基于支持向量回归的二手房批量评估模型应用研究

发布时间：2017-06-28 14:16

  本文关键词：基于支持向量回归的二手房批量评估模型应用研究，由笔耕文化传播整理发布。

【摘要】：随着房地产投资和交易活动的日益频繁,房地产评估在房屋征收、房屋租赁、房屋拆迁、房地产抵押、房地产税收、房地产资产核定等活动中发挥着越来越重要的作用。房地产评估根据评估对象的数量可分为单宗评估和批量评估。单宗评估是指对单独一宗房地产的评估,而批量评估是指同时对一系列房地产的评估。目前,我国房地产评估主要采用市场比较法、收益法和成本法对房地产进行单宗评估,但单宗评估的评估过程缺乏合理的统一标准,评估结果有很强的主观性;而引入GIS(地理信息系统)、神经网络、支持向量机、随机森林等技术与方法的批量评估方法能改进传统的单宗评估方法。我国批量评估的研究和应用大部分采用的是传统的多元线性回归方法,虽然不断有学者采用机器学习的方法改进评估模型,但大多停留在对人工神经网络的研究上,采用新的机器学习方法(如:随机森林、支持向量机等)的相关研究仍然相对欠缺,使得国内房地产评估的研究处于相对落后的水平。论文引入WebGIS和支持向量机的机器学习方法改进评估模型,力求提高评估数据的获取效率、降低评估过程的主观因素的干扰,从而增加评估的客观性、透明度和准确性。通过对已往房地产评估的文献进行研究,总结影响房地产价格的特征变量和特征变量量化的方法,选取大量能使用客观数据进行量化的特征变量用于构建模型,使模型相对客观准确,运用网络爬虫的方法抓取安居客和搜房网的二手房数据,通过百度地图JavaScript API编写程序实现批量地址解析、批量周边查询、批量距离查询三种功能,高效便捷地获取GIS数据,最终以重庆市主城九区二手房中的普通住房为研究对象,经过数据分组、筛选、归一化处理和交叉检验参数寻优等步骤,选取41483个训练样本建立基于支持向量回归的二手房批量评估模型,并对13822个测试样本进行批量评估,发现所选样本单价的取值范围会影响评估的准确率,样本单价的取值范围越大,评估的准确率会降低,且论文所选取的特征变量和选择的特征变量的量化方法能够构建出良好的批量评估模型,并能较准确地对二手房进行批量评估。
【关键词】：二手房 批量评估 网络爬虫 WebGIS 支持向量回归
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：F299.23
【目录】：

• 中文摘要3-4
• 英文摘要4-9
• 1 绪论9-15
• 1.1 研究背景9
• 1.2 文献综述9-12
• 1.2.1 国外研究9-10
• 1.2.2 国内研究10-11
• 1.2.3 文献评述11-12
• 1.3 研究目的、内容及意义12-13
• 1.3.1 研究目的12
• 1.3.2 研究内容12-13
• 1.3.3 研究意义13
• 1.4 研究方法与技术路线13-15
• 1.4.1 研究方法13
• 1.4.2 技术路线13-15
• 2 理论基础15-25
• 2.1 网络爬虫15-18
• 2.1.1 基本原理15
• 2.1.2 工作流程与结构15-16
• 2.1.3 集搜客组成结构16
• 2.1.4 集搜客的工作原理16-18
• 2.2 WebGIS18-19
• 2.2.1 WebGIS定义18
• 2.2.2 WebGIS基本原理18
• 2.2.3 百度地图API18-19
• 2.3 支持向量机19-22
• 2.3.1 VC维19
• 2.3.2 推广性的界19
• 2.3.3 结构风险最小化19-20
• 2.3.4 核函数20-21
• 2.3.5 支持向量回归机21-22
• 2.3.6 支持向量机的优势22
• 2.4 批量评估方法22-23
• 2.4.1 基本原理22
• 2.4.2 操作步骤22-23
• 2.5 特征价格理论23-24
• 2.5.1 基本假设23
• 2.5.2 理论依据23-24
• 2.6 本章小结24-25
• 3 房地产评估现状分析25-29
• 3.1 研究界定25-26
• 3.1.1 评估对象25
• 3.1.2 评估分区25
• 3.1.3 价值时点25-26
• 3.2 房地产评估现状26-27
• 3.3 研究问题27
• 3.4 本章小结27-29
• 4 基于支持向量回归的二手房批量评估的模型构建29-43
• 4.1 特征变量的选取29-33
• 4.1.1 常用的特征变量29
• 4.1.2 区位特征选取29-30
• 4.1.3 建筑特征选取30-32
• 4.1.4 邻里特征选取32-33
• 4.2 特征变量的量化33-37
• 4.2.1 区位特征的量化34-35
• 4.2.2 建筑特征的量化35-36
• 4.2.3 邻里特征的量化36-37
• 4.3 基于MATLAB的模型构建37-40
• 4.3.1 数据分组38
• 4.3.2 数据筛选38
• 4.3.3 数据的归一化处理38
• 4.3.4 交叉验证参数寻优38-40
• 4.3.5 建立模型40
• 4.4 本章小结40-43
• 5 数据获取43-71
• 5.1 房地产网站数据43-63
• 5.1.1 安居客二手房数据44-55
• 5.1.2 搜房网数据55-63
• 5.2 GIS数据63-68
• 5.2.1 批量地址解析63-64
• 5.2.2 批量周边查询64-66
• 5.2.3 批量距离查询66-68
• 5.3 本章小结68-71
• 6 实例分析71-79
• 6.1 数据分组71-72
• 6.2 数据筛选72-73
• 6.3 数据的归一化处理73-75
• 6.4 交叉验证参数寻优75
• 6.5 建立基于SVR的批量评估模型75-76
• 6.6 批量评估结果76-77
• 6.7 本章小结77-79
• 7 结论与展望79-81
• 7.1 结论79
• 7.2 展望79-81
• 致谢81-83
• 参考文献83-87
• 附录87-109

