大數據背景下住宅報酬率的批量評估技術研究

文/上海城市房地產估價有限公司

大數據背景下住宅報酬率的批量評估技術研究

文/上海城市房地產估價有限公司

房地產估價三大方法中，運用最廣泛、最普及的兩種方法為市場比較法和收益法。在房地產估價基本術語中，報酬率Y被定義為：將估價對象未來隔年的凈收益轉換為估價對象價值或價格的折現率。最新版的房地產估價規范在闡述報酬資本化法時著重指出：報酬率實質是一種折現現金流量分析。可見，報酬率在房地產估價中具有重要地位。

2013年開始,我公司對住宅5年轉售報酬率進行系統研究并建立了相應的數據庫。大數據時代促使我們與時俱進地不斷更新研究成果，對住宅報酬率數據庫的深化研究正是在此背景下進行的。（注：下文中的住宅報酬率數據庫所對應的收益法公式為5年期轉售公式，且僅對該公式有效，若運用在其他公式中則無效。）

一、2013-2014年住宅報酬率數據庫回顧

2013-2014年度的住宅報酬率數據庫以板塊作為劃分依據，如表1所示：

表1 部分2014年住宅報酬率數據庫一覽表

二、更新住宅報酬率數據庫的緣由

（一）數據庫中某些板塊報酬率的取值范圍過大

在某些板塊中，報酬率取值范圍過大，不夠精準。如：金山朱涇板塊報酬率取值范圍在13.32%-16.89%，浦東新區惠南板塊則處于12.59%-17.12%。

（二）運用數據庫中Y值測算，得到的估價結果與市場價格偏差較大

經測試，選取某些市場不夠活躍或新開發的樓盤占比較大的板塊中Y值進行測算，其測算結果與用市場比較法求得的結果偏差較大，究其原因主要是由于灰色理論預測△有偏差。

造成灰色理論求取△值有偏差的緣由有二：其一是由于目前在上海的某些板塊中，新開發樓盤的成交量占比較高，推動了該板塊整體價格的普遍上漲，且這個上漲幅度在某個新開發樓盤集中成交的年份特別突出，從而導致灰色理論根據前5年的歷史數據對后5年的預測值也偏高，但實質上，隨著該板塊中新開發樓盤成交量的逐年減少，其板塊整體價格的漲幅遠沒有預測的這么高。其二是在某些板塊中，占比較大的是市場不活躍的樓盤，該類樓盤對房地產市場波動的敏感度較弱，不能如實地反映當前房地產市場的正常價格波動情況。

本文擬通過對住宅報酬率的進一步研究，對以上問題進行修正。

三、住宅報酬率數據庫的更新思路

更新住宅報酬率的基本思路如下圖所示：

圖1 住宅報酬率更新思路

（一）區段劃分

住宅報酬率數據庫以價格區段作為劃分依據，其原因在于，用什么作為劃分依據主要取決于被劃分對象的同質性，經調查研究發現，報酬率的同質性并不體現在板塊上，即便在同一板塊中，不同檔次的房屋之間報酬率的差異性也很大，而最能體現出報酬率同質性的因素是價格。所以，此次住宅報酬率數據庫更新將以價格區段作為劃分依據。表2為住宅基準報酬率數據庫一覽表。

表2 住宅基準報酬率數據庫一覽表

（二）關鍵參數的求取

經研究，Y的取值與下列三者存在較大的關系，即為A、△與g。其中，A為凈收益，△為5年總增長率，g為凈收益逐年遞增的比率。

經測試，Y值對于A及△的變動較敏感。所以，此處研究重點將放于如何批量求取A及△上。

1．批量求取市場凈收益Ai

（1）在收益法中

住宅市場凈收益=有效毛收入-運營費用

①有效毛收入

有效毛收入=（潛在毛租金收入+其他收入）×（1-空置率）

假設此處的潛在毛收入為市場調查租金，其他收入為零，則公式轉變為：

有效毛收入=市場調查租金×（1-空置率）

②運營費用

一般運營費用=管理費用+維修費用+保險費+稅金

其中：管理費用按有效毛收入的（1%-2%）計，維修費用按房屋重置價格的（1%-2%）計，保險費用按房屋重置價格的0.2%計，稅金按有效毛收入的5%計。

上述四項中，管理費用、稅金均與有效毛收益相關，例如：若估價對象的管理費用為有效毛收入的2%，稅金按有效毛收入的5%計，則：

管理費用+稅金=有效毛收入×（2%+5%）

維修費用及保險費均與房屋重置價格有關。

故若要批量求取市場凈收益，則需先批量求取房屋重置價格。

（2）批量求取住宅重置價格

①首先將普通商品房分為以下幾類：

i多層住宅不帶電梯

ii多層住宅帶電梯

iii小高層住宅

iv高層住宅（15-22層）

v高層住宅（23-33層）

vi高層住宅（34層及以上）

通過運算得到以上6類房屋的重置費用。

②住宅市場凈收益的計算：

凈收益=有效毛收入-運營費用

=有效毛收入-（管理費用+維修費用+保險費+稅金）

=有效毛收入-[有效毛收入×（管理費用按有效毛收入的百分比+5%）+房屋重置價格×（維修費用按房屋重置價格的百分比+0.2%）]

