从估价到定价大数据时代下的嬗变

从估价到定价——大数据时代下的嬗变摘自《中国房地产估价与经纪》2013年6期作者：耿继进非常荣幸有机会跟大家分享房地产估价方面的一些心得。我的发言分四个部分：第一个部分，归纳总结房地产估价的发展历程；第二部分，介绍我们评估的具体实施过程；第三部分，介绍房地产价格调控的仿真模型和政策实验效果；第四部分，简单的总结和展望。“四十而不惑，是知其然，五十而知天，是知其所以然。”我用《朱子语类》的句话作为此次演讲的序言。对于我本人来说，我已经走过四十不惑的年纪，即将踏入五十知天命的新阶段，“知其所以然”，这也是我在专业领域和实际生活中孜孜以求的境界，在此与大家共勉。一、房地产估价发展历程从数学的角度，我们可以把房地产估价分为三个大的阶段：个案估价阶段、批量估价阶段和整体估价阶段。个案估价阶段，就是一次只对单个评估对象进行估价，是把相似的个案集中起来估价；整体估价阶段，更上—台阶，通过大数据，我们可以把估价对象一次性估价完成，对象可以包括住宅、商业、办公、工业，包括合法房地产、非法房地产，不仅包括看得见摸得着的物理因素价值，也包括政策法规等非物理因素的价值。个案估价可以由单个估价师完成，批量估价基本上需要一个估价机构来承担，整体估价需要集合多个专业、多个企业、机构的力量才能完成。二、整体估价的实施1．整体估价模型根据房地产估价基本原理，房地产之间存在着动态的价格关联关系。在市场稳定状态下，该价格关联关系在一定时间内保持相对稳定。每一套房地产的价格变动都会对其它房地产的价格产生影响，但影响程度有所不同，类似房地产对其价格影响程度较大，其他房地产对其价格影响程度较小。因此，可以把整个房地产市场看做一个整体，通过各房地产之间的价格关联关系及影响程度实施整体估价。首先，我们要构造全部估价对象的比价关系。在深圳市这个矩阵大概是242万×242万，里面的系数是同一个对象发包给两个估价机构评估，以确保比价关系的准确性。然后，求影响权重。即房地产相互之间的价格影响程度，我们大致区别了一下同栋楼的、同小区的、同片区的，这也是一个非庞大的数据矩阵，242万×242万。最后，按照估价规范的要求，一天大概要有30-50个成交价格数据才能覆盖全市，我们的模型里大概每天有300-500个成交价格数据，10倍于规范规定的标准，所以我们应该可以做得更准确一些。通过这三个矩阵的运算，就可以得到全市所有房地产的价格。2．基础数据整体估价的数据结构很简单，形象一点就是，“从前有座山”——地籍信息，“山里有座庙”——房籍信息，“庙里有个和尚”——户籍信息。这三个也是征收房产税需要掌握的基本信息，所谓“逃得了和尚逃不了庙”，基于此数据结构就可以有效追踪税源。整体估价的数据包括：①土地数据，深市大概有26万宗土地，可以通过遥感检测、实地查勘，还可以通过土地行政审批直接导入数据。②楼栋数据，基本也是通过前面的天上看、地上查、纸上批三种渠道获取。③房屋数据，除了这三种渠道，还可以通过初始登记、房屋买卖合同备案获取数据。④空间数据，一个是地形图的数据，—个是遥感影像的数据，这两种数据都是每季度更新的，测绘公司负责更新检查，我们付费购买。⑤价格数据，我们覆盖了房地产全生命周期的价格数据，包括一手房数据、二手房数据、抵押数据和拆迁数据等。一手房数据可以通过预售备案收集，比较简单。二手房数据主要通过外购，购买合同约定数据只用于公共服务，不能用于市场竞争。挂牌数据主要来自房地产信息网站。还有租赁数据，租赁数据很强大，全市有两万多人从事租赁管理，平均22套房屋就有一个人负责管理，全市每年大概有三十多万条数据。抵押价格数据，我们已经积累了300万条。还有估价报告的摘要数据，所有的估价报告都需要上网，从而取得摘要数据。还有拆迁的价格数据。⑥专题数据，专题数据怎么获得？首先建立GIS空间信息平台，在此平台运行的信息都可以被搜集起来。目前我们的有效信息，大概有60%是跟地理有关系，全部在这个平台上。包括气象、安保、规划、卫生、旅游、企事业单位位置等，这些信息只能用于公共服务。⑦调查数据，我们有一支调查队伍，可以查漏补缺并对违法建筑及时调查。⑧其他数据。3．影响因素量化获得各种数据之后怎么用于整体估价呢?我们通过三维GIS技术自动提取，实现影响因素的选择与量化，为实施房地产价值判断提供数据支撑。①区位，原来我们按照规划对道路定级，不同等级的道路赋予不同的权重，但道路的繁华程度通过人流来体现，现在人人都有手机，所以我们准备通过手机信号的密度来表达道路的繁华程度，这项工作刚刚开始操作。②景观，也是一个对房价影响很大的因素，以前景观主要是依靠估价师的判断，现在我们想把景观信息数字化，把景观分成海景、山景、湖景、小区景，分别赋予不同分值。