基于Agent的房地产市场复杂系统建模研究.doc

基于Agent的房地产市场复杂系统建模研究胡凌辉王卫军摘要：本文利用Netlogo平台建立了包含金融系统的房地产市场多Agent复杂系统模型,分析了住房供给、收入、预购房年限、人口增长、存款率以及信贷杠杆率等各种因素对房地产市场的影响。该模型是对房地产市场多Agent复杂系统模型的初步探索，有待进一步深入挖掘和完善。关键词：多Agent复杂系统房地产市场Netlogo引言在城市化进程中，住房是人们的生活必需品，也成为不少居民的投资品.在这一过程中,房价不断高涨，不少人因此怨声载道，也有不少人从中得到滚滚财富.当代经济运行中，与房地产市场紧密相连的是金融系统,房地产市场的高涨与金融市场有重要关系，同时,房地产市场的跌落，很可能意味着金融危机。那么，什么因素影响房地产市场价格呢？金融系统又是怎样影响房地产价格呢？目前，经济学界大多利用以下几种方式对房地产市场展开研究：(1）自然语言进行描述，例如,赵善华描述了房地产泡沫破裂导致借贷市场失衡,引起金融危机的机制.该方法的特点是能够抓住关系的本质,让普通读者可以明白，但表述上不够严密;（2)以最优化理论为基础的数学方程式描述,例如，陆磊以两阶段动态优化模型研究了居民房地产投资决策和泡沫形成与破裂,及其对金融部门的影响,崔光灿研究了包含金融加速器两部门动态宏观经济模型，分析了房地产价格波动与金融部门之间的关系，瞿强分析了由信贷投资催生的房地产泡沫，该方法的特点是有比较强的微观基础，论证比较严密，但方程式为了求解往往需要进行大量的线性简化;（3）以统计计量进行相关性检验，例如,崔新明利用杭州市住宅市场的经验数据回归分析了引入住房抵押贷款对房价的影响，张晓晶利用1992-2004中国房地产市场季度数据进行了回归分析，对房地产市场的走势进行了判断.这种分析方法能够一定程度上说明历史问题，但是由于历史数据往往受多种因素的影响，线性回归的有效性往往受到质疑.(4）以系统动力学模型来描述系统演化,例如金晓斌建立了包含金融市场的房地产市场系统动力学模型,并以南京市为例进行了系统校准和实证检验。系统动力学模型是建立在控制论、系统论、信息论基础上的，其突出特点是能够反映复杂系统的内部结构、功能和动态行为之间的相互作用关系。一、多Agent复杂系统介绍多Agent的复杂系统建模是与系统动力学模型相对应一种建模方式,其以计算机来模拟个体与个体之间、个体与环境之间互动，从而“涌现”出整体宏观特征的一种自下而上的建模。其建模的一般过程是,首先观察社会现实并抽象出一系列的假设,其次,根据假设建立Agent的个体模型以及Agent之间的相互作用规则,接下来通过计算机仿真观察复杂系统宏观涌现结果和动态，最后根据观察结果得出结论从而对社会现实现象进行解释,还可以修改模型的参数和规则,观察参数如何影响模型的涌现结果。可见,基于多Agent复杂系统建模比系统动力学模型更易把握，更容易组织,更符合现实，并能够克服其他三种方法的缺陷.基于多Agent复杂系统建模自20世纪90年代以来得到越来越广泛应用.于振江以Swarm平台展示了战争危机下基于信心的多Agent复杂经济系统建模.曹毅以Swarm平台对虚拟战争空间下的仿真经济系统遭受电力中断等恐怖袭击进行了分析；高宝俊以Swarm平台建立一个基于Agent的连续竞价股票市场模型,翟东升以swarm平台建立了期货市场离散事件仿真模型,张炳利用netlogo以江苏常州地区为原型对多Agent的排污权交易进行了模拟。在房地产市场的研究中，刘小平建立了包含环境层和多智能Agent-居民、房地产商、政府之间，以及Agent之间相互作用而导致城市空间结构演化模型，并利用GIS信息系统对广州市海珠区19952004土地利用变化情况进行了模拟，取得了良好的效果.刘丹建立了包-62含银行、房地产开发商、购房消费者三级节点的住房市场系统复杂网络模型,刻画了住房市场系统的结构特性和动态演化特性。基于多Agent的建模工具90年代以来得到了迅速推广.Santa Fe研究院于1995年发布了SWARM的beta版本，美国Northwestern大学CCL（the Center for Connected Learning）研究中心于1999年推出Netlogo，美国Chicago大学于2000年1月推出Repast（Recursive Porus Agent Simulation Tookit）1.0版本，美国麻省理工学院(MIT) Media Laboratory and Teach education program于2000年发布Starlogo 1.0版本。