《基于BP神经网络的房地产价格评估研究教程文件.doc》由会员分享，可在线阅读，更多相关《基于BP神经网络的房地产价格评估研究教程文件.doc（33页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、Good is good, but better carries it.精益求精，善益求善。基于BP神经网络的房地产价格评估研究-基于BP神经网络的房地产价格评估研究基于BP神经网络的房地产价格评估研究以南安市为例摘要随着我国住房福利制度的取消和住房分配货币化的实行，房地产市场日趋活跃，房地产业已成为国民经济的重要组成部分，而与之相关的房地产估价业务应运而生，并迅速发展壮大，在推动房地产价格正常化，保障房地产公平交易，建立健康的房地产市场体系和公正合理的交易秩序中扮演着越来越重要的角色。我国房地产估价方法的研究和应用尚处于探索阶段，现行的估价方法注重经验和艺术，而很少建立数学模型进行定量化评估
2、，因而寻找一种科学、合理的定量评估方法具有重要的现实意义和理论意义。根据房地产估价的特点，在前人研究的基础上，借助神经网络极强的非线性动态处理问题的能力，将其引入房地产价格评估领域，创建了基于神经网络的房地产价格评估模型，利用神经网络超强的自学习能力，从大量成交案例中发现并掌握房地产影响因素与其成交价格之间复杂的客观规律。在神经网络房地产估价模型的实现中，借助MATLAB神经网络工具箱提供的各功能函数，对应用于房地产估价的BP网络和RBF网络进行设计并优化，城北租房用市场调研得到的真实成交案例对网络进行训练和验证，两种网络模型都得到了较好的预测结果，在对训练和验证结果分析的基础上，对两种神经网
3、络估价模型进行了对比分析，指出了两种网络各自的优缺点以及改进措施。最后，在将神经网络引入房地产价格评估领域思路的基础上，提出了创建房地产价格评估系统，开发专业的可视化软件，提高估价工作效率、降低估价成本，以更好地为房地产开发、经营和管理服务。关键词：房地产估价，BP神经网络，价格评估模型，MATLAB评估应用一、主要介绍工业、商住房地产特征及其价格特征，分析其价格的主要影响因素。（一）、房地产价格的形成及其特征1、房地产价格的形成房地产价格是房地产经济中的一个核心问题，它关系到房地产所有权和使用权在经济上的实现，房地产市场运行秩序和房地产资源的优化配置。它是指在开发、建设、经营房地产过程中，所
4、耗费的全部社会必要劳动形成的价值与土地所有权价格综合的货币表现。从房地产估价的角度研究房地产价格，可定义为:房地产价格是和平的获得他人的房地产所必须付出的代价，通常使用货币来表示，但也可以用实物、劳务等其他方式偿付。这主要是从现象上把握房地产价格的“数量，房地产之所以具有价格，是由房地产的效用、房地产的相对稀缺以及对房地产的有效需求共同作用而形成的。在现实生活中，交易对象和时间的不同，房地产价格呈现不同的变化，都是由于这三者的程度不同及其变化而引起的。2、房地产价格的特征房地产是一种极其复杂的商品，因此，房地产价格除与其他一般商品价格都具有以货币形式表示价值、都受供求关系影响制约、质优价高等共
5、性外，还有一般商品价格所不具有的特性。2.1、房地产价格具有明显的区位性。房地产价格受房地产所处地理位置的影响很大，沿海和内地、南方和北方、城市和农村、大都市和小城镇，他们所处的土地条件、环境气候、基础设施以及经济发展水平等方面的不同，房地产价格在市场上表现为同质量而不同价格的区域特性，即使在同一城市内部，建筑结构、使用性质完全相同的房屋，只是由于建筑地段的差异，其价格也往往有很大的差别。2.2.房地产价格实质上是关于房地产权属利益的价格。由于房地产的自然地理位置的不可移动性，因此在房地产的交易中只是房地产权属的转移。山房地产转移的权属利益不同，价格也就不同，如:所有权价格、使用权价格、租赁权
6、价格等。2.3.房地产价格既有交换价格，也有使用代价的租金。房地产由于价值量大，寿命长，出现了买卖和租赁两种交易方式，因此房地产同时有两个价格，一是其本身有一个价格，经济学上称为源泉价格，即这里的交换代价的价格;另一个是使用它一定时间的价格，经济学上成为服务价格，即这里的使用代价的租金。2.4.房地产价格通常是个别形成，容易受交易者的个别因素的影响。首先是由土地位置的差异决定的每一块土地的位置、地形、环境等因素千差万别，因而价格也会出现差异。其次房地产的独一无二性使房地产价格一般随着交易的需要而个别形成，并容易受买卖双方的个别因素(如偏好、讨价还价能力、感情冲动等)的影响。2.5.房地产价格具
