论文部分内容阅读
房地产业以其广泛的产业关联度,巨大的投资乘数效应,已成为我国国民经济的支柱产业;房地产业又是一个高收益的行业,各类投资者投身其中,分享房地产业繁荣发展带来的好处;但是房地产业也是一个高投入高风险的行业,房价的高低牵涉到社会各阶层的利益,我国房地产开发企业薄弱的自有资金实力,更推高了房地产投资和消费的风险。尽管房地产业如此重要,普通投资者和消费者却没有较好的风险规避预警机制指导,承受了巨大的风险。为解决这个问题,文章尝试探索一套简单、实用的房地产开发企业信用评价指标体系,通过一些比较容易获得的指标,衡量房地产开发企业信用状况,帮助普通投资者和消费者降低购房风险。 文章首先回顾国内外信用评价领域的研究状况,介绍专家方法、信用评级、评分方法等传统信用评价方法各自的优点和缺陷,针对这些缺陷,结合丰富的历史信用数据积累,各种改进的信用评价模型诞生,尤其是20世纪90年代以后,金融市场的快速发展和各种金融衍生品层出不穷,新的信用风险催生出诸如CreditMetrics模型、KMV模型、CreditRisk+模型以及死亡率模型等一批新的信用风险预测模型,其中一些模型已经在实践中得到运用。然后结合2003—2005年国家对房地产业宏观调控效果显现的形势,分析上海房地产业发展现状,总结稳定发展的六大主要表现,同时指出阻碍上海房地产业发展的五大主要问题。针对房地产开发企业的特点,结合信息的可获得性,从偿债能力和偿债意愿两方面着手,考察宏观经济环境、房地产开发企业核心竞争力、企业历史信用状况等定性指标和企业财务状况比率等定量指标,建立房地产开发企业信用评价指标体系,选取非参数的、具有一定容错能力和泛化能力的BP前馈神经网络模型作为评价模型。为便于获得信用要素数据,选取上海10家上市的房地产开发企业,其中2/3作为训练样本,获得信用评价经验,另外1/3作为测试样本,检验评价的准确性。通过计算机实验,获得评价结果,与专家组评价结果基本接近,证明本文建立的信用评价体系采用BP神经网络方法判断准确率较高。