大数据和GIS房地产信息体系构建.docVIP

大数据和GIS房地产信息体系构建 　　摘要：在当今大数据时代，各种数据和新技术纷至沓来，使人目不?L接，如何应用好各种数据，这无疑给房地产市场研究带来新的机遇与挑战。简要分析房地产市场参与方的信息需求，探讨大数据的加工技术，针对房地产的参与方的需求提出了可能的产品系列。 　　关键词：房地产，市场监测，价格指数，信息技术，批量评估 　　中图分类号：F293.33 文献标识码：A 　　文章编号：1001-9138-（2015）10-0018-26 收稿日期：2015-09-05 　　房地产市场的变动与国民经济、市民生活均息息相关，市场现状、市场健康程度、市场涨跌、市场未来趋势等无一不是政府、学者和市民关注的焦点。 　　随着大数据时代的来临，房地产这一关系着国计民生的重要领域也在经历一场新的变革，各类房地产信息与数据充斥着人们的工作与生活。人们对房地产信息准确度的要求亦逐步提高。无论是房屋买卖的微观个体行为，还是政府的宏观调控行为，都需要权威、准确、精细度高的房地产信息，但实际上，目前房地产信息纷繁冗杂，其准确性及可信度均难以令人满意。比如就价格来说，存在着诸如交易价格、挂牌价格、不同估价目的的评估价格等各种类型的价格。而就价格标准来说，也存在着普通住房优惠价格标准、征地拆迁补偿价格标准、存量房交易计税参考价格等诸多标准。房地产信息如此庞大，却很难满足各个群体的真实诉求，其权威性、公正性与准确性也常常受到怀疑，因此构建全新的城市房地产信息体系的要求也日益迫切。 　　1 房地产信息体系构成 　　在房地产市场的运行过程中，主要包括以下参与方：政府、开发商、银行、中介服务机构和购房者。其中，政府既是土地的供应方，也是市场的管理者，他们需要了解房地产市场供求情况、价格走势、市场走势及风险等信息；开发商则是土地的需求方，房产的供应方，他们需要了解土地供应和土地价格、房地产市场供求情况、价格走势、拟供应区域市场情况和结构特征、同类产品供应情况及价格、购房者心理预期等信息；银行贷前需要了解市场走势与风险、微观价格指导，贷后则需要对抵押房地产的市场价值加以评价，因此需要不同时点的房地产价格信息；对于中介服务机构，他们需要为开发商、售房者、购房者、银行及政府提供房地产交易，评估及咨询等服务，因此他们既是房地产信息的生产者，也是使用者，他们需要全面的房地产微观信息；对于购房者，他们需要了解价格走势、房地产价格信息和房地产特征信息等。 　　基于以上分析可以看出，市场参与方所关注的信息既有宏观层面的统计信息、风险评估、市场走势分析，也有微观层面每套房屋的价格、物理特征、配套情况及房地产区域特点等。因此，可以从宏观层面和微观层面分别建立房地产信息指标体系。房地产市场宏观信息及其来源可归纳如表1所示。 　　房地产微观信息及其来源可归纳如表2所示。 　　2 房地产信息体系建立关键技术 　　在上文所述的房地产宏观信息和微观信息中，一部分可根据基础数据统计得出，一部分需经过计算和分析得出，如房地产价格指数、市场风险评价、每套房屋价格、市场走势判断等，而这些信息往往是市场参与者最为关心的部分，本节则主要研究获得这些信息的关键技术。 　　2.1 房地产全样本价格指数 　　早在20世纪60-70年代，国外就开始了对房地产价格指数（REPI，Real Estate Price Index）的研究，并相继引入了Repeat-Sales模型和Hedonic模型。Hedonic模型又称为“特征值模型”或“可变参数模型”，该模型较好地消除了两个时段之间非市场因素对房地产价格带来的差异，故受到国内外广大学者及专家的关注。尽管Hedonic模型在房地产领域应用较广，但是该模型最大的困难就是需要大量的房地产特征状态值，如何有效地确定这些状态值是十分重要的。另外，在小样本的情况下，容易产生共线性及空间自相关等问题，同时也存在估计误差。针对Hedonic模型的这些缺陷，一些学者做了进一步研究，从某些方面对Hedonic模型进行了改进，但是应用效果并不明显且比较复杂，因此没有得到广泛应用。 　　Repeat-Sales模型由Bailey于1963年提出，并结合回归模型构造了房地产价格指数。但是，直到80年代中期，Repeat-Sales模型才受到业界重视。Repeat-Sales模型不需要大量的房地产特征状态值，但是其对房地产交易的重复性要求较高，通常情况下很难保证一幢房产在两次交易时的同质性。另外，所选择的重复交易的房产不一定具有较好的代表性。这些都大大制约了该模型的应用。在实际操作中，考虑到具体的数据与上述模型的不匹配性，一些学者建立了Hybrid模型。但是，由于综合了多种方法，使得应用复杂化，同时相关方法还不够成熟，故目前实际应用较少。 　　目前，广泛应