7、有趋升性。即房地产商品的增值性。这是从房地产价格变化的总体趋势来说的，是呈“螺旋形”的，也就是说，房地产价格的上升不是直线性的，而是“波动”的。（二）房地产价格的影响因素分析房地产价格的高低是由众多影响因素综合作用的结果，这些因素具有经常变动的倾向，因此对房地产价格的影响程度、方向都不尽相同。它们有的可以定量描述，有的仅可作定性分析;有的影响大，有的影响小;有的对房地产价格产生正面影响，有的则产生负面影响;对于不同用途的房地产，其影响因素不尽相同，即使相同的因素对其价格的影响大小和方向亦不相同。因此，做好房地产价格的影响因素分析对于房地产估价具有重要的意义。在房地产价格的众多因素之中，有的是在
8、总体上影响某地区、某类房地产的价格水平，有的则直接影响到某一具体房地产的价格。前者即为影响房地产价格的一般因素，后者则称为形成房地产价格的个别因素及区域因素。本节从一般房地产的角度来论述房地产价格的影响因素。1、一般因素影响房地产价格的一般因素指在某一地区对房地产的价格高低及其变动具有一般性、普遍性、共同性影响的因素。其主要内容包括社会因素、经济因素及行政因素三大项。它们并不直接决定某宗房地产的价格，但它们对整体房地产市场的价格走势具有决定意义。（1）社会因素1)社会政治安定及治安状况一般说来，政治不安定则意味着社会可能动荡，这会影响人们投资置业的信心，从而造成房地产价格低落;而房地产所在地区
9、治安状况不良，则意味着人们的生命财产缺乏保障，因此也会造成房地产价格低落，并且这种影响的持续时间会很长。2)房地产投机行为房地产投机是建立在投机者对未来房地产价格预期的基础上的。其结果可能是:(1)引起房地产上涨;(2)引起房地产价格下跌;(3)起着稳定房地产价格的作用。至于房地产投机具体会导致那种结果，取决于当时当地的各种条件，包括投机者的素质、心理和政府机构的管理水平等。3)城市化水平城市化水平的提高使得越来越多的农民离开土地，搬到城镇，人口向城市日益集中，客观上增加了对房地产的需求;城市化还改变了人们的价值观念，使越来越多的农村人口接受了城市生活方式，投身到房地产市场中来，从而扩大了房地
10、产市场，带动房地产价格上涨。4)人口状况一个国家或地区的人口状况对房地产价格的影响，主要有人口数量、人口素质、家庭人口规模等因子。随着人口数量的增长，对房地产的需求必然增加，从而促使房地产价格上涨:如果一个地区居民素质低，构成复杂，社会秩序欠佳，人们多不愿意在此居住，从而在地区房地产价格必然低落;一般来说，随着家庭人口规模小型化，家庭数量增加，所需住房总量将增加，房地产价格有上涨的趋势。（2）经济因素1)经济发展程度当经济繁荣时，随着国民生产总值迅速增长，居民的收入水平也会不断提高，对房地产的有效需求相应增加。这时房地产市场行情就会上涨。如果经济陷入低谷，则行情自然下跌。2)利率利率对房地产价
11、格有着很大的影响。从成本的角度来看，利率上升会增加房地产开发的成本，从而使房地产价格上涨;从房地产需求的角度来看，由于现在购买房地产(特别是商品住宅)普遍采取贷款方式付款，所以利率上升会抑制房地产需求，从而使房地产价格下降;从房地产价值是房地产预期未来收益的现值之和的角度来看，由于房地产价值与折现率负相关，而折现率与利率正相关，所以利率上升会使房地产价格下降。因此，综合来看，房地产价格与利率负相关，利率上升，房地产价格会下降;利率下降，房地产价格会上升。3)居民收入随着居民收入的真正增加，意味着人们的生活水平将随之提高，对居住和活动所需空间扩大，从而会增加对房地产的需求，导致房地产价格上涨。至
12、于对房地产价格影响的程度，要看现有的收入水平及边际消费倾向的大小来定。4)物价房地产价格与一般物价之间的关系非常复杂。通常物价波动，表明货币购买力的变动，此时房地产价格也将随之变动。如果物价变动的百分比等于房地产价格变动的百分比，则表示两者之间的实质关系并未改变，否则说明两者之间发生了变化。一般而言，物价上涨导致房地产价格上涨。（3）行政因素行政因素主要是指那些影响房地产价格的制度、政策、法律法规、行政行为等方面的因素，主要有:房地产制度、房地产价格政策、土地利用规划、城市规划、税收政策等。2、区域因素区域因素是指房地产所在地区的自然条件与社会、经济、行政等因素相结合所形成的地区特性对该区房地
