不同。
需要注意的是，CRIM模型只是一个工具，它可以帮助我们了解和预测房地产市场的一些趋势，但不能完全准确地预测未来的房地产市场走势。
因此，在使用CRIM模型时，还需要结合其他因素和市场信息进行综合考虑。
房地产投资风险决策模型
民营科技2010年第8期72MYKJ经济论坛房地产投资风险决策模型赛红珊（青岛市房地产交易中心，山东青岛266000）1房地产投资决策方法分析1.1以往房地产投资决策方法的弊端以往房地产投资决策主要以盈亏平衡分析、敏感性分析、概率分析等为基础，主要有期望值法、决策树法、调整贴现率法、概率法等。
房地产投资决策不适宜采用期望值法和决策树法。
因为：1）重复性决策是期望值法适用的前提条件，而房地产投资决策属一次性决策。
2）期望值法没有真正考虑风险，期望值只是投资项目的期望特征。
3）期望值法没有考虑决策者对风险所持态度的不同。
调整贴现率法简单易行，似乎很合逻辑，但这种方法将时间价值与风险报酬混在一起，特别是对远期现金流量贴现时，复利计算方法使风险报酬率扩大，从而使风险因素被人为扩大。
概率法只给决策者提供了决策参考信息，并未给决策者提供在综合考虑效益和风险的情况下进行决策的方法。
也没有考虑不同的决策者对待风险的态度的不同。
以往的方法虽然有一定的实际应用价值，但也都存在缺陷，都不能说真正解决了房地产投资风险决策问题。
1.2期望效用法的优势期望效用法是风险决策的一种科学有效的方法。
期望效用法指出在风险条件下，有理智的投资者最佳的投资策略就是最大期望效用策略，通过确定决策者的效用函数来计算各方案的期望效用值，并以期望效用最大为准则进行房地产投资决策。
效用是在有风险的情况下决策者对方案后果偏好程度的量化，反映了决策者对决策问题的主观意图和倾向。
期望效用法对决策中的风险进行了进一步的分析，充分考虑了决策者对风险所持态度的不同。
现对房地产投资多目标风险决策方法进行探讨，就是运用了多属性期望效用理论，在建立房地产投资决策的多目标分层递阶结构的基础上，建立起房地产投资多目标风险决策模型。
2房地产投资决策属多目标风险决策问题2.1房地产投资决策的多目标性理性的房地产投资者进行房地产投资的最主要目的是获得收益。
因此，收益最大化是房地产投资决策的一个主要目标。
贴现率估计模型
贴现率估计模型
贴现率估计模型是指通过对相关市场数据进行分析，从而得出预测未来时间内的贴现率的数学模型。
贴现率是指在一定时间内将未来现金流折算回现值所使用的利率。
它是衡量投资风险和收益的重要指标之一。
贴现率估计模型可以用于评估股票、债券、房地产等各种资产的收益和风险。
常用的贴现率估计模型包括CAPM模型、DCF模型、Nelson-Siegel模型等。
其中，CAPM模型（资本资产定价模型）是用于计算股票的预期
收益率和风险的模型，它通过风险溢价和无风险利率来确定股票的预期收益率。
DCF模型（现金流折现模型）是用于计算债券或房地产的预期收益率和风险的模型，它通过折现未来现金流来确定资产的现值。
Nelson-Siegel模型是一种利率曲线模型，它通过对长期利率和短期利率的关系进行建模来预测贴现率。
贴现率估计模型的有效性取决于所使用的数据和参数的准确性
和完整性。
因此，在使用贴现率估计模型时，需要注意数据的来源和质量，以及模型中所使用的参数的可靠性和合理性。
- 1 -。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
现， 这就组成了“串联响应模型”， 这种串 “很低”（ ８， ９， １０， １０） 。
连 概 率 曲 线 的 叠 加 称“ 概 率 加 法 ”。 如 工
假定评估者确定了定性指标并给出
程项目的某两个活动的费用为 Ｘ１ 和 Ｘ２， 该工程费用 Ｘａ＝Ｘ１＋Ｘ２ 的概率 Ｐ（Ｘａ）为：
风险评估结果， 则采用模糊处理可以得 到概率分布区间， 从而得出其概率分布
资风险概率估计 值之后， 就可以 估计出这些风险 因素至少出现一 个时基础指标项 目的风险概率曲 线。这些风险因 素在实际中的出 现机率是随机 的， 并联模型把 这些风险因素连 接起来， 并用并 联概率叠加模型 计算基础指标项 目的总风险。