③噪音，目前环保部门有很多监测点，但是没有房子密集，所我们还需要通过数据模型来预测每栋房屋的噪音。④日照，日照是我们做得比较成功，每年365天，每天24小时，都可以通过太阳的运行轨迹清晰地测算出来。有几个方面我们还在深化：第一个，太阳在周期运行，夏天不需要晒太阳的时候，太阳会比较高，日照时间比较长，到冬天想晒太阳的时候，太阳一直比较低，日照时间比较短，所以需要定出一个基准的理想时间，对比出实际时间和理想时间的差值。第二个问题，实际照射面，加上云层运动遮挡的影响。第三个问题，进一步细化，计算出日照停留在房屋、阳台、窗户、室内的实际时间。⑤污染，虽然环保部门有监测，但现在污染的来源越来越广，地理分布很明显，对房价的影响也越来越大，这两年最突出的就是空气污染PM2.5，我相信随着大数据的来临，影响因素的架构一定会重塑。⑥配套设施，包括，医院、超市、学校、公共设施等，可以通过GIS空间分析技术来进行量化提取。⑦交通的便利性，基于地铁、公交站点和路网进行精确的路径分析，可以得到交通便利量化指标。总的来说，这些都是物理性因素。都看得见、摸得着的，可以想办法进行量化，这也符合数字化城市发展。现在数字中国转向智慧中国，我们估价也要跟着转变。三、房地产价格调控整体估价就是把所有的对象、所有影响房地产价格的物理因素都考虑进去。所有价格都评估出来之后，就能形成价格指数系统，通过价格指数我们可以反观影响房价的非物理性因素，下面重点讨论政策因素对房价的影响。房地产政策对于房地产价格的影响是巨大的，传统的评估方法关于量化政策对房价的影响有所缺失。面对目前复杂的宏观经济现状与房地产市场环境，在整体评估中，通过建立房地产政策仿真系统，可以精确把握不同政策对房地产价格的影响程度，进而为判断并调控房地产价格提出合理的价值依据。同时，根据不断变化的政策环境和房地产市场波动，对已有评估结果进行适时调整和更新。宏观模型基于宏观经济学，根据系统分解原理，将房地产系统分成内核模块和外层宏观变量模块两个基础部分。在内核模块，房地产供给—需求—价格三者的关系和反馈主导，是房地产市场系统仿真模型运作的基础。外层模块主要与房地产的需求和供给相联系，这些变量的变动导致市场需求和供给关系发生变化，从而导致价格的波动。微观模型基于微观经济学，房地产微观仿真模块由五个智能市场主体(Agent)组成，分别为代理人、家庭、投资者、开发商及银行。其仿真行为的结果反映为可观测的房地产市场数据。该模块建立的目标在于，观测房地产市场中住宅供给、住宅需求、住宅价格、人口等主要指标的变动情况，同时通过预测结果与实际市场结果的对比，实时地进行动态调整。由于，不同的政策会对应不同的房价，本仿真系统可以通过政策组合达到调控房价的目的。利用建立的房地产政策仿真系统，通过对贷款政策的相关变量政策进行调整，我们可以看出房地产价格与市场情况在不同政策之下将如何发展。以下为相关的政策假设：政策1：假设2013年1月起，家庭首套房首付最少4成，贷款利率优惠最高为基准利率的80%，二套房首付最少6成，贷款利率不得低于基准利率的1.3倍。同时暂时停止对购买第三套以上的住房提供贷款，最长按揭贷款时间为30年。政策2：假设2013年1月起，家庭首套房首付最少4成，贷款利率优惠取消且最利率为基准利率的1.1倍；二套房首付最少需付6成，贷款利率不得低于基准利率的1.5倍同时暂时停止对购买第三套以上的住房提供贷款。最长按揭贷款时间为30年。政策3：假设2013年1月起，家庭首套房首付要求降低至2成，贷款利率优惠最高为基准利率的70%；二套房首付最少需付3成，贷款利率不得低于基准利率的1.1倍，同时取消对三套以上住房贷款的限制，保持最长按揭贷款时间为30年不变。通过改变系统中相对应的变量，我们可以看到房价波动比对图，见图2。可以看到，；在相对紧缩的政策1和政策2之下，房地产价格水平会发生对应的下调。而当我们放宽贷款政策（如政策3）房地产价格水平则会有所提升。四、总结展望房地产估价是通过对各种与房地产相关物理和时间因素的分析测算房价，进入大数据时代，我们可以进一步深化分析影响房价的物理、时间、政策等因素，并量化不同因素对特定房地产价格的影响程度，积累到一定程度，就可以反过来，根据目标房价来组合政策。对一个国家、一个社会而言，这种组合就叫宏观调控，对于一个地产企业，种组合就叫开发策略，由此我们可以真正实现大数据时代下的信息整合、重组、挖掘和共享。哲学家总是解释世界，而问题在于如何改造世界。房地产估价师不仅要发现价格，要指出通往价格彼岸的理性之路。大数据已经给房地产估价插上嬗变的翅膀，让我们一起翱翔属于自己的蓝天；大数据也给房地产估价带来更多可挖掘的资源和机会，让我们一起畅游属于自己的蓝海吧！（作者单位：深圳市房地产评估发展中心）