CN115587865B - 基于风险映射的土地价格评估方法、计算设备及存储介质 - Google Patents
基于风险映射的土地价格评估方法、计算设备及存储介质 Download PDFInfo
- Publication number
- CN115587865B CN115587865B CN202211297722.9A CN202211297722A CN115587865B CN 115587865 B CN115587865 B CN 115587865B CN 202211297722 A CN202211297722 A CN 202211297722A CN 115587865 B CN115587865 B CN 115587865B
- Authority
- CN
- China
- Prior art keywords
- land
- price
- risk factors
- factors
- probability distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 62
- 238000013507 mapping Methods 0.000 title claims abstract description 16
- 238000003860 storage Methods 0.000 title claims description 14
- 238000009826 distribution Methods 0.000 claims abstract description 102
- 238000000034 method Methods 0.000 claims abstract description 68
- 238000012216 screening Methods 0.000 claims abstract description 7
- 238000012847 principal component analysis method Methods 0.000 claims abstract description 6
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 20
- 238000011161 development Methods 0.000 claims description 18
- 230000009897 systematic effect Effects 0.000 claims description 12
- 238000005070 sampling Methods 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000009825 accumulation Methods 0.000 claims description 5
- 239000003102 growth factor Substances 0.000 claims description 5
- 238000004519 manufacturing process Methods 0.000 claims description 5
- 239000010865 sewage Substances 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 239000002994 raw material Substances 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims 1
- 238000007405 data analysis Methods 0.000 abstract description 3
- 208000011797 pustulosis palmaris et plantaris Diseases 0.000 description 88
- 238000004891 communication Methods 0.000 description 14
- 238000004088 simulation Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 9
- 230000001186 cumulative effect Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- 238000012952 Resampling Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007630 basic procedure Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010206 sensitivity analysis Methods 0.000 description 1
- 230000007723 transport mechanism Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于风险映射的土地价格评估方法,属于数据分析技术领域,该方法包括:基于剩余法对目标土地的价格评估,得到土地评估价格;基于一阶蒙特卡罗模型对影响土地评估价格的内部经济性风险因素进行模拟,得到土地评估价格的第一概率分布;基于主成分分析法从影响土地价格的风险因素中筛选出主要内部风险因素和主要外部风险因素;基于二阶蒙特卡罗模型对主要内部风险因素和主要外部风险因素进行模拟,以便对土地评估价格的第一概率分布进行修正,得到土地评估价格的第二概率分布。该方法能够提高PPP项目中土地招拍挂价格预估的精度。
Description
技术领域
本发明涉及招投标数据分析技术领域,具体涉及一种基于风险映射的土地价格评估方法、计算设备及存储介质。
背景技术
PPP(政府和社会资本合作)项目是公共基础设施中的一种项目运作模式。PPP项目的土地拍卖需要竞标土地和竞标PPP的同时成功,两者任何一个竞标不成功或竞标成本增加都无法进行PPP项目。针对PPP项目土地获取及土地价格确定问题,有关部门提出:PPP项目在满足一定条件的前提下可将通过竞争方式确定项目投资方和用地者的环节合并实施。由于PPP项目土地价格既要考虑到“招标挂”的市场性又要考虑PPP项目自身诸多不确定因素,PPP项目合并实施过程中土地招标、拍卖、挂牌价格的确定具有较大的难度。
