论文部分内容阅读
摘要：在“互联网+”背景下，针对大数据在房地产估价行业中的应用问题，以市场法为例，引入熵权法，对房地产价格影响因素进行科学赋权，并通过该方法来量化可比实例与估价对象的相似度，从而帮助估价师更加可靠地选取可比实例，为房地产估价行业的互联网大数据利用提供参考。研究结果表明，大数据可以通过深入挖掘，有效分析各类房地产的价格规律，推动估价方法的改进升级，提升行业效率。但是房地产数据在搜集、处理及应用上还存在诸多难点，需要通过大数据建设、规范相关制度、建立大数据标准来进一步深化大数据在房地产估价中的运用。
关键词：互联网+;房地产估价;熵权法;市场法
中图分类号：G449.7
文献标志码：A
文章编号：1006-1037（2021）03-0133-07
“互联网+”是把互联网的创新成果与经济社会各领域深度融合，推动技术进步、效率提升和组织变革，提升实体经济创新力和生产力，形成更广泛的以互联网大数据和创新要素为基础的经济社会发展新形态。“十四五”规划强调了加快发展数字经济，打造具有国际竞争力的数字产业集群，创造新的数字化发展生态，提出并实施大数据战略;2021年1月国务院关于积极推进“互联网+”行动的指导意见中提出行业应顺应世界“互联网+”发展趋势，充分发挥中国互联网的规模优势和应用优势，推动互联网由消费领域向生产领域拓展，加速提升产业发展水平，构筑经济社会发展新优势和新动能。“互联网+”已经影响到生活的方方面面，例如，交通，金融，建筑，甚至档案，出版等行业，并带来巨大冲击和影响[1-3]。房地产估价作为以数据为导向的服务型行业，相较于其他行业，其对互联网大数据的依托更为紧密，因此深化房地产估价行业与互联网大数据的融合势在必行，这也将对房地场市场有着积极且深远的意义[4]。房地产价格受多方面因素的影响，同一用途的房地产，不同影响因素对价格的影响程度不同;同一影响因素，在不同区域，对同一用途房地产价格的影响程度也不尽相同;不同用途的房地产，即使某些价格影响因素相同，但这些因素对价格的影响方向和程度也不一定相同。因此要提高房地产价值评估的精度，就需要明确估价对象所在地区的各房地产价格形成的规律，目前国内外对房地产价格影响因素研究相对成熟，但主要集中在住宅房地产，且多数都停留在宏观的角度（宏观经济、政策等方面），Saita等[5]研究了人口对日本和美国的房地产价格的正向影响。Gholipou等[6]研究了海外投资经合组织国家房地产行业对房地产价值的影响。蒋祥林等[7]对房地产价格与房地产供给之间的关系进行了研究。史贞[8]研究了货币政策对房地产价格的影响。不论国内还是国外的相关研究大多都停留在理论层面，而在实际的操作中往往受到数据的限制，而无法付诸实践。因此需借助中国的大数据平台优势，为房地产价值规律、数据分析带来新的机遇，从而提高房地产估价精度，提升行业效率，改善服务质量。
1 中国房地产估价行业大数据改革现状
1.1 房地产估价行业发展状况
中国的房地产估价行业起步于20世纪80年代，大多数房地产估价机构都由事业单位或者国企改制而来，因此该行业带有浓厚的“国企”色彩，且该行业起步初期均以征收拆迁业务为主。90年代，随着中国住房制度的改革，以及房地产商品化政策的推行，房地产估价行业迎来了第一个春天，行业开始逐渐规范，职业资格制度得到逐步完善。进入21世纪，房地产估价业务范围得到了进一步拓展，以不动产为抵押物的金融活动越发频繁，因此目前房地产抵押价值评估业务量尤为突出。相关数据显示，2019年一级机构累积完成估价项目157万个，评估总价值约24万亿元，评估总建筑面积约23亿平方米，评估总土地面积约34亿平方米。从业务类型看，抵押估价类业务占比仍然最高，该类业务评估价值占总评估价值的比重为55.99%，如图1所示。
1.2 房地产估价行业大数据改革问题
从房地产估价机构业务占比分析来看，房地产抵押业务给房地产估价机构带来了巨大的效益，然而大量的抵押业务对估价机构的估价效率、估价结果的准确性都提出了更高的要求，所以机遇与危机并存，估价机构要在这激烈的竞争中站稳脚跟，就必须进行互联网大数据改革，通过搜集、分析、总结市场数据，从而掌握房地产市场状况;归纳分析地区房地产价格规律从而准确判断房地产价值，提升估价智能化水平，节约人力资源成本，提高估价作业效率。由此可见，未来拥有数据挖掘和分析能力的估价机构将会以完善的数据库进一步密切与金融机构、法院、征收部门等单位的合作，同时也可以逐步開展咨询类评估服务。但目前房地产估价行业的大数据建设及其在房地产估价中的有效应用仍面临许多问题[9]。
