论文部分内容阅读
高价买地是科学决策还是冲动投资？在土地投资上，大家都想看到机会和风险的分界线在哪里。每种判断似乎都有背后的理由，其实土地背靠城市，究竟有多少潜力，大数据会实打实地告诉你。
说到土地和城市的价值，过往人们总觉得难以说清道明，直到土地拍卖的最后一槌砸下来时，才知道确数。仔细想来，一块地究竟值多少无非看三方面的因素：土地本身的条件、所在城市的潜力，还有企业根据自身情况所能做的决策选择。
当土地条件被解构为新房和二手房以及土地项目等数据信息，当城市的潜力被量化为常住人口、户籍人口、房价收入比、地价房价比、与中心城市房价比、百强企业进入数量、私家车保有量、中青年人数以及企业销售额等一连串量化数据，加上企业土地储备、布局城市、资产负债率、销售毛利率、总资产、品牌价值、市场份额、产品能力等评估内容，以上内容统统变成数字输入模型进行评估，被计算后的结论会不会引起你的好奇？
数字化的土地
要判断高价拿地到底是科学的决策还是冲动的投资，并非一个简单的问题。想确定合理的拿地价格数据，仅靠传统的评估方式已不能完全解释现在土地市场价格的每个变化。如今房地产行业的大数据时代已经来临，将数据融合在一起形成大数据分析将是未来的趋势。而关于土地的种种方面都完全可以变成数字。
到底应不应该拿地，以什么价格拿地，拿什么来做一个很好的支撑？中国指数研究院使用大数据技术作为其拿地系统的工具，将300个城市超过百万个的楼盘信息全面引入数据分析系统，通过海量的数据评估某一地块的价值。在评估的基础之上，量化不同企业对于不同地块拿地的意愿和偏好，如品牌企业明显实力越来越强，或是企业有资源、产品方面的信心，会对某一块地出比较高的价格。整个系统以价格作为基础来设计整体，通过量化的数字来表现对最终拿地价格产生的影响因素，计算出最终合理的价格数。
这个过程需要拥有庞大的数据库去做样本对照，在大数据拿地系统当中包含了19万个新房项目、37万个二手房项目和46万个土地项目作为数据库和可比的样本。随后引入了评估规则，计算时会优先选择新房，确定最优样本，根据容积率修正样本价格，之后考虑建筑年代修正二手房样本价格。在不同等级城市中，选择最优建安成本。
让模型来判断
去年融创备受关注的北京农展馆地块被融创集团以21亿元的总价，外加异地建设27.8万平方米医院面积的条件获得，实际成交总价为43.24亿元，折合楼面价7.31万元/平方米，溢价16.67%。而经过前两种模型加上对融创集团的企业内因模型分析，中国指数研究院的大数据拿地系统认为融创对于目标地块的合理拿地价格为18.9亿元。
这个结果是通过土地评估模型、城市评价模型和企业内因模型三个模型运算出来的。使用大数据计算土地价值需要新鲜的数据做支持，从确定目标地块到整个价格模型的修订评估结果都是基于大量的数据。通过对一个城市的宏观经济、市场需求、市场热点、市场活跃度、供求对比、盈利空间做判断，可以看到这个城市的得分情况、绝对值的数量情况，多纬度分析城市的潜力，通过数据的提升，及时准确评价城市潜力。大数据拿地系统以电话访问量等为先导性的、效果性行为指标，包括常住人口、户籍人口、房价收入比、地价房价比、与中心城市房价比作为复合性指标，还有百强企业进入数量、私家车保有量、中青年人数、企业销售额等特色性指标。将优选的指标进行得分量化，然后再通过分析得到指示分析，跟底层数据库进行绑定，评价体系自然会更新到最新阶段的评价结构。
在系统中每个企业的评价是不一样的，模型最关键之处就是在针对不同的企业在不同的城市给出了相应的得分。通常企业决定在某个城市拿地的因素有很多，实力、资金状况和战略布局都很重要。这些内容也可以用量化的数字来体现，比如说企业实力当中包括产品能力、市场的份额，而产品能力中要看高档楼盘占整个企业产品的比重，也有企业拥有多少这类楼盘，才能量化这个企业在某一个城市拿地的意愿和出价的意愿。比如，万科在北京的从2009年开始已经有了524万平方米的拿地，在北京有一定的土地储备量，大数据拿地系统在给万科打分的时候就会认为，对于当时出价意愿，万科会比较谨慎，不会高价拿地。
