Real estate price estimation in French cities using geocoding and machine learning

This paper reviews real estate price estimation in France, a market that has received little attention. We compare seven popular machine learning techniques by proposing a different approach that quantifies the relevance of location features in real estate price estimation with high and fine levels of granularity. We take advantage of a newly available open dataset provided by the French government that contains 5 years of historical data of real estate transactions. At a high level of granularity, we obtain important differences regarding the models’ prediction powers between cities with medium and high standards of living (precision differences beyond 70% in some cases). At a low level of granularity, we use geocoding to add precise geographical location features to the machine learning algorithm inputs. We obtain important improvements regarding the models’ forecasting powers relative to models trained without these features (improvements beyond 50% for some forecasting error measures). Our results also reveal that neural networks and random forest techniques particularly outperform other methods when geocoding features are not accounted for, while random forest, adaboost and gradient boosting perform well when geocoding features are considered. For identifying opportunities in the real estate market through real estate price prediction, our results can be of particular interest. They can also serve as a basis for price assessment in revenue management for durable and non-replenishable products such as real estate.

     

我国房地产市场发展问题研究

房地产市场是一个庞大而复杂的系统,它对我国国内生产总值有重要影响,并和百姓生活必需的"住"关系极为紧密.因此,有必要对房地产市场进行深入分析.从当前社会经济发展的现实着手,建立了一系列数学模型,包括房地产市场的供求模型、价格影响模型、房地产行业与国民经济相关行业关联度模型和房地产行业泡沫度量模型.并运用可获得的经济数据对以上模型进行了实证分析,旨在研究如何促使房地产市场健康稳定地持续发展,同时为国家制定房地产的相关政策提供一定的理论参考.     

基于VAR—GM(1.1)—SVR模型的房地产价格预测研究

为提高房地产价格预测精度,克服传统统计数据真实性低、时效性差的缺点,本文以网络搜索数据为基础,首先通过斯皮尔曼相关分析和时差相关分析筛选出与房地产价格具有高度相关性的先行关键词,并利用向量自回归模型(VAR)和GM(1.1)模型分别预测房地产价格;然后构建基于向量自回归模型和GM(1.1)模型的VAR—GM(1.1)—SVR模型将以上两个模型的预测结果进行预测融合,并以西安市数据为例进行验证,得出均方误差(MSE)和标准平均方差(NMSE)分别为0.97和0.03,优于单一模型预测效果.     

宏观因素对房地产行业信用风险的影响研究——基于BALQR模型的实证

以2008年1月至2014年9月相关数据为基础,利用贝叶斯adaptive Lasso分位数回归(BALQR)模型对影响房地产业信用风险的宏观经济因素进行了分析.结果表明,在任何分位点上,对我国房地产行业信用风险影响最大的均是GDP增长率,其次是CPI增长率和消费者信心指数增长率,其中前者为负向作用后两者为正向作用,而资本市场的景气状态则对房地产行业信用风险基本没有显著作用.不过,在不同分位点上,不同宏观因素在房地产行业的不同信用风险水平上的影响程度又存在差异性.     

基于PCA-VAR模型的房地产信贷政策调控效应分析

有效的房地产调控,既要实现稳定房价、控制房地产开发投资过快增长等调控目标,同时也不会对宏观经济带来过大的负面影响.在分析各类房地产调控政策传导机制的基础上,通过构建PCA-VAR模型,并综合运用了协整分析、Granger因果检验、方差分解和脉冲效应分析等方法,细致测算了房地产信贷政策对房地产市场和宏观经济的影响,据此为我国实施房地产调控提供政策建议.     

基于自组织理论的房地产泡沫动态演化过程研究

主要利用自组织行为理论,对非线性系统中房地产泡沫产生、形成、发展以及破灭的动态演化过程加以描述与分析.对自组织理论进行了简要介绍,并把这一理论应用于房地产市场,说明了房地产泡沫的动态演化过程就是一个不确定行为本质特征的复杂系统的自组织行为.在此基础上,对中国房地产泡沫的防范给出了政策建议.     

