發(fā)布時(shí)間：2021-08-01 10:32

　　隨著我國(guó)房地產(chǎn)業(yè)的不斷增長(zhǎng),城市化進(jìn)程不斷推進(jìn),城市居民數(shù)量增加,住房需求不斷上升,房地產(chǎn)貸款規(guī)模也不斷擴(kuò)大,房地產(chǎn)抵押貸款額急劇升高。我國(guó)金融市場(chǎng)處于全面開(kāi)放狀態(tài),銀行作為金融行業(yè)的重要組成部分對(duì)金融行業(yè)的穩(wěn)定性有著重要作用,同時(shí)又聯(lián)系著房地產(chǎn)業(yè),這兩者都是國(guó)民經(jīng)濟(jì)的重要組成部分,一旦銀行出現(xiàn)危機(jī)便會(huì)對(duì)金融業(yè)及房地產(chǎn)業(yè)產(chǎn)生影響,繼而影響國(guó)民經(jīng)濟(jì)。對(duì)銀行自身而言,既面臨內(nèi)部管理風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)又面臨法律風(fēng)險(xiǎn)、政策風(fēng)險(xiǎn)、市場(chǎng)變化風(fēng)險(xiǎn)等外部風(fēng)險(xiǎn),內(nèi)部風(fēng)險(xiǎn)控制尤為重要,銀行應(yīng)注重風(fēng)險(xiǎn)控制研究,對(duì)風(fēng)險(xiǎn)進(jìn)行科學(xué)有效的規(guī)避,降低風(fēng)險(xiǎn)損失。目前銀行貸款主要從貸款人與抵押物兩方面進(jìn)行風(fēng)險(xiǎn)控制,但由于激烈的市場(chǎng)競(jìng)爭(zhēng),銀行對(duì)借款人準(zhǔn)入條件把控不嚴(yán),對(duì)抵押物評(píng)估及貸后管理工作等不重視,內(nèi)控風(fēng)險(xiǎn)控制體系并不完善,不良貸款也急劇上升,房地產(chǎn)貸款風(fēng)險(xiǎn)控制研究亟需加強(qiáng)。本文通過(guò)對(duì)銀行房地產(chǎn)貸款風(fēng)險(xiǎn)分析,針對(duì)抵押物目前面臨抵押物被高估、個(gè)案評(píng)估、評(píng)估周期長(zhǎng)、成本高、傳統(tǒng)評(píng)估方法評(píng)估結(jié)果不夠準(zhǔn)確等情況,主要對(duì)房地產(chǎn)抵押貸款抵押物方面進(jìn)行風(fēng)險(xiǎn)控制研究,并提出將房地產(chǎn)批量評(píng)估技術(shù)引用于抵押物貸款風(fēng)險(xiǎn)控制,選擇特征價(jià)格模型建立... 

【文章來(lái)源】：重慶交通大學(xué)重慶市

【文章頁(yè)數(shù)】：82 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

技術(shù)路線圖

圖 3.3 人工神經(jīng)網(wǎng)絡(luò)假設(shè)有一個(gè) m 由個(gè)輸入變量構(gòu)成的向量NXR×∈1，神經(jīng)網(wǎng)絡(luò)有 N 個(gè)的神一個(gè)最終的輸出變量1×1Y ∈ R，在輸入層進(jìn)入隱藏層時(shí)神經(jīng)網(wǎng)絡(luò)進(jìn)行下述0zXWbT=+NMWR×∈ ,110×b ∈ R，0b 為常數(shù)，w 為輸入層到隱含層權(quán)重，是連接輸入層到隱含層的橋?qū)拥纳窠?jīng)元接收到了向量 z 之后，神經(jīng)元會(huì)進(jìn)行函數(shù)運(yùn)算，設(shè)為( )NfzR×∈1成輸入層至隱含層計(jì)算后，計(jì)算移動(dòng)至輸出層，如下：( )1Y = fzθ+b1×1Y ∈ R，1b 為常數(shù)，θ 為隱含層到輸出層層權(quán)重，最終輸出 Y。人工神經(jīng)網(wǎng)絡(luò)的訓(xùn)練人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練最常用的方法是反向傳播算法（backpropagation）兩個(gè)要素即正向計(jì)算得到誤差函數(shù)，反向求導(dǎo)梯度下降。以上述神經(jīng)假設(shè)有 K 組訓(xùn)練數(shù)據(jù)( )iiiKxy1,...,,=，有誤差函數(shù)K