说到土地和城市的价值，过往人们总觉得难以说清道明，直到土地拍卖的最后一槌砸下来时，才知道确数。仔细想来，一块地究竟值多少无非看三方面的因素：土地本身的条件、所在城市的潜力，还有企业根据自身情况所能做的决策选择。
当土地条件被解构为新房和二手房以及土地项目等数据信息，当城市的潜力被量化为常住人口、户籍人口、房价收入比、地价房价比、与中心城市房价比、百强企业进入数量、私家车保有量、中青年人数以及企业销售额等一连串量化数据，加上企业土地储备、布局城市、资产负债率、销售毛利率、总资产、品牌价值、市场份额、产品能力等评估内容，以上内容统统变成数字输入模型进行评估，被计算后的结论会不会引起你的好奇？
数字化的土地
要判断高价拿地到底是科学的决策还是冲动的投资，并非一个简单的问题。想确定合理的拿地价格数据，仅靠传统的评估方式已不能完全解释现在土地市场价格的每个变化。如今房地产行业的大数据时代已经来临，将数据融合在一起形成大数据分析将是未来的趋势。而关于土地的种种方面都完全可以变成数字。
到底应不应该拿地，以什么价格拿地，拿什么来做一个很好的支撑？中国指数研究院使用大数据技术作为其拿地系统的工具，将300个城市超过百万个的楼盘信息全面引入数据分析系统，通过海量的数据评估某一地块的价值。在评估的基础之上，量化不同企业对于不同地块拿地的意愿和偏好，如品牌企业明显实力越来越强，或是企业有资源、产品方面的信心，会对某一块地出比较高的价格。整个系统以价格作为基础来设计整体，通过量化的数字来表现对最终拿地价格产生的影响因素，计算出最终合理的价格数。
这个过程需要拥有庞大的数据库去做样本对照，在大数据拿地系统当中包含了19万个新房项目、37万个二手房项目和46万个土地项目作为数据库和可比的样本。随后引入了评估规则，计算时会优先选择新房，确定最优样本，根据容积率修正样本价格，之后考虑建筑年代修正二手房样本价格。在不同等级城市中，选择最优建安成本。
让模型来判断
去年融创备受关注的北京农展馆地块被融创集团以21亿元的总价，外加异地建设27.8万平方米医院面积的条件获得，实际成交总价为43.24亿元，折合楼面价7.31万元/平方米，溢价16.67%。而经过前两种模型加上对融创集团的企业内因模型分析，中国指数研究院的大数据拿地系统认为融创对于目标地块的合理拿地价格为18.9亿元。
这个结果是通过土地评估模型、城市评价模型和企业内因模型三个模型运算出来的。使用大数据计算土地价值需要新鲜的数据做支持，从确定目标地块到整个价格模型的修订评估结果都是基于大量的数据。通过对一个城市的宏观经济、市场需求、市场热点、市场活跃度、供求对比、盈利空间做判断，可以看到这个城市的得分情况、绝对值的数量情况，多纬度分析城市的潜力，通过数据的提升，及时准确评价城市潜力。大数据拿地系统以电话访问量等为先导性的、效果性行为指标，包括常住人口、户籍人口、房价收入比、地价房价比、与中心城市房价比作为复合性指标，还有百强企业进入数量、私家车保有量、中青年人数、企业销售额等特色性指标。将优选的指标进行得分量化，然后再通过分析得到指示分析，跟底层数据库进行绑定，评价体系自然会更新到最新阶段的评价结构。
在系统中每个企业的评价是不一样的，模型最关键之处就是在针对不同的企业在不同的城市给出了相应的得分。通常企业决定在某个城市拿地的因素有很多，实力、资金状况和战略布局都很重要。这些内容也可以用量化的数字来体现，比如说企业实力当中包括产品能力、市场的份额，而产品能力中要看高档楼盘占整个企业产品的比重，也有企业拥有多少这类楼盘，才能量化这个企业在某一个城市拿地的意愿和出价的意愿。比如，万科在北京的从2009年开始已经有了524万平方米的拿地，在北京有一定的土地储备量，大数据拿地系统在给万科打分的时候就会认为，对于当时出价意愿，万科会比较谨慎，不会高价拿地。