复杂系统建模平台的出现节省了建模的工作量,促进了不同专业之间的交流.Netlogo模型内主体分为三类:行为者（海龟turtles)、环境(瓦片patches）、观察者(observer)。Turtles是行为者(agents)，可以在Patches构成的网格环境中移动,依据仿真对象可以将其设定为人、羊、车辆等；patches构成网格环境,作为turtles的活动空间，以及仿真对象可以将其看作耕地、草地、马路等。Turtles类与patches类的区别就在于turtles类可以移动，而patches类不能移动。Observer是程序系统的写作者，他可以设计turtles之间turtles与patches之间互动规则，并向turtles和patches发出指令，从而观察这些简单规则互动“涌现”出的复杂结果。二、房地产市场多Agent系统建模本文将以Netlogo平台建立基于Agent房地产市场复杂系统模型，分析住房供给、收入、预购房年限、人口增长率、存款率以及信贷杠杆率等各种因素对房价的影响.模型Model_0初始设定如下，该经济体中有两类breeds主体（agent），成年人(adults)和青年人（youths）.成年人口数量为population=1000,单个主体的收入income随机分布于1到income_max之间,income_max=10，拥有现金wallet=2income。成年人临界年龄adult_age=25，预期寿命为life_expectancy=75；成年人年龄age大于adult_age，小于life_expectancy,并服从随机均匀分布;如果成年人年龄age在adult_age+1与2adult_age之间，则该成年人抚养一个青年人(youth），青年人年龄youth_age等于该成年人年龄age减去成年人临界年龄adult_age。每个时间步（tick)内，成年人（adults)得到自己的收入(income)，并积累为现金(wallet），同时具备下列条件的成年人（adults）：（1）拥有小孩,小孩的年龄youth_age大于成人临界年龄adult_age减去预购房年限pre_budget_house=5，（2）没有购到新住房new_house=0；可以预算购买住房budget_for_house.该经济体的住房供给率(住房供给数量house_supply与成年人口数量population之比）house_supply_ratio=0。015.房地产市场价格形成机制,见图1:根据购房预算的大小将购房者排序(sorted_budgets），第house_supply个购房者的购房预算就成为市场价格house_price。每进行一个时间步成年人adults增加年龄，并且检查年龄(age),如果年龄（age）大于预期寿命(life_expectancy）,则死亡(die).同样，青年人（youths)在一个时间步增63-加年龄，并检查年龄youth_age，如果youth_age大于成年人临界年龄adult_age，则转变为成年人adults（如果青年人的父母为其买了房子youth_house=1，则转变为成年人后有房子house=1；如果其父母没有为其买到房子youth_house=0，则该青年人转变为成年人后没有房子house=0）,同时,该成年人抚养一个小孩（child）。图2，表示该系统的示意流程图。经过初始化后，按下go，运行180个时间步,住房价格house_price波动见图3，预算购房人数population_budget波动见图4。从图3看到,在最初的20个时间步内，房价直线上升，这是因为随着时间增加，购房者积蓄增加,从而购房预算增加，使得房价上升。随后，该系统开始周期性波动,波动中心在100左右。从图4得知,tick=0时，预算购房者数量在100左右,在随后的5个时间步,预算购房者数量稳步下降，最后在50上下波动,波幅约为10.在稳定波动区间，房地产价格与预算购房人数成同向波动,即购房者人数增加会引起房地产价格上升,预算购房人数减少，房地产价格下降。调整Model_0参数，观察房价的变化.将住房供给率house_supply_ratio降低为0。01，可以看到房价上升，价格波动中心在145左右;并且预算购房者人数显著增加,波动中心处于65左右。修改预购房年限pre_budget_house为10,可以看到房价波动比原来比较缓和,中心房价稳定在80上下，可见比原模型房价有所降低;预算购房者人数显著增加，波动中心在80上下,但是，波动没有原来剧烈。将最大收入income_max提高为15，可以看到中心房价由原来的100上升为140，并且波动幅度变大;预算购房人数没有显著变化。