二手房交易市场研究述评与展望

孔德财 刘长平 陈祥祥 王兵

摘要：随着我国经济社会的快速发展，尤其是城镇化水平的不断提升，居民对于住房的刚性需求和改善性需求旺盛，我国二手房交易市场呈现出蓬勃发展的态势。买卖交易匹配、房屋价格评估以及交易管理系统开发等二手房交易市场中亟需解决的关键问题，目前成为国内外学者研究的重点领域。本文对这三个方面的国内外研究现状进行了总结与评述，并对二手房交易市场未来发展需要关注的问题进行了展望。

Abstract： With the rapid development of China's economy and society， especially the continuous improvement of urbanization level， residents' rigid demand and improvement demand for housing is strong. The trade market of China's second-hand house is showing a booming trend. The key issues that need to be solved in second-hand house market such as trade matching， price evaluation and trade management system development have become the focus of research by scholars at home and abroad. This paper summarizes and comments on research status at home and abroad of these three aspects， and looks forward to the problems that need to be paid attention to in the future development of the second-hand house trade market.

关键词：二手房;交易匹配;价格评估;交易平台

Key words： second-hand house;trade matching;price evaluation;trade platform

中图分类号：C931                                          文献标识码：A                                  文章编号：1006-4311（2019）31-0297-03

0  引言

房地产业作为国民经济的基础性产业，为国民经济的持续、健康、稳定发展提供必要保证。其中二手房在解决城市房源短期供应量不平衡、供应主体单一，平抑新房价格上涨，调控房地产市场的规模和结构等方面发挥着重要作用[1]。近年来我国二手房交易市场呈现出蓬勃发展的态势。当前在我国二手房交易主要有两种模式：一种是基于实体店的线下二手房中介交易模式，本文将其称之为传统二手房交易;另外一种是基于互联网的电子中介交易模式[2，3]。传统的二手房交易是卖方（房主）和买方分别到房产中介实体店登记房屋销售信息和个人购买信息，由房产中介为双方推荐合适的卖方和买方，买卖双方向中介交纳一定金额的费用。由于每个房产中介实体店所拥有的买方和卖方数量非常有限，并且交易信息更新速度慢、信息不对称、容易受地理位置限制等，传统的二手房交易等待交易时间比较长，交易的效率比较低下，交易的时间成本和费用都很高。基于互联网的电子中介交易模式是二手房的卖方将房屋信息发布到二手房交易平台上，买方通过浏览和筛选，若找到满意的房屋，则与卖方进行聯系，双方协商成功，则达成交易;否则，买方继续与下一个满意的卖方进行联系。二手房交易平台可以聚合大量的买卖双方，在一定程度上解决了信息不对称的问题，缩短了交易等待时间，提高了交易的效率。本文从二手房交易匹配方法、交易价格评估、交易管理系统开发等方面，对近年来二手房交易国内外学者的研究成果进行了总结与评述，并对未来二手房交易的发展进行了展望。

1  二手房交易匹配方法研究

二手房交易匹配问题的研究起源于婚姻匹配问题的研究。2012年诺贝尔经济学奖获得者Shapley最早针对婚姻匹配问题，考虑男女双方针对对方给出的强偏好序信息，给出了寻求稳定匹配的G-S算法[4];另一位诺贝尔经济学奖获得者Roth等随后对G-S算法进行了扩展应用，并提出双边匹配的市场设计实践理论[5-7];近年来一些国内外学者开始关注二手房交易匹配问题的研究，并取得了一些成果。