有效毛收入=市場調查租金×（1-空置率）

通過上述公式，已知市場調查租金、空置率及房屋重置價格，即可求得市場凈收益。

當然此處用了相對較簡單的方式批量求取凈收益。實際估價報告中求取凈收益要比這復雜很多，要考慮的因素也相對較多。

2．批量求取 △

（1）灰色理論結合人工判斷求取△的范圍

在5年轉售公式中，Y、△如何取值一直是個重點，也是個難點。在研究Y的過程中，△的取值仍是一個難點，為解決這一難點，本研究運用灰色理論結合人工判斷的方式求取△的范圍。具體做法如下：

①在不同的價格區段抽取符合條件的樣本小區，合計兩千多個，運用灰色理論結合MATLAB軟件批量求取所有樣本小區的△值。

②通過德爾菲打分法，求取住宅報酬率數據庫各個價格區段的△的取值范圍。

③灰色理論結合人工判斷，得到△的最終取值范圍。

（2）求取△范圍過程中的要點

由于首次將大數據的概念運用于△的求取過程，故在進行灰色理論結合人工取值的過程中，初始思路是先將灰色理論求取的各個價格區段的樣本小區的△進行平均后求得平均值，再與人工判斷的△進行綜合評判，最后求得△的取值范圍。

在此過程中，調研發現即便在同一價格區段中，每個樣本小區的△也是存在很大差異的。有些小區由于本身的特殊性，△會和同一價格區段中其他小區相差甚遠，這在統計中屬于該區段的異常點，但由于對整個價格區段中的樣本小區進行平均，即將該異常點也進行了平均，從而影響了△的精準度。在進行第二輪修正時，將所有灰色理論求得的樣本小區的△結合人工判斷進行綜合評判，再將該取值范圍運用眾數原理刪除兩端異常點，得到△的最終取值范圍。

本研究的創新點在于首次運用了大數據求取△。隨著房地產市場逐漸成熟、大數據技術的不斷發展、數據庫中數據的逐步完善、可運用數據的不斷增加，相信運用灰色理論求取△的方法會更加精準。日后，預測△將可以逐步依賴于數據模型，從而減少人工判斷所占的比重。

四、案例分析

估價對象坐落于XX路XX弄X號XX室，樓盤名稱“XXX”，建筑面積為159.06平方米，房屋類型為新工房，總層數為20層，估價對象位于18層，內部裝修設定為毛坯，折舊率為80%，土地用途剩余使用年限為27.08年，價值時點為2015年9月14日。

估價對象的最后綜合估價為45014元/平方米。估價對象未來第1年潛在毛押金利息收入1.05元/平方米,未來第1年潛在毛收入720.10元/平方米。空置率為8%,未來第1年有效毛收入為662.49元/年·平方米，未來第1年運營費用為144.23元/平方米，第1年凈收益為518.26元/平方米。

案例中Y為期間收益和期末收益，具有相同的值，均取5%，持有期設定為5年。凈收益逐年遞增率為3%，年平均增長率取4.5%。土地增值稅：免。個人所得稅：2%。轉售費用：1%。

表3 關鍵參數取值比對表

下面就表3中的關鍵參數進行分析比對：

g：方法一對g的確定理由為：上海市CPI物價指數，2010年為3.1%，2011年為5.2%，2012年為2.8%，2013年為2.3%，2014年為2.7%。5年來平均值為3.22%。考慮實際情況，經估價人員綜合考慮，確定估價對象凈收益逐年遞增率為3%。

方法二對g的確定采用了將上海房地產租賃指數（數據來源：上海市租賃指數辦公室）運用數學模型加以推導的方法。

△：方法一采用一般的估價思路，取△為24.62%，但按現在房價變動的趨勢，若取5年內漲幅為24.62%，即一年的漲幅為4.5%，則與實際情況差距略大，顯然是方法二中的漲幅更貼近真實市場狀況。

Y：方法一按安全利率加風險調整值法確定，以安全利率加上風險調整值作為5年轉售報酬率。最后確定Y為5%。方法二采用了2015年住宅報酬率數據庫中的數據，結合房地產本身的屬性分析，最終確認Y為8.2%。

V：從最終的V值來看，方法二比方法一更貼近最終的評估價值。

五、結論

本研究首次將大數據分析用于求取△，實現了報酬率批量評估技術的應用性突破。通過多輪案例分析與比對，進一步完善了△的求取方法，縮小了住宅報酬率的取值范圍，同時提高了精準度，這在一定程度上完善了部分報酬率數據庫中的數據。

今后，隨著房地產數據庫系統的不斷完善，本研究將為相應的批量評估技術提供理論支撐，推進估價行業技術進步。

（整理:田蓉泉）