引入人口增长population_growth_rate为0。005,可以看到在前180个时间步住房价格不断上升，没有达到稳定的波动状态；与此相伴的是预算购房者人数的不断增加.将没有住房并且年龄还不到为小孩购买房子的成年人也纳入预算购房者行列，即为自己购房budget_for_self=1，由图5可以看到房价波动明显缓64和,中心房价处于105左右,由图6可以看到,成年人自己预算购房者budget_for_self比为孩子购房者budget_for_youth人数较多，并且两者成互补关系，即成年人自购者增加，则意味者为孩子购房者减少，两者之和构成预算购房者整体，预算购房者整体总数波动较小。包含金融系统的房地产市场Model_1。假定住户每个时间步都按一定的比例saving_ratio=0。8将现金（wallet）存入银行形成存款(saving)。当需要购买住房时，凭存款（saving)可以得到信用贷款（loan），贷款数量loan等于存款（saving）乘以杠杆率level_ratio=3.5。经济体的存款总量savings等于各成年人（adults）存款（saving）之和，贷款总量loans等于各成年人（adults）贷款loan之和，现金wallets等于各adults现金wallet之和.成年人由于年龄而死亡（die）后，其存款、贷款、现金都相应消失.如图7所示,可以看到引入信贷后，房价大幅上升，中心房价处于285左右，并且房价波动加剧;从图8可以观察到该经济体的存款savings、贷款loans以及现金wallets变化情况，在该参数设置下,存款总数大于贷款总数，并且现金相对较小。如果修改存款比率saving_ratio=0.2,将会看到现金wallets将会增加，存款savings和贷款loans将会减少，同时,房价将会有所下降。如果改变杠杆率level_ratio=4，将会看到贷款loans大于存款savings，此时银行是无法经营的，同时,房价会大幅上升.三、结论与展望本文建立了房地产市场的多Agent复杂系统模型，分析了住房供给、收入、预购房年限、人口增长、存款率以及信贷杠杆率等各种因素对房地产市场的影响。该模型是房地产市场的一个初步探索,很多地方有待进一步完善。例如，居民的收入分布函数可以采用更符合现实的zip函数；引入居民对房地产的投机行为,在某种条件下将加入投机购房行列，而在形势不妙时又急于将房屋出售，引起房价更加剧烈波动;从供给方面来看，还可以引入房地产开发商的策略行为,控制住房供给，使房价波动更剧烈；从金融机构来看，分析银行的贷款回收率，检测在房价下跌时是否会引发银行破产，出现金融危机。该模型的再进一步完善可以借助于现实数据：人口数据、年龄结构、人口增长率、收入、财富状况、房地产供给、银行信贷政策等，来进行参数校正并模拟现实社会，对房地产市场预测,以进行有效的宏观调控.参考文献:1赵善华。金融泡沫与房地产泡沫的共生模型研究J。南方金融，2008（3)2陆磊，李世宏.微观决策与经济体制：房地产泡沫下的居民和金融部门破产J.金融研究，2004(9）3崔光灿。资产价格、金融加速器与经济稳定J。世界经济，2006（11)4瞿强。资产价格泡沫与信用扩张J。金融研究，2005（3)5崔新明.住宅抵押贷款的融资效应对住宅需求价格的影响J。金融研究，2003（6)6张晓晶,孙涛。中国房地产周期与金融稳定J。经济研究,2006(1)657金晓斌，殷少美,等.城市住宅业发展系统动力学研究J.南京大学学报,2004（11）8张江，李学伟.人工社会-基于Agent的社会学仿真J。系统工程，2005（1)9于振江，傅凝,等。战争危机下经济演化模型的经济信心建模研究J。系统仿真学报,2006（12)10曹毅，张明智，等.虚拟全球战争空间经济系统仿真模型研究J。军事运筹与系统工程，2008（9）11高宝俊,宣慧玉。一个基于Agent的股票市场仿真模型的Swarm实现J。系统仿真学报，2006（4）12翟东升,王凯。基于多Agent的期货市场实验研究J。财贸研究，2006（4）13张炳，毕军，等.基于Agent的区域排污权交易仿真与分析J。系统仿真学报,2008(10）14刘小平，黎夏,叶嘉安。基于多智能体系统的空间决策行为及土地利用格局演变的行为J.中国科学D辑,地球科学,2006，36(11）15刘丹杨德礼佟斌住房市场系统复杂网络模型研究J.管理学报,2008,第5卷(2）16丁浩,杨小平。swarm-一个支持人工生命建模的面向对象模拟平台J.系统仿真学报2002（5)17姜昌华,韩伟，等。REPAST_一个多Agent仿真平台J。系统仿真学报,2006（8）