我国房地产价格影响因素分析

郭建校,王洪礼,韩红臣,高雅荣

(1.天津大学管理学院,天津 300072;2.天津外国语学院,天津 300204;3.天津大学机械工程学院,天津 300072)

我国房地产价格影响因素分析

郭建校1,2,王洪礼3,韩红臣1,高雅荣2

(1.天津大学管理学院,天津 300072;2.天津外国语学院,天津 300204;3.天津大学机械工程学院,天津 300072)

分析了我国受政策影响下的市场价格体系中,房屋价格构成及波动主要影响因素,然后介绍了随机梯度回归方法理论。以天津市为例,采用随机梯度回归方法,通过分析近十年天津市商品房销售价格的实际数据,阐释了影响天津市近几年商品房价格变化的主要因素及其对房产价格的影响程度。

随机梯度回归;房地产价格;影响因素

一、引言

房地产市场化以来,城市住宅作为商品,处于受政府相关政策影响的供需市场体系中,其价格是由住宅的需求和住宅的供给决定的[1]。它的价格形成主要有三种依据,一是从需求层面上计算,主要依据为家庭年平均收入,这是一个重要的指标,国内外许多研究住宅价格的文章都涉及它。二是从供给层面上计算,主要依据为土地成本、建筑安装综合费用、管理费用、财务费用和营销成本,再加上依据市场环境而变动的利润水平,当然在市场变动中,可能产生高利润,也可能是亏损。三是以健全市场机制下的住宅供求均衡价格水平为依据得到的。这里的市场价格并不是指只要有人愿意买或愿意卖的价格,而是指在市场信息充分且没有外界干扰下市场供需双方都愿意接受的价格水平。前两种的价格(即需求价格和供给价格)只是市场价格的依据,真实的市场价格应是两种价格共同作用的结果。因此要研究影响住宅价格变化的动力因素也应从住宅需求和住宅供给两方面进行研究,这样才能理清影响住宅价格变化的各种动力因素[2-3]。

集成学习技术是机器学习领域近些年研究的热点之一,它试图连续地调用简单的学习算法,通过改变学习样本获得不同的基础学习器,最后将基础学习器组合起来,成为一个可以达到需求精度的方法。一般来说,组合学习器的复杂程度要比基础学习器高得多。相比较学习器复杂程度的增加,如果性能的改进更为显著,那么最终的学习器不仅能减小拟和误差,而且将提高泛化能力。随机梯度回归方法就是这样一种集成学习技术,这个方法的基础理论在很多文献中可以查到,这里不再赘述。

回归树的梯度Boosting算法将梯度下降技术应用于回归树中。将每轮迭代的基础学习器 (回归树)在x上的值看作损失函数空间在x上的负梯度,将基础学习器前的系数看作步长,来逼近误差函数空间的最小值。将这种技术用于一些损失函数,如平方损失,绝对损失,损失,Huber损失,Logistic损失,并给出了一些实验数据以证明其有效性。如果将Bagging的思想融入到回归树的梯度Boosting算法中去,在每次伪残差的训练过程中不是把所有的伪残差都用来训练,而是随机地选择一部分用来训练就是回归树的随机梯度Boosting算法[4]。

二、房地产价格影响因素分析

(一)房地产需求体系中价格影响因素

在房地产需求体系中,对房价产生影响的因素主要有以下三个方面。

1.基本的需求和支付能力。在住宅的需求体系中,住宅需求是购买欲望和支付能力的统一,没有购买欲望或支付能力,都不能形成有效需求。我们采用城市居民人均年可支配收入和城市常住人口,作为影响本区域房价因素的考核指标。

2.国家政策影响提供的支付能力。我们国家的住房公积金体系,促进了住房制度改革,加快了城镇住房建设,改变了住房消费观念,增强了个人住房消费能力,所以在城市居民购买所需住房时,公积金的使用起到了非常重要的作用。从住宅需求角度来讲,这体现了购房者的购买支付能力。而个人住房公积金贷款利率的变化,反映了个人住房所需支付金额总额的变化,反映了住房需求系统中购房者支付能力的变化。因此我们采用个人住房公积金贷款利率作为房地产需求体系中影响房价的考核指标之一。

3.房地产租赁市场。作为房地产销售市场并行存在的市场,房地产租赁市场的变化同时对住宅的销售产生着非常重要的影响。城市房地产的租赁价格也应作为房产需求体系中影响房价的考核指标之一。

(二)房地产供应体系中价格影响因素

在房地产供应体系中,成本的高低影响房地产商利润空间和资金的融贷承受能力;在住宅的供应体系中供应成本是决定住宅价格的基本因素,在一定程度上决定住宅价格的变化。从住宅供给价格角度来看,住宅价格的变化可具体化为住宅价格各组成部分的变化。这里我们以城市年度土地交易价格、商业贷款利率、建材等成本价格指数作为在住宅供应层面上的影响房价波动的考核指标。

(三)房地产价格的国家政策影响因素

房地产价格与成本构成表明,房地产市场存在利润不合理的行为,如何对房地产市场进行有效的价格遏制,保持开发商合理的利润水平,使房地产市场回归理性,需要对价格实行管制。价格管制是指政府采取不同形式对房地产市场的生产要素及其产品价格水平、价格变化、价格结构和价格行为进行的规定或者限制。国家政策监管可以影响房地产系统中的各个方面,对价格产生影响的途径进行管制,以达到控制价格的目的。

综上所述,在房地产市场体系中,我们可以选取对房价产生影响的考核指标为:购房需求者的收入,购房需求人口的数量,个人住房公积金贷款利率,土地交易价格指数、商业贷款利率、建筑材料销售价格指数[3-4]。

