CN106875230A - 一种基于比价系数的房地产评估方法、系统及存储介质 - Google Patents
一种基于比价系数的房地产评估方法、系统及存储介质 Download PDFInfo
- Publication number
- CN106875230A CN106875230A CN201710167116.8A CN201710167116A CN106875230A CN 106875230 A CN106875230 A CN 106875230A CN 201710167116 A CN201710167116 A CN 201710167116A CN 106875230 A CN106875230 A CN 106875230A
- Authority
- CN
- China
- Prior art keywords
- building
- subject property
- price
- real estate
- room number
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000005611 electricity Effects 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000010276 construction Methods 0.000 claims description 35
- 238000005034 decoration Methods 0.000 claims description 33
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 abstract description 3
- 238000013139 quantization Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 239000000047 product Substances 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 240000008042 Zea mays Species 0.000 description 1
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 1
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 235000005822 corn Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于比价系数的房地产评估方法,括下述步骤,数据预处理步骤:获取房地产数据,确定待估房地产是否可估价步骤:估价步骤包括:通过对楼盘特征和房号特征的量化建立房地产间的价格参照体系,从而在待估价房地产没有经营性收入,所在楼盘没有交易案列的情况下也能科学准确的获得待估价房地产的评估价格。本发明基于房地产大数据,可比关系模型选取样本不依赖于人工经验,可以大规模批量进行房地产评估,成本低且排除人工干扰出错率低,相对于传统估价方式人工估价后再对结果进行数字化收集,本发明直接得到数字化的估价数据,方便与其他电子化系统进行对接,出错概率低,用户体验好,方便对估价数据进行二次开发。
Description
技术领域
本发明涉及房地产评估领域,具体涉及一种基于比价系数的房地产评估方法及系统。
背景技术
传统房地产估价方法最基本的三种方法有比较法、收益法、成本法,但这些评估方法需要待估价房产的同类房地产有较多的成交案例,或者估价房产有其他租金等经济收入、成本基本构成信息,并且这些案例和信息要求真实、可靠、不得虚构,以致当市场交易不活跃或者其它相关信息不易获取时,难以保证评估的覆盖面,进行房地产估价作业时缺少准确评估依据难以对房地产的价格做出评估。
传统对房地产评估采用比较法需要具备一些苟刻的条件,如足够数量的相似房地产的交易信息。然而在房地产市场发展滞后的区域,房产交易的总量有限,相似房产交易的数量更少。另外,即使得到了足够的交易信息,在对估价进行修正方面,仍存在很多难以量化的因素,比如交易时期的不同、参与者个人偏好等。
传统对房地产评估采用收益法在对房地产未来收益的估计上存在很多不确定性,实际操作起来带有很大的随意性,尤其是报酬率或资本化率的选择上没有固定的原则或公式为依据,因此估价的结果并不理想。
传统对房地产评估采用成本法在现实中实用性很强,但该方法需要大量的统计工作,而且房产的折旧往往与实际有出入,也会对房产估价造成偏差。
由于对房价理解的原理不同、分析的角度不同,以上三种传统方法在实际操作中的评估角度、适用范围、计算方法、评估步骤和难点、评估结果各有不同。在传统方法中,房地产评估只能依靠评估人员自身的知识和经验,无法进行大规模批量评估作业,且成本高昂,容易出错。以上三种传统房地产估价方法在现实运用中都有其天生的缺陷。
发明内容
本发明解决的问题是,当待估价房地产没有较多的同楼盘房地产或同类房地产成交案例,或者没有其他租金等经济收入、没有成本基本构成信息的情况下无法完成持续有效的房地产估价。
本发明提供一种基于比价系数的房地产评估方法,包括下述步骤,
数据预处理步骤:
获取房地产数据,对所述房地产数据进行数据量化形成房地产估价数据库;
所述房地产数据包括每个房地产数据样本的楼盘特征、房号特征和价格;
所述楼盘特征包括距商业中心距离、交通、物管费、容积率、绿化率、建成年代和楼盘品牌;
所述房号特征包括建筑面积、户型、楼层、朝向、景观和装饰装修。
确定待估房地产是否可估价步骤:
获取待估房地产数据,对待估房地产数据进行量化,在房地产估价数据库中确定待估房地产所属楼盘的可比楼盘,依据待估房地产所属楼盘和可比楼盘的建成年代信息、楼盘均价信息、相对距离信息三项信息对比确定待估楼盘是否存在可比楼盘,若是则执行估价步骤,若否则通知用户结束估价程序;
估价步骤包括:
确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数步骤,
确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤,
确定待估房地产楼盘均价为所述楼盘间比价系数乘以所述可比楼盘均价,
确定待估房地产价格为房号间比价系数乘以待估房地产楼盘均价。
进一步的,所述确定待估房地产是否可估价的步骤具体为:
依据建成年代从房地产估价数据库中确定可比楼盘:
若待估房地产楼盘为距今10年内的楼盘,其可比楼盘取向前5年向后3年,距今20年内的楼盘,取向前10年向后5年,其它建成年代的楼盘,取向前15年向后10年;
依据楼盘均价和相对距离从房地产估价数据库中确定可比楼盘包括:
依据往期均价从房地产估价数据库中确定可比楼盘,对比可比楼盘与待估房地产楼盘往期任意的月度均价,距离待估房地产楼盘500米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘,
依据近期均价从房地产估价数据库中确定可比楼盘,对比两楼盘近6个月内的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘,距离待估房地产楼盘1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据最新均价从房地产估价数据库中确定可比楼盘:对比两楼盘最新统计日期的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;两楼盘距离1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘。
进一步的,所述房地产数据进行量化具体为:
对房地产楼盘的每个楼盘特征进行5个等级量化确定每个楼盘特征的分值,所述楼盘特征为商业中心距离、交通、物管费、容积率、绿化率、建成年代、楼盘品牌;
对房地产房号的每个房号特征进行5个等级量化确定每个房号特征的分值,所述房号特征为建筑面积、户型、楼层、朝向、景观、装饰装修。
进一步的,所述确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数的步骤具体为:
楼盘间比价系数 = 待估房地产楼盘权重后总分 / 可比楼盘权重后总分,