13、产价格水平的影响作用。区域因素除应重视房地产所属地区的地理经济环境差异外，根据房地产的类别不同，其所应重视的条件亦有很大差别。（1）商服繁华程度商服繁华程度是指一个城市或地区的商业服务业的集聚程度和对周围环境的影响程度。商服繁华程度与一个城市的城市性质、规模、人口数量、经济发展水平等直接相关，并影响所在城市或地区的物质流、信息流和人流通量，从而影响到所在地区的房地产价格水平。（2）交通条件交通条件是指一个城市或地区的交通通达程度与便利状况。交通条件的优劣将直接影响城市人流、物流的通达性及其交通运输成本(包括交通时间)，明显影响人们的出行方便程度，从而影响房地产价格水平。交通条件中，主要有道路通
14、达度、公交便捷度和对外交通便利度等影响因子。（3）基础设施状况基础设施主要是指区域的生活设施和公用设施。城市的公用设施如交通、供电、供热、供气、给排水、通讯、环保、抗灾等，是城市发展必不可少的物质基础;生活服务设施包括医疗、教育、娱乐、银行、邮政、商业服务网点等。城市基础设施的优劣将直接影响人们生活、学习、工作的方便和舒适程度，进而影响房地产价格。（4）区域环境条件区域环境条件是指房地产所在区域的环境质量，包括绿化率、空气质量、水环境质量、噪声程度等。显然，随着人们生活水平的提高，对房地产，尤其是住宅类房地产的环境质量的要求将越来越高，而成为人们选购房地产的重要因素。区域因素与房地产的用途直接
15、相关，如住宅特别注重环境舒适度、基础设施的完备程度、交通便利度及距繁华商业区的远近;而商业房地产则特别关注商业的集聚效应、交通通达条件、顾客流量及购买力等;工业用地则特别关注对外交通便利程度、动力资源及劳动力状况等。3、个别因素影响房地产价格的个别因素，是指构成房地产本身使用功能、质量优劣的因素，直接决定和影响着房地产价格水平，这是由于房地产的个别特性决定的。个别因素可分为宗地条件与建筑物条件。（1）与土地有关的个别因素主要有:1)宗地的位置、形状、大小，如果宗地的位置好，形状规则，宽度与深度比例适当，一般房地产价格较高;2)临街状态以及宗地用途，主要是临街状态影响宗地的用途，进而影响房地产价
16、格，一般来说，商业用地、住宅用地、工业用地的地价是递减的;3)宗地的地形、地势、地质，如果地质坚实，地形平坦，地势较高，一般地价较高。（2）与建筑物有关的个别因素主要有:1)建筑物的结构、内部格局及外观、设备配备和施工质量等，如果结构合理，设施齐全，质量优良，建筑物价格就高;2)建筑物的楼层、朝向，楼层的高低、房屋的朝向影响房屋的使用功能和使用的方便性、舒适性，进而影响房地产价格;3)各种法规对建筑物的管制状况等。二、BP神经网络的基本原理，并对BP神经网络的算法进行介绍。（一）、BP神经网络模型1、神经网络简介“神经网络”或“人工神经网络”是指用大量的简单计算单元(即神经元)构成的非线性系统
17、，它在一定程度和层次上模仿了人脑神经系统的信息处理、存储及检索功能，因而具有学习、记忆和计算等智能处理功能。神经网路具有一些显著的特点:具有非线性映射能力;不需要精确的数学模型;擅长从输入输出数据中学习有用知识;容易实现并行计算等等。正因为神经网络是一种模仿生物神经系统构成的新的信息处理模型，并具有独特的结构，所以人们期望它能解决一些用传统方法难以解决的问题。神经元是以生物神经系统的神经细胞为基础的生物模型。在人们对生物神经系统进行研究，以探讨人工智能的机制时，把神经元数学化，从而产生了人工神经元数学模型。大量形式相同的神经元连结在一起就组成了神经网络。神经网络是一个高度非线性动力学系统。虽然
18、，单个神经元的结构和功能并不复杂，但是整个神经网络的动态行为则是十分复杂的，因此，可以用神经网络表达实际物理世界的多种现象。2、生物神经元的结构及行为机理神经网络的基本组成单元是神经元，数学上的神经元模型和生物学上的神经细胞是对应的。人工神经网络理论正是用神经元这种抽象的数学模型来描述客观世界的生物细胞。一个神经元的构造，主要包括细胞体、树突、轴突和突触。细胞体细胞体是神经元的主体，由细胞核、细胞质和细胞膜三部分构成。细胞核占据细胞体很大一部分，进行着呼吸和新陈代谢等许多生化过程。树突从细胞体向外延伸出许多突起的神经纤维，其中大部分突起比较短，多群集在细胞体附近，这些突起称为树突。神经元靠树突