三、基于随机梯度算法的价格影响因子分析

通过分析天津大学图书馆的《天津统计年鉴》(1997—2008)、中国人民银行网站、国家统计局统计信息网站、天津市房地产信息网等数据信息,确定了影响住房房价的因素为:①购房需求者的收入,②购房需求人口的数量,③个人住房公积金贷款,④土地交易价格指数,⑤商业贷款利率,⑥建筑材料成本。这六个影响因素分别选取参考指标为:①城市市区常住人口,②城市居民年均可支配收入,③城市居民个人公积金住房贷款利率,④商品房中住宅土地交易价格指数,⑤商业贷款年均基准利率,⑥建筑材料销售价格指数[3]。采用随机梯度回归方法分析近十年天津市商品房销售价格的实际数据,计算影响天津市近几年商品房价格变化的主要因素对房产价格的影响程度。随机梯度Boosting由 R语言的 Gbm包完成计算过程,运算过程中主要是一些参数的选择,有些可以采用默认取值,如 shrinkage小于0.1即可,这里取0.001,Bagging的比例取0.5,每棵树的叶结点数J是树的深度控制的,这里为3,即每棵树最多有三个变量的交互作用,损失函数采用绝对损失函数。比较难确定的参数是树的数目M,由于梯度Boosting可以在原来生成树的基础上任意增加树的数目,所以首先生成足够多的树,然后从中选择最优的M。天津市房价影响因素变化率如图1所示,图2中竖线就是经计算选择的最优树的数目M=4220,选用的损失函数是绝对损失函数。图3为经随机梯度回归计算后的天津市房价影响因素SGR分析图。

四、结论

依据1998年后的天津市房地产相关数据,用随机梯度Boosting算法得到的房价影响因素相关性分析结果如表1所示。

表1 天津市各影响因子对房价的相对影响程度

我们可以看出土地交易价格对房价变化影响相对较大,这与现阶段土地成本价格占据房价的主要部分的观点是一致的。个人住房公积金年均贷款利率对房价的影响居其次。个人住房公积金年均贷款利率的变化反映了房地产市场在需求层面上,购房者每月(或总共)需要支付的购房金额的变化,从而影响了购房者的购房意愿,这说明了近阶段国家出台的公积金贷款利率七折政策,能够从一定程度上影响房价的走势。城市市区居民人均可支配收入变化率部分反映了城市有购房需求的居民的购买能力。主要由于:首先,现阶段住宅作为大件商品,对绝大多数的购买者来说,不是穷其积蓄,就是贷款分期支付,所以仅仅10年时间的年均收入的变化不能完全反映其购买能力;其次,城市人均收入与有购房需求的人群的收入关联性弱,所以城市人均收入的变化对同一个城市来说,对房价变化的影响相对于地价和住房公积金贷款利率的影响小是可以理解的[3-5]。

由于近10年天津市城市常住人口的变动有限,常住人口的变化和有购房需求的人口的变化相关性弱,所以城市常住人口的波动对房价影响较小;商业年均贷款基准利率,依据是中国人民银行规定的商业贷款基准利率,由于近几年房地产利润较高,开发商为了大规模融资,他们的贷款利率要高于央行的商业贷款基准利率,所以从近几年的数据来分析,央行的商业贷款基准利率的变化,对房价的变动影响较小;由于在整个房价构成中,建材成本变动率较小,其价格波动对整个房价的影响小[3-4]。我国取消福利分房是从1998年开始的,到现在仅仅10年时间,所能够采集到的样本数据较少,尚不能非常准确地说明和解释问题,需要大量实际数据的充分研究和考证。

[1]贺菊煌.取消价格补贴对价格系统影响的定量分析方法[J].数量经济技术经济研究,1985(2):50—56.

[2]周方.价格变动平衡系统和最优价格调整[J].数量经济技术经济研究,1985(7):3—11.

[3]周方.价格体系合理化和价格调整——一个价格调整的数学模型[J].数量经济技术经济研究,1986(3):49—54.

[4]韩红尘.价格系统的非线性动力学研究与随机梯度回归分析[D].天津:天津大学管理学院,2009:73—81.

[5]翟亚军,王战军,侯丽.也谈学科——基于特征的视角[J].河北大学学报:哲学社会科学版,2007(5):142—144.

[责任编辑 王雅坤]

Analysis of Influencing Factors in Real Estate Prices of China

GUO Jian-xiao1,2,WANG Hong-li3,HAN Hong-chen1,GAO Ya-rong2
(1.School of Management,Tianjin University,Tianjin 300072;2.Tianjin Foreign Studies University,Tianjin 300204;3.School of Mechanical Engineering,Tianjin University,Tianjin 300072,China)

The components of house prices and several main influencing factors partially affected by the policies in Chinese market price system were analyzed in this thesis.Then the stochastic gradient regression theory was introduced briefly.The method of the stochastic gradient regression was taken to analyze the real data of Tianjin commercial real estate sale prices in the past decade.The relativity analysis results of the factors influencing housing prices in Tianjin were shown by using stochastic gradient regression model according to the relevant data of Tianjin housing prices after 1998.The influencing degree that the main factors affected the changes of Tianjin commercial real estate sale prices during the recent years were explained in detail and concluded in this paper.

stochastic gradient regression;real estate prices;influencing factors

国家自然科学基金,编号:10772132;博士点基金项目,编号:20070056063。

郭建校(1971—),男,河北赵县人,天津大学管理学院博士研究生,天津外国语学院国际商学院教授。

F293.3

A

1005—6378(2010)01—0062—04

2009—10—28