1.2.1 房地产估价缺乏海量数据的支撑 近年来，很多机构为提高估价效率或自主研发或购买了智能评估系统，这些系统大体上是以房地产估价业务流程为轴线，以互联网、大数据及云计算等技术为基础建立的。根据对福建省内多家估价机构的调查发现，估价平台功能虽然已成熟，但是平台使用效率并不尽人意，在智能评估的环节中，多处需要估价人员人工调整和主观赋值，出具的报告仍然需要人工调整，原因在于系统的有效运作缺乏庞大的数据支撑，以市场法为例，市场法的应用需要有大量的交易案例做支撑，才能更准确的筛选出符合一定数量和质量要求的可比实例，从而保证估价结果的合理性，然而估价机构的房地产数据的数量及质量都远远无法满足业务需求。如果把估价系统比作骨骼，那么大数据则是血肉，给与平台生机和活力，两者俱全才能激活整个智能估价生态。
1.2.2 数据库相对独立，异地作业困难 目前各房地产估价机构数据库相互独立和封闭，各数据库之间缺乏有效联系。且房地产估价异地作业状况普遍存在，异地房地产的相关数据获取困难，使得估价师在异地作业时效率低下[10]，这在很大程度上限制了房地产估价机构业务的拓展。
1.2.3 估价师的主观判断影响估价结果的准确性 目前不论是传统估价还是云估价，房地产价格的价格影响因素权重的确定都主要以估价师的主观判断为准，甚至有时无视各影响因素对价格影响程度差异，默认各因素权重相当，这是极不科学的;此外，收益法和成本法中的报酬率及成新率的测算缺乏科学合理的判定标准，仍然依靠估价师的主观判断来手动调整。在实际工作中由于评估人员的业务能力和业务经验参差不齐，因此不同的评估人员对同一因素或同一参数的判断各不相同，合理性也有待商榷。这一差异也导致了行业内“同宗不同价，同案不同估”的现象屡见不鲜[9]。 1.2.4 大数据缺乏法律及制度保障 目前的房地产估价相关法律法规都没有体现对房地产大数据的阐述和认可，更谈不上对房地产大数据运用的管控[6]。因此在缺乏法律和规章制度的规范下，房地产大数据的应用有可能在一定程度上破坏行业秩序。比如为占领市场，估价机构利用大数据云估价平台的优势来低价为客户提供服务，形成行业的恶性竞争，其次估价师有可能通过房地产估价的开放平台，搞“独立估价师”，私下通过平台承接估价业务，借用平台的资质承揽业务等。
近年来，诸多房地产估价行业的专业人员及相关学者都针对“互联网+”对房地产估价行业的发展前景影响进行了研究，并且都明确了行业与“互联网+”深度融合的必要性和紧迫性，但是大部分的研究都紧紧停留在改革决策层面，而关于如何具体实施，如何挖掘大数据的潜能的相关研究较少。
本文以市场法为例，以大数据为基础，引入熵权法，通过数据分析，确定地区房地产价格影响因素权重，从而揭示地区房地产价格的内在规律，量化可比实例与估价对象的相似度，从而，更加科学、精确地选取可比实例，提升估价结果的科学性。也为大数据在房地产估价中的使用提供参考。
2 基于熵权法的房地产价格影响因素权重分析
2.1 权重
权重是一个相对的概念，针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。在房地产价格分析中，房地产价格的高低变化，是众多因素共同作用的结果。不同的房地产价格影响因素或其变化导致房地产价格变动的程度不尽相同，也即各种影响因素的权重不尽相同[11]。
2.2 熵权法
2.2.1 基本概念 熵权法是一种客观赋权法，依赖于数据自身的离散性，信息论中，熵作为对不确定性指标的一种度量，根据指标变异性的大小来确定客观权重。若某个指标的熵越小，表明指标值的变异程度越高，信息量越多，在综合评价中的权重也就越大。相反，若某个指标的熵越大，表明指标值的变异程度越低，信息量也越少，在综合评价中的权重也就越小[8]。
2.2.2 熵权法在房地产估价市场法中的运用 对房地产进行估价，主要考虑估价对象的用途和估价目的等因素。市场比较法、收益现值法和成本法是三大基本方法，其他估价方法一般被认为是三大基本方法的派生[9] 。其中，市场比较法就是得到区域内市场平均水平的一种方法。本文通过搜集和待估对象处于同一市场区的交易实例数据，并把交易实例和待估对象看作一个系统，运用熵权法建立估价模型。