19、接受来自其他神经元的输入信号。轴突从细胞体伸出的最长的一条突起称为轴突。轴突细而长，用于传输细胞体产生的输出电化学信号，其终端细的分支称为神经(轴突)末梢，可以向四面八方传输信号，相当于细胞体的输出端。突触神经元之间通过一个神经元的轴突末梢和其他神经元的细胞体或树突进行通信连接，这种连接相当于神经元之间的输入输出接口，称为突触。在神经元中，突触为输入输出接口，树突和细胞体为输入端，接收突触点的输入信号;细胞体相当于一个微型处理器，对各树突和细胞体个部位收到的来自其他神经元的输入信号进行组合，并在一定条件下触发，产生以输出信号;输出信号沿轴突传至末梢，轴突末梢作为输出端通过突触将这一输出信号传向
20、其他神经元的树突和细胞体。3、BP神经网络基本思想人工神经网络有很多模型，但是目前应用最广泛的、基本思想最直观、最容易理解的是前馈神经网络中的误差逆传播学习算法(ErrorBackPropagation)简称为BP神经网络。它是前馈神经网络中的核心部分，也是最精华的部分。为了研究BP神经网络是怎样从经验中学习的，首先假设一些训练例子或称为样本，通过下面的具体步骤使一个BP神经网络完成某一个特定的任务。具体步骤如下:(1)向网络提供训练样本，包括输入单元的活性模式和期望的输出单元的活性模式。确定网络的实际输出与期望输出之间允许的误差和最大训练次数。(2)将输入单元值由输入层经中间隐层向输出层传播
21、。(3)实际输出与期望输出的差即是误差，按照误差平方最小这一规则，由输出层往中间层逐层修正连接权值，使网络产生的输出更接近于期望的输出，直到满足确定的输出允许误差或达到最大训练次数为止。为了训练人工神经网络完成某一项任务，必须反复调整每一个单元的权值，即减小期望输出与实际输出之间的误差。为此，必须计算每个权值变化时引起的误差的变化，即误差导数，而反向传播算法是一种确定误差导数最有效的方法。（二）BP神经网络的结构及其算法2.1、BP神经网络的结构下面以三层BP神经网络为例。前层是输入层，中间为隐层，最后为输出层。其信息从输入层依次向前，直到输出层。输入层神经元的个数为输入信号的维数，隐层个数以
22、及隐层中神经元个数视具体情况而定，输出层神经元个数为输出信号的维数。每一个神经元的激活函数是可微的Sigmoid函数或双曲正切函数。2.2、BP神经网络的算法BP学习算法属于a学习规则，是一种由教师的学习算法。输入学习样本为P个，Xp1(p1=1,2，P)，己知与其对应的教师值Tp1，学习算法是将实际输出Yp1与Tp1的误差来修正连接权和阐值，直到满足确定的输出允许误差或达到最大训练次数为止。1)信号正向传播:输入信号从输入层经过隐层单元，传向输出层，在输出端产生输出信号，这是工作信号的正向传播。在信号向前传递的过程中网络的权值是固定不变的，每一层神经元的状态只影响下一层神经元的状态。如果在输
23、出层不能得到期望的输出，则转入误差信号反向传播。2)误差信号反向传播:网络的实际输出与期望的输出之间差值即为误差信号，误差信号由输出端开始逐渐向回传播，这是误差信号的反向传播。在误差信号反向传播的过程中，网络的权值由误差反馈进行调节。通过权值的不断修正使网络的实际输出更接近期望输出。如果满足给定的允许误差或达到最大训练次数，训练结束，否则转入信号正向传播。2.3BP神经网络模型的改进2.3.1BP网络的缺点BP算法是一个有效的算法，它己成为人工神经网络的重要模型之一。BP模型把一组样本I/0问题变为一个非线性优化问题，使用了优化中最普通的梯度下降法，用迭代运算求解权值:加入隐层节点增加了可调参
24、数，从而得到更精确的解。BP网络虽然从各个方面都有其重要的意义，但它存在有如下问题:(1)从数学上看它是一个非线性优化问题，这就不可避免地存在有局部极小问题;(2)学习算法的收敛速度很慢，通常要几千步迭代或更多;(3)网络的隐节点个数选取尚无理论上的指导，而是根据经验选取的。2.3.2BP网络模型的若干改进人们在标准BP算法的基础上进行了许多有益的改进，提出不少基于非线性优化的训练算法，加快网络的训练速度，避免陷入局部极小。总结各种改进算法，可分为两大类。一类是基于启发式技术的改进方法，此类算法是由标准梯度下降法发展而来的，有附加动量的BP算法、学习速率可变的BP算法和弹性BP算法等;另一类是
