全生命周期房地产评税大数据平台建设探索

文｜湖南城建职业技术学院/长沙智信房地产评估有限责任公司 唐茂华

长沙力智数字房产技术发展有限公司/长沙智信房地产评估有限责任公司 曾锋

1.当前我国存量房交易纳税评估系统存在的主要问题分析

1.1 存量房交易纳税评估系统房地产估价专业性不强

目前我国大多数地区开发建设的存量房交易纳税评估系统房地产估价专业性不强，主要表现为：第一，专业用语不符合《房地产估价基本术语标准》，比如，评估系统里估价分区有“片区”和“小区”两个级别，其中，“小区”是指批量估价中的“估价分组”，用“小区”替代“估价分组”，很容易发生歧义。第二，评估系统模型仅用替代原理比较法对住宅、非住宅价格进行评估，忽视了可以用预期原理评估的收益性房地产，不符合《房地产估价规范》要求。第三，评估系统模型只能评估房地产交易价值税基，不涉及房地产租值税基评估。房地产税基评估制度应包括房地产价值评估制度与房地产租值评估制度，其中房地产租赁环节更适宜采用租值评估制度。房地产租值评估制度包括增值税税基租值评估制度、房地产税税基租值评估制度和所得税税基租值评估制度等。

1.2 大数据挖掘不够，数据网络化共享互访受限

房地产批量估价需要大量详实的房地产数据作为支撑。目前我国大多数地区开发建设的存量房交易纳税评估系统，需要房地产估价公司导入的房地产数据信息非常有限，并且只能手工导入，没有大数据理念，基本不能与其他相关房地产信息平台共享互访，数据网络化共享互访受限。由于系统对房地产大数据挖掘不够，数据网络化共享互访受限，造成系统中房地产数据信息有限，进而系统税基评估结果客观公平性不够，主观因素干扰、透明度不高，缺少客观性和科学性，这与数字经济社会大数据时代，房地产税收征管“防腐增效、客观公平”要求存在差距。

1.3 存量房交易纳税评估系统房源数据与房源地理位置（地图）分离，房地产评税可视性不够

当前我国大多数地区在开发建设存量房交易纳税评估系统时，虽要求房地产估价公司采集一定数量的待课税房源属性信息及影像信息，但只是以普通数据信息的形式存放在系统中，并没有进行有效管理与存储，不能满足数据挖掘技术对数据环境的要求，更谈不上这些待课税房源属性信息及影像能与其地理位置信息关联。待课税房源属性信息、影像与其地理位置不能对应存储，房源税基评估结果就更不能呈现在对应地理位置上了。即系统中房源数据与GIS 地图没有关联，人们在使用存量房交易纳税评估系统进行房源税基评估时，不能在GIS 地图上找到房源所在位置，并在既定位置点开，看到对应房源影像及相关属性信息，税基评估结果就更没有呈现在对应地理位置上。这样人们看到的仅仅是系统对房源税基评估的结果，不便在系统中核对房源位置及房源周围情况，数图分离，没有可视性，大大降低系统对房源评估的公信力。

1.4 存量房交易纳税评估系统数据采集仅限于采集时期内对应的特定行政区域房地产数据，不能动态评估房地产税基

当前我国大多数地区按标准价调整法建立的存量房交易纳税评估系统，导入系统的房地产价值评估数据，仅限于指定价值时点房地产价值评估数据。系统在评估待课税房源税基时，既没有历史数据的对比与支撑，也没有考虑数据如何科学保留延续，更不能动态评估房地产税基。

1.5 房地产税基评估尚有人为因素干扰，智能评估实现有限

当前我国大多数地区按标准价调整法建立的存量房交易纳税评估系统，导入系统的只是标准房价与修正体系。由于系统对房地产大数据挖掘不够，系统中房地产信息数据有限，加之系统中房地产批量估价模型智能性不够，待课税房地产的税基（课税价值）评估，还需工作人员输入待课税房地产需比价调整修正的房地产价值影响因素（如楼层、朝向等），系统再根据工作人员输入的比价调整修正影响因素，后台自动计算出待课税房地产的税基（课税价值）。这里工作人员输入待课税房地产比价调整修正影响因素时往往带有一定的主观性，难以杜绝人为因素干扰。