张振华和汪定伟基于买卖双方的信息反馈策略，提出了一个二手房交易模型，此模型采用了智能agent搜索技术，按照适合程度为买方提供一个卖家推荐列表，并以成交额和买卖双方的满意度最大为优化目标构建了数学模型，来对买卖双方进行优化匹配[8]。樊治平等针对具有多属性评价信息的二手房买卖交易匹配问题，采用公理设计方法计算双方交易的匹配程度，以买卖双方交易方案的信息容量最小和交易匹配数量最大为优化目标，构建了多目标优化模型[9]。梁海明和姜艳萍针对二手房屋的不同交易属性形式，如成本型约束、效益型约束、区间型约束，给出了买卖双方的满意度计算函数，在考虑匹配稳定性的基础上，设计了基于匹配满意度的扩展H-R算法来优化买卖双方的匹配[10]。Jung和Jo研究了电子中介中的多属性商品交易匹配问题，开发了约束满足问题的求解器并在房产中介交易网站进行应用[11]。Ragone等针对互联网平台中考虑模糊信息的买卖交易匹配问题，提出了一个考虑双方偏好和效用的优化匹配方法[12]。Sim 和 Chan研究了基于电子中介的买卖双方交易匹配问题，采用多属性评价准则来匹配买卖双方，匹配和关联买卖双方的过程分为选择、评价、过滤和指派等四个步骤[13]。Fink 等根据买卖双方提交的多属性需求信息，给出了快速识别匹配买卖双方订单的多属性搜索算法[14]。Joshi 和 Boley针对买卖多属性交易匹配中存在的软约束，通过所开发的匹配系统来计算买卖双方的相似度[15]。Kameshwaran和Narahari为确定买卖双方交易同类多单元商品的数量，建立了交易匹配的混合整数规划模型[16]。

2  二手房交易價格评估

在二手房交易市场，二手房价格是买卖双方关注的焦点，也是影响二手房买卖交易达成的关键因素。 如何对二手房价格作出科学、合理与准确评估称为影响二手房市场发展的重要问题。毛凤华采用八爪鱼软件爬取了北京市二手房23159条数据，采用聚类分析方法对房屋面积、建筑层高、装修情况、城区位置、交通状况、客厅数量、卧室数量等属性进行了分析[17]。阮连法等基于特征价格理论，以杭州市西湖区二手房交易价格数据，采用支持向量机方法构建了二手房价格评估模型[18]。李圆圆采用二手房所在区域、房屋面积、户型、楼层、建造时间等硬指标和交易浏览次数、关注次数、带看次数等软指标作为影响因素，采用BP神经网络模型对二手房价格进行预测[19]。汪瑞和李登峰以买卖双方风险中性为前提假设，构建二手房交易双方讨价还价博弈模型，研究结果表明讨价还价的博弈结果与双方的贴现因子有关[20]。刘国达比较了二手房估价常用的方法如收益法、成本法、假设开发法和市场比较法，基于J2EE平台采用MVC设计模式设计和开发了二手房交易价格评估系统[21]。黄明宇和夏典从链家二手房交易平台中爬取了合肥市二手房交易数据，选用了房屋朝向、户型、楼层段、使用年限、建筑面积、装修程度等11个影响因素作为变量，构建了用于二手房价格预测的多元线性回归模型[22]。

3  二手房交易管理系统开发

采用手工操作方式来撮合买卖双方进行交易的传统二手房交易模式，由于其低效率与高成本已经很难适应二手房交易市场的快速发展。在“互联网+”时代，基于PC端和移动端的二手房交易管理系统成为二手房中介运营管理的必备工具。朱俊基于SaaS平台架构，采用ASP.NET开发语言开发了一个二手房智能分析系统，该系统具有买卖双方信息管理模块、交易合同管理模块等[23]。魏迪采用数据预测模型筛选出热门房源，设计并开发了一个二手房交易数据的可视化系统[24]。李林涛和高峥采用.Net和工作流技术，开发了一个具有二手房报表管理、自助交易、转让抵押、转让登记、中介机构资质验证等功能的二手房买卖交易管理信息系统[25]。周旻娇和张汗灵为了保障二手房交易资金安全，保护买卖双方的合作权益，采用工作流建模工具，设计了C/S和B/S相融合的二手房交易及资金监管系统[26]。吉晓香和陈珂基于B/S架构和ASP.NET技术，开发了具有登录注册、二手房信息发布、二手房信息咨询等功能的二手房交易系统[27]。杨峰和魏文轩开发了一个包括模型管理系统和模型库的房产价格评估决策支持系统[28]。姜劭凡采用Java编程语言开发了一个二手房交易资金监管系统，通过该系统二手房交易过程中的交易资金将由第三方机构监管[29]。郭文魁介绍了一种二手房移动互联平台——淘套房，该平台提供了二手房交易知识、房源信息体验分享、二手房评估、售后服务等功能[30]。吴晓峰基于J2EE技术开发了一个房产交易管理系统，该系统具有房屋租赁模式、房产交易模式、金融交易模式和个性化服务模式[31]。王晓静开发了一个基于移动应用的房产中介管理系统，该系统在PC端系统采用java语言与SSH技术架构进行系统设计与开发，在移动端采用Andriod技术开发，主要拥有售房租房管理、买客租客管理、房源信息采集、日常办公管理与系统管理功能[32]。周洁采用面向对象开发技术开发了房产中介决策分析系统，可以根据买方需求信息提供多条件信息匹配功能，还具有可视化统计功能[33]。徐杨以VS.Net 2010为开发平台采用C#编程语言，设计并实现了基于分层架构的房地产中介管理系统，用于房产信息收集、交易双方信息查询、房产交易等[34]。