25、基于标准数值优化的改进方法，有共扼梯度法、拟牛顿法和Levenberg-Marquardt法等。（三）新兴RBF神经网络简介径向基函数(RBF)神经网络的结构与多层前向网络类似，它是一种三层前向网络。输入层由信号源结点组成;第二层为隐含层，单元数视所描述问题的需要而定;第三层为输出层，它对输入模式的作用作出响应。从输入层空间到隐含层空间的变换是非线性的，而从隐含层空间到输出层空间变换是线性的。隐单元的激活函数是径向基函数(常用高斯函数)，它是一种局部分布的对中心点径向对称的非线性函数。3.1RBF神经网络基本思想用RBF作为隐单元的“基”构成隐含层空间，这样就可将输入矢量直接(即不通过权连接)
26、映射到隐空间。当RBF的中心点确定以后，这种映射关系也就确定了。而隐含层空间到输出层空间的映射关系是线性的，即网络的输出是隐单元输出的线性加权和。此处的权即为网络可调参数。由此可见，从总体上看，网络由输入到输出的映射是非线性的，而网络输出对可调参数而言却又是线性的。这样网络的权就可由线性方程组直接解出或采用误差修正等训练方法，从而大大加快学习速度并避免局部极小问题。3.2RBF神经网络的结构及其算法1.RBF神经网络的结构与数学描述为n-h-m结构的RBF网络，该网络具有n个输入层节点，h个隐层(又称径向基层)节点和m个输出层节点。由前述只是可知，隐层节点通常采用距离函数为基函数、径向基函数(
27、通常取高斯函数)为激活函数，而输出层节点基函数和激活函数通常均采用较为简单的线性函数。设任一输入矢量XRn，即输入层有n个神经元，x=(x0，xl，xn-1)T;输出层矢量yRm，即输出层有m个神经元，y=(y0，y1，ym-1)T。Rj(j)第j个隐节点的激活函数(取高斯函数)，由于径向基函数对空间的一个中心点具有径向对称性，所以RBF网络每个隐节点都有一个数据中心，图中cj就表示网络中第j个隐节点的数据中心值。|x-cj|是向量x-cj的范数，表示x和cj之间的距离j，称为径向基函数的扩展常数(SPread)或宽度，显然，j越小，径向基函数的宽度越小，基函数就越具有选择性。图中输出层节点中
28、的万表示输出层神经原采用线性激活函数。当RBF的中心和宽度确定后，输入向量x=(x0，x1，xn-1)了到变换空间的映射关系就完全确定了。在RBF网络中，径向基函数的中心(位置)就是高斯函数的均值，而宽度就是高斯函数的方差。此外，RBF网络中输入层到中间隐层的权值恒为l(即ij=1)，那么，通过高斯函数实现从输入层x到隐层Rj(x)的非线性映射。2.RBF神经网络的学习算法给定了训练样本，RBF网络的学习算法应该解决以下问题:结构设计，即确定网络隐节点数从确定各径向基函数的数据中心cj及扩展常数j确定输出权值。对于隐节点个数问题，尽管RBF网络就此有较多的研究和讨论，并且有正规化RBF和广义R
29、BF之说，具体算法有正交最小二乘(ols)算法、正则化正交最小二乘(ROLS)算法、进化优化算法等，但是同其他网络一样，实际上是一个需要通过大量反复试验加以确定的过程。本文对这些算法不作详细论述。在确定RBF网络参数时，有学者也提出了各种各样的算法。有研究表明，一旦网络中心和宽度确定，从输入到输出就成了一个线性方程组，此时权值学习可通过求解线性方程组得出。因此，训练和获取RBF的中心和宽度是设计RBF网络的重要准则。3.RBF神经网络的学习过程RBF网络的训练过程分为两个阶段:第一阶段采用模式识别中无教师学习方法，确定输入层到隐层的权值，很多时候，输入层与隐含层之间的权值固定为1;第二阶段为有
30、教师学习，确定隐层到输出层的权值。在训练前，需要提供输入矢量x、对应的目标矢量t与径向基函数的扩展常数。训练的目的是求取两层的最终权值1，2和阈值1、2(当隐层单元数等于输入矢量数时，2=0)。（四）、小结在模拟生物神经网络结构和功能的基础上，创建出的人工神经网络具有超强的自学习、自适应和自组织等能力，在处理非线性问题中表现出非凡的优势。本章在对人工神经网络基本机理、拓扑结构和训练模型详细论述的基础上，对前向网络中最经典、最流行的BP神经网络和RBF神经网络的基本思想、网络结构及其算法进行了深入地总结和分析，为后续章节提出新的房地产价格评估方法作理论铺垫。三、选择MATLAB工具进行房地产评估