现有的土地招拍挂价格评估方法主要有市场法和剩余法,一般只对土地招标价格进行评估,并未对PPP项目中社会资本方的招标进行评估,并且对土地价格的评估是一个确定的单点估计,无法适用于具有多不确定因素的PPP项目招标挂价格的确定。并且风险影响因素并未真正的量化并映射到土地价格的评估中,未能反映影响土地价格的风险因素的不确定性。
因此,考虑到PPP项目中土地招拍挂价格评估中的诸多不确定性因素,需要一种针对PPP项目的土地价格评估方法,能够基于风险映射理论对现有的剩余法土地价格评估进行修正,提高PPP项目土地价格评估的精度,为政府PPP项目招标和社会资本投资决策提供可靠的数据依据,以解决以上现有技术中存在的问题。
发明内容
为了提高PPP项目土地价格评估的精度,为政府PPP项目招标和社会资本投资决策提供可靠的数据依据,本申请提供了一种基于风险映射的土地价格评估方法、计算设备及存储介质,能够在众多不确定性因素影响下对剩余法土地价格评估进行修正。
根据本发明的第一方面,提供了一种基于风险映射的土地价格评估方法,包括:基于剩余法对目标土地的价格评估,得到土地评估价格;基于一阶蒙特卡罗模型对影响所述土地评估价格的内部经济性风险因素进行模拟,得到土地评估价格的第一概率分布;基于主成分分析法从影响土地价格的风险因素中筛选出主要内部风险因素和主要外部风险因素;基于二阶蒙特卡罗模型对主要内部风险因素和主要外部风险因素进行模拟,以便对所述土地评估价格的第一概率分布进行修正,得到土地评估价格的第二概率分布。
通过上述方案,使用一阶蒙特卡罗模拟和二阶蒙特卡罗模拟对剩余法评估的土地价格进行修正,进一步提高土地价格估价的精度,降低估算误差;可以综合仿真出在一定置信度情形下的土地招拍挂价格概率区间,为社会资本投资PPP项目确定合理的土地招拍挂价格标底提供科学依据。
可选地,在上述方法中,对PPP项目影响土地价格的风险因素进行分析,确定影响土地价格的内部经济性风险因素和外部系统性风险因素,所述内部经济性风险因素至少包括产品价格、运营成本、期望利润、折现率、原料价格;所述外部系统性风险因素包括一般风险因素、区域风险因素和个别风险因素,所述一般风险因素包括宏观经济因素、国际政治经济因素、国内经济环境因素、人口增长因素、技术进步因素、制度变更因素,所述区域风险因素包括自然因素、交通因素、基础设施因素、区域经济因素、政府干预程度。
可选地,在上述方法中,目标土地的评估价格等于PPP项目土地开发价值减去土地开发成本和合理利润,所述土地开发成本包含建设成本、运营成本、资金成本、项目的折现率和税费。
可选地,可以基于历史数据和专家经验分别确定PPP项目影响土地评估价格的内部经济性风险因素的随机概率分布;将所述随机概率分布作为一阶蒙特卡罗模型的输入变量;通过一阶蒙特卡罗模型对所述随机概率分布进行模拟,得到土地评估价格的第一概率分布。
可选地,在上述方法中,可以基于历史数据和专家经验确定所述主要外部风险因素的发生概率以及对土地价格各参数项的影响,得到主要外部风险因素的综合概率分布;将主要外部风险因素的综合概率分布和主要内部风险因素的随机概率分布作为二阶蒙特卡罗模型的输入变量进行模拟,得到土地评估价格的第二概率分布。
可选地,在上述方法中,可以基于专家经验确定土地价格系统性风险分担矩阵和PPP项目经济型风险分担矩阵;对PPP项目风险因素和土地价格风险因素进行风险评分;基于风险评分对PPP项目风险因素和土地价格风险因素进行主成分分析,计算得到方差累计贡献率;基于所述方差累计贡献率筛选出主要风险因素,所述主要风险因素包括主要外部风险因素和主要内部风险因素。
可选地,还可以将所述主要风险因素划分为不确定性因素和可变性因素;对可变性因素进行第一预定次数的随机抽样,通过蒙特卡罗模拟的得到土地价格的累积概率分布;将所述累积概率分布和不确定性因素重新进行第二预定次数的随机抽样,通过蒙特卡罗模拟得到土地评估价格的第二概率分布。
可选地,在上述方法中,还可以基于所述土地评估价格的第二概率分布,比较各个风险因素对应的敏感性系数,对风险因素的重要性进行排序,确定风险因素对土地价格的影响程度;对土地价格影响程度最大的风险因素进行压力测试,得到土地价格极端情形下的数值,并将极端情形下的数值与原数值进行对比;对土地价格与PPP项目内部收益率的随机数进行拟合,确定土地价格和PPP项目内部收益率之间的定量关系;对土地价格和PPP项目利润的随机数进行拟合,得到土地价格与PPP项目利润之间的定量关系。
根据本发明的另一个方面,提供一种计算设备,包括:至少一个处理器;和存储有程序指令的存储器,其中,程序指令被配置为适于由至少一个处理器执行,程序指令包括用于执行上述基于风险映射的土地价格评估方法的指令。
根据本发明的又一个方面,提供一种存储有程序指令的可读存储介质,当程序指令被计算设备读取并执行时,使得计算设备执行上述的基于风险映射的土地价格评估方法。
根据本发明的方案,综合考虑土地价格和PPP项目的不确定风险因素,将风险因素的不确定性映射到对应的参数上去,在保证PPP项目的内部收益率大于基准收益率(或净现值大于零)的前提下,使用一阶蒙特卡罗土地价格模拟和二阶蒙特卡罗模拟对剩余法评估的土地价格进行修正,进一步提高土地价格估价的精度,降低估算误差;可以综合仿真出在一定置信度情形下的土地招拍挂价格概率区间,为社会资本投资PPP项目确定合理的土地招拍挂价格标底提供科学依据。在假定PPP项目利润率概率区间的情况下,通过两种蒙特卡罗模拟及主成分分析对土地价格与项目内部收益率进行经济极限分析,能够确定土地价格与PPP项目之间的定量关系。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的计算设备100的结构示意图;
图2示出了根据本发明一个实施例的基于风险映射的土地价格评估方法200的流程示意图;
图3示出了根据本发明一个实施例的土地评估价格的第一概率分布图;
图4示出了根据本发明的一个实施例的土地评估价格的第二概率分布图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
