面向房產(chǎn)稅的住宅批量估價(jià)方法及其優(yōu)缺點(diǎn)分析_第1頁(yè)
面向房產(chǎn)稅的住宅批量估價(jià)方法及其優(yōu)缺點(diǎn)分析_第2頁(yè)
面向房產(chǎn)稅的住宅批量估價(jià)方法及其優(yōu)缺點(diǎn)分析_第3頁(yè)
面向房產(chǎn)稅的住宅批量估價(jià)方法及其優(yōu)缺點(diǎn)分析_第4頁(yè)
面向房產(chǎn)稅的住宅批量估價(jià)方法及其優(yōu)缺點(diǎn)分析_第5頁(yè)
已閱讀5頁(yè),還剩4頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

第頁(yè)共頁(yè)面向房產(chǎn)稅的住宅批量估價(jià)方法及其優(yōu)缺點(diǎn)分析^p面向房產(chǎn)稅的住宅批量估價(jià)方法及其優(yōu)缺點(diǎn)分析^p一、引言為了優(yōu)化地方財(cái)政收入構(gòu)造和抑制住房投機(jī)需求,重慶和上海兩地在2023年1月成為全國(guó)首批試點(diǎn)城市,對(duì)居民開(kāi)場(chǎng)征收房產(chǎn)稅。當(dāng)前這兩個(gè)試點(diǎn)城市主要針對(duì)增量房征稅,以市場(chǎng)交易價(jià)格為征稅根據(jù)。目前,房地產(chǎn)最根本的估價(jià)方法有市場(chǎng)比擬法、收益法和本錢(qián)法。由于市場(chǎng)比擬法的估價(jià)原理能更好的表達(dá)房地產(chǎn)市場(chǎng)情況,所評(píng)估的指標(biāo)參數(shù)可以通過(guò)交易市場(chǎng)直接獲得,且評(píng)估結(jié)果更加的科學(xué)準(zhǔn)確,因此它成為最重要、最常用的房地產(chǎn)估價(jià)方法之一,也成為房地產(chǎn)批量估價(jià)方法的根底。本文對(duì)以市場(chǎng)比擬法為根底的幾種常用住宅批量估價(jià)方法進(jìn)展研究,比擬其優(yōu)缺點(diǎn),為我國(guó)建立和完善住宅批量估價(jià)系統(tǒng)提供參考。二、基于模糊數(shù)學(xué)的住宅批量估價(jià)方法(一)估價(jià)原理。自然界中,準(zhǔn)確數(shù)學(xué)無(wú)法描繪廣泛存在的模糊現(xiàn)象。而人類(lèi)可以通過(guò)模糊的思維和語(yǔ)言進(jìn)展信息的表達(dá),再通過(guò)大腦進(jìn)展理論的分析^p和推導(dǎo),最終做出決策。模糊數(shù)學(xué)就是模擬人類(lèi)思維的過(guò)程,運(yùn)用數(shù)學(xué)方法對(duì)模糊現(xiàn)象進(jìn)展研究和處理。基于模糊數(shù)學(xué)的住宅評(píng)量估價(jià)方法,通過(guò)運(yùn)用模糊數(shù)學(xué)理論來(lái)解決可比實(shí)例的選擇問(wèn)題。它以貼近度為根據(jù),從假設(shè)干個(gè)交易實(shí)例中選擇貼近度大,即與待估房地產(chǎn)最相似的交易實(shí)例作為可比實(shí)例。(二)估價(jià)步驟(1)提取估價(jià)對(duì)象的特征因素。在影響房地產(chǎn)價(jià)格的眾多因素中,各因素對(duì)估價(jià)目的不同的房地產(chǎn)的影響有一定的差異,結(jié)合專(zhuān)家意見(jiàn)對(duì)主要的特征因素進(jìn)展提取。(2)確定特征因素隸屬函數(shù)值。隸屬函數(shù)是表示某些因素隸屬于某種特征的函數(shù),其取值在0和1之間。當(dāng)函數(shù)值越近似于1,那么說(shuō)明隸屬度越大,反之隸屬度較低。特征因素主要有兩類(lèi):一類(lèi)是難以量化的模糊指標(biāo)(如交通狀況等);第二類(lèi)那么是容易得到確實(shí)切量化指標(biāo)(如面積等)。軟指標(biāo)隸屬函數(shù)值確實(shí)定可用類(lèi)比法建立隸屬函數(shù),并通過(guò)實(shí)地考察勘測(cè)來(lái)確定。