论文部分内容阅读
随着房地产业如此迅速的发展给房地产行业带来了的结果是行业集中度的上升以及房地产企业开发项目数量的急剧增多，复杂的多项目管理模式已经成为了房地产开发企业管理的常态形式。这种模式虽给房地产企业带来更大的规模效益，但同样也存在着更多样化、更复杂的风险因素，使得银行在对其进行信贷风险评估时更加复杂和困难。本文旨在构建一种基于复杂多项目的房地产信贷风险IDSS，综合运用人工智能中多种智能技术和方法，如Multi-agent技术、人工神经网络及专家系统，使构建的智能决策支持系统更具有智能性、灵活性，具有一定的理论意义和研究价值。本文所做的主要研究工作集中在以下几个方面：(1)对复杂多项目的房地产开发企业主要存在的风险进行识别研究，并得出关键的信贷风险因子指标体系。(2)构建基于Multi-agent的风险评估智能决策支持系统整体框架，并进行详细设计。(3)对构建的IDSS中模型库内嵌的风险评估模型设计并实现。通过分析研究，获得了以下研究成果与研究结论：(1)通过对房地产多项目开发企业的了解、分析及大量的查阅文献后，对目前基于复杂多项目开发的房地产企业存在的风险进行识别，得出了主要的风险有两大类：一类是企业总部的风险，主要包括行业风险、内部管理风险及环境风险；另一种是各项目开发风险，即在项目开发全周期过程中遇到各种风险，并对各类风险分别进行了详细的分析研究。(2)将Multi-agent技术融合到智能决策支持系统中，针对银行对房地产企业的信贷风险控制问题，构建了基于Multi-agent的房地产信贷风险IDSS整体框架，并对该系统框架中主要Agent类型及数据库、模型库、方法库、知识库四库分别进行详细的功能与结构设计，最后针对系统框架中的Agent之间的通信过程进行分析研究。通过Multi-agent技术的引入使得本文构建的房地产信贷风险IDSS具有更智能、更灵活的特性。(3)根据基于Multi-agent构建的IDSS对其模型库中内嵌的风险评估模型进行研究，本文采用的是对神经网络与专家系统相融合的风险评估方法，这样使得该智能决策支持系统综合了Multi-agent技术、神经网络技术及专家系统的技术，具有更强大的智能性，对风险评估提供了更加可靠的工具。(4)结合实例分析，对青岛某房地产企业的多项目管理的了解和研究，构建了该企业的项目风险因素指标体系，通过对专家调查评分得出了BP神经网络训练和检测的样本数据，并通过MATLAB实现了BP网络的训练学习以及权值和阈值的保存，实现了神经网络与专家系统的融合，最后对该企业的两个项目进行检测，得出了网络输出结果与专家评估结果误差较小，因此，本文设计的基于多智能化技术的IDSS对房地产风险评估有着深刻的实际意义。