CN111047359A - 房地产智能估价系统 - Google Patents

房地产智能估价系统 Download PDF

Info

Publication number
CN111047359A
CN111047359A CN201911291484.9A CN201911291484A CN111047359A CN 111047359 A CN111047359 A CN 111047359A CN 201911291484 A CN201911291484 A CN 201911291484A CN 111047359 A CN111047359 A CN 111047359A
Authority
CN
China
Prior art keywords
real estate
transaction
price
valuation
estimated price
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
Application number
CN201911291484.9A
Other languages
English (en)
Inventor
李琦
宋卫东
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Ruiyun Technology Co ltd
Original Assignee
Chongqing Ruiyun Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chongqing Ruiyun Technology Co ltd filed Critical Chongqing Ruiyun Technology Co ltd
Priority to CN201911291484.9A priority Critical patent/CN111047359A/zh
Publication of CN111047359A publication Critical patent/CN111047359A/zh
Pending legal-status Critical Current

Links

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
    • G06Q30/0278—Product appraisal
    • 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)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Finance (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (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

本发明属于估价系统技术领域，具体公开了房地产智能估价系统，包括市场比较价值评估系统、神经网络价值评估系统和房地产交易历史数据库，房地产交易历史数据库中采集了若干房地产交易信息数据；市场比较价值评估系统和神经网络价值评估系统均是基于房地产交易历史数据库来实现；神经网络价值评估系统通过评估，得到第一估算价格P1；所述市场比较价值评估系统通过评估，得到第二估算价格P2；根据第一估算价格P1、第二估算价格P2和评估规则，得出最终估算价格P。上述系统，能够解决传统房地产销售模式中不存在房价的衡量标准导致购房客户难以判断房价的真实性，从而为购房过程中带来了很多难点的问题。

Description

房地产智能估价系统
技术领域
本发明属于估价系统技术领域，尤其涉及一种房地产智能估价系统。
背景技术
传统房地产销售方式，没有完全考虑到购房客户的真实感受，对于开发商报出或者二手房时长挂出的价格，难以判断其真实性，以致于购房这个过程变得十分的艰辛。由于没有一个衡量判断的标准，因此购房客户对整个房地产市场充满了顾虑，大多数情况下通过观望、跟风决定是否需要买入，这种现象普遍存在，并且成为广大购房客户面前的一个长期的痛点。
发明内容
本发明的目的在于提供一种房地产智能估价系统，以解决传统房地产销售模式中不存在房价的衡量标准导致购房客户难以判断房价的真实性，从而为购房过程中带来了很多难点的问题。
为了达到上述目的，本发明的技术方案为：房地产智能估价系统，包括市场比较价值评估系统、神经网络价值评估系统和房地产交易历史数据库，所述房地产交易历史数据库中采集了若干房地产交易信息数据；所述市场比较价值评估系统和神经网络价值评估系统均是基于房地产交易历史数据库来实现；所述神经网络价值评估系统通过评估，得到第一估算价格P1；所述市场比较价值评估系统通过评估，得到第二估算价格P2；所述市场比较价值评估系统包括如下评估步骤：
(1)获取估价对象的相关信息；
(2)根据估价对象的相关信息从房地产交易历史数据库中搜索得到若干可比实例；
(3)根据若干可比实例的具体情况，分别对房地产交易历史数据库中的信息数据进行修正，形成相应的修正系数Ni；
(4)根据若干可比实例和修正系数计算得出每个可比实例的比准价格Ai，再根据比准价格Ai得出第二估算价格P2；
根据第一估算价格P1、第二估算价格P2和评估规则，得出最终估算价格P。
进一步，所述房地产交易历史数据库中对房地产属性进行了归纳，房地产属性包括区域、用途、建筑结构、户型、楼层、交易情况、交易日期、建筑面积、套内面积、土地剩余使用年限、产权年限、装修情况和容积率。
进一步，所述修正系数Ni包括交易情况修正系数N1、交易日期修正系数N2、区域修正系数N3、个别情况修正系数N4和土地剩余使用年限修正系数N5，其中个别情况修正系数N4是指对建筑结构、户型、楼层、建筑面积、套内面积、产权年限、装修情况和容积率的总的修正系数。
进一步，所述可比实例的确定因素包括：(1)与估价对象的区域类似；(2)与估价对象的用途相同；(3)与估价对象的建筑结构相同；(4)与估价对象的价格类型相同；(5)与估价对象的交易情况相似；(6)交易时间与估价时间相近。
进一步，所述比准价格Ai＝Bi*N1*N2*N3*N4*N5，其中Bi为第i个可比实例的单价；所述第二估算价格P2为i个可比价格的均值。
进一步，所述区域包括各个行政区，用途包括居住和增值，建筑结构包括钢筋混泥土、砖木结构、砖混结构、钢结构和核心筒结构，户型包括一室一厅、两室一厅、三室一厅、三室两厅、四室一厅和其他，楼层包括1-35层，交易情况包括正常交易、拍卖、抵押和其他，装修情况包括精装修、简装修和清水房。
进一步，所述市场比较价值评估系统包括如下评估步骤：
(1)从交易信息数据库中提取主要指标或因素：区域、用途、建筑结构、户型、楼层、交易情况、交易时间、建筑面积、套内面积、土地剩余使用年限、产权年限、装修情况和容积率等；
(2)建立各项指标的量化标准体系；
(3)构建模型；
(4)模型训练；
(5)模型验证；
(6)通过(5)验证满足要求后进行(7)，否则返回(4)继续训练；
(7)通过输入估价对象的相关信息进行模型估价。
进一步，最终估算价格P＝(P1+P2)/2。
进一步，根据以下规则确定最终估算价格P：
若
Figure BDA0002319200100000031
则P＝P2；
若
Figure BDA0002319200100000032
则P＝(P1+P2)/2；
若
Figure BDA0002319200100000033
则P＝P1。
本技术方案的有益效果在于：
(1)市场比较价值评估系统是根据市场上的可比实例进行比较评估，神经网络价值评估系统是通过大数据进行模型运算，根据数据的特征进行数据运算。将两者得出的数据进行融合，从而得到最终估算价格，使得价格更具有参考性。
(2)当
Figure BDA0002319200100000034
说明第一估算价格P1和第二估算价格P2的相差幅度比较小，并且市场比较价值评估系统得出的价格是考虑了市场上房地产的各因素得出的，因此具有一定的主导作用，因此此时最终估算价格为第二估算价格P2。
(3)当
Figure BDA0002319200100000035
说明市场比较价值评估系统得出的价格存在一定的偏差，需要使用模型进行运算，由于大数据进行模型运算时，计算出的结果会随着样本数据的增加以及特征的完善，不断进行优化和调整，因此此时最终估算价格为第二估算价格P1。
具体实施方式
下面通过具体实施方式进一步详细说明：
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
房地产智能估价系统，包括包括市场比较价值评估系统、神经网络价值评估系统和房地产交易历史数据库，所述房地产交易历史数据库中采集了若干房地产交易信息数据；所述市场比较价值评估系统和神经网络价值评估系统均是基于房地产交易历史数据库来实现；所述神经网络价值评估系统通过评估，得到第一估算价格P1；所述市场比较价值评估系统通过评估，得到第二估算价格P2；所述市场比较价值评估系统包括如下评估步骤：
(1)获取估价对象的相关信息；
(2)根据估价对象的相关信息从房地产交易历史数据库中搜索得到若干可比实例；
(3)根据若干可比实例的具体情况，分别对房地产交易历史数据库中的信息数据进行修正，形成相应的修正系数Ni；
(4)根据若干可比实例和修正系数计算得出每个可比实例的比准价格Ai，再根据比准价格Ai得出第二估算价格P2。
市场比较价值评估系统包括如下评估步骤：
(1)从交易信息数据库中提取主要指标或因素：区域、用途、建筑结构、户型、楼层、交易情况、交易时间、建筑面积、套内面积、土地剩余使用年限、产权年限、装修情况和容积率等；
(2)建立各项指标的量化标准体系；
(3)构建模型；
(4)模型训练；
(5)模型验证；
(6)通过(5)验证满足要求后进行(7)，否则返回(4)继续训练；
(7)通过输入估价对象的相关信息进行模型估价。
根据第一估算价格P1和第二估算价格P2得出最终估算价格P，最终估算价格P＝(P1+P2)/2。
其中，房地产交易历史数据库中对房地产属性进行了归纳，房地产属性包括区域、用途、建筑结构、户型、楼层、交易情况、交易日期、建筑面积、套内面积、土地剩余使用年限、产权年限、装修情况和容积率。
其中，修正系数Ni包括交易情况修正系数N1、交易日期修正系数N2、区域修正系数N3、个别情况修正系数N4和土地剩余使用年限修正系数N5，其中个别情况修正系数N4是指对建筑结构、户型、楼层、建筑面积、套内面积、产权年限、装修情况和容积率的总的修正系数。
其中，可比实例的确定因素包括：(1)与估价对象的区域类似；(2)与估价对象的用途相同；(3)与估价对象的建筑结构相同；(4)与估价对象的价格类型相同；(5)与估价对象的交易情况相似；(6)交易时间与估价时间相近。
其中，比准价格Ai＝Bi*N1*N2*N3*N4*N5，其中Bi为第i个可比实例的单价；所述第二估算价格P2为i个可比价格的均值。
其中，所述区域包括各个行政区，用途包括居住和增值，建筑结构包括钢筋混泥土、砖木结构、砖混结构、钢结构和核心筒结构，户型包括一室一厅、两室一厅、三室一厅、三室两厅、四室一厅和其他，楼层包括1-35层，交易情况包括正常交易、拍卖、抵押和其他，装修情况包括精装修、简装修和清水房。
实施例二
房地产智能估价系统，本实施例与实施例一的区别仅在于最终估算价格P的选取，本实施例中，
若
Figure BDA0002319200100000051
则P＝P2；
若
Figure BDA0002319200100000052
则P＝(P1+P2)/2；
若
Figure BDA0002319200100000053
则P＝P1。
下面通过一个例子进行具体阐述：
估价对象：房地产X，区域：X小区；用途：住宅；建筑结构：钢筋混凝土；户型：二室二厅；建筑面积：103.5平方米；套内面积：90.2平方米；楼层：12层；容积率：2.3；土地剩余使用年限：70年；产权年限：50年；已使用年限：5年；装修情况：精装修。
估价时点：2019年1月22日
一、市场比较价值评估系统
1、通过自动匹配，从数据源中得到如下可比实例。
楼盘项目 可比实例A<sub>1</sub> 可比实例A<sub>2</sub> 可比实例A<sub>3</sub>
区域 X市X小区 X市X小区 X市小区
交易情况 正常交易 正常交易 正常交易
交易日期 2018/5/11 2018/7/15 2018/9/22
建筑结构 钢筋混凝土 钢筋混凝土 钢筋混凝土
建筑总层数 31 31 30
所在层数 10 8 25
装修状况 精装修 精装修 简装修
面积(㎡) 87 92 116
交易价格(万元) 816000 885000 1023000
2、对各属性进行修正，得到如下修正系数：
项目 可比实例A<sub>1</sub> 可比实例A<sub>2</sub> 可比实例A<sub>3</sub>
交易情况修正系数N<sub>1</sub> 100/100 100/100 100/100
交易日期修正系数N<sub>2</sub> 108/100 106/100 104/100
区域修正系数N<sub>3</sub> 100/100 100/100 100/98
个别情况修正系数N<sub>4</sub> 98/101 98/86 98/91
剩余使用年期修正N<sub>5</sub> 100/100 100/100 100/100.31
其中交易情况修正系数N1，若可比实例与估价对象的交易情况相同，则交易情况修正系数N1为100％。若估价对象为正常交易，可比实例为拍卖或抵押，则交易情况修正系数N1为100/90。若估价对象为拍卖或抵押，可比实例为正常交易，则交易情况修正系数N1为90/100。
其中交易日期修正系数N2＝(100+n)/100，其中n为估价时点减去交易日期得到的月份。
其中区域修正系数N3，若可比实例与估价对象的在同一个行政区，则区域修正系数N3为100％，若可比实例与估价对象不在同一个行政区，则根据可比实例的行政区的平均房价减去估价对象的行政区的平均房价的值m来计算，则区域修正系数N3＝100/(m/1000+100)。
其中个别情况修正系数N4，针对个别情况进行整体的修正。例如装修情况中的精装修、简装修和清水房等，若装修情况不同，估价对象的精装修会使个别情况修正系数N4变大，而估价对象清水房则会使个别情况修正系数N4变小，这都是可以人为进行调整的。
其中剩余使用年期修正N5，若可比实例与估价对象的剩余使用年限相同，则剩余使用年期修正N5为100％，若可比实例的剩余使用年限大于估价对象的剩余使用年限，则剩余使用年期修正N5为100/(100+(1-估价对象的剩余使用年限/可比实例的剩余使用年限))。
3、通过以上修正系数，计算可比实例比准价格Ai
楼盘项目 可比实例A<sub>1</sub> 可比实例A<sub>2</sub> 可比实例A<sub>3</sub>
单价(元/平方米) 9379.31 9619.57 8818.97
可比实例比准价格A<sub>i</sub> 9828.77 11619.54 10047.68
4、通过可比实例比准价格Ai第二估算价格P2，P2＝10498.66(元/平方米)。
二、神经网络价值评估系统
通过神经网络模型输出结果为P1＝10123.23元/平方米。
三、确定最终估算价格P。
1、实施例一中的计算方式：P＝(P1+P2)/2＝10310.945。
2、实施例二中的计算方式：由于
Figure BDA0002319200100000071
因此P＝(P1+P2)/2＝10310.945。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述，所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识，能够获知该领域中所有的现有技术，并且具有应用该日期之前常规实验手段的能力，所属领域普通技术人员可以在本申请给出的启示下，结合自身能力完善并实施本方案，一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (9)

1.房地产智能估价系统，其特征在于：包括市场比较价值评估系统、神经网络价值评估系统和房地产交易历史数据库，所述房地产交易历史数据库中采集了若干房地产交易信息数据；所述市场比较价值评估系统和神经网络价值评估系统均是基于房地产交易历史数据库来实现；所述神经网络价值评估系统通过评估，得到第一估算价格P1；所述市场比较价值评估系统通过评估，得到第二估算价格P2；所述市场比较价值评估系统包括如下评估步骤：
(1)获取估价对象的相关信息；
(2)根据估价对象的相关信息从房地产交易历史数据库中搜索得到若干可比实例；
(3)根据若干可比实例的具体情况，分别对房地产交易历史数据库中的信息数据进行修正，形成相应的修正系数Ni；
(4)根据若干可比实例和修正系数计算得出每个可比实例的比准价格Ai，再根据比准价格Ai得出第二估算价格P2；
根据第一估算价格P1、第二估算价格P2和评估规则，得出最终估算价格P。
2.根据权利要求1所述的房地产智能估价系统，其特征在于：所述房地产交易历史数据库中对房地产属性进行了归纳，房地产属性包括区域、用途、建筑结构、户型、楼层、交易情况、交易日期、建筑面积、套内面积、土地剩余使用年限、产权年限、装修情况和容积率。
3.根据权利要求2所述的房地产智能估价系统，其特征在于：所述修正系数Ni包括交易情况修正系数N1、交易日期修正系数N2、区域修正系数N3、个别情况修正系数N4和土地剩余使用年限修正系数N5，其中个别情况修正系数N4是指对建筑结构、户型、楼层、建筑面积、套内面积、产权年限、装修情况和容积率的总的修正系数。
4.根据权利要求1所述的房地产智能估价系统，其特征在于：所述可比实例的确定因素包括：(1)与估价对象的区域类似；(2)与估价对象的用途相同；(3)与估价对象的建筑结构相同；(4)与估价对象的价格类型相同；(5)与估价对象的交易情况相似；(6)交易时间与估价时间相近。
5.根据权利要求3所述的房地产智能估价系统，其特征在于：所述比准价格Ai＝Bi*N1*N2*N3*N4*N5，其中Bi为第i个可比实例的单价；所述第二估算价格P2为i个可比价格的均值。
6.根据权利要求2所述的房地产智能估价系统，其特征在于：所述区域包括各个行政区，用途包括居住和增值，建筑结构包括钢筋混泥土、砖木结构、砖混结构、钢结构和核心筒结构，户型包括一室一厅、两室一厅、三室一厅、三室两厅、四室一厅和其他，楼层包括1-35层，交易情况包括正常交易、拍卖、抵押和其他，装修情况包括精装修、简装修和清水房。
7.根据权利要求1所述的房地产智能估价系统，其特征在于：所述市场比较价值评估系统包括如下评估步骤：
(1)从交易信息数据库中提取主要指标或因素：区域、用途、建筑结构、户型、楼层、交易情况、交易时间、建筑面积、套内面积、土地剩余使用年限、产权年限、装修情况和容积率等；
(2)建立各项指标的量化标准体系；
(3)构建模型；
(4)模型训练；
(5)模型验证；
(6)通过(5)验证满足要求后进行(7)，否则返回(4)继续训练；
(7)通过输入估价对象的相关信息进行模型估价。
8.根据权利要求1所述的房地产智能估价系统，其特征在于：最终估算价格P＝(P1+P2)/2。
9.根据权利要求1所述的房地产智能估价系统，其特征在于：根据以下规则确定最终估算价格P：
若
Figure FDA0002319200090000021
则P＝P2；
若
Figure FDA0002319200090000022
则P＝(P1+P2)/2；
若
Figure FDA0002319200090000031
则P＝P1。
CN201911291484.9A 2019-12-16 2019-12-16 房地产智能估价系统 Pending CN111047359A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911291484.9A CN111047359A (zh) 2019-12-16 2019-12-16 房地产智能估价系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911291484.9A CN111047359A (zh) 2019-12-16 2019-12-16 房地产智能估价系统

Publications (1)

Publication Number Publication Date
CN111047359A true CN111047359A (zh) 2020-04-21

Family

ID=70236533

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911291484.9A Pending CN111047359A (zh) 2019-12-16 2019-12-16 房地产智能估价系统

Country Status (1)

Country Link
CN (1) CN111047359A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113204719A (zh) * 2021-04-30 2021-08-03 武汉大学 一种基于位置信息叠加与深度神经网络的城市房屋租金估价方法
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
CN116894592A (zh) * 2023-07-14 2023-10-17 深圳市房地产和城市建设发展研究中心 一种基于多维度数据颗粒测算的精准评估方法
CN117196736A (zh) * 2023-11-06 2023-12-08 湖南智信房地产土地资产评估有限公司 基于位置及场景的图数一体化智能评估系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113204719A (zh) * 2021-04-30 2021-08-03 武汉大学 一种基于位置信息叠加与深度神经网络的城市房屋租金估价方法
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
CN116894592A (zh) * 2023-07-14 2023-10-17 深圳市房地产和城市建设发展研究中心 一种基于多维度数据颗粒测算的精准评估方法
CN117196736A (zh) * 2023-11-06 2023-12-08 湖南智信房地产土地资产评估有限公司 基于位置及场景的图数一体化智能评估系统
CN117196736B (zh) * 2023-11-06 2024-02-09 湖南智信房地产土地资产评估有限公司 基于位置及场景的图数一体化智能评估系统

Similar Documents

Publication Publication Date Title
CN111047359A (zh) 房地产智能估价系统
Nuuter et al. Comparison of housing market sustainability in European countries based on multiple criteria assessment
Brauers et al. MULTIMOORA for the EU Member States updated with fuzzy number theory
US10896449B2 (en) Automatically determining a current value for a real estate property, such as a home, that is tailored to input from a human user, such as its owner
Miles et al. A different look at commercial real estate returns
Mayer A model of negotiated sales applied to real estate auctions
Johnson et al. Housing market capitalization of energy‐saving durable good investments
US20050187778A1 (en) Method and system for estimating the value of real estate
CN108647987A (zh) 房屋资产估价方法
Larsen et al. Testing the efficiency of the Norwegian housing market
Zagidullina et al. Peculiarities of housing construction development in the region
Wilhelmsson Evidence of buyer bargaining power in the Stockholm residential real estate market
Gabrielli et al. Valuing the historical heritage: the case of the Venetian Villas in Italy
Astrakhantseva et al. A Method to Calculate Corrective Coefficients for the Valuation of Land Rental Payments
Laferrère Hedonic housing price indexes: the French experience
Lisi Income capitalisation method and hedonic model: an integrated approach
Ellul et al. Hedonic house price indices for Malta: A mortgage-based approach
Bekçi et al. Regression analysis and use of artificial neural networks in housing valuation forecasting: case example of Güvenevler neighbourhood in Mersin
Deaconu et al. Marginal prices of improvements made to blocks of flats: empirical evidence from Romania
Janet et al. Building a house prices forecasting model in Hong Kong
Ravallion Land Allocation in Vietnam's Agrarian Transition; Part 1: Breaking up the Collective Farms
Dhilip et al. Residential Property Value Modeling using the Group Methods of Data Handling-Neural Network and Regression Analysis: A Case Study of GHMC, India
Jud et al. Evaluating the Risk of Housing Investment.
Lee et al. Impacts of social capital on housing prices: the case of special relationship-based transactions
Haften The relationship between institutional investors and house prices: the case of Paris

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: 20200421

RJ01 Rejection of invention patent application after publication