郓城县自然资源和规划局，山东 菏泽 274700
摘要：大数据的自动估价系统是房地产中介服务的一项重要内容，在我国是起步较早、发展相对完善的一种估价业务，对保障市场相关各方当事人的权益，维护房地产市场秩序，建立完善的社会主义市场经济体制，起到了积极的作用。
关键词：房地产；大数据；自动估价；方法分析
1 房地产估价的大数据特征
数据是房地产估价的基础和根本,数据的数量和质量直接影响估价的准度和精度。以城市房地产估价中最常用的案例比较法为例，案例法中涉及到了大量数据，如比较案例的交易情况信息(用途、交易价格、基础设施条件、交易情况、面积、交易日期、容积率等);区域经济发展信息(城市资源状况、房地产制度与房地产市场状况、产业政策、城市社会经济发展状况等);房地产所在的位置(空间地理信息)。其中各影响因素可以具化为数字、符号等结构性数据，以及文字、图像、地理位置信息等非结构性数据。数据间不是完全独立的，而是交叉或包含关系，每-种因素的变化都可以引起房地产价格的变化，使得房地产估价具有很明显的大数据特征。图对房地产估价行业而言，城市越大、房地产市场交易量越大、房地产交易越频繁，相关的估价数据量就越庞大。以数据量级别来划分，可以将房地产估价中涉及的数据分为千万级的原始数据、百万级的估价数据和十万级的估价成果数据。原始数据一般来源于政府部门发布数据、房地产经纪人反馈数据、市场交易数据、市场咨询数据、知名网站提供数据、估价机构积累数据等。估价数据是通过对原始数据的整理、筛选、过滤、检验后形成的相对规范、准确、可直接用于估价的数据。估价成果数据是在标准估价数据上经过计算得出的房地产评估价格、估价报告等成果。
2 房地产估价运用大数据的重要意义
房地产具有不可移动、独一无二、价值较大、交易频率低的特征，这些特征给房地产估价带来众多困难，因此房地产估价需要大数据作支撑。房地产存量房的抵押、征收征用、税收、保险、转让租赁、分割、司法鉴定、企业重组上市合资合并、损害赔偿都需要进行估价，估价数量必定会大幅度增加。从行业发展角度看，有必要开发利用大数据，满足房地产估价业务快速发展的需求。
大数据是房地产估价方法的基础。房地产估价方法包括比较法、收益法、成本法、假设开发法。例如比较法中的交易实例的搜集、房地产状况调整，收益法中的资本化率的确定，全部需要大数据。
3 大数据对房地产估价的影响
大数据时代带来的影响不仅体现在数据规模上，更深层次上是其对思维、管理、商业模式的变革。这些改变将影响行业的现有工作方式，进一步推进行业的优化重组和结构改革。这里，我们以数据为主要对象简要探讨大数据背景下对房地产估价产生的影响。
3.1 从单源数据到多源数据
大数据的一个重要特点就是数据的多样性，这就意味着数据来源更为广泛，数据类型更为复杂，尤其对于房地产估价行业来说，传统估价所使用的单--数据已经不能满足大数据的需求，要想真正利用大数据的价值,还需要更为广泛的数据来源和更为丰富的数据内容，以支持精确化、定量化房地产评估。
期刊文章分类查询,尽在期刊图书馆例如，高分辨率遥感影像可以为房地产估价提供最真实的工作底图，互联网数据挖掘结合语音识别、自然语言理解等技术可以从网络、广播、电视等媒介获取直接相关的信息，通过数据库技术进行管理，与政府机构及相关管理部门的数据进行对接等方式都将进一步完善大数据时代的信息采集。
3.2 从随机样本到全体样本
随机样本是“小数据”时代的产物，受数据获取技术和数据存储能力的制约，采用抽样表达整体的方法，缺少对对象细节的准确把握。采样的目的就是用最少的数据获取最多的信息，当我们有能力获取海量数据的时候，全体样本数据采集的意义就更加凸显。就房地产估价而言，单宗物业的价值受到物业本身的物理属性、空间位置、环境、交通、经济、政策等多方面因素的影响，相关资料的缺乏会影响估价师对物业价值的判断。此外，哲学上认为，万事万物存在普遍联系，看似不相关的数据在某种程度上存在着联系，这就要求我们对于非直接相关的数据也能引起充分的重视。大数据时代的数据不仅要求数量，同时要求全面。
3.3 从因果分析到相关分析
大数据研究不同于以往的推理研究，是对全体样本采用统计、比较、聚类、分类等挖掘其中存在的相关性。从探求因果关系向探求相关关系的转变并非不需要因果分析，而是相较于二者，大数据在相关关系分析中更具有优势，并且多数情况下，相关关系已经可以满足需要。正如Google利用用户的搜索内容成功预测流感爆发一样，其中的原因无从探求，建立在相关关系基础上的预测已经发挥了作用。同样，在影响房地产价格的因素中，多数情况是基于对相关关系的分析和建立。按照大数据的相关关系主张，将工作交给数据，从数据中建立相关关系，并利用这些关系进行进一步分析服务于房地产评估。
3.4 从精确数据到混合数据
数据精确性要求是在数据量有限情况下配合采样-起出现的，这种情况下，一旦失去精度，结果将不具有说服力。大数据时代面对全体采样，精确度的一定缺失可以从其他数据中得到补充，在这种情况下，单--数据的精度要求降低了，但是对数据全面性的要求实际上提高。从纵向来看，历史数据的价值和作用得到了凸显，历史数据能够发挥它真正的价值;从横向来看，数据的广度增加了，从直接相关到间接相关，看似不关联的数据或许存在相关性。需要注意的是大数据对精度热衷的降温并不意味着完全忽略，而是一定程度上的允许混杂。
4 房地产自动估价方法探索
房地产自动估价算法的精准度建立在数据的基础上,数据的完整、干净程度直接决定了估价结果的准确程度。目前房地产估价企业对于数据的搜集来源单--,主要利用爬虫技术在网上抓取数据，而网上数据多存在案例不真实,数据特征缺失以及找不到与待估案例相匹配的案例等情况,使许多优秀的机器学习算法发挥不出应有的效果。利用训练好的网络预测待估案例所属的那一区间，再以所属那一区间的案例作为训练集利用随机森林回归模型预测待估案例的成交价格，以此价格作为待估案例的市场价值。这样一来,降低了可比案例选择.上的难度，也跳出了房地产评估在待估案例周边楼盘寻找相似案例的传统思维，同时也解决了待估楼盘案例不足的情况，使案例评估的偏差控制在了区间范围内。
结语
数据是房地产估价师进行价值评估的核心要素，大数据时代的到来，不仅为房地产行业提供了海量数据，更重要的是对于数据估价处理方式的改变。本文从房地产估价理论出发，结合机器学习模型，探索出新的房地产自动估价方法，增加房地产走势判断的精准性，促进房地产行业的可持续发展。
参考文献
[1]金宗泽，冯亚丽，纪博，等．大数据分析中的关联挖掘[J]．计算机与数字工程，2014，42(10)：1924-1928
论文作者:马玉召
论文发表刊物:《建筑实践》2019年第9期
论文发表时间:2019/9/2
标签：数据论文; 房地产估价论文; 案例论文; 房地产论文; 关系论文; 价值论文; 方法论文; 《建筑实践》2019年第9期论文;