所述楼盘权重后总分的计算公式为P = ∑(Wi×Fi)= W1×F1+W2×F2+W3×F3+…+Wn×Fn
公式中P为楼盘权重后总分,n为楼盘影响因素的总数,Wi为楼盘特征权重,Fi为分值,
所述楼盘特征权重具体为楼盘品牌设定为0.5、建成年代设定为0.4、交通设定为0.4、商业中心距离设定为0.3、容积率设定为0.2、绿化率设定为0.2、物管费设定为0.1;
所述确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤具体为:
房号间比价系数 = 待估房地产房号权重后总分 / 代表待估房地产楼盘均价的均价房号权重后总分,
所述房号权重后总分的计算公式为 F= ∑(Mi×Li)= M1×L1+M2×L2+M3×L3+…+Mk×Lk,
公式中F为房号权重后总分,k为房号特征影响因素的总数,Mi为房号特征权重,Li为分值,
所述房号特征权重具体为建筑面积设定为0.5、户型设定为0.4、楼层设定为0.4、景观设定为0.3、朝向设定为0.2、装饰装修设定为0.1。
进一步的,所述确定待估房地产楼盘均价的步骤具体为:
依据待估房地产楼盘所确定的可比楼盘之间的楼盘间比价系数乘以所述可比楼盘均价;当待估房地产楼盘有多个可比楼盘时,依据多个可比楼盘计算出多个待估房地产楼盘均价,然后取简单算术平均值作为最终的待估房地产楼盘均价。
进一步的,所述确定待估房地产价格步骤具体为:
用房号间比价系数乘以待估房地产楼盘均价计算出待估房地产价格。
为了保证上述方法的实施,本发明还提供一种基于比价系数的房地产评估系统,包括下述模块,
数据预处理模块:
用于获取房地产数据,对所述房地产数据进行数据量化形成房地产估价数据库;
所述房地产数据包括每个房地产数据样本的楼盘特征、房号特征和价格;
所述楼盘特征包括距商业中心距离、交通、物管费、容积率、绿化率、建成年代和楼盘品牌;
所述房号特征包括建筑面积、户型、楼层、朝向、景观和装饰装修;
确定待估房地产是否可估价模块:
用于获取待估房地产数据,对待估房地产数据进行量化,在房地产估价数据库中确定待估房地产所属楼盘的可比楼盘,依据待估房地产所属楼盘和可比楼盘的建成年代信息、楼盘均价信息、相对距离信息中的三项对比确定待估楼盘是否存在可比楼盘,若是则执行估价模块,若否则通知用户结束估价程序;
估价模块:
用于确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数,
确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数,
确定待估房地产楼盘均价为所述楼盘间比价系数乘以所述可比楼盘均价,
确定待估房地产价格为房号间比价系数乘以待估房地产楼盘均价。
进一步的,所述确定待估房地产是否可估价模块进行待估房地产是否可估价判断的具体方法为:
依据建成年代从房地产估价数据库中确定可比楼盘:
若待估房地产楼盘为距今10年内的楼盘,其可比楼盘取向前5年向后3年,距今20年内的楼盘,取向前10年向后5年,其它建成年代的楼盘,取向前15年向后10年;
依据楼盘均价和相对距离从房地产估价数据库中确定可比楼盘包括:
依据往期均价从房地产估价数据库中确定可比楼盘,对比可比楼盘与待估房地产楼盘往期任意的月度均价,距离待估房地产楼盘500米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据近期均价从房地产估价数据库中确定可比楼盘,对比两楼盘近6个月内的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘,距离待估房地产楼盘1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据最新均价从房地产估价数据库中确定可比楼盘:对比两楼盘最新统计日期的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;两楼盘距离1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘。
进一步的,所述数据预处理模块对房地产数据进行量化具体为:
对房地产楼盘的每个楼盘特征进行5个等级量化确定每个楼盘特征的分值,所述楼盘特征为商业中心距离、交通、物管费、容积率、绿化率、建成年代、楼盘品牌;
对房地产房号的每个房号特征进行5个等级量化确定每个房号特征的分值,所述房号特征为建筑面积、户型、楼层、朝向、景观和装饰装修。
进一步的,所述确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数模块采用下述方法确定楼盘间比价系数:
楼盘间比价系数 = 待估房地产楼盘权重后总分 / 可比楼盘权重后总分,
所述楼盘权重后总分的计算公式为P = ∑(Wi×Fi)= W1×F1+W2×F2+W3×F3+…+Wn×Fn
公式中P为楼盘权重后总分,n为楼盘影响因素的总数,Wi为楼盘特征权重,Fi为分值,
所述楼盘特征权重具体为楼盘品牌设定为0.5、建成年代设定为0.4、交通设定为0.4、商业中心距离设定为0.3、容积率设定为0.2、绿化率设定为0.2、物管费设定为0.1;
所述确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数模块采用下述方法确定房号间比价系数:
房号间比价系数 = 待估房地产房号权重后总分 / 代表待估房地产楼盘均价的均价房号权重后总分,
所述房号权重后总分的计算公式为 F= ∑(Mi×Li)= M1×L1+M2×L2+M3×L3+…+Mk×Lk
公式中F为房号权重后总分,k为房号特征影响因素的总数,Mi为房号特征权重,Li为分值,
所述房号特征权重具体为建筑面积设定为0.5、户型设定为0.4、楼层设定为0.4、景观设定为0.3、朝向设定为0.2、装饰装修设定为0.1。
进一步的,所述确定待估房地产楼盘均价的步骤具体为:
依据待估房地产楼盘所确定的可比楼盘之间的楼盘间比价系数乘以所述可比楼盘均价;当待估房地产楼盘有多个可比楼盘时,依据多个可比楼盘计算出多个待估房地产楼盘均价,然后取简单算术平均值作为最终的待估房地产楼盘均价。
进一步的,所述确定待估房地产价格步骤具体为:
用房号间比价系数乘以待估房地产楼盘均价计算出待估房地产价格。
本发明还提供一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如下操作:
数据预处理步骤:
获取房地产数据,对所述房地产数据进行数据量化形成房地产估价数据库;
所述房地产数据包括每个房地产数据样本的楼盘特征、房号特征和价格;
所述楼盘特征包括距商业中心距离、交通、物管费、容积率、绿化率、建成年代和楼盘品牌;
所述房号特征包括建筑面积、户型、楼层、朝向、景观和装饰装修;
确定待估房地产是否可估价步骤:
获取待估房地产数据,对待估房地产数据进行量化,在房地产估价数据库中确定待估房地产所属楼盘的可比楼盘,依据待估房地产所属楼盘和可比楼盘的建成年代信息、楼盘均价信息、相对距离信息三项信息对比确定待估楼盘是否存在可比楼盘,若是则执行估价步骤,若否则通知用户结束估价程序;
估价步骤包括:
确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数步骤,
确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤,
确定待估房地产楼盘均价为所述楼盘间比价系数乘以所述可比楼盘均价,
确定待估房地产价格为房号间比价系数乘以待估房地产楼盘均价。
进一步的,所述确定待估房地产是否可估价的步骤具体为:
依据建成年代从房地产估价数据库中确定可比楼盘:
若待估房地产楼盘为距今10年内的楼盘,其可比楼盘取向前5年向后3年,距今20年内的楼盘,取向前10年向后5年,其它建成年代的楼盘,取向前15年向后10年;
依据楼盘均价和相对距离从房地产估价数据库中确定可比楼盘包括:
依据往期均价从房地产估价数据库中确定可比楼盘,对比可比楼盘与待估房地产楼盘往期任意的月度均价,距离待估房地产楼盘500米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘,