4  评述与展望

本文对二手房市场中的交易匹配方法、交易价格评估和交易管理系统开发等方面的文献进行了系统总结。从上述已有文献发现：①一些文献对具有多属性评价信息和模糊信息的二手房交易匹配问题进行了研究，构建了确定买卖双方最优匹配对的数学模型和优化算法;②对于二手房价格评估许多学者以二手房属性如房屋面积、户型、楼层等作为评估因素，以BP神经网络、支持向量机、多元线性回归等方法构建了价格评估模型;③已有研究大多采用面向对象开发方法，开发了二手房交易管理系统，功能包括用户注册、房屋信息和买方需求信息登记、信息筛选与查询、留言管理、系统管理等。

已有研究取得了大量的成果，促进了二手房交易市场的发展。然而，随着买卖双方数量的逐步增多，以及大数据、人工智能等信息技术的不断发展，二手房交易市场面临着一些新的问题亟需解决：①现实生活中买卖双方在交易平台上提供的信息很多时候是不完全的、缺失的，甚至提供一些虚假的房屋信息，如何针对这些情况给出有针对性的交易匹配方法是未来需要研究的重点问题;②虽然有部分学者通过软件爬取了一些二手房交易数据来评估房屋价格，但目前缺少将大数据挖掘技术应用于买卖双方交易匹配方法;③关于二手房交易价格的评估，以往研究往往只考虑了房屋的属性信息，而没有考虑买卖双方的交易心理，下一步需要研究考虑买卖双方交易心理的价格形成机制;④已有系统开发方法大多没有考虑将交易匹配模型和算法嵌入到二手房交易管理系统中，因此，开发一款满足买方对房源的需求信息和卖方要求，并且可以实现为买卖双方自动推荐合适房源和买方的智能匹配系统，实现二手房买卖交易的快速、有效匹配，不仅具有重要的理论研究意义，而且还具有重要的实际应用价值。

参考文献：

[1]黄燕芬，洪文斌，余华义.市场情绪如何影响城市房价[J].经济理论与经济管理，2019（07）：75-88.

[2]Jiang Z Z， Zhang R， Fan Z P， et al. A fuzzy matching model with Hurwicz criteria for one-shot multi-attribute exchanges in E-brokerage[J]. Fuzzy Optimization and Decision Making， 2015， 14（1）： 77-96.

[3]Le D T， Zhang M， Ren F. An economic model-based matching approach between buyers and sellers through a broker in an open e-marketplace[J]. Journal of Systems Science and Systems Engineering， 2018， 27（2）： 156-179.

[4]Gale D， Shapley L S. College admissions and the stability of marriage [J]. The American Mathematical Monthly， 1962， 69（1）： 9-15.

[5]Roth A E. New physicians： a natural experiment in market organization [J]. Science， 1990， 250（4987）：1524-1528.

[6]Roth A E. What have we learned from market design？ [J]. The Economic Journal， 2008， 118（527）：285-310.

