灰色关联分析在房地产估价市场法中的应用研究——以四川某小区为例

灰色关联分析在房地产估价市场法中的应用研究——以四川某小区为例

罗虹娇

西南民族大学 四川省 成都市 610000

摘要：相较之西方国家房地产市场，我国房地产市场发展的较晚，但是步入21世纪后，其后续发展开始加快。随着房地产评估需求的增多以及对评估技术和评估人员的要求提高，可通过以成都市某小区为待估对象，研究灰色关联分析在房地产估价市场法中的应用，结合四川成都某小区参照物与各交易案例的关联度计算。通过确定与参照物相关联度较高的待估房地产，以此提高估值的可信性。以期对推动房地产市场健康发展与房地产估价工作提供现实科学参考依据。

关键词：房地产估价；灰色关联分析；参照物

引言

随着社会的进步和经济的不断发展，我国房地产行业也正在逐步发展与完善，房地产相关的各类业务有条不紊地进行着。而房地产规模较大，对于大范围区域的房产评估，批量评估是十分适用的。其中，批量评估包括有三种基本方法：市场法、收益法、成本法。而目前，市场法在房地产发达的国家和地区是应用较为广泛的评估方法，且适用于具有交易性的房地产中如住宅、商铺等。房地产市场秩序建立是基于房地产估价的准确和有效性。灰色关联分析在房地产市场法中应用，可有效促进房地产的发展和完善。

基于科学的理论和严密的数学分析，所得到的房地产价格往往是比较有可靠性的。然而由于社会学因素众多，实际情况又异常复杂，因此对于房地产估值工作的准确性非常重要，却又成为了难点之一。往往在实际估值中，房价范围的确定都是依赖一定量的数学计算和估价人员依赖行业经验进行的判断，因此，房地产估值是带有一定程度的主观性的。本文所采用的市场比较法就是房地产估值中比较常见的一个方法。论文以房地产评估中的相关概念为切入点，通过对市场比较法的梳理和对参照物的选取进行分析，结合调研所得的三个案例数据进行灰色关联度分析，最终获得较为科学的关联程度和估值量化结果，希望能够对行业内的估值工作提供一定的实践经验。

1 概念界定

1.1房地产估价

房地产估价是对于房地产所具有的市场价值的推测与分析，是基于一定的科学依据或行业经验来对价值的评估进行带有时效性和权威性的判断工作。广义来说所有专业人员对于房地产价格的评估都可以算在房地产估价的范围内，行业通过多年沉淀的相关经验和行业行规，从业人员遵循着股价原则来对地产价值进行合理评估，同时通过全面判断房地产价格的变动情况来对其进行客观的价值估算与判断。

1.2土地供应及价格

随着我国城镇化进程的不断深化，全国各大一线城市的土地资源都十分稀缺，然而随着越来越多的人口涌入，住房需求在逐年增加，因此土地供应就造成了供远小于求的紧张局面。政府为了缓解这一现象采取了诸如收回“流拍”、“闲置”土地等等，然而对于成都的巨大住房需求仍然无法及时满足。土地价格是以土地使用权成交、转让为前提，一次性支付的多年地租的现值总和，是土地所有权在经济上的实现形式。实际上，城市土地资源愈发珍贵，土地价格不断攀升导致成都房地产价格偏离其资产的实际价值，而房地产价格较高又反过来抬高土地价格，使房地产市场处于恶性循环的状态。

1.3影响房地产价格因素

纵观历史来看房地产的价格变动主要有几个阶段，1997年以前的四川房地产还处于非市场化阶段，由于国家对于企事业单位的非农业户口人员提供福利分房，同时城镇居民也可以通过向政府购买土地使用权来建造住宅，因此该阶段房地产价格几乎不存在变动情况。从1998年到21世纪初，我国开始全面推广住房制度改革工作，分配住房取消后，公积金制度的诞生为房地产行业呈现出蓬勃的发展趋势，但是该阶段由于金融风暴的影响，经济紧缩情况下投资和交易都较少，房地产的价格波动仍然不够显著，其变动因素也仅仅局限于地理位置和配套设施等简单因素。自2009年完全市场化阶段完成后，房地产价格上涨飞速，逐年来购房者对于房地产价格的评估也有着越来越多的评判维度，比如房子的保值能力和升值空间，配套设施方面也不仅仅局限于吃喝玩乐，对于子女的教育和老人的医疗健康也是越来越多的考虑了进去。此外影响房地产价格的最大因素莫过于城市整体的发展前景，这一点在国内的北上广深就有诸多案例。本文的分析也是基于上述的各个方面，从中选取了8个较为具有代表性的因素来进行灰色关联度分析。

1.4灰色关联分析法

灰色关联分析法也成为系统因素分析法，其主要特点是对系统在长期发展中的变化趋势的预判和确定，可以对变化特征做量化分析。灰色关联度可以体现出系统的各个影响因素和变化程度对其整体态势的变化影响，是测量各因素影响力权重的一种测度方法。本文所使用的灰色预测阶段主要是利用了三个有一定相似度的实际案例，通过数据的比对和人为规定量化来对其各因素的指标进行具体分析，方便通过数学计算来确认各个案例的影响程度。这种方法的测试具有很多有点，比如他可以很好的避免样本量不足带来的数理统计误差，同时不具备过于复杂的计算量或计算公式，可以很好的对广大案例做适应，应用起来十分便捷，更不会遇到经过定量分析获得的结果与定性分析大相径庭的情况。