(3)計(jì)算貼近度。貼近度是描繪兩模糊子集之間彼此相近程度的概念,取值范圍在[0,1]區(qū)間。同樣,當(dāng)貼近度越近似于1,那么說(shuō)明兩模糊子集越相近,反之貼近度較低。設(shè)A與B為論域U的模糊子集,那么A○B(yǎng)=(A∧B)=(A∧B)(公式1)公式1稱為A與B的內(nèi)積。A⊕B=(A∨B)=(A∨B)(公式2)公式2稱為A與B的外積。σ(A,B)=(1/2)[A○B(yǎng)+(1-A⊕B)](公式3)公式3稱為A與B的貼近度。按式(公式1)~(公式3)計(jì)算待估房地產(chǎn)與可比實(shí)例貼近度。(4)計(jì)算待估房地產(chǎn)價(jià)值。先計(jì)算各交易實(shí)例特征因素的隸屬函數(shù)值,提取特征因素,再通過(guò)計(jì)算待估房地產(chǎn)與各交易實(shí)例的貼近度得出待估房地產(chǎn)的估價(jià)結(jié)果。(三)優(yōu)缺點(diǎn)分析^p1、優(yōu)點(diǎn)分析^p(1)實(shí)例選擇和權(quán)重確定更加客觀?;谀:龜?shù)學(xué)的住宅批量評(píng)估方法引入貼近度概念來(lái)選取可比實(shí)例,并將待估房地產(chǎn)與可比實(shí)例的貼近度轉(zhuǎn)化成權(quán)重,減少了個(gè)人情感色彩對(duì)可比實(shí)例選擇和權(quán)重確定產(chǎn)生的影響。這種方法對(duì)可比實(shí)例的選擇和權(quán)重確實(shí)定比傳統(tǒng)方法更加客觀,科學(xué)。(2)能更好地評(píng)價(jià)定性因素。定性因素難以量化,具有模糊性,基于模糊數(shù)學(xué)的住宅批量評(píng)估方法在處理這類(lèi)具有“模糊”性質(zhì)的因素時(shí),通過(guò)類(lèi)比法建立隸屬函數(shù),使其量化成統(tǒng)一標(biāo)準(zhǔn)數(shù)字描繪,是解決這類(lèi)問(wèn)題的最有效方法。2、缺點(diǎn)分析^p(1)特征因素確實(shí)定受人為因素影響。特征因素較多,估價(jià)人員在進(jìn)展主要特征因素的選取時(shí)往往是參照估價(jià)條例及經(jīng)歷進(jìn)展主觀判斷。同時(shí)對(duì)于難以量化的軟指標(biāo),雖能通過(guò)類(lèi)比法建立隸屬函數(shù),但其隸屬函數(shù)值的最終確定仍受估價(jià)人員的人為影響。(2)模型對(duì)可比實(shí)例要求高。本方法需要有大量詳細(xì)的實(shí)例以供選擇,并且原那么上要求所選取的實(shí)例與待估對(duì)象的交易時(shí)間越近越好,這樣才能保證估價(jià)結(jié)果的準(zhǔn)確度。但我國(guó)目前在房地產(chǎn)交易信息統(tǒng)計(jì)以及公開(kāi)方面還有所欠缺,房地產(chǎn)市場(chǎng)管理體系不夠完善,房地產(chǎn)交易登記常出現(xiàn)陰陽(yáng)合同等,導(dǎo)致選取的符合要求的可比實(shí)例數(shù)量有限,進(jìn)而可能影響估價(jià)結(jié)果的準(zhǔn)確度。三、基于神經(jīng)網(wǎng)絡(luò)的住宅批量估價(jià)方法(一)估價(jià)原理。人工神經(jīng)網(wǎng)絡(luò)是一種通過(guò)模擬動(dòng)物神經(jīng)功能和構(gòu)造特征,進(jìn)展分布式并行信息處理的數(shù)學(xué)模型。尤其合適需要同時(shí)處理多因素和不準(zhǔn)確的信息問(wèn)題。而房地產(chǎn)價(jià)格受許多因素的印象,同時(shí)某些特征因素和房地產(chǎn)價(jià)格之間著非線性問(wèn)題。因此,人工神經(jīng)網(wǎng)絡(luò)運(yùn)用到房地產(chǎn)估價(jià)當(dāng)中是科學(xué)合理的。(二)估價(jià)步驟(1)輸入待估房地產(chǎn)信息。