（1） 房地产价格影响因素指标体系构建。本文以住宅房地产为例，将住宅房地产价格影响因素的指标体系分解为包含 3 个一级指标、10个二级指标和 31个三级指标的指标体系，如表1所示[12]。该指标体系以区位、实物、权益作为一级指标进行细分，二级指标是对一级指标的深化，三级指标是对二级指标的深化[12]。
区位是指该房地产与其他房地产或者事物在空间方位和距离上的关系，包括位置、交通条件、外部配套设施、周围环境等。房地产的区位不同，价格会有很大的差异，尤其城市土地，其价格高低几乎为区位优劣所左右。实物是指房地产中看得见、摸得着的部分，土地实物包括形状、地形、地势等，建筑物实物包括建筑外观、建筑结构、设施设备等。权益是指房地产中无形的、不可触摸的部分，是基于房地产实物而衍生出来的权利、利益和好处。对房地产利用的限制主要为房地产权利及其行使的限制、房地产使用管制、相邻关系的限制[13]。
（2） 数据标准化。根据以上房地产价格影响因素指标体系指定的31个三级影响因素指标X1，…，X31，本文以位于福州市鼓楼区的估价对象A为例，选取10个与估价对象A区位相近，且同一地价等级的住宅交易实例（为方便演示，仅选取10个交易实例），并通过专家赋值对这些案例的各个因素，按照同一标准进行评分（1～9分），如表2所示。
假设对各指标数据标准化后的值为yij，则
其中，yij为实例i的第j项指标的实际数据;xij为实例i的第j项指标的专家评分值;min （xi）为第i个案例影响因素最低值;max （xi）為第i个案例影响因素最大值。
（3） 求各指标的信息熵。根据信息论中信息熵的定义[8]
其中，Ej为第j个指标的熵值;Pij为第j指标下，第i个案例的指标值的比重
（4）确定各房地产价格影响指标权重。根据式（2），计算出各个价格影响指标的信息熵为Ej，价格影响指标的权重[14]
其中，Wj为第j指标的权重。
从中选取与估价对象最为相近的作为市场法的可比实例。将表2中的数据导入SPSSAU系统进行分析，结果见表3。
由于所提取的样本均为同一区域，基础设施状况和公共服务设施状况相当，因此利用熵权法核算出指标效用值较低，权重较小，通过演示可以明确该方法在判断房地产价格影响因素权重判断上是有效的。随着样本数据的增加，权重测算则更加准确。
（5）选取可比实例。根据计算出的各价格影响指标的权重，对交易实例进行评分。设Zj为第j个交易实例的最终得分，则
得到结果如表4所示。
由于估价对象得评分值为7.04，那么选择与估价对象最接近得三个交易实例作为可比实例，分别是实例3、实例5和实例8。
3 房地产估价行业大数据发展对策与建议
以大数据为背景，结合熵权法量化交易实例中各价格影响因素权重，通过量化的数据更加科学客观的判断交易实例与估价对象的相似度，从中选取最相近的三个交易实例作为可比实例，使得估价结果更加可靠。然而大数据在房地产估价中的运用绝不仅于此，与“互联网+”深度融合，开发房地产云估价平台、拓展在线询价业务等也正在行业中普及。
3.1 积极推进房地产云估价相关的制度规范建设 法律制度和规范标准建设是房地产云估价行业良性发展的土壤。因此行业应从实际出发，积极探索房地产云估价的制度规范建设。首先在肯定云估价发展前景的同时，也要积极寻求其于传统估价方式的和谐共处，传统估价方式有着人工智能无法取代的优势，因此期望云股价一进入市场就马上取代传统估价是不现实的，也是不可取的。其次，在行业内部需要加强宣传和研讨，不断深化认识，加强云估价培训工作，为云估价的顺利实施打好基础[15]。最后，政府管理部门及行业协会要积极做好顶层设计工作，统筹规划云估价的使用规范及相关规章制度，规范行业云估价行为。
3.2 积极开展房地产大数据建设工作
房地产大数据是云估价得以顺利实施的关键，是智能估价的灵魂，因此房地产数据库的建设势在必行，数据搜集主要有三条途径;（1）通过房天下、麦田、搜房网等房地产门户网站上的挂牌价查询、交易登记等功能，搜集海量房地产数据，通过数据筛选、整理等工作将数据运用于房地产云估价中，但是该方法所搜集的数据缺乏完整性，需要通过人工加以确认及补充;（2）与大数据企业合作，实现合作共赢，通过智能化的外部采集模块，将对方平台的房地产估价大数据通过有选择性地采集、优化等技术处理后形成房地产云估价系统的基础数据;（3）为保证数据的完整性和可靠性，估价机构可以自行设计完整的数据搜集系统，规范数据内容，规范格式标准，规范数据搜集方法及来源。加大资源投入，广泛搜集和整理数据由此一来，随着时间的推移，当数据库已经形成了海量可靠数据的时候，平台内部数据就会形成良性的内循环，并且能够更有效的被应用[16]。