31、神经网络模型的建立，结合南安市工业、商住房地产的市场状况，并选择了适量的样本对神经网路进行训练和检测。（一）传统房地产估价基本原理及其方法分析1、房地产估价的基本原则为了客观、公正、科学、合理地评估房地产价格，将待估房地产在一定时点、一定产权状态下的固有价值量客观、合理地反映出来，除了要求按照一定的估价目的，深入了解市场情况和全面分析影响因素，采用科学的估价方法之外，还必须遵循一定的估价原则。根据对房地产估价理论与实践的研究与认识，有学者提出包括合法原则、最高最佳使用原则、估价时点原则、替代原则和公平原则在内的五项估价原则。本文从房地产估价这一学科内在结构、体系和规律的角度出发，将其划分为综合
32、性原则、替代原则、最有效使用原则和动态原则等四项。1.1综合性原则综合性原则，又称综合分析与主导因素相结合原则，基于系统论的系统观点。其主要表现为:全面了解待估房地产，估价时，应全面了解、综合分析诸如估价目的、宏观经济背景、区位条件、市场行情及利用程度、产权状况等基本情况，为日后估价工作奠定良好基础;综合分析房地产价格影响因素，房地产价格受众多因素的影响，且因素间相互对立统一，协同竞争，以不同程度、不同趋势、不同规律影响着房地产价格的形成，左右着房地产价格的水平。估价时，应运用系统论原理，综合分析房地产价格的影响因素;房地产价格分析计算的综性，在综合分析房地产特点和价格影响因素的基础上，结合估
33、价方法本身的特点、使用条件和资料状况，选择合适的估价方法以及其中主要或敏感参数进行分析计算。1.2替代原则替代原则，基于经济学中的替代原理，主要以消费者正常的和理性的消费行为为基础而形成的基本原则。房地产价格的形成本质上反映了买卖双方不断根据市场行情及其影响因素的比较而逐渐调整的过程，替代原则不仅体现在市场上相同或相近房地产的价格因互相牵制而最终趋于一致或形成均衡的比价关系，同时也体现在各种估价方法及有关参数的分析与确定过程中，还体现在各类估价资料的整理与分析、试算价格的比较与综合等方面。1.3最有效使用原则亦称最高最佳使用原则，基于经济学中利润最大化原理，主要以投资者的理性投资行为为基础而形
34、成的基本原则。土地用途具有多样性，如作商业、工业、住宅用途等，不同的用途，必有一种是最合适、最能发挥其作用的，称之为最优用途。另外，不同的用途，其所能够给投资者带来的收益是不同的。因此，估价时，不管该房地产先有用途如何，应以能够带来最大收益的用途为基础开展估价工作。1.4动态原则动态原则，基于系统论中的动态原理。动态原则表明，房地产价格具有很强的时间性，某宗房地产过去一定时点的价格往往是现在价格的基础，而目前的价格水平又是过去价格的某种反映;过去和现在的价格可为推测未来价格的变动趋势提供依据。动态原则在房地产估价概念、方法及相关参数的确定中都有所体现，它是房地产估价的基本原则，其内涵包括变动原
35、则、预测原则和估价时点原则等。2、房地产估价的基本程序房地产估价是一项比较复杂的工作，工作过程存在一定的主观性，估价结果又涉及各方面的利益，要确保估价工作的效率及估价结果的客观性，就必须制订出一套科学严谨的估价程序。其基本程序包括三个阶段，即估价准备阶段、估计实施阶段和估价完成阶段，3、房地产估价的基本方法房地产估价是对房地产在一定估价时点、一定产权状态下市场价值的推测和判断。这一推测和判断并不是估价人员主观的或任意的作业，而是对房地产在该时点正常市场状况下市场价值的客观反映。为了客观反映房地产的市场价值，估价人员除了认真分析房地产产价格形成及影响因素之外，还必须通过一定的途径来测算其价格水平
36、。这种途径即所谓的房地产估价方法。目前，国内市场由不同的价格形成理论和估价思路出发，形成了三种相对独立的估价方法，称之为基本估价方法，即市场比较法、成本估价法和收益还原法。此外，基于这三种方法的理论依据而衍生出如基准地价修正法、购买法和假设开发法等针对应用条件而形成的估价方法，称之为应用估价方法。为了对估价方法及其理论依据有明确的认识，本文仅对基本估价方法进行阐述。3.1.比较法比较法，是将估价对象与同一供需圈内近期已经发生了交易的类似房地产进行比较，并根据后者已知的成交价格，修正得到估价对象在一定时点、一定产权状态下市场价值的一种估计方法。1)比较法的理论依据比较法的理论依据供需价格论，运用