第三步， 对 基础指标项目的 风险进行组合， 从而确定总指标 的风险曲线。
程度。 第一步， 将总指标分解为一套可供
分析的基本指标集合。 最初的分解是将总指标分解为主要
项目指标。组成主要项目指标的项目就 是一级指标项目。一级指标项目又可分 为两类： 一类是不能再进行分解的， 或者
现带有随机性， 各因素可能出现， 也可能 不 出 现 ， 则 风 险 因 素 Ｘ１，Ｘ２，．．．，Ｘｎ 的 概 率 分 布 组 合 模 型 称“并 联 响 应 模 型 ”， 这 种 并 联 概 率 曲 线 的 叠 加 称“ 概 率 乘 法 ”。 概
退出风险 （Ｃ５）（ ０．１） 政策风险 （ Ｃ６） （ ０．０８）
自然风险 （Ｃ７）（ ０．０５）
国际风险 （Ｃ８）（ ０．０５）
子因素层 市场供求风险
（Ｃ１１）（ ０．４） 投资报酬率 （Ｃ１２）（ ０．１５） 地价风险 （Ｃ１３）（ ０．２５） 融资风险 （Ｃ１４）（ ０．１５） 国民经济状况变动 风险（ Ｃ１５） （ ０．０５） 管理者素质和经验
０．４
６４
统计与决策
有供小于求趋势 ０．３ ５％ ０．２５ 较低 ０．２ ２．７％ ０．４ 较低 ０．４ 较高 ０．４ 较高 ０．５ 较好 ０．４ 较好 ０．５ 较好 ０．４ 较慢 ０．１ 较低 ０．５ 较好 ０．４ 较低 ０．２５ 较低 ０．３ 较低 ０．２ 较低 ０．４ 较低 ０．４
４２００ 元 ／ｍ２ ０．４
等级层及概率
有供大于求趋势
供求相当
０．０５
０．２
１２％
８％
０
０．１５
较高
一般
０
０．１
２．８５％
２．７８％
０．１
０．３
较高
一般
０．１５
０．３
较低
一般
０
０．１
较低
一般
０
０．１
较差
一般
０
０．２
较差
一般
０
０．２
较差
一般
０．１
０．２
较快
一般
０．５
０．１５
较高
一般
０．１
０．２
较差
一般
０．１５
０．３
较高
一般
０．１
性强的特点， 同时也是一个高投入、高回
报和高风险的产业， 必须对其投资风险
进行透彻的分析和科学的防范。
要避免房地产投资的高风险， 就必
须对房地产投资过程中可能出现的种种
风险进行精确的定性和定量分析。本文
运用模糊数学的有关理论， 选择成都市
的一个大型高档居住兼商业物业项目，
进 行 了 科 学 、准 确 的 风 险 评 估 。
ｋ
ｋ
) ) Ｐ（Ｘａ＝ｘａ）＝ Ｐ（Ｘ１＝ｘ１ｉ，Ｘ２＝ｘａ－ ｘ１ｉ）＝ Ｐ
ｉ＝１
ｉ＝１
（Ｘ１＝ｘ１ｉ）Ｐ（Ｘ２＝ｘａ－ ｘ１ｉ）
（１）
其 中 ｘａ＝ｘ１ｉ＋ｘ２ｊ，ｉ＝１，２，…，ｋAｊ＝ｉ＝１，２，… ，
ｋAｋ 为费用 Ｘ１ 和 Ｘ２ 的费用区间。
（２）并 联 响 应 模 型
影响活动的风险因素在实际中的出
房地产投资项目风险指标体系
供大于求 ０
１８％ ０ 高 ０
２．９８％ ０ 高 ０．１ 低 ０ 低 ０ 差 ０ 差 ０ 差 ０．１ 快 ０．２ 高 ０ 差 ０．１ 高
０．０５ 高 ０．０５ 高 ０．１ 高 ０．０５ 高 ０．０５ ３２００ 元 ／ｍ２ ０ 远慢与预期 ０．０５ １年 ０．１ 很不稳定 ０ 很不稳定 ０ 很不稳定 ０．０５ 很不稳定 ０．０５ 很不稳定 ０．０１ 很不稳定 ０．０５ 很不稳定 ０．１ 很不稳定 ０．０５ 高 ０ 高 ０ 高 ０．０２ 高 ０．０５ 高 ０ 高 ０ 高 ０ 很不稳定 ０
（ ３） μＡ（ｘ）＝１， "ｘ∈［ａ，ｂ］。 一种不规则四边形模糊数的隶属函
数为：
%（ｘ－ ｃ） ／（ａ－ ｃ），ｃ≤ｘ＜ａ
’１，ａ≤ｘ≤ｂ
μＡ（ｘ）＝&’（ｘ－ ｄ） ／（ｂ－ ｄ），ｂ＜ｘ≤ｄ
（ １）
(０
不规则四边形模糊数可简单表示
为 ： Ａ＝（ｘ１，ｘ２，ｘ３，ｘ４）， 如 ：“ 近 似 等 于 ４”可 以 表示为（ ３．５，４，４，４．５） 。而语言变量的方法
制 区 间 和 记 忆 模 型 （ ＦＣＩＭ
模型）
①定性指标的模糊处
图 １ 分解直方图
代替概率函数的积分， 并按串连或并联
理 对于定性指标， 在风险评估中通常
响应模型进行概率叠加， 使概率分布的 采用语言变量来表达， 确定评价定性指