選取與估價(jià)相關(guān)的房地產(chǎn)信息,例如小區(qū)名稱、位置、面積等。(2)對(duì)主要的特征因素進(jìn)展量化。通過(guò)建立指標(biāo)體系選取主要影響因素,并咨詢專(zhuān)家進(jìn)展量化打分,將主要的特征影響因素進(jìn)展輸入。(3)確定樣本。選取一定數(shù)目與待估房地產(chǎn)相類(lèi)似交易可比實(shí)例。其中70%作為訓(xùn)練樣本,剩下的樣本用于檢測(cè)。為了有利于神經(jīng)網(wǎng)絡(luò)訓(xùn)練,待樣本確定后,按照一定的規(guī)那么,將樣本的輸入、輸出轉(zhuǎn)化為0到1區(qū)間的值。(4)建立模型。確定模型的根本參數(shù)。(5)模型訓(xùn)練。即網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程。首先設(shè)置訓(xùn)練參數(shù),再用選取的訓(xùn)練樣本對(duì)建立好的神經(jīng)網(wǎng)絡(luò)模型進(jìn)展訓(xùn)練。(6)模型檢測(cè)。通過(guò)測(cè)試樣本得到樣本檢測(cè)誤差,判斷模型是否滿足要求。如不滿足,應(yīng)從新訓(xùn)練,直到符合要求。(7)估價(jià)。輸入待估對(duì)象的影響因素值,得到它的.評(píng)估價(jià)格。(三)優(yōu)缺點(diǎn)分析^p1、優(yōu)點(diǎn)分析^p?;谏窠?jīng)網(wǎng)絡(luò)的住宅批量評(píng)估方法的最大優(yōu)點(diǎn)在于權(quán)重確定更加客觀。網(wǎng)絡(luò)通過(guò)樣本學(xué)習(xí),系統(tǒng)將自動(dòng)得出各特征因素與房地產(chǎn)價(jià)格之間關(guān)系的權(quán)數(shù),從而克制了人工確定權(quán)重的主觀隨意性。2、缺點(diǎn)分析^p(1)模型對(duì)樣本要求高。構(gòu)建房地產(chǎn)估價(jià)的神經(jīng)網(wǎng)絡(luò)模型其訓(xùn)練需要大量樣本數(shù)據(jù),對(duì)房地產(chǎn)市場(chǎng)的要求高,需要該地區(qū)房地產(chǎn)交易信息管理相當(dāng)完善,并能搜集足夠的有效的交易案例,否那么模型的精準(zhǔn)度難以保證。(2)人為主觀影響因素較大。由于特征因素的量化的前提是特征因素的提取,而特征因素構(gòu)建的價(jià)格指標(biāo)體系采用評(píng)估人員經(jīng)歷選取以及專(zhuān)家打分等方法進(jìn)展的,這個(gè)過(guò)程有較強(qiáng)的主觀性,從而影響估價(jià)結(jié)果的科學(xué)性和準(zhǔn)確性。(3)估價(jià)結(jié)果的時(shí)點(diǎn)效應(yīng)需進(jìn)一步修正。由于房地產(chǎn)估價(jià)具有較強(qiáng)的時(shí)效性,而神經(jīng)網(wǎng)絡(luò)估價(jià)方法無(wú)法對(duì)時(shí)點(diǎn)進(jìn)展修正,還需參照一般的市場(chǎng)比擬法進(jìn)展二次修正。(4)應(yīng)用神經(jīng)網(wǎng)絡(luò)方法收斂速度太慢。影響房地產(chǎn)價(jià)值的因素眾多,其中很多因素有較強(qiáng)的時(shí)效性,因此在市場(chǎng)交易環(huán)境發(fā)生變化時(shí),模型的更新需要大量的訓(xùn)練時(shí)間,對(duì)于把握市場(chǎng)變化的效率不高。四、基于多元回歸模型的住宅批量估價(jià)方法(一)估價(jià)原理。多元回歸分析^p是目前在國(guó)外批量評(píng)估中占主流的校準(zhǔn)技術(shù)。其根本原理是:在大量樣本的根底上,通過(guò)對(duì)變量、誤差的假定,依靠最小二乘法來(lái)擬合因變量與自變量關(guān)系,從而建立數(shù)學(xué)模型。線性回歸模型的代表是效用函數(shù)(HedonicModel)。