依据近期均价从房地产估价数据库中确定可比楼盘,对比两楼盘近6个月内的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘,距离待估房地产楼盘1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据最新均价从房地产估价数据库中确定可比楼盘:对比两楼盘最新统计日期的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;两楼盘距离1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
所述房地产数据进行量化具体为:
对房地产楼盘的每个楼盘特征进行5个等级量化确定每个楼盘特征的分值,所述楼盘特征为商业中心距离、交通、物管费、容积率、绿化率、建成年代、楼盘品牌;
对房地产房号的每个房号特征进行5个等级量化确定每个房号特征的分值,所述房号特征为建筑面积、户型、楼层、朝向、景观、装饰装修;
所述确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数的步骤具体为:
楼盘间比价系数 = 待估房地产楼盘权重后总分 / 可比楼盘权重后总分,
所述楼盘权重后总分的计算公式为P = ∑(Wi×Fi)= W1×F1+W2×F2+W3×F3+…+Wn×Fn,
公式中P为楼盘权重后总分,n为楼盘影响因素的总数,Wi为楼盘特征权重,Fi为分值,
所述楼盘特征权重具体为楼盘品牌设定为0.5、建成年代设定为0.4、交通设定为0.4、商业中心距离设定为0.3、容积率设定为0.2、绿化率设定为0.2、物管费设定为0.1;
所述确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤具体为:
房号间比价系数 = 待估房地产房号权重后总分 / 代表待估房地产楼盘均价的均价房号权重后总分,
所述房号权重后总分的计算公式为 F= ∑(Mi×Li)= M1×L1+M2×L2+M3×L3+…+Mk×Lk,
公式中F为房号权重后总分,k为房号特征影响因素的总数,Mi为房号特征权重,Li为分值,
所述房号特征权重具体为建筑面积设定为0.5、户型设定为0.4、楼层设定为0.4、景观设定为0.3、朝向设定为0.2、装饰装修设定为0.1;
所述确定待估房地产楼盘均价的步骤具体为:
依据待估房地产楼盘所确定的可比楼盘之间的楼盘间比价系数乘以所述可比楼盘均价;当待估房地产楼盘有多个可比楼盘时,依据多个可比楼盘计算出多个待估房地产楼盘均价,然后取简单算术平均值作为最终的待估房地产楼盘均价;
所述确定待估房地产价格步骤具体为:
用房号间比价系数乘以待估房地产楼盘均价计算出待估房地产价格。
本发明的有益效果是:
1本发明结合传统评估方法的理论依据,采用比价系数法来评估房产价格,通过对房地产特征值进行比较得出对比房产的比价系数,当一个房产价格缺失或者长久未更新时,可根据其已知价格的对比房产得到该房产价格。该方法收集利用大量的房地产数据,选择其中的特征作为模型的自变量,运用回归模型,建立房产特征的比价系数,可以对比较法、收益法、成本法三大传统房地产评估方法进行有效改进与补充,并对房产价格进行持续动态的有效监测。
2由于大量的连续的住宅案例数据还是较难获取,本发明采用可比关系模型研究住宅价格的影响因素,突破了传统房地产市场分析框架,适用面广。
3本发明用楼盘之间的相对距离代替地段,避免了需要收集大量的楼盘的社区环境信息,距离相近的楼盘,其社区配套环境可共享节省了人力成本。
4本发明覆盖面广,无论该楼盘有无案例均可估。
5本发明基于房地产大数据,可比关系模型选取样本不依赖于人工经验,可以大规模批量进行房地产评估,成本低且排除人工干扰出错率低,相对于传统估价方式人工估价后再对结果进行数字化收集,本发明直接得到数字化的估价数据,方便与其他电子化系统进行对接,出错概率低,用户体验好,方便对估价数据进行二次开发。
6用楼盘之间的相对距离代替地段,距离相近的楼盘,其社区配套环境可共享,简单易行,方便操作。
附图说明
图1为本发明基于比价系数的房地产评估方法流程图。
图2为本发明基于比价系数的房地产评估系统结构图。
图3为本发明基于比价系数的房地产评估系统及系统原理的逻辑图。
具体实施方式
图1为本发明基于比价系数的房地产评估方法流程图
图2为本发明基于比价系数的房地产评估系统结构图
图3为本发明基于比价系数的房地产评估系统及系统原理的逻辑图
本发明解决背景技术问题的核心思路之一是:通过对楼盘特征和房号特征的量化建立房地产间的价格参照体系,从而在待估价房地产没有经营性收入,所在楼盘没有交易案列的情况下也能科学准确的获得待估价房地产的评估价格。
本发明提供一种基于比价系数的房地产评估方法,包括下述步骤,
数据预处理步骤:
获取房地产数据,对所述房地产数据进行数据量化形成房地产估价数据库;
房地产数据的获取可以通过网络爬虫自动从互联网各大房地产交易网站获取,成本低且准确,排除人工干扰不易出错,通过对数据进行量化,有利于后续估价过程的客观性,准确性。
所述房地产数据包括每个房地产数据样本的楼盘特征、房号特征和价格;
所述楼盘特征包括距商业中心距离、交通、物管费、容积率、绿化率、建成年代和楼盘品牌;
所述房号特征包括建筑面积、户型、楼层、朝向、景观和装饰装修。
确定待估房地产是否可估价步骤:
获取待估房地产数据,对待估房地产数据进行量化,在房地产估价数据库中确定待估房地产所属楼盘的可比楼盘,依据待估房地产所属楼盘和可比楼盘的建成年代信息、楼盘均价信息、相对距离信息三项信息对比确定待估楼盘是否存在可比楼盘,若是则执行估价步骤,若否则通知用户结束估价程序;
建成年代、楼盘均价、相对距离,对于一个房地产的价值影响最大,通过这三个因素可以判定楼盘之间的价格是否可比。
估价步骤包括:
确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数步骤,
确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤,
确定待估房地产楼盘均价为所述楼盘间比价系数乘以所述可比楼盘均价,
确定待估房地产价格为房号间比价系数乘以待估房地产楼盘均价。
通过确定楼盘间比价系数和房号间比价系数,即使待估房地产所属楼盘没有房地产价格信息,也可进行估价,从而大大提高了本评估方法的适用范围。
所述确定待估房地产是否可估价的步骤具体为:
依据建成年代从房地产估价数据库中确定可比楼盘:
若待估房地产楼盘为距今10年内的楼盘,其可比楼盘取向前5年向后3年,距今20年内的楼盘,取向前10年向后5年,其它建成年代的楼盘,取向前15年向后10年;
楼盘建成时间越新,其价格变化越大,楼盘建成时间越老其价格变化越小。
依据楼盘均价和相对距离从房地产估价数据库中确定可比楼盘包括:
依据往期均价从房地产估价数据库中确定可比楼盘,对比可比楼盘与待估房地产楼盘往期任意的月度均价,距离待估房地产楼盘500米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘,
依据近期均价从房地产估价数据库中确定可比楼盘,对比两楼盘近6个月内的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘,距离待估房地产楼盘1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据最新均价从房地产估价数据库中确定可比楼盘:对比两楼盘最新统计日期的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;两楼盘距离1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘。
楼盘间距离越近,价格相关性越高。
需要依据价格来确定可比楼盘时优先采用最新均价,若最新均价不能确定则采用近期均价来确定可比楼盘,若近期均价不能确定则采用往期均价来确定可比楼盘。
所述房地产数据进行量化具体为:
对房地产楼盘的每个楼盘特征进行5个等级量化确定每个楼盘特征的分值,所述楼盘特征为商业中心距离、交通、物管费、容积率、绿化率、建成年代、楼盘品牌;
商业中心距离、交通、物管费、容积率、绿化率、建成年代、楼盘品牌这7个特征与一个楼盘的价格有很大的相关性,通过对7个特征进行5个等级量化可以为一个楼盘的价格建立参照尺度。
具体等级划分如下表格所示:
对房地产房号的每个房号特征进行5个等级量化确定每个房号特征的分值,所述房号特征为建筑面积、户型、楼层、朝向、景观、装饰装修。
建筑面积、户型、楼层、朝向、景观、装饰装修这6个特征与一个具体房号的价格有很大的相关性,通过对6个特征进行5个等级量化可以为一个房号的价格建立参照尺度。
具体等级划分如下表格所示:
本发明中,房号代表一个具体房地产单位。
所述确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数的步骤具体为:
楼盘间比价系数 = 待估房地产楼盘权重后总分 / 可比楼盘权重后总分,
所述楼盘权重后总分的计算公式为P = ∑(Wi×Fi)= W1×F1+W2×F2+W3×F3+…+Wn×Fn
公式中P为楼盘权重后总分,n为楼盘影响因素的总数,Wi为楼盘特征权重,Fi为分值,
所述楼盘特征权重具体为楼盘品牌设定为0.5、建成年代设定为0.4、交通设定为0.4、商业中心距离设定为0.3、容积率设定为0.2、绿化率设定为0.2、物管费设定为0.1;
对于一个楼盘价格的影响,楼盘品牌>建成年代>交通>商业中心>容积率>绿化率>物管费, 将楼盘特征权重设定为楼盘品牌设定为0.5、建成年代设定为0.4、交通设定为0.4、商业中心距离设定为0.3、容积率设定为0.2、绿化率设定为0.2、物管费设定为0.1能够比较真实准确的建立楼盘间房价的参照体系。进而依据可比楼盘的价格准确获得待估价楼盘的价格。
所述确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤具体为:
房号间比价系数 = 待估房地产房号权重后总分 / 代表待估房地产楼盘均价的均价房号权重后总分,
所述房号权重后总分的计算公式为 F= ∑(Mi×Li)= M1×L1+M2×L2+M3×L3+…+Mk×Lk,
公式中F为房号权重后总分,k为房号特征影响因素的总数,Mi为房号特征权重,Li为分值,
所述房号特征权重具体为建筑面积设定为0.5、户型设定为0.4、楼层设定为0.4、景观设定为0.3、朝向设定为0.2、装饰装修设定为0.1。
对于一个房号价格的影响,建筑面积>户型>楼层>景观>朝向>装饰装修, 将房号特征权重设定为建筑面积设定为0.5、户型设定为0.4、楼层设定为0.4、景观设定为0.3、朝向设定为0.2、装饰装修设定为0.1能够比较真实准确的建立楼盘内房间的参照体系进而依据待估房地产楼盘本身的价格准确获得待估价房号的价格。
所述确定待估房地产楼盘均价的步骤具体为:
依据待估房地产楼盘所确定的可比楼盘之间的楼盘间比价系数乘以所述可比楼盘均价;当待估房地产楼盘有多个可比楼盘时,依据多个可比楼盘计算出多个待估房地产楼盘均价,然后取简单算术平均值作为最终的待估房地产楼盘均价。
所述确定待估房地产价格步骤具体为:
用房号间比价系数乘以待估房地产楼盘均价计算出待估房地产价格。
为了保证上述方法的实施,本发明还提供一种基于比价系数的房地产评估系统,包括下述模块,
数据预处理模块:
用于获取房地产数据,对所述房地产数据进行数据量化形成房地产估价数据库;
房地产数据的获取可以通过网络爬虫自动从互联网各大房地产交易网站获取,成本低且准确,排除人工干扰不易出错,通过对数据进行量化,有利于后续估价过程的客观性,准确性。
所述房地产数据包括每个房地产数据样本的楼盘特征、房号特征和价格;
所述楼盘特征包括距商业中心距离、交通、物管费、容积率、绿化率、建成年代和楼盘品牌;
所述房号特征包括建筑面积、户型、楼层、朝向、景观和装饰装修;
确定待估房地产是否可估价模块:
用于获取待估房地产数据,对待估房地产数据进行量化,在房地产估价数据库中确定待估房地产所属楼盘的可比楼盘,依据待估房地产所属楼盘和可比楼盘的建成年代信息、楼盘均价信息、相对距离信息中的三项对比确定待估楼盘是否存在可比楼盘,若是则执行估价模块,若否则通知用户结束估价程序;
建成年代、楼盘均价、相对距离,对于一个房地产的价值影响最大,通过这三个因素可以判定楼盘之间的价格是否可比。
估价模块:
用于确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数,
确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数,
确定待估房地产楼盘均价为所述楼盘间比价系数乘以所述可比楼盘均价,
确定待估房地产价格为房号间比价系数乘以待估房地产楼盘均价。
通过确定楼盘间比价系数和房号间比价系数,即使待估房地产所属楼盘没有房地产价格信息,也可进行估价,从而大大提高了本评估方法的适用范围。
所述确定待估房地产是否可估价模块进行待估房地产是否可估价判断的具体方法为:
依据建成年代从房地产估价数据库中确定可比楼盘:
若待估房地产楼盘为距今10年内的楼盘,其可比楼盘取向前5年向后3年,距今20年内的楼盘,取向前10年向后5年,其它建成年代的楼盘,取向前15年向后10年;
楼盘建成时间越新,其价格变化越大,楼盘建成时间越老其价格变化越小。
依据楼盘均价和相对距离从房地产估价数据库中确定可比楼盘包括:
依据往期均价从房地产估价数据库中确定可比楼盘,对比可比楼盘与待估房地产楼盘往期任意的月度均价,距离待估房地产楼盘500米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据近期均价从房地产估价数据库中确定可比楼盘,对比两楼盘近6个月内的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘,距离待估房地产楼盘1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据最新均价从房地产估价数据库中确定可比楼盘:对比两楼盘最新统计日期的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;两楼盘距离1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘。
楼盘间距离越近,价格相关性越高。
需要依据价格来确定可比楼盘时优先采用最新均价,若最新均价不能确定则采用近期均价来确定可比楼盘,若近期均价不能确定则采用往期均价来确定可比楼盘。
所述数据预处理模块对房地产数据进行量化具体为:
对房地产楼盘的每个楼盘特征进行5个等级量化确定每个楼盘特征的分值,所述楼盘特征为商业中心距离、交通、物管费、容积率、绿化率、建成年代、楼盘品牌;
商业中心距离、交通、物管费、容积率、绿化率、建成年代、楼盘品牌这7个特征与一个楼盘的价格有很大的相关性,通过对7个特征进行5个等级量化可以为一个楼盘的价格建立参照尺度。
对房地产房号的每个房号特征进行5个等级量化确定每个房号特征的分值,所述房号特征为建筑面积、户型、楼层、朝向、景观和装饰装修。
建筑面积、户型、楼层、朝向、景观、装饰装修这6个特征与一个具体房号的价格有很大的相关性,通过对6个特征进行5个等级量化可以为一个房号的价格建立参照尺度。
本发明所述的房号代表一个具体房地产单位。
所述确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数模块采用下述方法确定楼盘间比价系数:
楼盘间比价系数 = 待估房地产楼盘权重后总分 / 可比楼盘权重后总分,
所述楼盘权重后总分的计算公式为P = ∑(Wi×Fi)= W1×F1+W2×F2+W3×F3+…+Wn×Fn
公式中P为楼盘权重后总分,n为楼盘影响因素的总数,Wi为楼盘特征权重,Fi为分值,
所述楼盘特征权重具体为楼盘品牌设定为0.5、建成年代设定为0.4、交通设定为0.4、商业中心距离设定为0.3、容积率设定为0.2、绿化率设定为0.2、物管费设定为0.1;
对于一个楼盘价格的影响,楼盘品牌>建成年代>交通>商业中心>容积率>绿化率>物管费, 将楼盘特征权重设定为楼盘品牌设定为0.5、建成年代设定为0.4、交通设定为0.4、商业中心距离设定为0.3、容积率设定为0.2、绿化率设定为0.2、物管费设定为0.1能够比较真实准确的建立楼盘间房价的参照体系。进而依据可比楼盘的价格准确获得待估价楼盘的价格。
所述确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数模块采用下述方法确定房号间比价系数:
房号间比价系数 = 待估房地产房号权重后总分 / 代表待估房地产楼盘均价的均价房号权重后总分,
所述房号权重后总分的计算公式为 F= ∑(Mi×Li)= M1×L1+M2×L2+M3×L3+…+Mk×Lk
公式中F为房号权重后总分,k为房号特征影响因素的总数,Mi为房号特征权重,Li为分值,
所述房号特征权重具体为建筑面积设定为0.5、户型设定为0.4、楼层设定为0.4、景观设定为0.3、朝向设定为0.2、装饰装修设定为0.1。
对于一个房号价格的影响,建筑面积>户型>楼层>景观>朝向>装饰装修, 将房号特征权重设定为建筑面积设定为0.5、户型设定为0.4、楼层设定为0.4、景观设定为0.3、朝向设定为0.2、装饰装修设定为0.1能够比较真实准确的建立楼盘内房间的参照体系进而依据待估房地产楼盘本身的价格准确获得待估价房号的价格。
本发明还提供一种存储介质,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如下操作:
数据预处理步骤:
获取房地产数据,对所述房地产数据进行数据量化形成房地产估价数据库;
所述房地产数据包括每个房地产数据样本的楼盘特征、房号特征和价格;
所述楼盘特征包括距商业中心距离、交通、物管费、容积率、绿化率、建成年代和楼盘品牌;
所述房号特征包括建筑面积、户型、楼层、朝向、景观和装饰装修;
确定待估房地产是否可估价步骤:
获取待估房地产数据,对待估房地产数据进行量化,在房地产估价数据库中确定待估房地产所属楼盘的可比楼盘,依据待估房地产所属楼盘和可比楼盘的建成年代信息、楼盘均价信息、相对距离信息三项信息对比确定待估楼盘是否存在可比楼盘,若是则执行估价步骤,若否则通知用户结束估价程序;
估价步骤包括:
确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数步骤,
确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤,
确定待估房地产楼盘均价为所述楼盘间比价系数乘以所述可比楼盘均价,
确定待估房地产价格为房号间比价系数乘以待估房地产楼盘均价。
所述确定待估房地产是否可估价的步骤具体为:
依据建成年代从房地产估价数据库中确定可比楼盘:
若待估房地产楼盘为距今10年内的楼盘,其可比楼盘取向前5年向后3年,距今20年内的楼盘,取向前10年向后5年,其它建成年代的楼盘,取向前15年向后10年;
依据楼盘均价和相对距离从房地产估价数据库中确定可比楼盘包括:
依据往期均价从房地产估价数据库中确定可比楼盘,对比可比楼盘与待估房地产楼盘往期任意的月度均价,距离待估房地产楼盘500米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘,
依据近期均价从房地产估价数据库中确定可比楼盘,对比两楼盘近6个月内的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘,距离待估房地产楼盘1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据最新均价从房地产估价数据库中确定可比楼盘:对比两楼盘最新统计日期的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;两楼盘距离1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
所述房地产数据进行量化具体为:
对房地产楼盘的每个楼盘特征进行5个等级量化确定每个楼盘特征的分值,所述楼盘特征为商业中心距离、交通、物管费、容积率、绿化率、建成年代、楼盘品牌;
对房地产房号的每个房号特征进行5个等级量化确定每个房号特征的分值,所述房号特征为建筑面积、户型、楼层、朝向、景观、装饰装修;
所述确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数的步骤具体为:
楼盘间比价系数 = 待估房地产楼盘权重后总分 / 可比楼盘权重后总分,
所述楼盘权重后总分的计算公式为P = ∑(Wi×Fi)= W1×F1+W2×F2+W3×F3+…+Wn×Fn,
公式中P为楼盘权重后总分,n为楼盘影响因素的总数,Wi为楼盘特征权重,Fi为分值,
所述楼盘特征权重具体为楼盘品牌设定为0.5、建成年代设定为0.4、交通设定为0.4、商业中心距离设定为0.3、容积率设定为0.2、绿化率设定为0.2、物管费设定为0.1;
所述确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤具体为:
房号间比价系数 = 待估房地产房号权重后总分 / 代表待估房地产楼盘均价的均价房号权重后总分,
所述房号权重后总分的计算公式为 F= ∑(Mi×Li)= M1×L1+M2×L2+M3×L3+…+Mk×Lk,
公式中F为房号权重后总分,k为房号特征影响因素的总数,Mi为房号特征权重,Li为分值,
所述房号特征权重具体为建筑面积设定为0.5、户型设定为0.4、楼层设定为0.4、景观设定为0.3、朝向设定为0.2、装饰装修设定为0.1;
所述确定待估房地产楼盘均价的步骤具体为:
依据待估房地产楼盘所确定的可比楼盘之间的楼盘间比价系数乘以所述可比楼盘均价;当待估房地产楼盘有多个可比楼盘时,依据多个可比楼盘计算出多个待估房地产楼盘均价,然后取简单算术平均值作为最终的待估房地产楼盘均价;
所述确定待估房地产价格步骤具体为:
用房号间比价系数乘以待估房地产楼盘均价计算出待估房地产价格。
本发明的有益效果是:
1本发明结合传统评估方法的理论依据,采用比价系数法来评估房产价格,运用特征价格理论得出对比房产的比价系数,当一个房产价格缺失或者长久未更新时,可根据其已知价格的对比房产得到该房产价格。该方法收集利用大量的房地产数据,选择其中的特征作为模型的自变量,运用回归模型,建立房产特征的比价系数,可以对比较法、收益法、成本法三大传统房地产评估方法进行有效改进与补充,并对房产价格进行持续动态的有效监测。
2由于大量的连续的住宅案例数据还是较难获取,本发明采用可比关系模型研究住宅价格的影响因素,突破了传统房地产市场分析框架,适用面广。
3本发明用楼盘之间的相对距离代替地段,避免了需要收集大量的楼盘的社区环境信息,距离相近的楼盘,其社区配套环境可共享节省了人力成本。
4本发明覆盖面广,无论该楼盘有无案例均可估。
5本发明基于房地产大数据,可比关系模型选取样本不依赖于人工经验,可以大规模批量进行房地产评估,成本低且排除人工干扰出错率低。
本领域普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
另外,在本发明各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于比价系数的房地产评估方法,其特征在于,包括下述步骤,
数据预处理步骤:
获取房地产数据,对所述房地产数据进行数据量化形成房地产估价数据库;
所述房地产数据包括每个房地产数据样本的楼盘特征、房号特征和价格;
所述楼盘特征包括距商业中心距离、交通、物管费、容积率、绿化率、建成年代和楼盘品牌;
所述房号特征包括建筑面积、户型、楼层、朝向、景观和装饰装修;
确定待估房地产是否可估价步骤:
获取待估房地产数据,对待估房地产数据进行量化,在房地产估价数据库中确定待估房地产所属楼盘的可比楼盘,依据待估房地产所属楼盘和可比楼盘的建成年代信息、楼盘均价信息、相对距离信息三项信息对比确定待估楼盘是否存在可比楼盘,若是则执行估价步骤,若否则通知用户结束估价程序;
估价步骤包括:
确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数步骤,
确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤,
确定待估房地产楼盘均价为所述楼盘间比价系数乘以所述可比楼盘均价,
确定待估房地产价格为房号间比价系数乘以待估房地产楼盘均价。
2.如权利要求1所述的一种基于比价系数的房地产评估方法,其特征在于,所述确定待估房地产是否可估价的步骤具体为:
依据建成年代从房地产估价数据库中确定可比楼盘:
若待估房地产楼盘为距今10年内的楼盘,其可比楼盘取向前5年向后3年,距今20年内的楼盘,取向前10年向后5年,其它建成年代的楼盘,取向前15年向后10年;
依据楼盘均价和相对距离从房地产估价数据库中确定可比楼盘包括:
依据往期均价从房地产估价数据库中确定可比楼盘,对比可比楼盘与待估房地产楼盘往期任意的月度均价,距离待估房地产楼盘500米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘,
依据近期均价从房地产估价数据库中确定可比楼盘,对比两楼盘近6个月内的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘,距离待估房地产楼盘1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据最新均价从房地产估价数据库中确定可比楼盘:对比两楼盘最新统计日期的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;两楼盘距离1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘。
3.如权利要求1所述的一种基于比价系数的房地产评估方法,其特征在于,所述房地产数据进行量化具体为:
对房地产楼盘的每个楼盘特征进行5个等级量化确定每个楼盘特征的分值,所述楼盘特征为商业中心距离、交通、物管费、容积率、绿化率、建成年代、楼盘品牌;
对房地产房号的每个房号特征进行5个等级量化确定每个房号特征的分值,所述房号特征为建筑面积、户型、楼层、朝向、景观、装饰装修。
4.如权利要求1所述的一种基于比价系数的房地产评估方法,其特征在于,所述确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数的步骤具体为:
楼盘间比价系数 = 待估房地产楼盘权重后总分 / 可比楼盘权重后总分,
所述楼盘权重后总分的计算公式为P = ∑(Wi×Fi)= W1×F1+W2×F2+W3×F3+…+Wn×Fn,
公式中P为楼盘权重后总分,n为楼盘影响因素的总数,Wi为楼盘特征权重,Fi为分值,
所述楼盘特征权重具体为楼盘品牌设定为0.5、建成年代设定为0.4、交通设定为0.4、商业中心距离设定为0.3、容积率设定为0.2、绿化率设定为0.2、物管费设定为0.1;
所述确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤具体为:
房号间比价系数 = 待估房地产房号权重后总分 / 代表待估房地产楼盘均价的均价房号权重后总分,
所述房号权重后总分的计算公式为 F= ∑(Mi×Li)= M1×L1+M2×L2+M3×L3+…+Mk×Lk,
公式中F为房号权重后总分,k为房号特征影响因素的总数,Mi为房号特征权重,Li为分值,
所述房号特征权重具体为建筑面积设定为0.5、户型设定为0.4、楼层设定为0.4、景观设定为0.3、朝向设定为0.2、装饰装修设定为0.1;
所述确定待估房地产楼盘均价的步骤具体为:
依据待估房地产楼盘所确定的可比楼盘之间的楼盘间比价系数乘以所述可比楼盘均价;当待估房地产楼盘有多个可比楼盘时,依据多个可比楼盘计算出多个待估房地产楼盘均价,然后取简单算术平均值作为最终的待估房地产楼盘均价;
所述确定待估房地产价格步骤具体为:
用房号间比价系数乘以待估房地产楼盘均价计算出待估房地产价格。
5.一种基于比价系数的房地产评估系统,其特征在于,包括下述模块,
数据预处理模块:
用于获取房地产数据,对所述房地产数据进行数据量化形成房地产估价数据库;
所述房地产数据包括每个房地产数据样本的楼盘特征、房号特征和价格;
所述楼盘特征包括距商业中心距离、交通、物管费、容积率、绿化率、建成年代和楼盘品牌;
所述房号特征包括建筑面积、户型、楼层、朝向、景观和装饰装修;
确定待估房地产是否可估价模块:
用于获取待估房地产数据,对待估房地产数据进行量化,在房地产估价数据库中确定待估房地产所属楼盘的可比楼盘,依据待估房地产所属楼盘和可比楼盘的建成年代信息、楼盘均价信息、相对距离信息中的三项对比确定待估楼盘是否存在可比楼盘,若是则执行估价模块,若否则通知用户结束估价程序;
估价模块:
用于确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数,
确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数,
确定待估房地产楼盘均价为所述楼盘间比价系数乘以所述可比楼盘均价,
确定待估房地产价格为房号间比价系数乘以待估房地产楼盘均价。
6.如权利要求5所述的一种基于比价系数的房地产评估系统,其特征在于,所述确定待估房地产是否可估价模块进行待估房地产是否可估价判断的具体方法为:
依据建成年代从房地产估价数据库中确定可比楼盘:
若待估房地产楼盘为距今10年内的楼盘,其可比楼盘取向前5年向后3年,距今20年内的楼盘,取向前10年向后5年,其它建成年代的楼盘,取向前15年向后10年;
依据楼盘均价和相对距离从房地产估价数据库中确定可比楼盘包括:
依据往期均价从房地产估价数据库中确定可比楼盘,对比可比楼盘与待估房地产楼盘往期任意的月度均价,距离待估房地产楼盘500米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据近期均价从房地产估价数据库中确定可比楼盘,对比两楼盘近6个月内的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘,距离待估房地产楼盘1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据最新均价从房地产估价数据库中确定可比楼盘:对比两楼盘最新统计日期的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;两楼盘距离1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘。
7.如权利要求5所述的一种基于比价系数的房地产评估系统,其特征在于,所述数据预处理模块对房地产数据进行量化具体为:
对房地产楼盘的每个楼盘特征进行5个等级量化确定每个楼盘特征的分值,所述楼盘特征为商业中心距离、交通、物管费、容积率、绿化率、建成年代、楼盘品牌;
对房地产房号的每个房号特征进行5个等级量化确定每个房号特征的分值,所述房号特征为建筑面积、户型、楼层、朝向、景观和装饰装修。
8.如权利要求5所述的一种基于比价系数的房地产评估系统,其特征在于,所述确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数模块采用下述方法确定楼盘间比价系数:
楼盘间比价系数 = 待估房地产楼盘权重后总分 / 可比楼盘权重后总分,
所述楼盘权重后总分的计算公式为P = ∑(Wi×Fi)= W1×F1+W2×F2+W3×F3+…+Wn×Fn
公式中P为楼盘权重后总分,n为楼盘影响因素的总数,Wi为楼盘特征权重,Fi为分值,
所述楼盘特征权重具体为楼盘品牌设定为0.5、建成年代设定为0.4、交通设定为0.4、商业中心距离设定为0.3、容积率设定为0.2、绿化率设定为0.2、物管费设定为0.1;
所述确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数模块采用下述方法确定房号间比价系数:
房号间比价系数 = 待估房地产房号权重后总分 / 代表待估房地产楼盘均价的均价房号权重后总分,
所述房号权重后总分的计算公式为 F= ∑(Mi×Li)= M1×L1+M2×L2+M3×L3+…+Mk×Lk
公式中F为房号权重后总分,k为房号特征影响因素的总数,Mi为房号特征权重,Li为分值,
所述房号特征权重具体为建筑面积设定为0.5、户型设定为0.4、楼层设定为0.4、景观设定为0.3、朝向设定为0.2、装饰装修设定为0.1;
所述确定待估房地产楼盘均价的步骤具体为:
依据待估房地产楼盘所确定的可比楼盘之间的楼盘间比价系数乘以所述可比楼盘均价;当待估房地产楼盘有多个可比楼盘时,依据多个可比楼盘计算出多个待估房地产楼盘均价,然后取简单算术平均值作为最终的待估房地产楼盘均价;
所述确定待估房地产价格步骤具体为:
用房号间比价系数乘以待估房地产楼盘均价计算出待估房地产价格。
9.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,在所述程序运行时控制所述存储介质所在设备执行如下操作:
数据预处理步骤:
获取房地产数据,对所述房地产数据进行数据量化形成房地产估价数据库;
所述房地产数据包括每个房地产数据样本的楼盘特征、房号特征和价格;
所述楼盘特征包括距商业中心距离、交通、物管费、容积率、绿化率、建成年代和楼盘品牌;
所述房号特征包括建筑面积、户型、楼层、朝向、景观和装饰装修;
确定待估房地产是否可估价步骤:
获取待估房地产数据,对待估房地产数据进行量化,在房地产估价数据库中确定待估房地产所属楼盘的可比楼盘,依据待估房地产所属楼盘和可比楼盘的建成年代信息、楼盘均价信息、相对距离信息三项信息对比确定待估楼盘是否存在可比楼盘,若是则执行估价步骤,若否则通知用户结束估价程序;
估价步骤包括:
确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数步骤,
确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤,
确定待估房地产楼盘均价为所述楼盘间比价系数乘以所述可比楼盘均价,
确定待估房地产价格为房号间比价系数乘以待估房地产楼盘均价。
10.如权利要求9所述的一种存储介质,其特征在于,
所述确定待估房地产是否可估价的步骤具体为:
依据建成年代从房地产估价数据库中确定可比楼盘:
若待估房地产楼盘为距今10年内的楼盘,其可比楼盘取向前5年向后3年,距今20年内的楼盘,取向前10年向后5年,其它建成年代的楼盘,取向前15年向后10年;
依据楼盘均价和相对距离从房地产估价数据库中确定可比楼盘包括:
依据往期均价从房地产估价数据库中确定可比楼盘,对比可比楼盘与待估房地产楼盘往期任意的月度均价,距离待估房地产楼盘500米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘,
依据近期均价从房地产估价数据库中确定可比楼盘,对比两楼盘近6个月内的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘,距离待估房地产楼盘1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
依据最新均价从房地产估价数据库中确定可比楼盘:对比两楼盘最新统计日期的月度均价,距离待估房地产楼盘800米内的楼盘,相邻3个月的价格相差12%内,确定该楼盘为待估房地产楼盘的可比楼盘;两楼盘距离1200米内,相邻3个月的价格相差6%内,确定该楼盘为待估房地产楼盘的可比楼盘;
所述房地产数据进行量化具体为:
对房地产楼盘的每个楼盘特征进行5个等级量化确定每个楼盘特征的分值,所述楼盘特征为商业中心距离、交通、物管费、容积率、绿化率、建成年代、楼盘品牌;
对房地产房号的每个房号特征进行5个等级量化确定每个房号特征的分值,所述房号特征为建筑面积、户型、楼层、朝向、景观、装饰装修;
所述确定待估房地产所属楼盘与可比楼盘的楼盘间比价系数的步骤具体为:
楼盘间比价系数 = 待估房地产楼盘权重后总分 / 可比楼盘权重后总分,
所述楼盘权重后总分的计算公式为P = ∑(Wi×Fi)= W1×F1+W2×F2+W3×F3+…+Wn×Fn,
公式中P为楼盘权重后总分,n为楼盘影响因素的总数,Wi为楼盘特征权重,Fi为分值,
所述楼盘特征权重具体为楼盘品牌设定为0.5、建成年代设定为0.4、交通设定为0.4、商业中心距离设定为0.3、容积率设定为0.2、绿化率设定为0.2、物管费设定为0.1;
所述确定待估房地产房号与代表待估房地产楼盘均价的均价房号的房号间比价系数步骤具体为:
房号间比价系数 = 待估房地产房号权重后总分 / 代表待估房地产楼盘均价的均价房号权重后总分,
所述房号权重后总分的计算公式为 F= ∑(Mi×Li)= M1×L1+M2×L2+M3×L3+…+Mk×Lk,
公式中F为房号权重后总分,k为房号特征影响因素的总数,Mi为房号特征权重,Li为分值,
所述房号特征权重具体为建筑面积设定为0.5、户型设定为0.4、楼层设定为0.4、景观设定为0.3、朝向设定为0.2、装饰装修设定为0.1;
所述确定待估房地产楼盘均价的步骤具体为:
依据待估房地产楼盘所确定的可比楼盘之间的楼盘间比价系数乘以所述可比楼盘均价;当待估房地产楼盘有多个可比楼盘时,依据多个可比楼盘计算出多个待估房地产楼盘均价,然后取简单算术平均值作为最终的待估房地产楼盘均价;
所述确定待估房地产价格步骤具体为:
用房号间比价系数乘以待估房地产楼盘均价计算出待估房地产价格。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710167116.8A CN106875230A (zh) | 2017-03-20 | 2017-03-20 | 一种基于比价系数的房地产评估方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710167116.8A CN106875230A (zh) | 2017-03-20 | 2017-03-20 | 一种基于比价系数的房地产评估方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106875230A true CN106875230A (zh) | 2017-06-20 |
Family
ID=59171589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710167116.8A Pending CN106875230A (zh) | 2017-03-20 | 2017-03-20 | 一种基于比价系数的房地产评估方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106875230A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109272364A (zh) * | 2018-10-11 | 2019-01-25 | 北京国信达数据技术有限公司 | 自动估值模型建模方法 |
CN110097384A (zh) * | 2018-01-27 | 2019-08-06 | 深圳市鹏信资产评估土地房地产估价有限公司 | 一种用户快速获取房产评估信息的方法 |
CN112381311A (zh) * | 2020-11-24 | 2021-02-19 | 张汉勃 | 一种基于大数据的区域性城市房价合理性预测系统 |
CN113962584A (zh) * | 2021-10-29 | 2022-01-21 | 重庆汇集源科技有限公司 | 楼盘小区评级系统 |
CN113988930A (zh) * | 2021-10-29 | 2022-01-28 | 重庆汇集源科技有限公司 | 商业房地产人工智能估价系统 |
CN115587694A (zh) * | 2022-09-27 | 2023-01-10 | 深圳市云智评信息技术有限公司 | 用于房屋租金批量评估的数据处理方法、装置及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103345718A (zh) * | 2013-07-15 | 2013-10-09 | 北京拓世寰宇网络技术有限公司 | 一种二手房房价评估方法 |
CN103886477A (zh) * | 2012-12-22 | 2014-06-25 | 中国科学院深圳先进技术研究院 | 基于市场比较法的存量房批量估价方法 |
CN104881552A (zh) * | 2015-06-15 | 2015-09-02 | 西安西宇信息咨询有限责任公司 | 房屋性价比评估模型的构建方法 |
US20150332371A1 (en) * | 2012-12-20 | 2015-11-19 | Mpmsystems Pty Ltd | A Method For Ranking A Plurality Of Real Properties On Offer And A System For Ranking A Plurality Of Real Properties On Offer |
-
2017
- 2017-03-20 CN CN201710167116.8A patent/CN106875230A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150332371A1 (en) * | 2012-12-20 | 2015-11-19 | Mpmsystems Pty Ltd | A Method For Ranking A Plurality Of Real Properties On Offer And A System For Ranking A Plurality Of Real Properties On Offer |
CN103886477A (zh) * | 2012-12-22 | 2014-06-25 | 中国科学院深圳先进技术研究院 | 基于市场比较法的存量房批量估价方法 |
CN103345718A (zh) * | 2013-07-15 | 2013-10-09 | 北京拓世寰宇网络技术有限公司 | 一种二手房房价评估方法 |
CN104881552A (zh) * | 2015-06-15 | 2015-09-02 | 西安西宇信息咨询有限责任公司 | 房屋性价比评估模型的构建方法 |
Non-Patent Citations (2)
Title |
---|
伍耀强: ""房地产自动评估系统的研究与实现"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
董浩然 等: ""基于GIS主题爬虫的在线房产估价系统与优化"", 《地理信息世界》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097384A (zh) * | 2018-01-27 | 2019-08-06 | 深圳市鹏信资产评估土地房地产估价有限公司 | 一种用户快速获取房产评估信息的方法 |
CN109272364A (zh) * | 2018-10-11 | 2019-01-25 | 北京国信达数据技术有限公司 | 自动估值模型建模方法 |
CN112381311A (zh) * | 2020-11-24 | 2021-02-19 | 张汉勃 | 一种基于大数据的区域性城市房价合理性预测系统 |
CN113962584A (zh) * | 2021-10-29 | 2022-01-21 | 重庆汇集源科技有限公司 | 楼盘小区评级系统 |
CN113988930A (zh) * | 2021-10-29 | 2022-01-28 | 重庆汇集源科技有限公司 | 商业房地产人工智能估价系统 |
CN115587694A (zh) * | 2022-09-27 | 2023-01-10 | 深圳市云智评信息技术有限公司 | 用于房屋租金批量评估的数据处理方法、装置及设备 |
CN115587694B (zh) * | 2022-09-27 | 2023-11-28 | 深圳市云智评信息技术有限公司 | 用于房屋租金批量评估的数据处理方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875230A (zh) | 一种基于比价系数的房地产评估方法、系统及存储介质 | |
Banker et al. | Some models for estimating technical and scale inefficiencies in data envelopment analysis | |
Verhoogen | Trade, quality upgrading and wage inequality in the Mexican manufacturing sector: theory and evidence from an exchange rate shock | |
Peeples et al. | Refining correspondence analysis-based ceramic seriation of regional data sets | |
CN106340000A (zh) | 骨龄评估方法 | |
JP2003526147A (ja) | 自動的にポートフォリオ記述統計値を求める相互相関ツール | |
Anderson | The impact of trade liberalisation on poverty and inequality: Evidence from CGE models | |
Jiang et al. | Principal component analysis for extremes and application to US precipitation | |
Abdullah et al. | Capital structure and firm performance: a panel causality test | |
Kaurova et al. | Cross-country comparison of statistical indicators | |
Dotoli et al. | A Nash equilibrium simulation model for the competitiveness evaluation of the auction based day ahead electricity market | |
CN104123119B (zh) | 基于gpu的动态视觉测量特征点中心快速定位方法 | |
Gondwe | Regional integration and trade: The case of the common market for Eastern and Southern Africa (COMESA) free trade area | |
Yu et al. | Patent analysis-based fuzzy inference system for technological strategy planning | |
Bhorat et al. | Firm-level determinants of earnings in the formal sector of the South African labour market | |
CN111062602A (zh) | 企业信用风险评估的方法、装置及存储介质 | |
Canbolat et al. | A stochastic competitive R&D race where “winner takes all” | |
CN113793057A (zh) | 一种基于回归分析模型的建筑招投标数据生成方法 | |
CN109767333A (zh) | 选基方法、装置、电子设备及计算机可读存储介质 | |
Levin et al. | The dynamics of spatial inequality in UK housing wealth | |
Zafar et al. | Input subsidies, public investments and agricultural productivity in India | |
Hérivaux et al. | Exploring the potential of groundwater Markets in Agriculture: Results of a participatory evaluation in five French case studies | |
CN108681939A (zh) | 基于交易机器人及数据处理中心的信息推荐方法 | |
Bansal et al. | Arriving at a decision: A semi-parametric approach to institutional birth choice in India | |
CN108399170A (zh) | 数据挖掘方法以及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170620 |
|
RJ01 | Rejection of invention patent application after publication |