37、原理是经济学中的替代原理。市场经济中，经济主体的行为普遍追求效用最大化，即以最小的费用(代价)，取得最大的利润(效用)。替代原理作用于房地产市场，表现为效用相同、条件相近的房地产价格总是相互牵制而趋于一致，即任何买者不会接受比市场正常价格高的成交价格，任何卖者也不会接受比市场正常成交价格低的成交价格。因此，评估时，可以利用类似房地产的已知交易价格，比较求得待估房地产的未知价格。2)比较法的估价步骤运用比较法估价一般包括6个步骤，分别是分析待估案例、搜集交易实例、选取可比实例、建立价格可比基础、进行因素修正、求取比准价格。3.2.成本法成本法，是以估价对象开发所需的必要而正常的成本为基础估算估价
38、对象在一定时点一定产权状况下价格的一种估价方法。l)成本法的理论依据成本法的理论依据是劳动价值论商品的价格依据其生产所必要的成本。根据理性经济主义的假定，投资者愿意支付的价格，必不能高于他所预计的在当时市场条件下重新开发该房地产所需花费的正常而必需的全部成本，可以认为房地产开发的社会成本是投资者愿意支付的价格上限;而开发商开发的房地产价格不能低于其开发过程中发生的全部成本，即各项费用及正常的利润和税金，可以认为房地产开发的社会成本是开发商所能接受的价格下限。两者互相牵制，最终达成“共识”价格，即为估价所求。2)成本法的估价步骤运用成本法估价一般包括4个步骤:搜集有关房地产开发建设的资料(如成本
39、、税费、利润等)、测算重新购建价格、测算折旧、求取积算价格。3.3.收益法收益法，是将房地产预期未来各年的正常纯收益以适当的资本化率折现求和(资本化)，求取估价对象在一定估价时点、一定产权状态下价格的一种估价方法。l)收益法的理论依据收益法的理论依据是效用价值论房地产投资的预期收益原理。由于房地产具有使用的长期性特点，对于购买房地产商品的投资者而言，其目的是为了获得该房地产将来一定时间内所能带来的利益(收益)。由预期收益原理可知，房地产的价格是由房地产未来一定期限内能给权利人带来的全部经济收益的现值来决定的。为方便理解，可以这样认为，投资者将某比资金存入银行，一定期限内产生的利息，亦即收益，与
40、某宗房地产在相同期限内(一定的土地使用年限内)产生的纯收益是相同的，那么该宗房地产的价格就相当于这笔资金。2)收益法的估价步骤运用收益法估价一般包括4个步骤，分别是搜集并验证与估价对象未来预期收益有关的数据资料、预测估价对象的未来收益、求取报酬率或资本化率、收益乘数、选用适宜的收益法公式计算出收益价格。3.4三种基本估价方法的比较研究3.4.1.三种估价方法的特点及其局限性分析l)比较法:该方法的估价结果具有较强的现实性，说服力强。由于比较法是利用市场上近期发生交易的类似案例的价格信息得出估价对象的比准价格，而这一过程正好拟合了市场经济中正常和理性的消费或投资行为，因此，运用比较法求取的比准价
41、格具有良好的可信度，说服力强，容易为他人所接受。但是，比较法也有其局限性，在房地产市场发育不够成熟的条件下，要搜集足够的且满足一定质量要求的可比实例较为困难;此外，在进行交易情况、交易时点、区域因素和微观因素等的修正量化时，如何尽可能地减少随意性，使估价过程更能客观反映待估案例的合理价格，这与估价人员经验丰富与否有关，难免存在一定的主观随意性。2)成本法:该方法容易操作，简明易行，技术要求相对较低。对于那些既没有或极少有市场比较资料、又没有收益或潜在收益的房地产，如行政办公楼、教学用房地产等，成本法几乎是唯一可选的方法，此外，对于新开发土地或新建房地产的评估也较适合。成本法由于其理论依据是生产
42、费用论，没有真正考虑到房地产的效用，因而这一方法不可避免地存在先天性的缺陷:现实生活中房地产的价格多取决于效用，而非成本，成本的增减只有对效用有所作用时才能影响其价格，具体而言，成本增加不一定能提升其价格，投入成本不多，也不一定说明其价格不高。例如，市场供大于求时，价格低于成本;市场求大于供时，价格高于成本;此外，对于旧有房地产的评估，重置价格或重建价格，特别是对建筑物成新度(或折旧)的确定是有较大难度的，对于建筑物有形或无形损耗的准确判断也是非常不易的，这在一定程度上会影响评估精度。3)收益法:该方法理论性强，收益本身就是价值的一种反应，收益法从房地产收益角度估算其价格，不仅反映了其价格的高