[7]Roth A E， Shapley L S. Stable allocations and the practice of market design [J]. Scientific background on the Sveriges Riksbank prize in economic sciences in memory of Alfred Nobel， The Royal Swedish Academy of Sciences， 2012.

[8]张振华，汪定伟.电子中介在旧房市场中的交易模型研究[J].系统仿真学报，2006，18（02）：492-495，499.

[9]樊治平，陈希.电子中介中基于公理设计的多属性交易匹配研究[J].科学管理，2009，22（3）：83-88.

[10]梁海明，姜艳萍.二手房组合交易匹配决策方法[J].系统工程理论与实践，2015，35（02）：358-367.

[11]Jung J J， Jo G S. Brokerage between buyer and seller agents using constraint satisfaction problem models[J].Decision Support Systems， 2000， 28（4）： 293-304.

[12]Ragone A， Straceiab U， Noiaa T D， et al. Fuzzy matchmaking in e-marketplaces of peer entities using Datalog[J].Fuzzy Sets and Systems，2009，160（2）：251-268.

[13]Sim K M， Chan R. A brokering protocol for agent-based e-commerce[J]. Systems， Man， andCybernetics， Part C： Applications and Reviews， IEEE Transactions on， 2000， 30（4）： 474-484.

[14]Fink E， Gong J， Johnson J. Exchange market for complex commodities： search for optimal matches[J]. Journal of Experimental & Theoretical Artificial Intelligence， 2007， 19（2）： 91-117.

[15]Joshi M， Boley H. Compromise matching in P2P e-marketplaces： concept， algorithm and use case [J].Multi-disciplinary Trends in Artificial Intelligence， 2011： 384-394.

[16]Kameshwaran S， Narahari Y. Trade determination in multi-attribute exchanges[C]//E-Commerce，2003. CEC 2003. IEEE International Conference on. IEEE， 2003： 173-180.

[17]毛鳳华.基于聚类分析的二手房推荐研究——以北京市为例[J].科技创业月刊，2018，31（05）：149-153.

[18]阮连法，张跃威，张鑫.基于特征价格与SVM的二手房价格评估[J].技术经济与管理研究，2008（05）：75-78.

[19]李圆圆.基于BP神经网络的北京市二手房交易价格预测研究[D].首都经济贸易大学，2018.

[20]汪瑞，李登峰.二手房交易讨价还价博弈模型[J].系统工程学报，2017，32（05）：588-595.

[21]刘国达.贺州市二手房交易价格评估系统的设计与实现[D].电子科技大学，2018.

[22]黄明宇，夏典.合肥市二手房价多元线性回归预测模型[J].合作经济与科技，2019（09）：80-82.

[23]朱俊.二手房数据分析系统的设计与实现[D].西南交通大学，2017.

[24]魏迪.城市二手房交易数据可视化系统研究与实现[D].天津大学，2018.

[25]李林涛，高峥.二手房交易管理信息系统的设计和实现[J].科技信息，2011（19）：504-505.

[26]周旻娇，张汗灵.二手房交易及资金监管系统设计与应用研究[J].科学技术与工程，2010，10（05）：1188-1192.

[27]吉晓香，陈珂.基于B/S架构的二手房交易系统[J].电脑知识与技术，2012，8（21）：5246-5248.

[28]杨峰，魏文轩.基于交易系统的房产评估决策支持系统[J].信阳师范学院学报（自然科学版），2002，15（03）：342-344.

[29]姜劭凡. 二手房产交易资金监管系统设计与实现[D].大连理工大学，2013.

[30]郭文魁.移动互联时代二手房平台（淘套房）商业模式构建与研究[D].山东师范大学，2014.

[31]吴晓峰.基于J2EE的房产交易系统的设计与实现[D].湖南大学，2016.

[32]王晓静.基于移动应用的房产中介管理系统的设计与实现[D].山东大学，2016.

[33]周洁.房产中介决策分析系统的设计与实现[D].河北科技大学，2018.

[34]徐杨.基于Web的房地产中介管理系统设计与实现[D].电子科技大学，2014.