序論：在您撰寫新技術在房地產估價中的運用時，參考他人的優(yōu)秀作品可以開闊視野，小編為您整理的1篇范文，希望這些建議能夠激發(fā)您的創(chuàng)作熱情，引導您走向新的創(chuàng)作高度。

“智能化時代”以物聯(lián)網、大數(shù)據、云計算、機器學習、人工智能、3D技術等新技術手段為主要特征，許多行業(yè)開始嘗試使用新技術，以提高行業(yè)工作效率和智能化水平。隨著“智能化時代”的到來，房地產估價領域的相關理念、技術和方法也將隨著發(fā)生實質性變化。本文將從房地產估價數(shù)據獲取、房地產估價技術手段、房地產估價理論方法三個方面，總結新技術在房地產估價領域中的應用現(xiàn)狀，從而為提升我國房地產估價質量和效率提供參考和借鑒。

一、房地產估價數(shù)據獲取

房地產估價涉及的數(shù)據形式多樣、內容豐富、量大而雜，包括宏觀、一般、區(qū)域、個別因素等一系列數(shù)據。從數(shù)據形式來看，不僅包括空間數(shù)據(與位置相關的數(shù)據)，也包括屬性數(shù)據(屬性特征);從數(shù)據內容來看，不僅包括結構化數(shù)據，還包括半結構化和非結構化數(shù)據;從數(shù)據量來看，房地產估價涉及到規(guī)劃、國土、建設、環(huán)境、交通、發(fā)改等政府部門數(shù)據，也涉及到房地產企業(yè)、中介機構、評估咨詢公司數(shù)據。因此，對于房地產估價來說，海量數(shù)據獲取是首先要解決的問題。大數(shù)據是指對于無法用普通工具獲得、分析、處理和管理的數(shù)據，需要采用一種新模式來進行處理，這種模式具有種類多、速度快、容量大、價值高的特點(鄭曉俐，2016)。云計算的出現(xiàn)，實現(xiàn)了短時間內大量數(shù)據的存儲和處理，而網絡爬蟲技術的發(fā)展，則為自動獲取網絡上房地產估價相關數(shù)據提供了方法，使獲取公開房地產估價數(shù)據更加高效快捷。以大數(shù)據為基礎，聶竹青等(2016)提出了基于HBase的房地產評估大數(shù)據整合策略，為房地產評估大數(shù)據的整合提供了基本思路。

二、房地產估價技術手段

(一)GIS在房地產估價中的應用

GIS是地理信息系統(tǒng)的簡稱，隨著計算機圖形學的發(fā)展，傳統(tǒng)二維GIS已經逐步向三維GIS轉變，利用三維GIS進行房地產估價將顯得更加直觀和便利。GIS在房地產估價中的應用主要有三個方面:一是基于GIS構建房地產估價信息系統(tǒng)。目前多數(shù)房地產估價軟件是基于GIS進行開發(fā)，隨著WEBGIS的出現(xiàn)，楊朝暉等(2008)構建了基于開源WEBGIS的網絡房地產估價系統(tǒng)，為房地產估價的信息化、可視化和自動化提供了良好平臺;二是GIS在市場比較法中的應用。市場比較法涉及到估價對象與估價案例各種因素的比較，傳統(tǒng)應用時往往以估價師的主觀經驗判斷為依據，王秀麗等(2011)基于GIS技術進行市場比較法各因素的比較，發(fā)現(xiàn)該技術可以明顯增加評價結果的客觀性和穩(wěn)定性;三是使用GIS主題爬蟲技術對WEB端的房地產估價數(shù)據進行自動采集，董浩然等(2016)基于GIS主題爬蟲，實現(xiàn)了房地產估價的智能化評估，有效提高房地產估價機構的工作效率。

(二)BIM在房地產估價中的應用

隨著三維技術的應用與發(fā)展，在房地產估價中采用BIM技術也成為可能。目前，BIM技術在房地產估價中主要應用于房地產成本法估價的改進，傳統(tǒng)方式在使用成本法估價時，主要通過外業(yè)實地踏勘，再結合估價師的經驗進行分析，因此受估價師人為主觀影響較大。同時，傳統(tǒng)成本法估價的效率不高。如果引入BIM技術，則可以利用計算機技術實現(xiàn)建筑物工程量的精確測算，并能夠對房屋的折舊信息進行智能化管理，從而克服傳統(tǒng)方法過多依賴估價師主觀判斷和效率低下的問題。熊偉(2016)提出了基于BIM和GIS的房地產成本法估價方法，該方法結合了GIS技術強大的數(shù)據管理和空間分析功能及BIM技術的特點，首先評估得到區(qū)域內網格化的市場地價，再利用BIM技術實現(xiàn)對建筑物成本的智能計算，從而得到房地產價格，該方法使得成本法估價效率和精度大大改善。