3.3 亟待确立大数据标准
首先为确保数据的安全性、和有效性，行业主管部门应主动牵头联合行业领头企业来统一和规范房地产估价信息化数据的采集、规整和应用的标准，该数据标准应该渗透房地产估价行业的各个作业环节，形成统一的行业大数据语言，为房地产估价行业数据共享奠定基础，此外通过制定数据管理规范，规范云估价业务作业流程，保障估价结果的科学有效性[17]。其次行业主管部门应积极引导企业进行数据化改革，指导房地产估价行业进行信息系统数据库建设，提升房地产数据应用的覆盖面。同时房地产企业可以同其他与房地产相关的数据需求方（政府、金融機构等）进行对接，基于数据对象的界定及分类，根据不同数据需求方的要求进行个性化数据定制，并进一步对数据使用标准进行细化[18]。
4 结论
互联网大数据时代的到来，为房地产估价行业带来了宝贵的发展机会，在可预见的未来，拥有大数据搜集和分析能力的估价公司将会更具备竞争优势，从估价流程来看，因大数据的支持，降低估价作业强度，实现勘察信息化，估价业务网络化，估价作业自动化。从业务能力来看，通过大数据的分析能力，机构能够有效强化其房地产价格规律的掌握，提升估价业务的社会认可度，并以此平台进一步加强与司法机关、征收部门、银行等金融机构的合作，同时能够进一步拓展咨询类评估业务，为企业赢得更广阔的发展空间。因此，行业在明确大数据改革必要性的同时，更要深入思考，如何深入挖掘大数据潜能，使其能够更有效地服务于行业，服务于社会。
参考文献
[1]沈珊珊，张莹.互联网金融发展对我国商业银行流动性风险的影响[J].经营与管理，2019（8）：18-22.
[2]马宏正.档案管理应用移动互联网研究综述[J].山西档案，2017（6）：54-56.
[3]贺斌，秦福强.传统媒体和新媒体深度融合的困境与对策[J].学报编辑论丛，2019：340-343.
[4]胡警卫. 房地产云估价存在的问题与对策[C]//中国房地产估价师与房地产经纪人学会，2016.
[5]SAITA Y， SHIMIZU C， WATANABE T. Aging and real estate 29 prices： Evidence from Japanese and US regional data[J]. International Journal of Housing Markets and Analysis. 2016， 9（1）： 66-87.
[6]GHOLIPOUR H F， AL-MULALI U， MOHAMMED A H. Foreign investments in real estate， economic growth and property prices： Evidence from OECD countries[J]. Journal of Economic Policy Reform， 2014， 17（1）：33-45.
[7]蒋祥林.供求决定的商品住宅价格——基于中国 35个中心城市的实证研究[C]//第十一届中国软科学学术年会论文集（下）， 2015 ： 349-366.
[8]史贞.供给侧改革下货币政策对房地产价格的效应研究[J].兰州学刊，2016（11）：193-198.
[9]郑晓俐.大数据时代对房地产估价行业的影响及对策分析——以杭州市为例[J].住宅与房地产，2016（30）：1-2.
[10] 刘伟华，阮文浩.房地产估价行业存在的主要问题及对策[J].住宅与房地产，2017（17）：15+48.
[11] 潘月，苏义坤.二线城市房地产价格动态因素分析——以长春市为例[J].经济师，2016（1）：61-63+65.
[12] 吕萍.我国房地产市场供求关系及房地产对经济的影响[J].调研世界，2016（4）：8-13.
[13] 赵鹏. 房地产价格的影响因素分析[D]. 武汉：华中师范大学. 2015.
[14] 马靖忠.基于熵权系数法的房地产市场比较估价模型研究[J].企业经济，2011，30（6）：112-114.
[15] 刘虹.房地产云评估市场分析研究[J].住宅与房地产，2019（21）：8.
[16] 邹士年.2018年我国房地产市场分析与2019年展望[J].发展研究，2019（1）：59-63.