【相似文献】

中国期刊全文数据库 前10条

1 周咏馨,储俊华;我国房地产评估市场的规范问题[J];城市开发;2003年01期

2 荆兰竹;;探源首佳 业精为首，，诚信为佳[J];城市开发;2006年01期

3 肖艳;;房地产评估课程的实验教学法[J];高等建筑教育;2006年03期

4 张君卓;;评估立法与房地产评估的监管[J];中国房地产;2006年12期

5 韩冰;;房地产评估机构高估行为的经济学分析及防范对策[J];经济体制改革;2007年02期

6 时永阡;;关于《浅析有租约限制的房地产评估》一文中一些问题的探讨[J];中国资产评估;2007年11期

7 陈春东;;房地产评估中的风险及预防[J];现代商业;2008年20期

8 秦圆圆;;完善我国房地产评估机构监管体制的思考[J];南方金融;2010年04期

9 曹海军;;我国房地产评估方法及现状[J];中小企业管理与科技(上旬刊);2010年12期

10 单洁;王芸;;房地产评估机构财务风险的防范[J];现代经济信息;2012年09期

中国重要会议论文全文数据库 前6条

1 姚煜;赖琳玲;;网上自动估价系统在房地产评估机构的实践与运用[A];中国房地产估价师与房地产经纪人学会2011年年会论文集[C];2011年

2 宋留强;宋星慧;;知识管理、信息化与房地产评估咨询企业核心竞争力、核心能力建设[A];房地产咨询论文集[C];2011年

3 翟猛;刘雁;李秋玉;;房地产评估作业管理系统在估价企业中的应用实践[A];中国房地产估价师与房地产经纪人学会2012年年会——市场变动与估价、经纪行业持续发展论文集[C];2012年

4 韩桂芹;吴小锋;;浅谈信息化时代下的房地产评估行业[A];中国房地产估价师与房地产经纪人学会2011年年会论文集[C];2011年

5 彭靖;;房地产相关数据信息的开发利用构想——建设基于GIS技术的房地产评估信息系统[A];中国房地产估价师与房地产经纪人学会2011年年会论文集[C];2011年

6 聂燕军;;专业化基础上的有限多元化——兼谈顾问业务的探索[A];房地产咨询论文集[C];2011年

中国重要报纸全文数据库 前10条

1 记者 黄明;吉林撤销30家房地产评估机构[N];工人日报;2001年

2 本报记者 钟园;房地产评估蹒跚“独立”[N];中国房地产报;2005年

3 钟欣;我市房地产评估机构增至7家[N];自贡日报;2006年

4 朱秋戌 主任记者 张爱桐;房地产评估工作有新发展[N];锦州日报;2008年

5 记者 谭建伟;市房地产评估发展中心揭牌[N];深圳特区报;2011年

6 刘正 程祥;什么是房地产评估[N];北方经济时报;2002年

7 深圳市融泽源资产评估有限公司 周兵;论国企改制中的房地产评估[N];中国房地产报;2004年

8 微言;房地产评估往何处去？[N];中国工商报;2001年

9 赵丹丹 杨文静;房地产评估恶性竞争影响行业发展[N];中国国土资源报;2006年

10 本报记者　 杨之汀;宁夏房地产评估市场亟待规范[N];华兴时报;2007年

中国硕士学位论文全文数据库 前10条

1 刘丹;大连市房地产评估监管问题及对策研究[D];大连理工大学;2013年

2 郭海燕;模糊数学在房地产评估市场法中的应用研究[D];云南财经大学;2015年

3 杨波;新疆驰远天合房地产评估公司核心竞争力研究[D];新疆大学;2015年

4 周怡静;DX公司房地产评估业务转型研究[D];华东理工大学;2016年

5 章峗;基于大数据背景下房地产评估市场比较法研究[D];浙江财经大学;2016年

6 朱思宁;我国房地产评估中介机构的企业规范化发展研究[D];重庆理工大学;2015年

7 蔡攀;房地产评估方法比较研究[D];苏州大学;2015年

8 郭师南;房地产评估中成本法的改进[D];暨南大学;2016年

9 宋祖杰;基于支持向量回归的二手房批量评估模型应用研究[D];重庆大学;2016年

10 谢德;人工神经网络在房地产评估中的应用研究[D];武汉大学;2005年

  本文关键词：基于支持向量回归的二手房批量评估模型应用研究，由笔耕文化传播整理发布。

本文编号：494161