43、低，而且说明了价格的来源和依据，被尊称为估价方法的“皇后”。此外，该方法中收益与价格的关系还反映了房地产市场的租金与售价的关系，因此，运用收益法评估房地产租赁收益(租金)与评估房地产价格同等重要。收益法也存在一定的局限性，主要是因为在其应用中技术要求较高。在求取纯收益时，要准确计算各种总费用难度本身就比较大，另外还要从中扣除空置等造成的收入损失及其经营过程中的正常运营费用，而扣除项目的准确界定难度更大。此外，资本化率的正确选择对估价结果影响更大，这是因为，资本化率本身是一个小量(相对于纯收益)，其数值的较小变化将导致评估结果的较大差异(包括绝对值和相对值)，而在统计资料不全的情况下，很难确定客
44、观、准确的资本化率。3.4.2.三种估价方法的差异性分析l)理论依据的差异比较法依据经济学中的替代原理，交易主体的经济行为是以最小的费用换取最大的利润;成本法依据劳动价值论，即“复制”出一项与待估房地产效用相同或相近的房地产所应投入的必要的、合理的成本;而收益法依据效用价值论，与其它投资行为一样，购买房地产也是一种投资方式，投资者期望回收与其投资技术复杂程度、风险大小和管理难度等相称的利润。2)经济属性的差异由于对估价对象性质的不同认识导致了同一宗房地产应用三种不同的估价方法，其结果可能存在一定的差异，而对性质的认识分歧又归结于价值观念的差别。比较法认为房地产作为一个整体，其价值依据替代原理与
45、市场上能带来相同效用的类似房地产等价;成本法认为房地产的价值等于建造过程中各阶段投入的价值之和，亦即各组成部分的价值之和;而收益法则把房地产价值与未来的收益挂钩。三者价值观念的差别又源于立足在不同的房地产经纪属性上。市场法立足于房地产的商品属性;成本法立足于房地产的产品属性;而收益法立足于房地产投资品属性。3)时间准度的差异由房地产三种基本估价方法的概念可知，估价对象的价值都是一定时点的市场价值，但三种估价方法的时间着眼点是有一定差异的，比较法着眼于现在，成本法着眼于过去，而收益法着眼于未来。比较法认为，现时案例的交易信息能够很好反映估价对象的价值;成本法认为，历史成本信息己经包含了人们对价值
46、的承认;收益法则引入预期原理，用未来的纯收益和资本化率来确定估价对象的价值。此外，三者还在使用条件、估价步骤等方面存在有较明显差异，此处不再赘述。3.4.3.三种估计方法的关联性分析由于三种方法各自分别从比较、成本、收益等不同的角度出发，采用的资料、依据的理论等都不相同，评估结果出现差异是正常的，但房地产估价的最终目的是确定一个估价额，当针对同一宗房地产同时采用三种不同的方法估价时，理论上讲，正常情况下的理想评估结果是:收益法高于成本法，比较法居于中间。这是因为:收益法是从需求角度出发的，成本法是从供给角度出发的，而比较法是从供求均衡角度出发的。所以，如果三种结果差异不大，可采用加权平均法求取
47、其最终结果;但如果差异较大以至于不能接受，则应综合各种因素，合理选取权重，最终确定其价格。（二）房地产估价的神经网络模型1、神经网络在房地产估价应用的可行性神经网络具有极强的非线性动态处理问题的能力，可事先不必假设数据必须服从何种分布、变量之间符合什么规律或什么样的关系。它在数据处理过程中采用了类似于“黑箱”的方法，不是假设而是通过学习和记忆找出输入与输出变量之间的非线性关系(映射)。在执行问题求解时，将所获取的数据输入已经训练完成的网络，以学到的知识(映射关系)进行网络推理，得到问题的解决方案。房地产估价实质就是对房地产价格的形成过程进行模拟，推断出房地产价格。房地产价格在形成过程中，受多种
48、因素影响，是多种因素综合作用的结果。某一因素的变动一般都会使房地产价格发生变动，这说明在房地产价格和这些影响因素之间存在着一种非确定的、非线性的关系。另一方面，在现实的房地产估价之中，经验丰富的估价师利用存储在大脑之中的可比实例的资料，通过比较可比实例和估价对象的影响因素，对可比实例的价格进行修正，最终得到估价对象的价格。从房地产估价以及神经网络的功能可以得出，神经网络有能力发现房地产价格与影响因素之间的客观规律并且构建一种可以用数学模型表示的映射关系。以影响某地区某类房地产价格的多种因素作为输入向量X=(X。，X1，Xn-1)TX,对应的房地产价格作为输出向量Y=(Y。，Y1，Ym-1)(这里m=1)，利用足够的交易案例即训练样本对神经网络模型进行训练。神经网络一旦训练成功，既可作为某地区某类房地产价格评估有效的工具。只需输入估价对象的多种影响因素即可得到相应的房地产价格。2、基于神经网络模型的房地产估价流程设计神经网络评估房地产价格的过程应包括数据的准备、神经网络的设计、学习样本的输入。网络的学习、评估计算等几部分。2.1、数据的准