大数据背景下住宅报酬率的批量评估技术研究.docxVIP

? ? 大数据背景下住宅报酬率的批量评估技术研究 ? ? 文/上海城市房地产估价有限公司 大数据背景下住宅报酬率的批量评估技术研究 文/上海城市房地产估价有限公司 房地产估价三大方法中，运用最广泛、最普及的两种方法为市场比较法和收益法。在房地产估价基本术语中，报酬率Y被定义为：将估价对象未来隔年的净收益转换为估价对象价值或价格的折现率。最新版的房地产估价规范在阐述报酬资本化法时着重指出：报酬率实质是一种折现现金流量分析。可见，报酬率在房地产估价中具有重要地位。 2013年开始,我公司对住宅5年转售报酬率进行系统研究并建立了相应的数据库。大数据时代促使我们与时俱进地不断更新研究成果，对住宅报酬率数据库的深化研究正是在此背景下进行的。（注：下文中的住宅报酬率数据库所对应的收益法公式为5年期转售公式，且仅对该公式有效，若运用在其他公式中则无效。） 一、2013-2014年住宅报酬率数据库回顾 2013-2014年度的住宅报酬率数据库以板块作为划分依据，如表1所示： 表1 部分2014年住宅报酬率数据库一览表 二、更新住宅报酬率数据库的缘由 （一）数据库中某些板块报酬率的取值范围过大 在某些板块中，报酬率取值范围过大，不够精准。如：金山朱泾板块报酬率取值范围在13.32%-16.89%，浦东新区惠南板块则处于12.59%-17.12%。 （二）运用数据库中Y值测算，得到的估价结果与市场价格偏差较大 经测试，选取某些市场不够活跃或新开发的楼盘占比较大的板块中Y值进行测算，其测算结果与用市场比较法求得的结果偏差较大，究其原因主要是由于灰色理论预测△有偏差。 造成灰色理论求取△值有偏差的缘由有二：其一是由于目前在上海的某些板块中，新开发楼盘的成交量占比较高，推动了该板块整体价格的普遍上涨，且这个上涨幅度在某个新开发楼盘集中成交的年份特别突出，从而导致灰色理论根据前5年的历史数据对后5年的预测值也偏高，但实质上，随着该板块中新开发楼盘成交量的逐年减少，其板块整体价格的涨幅远没有预测的这么高。其二是在某些板块中，占比较大的是市场不活跃的楼盘，该类楼盘对房地产市场波动的敏感度较弱，不能如实地反映当前房地产市场的正常价格波动情况。 本文拟通过对住宅报酬率的进一步研究，对以上问题进行修正。 三、住宅报酬率数据库的更新思路 更新住宅报酬率的基本思路如下图所示： 图1 住宅报酬率更新思路 （一）区段划分 住宅报酬率数据库以价格区段作为划分依据，其原因在于，用什么作为划分依据主要取决于被划分对象的同质性，经调查研究发现，报酬率的同质性并不体现在板块上，即便在同一板块中，不同档次的房屋之间报酬率的差异性也很大，而最能体现出报酬率同质性的因素是价格。所以，此次住宅报酬率数据库更新将以价格区段作为划分依据。表2为住宅基准报酬率数据库一览表。 表2 住宅基准报酬率数据库一览表 （二）关键参数的求取 经研究，Y的取值与下列三者存在较大的关系，即为A、△与g。其中，A为净收益，△为5年总增长率，g为净收益逐年递增的比率。 经测试，Y值对于A及△的变动较敏感。所以，此处研究重点将放于如何批量求取A及△上。 1．批量求取市场净收益Ai （1）在收益法中 住宅市场净收益=有效毛收入-运营费用 ①有效毛收入 有效毛收入=（潜在毛租金收入+其他收入）×（1-空置率） 假设此处的潜在毛收入为市场调查租金，其他收入为零，则公式转变为： 有效毛收入=市场调查租金×（1-空置率） ②运营费用 一般运营费用=管理费用+维修费用+保险费+税金 其中：管理费用按有效毛收入的（1%-2%）计，维修费用按房屋重置价格的（1%-2%）计，保险费用按房屋重置价格的0.2%计，税金按有效毛收入的5%计。 上述四项中，管理费用、税金均与有效毛收益相关，例如：若估价对象的管理费用为有效毛收入的2%，税金按有效毛收入的5%计，则： 管理费用+税金=有效毛收入×（2%+5%） 维修费用及保险费均与房屋重置价格有关。 故若要批量求取市场净收益，则需先批量求取房屋重置价格。 （2）批量求取住宅重置价格 ①首先将普通商品房分为以下几类： i多层住宅不带电梯 ii多层住宅带电梯 iii小高层住宅 iv高层住宅（15-22层） v高层住宅（23-33层） vi高层住宅（34层及以上） 通过运算得到以上6类房屋的重置费用。 ②住宅市场净收益的计算： 净收益=有效毛收入-运营费用 =有效毛收入-（管理费用+维修费用+保险费+税金） =有效毛收入-[有效毛收入×（管理费用按有效毛收入的百分比+5%）+房屋重置价格×（维修费用按房屋重置价格的百分比+0.2%）] 有效毛收入=市场调查租金×（1-空置率） 通过上述公式，已知市场调查租金、空置率及房屋重置价格，即可求得市场净收益。 当然此处用了相对较简单的方式批量求取净收