市场比较法、收益法和成本法是我国房地产估价的基本方法,它们在实际运用中存在着一个共同的问题:过于主观化,即依赖于房地产估价师的主观经验。这不仅使估价结果显得不可靠,更有可能引发道德风险,不利于整个房地产市场的规范与发展,因此,在房地产估价过程中建立定量分析的模型、减弱人为因素的影响,是解决这一问题的迫切需要。 市场比较法在其主要操作环节上没有确定统一的模式,很大程度上依赖于房地产估价师根据自己的经验做出判定,不同的房地产估价师对同一房地产进行评估可能会得出迥异的结论,且无法检验其准确性。将模糊综合评判方法用于可比实例的因素修正可减轻估价过程中的主观化问题。建立因素修正的FCE模型对可比实例的各因素进行修正,可将其交易价格修正到与估价对象因素相同或相近的价格。 收益法中过于主观化的表现主要在于资本化率的求取。现行资本化率的四种确定方法在实际操作中不能对影响资本化率的风险因素进行准确的界定。不同房地产估价师根据相同的情况得出的资本化率的细微差距会导致估价结果的较大波动。将人工神经网络用于确定资本化率,输入影响资本化率的主要因素,利用BP网络的自适应学习的特点进行反复训练和自我学习,可得出趋于稳定的输出,即资本化率。 过于主观化在成本法中的表现在于房地产客观成本和建筑物成新度的确定。本论文对现行确定客观成本的方法进行剖析,得出了客观成本应以实际成本为基础计算、而不应以同类房地产的社会平均成本计算的结论,并建立了求取客观成本的模型。同时将人工神经网络用于确定建筑物的成新度,以城乡建设保护部发布的《房屋完损等级评定标准》中所规定的影响建筑物成新度的12个因素作为输入,经过隐含层的反复训练和学习,得出趋于稳定的输出——成新度。 市场比较法、收益法和成本法的应用条件和使用范围是有差异的,如何根据不同的条件选用恰当的方法也是估价过程中必须关注的要点之一。