PPP项目中所涉及的各个合作方有不同的利益,因为利益不同就意味着每个利息主体所要承担的风险不同,所以要针对各个风险确定相应对的承担方,制定合理的风险分担方案。考虑到项目具有投资数额大、建造和运营周期长、期间不确定性因素、风险承担方主体之间的复杂关系等特性,本方案提出一种基于风险映射的土地价格评估方法,在保证PPP项目的内部收益率大于基准收益率的前提下,使用一阶蒙特卡罗模拟和二阶蒙特卡罗模拟,将影响PPP项目合并实施土地招拍挂价格的外部系统性风险因素和内部经济型风险因素引入不确定性参数和可变参数模型中,综合仿真出在一定置信度范围的土地招拍挂价格概率分布,提高了PPP项目中土地价格评估的精度,降低估算误差,为社会资本投资PPP项目提供可靠的价格参考依据。
图1示出了根据本发明一个实施例的计算设备100的结构示意图。如图1所示,在基本配置102中,计算设备100典型地包括系统存储器106和一个或者多个处理器104。存储器总线108可以用于在处理器104和系统存储器106之间的通信。
取决于期望的配置,处理器104可以是任何类型的处理器,包括但不限于:微处理器(μP)、微控制器(μC)、数字信息处理器(DSP)或者它们的任何组合。处理器104可以包括诸如一级高速缓存110和二级高速缓存112之类的一个或者多个级别的高速缓存、处理器核心114和寄存器116。示例的处理器核心114可以包括运算逻辑单元(ALU)、浮点数单元(FPU)、数字信号处理核心(DSP核心)或者它们的任何组合。示例的存储器控制器118可以与处理器104一起使用,或者在一些实现中,存储器控制器118可以是处理器104的一个内部部分。
取决于期望的配置,系统存储器106可以是任意类型的存储器,包括但不限于:易失性存储器(诸如RAM)、非易失性存储器(诸如ROM、闪存等)或者它们的任何组合。计算设备中的物理内存通常指的是易失性存储器RAM,磁盘中的数据需要加载至物理内存中才能够被处理器104读取。系统存储器106可以包括操作系统120、一个或者多个应用122以及程序数据124。在一些实施方式中,应用122可以布置为在操作系统上由一个或多个处理器104利用程序数据124执行指令。操作系统120例如可以是Linux、Windows等,其包括用于处理基本系统服务以及执行依赖于硬件的任务的程序指令。应用122包括用于实现各种用户期望的功能的程序指令,应用122例如可以是浏览器、即时通讯软件、软件开发工具(例如集成开发环境IDE、编译器等)等,但不限于此。当应用122被安装到计算设备100中时,可以向操作系统120添加驱动模块。
在计算设备100启动运行时,处理器104会从存储器106中读取操作系统120的程序指令并执行。应用122运行在操作系统120之上,利用操作系统120以及底层硬件提供的接口来实现各种用户期望的功能。当用户启动应用122时,应用122会加载至存储器106中,处理器104从存储器106中读取并执行应用122的程序指令。
计算设备100还包括储存设备132,储存设备132包括可移除储存器136和不可移除储存器138,可移除储存器136和不可移除储存器138均与储存接口总线134连接。
计算设备100还可以包括有助于从各种接口设备(例如,输出设备142、外设接口144和通信设备146)到基本配置102经由总线/接口控制器130的通信的接口总线140。示例的输出设备142包括图形处理单元148和音频处理单元150。它们可以被配置为有助于经由一个或者多个A/V端口152与诸如显示器或者扬声器之类的各种外部设备进行通信。示例外设接口144可以包括串行接口控制器154和并行接口控制器156,它们可以被配置为有助于经由一个或者多个I/O端口158和诸如输入设备(例如,键盘、鼠标、笔、语音输入设备、触摸输入设备)或者其他外设(例如打印机、扫描仪等)之类的外部设备进行通信。示例的通信设备146可以包括网络控制器160,其可以被布置为便于经由一个或者多个通信端口164与一个或者多个其他计算设备162通过网络通信链路的通信。
网络通信链路可以是通信介质的一个示例。通信介质通常可以体现为在诸如载波或者其他传输机制之类的调制数据信号中的计算机可读指令、数据结构、程序模块,并且可以包括任何信息递送介质。作为非限制性的示例,通信介质可以包括诸如有线网络或者专线网络之类的有线介质,以及诸如声音、射频(RF)、微波、红外(IR)或者其它无线介质在内的各种无线介质。这里使用的术语计算机可读介质可以包括存储介质和通信介质二者。在根据本发明的计算设备100中,应用122包括用于执行本发明的基于风险映射的土地价格评估方法200的指令。
图2示出了根据本发明一个实施例的基于风险映射的土地价格评估方法200的流程示意图。如图2所示,该方法始于步骤S210,基于剩余法对目标土地的价格评估,得到目标土地的评估价格。
在土地市场中,土地自身的价值、土地的供给和需求是决定土地价格的三个重要因素。现有土地价格评估方法主要有市场类比法、收益还原法、剩余法、成本逼近法、基准地价系数修正法等,在本发明的一个实施例中,可以采用剩余法对PPP项目土地价格进行评估,剩余法地价评估的基本程序包括:了解待评估PPP项目土地的基本情况,比如项目占地面积;选择估价土地的利用方式;预测PPP项目的建设周期和投资进度;估算建设完成后的PPP项目的每年产出价值;估算PPP项目的成本;估算PPP项目的土地价格;合理确定影响拟出让地块价格的因素。其中,剩余法预估的土地价格等于PPP项目土地开发价值减去土地开发成本和合理利润,土地开发成本包含建设成本、运营成本、资金成本、项目的折现率和税费。即,剩余法评估土地价格的公式如下:
V=A-(B+C)
其中,V表示待估价目标土地的价格,A表示土地具有的开发价值,B表示土地开发成本,C表示合理利润。
具体地,土地开发价值A可以通过下述公式计算:
A=P*((1+i)t-1)+R
其中,P表示土地价格,土地价格的年度上涨率为i,R表示PPP项目营业收入,t表示PPP项目合作期。PPP项目营业收入等于项目产品的产量与产品单价的乘积,产品单价即为PPP社会资本方的报价,是作为选择社会投资方的重要依据。
