基于灰色关联与贴近度房价评估.docVIP

基于灰色关联与贴近度房价评估 　　摘 要 　　随着经济的迅速发展，房地产交易日益频繁，能够快速、准确的确定房屋价格在维护市场公平与秩序上显得尤为重要。在实际过程中，房屋的不同特征，如地理区位、交通状况等都在不同程度上影响了估价，这些特征的模糊性降低了估价的正确性。本文通过在房价市场法估计的基础上引入灰色关联与贴近度分析建立模型，降低了估价的主观性与特征的不确定性。 　　【关键词】房价评估 灰色关联 贴近度 市场法 　　现有的房价评估方法主要有市场比较法、收益法、假设开发法等，但随着房地产交易市场的不断壮大，传统依赖于估价人经验对房价评估的方法已无法满足市场的需求，为提高估价的快速性与准确性。本文提出了在已交易房屋大数据信息的基础上，通过建立灰色关联与贴近度分析相结合的房价评估法，以数据为基础进行客观分析，并通过算例加以验证。 　　1 评估方法相关原理 　　1.1 灰色关联 　　灰色关联分析是通过分析比较序列与参考序列的几何相似度来确定其联系参数。通过分析联系参数，可以看出比较序列中哪些项与参考序列联系更为紧密，越紧密代表其对参考序列的影响越大。 　　1.2 贴近度 　　贴近度β是两个模糊集间的接近程度，可用投射关系进行定义β为F（I）×F（j）∈（0，1），贴近度可采用Hamming距离反映不同模糊集间的差异性，但Hamming距离因为没有将相同子集与不同子集联系起来，使得比较时没有基点。文[4]详细阐述了利用Hamming距离计算出的贴近度即为两个模糊集图形上相交部分的平均值，描述了集合相同部分与整体之间的联系。 　　2 改进后的基于灰色关联与贴近度的房价评估法 　　2.1 建立已交易房屋数据库 　　搜集典型已交易房屋的特征信息与成交价格建立数据库，已交易房屋信息反映了现有市场的价格水平与不同特征的影响权重。数据库规模越大、越典型，就越能找到与带待估价房屋贴近的交易实例，这对评估的准确性十分重要。 　　房屋的特征信息如区位、交通，是由不同的量纲组成，它们共同作用决定了房屋价格，所以要对特征信息量化处理，量化处理有很多方法，可以采用专家打分法对特征信息十分制打分，存入数据库中进行后续处理。 　　不同地区的自然环境、人文特征、经济差异等因素不同导致影响房价的因素选取不同。如对上海市某二手房屋进行价格估计，根据文[5]，通过选取上海市中心至郊区一条典型路线为调查对象，分析调研价格梯度差，可以确定上海市二手房屋价格的主要影响为：地理区位（t1）、交通条件（t2）、人口状况（t3）、环境质量（t4）、繁华程度（t5）、市场供求（t6）、基础设施（t7），选取特征房屋，注意在选取过程中应遵循以下原则： 　　（1）最好选取最近交易成功的例子，避免城区中的老房子与古建筑，保持数据库的新鲜性。 　　（2）选择通过市场交易的房屋，不考虑公房或低价转让等特殊原因成交的例子。 　　（3）选择套房不选择单室出售的房屋，选取多层住宅，不录入别墅等高级住宅；对已估价的商品房，选择同一层次，且计算房屋均价录入。 　　2.2 利用灰色关联分析确定不同特征信息影响权重 　　影响房价的特征信息很多，不同的特征对房价的影响权重也不同。这里选取房屋价格t0（k）为参考序列，特征信息t1（k）为比较序列，k为各房屋标号（k=1，2..n），i为各特征值标（i=0，1..m）。 　　（1）序列中的各特征信息量纲可能不同，要进行无量纲处理，可以采用对专家打分分数进行百分比转化进行处理。 　　（2）计算t0（k）与t1（k）的联系参数。联系参数是对两个个体各特征信息横向比较得出的关联程度，定义为绝对差，为两极最小差，为两极最大差，联系参数为： 　　P为分辨系数，提高联系参数间差异显著性，其值越小分辨力越大介于0～1之间，通常取0.5。 　　（3）计算权重。联系参数为各房屋横向比较的关联程度，因为要统计各因素总体的程度，所以对联系参数进行集中得关联度： 　　关联度高的为主要因素，各因素权重为 　　。 （3） 　　2.3 利用贴近度综合估价房价 　　利用贴近度可以找出数据库中与待估价房屋最贴近的3套已估价房，以其已估价格数据为依据对待估房估价。 　　（1）利用Hamming距离求出的贴近度应用到房价估计上时，处理的模糊集为各房屋的特征集，所以对待估价房与数据库中大量的房屋数据进行贴近度计算来确定不同房屋间的投射关系，可得k1与k2两房屋的贴近度为： 　　（2）因为各特征对房屋影响程度不同，利用2中通过灰度关联分析得到的权重更改贴近度定义式为： 　　（3）根据求出的贴近度β，为避免单套房的片面性与不稳定性，取三套典型住宅进行分析。按大小顺序排序得到与待估价房贴近度最高的三套房D1、D2、D3，相应的价格为E1、E2、E