[17] 侯长江，赵息.我国房地产税对房价的影响研究[J].青岛大学学报（自然科学版），2014，27（1）：106-112.
[18] 刘枬，刘小娟.房地产大数据的研究现状和趋势分析[J].建筑经济，2015，36（6）：71-73.
关键词：互联网+;房地产估价;熵权法;市场法
中图分类号：G449.7
文献标志码：A
文章编号：1006-1037（2021）03-0133-07
“互联网+”是把互联网的创新成果与经济社会各领域深度融合，推动技术进步、效率提升和组织变革，提升实体经济创新力和生产力，形成更广泛的以互联网大数据和创新要素为基础的经济社会发展新形态。“十四五”规划强调了加快发展数字经济，打造具有国际竞争力的数字产业集群，创造新的数字化发展生态，提出并实施大数据战略;2021年1月国务院关于积极推进“互联网+”行动的指导意见中提出行业应顺应世界“互联网+”发展趋势，充分发挥中国互联网的规模优势和应用优势，推动互联网由消费领域向生产领域拓展，加速提升产业发展水平，构筑经济社会发展新优势和新动能。“互联网+”已经影响到生活的方方面面，例如，交通，金融，建筑，甚至档案，出版等行业，并带来巨大冲击和影响[1-3]。房地产估价作为以数据为导向的服务型行业，相较于其他行业，其对互联网大数据的依托更为紧密，因此深化房地产估价行业与互联网大数据的融合势在必行，这也将对房地场市场有着积极且深远的意义[4]。房地产价格受多方面因素的影响，同一用途的房地产，不同影响因素对价格的影响程度不同;同一影响因素，在不同区域，对同一用途房地产价格的影响程度也不尽相同;不同用途的房地产，即使某些价格影响因素相同，但这些因素对价格的影响方向和程度也不一定相同。因此要提高房地产价值评估的精度，就需要明确估价对象所在地区的各房地产价格形成的规律，目前国内外对房地产价格影响因素研究相对成熟，但主要集中在住宅房地产，且多数都停留在宏观的角度（宏观经济、政策等方面），Saita等[5]研究了人口对日本和美国的房地产价格的正向影响。Gholipou等[6]研究了海外投资经合组织国家房地产行业对房地产价值的影响。蒋祥林等[7]对房地产价格与房地产供给之间的关系进行了研究。史贞[8]研究了货币政策对房地产价格的影响。不论国内还是国外的相关研究大多都停留在理论层面，而在实际的操作中往往受到数据的限制，而无法付诸实践。因此需借助中国的大数据平台优势，为房地产价值规律、数据分析带来新的机遇，从而提高房地产估价精度，提升行业效率，改善服务质量。
1 中国房地产估价行业大数据改革现状
1.1 房地产估价行业发展状况
中国的房地产估价行业起步于20世纪80年代，大多数房地产估价机构都由事业单位或者国企改制而来，因此该行业带有浓厚的“国企”色彩，且该行业起步初期均以征收拆迁业务为主。90年代，随着中国住房制度的改革，以及房地产商品化政策的推行，房地产估价行业迎来了第一个春天，行业开始逐渐规范，职业资格制度得到逐步完善。进入21世纪，房地产估价业务范围得到了进一步拓展，以不动产为抵押物的金融活动越发频繁，因此目前房地产抵押价值评估业务量尤为突出。相关数据显示，2019年一级机构累积完成估价项目157万个，评估总价值约24万亿元，评估总建筑面积约23亿平方米，评估总土地面积约34亿平方米。从业务类型看，抵押估价类业务占比仍然最高，该类业务评估价值占总评估价值的比重为55.99%，如图1所示。
1.2 房地产估价行业大数据改革问题
从房地产估价机构业务占比分析来看，房地产抵押业务给房地产估价机构带来了巨大的效益，然而大量的抵押业务对估价机构的估价效率、估价结果的准确性都提出了更高的要求，所以机遇与危机并存，估价机构要在这激烈的竞争中站稳脚跟，就必须进行互联网大数据改革，通过搜集、分析、总结市场数据，从而掌握房地产市场状况;归纳分析地区房地产价格规律从而准确判断房地产价值，提升估价智能化水平，节约人力资源成本，提高估价作业效率。由此可见，未来拥有数据挖掘和分析能力的估价机构将会以完善的数据库进一步密切与金融机构、法院、征收部门等单位的合作，同时也可以逐步開展咨询类评估服务。但目前房地产估价行业的大数据建设及其在房地产估价中的有效应用仍面临许多问题[9]。