我国房地产行业问题研究

结合数学、计量经济学和国民经济核算等方面的知识,分别从四个方面系统地研究了房地产行业的相关问题,首先,考虑到我国房地产市场存在地区差异性,利用地理加权回归方法(GWR)分别建立房地产行业需求和供给模型来反映该行业市场供需状况;其次,基于VAR模型分区域建立有效的房地产行业定价模型对未来房价走向进行预测,以西部地区的货币供应量对房价的影响为例,其滞后一期的货币供应量发生1个单位的正向变动,房价发生0.85个单位的正向变动;再次,对房地产行业关联度和发展态势建立了投入产出模型和固定效应的变系数面板数据模型,研究发现房地产行业与金融业、租赁和商务服务业、建筑业存在显著关联度,且根据固定效应的变系数面板数据模型结果,可具体分析房地产行业增加值的提高对其他行业的影响程度;最后,基于熵值法建立综合评价模型对天津市房地产行业的可持续发展性进行了研究和深入探讨.     

投影寻踪动态聚类模型在房地产投资环境评价中的应用

将投影寻踪动态聚类模型引入到房地产投资环境评价方法中.针对房地产投资环境评价所面临的多因素高维复杂性问题,该模型能够完全根据样本数据特性将高维数据通过投影向量投影到低维数据,同时实现对低维数据的排序和自动聚类分析,进而通过研究低维数据以实现对高维数据的研究.最后通过辽宁省工业地产投资环境评价实例验证了该模型在房地产投资环境评价中的适用性.     

山西省商品房市场的发展规律

本文通过对山西省 1998年至 2002年共 50个月份的月度商品房销售面积 (使用商品房销售面积克服了价格波动的影响 )的实证分析,建立了一个结合普通线性模型 (OLS)、非参数核估计(KernelEstimation)、以及时间序列分析(TimeSeries)的统计预测模型。此模型既能够很好地分离出商品房销售面积随时间的增长趋势,又能够很好地刻画它在各个年度周期内部光滑的季节规律。基于此模型,山西省每年商品房销售面积的规律被刻画为四个周期,即:增长期、衰退期、调整期、以及结束期。从中不难看出商品房销售规律的个性。在分析各地区商品房市场规律时,不能照搬全国商品房市场的相关规律,更不能照搬国外的测算结果。     

房地产市场供求均衡与房地产价格研究——以北京商品房市场为例

中国房价上涨幅度较大,研究房地产供求市场及其价格,能把握房地产市场规律,促进房地产市场的平稳健康发展.研究从供求均衡理论角度分析了房地产市场的供求规律及其价格,通过建立商品房市场的供需动态均衡模型,以1990~2010年北京市商品房市场为例,对房地产市场的供求弹性、与长期均衡之间的关系及其对房地产价格的影响进行了实证研究与分析.研究表明房地产供给市场长期略具弹性,而需求市场长期弹性较大,价格对商品房市场的调节作用并不明显,实现房地产市场的供求均衡,需要政府力量的介入并对市场进行宏观调控.     

基于投机价格模型的房地产发展态势研究

近年来我国房地产业发展迅速,但同时房地产业也面临较为严峻的问题和挑战.基于投机价格衡量法,建立房地产行业发展稳定度模型,并且通过SPSS软件对相关数据进行回归分析,测算出全国房地产市场的发展稳定度,结果表明我国房地产行业发展态势基本处于警戒区域,最后提出促进我国房地产市场健康稳定发展的对策.     

基于海量网站日志数据的房地产需求指数研究

网络日志数据作为亿万消费者的意图数据库,为研究消费者需求波动提供了有效的量化指标,研究以北京市二手房为例,首先构建网站浏览日志数据与房地产成交量的关联模型,根据用户购房意图对网站进行分类,以不同类型房产网站的浏览次数(PV)、用户数(UV)等数据衡量购房者的关注及需求波动,构建房产成交量的先行、一致和滞后指数并对其关系进行检验,构建的房产指数是对现有指标体系的补充,为房地产开发商、普通购房者、政府相关管理部门提供决策指导和参考依据.     

