[发明专利]一种房价评估系统

说明书

技术领域

本发明属于房地产互联网应用技术领域，具体涉及一种房价评估系统。

背景技术

房产估价的理论方法在过去很长一段时间已经得到充分验证，市场比较法是目前公认最有效的房产评估模型建设理论，但采用市场比较法有较高的门槛，具体表现在：第一，需要收集大量、正常的房地产交易数据。也就是说，要求评估者掌握房地产市场相当大的规模数据，即便是城市已经积累了几十万个房地产交易数据，可是一旦按照比较严格的标准进行分类，每一个样本的空间仍然不够大。如果样本空间偏小，那么具有一定置信度的区间就很宽。假若置信区间的上下限之间的距离拉得很开，讨论房价时就失去了判断标准。第二，采用市场比较法必须要求房价相对稳定。在市场比较法中，房地产商估计的房价取决于他们对市场走向的预期。如果房地产市场比较稳定，那么房地产商会在当前房价的基础上加上一定的通货膨胀率设定房价。如果市场不稳定，房价暴涨暴跌，那么采用市场比较法的困难就很大。在出现房地产泡沫的时期，采用市场比较法有可能高估房价，放大房地产泡沫。在这种情况下，市场比较法完全丧失了用武之地。所以说将支撑市场比较法理论的模型基础数据仅建立在近期实际交易数据上面，存在严重缺陷。换而言之，我国过于分散的中介市场，导致一手交易数据很难即时汇聚并加以利用，所以仅凭借交易数据设计评估模型必然存在三个弊端：覆盖度不足、时效性差和准确性差。

传统的市场比较法估价模型过分依赖评估人员的主观经验，这不仅使得估价结果不可靠，更有可能引发道德风险，阻碍房地产估价业的良性发展。同时，市场比较法估价需要对大量的人文、社会、经济、地理数据进行采集、管理、分析和显示，传统的手工管理方式显然无法满足房产估价对大量信息的处理要求，利用新的技术手段改进估价模型、建立估价信息系统是估价行业发展的一个必然趋势。

发明内容

为了解决现有技术存在的上述问题，本发明提供了一种房价评估系统。

本发明所采用的技术方案为：一种房价评估系统包括源数据层、数据采集层、数据处理层和数据加工层；所述源数据层用于提供多源数据；所述数据采集层用于从所述源数据层抽取源数据；所述数据处理层用于对抽取的源数据进行清洗得到清洗后的盘源数据、交易数据和市场价数据；所述数据加工层采用小区均价策略模型对盘源数据、交易数据和市场价数据进行加工，得到某一楼盘的均价，采用特征向量回归矫正模型根据每个房子的特征进行数据矫正得到某一房子的均价。

进一步地，所述多源数据包括盘客通的放盘日期、房源改价日期、盘客通的放盘数据、Q房ERP的交易数据、第三方放盘数据和第三方交易数据。

进一步地，所述数据采集层采用批处理框架Spring Batch对盘客通的放盘数据和Q房ERP的交易数据进行采集，采用八爪鱼和火车采集器组合的方式对第三方放盘数据和第三方交易数据进行采集。

进一步地，所述数据处理层数对抽取的源数据进行清洗的具体过程为：

1)设置数据可信度级别；对市场价、真实交易数据、有正式委托书小区报盘价、有正式委托书报盘价和第三方报盘价的可信度级别按照从高到低的顺序排列为：市场价的可信度>真实交易数据的可信度>有正式委托书小区报盘价的可信度>无正式委托书报盘价的可信度>第三方报盘价的可信度；

2)将步骤1)得到的合理数据中(报盘价-近期该小区交易均价)/交易均价>10％的数据标记为脏数据；

3)对于每个城市设定盘源最高单价和最低单价，限定合理的数据范围，将步骤2)得到的合理数据中在该数据范围之外的数据标记为脏数据；

4)对于步骤3)得到的合理数据，运营人员根据系统运行标记数据，向对应置业顾问进行核实，将数据状态进行重新标记；对有跟进记录的异常数据进行重新标记；

5)对于步骤4)得到的合理数据，当数据都集中在一类数据源上时，采取梯度聚类方法，以每个城市均价的5％做为数据梯度，对数据进行进一步清洗。

进一步地，所述数据加工层对盘源数据、交易数据和市场价数据进行加工，采用小区均价策略模型得到某一楼盘的均价的过程为：

采用梯度比较法判断盘源数据、交易数据和市场价数据是否在设定的梯度范围内，如果在梯度范围内，则统计在梯度范围内的数据条数，采用平均法计算得到某一楼盘的均价；否则，采用的梯度聚类方法对数据进行重新处理，直到数据在梯度范围内。

进一步地，所述数据加工层采用多元线性回归模型构建特征向量回归矫正模型，构建的特征向量回归矫正模型为：