2 案例分析

2.1 估值对象基本情况

地理位置：成都市锦江区 东二环沙河畔通桂路7号(沙河公园旁)

用途：住宅

区位因素汇总：该地区为市中心繁华地段，周边交通便利，估价对象小区属于中档住宅，小区内的建筑群高度适中，周围没有过多高层大楼遮光现象。小区内绿化环境良好，公园配备完善的运动健身器材，整体小区空气清新，周围街道的噪声基本可控，小区内垃圾堆放点按时处理，整体环境优良。

估价对象达到六通（通路、通电、通给水、通排水、通信、通煤气），四周交通极为便利，出租车公共汽车和共享单车资源都十分充足。周边有塔子山公园和双桂公园，搭乘公共交通前往远洋太古里环球贸易广场王府井在半小时之内，基本可以满足各个年龄段的娱乐需求。教育方面，小区靠近双庆中学和四川大学，周围覆盖满足需求的小学和幼儿园，教育需求基本可以满足。

小区周围有多家4s店，可以让有车一族便捷地完成汽车相关的保养检修工作。中国移动和联通的营业厅都在2公里范围内，各类大小超市药店和医院都配备齐全，生活设施程度较为丰富，基础生活十分便利。

2.2 案例分析

本次房地产价值评估的工作主要基于成都市已有的3处房产交易案例进行对比，下表分别记录了估值目标和所选三个案例的具体情况，纵向维度包括文化娱乐教育绿化交通等等各个方面。

在了解了待估对象与各交易案例的详细情况以后，就需要计算各交易案例与待估对象的关联度。

（1）确定影响因素并进行量化根据表1所示，确定影响该土地使用权评估的因素为家庭网络情况 、与市中心/繁华地段距离 、民生配套设施情况 、文化娱乐场所情况 、子女教育资源情况 、交通便利程度 、小区绿化程度 、空气/水资源污染情况 。对可量化元素进行量化：与评估对象相同为1；与评估对象相似为2；与评估对象有差别，差别不是很大为3；与评估对象差别很大为4。

（2）列出参考数列与比较数列

（3）数列初值化处理

关联系数中两级差

关联度系数计算

关联度计算

由于 ，所以案例2与评估对象的关联度最大，最具有参考价值，在整体评估工作中所占的参考比重应当是最大的，以此类推案例1次之，关联度最小的是案例3。

（7）权重计算

因此我们可以得到评估对象的预期价格为：

元/㎡

3 总结讨论

从灰色关联度分析我们可以发现在房地产价值评估中，越多因素相似，则该案例的影响比重就越大。随着社会的不断发展，百姓对于房产的价值需求越来越丰富，其维度也不仅仅是地段和环境，更包括了众多附加价值，比如周边的配套设置，是否能够为老人子女提供优良的生活环境，以及上班族的通勤问题等等。随着维度的增多，单纯依靠评估人员的经验来判断有时候也许并不能够非常精准，但是以数据表格的形式列出所有考虑维度，然后调研再进行定量分析的方法是非常有效果的，其精确度也要大大高于单纯的经验判断。在实际的房地产价值评估中，市场比较法的难点一直都是案例的合理选取。本文中我们首先通过汇总了评估对象的大致情况，然后通过粗略筛选得到几个与评估对象情况基本一致的案例小区，随后再基于模糊数学理论分析了各个案例与评估价值对象的灰色关联度，通过一系列的数学手段得到了关联度和权重比值，较为准确地确定了评估目标的预期价格，整个调研和分析的过程中只有在对各个因素的评判四分原则标准上存在一些人为的主观观点，其他步骤均严格遵循数学原理，整体评估工作可参考性较高，数据结论较为合理。

参考文献（References）

1. 王全民. 环境因素与房地产价值评估[C]// 国际房地产估价学术研讨会. 2005.

2. 张芷萌, 杨景海. 市场法在房地产价值评估中的应用研究[J]. 现代商贸工业, 2018, 039(003):138-139.

3. 曹民伟. 关于市场法在房地产价值评估中的应用探讨[J]. 中国房地产业, 2019, 000(017):290.

4. 余炳文, 陈蕾. 浅议比较法在缺损房地产价值评估中的应用[J]. 中国资产评估, 2008.

5. 张恒, 刘小娟, 方绍云, et al. 一种基于神经网络统计学模型的房地产估值方法及系统:.

6. Earley, Christine, E. Knowledge Acquisition in Auditing: Training Novice Auditors to Recogniz

7. Cue Relationships in Real Estate Valuation.[J]. Accounting Review, 2001.

8. Brown G T . Real Estate Cycles Alter the Valuation Perspective[J]. Appraisal Journal, 1984.