CN109272364A

CN109272364A - 自动估值模型建模方法

Info

Publication number: CN109272364A
Application number: CN201811186099.3A
Authority: CN
Inventors: 邓智滔; 邹朋朋; 李淑娜
Original assignee: Beijing Guoxinda Data Technology Co Ltd
Current assignee: Beijing Guoxinda Data Technology Co Ltd
Priority date: 2018-10-11
Filing date: 2018-10-11
Publication date: 2019-01-25

Abstract

本发明提供一种自动估值模型建模方法，包括下列步骤：(1)建立案例数据的数据库，在案例去重后，对建模需要的缺失值填补；(2)去除建模数据中的异常值，并将特征增加；(3)通过比例关系模型、特征价格模型、机器学习模型三种方式并行运算，预测出三个评估价格；(4)通过三个价格横向之间以及与该小区历史价格纵向之间的比较判断，做出终值判定；(5)结合高级特征修正后，得到最终结果。

Description

自动估值模型建模方法

技术领域

本发明涉及一种房屋市场价格评估的方法，尤其是涉及一种自动估值模型建模方法。

背景技术

目前房屋评估价是评估单位根据实地调查情况做出的价格判断。一般情况下，房屋评估价和市场价的定价主体不同，受市场因素影响程度有差异。房屋评估价就是中介机构依据相关数据对房屋进行评估后取得的价格。房屋评估价由评估单位进行实地考察之后作价。市场价一般就是税务部门纳税的时候出的一个价格，这个价格是在税务部门专门的系统里面有一个衡量标准。每个房子都是不一样的，影响房子市场价的因素也是多种多样的。而评估价是银行找评估公司评估，用来贷款的一个价格，一般评估价会低于市场价。但是，和市场价差距不会太大。评估价是指商品的成本或高于成本的评估叫评估价。

发明内容

本发明提供了一种自动估值模型，解决了房屋真实市场价值的发现问题，房屋市场价格评估是为了发现其真实市场价值，估价的依据是可比价格样本(交易案例)及相关特征变量信息，这是运用市场比较法的基本前提条件。其技术方案如下所述：

一种自动估值模型建模方法，包括下列步骤：

(1)建立案例数据的数据库，在案例去重后，对建模需要的缺失值进行填补；

(2)去除建模数据中的异常值，并将特征增加；

(3)通过比例关系模型、特征价格模型、机器学习模型三种方式并行运算，预测出三个评估价格；

(4)通过三个价格横向之间以及与该小区历史价格纵向之间的比较判断，做出终值判定；

(5)结合高级特征修正后，得到最终结果。

步骤(1)中，数据库采集的数据包含：房屋挂牌数据、房屋成交数据、房屋特征修正系数数据、小区信息数据、小区历史基准价数据。

步骤(1)的缺失值指房屋特征信息的缺失，所述房屋特征信息包括房屋朝向、房屋面积、房屋楼层、房屋装修情况；步骤(2)的异常值是指个别异常单价的房屋，明显高于或低于该小区均价的房屋，异常值带入模型会对预测效果产生较大影响，要做清洗异常值处理。

步骤(3)中，所述比例关系模型包括基准价和修正系数体系两个维度，基准价是指一个小区内标准房的价格，标准房是指在一个小区或一个楼宇内拥有最多共同属性或者数据最多的典型房地产；基准价计算程序是由python语言开发的一个计算脚本，通过整合房屋挂牌数据、房屋成交数据、房屋小区数据来计算小区基准价；

所述修正系数体系由城市办估价师依据不同城市的实际情况给出，参数包含朝向、面积、楼层、装修类型、住宅性质、楼栋信息。

步骤(3)中，所述特征价格模型是在一定区域范围内，把待估房地产价值作为被解释变量，把影响其价值的若干因素作为解释变量，采集大量房地产交易价格及影响因素样本数据，建立多元回归模型，然后利用该模型计算出待估房地产的价值。

所述特征价格模型中，影响其价值的因素包括房屋单价、面积、朝向、总楼层、当前层、建成年代、装修类型、建筑形式、建筑类别、小区绿化率、小区容积率、小区物业费、小区经纬度的信息；

特征价格模型的形式具体如下：

P、Y均是表示房屋单价的变量，P是模型公式中的表示，Y是样本案例的单价表示，X是样本案例的各项特征维度表示，X和Y结合其下标的数字代表不同组的结果，α和β均是特征变量X的待估系数，α和β结合其下标的数字代表不同组的样本案例，ε代表回归模型的残差项，c代表回归模型的常数项，下标k代表不同组的样本案例，下标n代表同组样本下不同的特征变量，Un代表回归模型的残差项。

所述机器学习模型包括以下步骤：

1)确定小区基准价；整合房产属性数据、空间数据、价格数据以及其他调研数据，通过数据库关联、数据整理建立做好数据准备，分为案例充足与案例不充足，案例充足的取小区中位数为基准价，案例不足的用指数调整法调整案例数量，如再不充足用插值模型，或者聚类算法给出价格，通过以上算法最终给出小区基准价；

2)样本抽取；分为训练集和测试集，针对训练集采取分层随机抽样保证样本覆盖度，针对测试集采用随机抽取真实成交案例，保证模型可信度；

3)模型训练；使用支持向量机进行模型训练，将低维空间线性不可分问题转换为高维空间线性可分问题；使用随机森林进行模型训练，多个决策树的组合，最终结果由多个决策树共同作用产生，可以得到小区到户价格的映射，不需要人工计算调整系数；

4)模型结果级联；通过预测结果级联，避免单一模型估值偏差，提升模型估值稳定性。根据监测指标PPE进行级联，得到机器学习模型评估结果。

进一步的，步骤3)中，决策树采用决策树+SVM模型，使用决策树对小区价格进行分段，按照价格分位数分成五段；分段之后，每段分别建立svm回归模型，对房屋价格进行预测。

进一步的，步骤2)中，训练集及测试集选择：每个城市随机选择挂牌案例10万条作为训练集，从剩余案例中随机抽取2万条作为测试集；模型用到的变量包括：楼层、当前层、面积、朝向、建成年份、建筑形式、容积率、绿化率、物业费、经度、纬度、小区挂牌中位数。

所述自动估值模型是集应用数学、统计理论和计算机编程技术为一体的综合项目，包括多元回归分析技术，聚类分析，模型的建立、校准和检验，可以通过采集房地产特征变量信息来进行市场分析、建模，从而估算出房地产的市场价值。

附图说明

图1是所述比价关系模型整体方法框架示意图；

图2是所述机器学习模型的整体方法架构示意图；

图3是自动估值模型系统进行实际评估的操作示意图。

具体实施方式

本发明采用多个模型并举级联的方案，屏蔽了单一模型的技术风险，保证了估价模型的应用质量。

所述自动估值模型建模方法，如图1所示，包括下列步骤：

(2)去除建模数据中的异常值，并将特征增加；

(5)结合高级特征修正后，得到最终结果。

缺失值指房屋特征信息的缺失，所述房屋特征信息包括房屋朝向、房屋面积、房屋楼层、房屋装修情况。

步骤(2)的异常值是指个别异常单价的房屋，明显高于或低于该小区均价的房屋，异常值带入模型会对预测效果产生较大影响，要做清洗异常值处理。

特征增加，是指除了补足上述的数据库采集的数据所采集的相关数据特征外，根据实际情况可以再增加和房屋相应的其他特征，接着进行后面的运算。

然后，其主要应用的估价模型包括：比价关系模型、特征价格模型、机器学习模型。

比价关系模型

1.1.比价关系模型理论介绍

比价关系模型是一种全新的批量评估技术，通过逐步构建基准模型、更新模型及控制模型，实现了高精度、低成本、大批量的房产价值评估。其核心是市场比较法。在每栋楼宇内挑选一个典型房地产单位，典型房产是指在一个小区或一个楼宇内拥有最多共同属性或者数据最多的房地产，建立整栋房地产与此标准房地产的修正系数体系，修正系数体系主要是各城市资深评估师建立维护，通过更新机制与控制机制，修正系数体系不断完善，直至保持稳定，在每个评估周期内通过评估标准房地产的价格，达到对整栋楼宇的价值评估。其特点主要有：

1.建立“城市-评估分区-楼宇-房屋”立体化的批量评估体系；

2.每栋楼宇是统一的结合体，标准房地产是每栋楼宇的轴心，其他房地产通过一套独立的参数体系与标准房地产相关联，减小了评估总体与楼宇内部房屋评估价格的离散程度，提高了房地产的评估精度；

3.采用适应评估技术，使房地产评估并不是孤立在一个静止的时点，而是在连续的时间序列上进行，符合房地产市场动态变化的规律。

如图1所示，所述比价关系模型整体方法框架中，基准价和修正系数体系是比价关系模型中两个重要的维度。基准价是每月由基准价计算程序定时计算更新的，基准价计算程序主要是由python语言开发的计算脚本，通过整合房屋挂牌数据、房屋成交数据、房屋小区数据等来计算小区基准价，这是一套自动化计算的程序，每次计算均使用最新的案例数据，保证基准价结果实时同步；修正系数体系是由城市办估价师依据不同城市的实际情况给出，本发明的修正系数体系包含朝向、面积、楼层、装修类型、住宅性质、楼栋等，多维度的修正保证估价的准确性。

特征价格模型

2.1.特征价格模型理论介绍

特征价格模型是在一定区域范围内，把待估房地产价值作为被解释变量(因变量)，把影响其价值的若干因素作为解释变量(自变量)，采集大量房地产交易价格及影响因素样本数据，建立多元回归模型，然后利用该模型计算出待估房地产的价值。

特征价格法，又称Hedonic模型法和效用估价法，认为房地产由众多不同的特征组成，而房地产价格是由所有特征带给人们的效用决定的。由于各特征的数量及组合方式不同，使得房地产的价格产生差异。因此，如能将房地产的价格影响因素分解，求出各影响因素所隐含的价格，在控制地产的特征(或品质)数量固定不变时，就能将房地产价格变动的品质因素拆离，以反映纯粹价格的变化。

2.2.特征价格模型估值应用

特征价格估值模型是基于统计学的多元回归模型，通过对已知价格房源训练模型来预测未知价格的房屋，主要使用的特征维度：房屋单价、面积、朝向、总楼层、当前层、建成年代、装修类型、建筑形式、建筑类别、小区绿化率、小区容积率、小区物业费、小区经纬度等，具体各字段规范如下：

核心字段规范标准表

朝向、建筑形式、建筑类别等字段类型的取值，不同渠道的来源，往往有不同的名称和叫法，为了方便对数据进行处理和建模，根据《房地产市场基础信息数据标准》进行规范化取值，并将数据中，其他字段取值转换为标准取值。其对应值分别如表：

类别字段取值表

特征价格模型的形式具体如下：

以上式中的P、Y均是表示房屋单价的变量，P是模型公式中的表示，Y是样本案例的单价表示，X是样本案例的各项特征维度表示，X和Y结合其下标的数字代表不同组的结果，α和β均是特征变量X的待估系数，α和β结合其下标的数字代表不同组的样本案例，ε代表回归模型的残差项，c代表回归模型的常数项，下标k代表不同组的样本案例，下标n代表同组样本下不同的特征变量，Un代表回归模型的残差项，将数据经过清洗处理后分成模型训练集和测试集，把模型训练集数据读入分析软件中，可计算出各特征的系数和系数显著程度，然后在测试数据上验证模型预测效果，经过不断优化调试使模型达到最佳预测水平，使用优化完成后的特征价格模型对待估房源进行预测，可预估出该房源在特征价格模型下的房屋单价。

机器学习模型

3.1.机器学习模型介绍

机器学习(Machine Learning,ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。使用机器学习算法实现房地产自动估值是国信达独创的AVM模型体系，其核心思路是使用国信达现有的挂牌和成交案例，用决策树、随机森林、支持向量机(SVM)等机器学习算法来自动计算和调整每个城市的自动估值体系，配合比价关系模型等方法，来实现房产评估的自动化，尽量减少人工的参与，提高估值效率。

如图2所示，机器学习模型的整体方法架构中，机器学习评估法的总体路线分为以下几个部分：

1.确定小区基准价。整合房产属性数据、空间数据、价格数据以及其他调研数据，通过数据库关联、数据整理建立做好数据准备，分为案例充足于案例不充足，案例充足的取小区中位数为基准价，案例不足的用指数调整法调整案例数量，如再不充足用插值模型，或者聚类算法给出价格，通过以上算法最终给出小区基准价。

2.样本抽取。针对训练集采取分层随机抽样保证样本覆盖度，针对测试集采用随机抽取真实成交案例，保证模型可信度。

3.模型训练。使用支持向量机进行模型训练，将低维空间线性不可分问题转换为高维空间线性可分问题。使用随机森林进行模型训练，多个决策树的组合，最终结果由多个决策树共同作用产生，可以得到小区到户价格的映射，不需要人工计算调整系数。

4.模型结果级联。通过预测结果级联，避免单一模型估值偏差，提升模型估值稳定性。根据监测指标PPE进行级联，得到机器学习模型评估结果，PPE是percentageprediction error的缩写即：百分比、预测、误差，就是房产自动估值模型的预测误差比率的意思，一般使用PPE15的取值结果，PPE15定义如下：模型对房源的预测值与房源本身原有值之间的误差百分比小于等于15％的样本数占总数量的比值。

3.2.机器学习模型估价应用

决策树+SVM模型是机器学习模型中的一种，其基本思路是首先使用决策树对小区价格进行分段，按照价格分位数分成五段，可以提高后续模型的准确率和计算速度。分段之后，每段分别建立svm回归模型，对房屋价格进行预测。

训练集及测试集选择：每个城市随机选择挂牌案例10万条作为训练集，从剩余案例中随机抽取2万条作为测试集；模型用到的变量包括：楼层、当前层、面积、朝向、建成年份、建筑形式、容积率、绿化率、物业费、经度、纬度、小区挂牌中位数。

决策树模型训练方法：根据训练集样本价格的分位数，将训练集样本分成五段，作为决策树分类目标；使用容积率、绿化率、物业费、经纬度、小区挂牌中位数字段作为条件进行模型训练，得到决策树分类模型，并对训练集和测试集进行分类。

SVM模型训练方法：用2.3.2所训练的决策树模型对训练集和测试集所有数据进行分类，并在没一类中进行SVM模型训练。SVM模型训练时使用：楼层、当前层、面积、朝向、建成年份、建筑形式、容积率、绿化率、物业费、经度、纬度、小区挂牌中位数全部字段作为变量，使用挂牌/成交价格作为最终目标。

模型评价：模型训练完成后，对测试集进行案例进行价格预测，并与实际挂牌/成交案例进行比较得到模型的准确率评价表。

如图3所示，自动估值模型系统进行实际评估时，系统内部的三个模型(比价关系模型、特征价格模型以及机器学习模型)会并行运算，每一个模型依据自身的算法理论，筛选不同的特征维度训练预测模型，所以针对一套住宅评估时内部会预测出三个评估价格，这样屏蔽了单一模型的技术风险，保证了估价模型的应用质量。

三个不同模型预测的价格在自动估值模型系统内部会进行比较判断，通过三个价格横向之间以及与该小区历史价格纵向之间的多种比较判断，会计算出自动评估模型系统的价格，该价格综合了三个模型的优势，最大可能的屏蔽单一模型的误差，保证评估的精准。

自动评估模型系统计算出的价格最后还会结合本发明采集的小区级别的高级特征数据(比如：小区周边交通情况、周边噪音、光照情况等)进行系数修正。

Claims

1.一种自动估值模型建模方法，包括下列步骤：

(2)去除建模数据中的异常值，并将特征增加；

(5)结合高级特征修正后，得到最终结果。

2.根据权利要求1所述的自动估值模型建模方法，其特征在于：步骤(1)中，数据库采集的数据包含：房屋挂牌数据、房屋成交数据、房屋特征修正系数数据、小区信息数据、小区历史基准价数据。

3.根据权利要求1所述的自动估值模型建模方法，其特征在于：步骤(1)的缺失值指房屋特征信息的缺失，所述房屋特征信息包括房屋朝向、房屋面积、房屋楼层、房屋装修情况；步骤(2)的异常值是指个别异常单价的房屋，明显高于或低于该小区均价的房屋，异常值带入模型会对预测效果产生较大影响，要做清洗异常值处理。

4.根据权利要求1所述的自动估值模型建模方法，其特征在于：步骤(3)中，所述比例关系模型包括基准价和修正系数体系两个维度，基准价是指一个小区内标准房的价格，标准房是指在一个小区或一个楼宇内拥有最多共同属性或者数据最多的典型房地产；基准价计算程序是由python语言开发的一个计算脚本，通过整合房屋挂牌数据、房屋成交数据、房屋小区数据来计算小区基准价；

5.根据权利要求1所述的自动估值模型建模方法，其特征在于：步骤(3)中，所述特征价格模型是在一定区域范围内，把待估房地产价值作为被解释变量，把影响其价值的若干因素作为解释变量，采集大量房地产交易价格及影响因素样本数据，建立多元回归模型，然后利用该模型计算出待估房地产的价值。

6.根据权利要求5所述的自动估值模型建模方法，其特征在于：所述特征价格模型中，影响其价值的因素包括房屋单价、面积、朝向、总楼层、当前层、建成年代、装修类型、建筑形式、建筑类别、小区绿化率、小区容积率、小区物业费、小区经纬度的信息；

特征价格模型的形式具体如下：

P、Y是表示房屋单价的变量，P是模型公式中的表示，Y是样本案例的单价表示，X是样本案例的各项特征维度表示，X和Y结合其下标的数字代表不同组的结果，α和β均是特征变量X的待估系数，α和β结合其下标的数字代表不同组的样本案例，ε代表回归模型的残差项，c代表回归模型的常数项，下标k代表不同组的样本案例，下标n代表同组样本下不同的特征变量，Un代表回归模型的残差项。

7.根据权利要求1所述的自动估值模型建模方法，其特征在于：所述机器学习模型包括以下步骤：

8.根据权利要求7所述的自动估值模型建模方法，其特征在于：步骤3)中，决策树采用决策树+SVM模型，使用决策树对小区价格进行分段，按照价格分位数分成五段；分段之后，每段分别建立svm回归模型，对房屋价格进行预测。

9.根据权利要求7所述的自动估值模型建模方法，其特征在于：步骤2)中，训练集及测试集选择：每个城市随机选择挂牌案例10万条作为训练集，从剩余案例中随机抽取2万条作为测试集；模型用到的变量包括：楼层、当前层、面积、朝向、建成年份、建筑形式、容积率、绿化率、物业费、经度、纬度、小区挂牌中位数。