[发明专利]一种房价预估系统

说明书

本发明公开了一种房价预估系统，由线性回归模型、时间序列模型和基于非参数的核回归模型与K邻近回归模型组成，本发明的有益效果是：根据房地产价格评估这项具体业务，量身设计的算法；估价方法三部曲循序渐进、互相补充，既能满足日常大规模询价的基本需求，也能满足一定的分类比较与未来趋势预测功能；估价方法比之以前，不论是在变量选取上，还是模型设计上都有了更深入的挖掘，体现了“智能估价”的内在涵义；估价方法的估计准确性、预测准确性在大数据样本的前提下，统计量的置信区间不低于95％，不论是单个变量的影响程度还是整个模型的模拟程度，都能得到统计学认可。

技术领域

本发明属于房地产智能估价技术领域，具体涉及一种房价预估系统。

背景技术

房地产市场价值评估这项工作一直以来都主要依靠估价师们人工进行，对 于每一宗不动产，参照“特征价格”中的因素进行价格影响系数修正，最终估 算得到该宗不动产在当前时点的价值。而随着人们对于改善居住条件的需求不 断提高，房地产市场在近些年逐渐火热，这也导致了房地产的交易、纳税、租 赁等工作流程中所涉及到的评估任务变得越来越多、也越来越频繁。纵然估价 师们有丰富的经验判断，但是对于数量庞大、且同质化程度较高的评估工作(批 量评估)，急需一项电子化、智能化的智能估价系统来进行批量处理；不仅如此， 房地产市场的火热扩张绝不仅仅只是在数量上，更体现在多种模式、多种类别 的房地产项目开发，所以在同质化评估的基础上，还需要考虑不同种类和使用 目的的房地产的个性化评估工作。结合这些市场需求，针对住宅领域，建立住 宅智能估价系统的方案，在智能估价技术方法上，做出更完善、更全面、更个 性化的优化越来越受到重视。

近似已实现方案：目前市面上评估公司(或科技公司)所提供的智能估价 算法，大多是基于Hedonic model(特征价格模型)基础上的线性模型上，所谓 特征价格模型中，房地产价格是由所有特征带给人们的效用决定的，由于各特 征的数量及组合方式不同，使得房地产的价格产生差异；因此，如能将房地产 的价格影响因素分解，求出各影响因素所隐含的价格，在控制地产的特征(或品 质)数量固定不变时，就能将房地产价格变动的品质因素拆离，以反映纯粹价格 的变化。

现有的房价预估存在着以下方面的不足：

1.目前市面上评估公司(或科技公司)所提供的智能估价算法，大多还停 留在基于Hedonic model基础上的线性模型上，其中不少影响因素的修订与判 别还依靠人工经验判断；

2.随着住宅影响因素范围逐渐扩大，当下的城市发展中，例如金融业等对 于房地产业的影响不可小视，这往往也会左右住宅价格的波动，而且针对不同 价格、不同类型住宅，其影响因素也不是单一不变的，不仅如此，商品房市场 存在羊群效应，价格的影响会持续多期，不能仅仅只关注当前时间节点；

3.对于当今住宅智能估价系统的市场需求而言，静态的、线性的估价方法 已经出现疲态，无法有效满足线上批量评估的准确性与高效性。

发明内容

本发明的目的在于提供一种房价预估系统，以解决上述背景技术中提出的 目前市面上评估公司(或科技公司)所提供的智能估价算法，大多还停留在基 于Hedonic model基础上的线性模型上，其中不少影响因素的修订与判别还依 靠人工经验判断；随着住宅影响因素范围逐渐扩大，当下的城市发展中，例如 金融业等对于房地产业的影响不可小视，这往往也会左右住宅价格的波动，而 且针对不同价格、不同类型住宅，其影响因素也不是单一不变的，不仅如此， 商品房市场存在羊群效应，价格的影响会持续多期，不能仅仅只关注当前时间 节点；对于当今住宅智能估价系统的市场需求而言，静态的、线性的估价方法已经出现疲态，无法有效满足线上批量评估的准确性与高效性的问题。

为实现上述目的，本发明提供如下技术方案：一种房价预估系统，由线性 回归模型、时间序列模型和基于非参数的核回归模型与K邻近回归模型组成， 其中，