土地开发成本B包括建设成本、运营成本、资金成本、税费等,其中,建设成本主要有工程费、环境和厂外工程费、配套和污水管网费等。运营成本包括项目运营期的材料、染料等多种费用,如,材料费、燃料动力费、日常修理费、职工薪酬、管理费、土地维护基金、污水处理费、销售费、折旧费等。资金成本可以按照等额本息方式和等额本金方式计算,假设项目建设期n年,建设期第1年就开始计息,建成投产后第1年就开始还本付息,等额本金计算方法为:每月还款金额=(本金-已归还本金累计额)*每月利率+(贷款本金/还款月数),每月利息=年初贷款累计*每月利率。等额本息计算方法为:每月应还款额=借款本金×月利率×(1+月利率)^还款月数/[(1+月利率)^还款月数-1];总还款额=每期还款额*还款月数。税费包括增值税和所得税,考虑到有些项目有税收优惠政策,比如环保项目,增值税率为11%,享受即征即退政策,退税优惠70%。对于所得税,享受“三免三减半”政策,即取得营业收入的第1-3年免交所得税,第4-6年减半征收,计算可得税费。一般而言,PPP项目一般为公益性项目和准公益性项目,对于合理利润C可以考虑一定的利润率,通常为6%-10%。利润计算公式为:利润=(建设成本+总运营成本+资金成本)*合理利润率-税费。表1示出了根据本发明一个实施例的PPP项目土地招拍挂价格评估数据表。
表1PPP项目土地招拍挂价格评估数据
如上表1所示,使用剩余法对土地的评估价格为2980.1万元。对于PPP项目土地价格而言,受内部经济型风险因素和外部系统性风险因素影响,可以对影响土地价格的风险因素进行分析,确定影响土地价格的内部经济性风险因素和外部系统性风险因素。从短期来看,土地价格内部经济型风险因素影响较大,包括产品价格、运营成本、期望利润、折现率、原料价格等,这些风险因素导致土地价格估计呈现出不确定性。从长期来看,PPP项目土地价格受外部系统性风险因素影响较大,这些因素包括一般风险因素、区域风险因素、个别风险因素等,其中一般风险因素包括宏观经济层面、国际政治经济因素、国内经济环境因素(国内生产总值、物价水平指数和制造业水平指数、居民人均可支配收入、宏观政策因素、固定资产投资等)、人口增长因素、技术进步因素、制度变更因素,所述区域风险因素包括自然因素、交通因素、基础设施因素、区域经济因素、政府干预程度等。
考虑到PPP项目社会资本方招标和土地招标的合并实施的特殊性,利用剩余法估计土地价格的公式中影响土地价格的诸多因素都存在不确定性,例如,项目营业收入、折现率、运行成本等参数,这就导致了剩余法土地估价的不确定性,为了保证土地价格评估的准确率,需要对剩余法土地价格评估公式中不确定参数进行修正和确定。
随后执行步骤S220,基于一阶蒙特卡罗模型对影响所述土地评估价格的内部经济性风险因素进行模拟,得到土地评估价格的第一概率分布。
在本发明的一个实施例中,步骤S220具体包括:基于历史数据和专家经验分别确定PPP项目影响土地评估价格的内部经济性风险因素的随机概率分布;将所述随机概率分布作为一阶蒙特卡罗模型的输入变量;通过一阶蒙特卡罗模型对所述随机概率分布进行模拟,得到土地评估价格的第一概率分布。
其中,蒙特卡罗模拟也称随机模拟,一般假设Y=f(X1,X2,……,Xn),借助随机发生器形成样本组:X1,X2,……,Xn,即,对PPP项目影响土地价格的经济性风险参数因素的随机变量随机抽取;基于Y=f(X1,X2,……,Xn)得到函数值yi=f(x1i,x2i,……,xni)。反复独立抽取样本值(i=1,2,……,n),估价得到样本组函数值y1,y2,……,yn,经过多次模拟,在重复多次模拟的过程中会得到不同的目标变量,目标变量的结果是根据样本值的概率分布和统计特征值等来确定的,只有当目标变量结果值收敛于某一固定值时,模拟过程才可以停止,最终得到与实际情况相符的函数统计特征与概率分布。
根据本发明的一个实施例,首先确定风险因素产生的可能性,即风险因素在样本抽取过程中出现的次数和频次,通常表示为百分数。例如,针对某风险因素抽取样本1000次,风险因素出现的总次数为400,此时该风险因素发生率为40%。若该分布为离散型,即抽样次数为1的情况下,其反映的是一次抽样过程中风险因素出现的可能性,因此将其成为离散型分布,风险因素发生概率与不发生概率分别为1和0。然后确定风险因素的特征影响值,即风险因素产生作用后对土地价格的影响程度,通常表示为百分数。参考专家意见确定最大值、最小值、最可能值,进而明确影响值概率分布情况。
常用的蒙特卡罗模拟的连续性随机变量概率分布主要有均匀分布、正态分布、三角分布、对数正态分布等,当项目经济参数的信息较为缺乏时,由于对其取值的可能性难以确定,可以选用均匀分布,即确定固定最小值和固定最大值。当不确定性指标存在分布范围值且不确定性指标与分布范围均值相接近而非远离,可用来描述未来通货膨胀等非确定性指标。当最大数据和最小数据不变且最可能数据在最大数据和最小数据范围内,可以选用三角分布。当不确定性指标数据不可能为负但可能无限增长且不确定性指标数据的自然对数布局具有对称性,可以采用对数正态分布。在本发明的一个实施例中,对于土地开发价值可以采用对数正态分布描述,建设成本和运营成本可以采用三角分布,资金成本和利润可以采用均匀分布,税费可以采用正态分布。将上述随机概率分布作为一阶蒙特卡罗模型的输入变量,经过模拟分析,可以得到一阶蒙特卡罗模拟土地价格的第一概率分布。图3示出了根据本发明一个实施例的土地评估价格的第一概率分布图。如图3所示,土地价格的均值为3048.5万元,90%情形下的置信区间为(2884.2,3211.1)万元,高于原先测算的价格2980.1万元的概率为75.6%,低于2980.1万元的概率为24.4%。
由于PPP项目土地价格不仅受到内部经济性风险因素的影响,长期外部系统风险不确定因素(一般风险因素、区域风险因素)也对其有一定的影响,因此可以继续采用二阶蒙特卡罗模拟模型对内部经济性风险因素和外部主要风险因素随机变量随机抽取,多次迭代来修正土地价格的第一概率分布。
随后执行步骤S230,基于主成分分析法从影响土地价格的风险因素中筛选出主要内部风险因素和主要外部风险因素。
由于PPP项目影响土地价格的风险因素较多,为了降低数据维度,可以使用主成分分析法对风险因素进行筛选,得到主要风险因素,以便提高数据分析的精度和速度。其中,主成分分析法是通过重组原变量形成新变量系统,新变量系统中变量间不具有内在相关性,通过对风险因素进行主成分分析可以有效消除各风险因素之间的相关性。具体地,可以通过下述步骤对土地价格风险因素进行主成分分析:
不同的PPP项目可能有所变化,需要进行识别或确认,可以邀请30名专家开展头脑风暴,识别出PPP项目两大类的风险,即系统性风险和PPP项目经济性风险。表2示出了根据本发明一个实施例的PPP项目经济性风险分担表。
