[发明专利]一种二手房房价测算方法

说明书

本发明公开了一种二手房房价测算方法，涉及房地产应用技术领域，其包括：S1：获取房源样本，并采集各房源样本所属楼盘的宏观指标和微观指标；S2：清洗去除无效的房源样本，将相似的房源样本合并到同一楼盘中；S3：计算楼盘的均价；S4：根据楼盘的均价和经纬度信息将楼盘划分为不同的类别，并计算每个类别的均价；S5：以宏观指标、微观指标和每个类别的均价为特征在回归模型中拟合各个楼盘的均价，生成房价测算模型；S6：在房价测算模型中输入待测算二手房名称，房价测算模型根据该二手房所属楼盘的宏观指标、微观指标以及所属类别的均价计算得出该二手房的房价。本发明所要解决的技术问题是提高了二手房房价测算结果的准确性。

技术领域

本发明涉及房地产应用技术领域，具体地说涉及一种二手房房价测算方法。

背景技术

随着大数据技术、人工智能技术的发展，房地产评估行业的工作方式和方法已经发生了显著变化，传统评估方法受数据维度不足、数据不一致、数据更新不及时等多个因素影响，导致人力、时间成本过高。基于此，现在越来越多的机构利用大数据、人工智能的测算方法来辅助评估。

公开号为CN108647987A的文献公开了一种房屋资产估价方法，其包括划分二手房估价区域，采集二手房估价区域内各个小区的住房交易价格；确定小区价值影响因素；确定住房自身特征影响因素；拟合住房特征估价模型；批量获取模型参数变量；计算待估二手房价格。该技术基于已交易的二手房历史数据，并结合二手房的自身属性特征对待估价二手房进行价格评估，并通过计算机辅助计算进行模型拟合，使得估价结果具有较高的准确性，极大地提高了估价的效率、节省了社会人力成本。但在实际应用中，该技术仍然存在如下技术缺陷：1、没有从更丰富的维度研究对房价的影响，如人口结构、宏观经济等。2、评估模型中只考虑了影响因素与房价的线性关系，未考虑非线性关系的存在。3、模型的建立方法更多的是基于人为经验，无法发现数据的隐含联系。这些缺陷将导致测算结果的准确性较差。

发明内容

本发明的目的在于克服现有技术中存在的上述问题，提供了一种二手房房价测算方法，本发明所要解决的技术问题是提高了二手房房价测算结果的准确性。

为实现上述目的，本发明采用的技术方案如下：

一种二手房房价测算方法，其特征在于包括如下步骤：

S1：资料收集

获取二手房的房源样本，并采集各房源样本所属楼盘的宏观指标和微观指标；

S2：清洗合并

先清洗去除无效的房源样本，再根据经纬度信息和名称将相似的房源样本合并到同一楼盘中；

S3：计算楼盘均价

根据每个楼盘中房源样本的挂牌价计算楼盘的均价；

S4：楼盘预分类

根据楼盘的均价和经纬度信息将楼盘划分为不同的类别，并计算每个类别的均价；

S5：训练房价测算模型

以步骤S1采集的宏观指标、微观指标和步骤S4中得到的每个类别的均价为特征在回归模型中拟合各个楼盘的均价，生成房价测算模型；

S6：输出房价测算值。

在房价测算模型中输入待测算二手房名称，房价测算模型根据该二手房所属楼盘的宏观指标、微观指标以及所属类别的均价计算得出该二手房的房价。

所述步骤S1中的宏观指标是指楼盘所在行政区域的宏观信息，包括经济指标、人口指标、消费指标、产业指标、文化指标、公共服务指标和交通指标。