1.2.1 房地产估价缺乏海量数据的支撑 近年来，很多机构为提高估价效率或自主研发或购买了智能评估系统，这些系统大体上是以房地产估价业务流程为轴线，以互联网、大数据及云计算等技术为基础建立的。根据对福建省内多家估价机构的调查发现，估价平台功能虽然已成熟，但是平台使用效率并不尽人意，在智能评估的环节中，多处需要估价人员人工调整和主观赋值，出具的报告仍然需要人工调整，原因在于系统的有效运作缺乏庞大的数据支撑，以市场法为例，市场法的应用需要有大量的交易案例做支撑，才能更准确的筛选出符合一定数量和质量要求的可比实例，从而保证估价结果的合理性，然而估价机构的房地产数据的数量及质量都远远无法满足业务需求。如果把估价系统比作骨骼，那么大数据则是血肉，给与平台生机和活力，两者俱全才能激活整个智能估价生态。
1.2.2 数据库相对独立，异地作业困难 目前各房地产估价机构数据库相互独立和封闭，各数据库之间缺乏有效联系。且房地产估价异地作业状况普遍存在，异地房地产的相关数据获取困难，使得估价师在异地作业时效率低下[10]，这在很大程度上限制了房地产估价机构业务的拓展。
1.2.3 估价师的主观判断影响估价结果的准确性 目前不论是传统估价还是云估价，房地产价格的价格影响因素权重的确定都主要以估价师的主观判断为准，甚至有时无视各影响因素对价格影响程度差异，默认各因素权重相当，这是极不科学的;此外，收益法和成本法中的报酬率及成新率的测算缺乏科学合理的判定标准，仍然依靠估价师的主观判断来手动调整。在实际工作中由于评估人员的业务能力和业务经验参差不齐，因此不同的评估人员对同一因素或同一参数的判断各不相同，合理性也有待商榷。这一差异也导致了行业内“同宗不同价，同案不同估”的现象屡见不鲜[9]。 1.2.4 大数据缺乏法律及制度保障 目前的房地产估价相关法律法规都没有体现对房地产大数据的阐述和认可，更谈不上对房地产大数据运用的管控[6]。因此在缺乏法律和规章制度的规范下，房地产大数据的应用有可能在一定程度上破坏行业秩序。比如为占领市场，估价机构利用大数据云估价平台的优势来低价为客户提供服务，形成行业的恶性竞争，其次估价师有可能通过房地产估价的开放平台，搞“独立估价师”，私下通过平台承接估价业务，借用平台的资质承揽业务等。
近年来，诸多房地产估价行业的专业人员及相关学者都针对“互联网+”对房地产估价行业的发展前景影响进行了研究，并且都明确了行业与“互联网+”深度融合的必要性和紧迫性，但是大部分的研究都紧紧停留在改革决策层面，而关于如何具体实施，如何挖掘大数据的潜能的相关研究较少。
本文以市场法为例，以大数据为基础，引入熵权法，通过数据分析，确定地区房地产价格影响因素权重，从而揭示地区房地产价格的内在规律，量化可比实例与估价对象的相似度，从而，更加科学、精确地选取可比实例，提升估价结果的科学性。也为大数据在房地产估价中的使用提供参考。
2 基于熵权法的房地产价格影响因素权重分析
2.1 权重
权重是一个相对的概念，针对某一指标而言。某一指标的权重是指该指标在整体评价中的相对重要程度。在房地产价格分析中，房地产价格的高低变化，是众多因素共同作用的结果。不同的房地产价格影响因素或其变化导致房地产价格变动的程度不尽相同，也即各种影响因素的权重不尽相同[11]。
2.2 熵权法
2.2.1 基本概念 熵权法是一种客观赋权法，依赖于数据自身的离散性，信息论中，熵作为对不确定性指标的一种度量，根据指标变异性的大小来确定客观权重。若某个指标的熵越小，表明指标值的变异程度越高，信息量越多，在综合评价中的权重也就越大。相反，若某个指标的熵越大，表明指标值的变异程度越低，信息量也越少，在综合评价中的权重也就越小[8]。
2.2.2 熵权法在房地产估价市场法中的运用 对房地产进行估价，主要考虑估价对象的用途和估价目的等因素。市场比较法、收益现值法和成本法是三大基本方法，其他估价方法一般被认为是三大基本方法的派生[9] 。其中，市场比较法就是得到区域内市场平均水平的一种方法。本文通过搜集和待估对象处于同一市场区的交易实例数据，并把交易实例和待估对象看作一个系统，运用熵权法建立估价模型。
（1） 房地产价格影响因素指标体系构建。本文以住宅房地产为例，将住宅房地产价格影响因素的指标体系分解为包含 3 个一级指标、10个二级指标和 31个三级指标的指标体系，如表1所示[12]。该指标体系以区位、实物、权益作为一级指标进行细分，二级指标是对一级指标的深化，三级指标是对二级指标的深化[12]。