表1PPP项目经济性风险分担表
如表2所示,PPP项目经济性风险具体情况如下:
(1)投资决策风险:PPP项目折现率、合理利润率、土地价格波动范围、项目区位
(2)建设风险:资金风险、投资估算精度、不能准时完工风险、设计技术创新、设计失误、产出说明变更、工程质量差、文物保护、施工安全、建设成本超支、项目终止风险;
(3)运营风险:通货膨胀风险、工资薪水波动、污水处理单价、政府支付风险、人员安置风险、运营风险、检测计量风险;
(4)移交风险:移交不接受风险;
(5)其他风险:项目唯一性、政府干预、合同文本不完善、不可抗力风险。表3示出了根据本发明一个实施例的土地价格系统性风险分担表。
表3土地价格系统性风险分担表
/>
如表3所示,影响土地价格的风险因素具体情况如下:
(1)政治风险:当地政府政策不可控风险、当地政府政策可控风险、国有化风险;
(2)经济风险:国内GDP增速、制造业价格波动;
(3)人口风险:人口增长;
(4)位置风险:项目区位;
(5)区域便利性程度:周边产业规模、服务业规模;
(6)交通运输情况:交通条件的类型、交通条件的结构;
(7)基础设施情况:供水供电等、人文自然社会环境等、教育程度、收入情况;
(8)土地规划设计:土地利用性质、用地结构、用地限制条件、区域交通管制等;
(9)个别因素:用地面积、宽度、深度、形状、坡度、临街情况、容积率、建筑高度、密度、用途、使用年限等。
随后可以邀请多名专家对上述风险因素进行打分,专家人数一般不低于30名,对于两大类别的风险因素可以设置不同的权重,例如,土地价格风险权重设定为70%,PPP项目风险权重设定为30%。需要说明的是,两个类别的风险因素的权重可以根据需要设置,本方案对此不做限定。对风险因素的评估分值可以划分为5类,即:很低、低、中等、高、很高,赋值分别为1、2、3、4、5,表4示出了根据本发明一个实施例的PPP风险因素的专家评分表。
表4PPP风险因素专家评分表
/>
/>
/>
可以采用SPSS、Eviews等软件进行主成分分析。本发明实施例主要采用了DecisionSuiteTree套件中的StatTools软件进行主成分分析,计算得方差累计贡献率。然后,基于方差累计贡献率筛选出主要风险因素,主要风险因素包括主要外部风险因素和主要内部风险因素。如果按照旋转后方差累计贡献率大于80%的原则,1~12个风险因素及其参数的不确定性两者主成份累计贡献率为84.31%,表5示出了根据本发明一个实施例的PPP风险因素主成分方差贡献率计算结果表。
表5 PPP风险因素主成分方差贡献率计算结果表
/>
如表5所示,可以选取前12个主成分作为后续基于风险映射的PPP项目合并实施土地招拍挂量化分析的输入变量。
最后执行步骤S240,基于二阶蒙特卡罗模型对主要内部风险因素和主要外部风险因素进行模拟,以便对所述土地评估价格的第一概率分布进行修正,得到土地评估价格的第二概率分布。
根据本发明的一个实施例,步骤S240具体可以包括:将所述主要风险因素划分为不确定性因素和可变性因素;对可变性因素进行第一预定次数的随机抽样,通过蒙特卡罗模拟的得到土地价格的累积概率分布;将所述累积概率分布和不确定性因素重新进行第二预定次数的随机抽样,通过蒙特卡罗模拟得到土地评估价格的第二概率分布。
筛选出主要外部风险因素之后,可以基于历史数据和专家经验确定主要外部风险因素的发生概率以及对土地价格各参数项的影响,得到主要外部风险因素的综合概率分布。表6示出了根据本发明一个实施例的主要外部风险因素的发生概率及其影响数据表。
表6主要外部风险因素的发生概率及其影响
/>
如表6所示,筛选出R1-R6的6个主要外部风险因素,通过专家头脑风暴的方法获得这些风险因素的发生概率,确定这个风险影响的土地价格参数项,并确定相应的影响值。以“R1-国内GDP增速”风险因素为例,该风险发生的概率为90%,对土地价格中的“税费”、“运营期员工管理费”等参数产生直接影响,通过专家研讨,确定为服从于Min=70%、ML=100%和Max=130%的三角分布。其他主要风险因素的分析过程与此类似,对此不再赘述。
最后,将主要外部风险因素的综合概率分布和内部经济性风险因素的随机概率分布作为二阶蒙特卡罗模型的输入变量进行模拟,得到土地评估价格的第二概率分布,
(1)土地开发价值的概率分布
土地开发价值的不确定性主要受到两个因素的影响,分别是土地价格增长率和PPP项目营业收入。对于土地价格的增长率,可以收集年度工业土地价格季度指数,使用对数现值法计算公式估价出土地价格波动范围情况,因时间段不同运用不同的方式。假设贴现率常态值为10%,首先将全部现金流分别贴现至0和1时间点,然后求和,运用以下公式计算:
其中,P为产品单价,V为产品数量,F为现值,对于土地价格的波动估价,主要使用现金流对数收益法估价,使用蒙特卡罗模拟中的拟合技术得到该指标的概率分布。
(2)建设成本的概率分布
建设成本的不确定性主要受到两种性质的风险因素的影响,分别是项目外部的风险因素和PPP项目内部参数的不确定性。
首先,以的建筑费用为例,用Rc表示风险费用,Rc0表示基准费用,I表示风险发生后的费用变化量(%),Tp为风险发生的概率,则可以得到Rc的计算公式:
可以使用估算的精度U描述,把上述原始概率分布作为输入变量,服从于三角分布,即:U~Triangular(-10%,0,+10%)。通过蒙特卡罗模拟,可以得到建设成本的概率分布。
(3)运营成本概率分布
运营成本的不确定性主要来源于PPP合作期的人工成本和材料成本的上涨,这些可以使用通胀系数描述,收集年度国家的CPI指数,即通胀系数采用数据拟合的方法获得相应的概率分布。但同时风险因素对该指标有重要影响,使用风险映射理论进行模拟。把上述两种情形的原始概率分布作为输入变量,通过蒙特卡罗模拟,可以得到运营成本概率分布。
(4)利润概率分布
该指标以PPP项目营业收入和运营成本等指标为基准估价,由于基准数值存在着不确定性,本项目的利润也呈现出不确定性特征。同时,考虑到PPP项目为公益类或准公益类项目,PPP项目合理利润率是介于6%-10%之间,将合理利润率定在8%这个水平线上,故该参数服从于(Min=6%,ML=8%和Max=10%)的三角分布,通过蒙特卡罗模拟得到利润的概率分布。
(5)折现率概率分布