2.房地产全生命周期评税大数据平台建设探索

2.1 多主体合作建设房地产全生命周期评税大数据平台模式探析

房地产全生命周期评税大数据平台，核心功能是应用房地产估价技术核定房地产计税价格，加强房地产税收征管。毫无疑问，平台建设的主体应是专业的房地产估价公司，邀请软件公司、GIS 技术公司提供专业技术支持。这样，才能保证平台的开发建设，以地理信息技术为平台，以估价技术为核心，以数字技术为手段，确保所建成的房地产全生命周期评税大数据平台，符合《房地产估价规范》《房地产估价基本术语标准》以及中国房地产估价师与房地产经纪人学会推行的《房地产估价报告评审表》里的相关要求，确保平台房地产估价的专业性、规范性、科学性，方能行稳致远。

2.2 纵向物理关联和横向价值关联房地产评税大数据仓库构建分析

建设房地产评税大数据仓库，实现对海量房地产数据的有效管理与存储，首先要设计出科学全面的房地产大数据仓库结构模型，既找到海量房地产数据关联逻辑与数据分类标准。房地产大数据仓库中海量房地产数据物理关联，我们认为可按照土地上建楼（一座座建筑物），楼内区分不同所有权空间，即房屋，来设计房地产大数据仓库结构模型。即在物理形态上，纵向可按照“地块→楼栋→房屋”数据结构模型，构建房地产评税大数据仓库。房地产大数据仓库中海量房地产数据价值关联，可区分为点状关联、线状关联、面状关联，即房地产评税大数据仓库横向可按照“点状→线状→面状”数据结构模型构建。

房地产全生命周期评税大数据仓库，纵向物理关联“地块→楼栋→房屋”数据结构模型，指房地产存在的纵向物理形态，任何一座楼都建立在（或归属于）特定的地块上，任何一独立产权房屋，都归属于特定的楼栋。具体见图1。

房地产全生命周期评税大数据仓库，横向价值关联“点状→线状→面状”数据结构模型，指按照“先控制，后细部；公平优先，兼顾效率”的批量估价原则，对指定行政区域房地产做批量估价时，首先按照“价格特征相似、地段相连、大小适宜、有明确的自然界限”的原则，对指定评税行政区进行评税控制性分区,完成控制性分区后，再按照“地段相连、价格相近、有明确的自然界址点”等原则对每一个评税控制性分区内的房地产进行估价分组，组内房地产品质档次一致，供求关系类似，相似度高，其价格或价值趋同，可采用相同的价值测算模型和参数测算其价值。这种估价分组的核心，是找到它们价值关联趋同的原因，我们认为不同房地产价值（价格）关联趋同，要么是因为，一些房地产由于在同一居住小区，而价格趋同；要么是因为，一些房地产由于临同一交通路段（含商场内产权式商铺，临商场内同一交通组织路线），而价格趋同，主要是收益性门面（含产权式商铺）；除此以外，那些既不成小区，也不临同一交通路段或路线，就是那些单独成栋点状分布的房屋，由于共处一栋楼，而价格趋同。这样指定行政区域做批量估价的全部房地产，基于不同房地产价值（价格）关联趋同原因不同，而呈现出点状估价分组、线状估价分组、面状估价分组三种形态。具体见图2。

根据图1、图2，我们所构建的房地产全生命周期评税大数据仓库，装载的海量房地产数据信息，纵向按照物理关联“地块→楼栋→房屋”数据结构模型构建，地块、楼栋、房屋（一个独立的权属单位）分别关联归属于其的权益状况数据、实物状况数据、区位状况数据，每种状况数据相应区分为产籍数据、估价数据；横向按照价值关联“点状→线状→面状”数据结构模型布局整个指定行政区域全部房地产数据信息，即整个指定行政区域全部房地产数据信息，分别归属于不同的点状估价组、线状估价组、面状估价组。