具有一定的計(jì)算密集性；神經(jīng)網(wǎng)絡(luò)需要通過(guò)大量數(shù)據(jù)來(lái)實(shí)現(xiàn)模型性能的提在數(shù)據(jù)量較少的情況下通常不如其他機(jī)器學(xué)習(xí)算法性能。 隨機(jī)森林模型.1 隨機(jī)森林模型的定義決策樹(shù)是一種非常直觀的模型，它通過(guò)遍歷樹(shù)的分支并根據(jù)節(jié)點(diǎn)決策對(duì)下一支進(jìn)行選擇并遍歷。決策樹(shù)歸納法通過(guò)輸入訓(xùn)練實(shí)例確定哪些屬性最適合分并分割數(shù)據(jù)集，在分割后的數(shù)據(jù)集上進(jìn)行循環(huán)，直到所有訓(xùn)練實(shí)例都被分類(lèi)，任務(wù)結(jié)束。隨機(jī)森林是基于 Bagging 算法改進(jìn)的決策樹(shù)組合算法，該算法由未經(jīng)過(guò)剪枝的決策樹(shù)組合而成[60]。.2 隨機(jī)森林模型的原理

【參考文獻(xiàn)】：
期刊論文
[1]基于模糊數(shù)學(xué)的房地產(chǎn)批量評(píng)估[J]. 劉洪玉,李妍.  清華大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(11)
[2]控制房地產(chǎn)抵押貸款風(fēng)險(xiǎn)的探索[J]. 李洋.  住宅與房地產(chǎn). 2016(12)
[3]住宅房地產(chǎn)批量評(píng)估模型的構(gòu)建[J]. 張思雪,林漢川,呂臣,方巍.  統(tǒng)計(jì)與決策. 2016(03)
[4]批量評(píng)估技術(shù)下房地產(chǎn)評(píng)估企業(yè)的發(fā)展與轉(zhuǎn)型[J]. 郭慶瑤.  經(jīng)濟(jì)研究導(dǎo)刊. 2015(05)
[5]BP神經(jīng)網(wǎng)絡(luò)在房屋批量評(píng)估中的應(yīng)用[J]. 李菊,杜葵.  價(jià)值工程. 2015(03)
[6]銀行抵押物拆遷風(fēng)險(xiǎn)防范[J]. 陸惠娟.  才智. 2013(34)
[7]商業(yè)銀行風(fēng)險(xiǎn)控制文獻(xiàn)綜述[J]. 路陽(yáng).  中國(guó)西部科技. 2013(09)
[8]基于貝葉斯正則化BP神經(jīng)網(wǎng)絡(luò)的森林資源資產(chǎn)批量評(píng)估研究[J]. 鄭德祥,賴曉燕,廖曉麗.  福建林學(xué)院學(xué)報(bào). 2013(02)
[9]公允價(jià)值計(jì)量在抵押物評(píng)估中的應(yīng)用[J]. 鄭元.  經(jīng)濟(jì)論壇. 2013(04)
[10]房產(chǎn)稅稅基批量評(píng)估文獻(xiàn)綜述[J]. 孫鳳儀,韓曉露.  地方財(cái)政研究. 2013(03)

碩士論文
[1]隨機(jī)森林模型在二手房批量評(píng)估中的應(yīng)用研究[D]. 龐楓.重慶交通大學(xué) 2017
[2]房地產(chǎn)抵押估價(jià)中批量評(píng)估法的應(yīng)用研究[D]. 劉海虹.首都經(jīng)濟(jì)貿(mào)易大學(xué) 2014
[3]房地產(chǎn)抵押的價(jià)值評(píng)估方法與風(fēng)險(xiǎn)研究[D]. 朱雅楠.華中科技大學(xué) 2013
[4]批量評(píng)估住宅Hedonic模型研究[D]. 曹雅茹.東北財(cái)經(jīng)大學(xué) 2012
[5]后金融危機(jī)下我國(guó)上市銀行再融資內(nèi)部風(fēng)險(xiǎn)控制研究[D]. 張潔漪.財(cái)政部財(cái)政科學(xué)研究所 2011
[6]財(cái)產(chǎn)稅稅基批量評(píng)估中的特征價(jià)格模型分析[D]. 張旭.廈門(mén)大學(xué) 2008
[7]我國(guó)商業(yè)銀行個(gè)人住房抵押貸款風(fēng)險(xiǎn)防范研究[D]. 王紅亮.西南財(cái)經(jīng)大學(xué) 2006



本文編號(hào)：3315368