关于上述所有指标估价,都涉及折现率这个重要指标,该指标最小值可以定义为PPP项目常见的最低贷款利率4.9%。对于公共产品项目而言,如果项目公司(SPV)仅仅考虑管理报酬率的话(一般为5%),折现率上浮为5.15%。对于公共产品希望产生稳定现金流的PPP项目而言,项目公司会考虑一定的风险报酬,该项目上浮10%,因此,折现率继续上浮为5.65%。故该项目的折现率定义为服从于参数(Min=4.9%,ML=5.15%和Max=5.65%)的三角分布。
根据上述算法,可以将PPP项目合并实施土地招拍挂价格的风险因素划分为外部风险因素和内部风险因素,对应着可变性和不确定性这两个映射参数,将其进行分类并带入二阶蒙特卡罗模拟,对不确定性(外环)因素和可变性(内环)双环因素作为输入随机变量进行模拟。表7示出了根据本发明一个实施例的PPP项目风险因素分类表。
表7 PPP项目风险因素分类表
序号 | 不确定性(外环) | 可变性(内环) |
1 | R1:国内GDP增速 | P1:投资估算精度 |
2 | R2:材料通货膨胀系数 | P2:折现率 |
3 | R3:制造业价格波动 | P3:合理利润率 |
4 | R4:人口增长因素 | P4:土地价格波动 |
5 | R5:项目区位 | P5:污水处理单价 |
6 | R6:工资薪水变动 | P6:运营成本涨价 |
如表7所示,主要外部风险因素包括R1-R6,主要内部风险因素包括P1-P6。二阶蒙特卡罗模拟过程是首先对可变性进行随机抽样,其次对不确定性随机抽样。计算过程用数学语言描述如下:先将具有可变性特征对应的参数“P1,P2,…,Pi”进行m次抽样,通过剩余法蒙特卡罗模拟,得到土地价格的概率分布(或累积概率分布)。然后,将这个土地价格的概率分布和不确定性的“R1,R2,…,Rj”两者共同作为输入变量,重新抽样n次(需要说明的是R1,R2,…,Rj主要影响PPP项目,并通过PPP项目模拟将这些影响传递到土地价格剩余法里面的各种指标,比如:建设成本、开发价值等),模拟得到第二种情形下的土地价格概率分布(或累积概率分布),两种情形总的抽样次数为mn次。在本发明的一个实施例中,计算过程是先将具有可变性特征对应的“P1,P2,…,P6”进行1500次抽样,通过剩余法蒙特卡罗模拟,得到土地价格的概率分布(或累积概率分布)。然后,将这个土地价格的概率分布和不确定性的“R1,R2,…,R6”两者共同作为输入变量,重新抽样20次,模拟得到第二种情形下的土地价格概率分布(或累积概率分布),两种情形总的抽样次数为150020次。
图4示出了根据本发明的一个实施例的土地评估价格的第二概率分布图。如图4所示,土地价格高于基准地价2980.1万元的概率为32%,即:土地价格以68%的概率低于2980.1万元,该项目土地价格的预算已经处于高位状态。在这种情况下,项目全投资内部收益率仍以较大的概率高于基准收益率5%,说明该项目经济效益较好,值得投资。
在得到土地评估价格的第二概率分布之后,可以对土地价格风险因素进行敏感性分析和压力测试。具体地,可以通过比较各个风险因素对应的敏感性系数,对风险因素的重要性进行排序,确定风险因素对土地价格的影响程度;对土地价格影响程度最大的风险因素进行压力测试,得到土地价格极端情形下的数值,并将极端情形下的数值与原数值进行对比;对土地价格与PPP项目内部收益率的随机数进行拟合,确定土地价格和PPP项目内部收益率之间的定量关系;对土地价格和PPP项目利润的随机数进行拟合,得到土地价格与PPP项目利润之间的定量关系。
通过本发明技术方案,综合考虑土地价格和PPP项目的不确定风险因素,将风险因素的不确定性映射到对应的参数上去,在保证PPP项目的内部收益率大于基准收益率(或净现值大于零)的前提下,使用一阶蒙特卡罗土地价格模拟和二阶蒙特卡罗模拟对剩余法评估的土地价格进行修正,进一步提高土地价格估价的精度,降低估算误差;可以综合仿真出在一定置信度情形下的土地招拍挂价格概率区间,为社会资本投资PPP项目确定合理的土地招拍挂价格标底提供科学依据。在假定PPP项目利润率概率区间的情况下,通过两种蒙特卡罗模拟及主成分分析对土地价格与项目内部收益率进行经济极限分析,能够确定土地价格与PPP项目之间的定量关系。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下被实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员应当理解在本文所公开的示例中的设备的模块或单元或组件可以布置在如该实施例中所描述的设备中,或者可替换地可以定位在与该示例中的设备不同的一个或多个设备中。前述示例中的模块可以组合为一个模块或者此外可以分成多个子模块。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
此外,实施例中的一些在此被描述成可以由计算机系统的处理器或者由执行功能的其它装置实施的方法或方法元素的组合。因此,具有用于实施方法或方法元素的必要指令的处理器形成用于实施该方法或方法元素的装置。此外,装置实施例的在此所述的元素是如下装置的例子:该装置用于实施由为了实施该发明的目的的元素所执行的功能。
如在此所使用的那样,除非另行规定,使用序数词“第一”、“第二”、“第三”等等来描述普通对象仅仅表示涉及类似对象的不同实例,并且并不意图暗示这样被描述的对象必须具有时间上、空间上、排序方面或者以任意其它方式的给定顺序。
尽管根据有限数量的实施例描述了本发明,但是受益于上面的描述,本技术领域内的技术人员明白,在由此描述的本发明的范围内,可以设想其它实施例。此外,应当注意,本说明书中使用的语言主要是为了可读性和教导的目的而选择的,而不是为了解释或者限定本发明的主题而选择的。因此,在不偏离所附权利要求书的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。对于本发明的范围,对本发明所做的公开是说明性的而非限制性的,本发明的范围由所附权利要求书限定。
Claims (8)
1.一种基于风险映射的土地价格评估方法,适于在计算设备中执行,所述方法包括:
基于剩余法对目标土地的价格评估,得到土地评估价格;
