基于大数据的房地产市场分析初探

【摘要】随着信息技术的发展，大数据时代的到来给房地产市场管理带来新的机遇和挑战，本文基于大数据背景对房地产市场进行分析，依托网上政务服务平台，实现房地产数据可视化展示、数据挖掘、数学建模，促进形成新的房地产市场分析方式。

【关键词】大数据;房地产市场

房地产业作为对国民经济和城市经济发展具有重大影响的产业部门，在高速发展中也面临诸多问题，需要政府有关部门在对房地产市场发展进行正确预判的基础上科学决策、积极引导，促进房地产业的健康发展。房地产市场拥有着海量的数据积累，房地产市场分析都将围绕这些数据展开，从而为政府及有关部门决策提供重要参考。面对数据信息的急剧增长，房地产市场分析必须借助大数据的挖掘和分析技术，将海量数据转化成为有洞察力、决策力和有价值的知识，正确判断市场趋势、科学引导资源配置、服务社会经济发展。

房地产业作为中国经济的重要增长点，在国民经济中占有举足轻重的地位，但是在高速发展的同时必然存在诸多问题，需政府有关部门对行业发展方向进行正确预判、科学引导，使其在宏观调控下健康发展。作为一个复杂系统，房地产市场拥有海量的数据，所有市场研究和理论分析都基于这些数据开展，从而支撑政府的决策发布。面对数据的大幅增长，房地产市场分析必须借助大数据分析和挖掘技术，将数据转化为可靠的支撑手段，正确判断市场趋势，驱动决策赋能，让政府决策更加精准、有力。

房产市场监管服务数据中心通过制定科学的信息化建设发展规划，引入先进的信息化技术，逐步实现房产数据的完全、准确、及时、科学的特点，提高房产公共服务和科学决策水平。

1、大数据现状

1.1数据基础

宁波市大数据发展管理局于2018年建立宁波市政务数据共享工作平台，打破信息孤岛实现数据共享推进“最多跑一次”改革，完善数据共享体系建设，建立政务信息目录，对数据资源进行按需归集，确保各行政管理部门能够根据需求获取更多有效数据，为大数据分析奠定数据基础。

宁波市房产市场管理中心经过几年规划，已建成涵盖全市的宁波市房产市场监管服务平台，自2017年5月起，全市统一使用规范化、标准化交易业务流程，累计获取房产交易和产权等数据逾八千万条。

1.2大数据的构成

房地产市场是一个由政府政策、土地交易、房屋项目建设、产权交易、开发企业、金融机构、经纪机构、购房人群等多方参与的多层次、多结构的复杂系统。房地产市场本身受现实因素、环境因素、市场因素和社会因素的综合作用，因此房地产市场大数据是有关房地产的自身物理数据、周边市场数据、宏观政策数据、参与主体行为数据以及房地产相关的经济、土地、财政、人口等的数据集合。

1.3大数据分析

从可视化分析、数据挖掘算法、预测性分析等方面，对杂乱无章的数据，进行萃取、提炼和分析的过程。

1.3.1可视化分析

可视化分析，指借助图形化手段，将复杂信息进行重新梳理并通过简单的图形方式进行有效传递的技术，主要应用于海量数据联机分析，即借助可视化技术手段，对海量离散的异构数据进行关联分析，并做出简单易懂的图表和报表的过程。

1.3.2数据挖掘算法

数据挖掘算法，通过建立数据挖掘模型，对数据进行探索和计算的数据分析方式，它是大数据技术的理论核心。

目前成熟的数据挖掘算法众多，对于不同的数据类型和期望结果，需选用与之相匹配的算法才能实现更加清晰、合理的结果。

1.3.3预测性分析

预测性分析，大数据的核心应用，通过搜索、比较、聚类、分类等分析手段，将一个困难复杂的大数据集转化成一个相对简单的描述，达到预测不确定事件的目的。

能够快速有效地帮助用户分析海量数据的趋势和相关性，并运用这些指标来增加未来某个时间的确定性，为采取预防措施提供依据。

2、大数据应用

2.1房产周期分析

房产周期，从土地交易、商品房项目开工建设、预售信息、商品房交易、商品房库存、存量房交易、房产征收维度，对房产进行全生命周期可视化展示。

研究房产市场总体流动性，从市场热度直观反映政策成效，宁波自7月中上旬连续出台3次房地产调控政策，扩大限购区域、推出无房户优先摇号政策、实施契税新政。8月商品房预售面积环比减少41.6%，商品房成交面积同比下降16.8%，存量房成交面积环比下降19.3%，本次调控效果初步显现。

2.2购房人群分析

购房人群，结合购房人群本身、所购房产属性、交易行为模型分析购房人在购房行为中存在的诸多关联。

通过对以上三种维度联机分析，使用决策树算法进行数据挖掘，分析不同条件的人群在购买房产时的大数据趋势，这对研究社会主体结构给房地产带来的影响具有重大意义。结合GIS地图计算不同区域房屋密度、日常人口流动性等要素，可以为行政主管部门规划地块容积率、地块用途、出台行政政策等提供理论依据。

2020年，购房人群中，30-35周和25-30岁分别占31.5%和19.1%，结合房产面积比例，89㎡以下占48.95%，可见目前市场消费主体依旧以刚需为核心，辅以部分改善型购房。

2017年至2020年期间，多层交易量占比从5%猛增至24.6%，高层占比从70.1%下降至52.8%，显示随着宁波市居民生活水平的相对提高，市场更多钟爱低容积率的多层建筑，而开发商也敏锐地意识到了这一点，近期预售信息中，多层建筑占比有显著提高。

2.3城房指数

城房指数，采用的是房地产价格指数编制方法中的特征价格法。特征价格法的核心思路是：把异质性的住宅分解为众多同质性的特征，以一簇最具典型性的住宅特征组合成为市场中最具代表性的、同质化的标准住宅;在大样本量交易数据的支持下，利用多元线性回归形式的特征价格模型求解该标准住宅在各期的价格值并指数化，从而以标准住宅的价格变化来代表和反映市场价格的整体走势。因此，特征价格法能够在同质可比的基础上，综合考察供求关系等市场因素决定的价格变动，而消除住宅物理特征、区位特征的影响和干扰。

结论：

大数据分析技术在房地产市场研究中还处于发展阶段，宁波市的初步尝试和探索只是众多应用场景下的一种，还有诸如数据质量、模型设计等问题未得到圆满解决，但大数据还是给研究房地产市场提供了一个有效的方法。随着不断地探索和实践，我们有理由相信在不就的将来，大数据技术将在房地产市场研究领域中发挥越来越大的作用。

下一步，宁波市将设立“房地产监测评价中心”，完善监测网络体系建设，依托大数据手段加大对房地产市场的数据采集和监测分析力度，加强监测过程管理，通过多角度、全方位监测，全面掌握市场信息，形成具体、精确、量化的市场分析报告。

作者简介：

方军，男，1973年2月出生，汉族，籍贯浙江宁波，研究生学历，高级工程师，现工作单位宁波市房产市场管理中心，研究方向：政府数字化转型、房产大数據应用;

兰阳战，男，1975年7月出生，畲族，籍贯浙江泰顺，研究生学历，副高级工程师，现工作单位宁波市房产市场管理中心，研究方向：房产信息化。