三、房地產估價理論方法

關于房地產估價理論與方法，學術界主要致力于兩方面研究:一是采用新方法對傳統(tǒng)房地產估價方法進行改進，二是嘗試將新的數(shù)學或者統(tǒng)計學方法應用于房地產估價。

(一)對傳統(tǒng)房地產估價方法的改進

傳統(tǒng)的房地產估價方法主要有三種:市場比較法、收益法和成本法，這三種方法有明確的理論基礎作為支撐，且經過長時間的實踐，方法體系和應用都已十分成熟。但是傳統(tǒng)評估方法亦有缺點，其應用主要針對具體個案評估，效率比較低下，智能化程度不高，且易受估價師主觀經驗判斷影響?，F(xiàn)階段對傳統(tǒng)方法的改進主要體現(xiàn)在:(1)采用模糊數(shù)學理論。模糊數(shù)學是一種用于處理模糊性現(xiàn)象的數(shù)學理論，一是可解決部分房地產價格影響因素無法準確量化的問題;二是在采用GIS空間分析技術實現(xiàn)對市場案例篩選與管理的同時，可以運用模糊貼進度方法和模糊綜合評判方法實現(xiàn)房地產價格的計算(黃海，2009);三是在引入OWA算子對主要特征因素權重進行賦值時，結合模糊數(shù)學對傳統(tǒng)市場比較法進行改進，將有效改善評估精度(李寶強等，2016)。(2)采用灰色關聯(lián)分析方法?；疑P聯(lián)分析是一種多因素統(tǒng)計分析方法，蔡璐等(2012)利用該方法確定比較案例與待估案例的幾何形狀相似程度，通過關聯(lián)系數(shù)及關聯(lián)度的計算，對影響因素指標值進行排序，從而確定最佳的比較案例;紀蕾等(2017)采用灰色關聯(lián)分析結合三標度層次分析法對傳統(tǒng)市場比較法進行了改進，提高了市場比較法評估的準確性，同時，還基于灰色關聯(lián)和Shapley值賦權對房地產市場比較法進行改進，對比準價格進行處理，解決了房地產可比案例選擇的隨意性以及權重確定受人為主觀影響的問題。(3)引入熵權系數(shù)法。熵原本是熱力學概念，后來香農通過引入信息論，熵開始在經濟社會學領域廣泛應用。馬靖忠(2011)采用熵權系數(shù)法對房地產比較法進行改進，通過熵值確定待估案例與交易實例之間的貼進度，從而進行估價。(4)其他數(shù)學與統(tǒng)計學方法。自適應過濾法是一種時序分析預測方法，吳開微(1998)首次將該方法引入到房地產估價中，建立以市場比較法為基礎的房地產估價模型;VIKOＲ方法是一種模糊多準則的決策方法，為了使房地產市場比較法應用更加科學、方便，劉鴻雁等(2012)提出了基于VIKOＲ算法的多屬性決策方法;貝葉斯判別也是多元統(tǒng)計分析的一種方法，它根據最小風險代價或最大似然比判決，即貝葉斯準則進行判別分析，應用貝葉斯判別法，可以實現(xiàn)房地產交易案例的自動篩選(程越，2017)。