基于一阶蒙特卡罗模型对影响所述土地评估价格的内部经济性风险因素进行模拟,得到土地评估价格的第一概率分布,其中包括:基于历史数据和专家经验分别确定PPP项目影响土地评估价格的内部经济性风险因素的随机概率分布;将所述随机概率分布作为一阶蒙特卡罗模型的输入变量;通过一阶蒙特卡罗模型对所述随机概率分布进行模拟,得到土地评估价格的第一概率分布,所述内部经济性风险因素至少包括产品价格、运营成本、期望利润、折现率、原料价格;
基于主成分分析法从影响土地价格的风险因素中筛选出主要内部风险因素和主要外部风险因素,所述内部风险因素包括折现率、合理利润率、土地价格波动、污水处理单价、运营成本涨价、投资估算精度,所述主要外部风险因素包括国内GDP增速、通货膨胀系数、制造业价格波动、人口增长因素、项目区位、工资薪水变动;
基于二阶蒙特卡罗模型对主要内部风险因素和主要外部风险因素进行模拟,以便对所述土地评估价格的第一概率分布进行修正,得到土地评估价格的第二概率分布,其中包括:基于历史数据和专家经验确定所述主要外部风险因素的发生概率以及对土地价格各参数项的影响,得到主要外部风险因素的综合概率分布;将主要外部风险因素的综合概率分布和主要内部风险因素的随机概率分布作为二阶蒙特卡罗模型的输入变量进行模拟,得到土地评估价格的第二概率分布。
2.根据权利要求1所述的土地价格评估方法,其特征在于,所述方法还包括:
对PPP项目影响土地价格的风险因素进行分析,确定影响土地价格的内部经济性风险因素和外部系统性风险因素;所述外部系统性风险因素包括一般风险因素、区域风险因素和个别风险因素,所述一般风险因素包括宏观经济因素、国际政治经济因素、国内经济环境因素、人口增长因素、技术进步因素、制度变更因素,所述区域风险因素包括自然因素、交通因素、基础设施因素、区域经济因素、政府干预程度。
3.根据权利要求2所述的土地价格评估方法,其特征在于,所述目标土地的评估价格等于PPP 项目土地开发价值减去土地开发成本和合理利润,所述土地开发成本包含建设成本、运营成本、资金成本、折现率和税费。
4.根据权利要求1所述的土地价格评估方法,其特征在于,所述基于主成分分析法从影响土地价格的风险因素中筛选出主要内部风险因素和主要外部风险因素的步骤包括:
基于专家经验确定土地价格系统性风险分担矩阵和PPP项目经济型风险分担矩阵;
对PPP项目风险因素和土地价格风险因素进行风险评分;
基于风险评分对PPP项目风险因素和土地价格风险因素进行主成分分析,计算得到方差累计贡献率;
基于所述方差累计贡献率筛选出主要风险因素,所述主要风险因素包括主要外部风险因素和主要内部风险因素。
5.根据权利要求4所述的土地价格评估方法,其特征在于,所述将主要外部风险因素的综合概率分布和主要内部风险因素的随机概率分布作为二阶蒙特卡罗模型的输入变量进行模拟,得到土地评估价格的第二概率分布的步骤包括:
将所述主要风险因素划分为不确定性因素和可变性因素;
对可变性因素进行第一预定次数的随机抽样,通过蒙特卡罗模拟得到土地价格的累积概率分布;
将所述累积概率分布和不确定性因素重新进行第二预定次数的随机抽样,通过蒙特卡罗模拟得到土地评估价格的第二概率分布。
6.根据权利要求1所述的土地价格评估方法,其特征在于,所述方法还包括:
基于所述土地评估价格的第二概率分布,比较各个风险因素对应的敏感性系数,对风险因素的重要性进行排序,确定风险因素对土地价格的影响程度;
对土地价格影响程度最大的风险因素进行压力测试,得到土地价格极端情形下的数值,并将极端情形下的数值与原数值进行对比;
对土地价格与PPP项目内部收益率的随机数进行拟合,确定土地价格和PPP项目内部收益率之间的定量关系;
对土地价格和PPP项目利润的随机数进行拟合,得到土地价格与PPP项目利润之间的定量关系。
7.一种计算设备,包括:
至少一个处理器;和
存储有程序指令的存储器,其中,所述程序指令被配置为适于由所述至少一个处理器执行,所述程序指令包括用于执行如权利要求1-6中任一项所述方法的指令。
8.一种存储有程序指令的可读存储介质,当所述程序指令被计算设备读取并执行时,使得所述计算设备执行如权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211297722.9A CN115587865B (zh) | 2022-10-22 | 2022-10-22 | 基于风险映射的土地价格评估方法、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211297722.9A CN115587865B (zh) | 2022-10-22 | 2022-10-22 | 基于风险映射的土地价格评估方法、计算设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115587865A CN115587865A (zh) | 2023-01-10 |
CN115587865B true CN115587865B (zh) | 2023-08-04 |
Family
ID=84782230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211297722.9A Active CN115587865B (zh) | 2022-10-22 | 2022-10-22 | 基于风险映射的土地价格评估方法、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115587865B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116933274B (zh) * | 2023-09-15 | 2023-12-15 | 北京源堡科技有限公司 | 组织综合风险评价方法、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085388A (zh) * | 2020-09-10 | 2020-12-15 | 深圳禾略贝塔信息科技有限公司 | 一种土地价值评估方法、装置、终端以及可读存储介质 |
CN113112369A (zh) * | 2021-04-09 | 2021-07-13 | 中国标准化研究院 | 一种模拟投资决策风险评估方法 |
CN113706217A (zh) * | 2021-09-03 | 2021-11-26 | 深圳市自然资源和不动产评估发展研究中心(深圳市地质环境监测中心) | 一种基于异质性的土地整体价格测算方法 |
