经济下行风险下的地产行业决策与应对分析
引言 地产行业决策分类主要有三种标准，一是以地产行业的经验导向为标准；二是以地产所在地域特征为标准；三是以特殊的用途或使用方面为标准。其中普遍采用的是通过地产行业的经验导向为标准进行相关决策。在地产行业决策分析的过程中，相关研究方法是介于宏观经济研究与微观经济结构研究之间的关键研究办法。在经济环境处于下行阶段的时候，地产行业的决策分析会受到很多因素影响，如国家宏观的调控、市场的环境以及国家经济政策变化，国民经济当中有的行业的增长速度会大于国内生产总值的增长速度，有的行业的增长速度则会小于国内生产总值的增长速度。在这种条件下进行地产行业的相关决策，因素选择一定是建立在对地产行业进行正确研究的基础上。 地产行业研究关键点有两个，一个是对地产行业的投资取得高额的收益，另一个是对地产行业研究建立有效的投资组合模式从而降低其风险。在经济下行的情况下，地产行业为得到最大的回报，地产行业决策者会重点分析地产行业的生命周期及影响地产行业发展的相关问题，分析包括地产行业竞争形式和盈利能力等各个方面的数据，然后选择相对好的地段实施有效的投资。 依据现阶段地产行业的决策投资理论，通过构建地产行业决策投资组合，能起到分散小股降低风险的作用。 在经济下行的情况下，中国地产行业中地产价格波动具有同步性和相关性，不同行业之间地产收益率的相关系数区别不大，故对地产分类投资组合风险评估的效果不好。本文为目前地产行业决策操作、风险预控提供了理论条件，通过分析地产行业价格的形成和上下波动的数据，探讨了决策降低风险的原理。对地产行业的投资效果进行实证研究，证明在经济下行情况下，地产行业决策与收益具有很高的相关性。在此研究结果的基础上，本文提出一种考虑经济下行风险的房地产行业策略分析模型，对经济下行条件下地产行业决策进行数据聚类研究，使用经济指标以及地产收益率聚类等地产行业决策策略，本文由收集整理对其数据进行剖析，证明了利用分类决策的可行性和较优效果，为经济下行条件下地产行业决策的风险控制提供了理论基础。 1 传统地产行业决策分类的问题 地产行业研究是做出正确决策的关键，国内的学者通过对发达国家成熟的地产市场相关资料的研究证实了地产行业的决策受到多重因素的影响。
1.1地产行业价格决策因素的分析 地产行业形成一定规模以来，各国学者就一直对地产的价格决策决定因素进行研究。 地产行业决策的内在价值 地产行业决策内在价值主要是由地产未来所能实现的预期价值的现值所决定，即地产的价值由其以后预期的全部增值空间的价值所决定。其决策的问题来自于决策者对未来地产增值空间的不确定性，需估量。 1952年，MARKOWITZ在其论文中首次对地产投资决策进行了全盘解读。其理论利用均值和方差等统计学指标将地产行业的收益指标量化，将地产行业决策问题通过收益—风险均值—方差的二维图像关系实现。地产行业定价模型是按照Willian Sharpe等人在1960年提出的理论为基础的。该模型根据地产行业风险的不同，将地产行业决策在不同的最优投资组合中。地产行业的风险为所有决策组合中的与其协方差的加权平均和。 通过上述的分析可以发现，目前较为流行的地产行业决策分析模型中基本没有考虑对行业影响较深的经济状况分类因素对地产行业价格的影响。但根据地产行业投资组合理论，应通过建立地产行业投资最优解，分散非系统性风险的影响。地产行业决策风险程度与经济运行之间的相关性越小，决策的风险分散效应越明显。 1.2地产行业决策分类标准 在不同的经济环境下，对地产数据进行分类是应对这种变化的基础。ISIC地产行业分类标准由国际组织制定，其在国际上被普遍运用于地产行业的决策的统计中。该标准是地产行业决策、确保信息可比性的基础，同时也为每一个国家建立独有的地产行业分类标准和提升决策系统的有效性提出可靠的理论支持。 根据地产应用行业的特征对数据进行分类，可以分为农业用地、林业用地、采石和采矿用地、制造业用地、水电煤气等服务用地、专业科学用地、房产活动用地、公共管理与国防用地、社会保障用地、文娱活动用地、其他服务活动用地等21大类数据，五百多个小类数据。 GICS地产行业分类其最终目的就是为了提高地产行业决策能力，获得更高的管理效率，它是通过全球大量的地产行业分析师和决策者在实践和研究之后确定下来的一种精确完整的地产行业定义。 1.3经济下行风险下地产行业决策存在问题 在经济下行的条件下，中国地产行业是在政府行为主导下发展的行业，加之行业决策者相关知识的缺乏，在整个决策过程中投机性较强，这是与其它国家差异明显的市场特点，全部地产行业类似性高，同涨同跌。故地产行业决策者期望可以利用行业分类来对地产行业进行决策，使其在投资地产时建立风险控制机制。 由上述因素可知，中国的地产行业因为发展时间不长，监管方面的制度还不太健全，投机性比较强。故利用传统方法进行决策试图获得比较好的收益或构造最优的分散投资组合，效果较差。 2 考虑经济下行风险的地产行业决策模型 在经济下行的环境下，地产决策分析的方法就是在多维度统计的一种常用的方法，它挖掘很多的各类相关数据并从中获取实用数据。目前中国的地产行业聚类分析存在很大的局限性，这些分析多是把经济指标作为决策标准，没有长期预见性。 本文提出一种考虑经济下行环境因素的聚类分析国内地产行业的相关数据。分类结果的剖析证实，使用本文算法对地产行业决策进行聚类分析具有较好成果以及可行性。然后以地产行业价格波动作为分类标准依据，求得聚类结果中相同地产行业比按行业进行分类的结果更优，同时差异地产间的相关系数的差值也更大，故可认为根据地产行业价格波动进行聚类决策可得到较优的效果。 2.1对地产数据进行聚类分析 聚类分析在地产行业的决策应用中有一个基本的理论，聚类分析通常对于理解复杂的多元关系具有非常有效的作用。地产行业的聚类分析就是在一定标准规范下多次分析测试，将多元地产数据按不同类别进行划分，使得每类地产数据具有大部分相近性，不同地产行业数据间相似度较低。如图1所示。 在地产行业中加入聚类分析是探索最优决策过程的主要方法，同时不同的计算方式都可以实现地产行业的聚类分析。常用的划分方法有：地产距离、密度、区间统计分布等等。 在对地产行业决策过程中，可以将多个目标进行聚类分析和优化，针对不同类别的地产行业设置不同的聚类过程，以达到最优效果。 根据差异的规范标准对地产行业的决策进行聚类分析分类。 根据地产行业分析方法归类对象不同，可以把聚类分析方法分为两类： A.Q型聚类 该种聚类可以称为是样品聚类，是对决策地产对象进行的。 B.R型聚类 R型聚类也称之为变量聚类，是从地产行业观测所有的变量中找出需要进行研究的显著指标。 2.2地产行业决策中的聚类方法 （1）蚁群聚类算法的原理 蚁群算法就是根据昆虫群体生活中能够完成复杂事件的行为建立的。蚁群算法是通过观察蚂蚁的生活习性发现虽然蚂蚁无法看到物体，但通过气味等信息能够识别同类要求，蚂蚁虽然智能不高，但是蚁群却能高效智能的完成非常复杂的建筑生活等工作，由此可见，单个蚂蚁的智能有限，但是通过信息素传递后的蚁群却能找到最佳解决方案。 （2）地产行业中蚁群算法的基本假设。