区位是指该房地产与其他房地产或者事物在空间方位和距离上的关系，包括位置、交通条件、外部配套设施、周围环境等。房地产的区位不同，价格会有很大的差异，尤其城市土地，其价格高低几乎为区位优劣所左右。实物是指房地产中看得见、摸得着的部分，土地实物包括形状、地形、地势等，建筑物实物包括建筑外观、建筑结构、设施设备等。权益是指房地产中无形的、不可触摸的部分，是基于房地产实物而衍生出来的权利、利益和好处。对房地产利用的限制主要为房地产权利及其行使的限制、房地产使用管制、相邻关系的限制[13]。
（2） 数据标准化。根据以上房地产价格影响因素指标体系指定的31个三级影响因素指标X1，…，X31，本文以位于福州市鼓楼区的估价对象A为例，选取10个与估价对象A区位相近，且同一地价等级的住宅交易实例（为方便演示，仅选取10个交易实例），并通过专家赋值对这些案例的各个因素，按照同一标准进行评分（1～9分），如表2所示。
假设对各指标数据标准化后的值为yij，则
其中，yij为实例i的第j项指标的实际数据;xij为实例i的第j项指标的专家评分值;min （xi）为第i个案例影响因素最低值;max （xi）為第i个案例影响因素最大值。
（3） 求各指标的信息熵。根据信息论中信息熵的定义[8]
其中，Ej为第j个指标的熵值;Pij为第j指标下，第i个案例的指标值的比重
（4）确定各房地产价格影响指标权重。根据式（2），计算出各个价格影响指标的信息熵为Ej，价格影响指标的权重[14]
其中，Wj为第j指标的权重。
从中选取与估价对象最为相近的作为市场法的可比实例。将表2中的数据导入SPSSAU系统进行分析，结果见表3。
由于所提取的样本均为同一区域，基础设施状况和公共服务设施状况相当，因此利用熵权法核算出指标效用值较低，权重较小，通过演示可以明确该方法在判断房地产价格影响因素权重判断上是有效的。随着样本数据的增加，权重测算则更加准确。
（5）选取可比实例。根据计算出的各价格影响指标的权重，对交易实例进行评分。设Zj为第j个交易实例的最终得分，则
得到结果如表4所示。
由于估价对象得评分值为7.04，那么选择与估价对象最接近得三个交易实例作为可比实例，分别是实例3、实例5和实例8。
3 房地产估价行业大数据发展对策与建议
以大数据为背景，结合熵权法量化交易实例中各价格影响因素权重，通过量化的数据更加科学客观的判断交易实例与估价对象的相似度，从中选取最相近的三个交易实例作为可比实例，使得估价结果更加可靠。然而大数据在房地产估价中的运用绝不仅于此，与“互联网+”深度融合，开发房地产云估价平台、拓展在线询价业务等也正在行业中普及。
3.1 积极推进房地产云估价相关的制度规范建设 法律制度和规范标准建设是房地产云估价行业良性发展的土壤。因此行业应从实际出发，积极探索房地产云估价的制度规范建设。首先在肯定云估价发展前景的同时，也要积极寻求其于传统估价方式的和谐共处，传统估价方式有着人工智能无法取代的优势，因此期望云股价一进入市场就马上取代传统估价是不现实的，也是不可取的。其次，在行业内部需要加强宣传和研讨，不断深化认识，加强云估价培训工作，为云估价的顺利实施打好基础[15]。最后，政府管理部门及行业协会要积极做好顶层设计工作，统筹规划云估价的使用规范及相关规章制度，规范行业云估价行为。
3.2 积极开展房地产大数据建设工作
房地产大数据是云估价得以顺利实施的关键，是智能估价的灵魂，因此房地产数据库的建设势在必行，数据搜集主要有三条途径;（1）通过房天下、麦田、搜房网等房地产门户网站上的挂牌价查询、交易登记等功能，搜集海量房地产数据，通过数据筛选、整理等工作将数据运用于房地产云估价中，但是该方法所搜集的数据缺乏完整性，需要通过人工加以确认及补充;（2）与大数据企业合作，实现合作共赢，通过智能化的外部采集模块，将对方平台的房地产估价大数据通过有选择性地采集、优化等技术处理后形成房地产云估价系统的基础数据;（3）为保证数据的完整性和可靠性，估价机构可以自行设计完整的数据搜集系统，规范数据内容，规范格式标准，规范数据搜集方法及来源。加大资源投入，广泛搜集和整理数据由此一来，随着时间的推移，当数据库已经形成了海量可靠数据的时候，平台内部数据就会形成良性的内循环，并且能够更有效的被应用[16]。
3.3 亟待确立大数据标准