图1 纵向物理关联“地块→楼栋→房屋”数据结构模型E-R 图

图2 横向价值关联“点状→线状→面状”数据结构模型

整个房地产全生命周期评税大数据仓库，纵向按“地、楼、房”模型，横向按“点、线、面”模型，双向逻辑严密，清晰无遗漏编织，数据信息关联清晰，布局慎密，实现了任何数据信息都有序存放在指定位置，方可实现对这个大数据仓库海量数据的有效管理与存储，为后续“数图互访”模型房地产评税大数据平台可视性建设，智能估价模型建设，打下坚实的基础。

2.3 房源数据与GIS 地图 “数图互访”模型构建探索

一方面影响房地产价值的核心与主导因素是其所处地理位置，另一方面伴随房地产终生不变的信息也是其所处地理位置信息，再者最能直观呈现指定房地产属性信息、影像信息的，是将指定房地产的属性信息、影像信息呈现在其所处的地理位置。这样为有效实现房地产评税可视性，就是要将房地产全生命周期评税大数据仓库、房地产智能估价模型，都建立在基于高性能计算架构开发的新型地理信息系统（GIS）平台上。该平台以高效实现复杂地理空间信息处理与应用为目标，通过采用可扩展并行处理架构，将基于集群/多核/众核的并行处理技术融入到复杂空间分析与处理、海量空间数据组织与管理、大规模空间数据并行可视化与制图等GIS 的核心功能中，将基于桌面计算的传统地理信息系统提升为基于高性能计算的服务化地理信息计算平台，可为以网络为基础，以数据为驱动，以计算为核心，以空间决策支持为目标的新型地理空间信息应用奠定核心技术与平台支撑。我们认为房地产评税可视性，就是通过房源数据与房源对应地理位置（地图）一体化，即数图互访模型，将房地产全生命周期评税大数据仓库中的全部数据信息，即指定评税行政区内各评税控制性分区，及每个评税控制性分区中的房源，按照地块、楼栋、房屋（一个独立的权属单位），以及分别关联归属于其的权益状况数据、实物状况数据、区位状况数据含影像等信息，都直观呈现在其对应的地理位置上。另外，通过房地产智能估价模型与基于高性能计算架构开发的新型地理信息系统（GIS）融通互访，实现房源地图评估。房源地图评估即在GIS 地图上，点开指定待评估房源所在位置点，即弹出该待评估房源属性框，然后在估价模型里输入该待评估房源估价信息，再点击评估按钮，待评估房源税基也直观地呈现在待评估房源所在位置。具体见图3、图4。

图3 “数图互访”可视性建设模型

图4 “数图互访”可视性建设房源地图评估效果图图片来源：唐茂华软著2019SR1433298GIS 平台收益价值智估系统软件,《GIS 平台收益价值智估系统使用说明》。

2.4 房地产全生命周期价值动态评税平台建设创新

当前我国大多数地区按标准价调整法建立的存量房交易纳税评估系统，由于系统对房地产大数据挖掘不够，系统中房地产信息数据非常有限，导入系统的只是根据对应估价分组特定时间段样点房源价，测算出对应估价分组指定价值时点标准房价与修正体系。即系统中对应估价分组样点房源价及根据样点房源价测算出来的对应估价分组标准房价与修正体系是静态的，限于特定时间段和指定价值时点。加之系统中房地产批量估价模型智能性不够，这样系统在评估待课税房源税基时，既没有历史数据的对比与支撑，也没有考虑数据如何科学保留延续，只能静态评估出指定价值时点待课税房源税基。