(二)房地產估價新方法的應用

近年來，隨著計算機科學技術和數(shù)學統(tǒng)計學的發(fā)展，新評估方法也在不斷出現(xiàn)，新方法運用最廣泛的便是特征價格模型，特征價格模型有一定的理論基礎，但該模型未考慮不同區(qū)域影響因素的差異性，忽略了區(qū)域房地產價格存在的空間相關性和空間異質性等空間特性，評估結果的準確性尚需進一步改善。在房地產估價學術研究領域，目前出現(xiàn)的房地產估價新方法還有人工神經網絡、支持向量機、適應估價技術及除多元線性回歸以外的一些更加靈活的方法，如非參數(shù)回歸、地理加權回歸等。針對房地產估價新方法的不足，也有許多學者對其進行了改進。主要體現(xiàn)在:(1)針對傳統(tǒng)特征價格模型未考慮房地產價格空間相關性和空間異質性，容易出現(xiàn)模型遺漏變量或者模型變量出現(xiàn)誤設的現(xiàn)象，紀益成等(2015)在傳統(tǒng)特征價格模型的基礎上，提出了基于空間誤差模型的房地產評估模型，克服傳統(tǒng)特征價格模型未能考慮空間特性的弊端。(2)針對傳統(tǒng)適應估價技術未考慮空間位置對房地產價格的影響，張然等(2013)提出了一種基于空間位置分析的商業(yè)房地產適應性估價技術，使適應估價技術應用更加準確。(3)針對支持向量機參數(shù)不易確定、收斂速度慢等問題，于秀雪等(2013)提出了基于蟻群算法優(yōu)化的最小二乘支持向量機的房地產估價模型，用以改進支持向量機方法，使其更適用于房地產估價。(4)針對神經網絡需要大量樣本及容易出現(xiàn)局部最優(yōu)的問題，王晞(2013)用遺傳算法改進了傳統(tǒng)的神經網絡估價方法，使模型具有更好的去噪能力，弱化了計算過程中的個別偏差對評估結果的影響。(5)針對人工神經網絡存在的不足及房地產估價模型的非線性特征，莫連光等(2013)綜合神經網絡、粗糙集和遺傳算法的優(yōu)點，提出了基于三者的房地產估價模型，使優(yōu)化后的人工神經網絡方法具備更好的非線性處理能力及更好的仿真能力;丁鴿等(2014)在傳統(tǒng)BP神經網絡的基礎上，采用優(yōu)化后的廣義回歸神經網絡對其進行了改進，使得新方法具有更好的非線性處理能力和穩(wěn)定性，預測效果相比之前有很大提升;呂霽(2014)則基于遺傳算法，提出了基于BP神經網絡和遺傳算法的房地產評估預測模型。(6)針對一般平差模型對現(xiàn)有數(shù)據利用效率不高，且當存在不同的觀測值時，不同觀測值隨機模型是否合理將會影響模型的效果等問題，耿繼進等(2014)提出了基于方差分量估計建立房地產整體估價價格體系的新方法，該方法的可靠性和精確度都有很大提升。(7)GMDH是一種基于生物學進化論的演化方法，能夠根據設定規(guī)則從候選集中篩選出最優(yōu)模型，焦譽(2008)將GMDH模型應用于房地產估價，證明了該模型的實用性，彌補了傳統(tǒng)方法的不足。

四、結論與建議

計算機輔助批量評估技術的發(fā)展，不僅提高了評估的準確性和效率，還有效降低了評估成本，促進評估機構不斷轉型升級(郭慶瑤，2015)。在國民經濟轉型發(fā)展時期，還需要從以下方面加強新技術在房地產估價中的應用。

(一)加強各種新技術應用集成，整體提升房地產估價智能化水平

隨著人工智能的進一步發(fā)展及應用的普及，運用各種新的科學技術手段提升房地產估價智能化水平，從接受委托智能化到完成現(xiàn)場踏勘智能化、從房地產估價數(shù)據獲取的智能化到房地產估價模型的智能化、從評估報告生成的智能化到審核的智能化，最終實現(xiàn)房地產估價整體服務的智能化，是智能化時代房地產估價的發(fā)展趨勢，也是我國經濟和產業(yè)結構轉型升級的必然要求。

(二)加強房地產估價新理論方法研究，提高房地產估價的準確性

各種技術手段只是輔助工具，房地產估價不能僅僅依賴于技術手段和工具，更重要的是在采用新技術手段的同時，加強房地產估價基礎理論和方法模型的研究，使房地產估價更具科學性和合理性，更能夠反映房地產價格形成的內在規(guī)律，更能夠體現(xiàn)因各種自然和社會經濟特征不同而形成的價格差異，而不能單從數(shù)據出發(fā)，忽略了房地產估價的實際意義。

(三)政府部門應進一步強化信息化水平，提升房地產整體評估效率

2018年3月，《政府工作報告》提出要健全地方稅體系，穩(wěn)妥推進房地產稅立法;2018年6月，自然資源部宣布不動產登記已實現(xiàn)全國聯(lián)網，可見我國房地產稅相關工作正在推進中。目前，其他國家基本上都是按評估價作為房產稅計稅依據，如何實現(xiàn)房地產整體評估是現(xiàn)階段亟待解決的問題。當前我國已實現(xiàn)房地產整體批量評估的城市依然鳳毛麟角，因此，地方政府應繼續(xù)強化信息化水平，加強新技術在房地產估價中的應用，從而提升房地產整體估價的效率，為將來實行房地產稅征收奠定基礎。