基于趋势面分析及贝叶斯优化建模的房地产批量估价研究.pdfVIP

第42卷第3期工程数学学报Vol.42No.3

2025年6月June2025

文章编号

基于趋势面分析及贝叶斯优化建模的

房地产批量估价研究

杨楠,亓旻昊

上海财经大学统计与管理学院，上海

摘要:房地产价格受到区位异质、区位自相关和区位分布非线性的影响，使得快速、大量、

精准地进行我国城市复杂区位下的住宅价格评估极具挑战。基于趋势面分析和贝叶斯

优化，设计构建BO-TSA-XGBoost模型，将估价问题转换为属性空间划分问题，以实

现复杂数据环境中房地产批量估价区位信息的识别与学习。选取20202021年上海

市16个行政区的34460条二手房交易数据进行实证分析，研究结果表明：BO-TSA-

XGBoost模型能在复杂数据环境中准确识别并学习区位信息，有效解决由复杂区位特

征导致的评估精度下降问题，并在多种价格区间、多种复杂区位下具有评估效果一致

性；趋势面分析和贝叶斯优化算法可显著提升集成学习模型的评估精准度和评估稳健

性；BO-TSA-XGBoost模型精准评估的关键在于住宅区位信息的学习。

关键词:批量评估；趋势面分析；贝叶斯优化；XGBoost

主题分类号:62P20中图分类号:O213.9文献标志码:A

引引引言言言

党的十九大以来，中共中央依次提出了“房住不炒”、“稳地价、稳房价、稳预期”

发展战略，支持商品房市场更好地满足购房者的合理住宅需求。我国城市房地产估价的准

确性，对房地产金融风险防范、银行抵押贷款风险评估以及住宅市场管理调控具有重要的

意义。任意两宗房地产无法完全替代，并且房地产价格受到诸如交通条件、周边配套公共

设施等众多区位因素的直接影响，如何科学、准确地评估房地产价格颇具挑战。传统房地

产估价方法依赖于评估人员大量实地调查，虽然能获取较高精度的数据，但评估稳健性和

时效性弱。批量估价为解决大批量房地产价格评估问题提供了新思路。我国房地产市场交

易数量众多，区位差异大，房地产估价需求不断增加。批量估价结合统计学、机器学习和

大数据技术等方法，能对大批量住宅进行建模、分析、检验和测试，为我国的房地产价格

评估带来了新的方向。

近年具有代表性的批量估价方法主要为特征价格法和人工智能法。特征价格法是最早

出现的批量评估方法，Berry和Bednarz首次将特征价格法应用于房地产批量评估中，

认为在均衡市场下，不同住宅房地产价格上的差异主要源自于住宅区位、住宅类型、房龄

收稿日期:2022-09-28.作者简介:杨楠(1977—)，女，博士，教授.研究方向：经济统计.

474工程数学学报第42卷

等属性变量，可通过多元回归评估房地产市场价格。特征价格法形式简单，在单一住宅

市场环境中评估精准度高，但不适用于复杂住宅市场，不仅无法识别房地产价格与各属性

变量之间的非线性关系，而且难以处理房价的空间自相关和空间异质性等问题。近年

来，人工智能方法是批量估价的主流方法之一，该方法适应范围广，能有效拟合复杂数

据下房地产价格与属性变量间的非线性关系，主要代表性方法为人工神经网络和集成学

习。Do和Grudnitski开创性地构建了人工神经网络下的房地产批量估价模型，并采用

反向传播算法学习住宅属性变量与住宅价格的非线性关系，取得了一定的成效；Lee将

自然语言处理中的实体