我们创新大数据视角，基于房地产全生命周期价值，构建系统中对应估价分组样点房源价，辅以动态智能批量估价模型，就能智能动态评估系统中待课税房源不同价值时点的税基。这里房地产全生命周期，指房屋从立项开发建设，到竣工验收及后续经济寿命期满前全经营使用期；房地产全生命周期价值指房地产从立项开发建设的楼面地价开始，到期房或房屋竣工验收交付使用的网签价格，到后续经济寿命期满前全经营使用期各阶段交易的网签售价、租价。这样，系统中对应估价分组样点房源价是动态不同时点的售价、租价，系统中动态智能批量估价模型根据对应估价分组样点房源动态不同时点的售价、租价，动态测算对应估价分组不同价值时点的标准房价与修正体系，系统中动态智能批量估价模型进而动态评估对应估价分组内不同待课税房源不同价值时点的税基。

3.结论与讨论

本文系统总结分析我国大多数地区已开发建成的存量房交易纳税评估系统，存在房地产估价专业性不强；房地产大数据挖掘不够、数据网络化共享互访受限；数图分离、房地产评税可视性、公信力不够；以及系统数据采集仅限于采集时期内对应的特定行政区域房地产数据，不能动态评估房地产税基；房地产税基评估尚有人为因素干扰，智能评估实现有限等问题与局限性。我们在长期应用房地产估价技术核定房地产税基工作实践中，特别在当前数字经济社会背景下，房地产大数据新时代，我们提出构建以地理信息技术为平台，以估价技术为核心，以数字技术为手段，多主体合作建设房地产全生命周期评税大数据平台模式；纵向按“地、楼、房”模型，横向按“点、线、面”模型，双向逻辑严密，清晰无遗漏编织房地产全生命周期评税大数据仓库。房地产全生命周期评税大数据仓库实现对海量房地产大数据科学有效管理与存储，借助数图互访模型，将房地产全生命周期评税大数据仓库中的全部数据信息直观呈现在其对应的地理位置上，并通过房地产智能估价模型与基于高性能计算架构开发的新型地理信息系统（GIS）融通互访，实现房源地图评估，全面探索新时代房地产评税数字化、可视化、智能化。

以地理信息技术为平台，以估价技术为核心，以数字技术为手段，纵向按“地、楼、房”模型，横向按“点、线、面”模型，“数图互访、数图一体”，建立在基于高性能计算架构开发的新型地理信息系统（GIS）平台上的房地产全生命周期评税大数据仓库，作为“评税超级大脑”的神经元，只解决了“评税超级大脑”的“记忆”功能。要全面实现“数字化、可视化、智能化”房源地图评估，我们还要构建与房地产全生命周期评税大数据仓库融通互访的房地产智能估价模型，实现“评税超级大脑”的“逻辑思维”功能。

房地产全生命周期评税大数据仓库，对海量房地产全生命周期海量数据信息进行有效组织与管理；房地产智能估价模型，借助房地产全生命周期评税大数据仓库动态提供的各估价分组房源的产籍数据、估价数据及房屋全生命周期价格数据，完全可以自动筛选确认各估价分组的样点房源（不少于3 个），采用与各估价分组对应的估价模型及估价参数，选对应估价分组的3 个或以上样点房源作为可比实例，测算确认各估价分组相应的租值标准价、交易价值标准价。智能估价模型，再借助评税大数据仓库动态提供的各估价分组相应房源的产籍数据、估价数据，根据相应估价分组相应的租值标准价、交易价值标准价，相应估价分组对应的估价模型及估价参数，自动动态“一房一价”评估相应估价分组待课税房源租值与交易价值。平台智能动态“一房一价”评估各估价分组待课税房源租值与交易价值，无需办税工作人员在确认待课税房地产税基时，再输入任何需比价调整修正的房地产价值影响因素，零人为因素干扰，防腐增效，彰显税基评估公平性。房地产评税大数据平台，这个“评税超级大脑”，同时也是一个房地产价值智能评估的“超级大脑”，实现了数字经济社会大数据时代，房地产智能估价的数字化、可视化、智能化，可用于银行押品价值的动态监管、风险预警管控，房地产交易市场、租赁市场监管服务等诸多方面，可附带开发其他应用系统，增加平台附加值。