-
2022
- 2022-10-22 CN CN202211297722.9A patent/CN115587865B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112085388A (zh) * | 2020-09-10 | 2020-12-15 | 深圳禾略贝塔信息科技有限公司 | 一种土地价值评估方法、装置、终端以及可读存储介质 |
CN113112369A (zh) * | 2021-04-09 | 2021-07-13 | 中国标准化研究院 | 一种模拟投资决策风险评估方法 |
CN113706217A (zh) * | 2021-09-03 | 2021-11-26 | 深圳市自然资源和不动产评估发展研究中心(深圳市地质环境监测中心) | 一种基于异质性的土地整体价格测算方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115587865A (zh) | 2023-01-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Han et al. | Segmentation of telecom customers based on customer value by decision tree model | |
Chen et al. | Seasonal ARIMA forecasting of inbound air travel arrivals to Taiwan | |
US20120254092A1 (en) | Managing operations of a system | |
CN102156932A (zh) | 一种客户再次购买意向预测方法及装置 | |
Huang et al. | Optimal inventory control with sequential online auction in agriculture supply chain: An agent-based simulation optimisation approach | |
CN115587865B (zh) | 基于风险映射的土地价格评估方法、计算设备及存储介质 | |
Guo et al. | An integrated cost-based approach for real estate appraisals | |
CN111626855A (zh) | 债券信用利差预测方法及系统 | |
Luo et al. | Influence of the enterprise’s intelligent performance evaluation model using neural network and genetic algorithm on the performance compensation of the merger and acquisition parties in the commitment period | |
CN115147144A (zh) | 数据处理方法及电子设备 | |
CN117196695B (zh) | 一种目标产品的销量数据的预测方法及装置 | |
Zhang et al. | Does digital transformation enhance the core competitiveness?—Quasi-natural experimental evidence from Chinese traditional manufacturing | |
Itsubo | Weighting | |
CN115841345B (zh) | 跨境大数据智能化分析方法、系统以及存储介质 | |
CN104636613A (zh) | 一种旅游景区经营权价值评估系统 | |
Nanda | Resilience of the Tourism, Restaurant and Hospitality Sector in Indonesia during the Crisis Period | |
CN114707733A (zh) | 风险指标的预测方法、装置、电子设备及存储介质 | |
CN113421014A (zh) | 一种目标企业确定方法、装置、设备和存储介质 | |
Nicita | Who benefits from export-led growth? Evidence from Madagascar's textile and apparel industry | |
Chi et al. | Nexus between enterprise innovation and viability: strategic differentiation of China manufacturing sector unveils the truth | |
Dávalos et al. | The effect of input-trade liberalisation on farm and non-farm labour in Vietnam | |
CN112785113A (zh) | 一种基于改进灰色模型的上市公司价值评估方法及系统 | |
Wei et al. | Research and Development Investment Combination Forecasting Model of High‐Tech Enterprises Based on Uncertain Information | |
Santos et al. | Time Series Forecasting for Issuance of Alien Employment Permits by Nationality in the Philippines Using Holt-Winters Method | |
Xepapadeas | Lectures in Applied Environmental Economics and Policy |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |