TWI744299B - 不動產估價用途的交易標的價格估算方法 - Google Patents
不動產估價用途的交易標的價格估算方法 Download PDFInfo
- Publication number
- TWI744299B TWI744299B TW106109559A TW106109559A TWI744299B TW I744299 B TWI744299 B TW I744299B TW 106109559 A TW106109559 A TW 106109559A TW 106109559 A TW106109559 A TW 106109559A TW I744299 B TWI744299 B TW I744299B
- Authority
- TW
- Taiwan
- Prior art keywords
- price
- transaction
- real estate
- data
- cases
- Prior art date
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本發明係一種不動產估價用途的交易標的價格估算方法，係由業者端的一評估價格系統提供一即時線上平台並透過網路與使用者端交換資訊；當使用者登入該即時線上平台並輸入多數的查詢條件資訊，並依不動產交易內容、該等查詢條件資訊、進行資料處理，達到方便大眾對有興趣之不動產交易標的之價格進行即時自動推估的目的。
Description
本發明係關於一種交易標的價格估算方法，尤指一種不動產估價用途的交易標的價格估算方法。
傳統的不動產估價方法包含比較法、成本法及收益法，其中比較法是以比較標的價格為基礎，主要是經比較、分析以推算標的價格之方法，收益法主要是採直接資本化法、折現現金流量分析法，並依收益法所求得之價格為收益價格，成本法主要是取得勘估標的於價格日期之重建成本或重置成本，扣減其累積折舊額或其他應扣除部分，以推算勘估標的價格之方法，所求得之價格為成本價格。
現有技術中，無論是比較法、成本法或收益法，均有其計算公式、分析方程式、特徵函數模型，根據數據的數量、方法的複雜度決定準確性，但是成本法較重視成本而易忽略市場因素，收益法受現金流量不容易估計正確的影響，更難找出正確的折現率，比較法雖考慮市場因素，但依賴估價人判斷調整，因此對大眾使用者而言，所需要的不是市場整體的分析結果，而是更方便、即時、更具有彈性的估價方法，並且是針對使用者有興趣之不動產標的所做的適應性估價，對使用者而言才具有參考價值，故現有技術確實有待提出進一步改良的必要性。
有鑑於上述現有技術之不足，本發明的主要目的係提供一種不動產估價用途的交易標的價格估算方法，利用雲端、網路技術讓大眾方便使
用，並提供即時的資料運算程序，方便大眾對有興趣之不動產交易標的之價格進行即時自動推估。
為達到上述目的所採取的主要技術手段係令前述不動產估價用途的交易標的價格估算方法，係由一評估價格系統透過網路與使用者端連結以交換資訊，並由該評估價格系統執行以下步驟：不動產交易標的認知；資料蒐集、篩選；不動產交易標的模式估算；不動產交易標的模式評估；提供不動產交易標的最可能交易價格建議與周遭行情資料。
在前述步驟中，該評估價格系統的資料庫存有不動產交易內容，並根據使用者的查詢條件資訊、不動產交易內容以產生不動產交易標的認知，進行資料蒐集、篩選，對不動產交易標的進行估算、評估，即可快速、準確的提供不動產交易標的最可能交易價格建議與周遭行情資料，故本發明確實可達到方便大眾對有興趣之不動產交易標的之價格進行即時自動推估的目的。
10:評估價格系統
20:即時線上平台
圖1 係本發明一較佳實施例的系統架構之方塊圖。
圖2 係本發明一較佳實施例的應用狀態之示意圖。
圖3 係本發明一較佳實施例的另一應用狀態之示意圖。
圖4 係本發明一較佳實施例的類別指標群組之示意圖。
圖5 係本發明一較佳實施例的資料變數表之示意圖。
圖6 係本發明一較佳實施例的交易標的價格估算方法之流程圖。
圖7 係本發明一較佳實施例的交易標的價格估算方法之另一流程圖。
圖8 係本發明一較佳實施例的交易標的價格估算方法之資料蒐集、篩選的流程圖。
圖9 係本發明一較佳實施例的交易標的價格估算方法的模式估算的流程圖。
圖10 係本發明一較佳實施例的交易標的價格估算方法的模式估算的另一流程圖。
圖11 係本發明一較佳實施例的交易標的價格估算方法的提供交易價格建議與週遭行情資料的流程圖。
關於本發明之較佳實施例的系統架構，請參考圖1所示，其包括業者端的一評估價格系統10、一即時線上平台20，該評估價格系統10係與網路連結，該即時線上平台20係由該評估價格系統10提供，並供使用者由使用者端透過網路登入使用，於本較佳實施例中該即時線上平台20可為一網頁(Web Page)平台。
該評估價格系統10係提供內建的一資料庫(圖中未示)，該資料庫儲存有多數不動產交易內容(例如：建物的種類、類型...等)，當使用者持一行動裝置或一電腦裝置於使用者端透過網路登入該即時線上平台20，如圖2、3所示，使用者在該即時線上平台20上輸入多數的查詢條件資訊(例如：所在位置、不動產類型、不動產內部配置、停車位...等)，使用者確認輸入完畢後，由該評估價格系統10接收使用者輸入多數的查詢條件資訊，並依該資料庫中的不動產交易內容與該等查詢條件資訊相比較或比對，以產生不動產交易標的認知，並進行資料蒐集、篩選並產生一結果，該評估價格系統10根據該結果，對不動產交易標的模式估算、評估，以提供不動產交易標的最可能交易價格建議與周遭行情資料(例如：房屋單價、總價、鄰近房屋成交行情、平均單
價、單價範圍、中位數...等)，如圖3所示，將該不動產交易標的之建議推估價格呈現於該即時線上平台20。
使用者只要登入該評估價格系統10提供的即時線上平台20，即可快速、準確的查詢到該不動產交易標的之建議推估價格，達到方便大眾對有興趣之不動產交易標的之價格進行即時自動推估的目的。
於本較佳實施例中，該資料庫包括一實價登錄資料庫、一鄰里人口結構資料庫及一公共設施空間資料庫，其中，該實價登錄資料庫係儲存實價登錄座標資訊，以確認交易案件的鄰里座落位置，產生有關於鄰里的新變數；該鄰里人口結構資料庫係儲存各直轄市政府之開放平台提供的鄰里人口結構資料，並將資料轉換以歸納為0至14歲、15至24歲、25至34歲、35至44歲、45至54歲、55至64歲與65歲以上等7個不同年齡級距資訊；該公共設施空間資料庫係儲存所有實價登錄之買賣成交案例所座落的鄰里、以及與其最近之公共設施的距離資訊。
於本較佳實施例中，前述進行資料篩選的條件資訊包括一資料期間、一交易標的、一主要用途、一住宅種類、一剔除異常交易項目、一有無備註/增建、一有無修正及一極端值，其中，該極端值是以「屋齡」、「總樓層」、「建物面積」與「總價」進行計算。以屋齡舉例說明，屋齡上限為計算平均數加1.96乘上標準差，所得之值為39.115年即為屋齡上限；屋齡下限則為選取大於0的資料。
於本較佳實施例中，前述依篩選結果將不動產交易標的分群的方式，其步驟包括1.先利用一逐步回歸分析法，進行人口結構(數量)與房屋價格的關係分析，以找出與有興趣之區域有關係之人口結構分層，該逐步回歸分析法的公式為：
y i =β 0+β 1 x i1+β 2 x i2+...+β 7 x i7+ε i ；其中，y i =房價；i=1,2,...,7；x 1=0至14歲人口；x 2=15至24歲人口...；x 7=65歲以上人口。
2.再將各年齡結構對於交易價格之正向影響或負向影響，由平均數當基準，進行類別的判定，如圖4所示，透過類別指標的概念，假設有五種人口結構(65歲以上、25至34歲、0至14歲、15至24歲、55至64歲)，至多產生32個群組。3.確認各行政區/產品別(例如：建物種類)以及各個分群的資料筆數，每個群組高於一特定筆數以上才進行建置。
於本較佳實施例中，前述建立該特徵價格推估模型的方式，其步驟包括1.執行另一逐步回歸分析法，測試各分群之房屋個體特徵變數，該另一逐步回歸分析法的公式為：y i =β 0+β 1 x i1+β 2 x i2+...+β 7 x i7+ε i ；其中，y i =房價；i=1,2,...,7；x 1=屋齡；x 2=物件移轉面積...；x 7=總樓層數(房屋個體特徵變數)。
藉由前述人口結構分群，以分別建置出各分群的估價模型。2.建立出多數都市(例如：台北市、新北市、台中市、台南市)各別產品市場之特徵價格推估模型，如圖5所示，其包括所述的房屋個體特徵變數、交易價格(總價)、物件種類(大樓/華廈、公寓)等。
於本較佳實施例中，當建立該特徵價格推估模型後，透過該特徵價格推估模型，以產生該不動產交易標的之建議推估價格的方式，其步驟為先建立不動產交易標的價格推估的可容許誤差標準，係分別根據不動產交易標的價格之特徵價格推估模型、不動產交易標的之鄰近區域個案，利用估價標的物一定範圍內(500/750/1000公尺)且1年內交易、新成屋(2年內)或中古屋(3年內)屋齡±10年(或±3年、±5年、±7年)之鄰近交易個案，以估算出其每坪中位數單價，以此做為該不動產交易標的之建議推估價格，並又可進一步的推估出，每坪之中位數單價之可容許誤差標準；針對可容許誤差標準，其可
設定在不同命中率(5%、10%、15%與20%)的條件下，計算房價與中位數的差額絕對值，以平均數、中位數與標準差做為判定條件。
根據上述較佳實施例可進一步提供一不動產估價用途的交易標的價格估算方法，其主要係由該評估價格系統10透過網路與使用者端連結以交換資訊，如圖6所示，並由該評估價格系統10執行以下步驟：提供一資料庫，依該資料庫中的不動產交易內容與該等查詢條件資訊相比較或比對，以產生不動產交易標的認知(S21)，於本較佳實施例中，該資料庫可包括一實價登錄資料庫、一鄰里人口結構資料庫及一公共設施空間資料庫；進行資料蒐集、篩選(S22)並產生一結果；依該結果對不動產交易標的模式估算(S23)，以及對不動產交易標的模式評估(S24)，於本較佳實施例中，對不動產交易標的進行估算、評估的方式，係執行一逐步回歸分析法，進行人口結構(數量)與房屋價格的關係分析，以找出與有興趣之區域有關係之人口結構分層，再將各年齡結構對於交易價格之正向影響或負向影響，由平均數當基準，進行類別的判定，以確認各個分群的資料筆數，每個群組高於一特定筆數以上才進行建置；提供不動產交易標的最可能交易價格建議與周遭行情資料(S25)，於本較佳實施例中，進一步取得一特徵價格推估值(如每坪中位數單價)，以計算推估出每坪之中位數單價之可容許誤差標準，產生一不動產交易標的之建議推估價格。
於本較佳實施例中，當上述步驟執行至「產生不動產交易標的認知(S21)」之步驟，如圖7所示，進一步包括以下步驟：不動產交易標的屬性資料分析(S26)；其中，不動產交易標的屬性資料分析係指不動產交易個案之土地移轉總面積(平方公尺)、建物移轉總面積(平
方公尺)、屋齡、屋齡(年)、總樓層、是否在一樓、是否在頂樓、建物現況格局-房數量、建建物現況格局-廳數量、建物現況格局-衛數量、建物現況格局-隔間數量、是否有車位、是否為緊鄰路旁、是否為緊鄰街旁、位於巷弄、鋼筋混凝土以上之建物等屬性資訊。並且該案件主要用途為住家用；不動產交易標的之次市場切割(S27)；其中標的之次次場切割係指依據該產品別-套房(1房1廳1衛)、寓(5樓含以下無電梯)、華廈(10層含以下有電梯)、住宅大樓(11層含以上有電梯)、透天厝進行次市場之區分；其中，台北市及新北市區分為公寓、華廈/住宅大樓市場與整體市場；台中市、台南市及高雄市區分為透天厝、華廈/住宅大樓市場與整體市場。
舉例而言，一測試案件座落在臺北市萬華區內江街31~60號。不動產交易標的屬性資料分析：先進行屬性資料建置，依序為土地移轉總面積68平方公尺、建物移轉總面積98.2平方公尺、屋齡23.24年、2房、1廳、2衛、1隔間、無車位、非一樓、非頂樓、緊鄰街旁、是鋼筋混凝土以上之建物，使用分區為住家用。標的次市場切割：產品別中係屬於臺北市的公寓(5樓含以下無電梯)次市場。
於本較佳實施例中，當上述步驟執行至「進行資料蒐集、篩選(S22)」之步驟，如圖8所示，進一步包括以下步驟：取得區域空間屬性資料(S281)；於本較佳實施例中，可進一步取得區域鄰里人口資料(S2811)、取得區域公共設施資料(S2812)、取得區域其他區域空間屬性資料(S2813)；於本較佳實施例中，區域鄰里人口資料係指各縣市鄰里人口結構資料，以0-14歲、15-24歲、25-34歲、35-44歲、45-54歲、55-64歲與65歲以上人口，該資料係從各直轄市政府資料開放平台查詢；區域公共設施資料係指各筆不動產交易個案所在位置(XY座標)與鄰近公共設施距離，其中，公共設施包含交易個案與最近捷運站直線距離、交易個案與最近高
鐵站直線距離、交易個案與最近輕軌車站直線距離、交易個案與最近航空站直線距離、交易個案與最近國民小學直線距離、交易個案與最近大學直線距離、交易個案與最近鄰里公園直線距離(面積2公頃以下)、交易個案與最近航空站直線距離、交易個案與最近郵局直線距離，距離均以公尺為單位。依據各縣市不同產品類別納入不同公共設施做為參考變數；區域其他區域空間屬性資料係指其他可代表空間屬性之變數，例如，土地價格(土地交易價格、公告土地現值、公告土地地價)等；對歷史交易資料篩選(S282)；於本較佳實施例中，可進一步篩選實價登錄資料(S2821)、篩選建經公司履約保證資料(S2822)、篩選其他歷史交易資料來源(S2823)；於本較佳實施例中，實價登錄資料係指自某一日(如101年8月1日)起施行不動產交易個案強制登錄之政策，該資料由內政部所提供；建經公司履約保證資料係指自某一年(如97年)起開始建置之不動產交易資料庫，該資料係由一建經公司(如僑馥建築經理有限公司)所提供；其他歷史交易資料來源係指未來亦可納入其他房屋公司(如信義、永慶、台灣房屋等公司)，仲介已成交之案件，所提供之不動產交易價格資料。
舉例而言，該測試案件座落在臺北市萬華區內江街31~60號。區域鄰里人口資料：以民國105年12月說明，該測試案件位於新起里，新起里的人口結構資料，以各年齡層之人口數，分別為0-14歲726人、15-24歲631人、25-34歲941人、35-44歲1,097人、45-54歲991人、55-64歲1,097人、65歲以上1,253人；區域公共設施資料：該筆交易與各公共設施距離，與最近捷運站為200公尺、高鐵站500公尺…等；區域其他區域空間屬性資料：土地交易價格400,000元、公告土地現值160,000元、公告土地地價120,000元；實價登錄資料：蒐集自101年起至公布之最新實價登錄，該筆交易產品別為公寓(5樓含以下無電梯)次市場，且屬於臺北市公寓市場之不動產交易；建經公司履約保證
資料：蒐集自97年起至公布之僑馥建經履約保證資料，為臺北市不動產交易標的與公寓資料建置。以上數值均為舉例說明之數值。
於本較佳實施例中，進一步提供一第一模式I、一第二模式II，關於該第一模式I，係當上述步驟執行至「不動產交易標的模式估算(S23)」之步驟，如圖9所示，進一步包括以下步驟：區域空間次市場分群指標的建置(S291)；於本較佳實施例中，區域空間次市場分群指標建置係指區域空間屬性資料之區域各鄰里人口資料，依據其人口結構0-14歲、15-24歲、25-34歲、35-44歲、45-54歲、55-64歲與65歲以上資料與交易個案價格進行逐步迴歸法進行，確認所需納入之人口結構年齡層；區域空間次市場分群的確認與規則設定(S292)；於本較佳實施例中，區域空間次市場分群確認與規則係指利用類別指標，進行次市場的分群；類別指標建置係指將各該年齡結構對於不動產交易價格之正向影響或負向影響，以平均數為基準，進行類別判定。依據對交易價格的影響程度(1~K分)，區分各個次市場(1~K組)，另外，除了各個分群次市場外，並建置一個整體次市場(包含所有產品類別：大樓、華廈、公寓、透天厝)；區域空間次市場各分群之特徵價格模式的建立、與不動產交易標的價格推估(S293)。
舉例而言，該測試案件座落在臺北市萬華區內江街31~60號。區域空間次市場分群指標建置：臺北市各個鄰里依據其人口結構0-14歲、15-24歲、25-34歲、35-44歲、45-54歲、55-64歲與65歲以上資料與交易個案價格進行逐步迴歸法進行，確認所需納入之人口結構年齡層。區域空間次市場分群確認與規則：分別進行整體市場與公寓市場進行區域空間次試場規則建置，僅以公寓市場說明，利用逐步迴歸法確認，臺北市公寓市場納入人口結構為0-14歲，對交易價格具正向影響，24-35歲對交易價格具負向影響，44-55歲對交易價格
具正向影響，共計可分為0~3分，為4分群。不動產交易標的分群判定：測試案例位於臺北市萬華區內江街31~60號，屬於新起里，隸屬於群組1。區域空間次市場各分群之特徵價格模式建立：利用群組1的交易個案，建置特徵價格模式，納入變數有建物移轉總面積(平方公尺)、屋齡(年)、總樓層、建物現況格局-房數量、是否為緊鄰街旁等五個變數。將測試案件的特徵輸入，得到交易價格推估，為9,000,000元。
當前述步驟執行至「區域空間次市場分群的確認與規則設定(S292)」之步驟，更包括以下步驟：不動產交易標的分群判定(S294)；於本較佳實施例中，不動產交易標的分群判定係指測試案件其所屬的鄰里，依據區域次市場分群規則，確認其所屬的分群為何；接續執行前述「區域空間次市場各分群之特徵價格模式的建立、與不動產交易標的價格推估(S293)」之步驟；於本較佳實施例中，區域空間次市場各分群之特徵價格模式建立係依據交易價格的影響程度(1~K分)，區分各個次市場(1~K組)，分別建置各個次市場之特徵價格模式，特徵價格模式的屬性變數有土地移轉總面積(平方公尺)、建物移轉總面積(平方公尺)、屋齡(年)、總樓層、是否在一樓、是否在頂樓、建物現況格局-房數量、建物現況格局-廳數量、建物現況格局-衛數量、建物現況格局-隔間數量、是否有車位、是否為緊鄰路旁、是否為緊鄰街旁、位於巷弄、鋼筋混凝土以上之建物等屬性。將所有變數進行逐步迴歸法，篩選出各個市場合適的變數。前述的符號K代表分群得分數等於分群組別數量。
於本較佳實施例中，關於該第二模式II，係當上述步驟執行至「不動產交易標的模式估算(S23)」之步驟，再如圖9所示，進一步包括以下步驟：
依據相似案例準則遴選出適當比較的歷史交易個案(S295)；於本較佳實施例中，相似案例準則係指鄰近周遭750公尺範圍內、屋齡±5年、一年內交易、相同產品型態與剔除實價登錄附有註記之特殊交易個案；持續蒐集歷史交易個案(S296)；於本較佳實施例中，歷史交易個案係指符合相似案例準則之歷史交易個案；歷史交易個案數量之確認(S297)；當歷史交易個案數量大於”0”，並且小於或等於”14”時，則接續執行前述「區域空間次市場各分群之特徵價格模式的建立、與不動產交易標的價格推估(S293)」之步驟；於本較佳實施例中，歷史交易個案數量之確認係指符合相似案例準則之歷史交易個案數量；當交易個案數量為0>N
14，屬於交易資料不足之區域，在顯示推估價格時，以事先告知使用者，該區域目前交易個案鮮少，故以估價模型建置方式，直接模擬與該區域屬性相近的區域，進行估價模式推估，即利用模式I推估價格；當歷史交易個案數量大於或等於”30”時，則依比較個案建置特徵價格模式推估不動產交易標的價格(S298)；於本較佳實施例中，比較個案建置特徵價格模式係指，當交易個案數量為N
30，則利用篩選出之適當的比較歷史交易個案進行特徵價格模式之建置，各產品類別之特徵價格模式納入變數分別為華廈/大樓市場：建物移轉總面積(平方公尺)、屋齡(年)、建物現況格局-房數量、總樓層平方；公寓市場：建物移轉總面積(平方公尺)、屋齡(年)、建物現況格局-房數量；透天厝市場：土地移轉總面積(平方公尺)、建物移轉總面積(平方公尺)、屋齡(年)、建物現況格局-房數量；並且依據特徵價格模式之解釋力平方(R2)判斷該模式建置與否，若解釋力平方高於70%，則建置該模式，但其解釋力平方(R2)若小於70%，則以交易個案數量為15
N<30處理方式進行價格推估；
當歷史交易個案數量小於”30”，並且大於或等於”15”時，則依比較個案之中位數推估該不動產交易標的價格(S299)；於本較佳實施例中，比較個案之中位數即為交易個案數之中位數價格；前述的符號N代表交易個案數量；R2表示特徵價格模式解釋力；若該交易個案數量為15
N<30，則再次限縮篩選準則，以篩選鄰近周遭750公尺範圍內、屋齡±3年、一年內交易、相同產品型態與剔除特殊交易個案，重新遴選適當的比較歷史交易個案，依篩選原則推估不動交易標的價格，並以交易個案之中位數價格呈現其結果。
舉例而言，該測試案件座落在臺北市萬華區內江街31~60號。該第二模式Ⅱ的四種情況舉例說明。相似案例準則：選取測試案件符合相似案例準則之交易案件(鄰近750公尺範圍內、屋齡±5年、一年內交易、公寓型態與剔除實價登錄特殊交易案件)，共有14筆交易案件。歷史交易案件：14筆交易案件分別為萬華區內江街75號、康定路20號、成都路15號......等。歷史交易案件數量之確認：若為14筆比較交易案件，由於交易案件數過少，故以模式I方式推估交易價格，得到交易價格推估，為8,000,000元。其中，模式I，請參見前述說明。若為15筆比較交易案件，則重新篩選，篩選條件為鄰近周遭750公尺範圍內、屋齡±3年、一年內交易、公寓型態與剔除實價登錄特殊交易，得到10筆交易案件，利用這10筆交易，推估價格8,000,000元。比較個案建置特徵價格模式：若有30筆比較交易案件，再利用該30筆交易，建置特徵價格模式，納入變數為建物移轉總面積(平方公尺)、屋齡(年)、建物現況格局-房數量，得到特徵價格模式後，其解釋力為60%，則重新篩選，篩選條件為鄰近周遭750公尺範圍內、屋齡±3年、一年內交易、公寓型態與剔除實價登錄特殊交易，得到10筆交易案件，利用這10筆交易，推估價格8,000,000元。若有30筆比較交易案件，再利用該30筆交易，建置特徵價格模式，納入變數為建物移轉總面積
(平方公尺)、屋齡(年)、建物現況格局-房數量，得到特徵價格模式後，其解釋力達到75%，則將測試案件的特徵套入模式，得到推估價格8,000,000元。
於本較佳實施例中，當上述步驟執行至「對不動產交易標的模式評估(S24)」之步驟，如圖10所示，進一步包括以下步驟：不動產交易標的推估價格可容許誤差準則建立(S301)；不動產交易標的應採用之模式評估(S302)；於本較佳實施例中，不動產交易標的應採用之模式評估係利用不動產交易標的推估可容許誤差準則判斷採取該第一模式I或該第二模式Ⅱ，當符合準則，則依據該第一模式I推估不動產交易標的之價格，當不符合準則時，則以該第二模式Ⅱ推估不動產交易標的之價格；根據模式評估結果，當符合準則時，依該第一模式I推估不動產交易標的之價格(S303)，當不符合準則時，依該第二模式II推估不動產交易標的之價格(S304)。
進一步的，於本較佳實施例中，關於前述不動產交易標的推估價格可容許誤差準則建立，其中，前述的可容許誤差準則，係指該條件係以估價模型推估估價標的物之價格(利用該第一模式I，以下簡稱
估)與該估價標的物鄰近交易物件之推估中位數交易價格(利用該第二模式Ⅱ，以下簡稱
中)的可容許差額為準則。在不同可容許的命中誤差率(5%、10%、15%與20%)的條件下，計算
估與
中的差額絕對值，並以平均數、中位數與標準差，作為判定條件，本模式準則以中位數作為判定條件；前述的可容許的命中誤差率，係指推估估價標的物價格與真實交易登錄價格之差額，估真實交易登錄價格的百分比，可設定為5%、10%、15%與20%；而命中係指推估估價標的物價格在可容許的命中誤差率之內；前述的符合準則，係指當測試案件之兩者差額絕對值落在此區間，則為符合準則，將以該第一模式I推估不動產交易標
的價格；前述的不符合準則，係指當測試案件之兩者差額絕對值無法落在此區間，則為不符合準則，將以該第二模式Ⅱ推估不動產交易標的價格。
舉例而言，該測試案件座落在臺北市萬華區內江街31~60號。不動產交易標的應採用之模式評估：測試案件之模式I推估不動產交易標的之價格為9,000,000元，模式Ⅱ推估不動產交易標的之價格為8,000,000元。可容許的命中誤差：歷史交易個案實價登錄交易價格為7,500,000元與模式I推估估價標的物價格為8,000,000元，兩者差額為1,000,000元。可容許的命中誤差率：不同命中率(5%、10%、15%與20%)的條件下，計算
估與
中的中位數差額絕對值，分別為21,324、34,606、42,941與48,480元。命中：羅列各筆交易個案之命中率，計算方式為(8,500,000-7,500,000)/7,500,000=13.3%，以此類推。不動產交易標的推估價格可容許誤差準則建立：計算出在不同命中率(5%、10%、15%與20%)的條件下，計算
估與
中的中位數差額絕對值，分別為21,324、34,606、42,941與48,480元，若以5%為判斷原則。符合準則：當測試案件將計算出
估與
中的中位數差額絕對值為20,000元，落在準則區間內，表示將以模式I推估不動產交易標的之價格為9,000,000元。不符合準則：當測試案件計算出
估與
中的中位數差額絕對值為30,000元，無法落在準則區間內，表示將以模式Ⅱ推估不動產交易標的之價格為8,000,000元。
於本較佳實施例中，當上述步驟執行至「提供不動產交易標的最可能交易價格建議與周遭行情資料(S25)」之步驟，如圖11所示，進一步包括以下步驟：不動產交易標的價格推估(如單價/總價，預估單價/總價信賴區間範圍)(S31)；於本較佳實施例中，不動產交易標的價格推估(單價/總價)：利用該第一模式I與該第二模式Ⅱ推估不動產交易標的價格後，利用點估計的概念，將大樓/華廈/公寓市場以推估單價的方式呈現估價結果，而透天厝市場，
則以推估總價的方式呈現估價結果。不動產交易標的價格推估(預估單價/總價信賴區間範圍)：利用該第一模式I與該第二模式Ⅱ推估不動產交易標的價格後，利用區間估計的概念，將大樓/華廈/公寓市場以預估單價範圍的方式呈現估價結果，而透天厝市場，則以預估總價範圍的方式呈現估價結果。
另外，當執行上述「進行資料蒐集、篩選(S22)」步驟後，可接續執行上述「提供不動產交易標的最可能交易價格建議與周遭行情資料(S25)」之步驟；於本較佳實施例中，上述「進行資料蒐集、篩選(S22)」步驟，係彙整已有的實價登錄資料，依據各個測試案件，周遭交易案件，整理周遭交易行情資料；再如圖11所示，進一步包括以下步驟：周遭歷史交易個案準則建置(S32)；於本較佳實施例中，歷史交易個案準則係指測試案件鄰近周遭750公尺範圍內、屋齡±5年、一年內交易、相同產品型態與剔除實價登錄特殊交易；遴選歷史交易個案(S33)；周遭歷史交易個案敘述性統計資料、與歷史交易個案原始資料(S34)；於本較佳實施例中，周遭歷史交易個案敘述性統計資料係指周遭歷史交易個案之中位數交易價格、平均交易價格、標準差等，歷史交易個案原始資料係指周遭歷史交易個案之實價登錄資料條列呈現。
舉例而言，該測試案件座落在臺北市萬華區內江街31~60號。不動產交易標的價格推估(單價/總價)：測試案件利用模式I或模式Ⅱ推估出9,000,000元或8,000,000元，該產品型態為公寓市場，故以單價方式呈現，應為30萬/坪。不動產交易標的價格推估(預估單價/總價信賴區間範圍)：推估單價範圍為25~35萬元/坪。歷史交易個案準則：以鄰近周遭750公尺範圍內、屋齡±5年、一年內交易、相同產品型態與剔除實價登錄特殊交易，以準則選取歷史交易個案共有15筆。周遭歷史交易個案敘述性統計資料：中位數價格為22萬/
坪，平均價格為26萬/坪，標準差為20萬/坪。歷史交易個案原始資料：條列歷史交易個案原始資料萬華區內江街75號、康定路20號、成都路15號...等。
綜上所述，本發明的評估價格系統10根據使用者的查詢條件資訊、不動產交易內容以產生不動產交易標的認知，進行資料蒐集、篩選，對不動產交易標的進行估算、評估，即可快速、準確的提供不動產交易標的最可能交易價格建議與周遭行情資料，故本發明確實可達到方便大眾對有興趣之不動產交易標的之價格進行即時自動推估的目的。
10‧‧‧評估價格系統
20‧‧‧即時線上平台
Claims (3)
- 一種不動產估價用途的交易標的價格估算方法，係由一評估價格系統提供一即時線上平台，該即時線上平台透過網路與使用者端的一行動裝置或一電腦裝置連結以交換資訊，該即時線上平台供輸入多數的查詢條件資訊，並由該評估價格系統執行以下步驟：提供一資料庫，依該資料庫中的不動產交易內容與該等查詢條件資訊相比較或比對，以產生不動產交易標的認知；進行資料蒐集、篩選並產生一結果；依該結果對不動產交易標的模式估算；依該結果對不動產交易標的模式評估；提供不動產交易標的最可能交易價格建議與周遭行情資料；當上述步驟執行至「產生不動產交易標的認知」之步驟，該方法進一步包括以下步驟：不動產交易標的屬性資料分析，係指不動產交易內容之屬性資訊進行分析；其中，不動產交易標的屬性資料分析係指不動產交易個案之土地移轉總面積、建物移轉總面積、屋齡、屋齡、總樓層、是否在一樓、是否在頂樓、建物現況格局-房數量、建建物現況格局-廳數量、建物現況格局-衛數量、建物現況格局-隔間數量、是否有車位、是否為緊鄰路旁、是否為緊鄰街旁、位於巷弄、鋼筋混凝土以上之建物等屬性資訊；不動產交易標的之次市場切割，係指依據該產品別，包含套房、寓、華廈、住宅大樓、透天厝進行次市場之區分；當上述步驟執行至「進行資料蒐集、篩選」之步驟，該方法進一步包括以下步驟： 取得區域空間屬性資料，其包括取得區域鄰里人口資料、取得區域公共設施資料、取得區域其他區域空間屬性資料；對歷史交易資料篩選，其包括篩選實價登錄資料、篩選建經公司履約保證資料、篩選其他歷史交易資料來源；對於不動產交易標的模式估算，係執行一逐步回歸分析法，進行人口結構(數量)與房屋價格的關係分析，以找出與有興趣之區域有關係之人口結構分層，再將各年齡結構對於交易價格之正向影響或負向影響，由平均數當基準，進行類別的判定，以確認各個分群的資料筆數，每個群組高於一特定筆數以上才進行建置；進一步提供一第一模式，當上述步驟執行至「依該結果對不動產交易標的模式估算」之步驟，該方法進一步包括以下步驟：區域空間次市場分群指標的建置，係指區域空間屬性資料之區域各鄰里人口資料，依據其人口結構資料與交易個案價格進行該逐步迴歸分析法，確認所需納入之人口結構年齡層；區域空間次市場分群的確認與規則設定，係指利用類別指標，進行次市場的分群；類別指標係指將各該年齡結構對於不動產交易價格之正向影響或負向影響，以平均數為基準，進行類別判定；區域空間次市場各分群之特徵價格模式的建立、與不動產交易標的價格推估；其中該區域鄰里人口資料係由一鄰里人口結構資料庫取得，並將該區域鄰里人口資料轉換，以歸納為複數個不同的年齡級距資訊，並利用該逐步迴歸分析法分析人口結構與房屋價格之關係，找出與有興趣之區域有關係之人口結構分層；其中該逐步回歸分析法的公式為： y i =β 0+β 1 x i1+β 2 x i2+...+β 7 x i7+ε i ；其中，y i =房價；i=1,2,...,7；x 1=0至14歲人口；x 2=15至24歲人口...；x 7=65歲以上人口；當上述步驟執行至「區域空間次市場分群的確認與規則設定」之步驟，該方法更包括以下步驟：不動產交易標的分群判定，係指測試案件其所屬的鄰里，依據區域次市場分群規則，確認其所屬的分群為何；接續執行前述「區域空間次市場各分群之特徵價格模式的建立、與不動產交易標的價格推估」之步驟；進一步提供一第二模式，當上述步驟執行至「依該結果對不動產交易標的模式估算」之步驟，該方法進一步包括以下步驟：依據相似案例準則遴選出適當比較的歷史交易個案，相似案例準則係指鄰近周遭750公尺範圍內、屋齡±5年、一年內交易、相同產品型態與剔除實價登錄附有註記之特殊交易個案；持續蒐集歷史交易個案，歷史交易個案係指符合相似案例準則之歷史交易個案；歷史交易個案數量之確認；其中當歷史交易個案數量大於”0”，並且小於或等於”14”時(0<N14)，則接續執行前述「區域空間次市場各分群之特徵價格模式的建立、與不動產交易標的價格推估」之步驟；當歷史交易個案數量大於或等於”30”時(N
30)，則依比較個案建置特徵價格模式推估不動產交易標的價格；當歷史交易個案數量小於”30”，並且大於或等於”15”時(15
N<30)，則依比較個案之中位數推估該不動產交易標的價格；前述的符號N代表交易個案數量； 當上述步驟執行至「依該結果對不動產交易標的模式評估」之步驟，該方法進一步包括以下步驟：不動產交易標的推估價格可容許誤差準則建立，可容許誤差準則係指以估價模型推估估價標的物之價格(利用該第一模式，以下簡稱
估)與該估價標的物鄰近交易物件之推估中位數交易價格(利用該第二模式，以下簡稱
中)的可容許差額為準則，在不同可容許的命中誤差率(5%、10%、15%與20%)的條件下，計算
估與
中的差額絕對值，並以平均數、中位數或標準差，作為判定條件；不動產交易標的應採用之模式評估，當以中位數作為判定條件，若符合準則，以該第一模式推估不動產交易標的價格，若不符合準則，則以該第二模式推估不動產交易標的價格。
- 如請求項1所述之不動產估價用途的交易標的價格估算方法，當上述步驟執行至「提供不動產交易標的最可能交易價格建議與周遭行情資料」之步驟，該方法進一步包括以下步驟：不動產交易標的價格推估，係利用該第一模式與該第二模式推估不動產交易標的價格後，利用點估計或區間估計，以單價及單價範圍或總價及總價範圍呈現估價結果。
- 如請求項1所述之不動產估價用途的交易標的價格估算方法，當上述步驟執行至「進行資料蒐集、篩選」之步驟，接續執行上述「提供不動產交易標的最可能交易價格建議與周遭行情資料」之步驟，該方法進一步包括以下步驟：周遭歷史交易個案準則建置，歷史交易個案準則係指測試案件鄰近周遭750公尺範圍內、屋齡±5年、一年內交易、相同產品型態與剔除實價登錄特殊交易；以準則遴選歷史交易個案； 周遭歷史交易個案敘述性統計資料、與歷史交易個案原始資料；其中，周遭歷史交易個案敘述性統計資料係指周遭歷史交易個案之中位數交易價格、平均交易價格或標準差；其中，歷史交易個案原始資料係指周遭歷史交易個案之實價登錄資料條列呈現。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW106109559A TWI744299B (zh) | 2017-03-22 | 2017-03-22 | 不動產估價用途的交易標的價格估算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW106109559A TWI744299B (zh) | 2017-03-22 | 2017-03-22 | 不動產估價用途的交易標的價格估算方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| TW201835845A TW201835845A (zh) | 2018-10-01 |
| TWI744299B true TWI744299B (zh) | 2021-11-01 |
Family
ID=64797015
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW106109559A TWI744299B (zh) | 2017-03-22 | 2017-03-22 | 不動產估價用途的交易標的價格估算方法 |
Country Status (1)
| Country | Link |
|---|---|
| TW (1) | TWI744299B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TWI812967B (zh) * | 2021-06-21 | 2023-08-21 | 信義房屋股份有限公司 | 剔除特殊物件之區域價格展示裝置 |
| CN113988641A (zh) * | 2021-10-29 | 2022-01-28 | 重庆汇集源科技有限公司 | 住宅房地产自动估价系统 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201518959A (zh) * | 2013-11-07 | 2015-05-16 | Chung-Hsien Yang | 不動產估價方法 |
| TWM530994U (zh) * | 2016-05-16 | 2016-10-21 | 國泰人壽保險股份有限公司 | 不動產估價系統 |
-
2017
- 2017-03-22 TW TW106109559A patent/TWI744299B/zh active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| TW201518959A (zh) * | 2013-11-07 | 2015-05-16 | Chung-Hsien Yang | 不動產估價方法 |
| TWM530994U (zh) * | 2016-05-16 | 2016-10-21 | 國泰人壽保險股份有限公司 | 不動產估價系統 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW201835845A (zh) | 2018-10-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | The distribution of greenspace quantity and quality and their association with neighbourhood socioeconomic conditions in Guangzhou, China: A new approach using deep learning method and street view images | |
| WO2022198963A1 (zh) | 基于大数据的商业空间品质评价方法、系统、设备及介质 | |
| Qiu et al. | Subjective and objective measures of streetscape perceptions: Relationships with property value in Shanghai | |
| Ozbay et al. | Empirical analysis of relationship between accessibility and economic development | |
| CN114897228A (zh) | 一种基于人口分布和道路网络的公共设施布局检验方法 | |
| D'Elia et al. | Bus rapid transit and property values in Buenos Aires: Combined spatial hedonic pricing and propensity score techniques | |
| TWI744299B (zh) | 不動產估價用途的交易標的價格估算方法 | |
| CN115630129A (zh) | 一种社区体育健身设施步行适应性的评价方法 | |
| Cui et al. | Understanding urbanization and its impact on the livelihood levels of urban residents in Ulaanbaatar, Mongolia | |
| CN113435769A (zh) | 一种计算城市无障碍设施指数的方法 | |
| Brown et al. | Getting real with energy data: Using the buildings performance database to support data-driven analyses and decision-making | |
| CN114219521B (zh) | 基于多源数据的体育中心选址评价方法 | |
| Alkana | Housing market differentiation: the cases of Yenimahalle and Çankaya in Ankara | |
| Schwartz et al. | Modelling platform for schools (MPS): The development of an automated One-By-One framework for the generation of dynamic thermal simulation models of schools | |
| Song et al. | Developing urban building energy models for shanghai city with multi-source open data | |
| CN113408867B (zh) | 基于手机用户和poi数据的城市入室盗窃犯罪风险评估方法 | |
| Wederhake et al. | Benchmarking building energy performance: Accuracy by involving occupants in collecting data-A case study in Germany | |
| CN114565207A (zh) | 一种融合属性数据和流动数据的城市群高质量发展监测评估方法 | |
| Hanák et al. | Preliminary identification of residential environment assessment indicators for sustainable modelling of urban areas | |
| Kazak et al. | Land use change in suburban zone: European context of urban sprawl | |
| Liang et al. | The impact of luxury housing on neighborhood housing prices: an application of the spatial difference-in-differences method | |
| Olayonwa et al. | Office quality classification theoretical and empirical issues | |
| Djurdjevic et al. | Estimation of hedonic models using a multilevel approach: An application for the Swiss rental market | |
| Maantay et al. | Assessing population at risk: Areal interpolation and dasymetric mapping | |
| Zuev et al. | Analysis methods of spatial structure metrics for assessment of area development effectiveness |