P=βo+∑βiXi+ε(公式4)式中:P住宅價(jià)格;βo回歸常數(shù)項(xiàng),即除住宅特征變量外其他影響商品住宅價(jià)格的常量之和;βi回歸系數(shù),即特征變量的特征價(jià)格;Xi特征變量,如區(qū)域、面積、樓層、構(gòu)造等;ε隨機(jī)誤差,一般隨機(jī)誤差不具有經(jīng)濟(jì)意義。(二)估價(jià)步驟(1)確定估價(jià)對(duì)象。批量估價(jià)的房地產(chǎn)應(yīng)是具有一樣或相似特點(diǎn)的,對(duì)區(qū)域內(nèi)存在個(gè)別差異的特殊房地產(chǎn)應(yīng)對(duì)其進(jìn)展個(gè)案估價(jià)。(2)市場(chǎng)區(qū)域的劃分。區(qū)位因素對(duì)房地產(chǎn)估價(jià)的影響較為突出,合理地劃分市場(chǎng)區(qū)域是批量估價(jià)的重點(diǎn)工作,不但進(jìn)步了房地產(chǎn)的相似程度,進(jìn)步估價(jià)的準(zhǔn)確度,同時(shí)也簡(jiǎn)化了估價(jià)難度。(3)確定特征因素。對(duì)于房地產(chǎn)批量估價(jià)而言,特征因素的選取最為關(guān)鍵,選取共同的、相關(guān)的特征因素對(duì)進(jìn)步模型準(zhǔn)確度至關(guān)重要,對(duì)于個(gè)別的特征因素可以進(jìn)展單獨(dú)估價(jià)。(4)模型設(shè)定。本文以住宅為研究對(duì)象設(shè)定模型,將住宅的價(jià)格作為因變量,將影響住宅價(jià)格的各個(gè)特征因素作為自變量。使用多元回歸模型,借助計(jì)算機(jī)技術(shù)輔助完成模型的建立。(5)模型校準(zhǔn)。特征因素對(duì)房地產(chǎn)價(jià)格的影響程度即模型中的自變量系數(shù),對(duì)模型中不符合估價(jià)要求的自變量系數(shù)進(jìn)展剔除并對(duì)模型進(jìn)展校準(zhǔn)。(6)模型應(yīng)用。將評(píng)估對(duì)象特征因素量化后的值輸入函數(shù)模型,得到估價(jià)結(jié)果。(7)檢測(cè)批量評(píng)估結(jié)果。通過(guò)評(píng)估價(jià)值和市場(chǎng)價(jià)值的實(shí)際比對(duì)得出批量估價(jià)的質(zhì)量,即評(píng)估程度。(三)優(yōu)缺點(diǎn)分析^p1、優(yōu)點(diǎn)分析^p(1)房地產(chǎn)的批量評(píng)估快速精準(zhǔn)。多元回歸模型的優(yōu)勢(shì)在于其使用最小二乘法原理,通過(guò)多重共線性及各回歸參數(shù)的檢驗(yàn)和剔除,得出擬合優(yōu)度最高的線性模型,從而進(jìn)步估價(jià)模型的精度,可以滿足大批量房地產(chǎn)的快速精準(zhǔn)評(píng)估。(2)模型的經(jīng)濟(jì)解釋力強(qiáng)。由于每一個(gè)回歸系數(shù)可以表達(dá)各特征因素對(duì)房地產(chǎn)價(jià)值的影響,并對(duì)不顯著變量進(jìn)展剔除,有利于決策者根據(jù)不同參數(shù)把握市場(chǎng)情況,進(jìn)展相關(guān)調(diào)控(比方規(guī)劃、需求刺激/抑制等),同時(shí)模型參數(shù)對(duì)于樓盤(pán)開(kāi)發(fā)、城市開(kāi)展等方面,也具有重要參考意義。2、缺點(diǎn)分析^p(1)模型的精度受研究根本單位影響大。雖然優(yōu)勢(shì)中提到了模型的擬合精度較高,但這種精度的要求卻是依賴于模型研究的根本單位,比方樓幢、小區(qū)、片區(qū)、行政區(qū)等。根本單位范圍越小,模型的擬合精度也越高,反之越低。假如根本單位范圍越小,時(shí)間本錢(qián)、人力本錢(qián)和對(duì)樣本的質(zhì)量要求會(huì)比擬高。假如根本單位范圍越廣,對(duì)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論