首先为确保数据的安全性、和有效性，行业主管部门应主动牵头联合行业领头企业来统一和规范房地产估价信息化数据的采集、规整和应用的标准，该数据标准应该渗透房地产估价行业的各个作业环节，形成统一的行业大数据语言，为房地产估价行业数据共享奠定基础，此外通过制定数据管理规范，规范云估价业务作业流程，保障估价结果的科学有效性[17]。其次行业主管部门应积极引导企业进行数据化改革，指导房地产估价行业进行信息系统数据库建设，提升房地产数据应用的覆盖面。同时房地产企业可以同其他与房地产相关的数据需求方（政府、金融機构等）进行对接，基于数据对象的界定及分类，根据不同数据需求方的要求进行个性化数据定制，并进一步对数据使用标准进行细化[18]。
4 结论
互联网大数据时代的到来，为房地产估价行业带来了宝贵的发展机会，在可预见的未来，拥有大数据搜集和分析能力的估价公司将会更具备竞争优势，从估价流程来看，因大数据的支持，降低估价作业强度，实现勘察信息化，估价业务网络化，估价作业自动化。从业务能力来看，通过大数据的分析能力，机构能够有效强化其房地产价格规律的掌握，提升估价业务的社会认可度，并以此平台进一步加强与司法机关、征收部门、银行等金融机构的合作，同时能够进一步拓展咨询类评估业务，为企业赢得更广阔的发展空间。因此，行业在明确大数据改革必要性的同时，更要深入思考，如何深入挖掘大数据潜能，使其能够更有效地服务于行业，服务于社会。
参考文献
[1]沈珊珊，张莹.互联网金融发展对我国商业银行流动性风险的影响[J].经营与管理，2019（8）：18-22.
[2]马宏正.档案管理应用移动互联网研究综述[J].山西档案，2017（6）：54-56.
[3]贺斌，秦福强.传统媒体和新媒体深度融合的困境与对策[J].学报编辑论丛，2019：340-343.
[4]胡警卫. 房地产云估价存在的问题与对策[C]//中国房地产估价师与房地产经纪人学会，2016.
[5]SAITA Y， SHIMIZU C， WATANABE T. Aging and real estate 29 prices： Evidence from Japanese and US regional data[J]. International Journal of Housing Markets and Analysis. 2016， 9（1）： 66-87.
[6]GHOLIPOUR H F， AL-MULALI U， MOHAMMED A H. Foreign investments in real estate， economic growth and property prices： Evidence from OECD countries[J]. Journal of Economic Policy Reform， 2014， 17（1）：33-45.
[7]蒋祥林.供求决定的商品住宅价格——基于中国 35个中心城市的实证研究[C]//第十一届中国软科学学术年会论文集（下）， 2015 ： 349-366.
[8]史贞.供给侧改革下货币政策对房地产价格的效应研究[J].兰州学刊，2016（11）：193-198.
[9]郑晓俐.大数据时代对房地产估价行业的影响及对策分析——以杭州市为例[J].住宅与房地产，2016（30）：1-2.
[10] 刘伟华，阮文浩.房地产估价行业存在的主要问题及对策[J].住宅与房地产，2017（17）：15+48.
[11] 潘月，苏义坤.二线城市房地产价格动态因素分析——以长春市为例[J].经济师，2016（1）：61-63+65.
[12] 吕萍.我国房地产市场供求关系及房地产对经济的影响[J].调研世界，2016（4）：8-13.
[13] 赵鹏. 房地产价格的影响因素分析[D]. 武汉：华中师范大学. 2015.
[14] 马靖忠.基于熵权系数法的房地产市场比较估价模型研究[J].企业经济，2011，30（6）：112-114.
[15] 刘虹.房地产云评估市场分析研究[J].住宅与房地产，2019（21）：8.
[16] 邹士年.2018年我国房地产市场分析与2019年展望[J].发展研究，2019（1）：59-63.
[17] 侯长江，赵息.我国房地产税对房价的影响研究[J].青岛大学学报（自然科学版），2014，27（1）：106-112.
[18] 刘枬，刘小娟.房地产大数据的研究现状和趋势分析[J].建筑经济，2015，36（6）：71-73.