叠加得以简化和普遍化。
标 的 语 言 变 量 集 为 Ｅ＝F很 高 ， 高 ， 一 般 ，
（Ｃ２１）（ ０．３） 企业商誉 （Ｃ２２）（ ０．１５） 管理机制 （Ｃ２３）（ ０．１５） 经营决策机制 （ Ｃ２４） （ ０．４） 城市规划风险 （Ｃ３１）（ ０．５） 区域发展风险 （Ｃ３２）（ ０．３５） 公众干预风险 （Ｃ３３）（ ０．０５） 治安风险 （Ｃ３４）（ ０．１） 建筑材料改变和 更新（Ｃ４１）（ ０．２５） 建筑施工技术和 工艺革新（Ｃ４２）（ ０．１５） 建筑设计变动或 施工事故（Ｃ４３）（ ０．５） 建筑生产力因素 短缺（Ｃ４４）（ ０．０５） 信息风险 （Ｃ４５）（ ０．０５） 销售价格风险 （Ｃ５１）（ ０．３５） 销售进度风险 （ Ｃ５２） （ ０．３） 投资回收期风险 （Ｃ５３）（ ０．３５） 政治环境风险 （Ｃ６１）（ ０．０３） 经济体制改革 风险（Ｃ６２）（ ０．０７） 产业政策风险 （Ｃ６３）（ ０．２） 土地使用制度改革 风险（Ｃ６４）（ ０．３） 住房制度改革风险 （Ｃ６５）（ ０．２） 税收政策变化风险 （Ｃ６６）（ ０．１） 金融政策变化风险 （Ｃ６７）（ ０．０５） 法律风险 （Ｃ６８）（ ０．０５） 火灾风险 （Ｃ７１）（ ０．１） 风暴风险 （Ｃ７２）（ ０．１） 洪水风险 （Ｃ７３）（ ０．４） 地震风险 （Ｃ７４）（ ０．３） 气温风险 （Ｃ７５）（ ０．１） 国际政治风险 （Ｃ８１）（ ０．２） 国际投资环境 风险（Ｃ８２）（ ０．４） 汇率变化风险 （ Ｃ８３） （ ０．４）
０．４
较高
一般
０．１５
０．４
较高
一般
０．１５
０．４
较高
一般
０．１５
０．２
较高
一般
０．１５
０．３
３６００ 元 ／ｍ２
４０００ 元 ／ｍ２
０
０．４
慢于预期
等于预期
０．２
０
０．１５
０．３
不太稳定
基本稳定
０．１
０．４
不太稳定
基本稳定
０．１５
０．５
不太稳定
基本稳定
０．２５
０．４
不太稳定
Ｉｎｔｅｒｖａｌ ａｎｄ Ｍｅｍｏｒｙ Ｍｏｄｅｌｓ，ＣＩＭ 模型）
风险分析需进行概率分布叠加，
ＣＩＭ 模 型 用 直 方 图 表 示 变 量 的 概 率 分
布， 利用直方图有相同宽度的区间， 用和
其 中 Ｘａ 代 表 被 划 分 的 区 间 － ５％ ， ０， ５％ ， １０％ ，
１５％。
（３）基于模糊数 学 的 控
只能用均匀分布的方法分解的一级指标 项目； 另一类是指不同种类的， 具有不同 风险特点的指标元素的集合， 因此可以 继续分解为二级指标项目、三级指标项
率乘法是由一系列的两概率分布连乘组 目等。
成的， 即先将两个风险因素的概率曲线 相乘， 然后再与第三个相乘， 如此下去， 确定活动全过程的概率曲线。风险因素
在得到影响基础指标项目的所有投
６３
统计与决策
ＴＪ ＹＪ Ｃ
工作Ｇ视ＯＮ点 ＧＺＵＯＳＨＩＤＩＡＮ
２００７ 年 第 ４ 期（ 总 第 ２３５ 期 ）
表２
目标层
房地产 投资风险
主因素层 经济风险 （Ｃ１）（ ０．２７）
管理风险 （Ｃ２）（ ０．２）
社会风险 （Ｃ３）（ ０．１５）
技术风险 （Ｃ４）（ ０．１）
第二步， 考虑可能影响每一基础指 标项目的所有风险， 以便计算出基础指 标项目的风险影响图。
Ｘ１，Ｘ２ 的概率分布如表 １ 所示。
其组合影响概率为：
５
５
) ) Ｐ （Ｘａ＝ｘａ）＝ Ｐ （Ｘ１＝ｘａｉ，Ｘ２*ｘａｉ）＋ Ｐ
ｉ＝１
ｉ＝１
（Ｘ１＜ｘａｉ，Ｘ２＝ｘａｉ）
（２）
先对每一基础指标项目进行风险辨 识， 找出影响它的风险因素集合， 再估计 每一风险因素影响基础指标项目投资的 风险概率分布曲线。
与风险因素 的并联连接模型 相反， 基础指标 项目变化的串联 连接组成了总指 标的风险变化。
二、实例应 用与分析
本文以成都 某房地产投资项 目为例， 构建了 ８ 个方面风险的 ３７ 个 指 标 体 系 ， 并通过调查和专 家打分法确定每 个风险因素的权 重和等级值， 见 表 ２。
１． 定 性 指 标 的模糊处理
４６００ 元 ／ｍ２ ０．２