基于灰色线性回归组合模型的长沙、武汉房地产投资预测研究

本文通过对长沙、武汉2001-2007年房地产投资额的历史数据进行分析,分别建立了两市的灰色线性回归组合模型.模型较好地拟合了长沙、武汉的房地产投资情况,运用该模型得到了两市2008、2009年的预测值,并对其房地产投资发展趋势的异同进行比较分析,对房地产市场的发展具有一定的指导意义.     

中国房价形成机制的实证研究

构建了房地产市场的供求模型和均衡价格模型,引入商品房销售价格、销售面积、施工面积等9个变量,建立相应的联立方程组,对房地产价格形成机制进行了研究.研究结果表明：房地产的价格很大程度上受到居民收入、利率、以及土地价格的影响,相对而言居民收入和利率的影响最为明显.同时,居民对房地产的潜在需求和有效需求间的差距较大.目前相关部门应更加关注房地产市场有效需求的规模,并适当调整利率、土地供给等,从而保证房地产市场的稳定发展.     

存在投机性交易行为的蛛网模型及经济意义

研究了存在市场投机性交易行为的蛛网模型,讨论了该系统模型的可能状态及其条件;这种投机行为在某些条件下可能引发经济泡沫,这可以解释当前的一些经济现象,如房地产市场的炒作行为等.     

Regression-fuzzy approach to land valuation

In this paper, we demonstrate that the fuzzy pricing model can improve regression analysis in applications where non-smoothness appears. Combining the fuzzy and regression approaches it is capable of modelling complex non-linearities. The application of this approach describes an effort to design a regression-fuzzy system to estimate real estate market values, especially for vacant urban plots. The results are compared with those obtained using a traditional multiple regression model only. The changes of parameters in the domain of independent variables of the regression function are determined by the analysis of membership functions defining the terms of the fuzzy model. The paper also describes possible future research. The suggested method is interesting for real estate appraisers, real estate companies, and bureaus because it provides a better overview of location prices. The suggested approach could be also used in various other economic and business analyses.     

基于集对分析的市场比较法的应用研究

利用集对分析法将待估房地产与交易实例形成对子,从不同的侧面刻画两个集合的相互关系.用集对分析的同异反联系度确定可比实例与待估对象的相似程度,最终求取比准价格.通过实证分析验证了模型应用的可行性.基于集对分析的市场比较法,具有计算简单、准确、可靠等特点,具有一定的推广和应用价值.     

中国房地产行业态势分析及调控政策成效模拟

在深入分析房地产供需影响因素的基础上,构建了我国房地产行业态势分析模型和房地产行业调控政策成效模拟模型.并利用模型进行分析,量化研究该行业当前的态势、未来的趋势,模拟房地产行业经济调控策略的成效.模型结果显示,我国房地产市场较为稳定,国家应继续出台具体的调控政策,以实现房地产市场的持续稳定运行.     

基于灰色理论的人口年龄结构对房地产需求影响分析

通过研究影响房地产市场需求的主要因素,特别引入不同年龄段人口数这一因素,建立了基于灰色理论的房地产市场需求影响因素分析模型,对影响全国房地产市场需求的各因素进行实证分析,从而得出人口年龄结构在影响房地产市场需求中的重要性.并进一步分析人口年龄结构对需求的影响机理.     

房地产泡沫相关因素及相关关系的实证研究

通过理论探讨及文献研究,建立了与房地产泡沫有关的的四个关键因素,土地价格、房价虚涨、房地产投资和房屋空置率与房地产泡沫的关系路径分析模型,并通过30个省市的相关数据进行了统计分析,检验该模型.研究结果表明:各活动要素的影响强度存在着一定的差异,土地价格和房屋空置率对房地产泡沫的影响最大,房价虚涨和房地产投资泡沫对于房地产泡沫的直接影响不是很显著,但是可以通过土地价格泡沫和房屋空置率泡沫等其他变量间接地发挥显著作用.指出了局限性.