你们想知道的房地产模型算法在这里

<p>昨晚推送的文章：<a href="http://mp.weixin.qq.com/s?__biz=MzAxMDEzOTgyNA==&amp;mid=2649829288&amp;idx=1&amp;sn=bafb04e8b5ee2bacc63eba3228935085&amp;chksm=83516e77b426e761e6d70197138964ba6cd488b358fe193ec13aaf59ff070de1d49ce0c0d34f&amp;scene=21#wechat_redirect" target="_blank" data_ue_src="http://mp.weixin.qq.com/s?__biz=MzAxMDEzOTgyNA==&amp;mid=2649829288&amp;idx=1&amp;sn=bafb04e8b5ee2bacc63eba3228935085&amp;chksm=83516e77b426e761e6d70197138964ba6cd488b358fe193ec13aaf59ff070de1d49ce0c0d34f&amp;scene=21#wechat_redirect">预测房地产短期市场趋势</a><br /></p><p><br /></p><p>一石激起千层浪</p><p><br /></p><p>有支持的，有求学的，有存疑的</p><p><br /></p><p>还有看穿一切的</p><p><img data-s="300,640" data-type="jpeg" data-src="http://mmbiz.qpic.cn/mmbiz_jpg/zd226QNNqG4lOtf26hNmGv0SJzzw7wZKks3BUXeibCQBViboACxpFBWmraj5sJSFYRm4L16Gia7P8w2hTAkASOsJA/0?wx_fmt=jpeg" data-ratio="1.1173184357541899" data-w="358" /><br /></p><p><br /></p><p>后台询问最多的是</p><p><strong><br /></strong></p><p><strong>房价运行合理区间模型的合理性检验和<strong>搭建</strong></strong></p><p><br /></p><p><br /></p><p><span style="color: rgb(123, 12, 0);"><strong>一、关于模型合理性的检验</strong></span></p><p><br /></p><p>事实上，模型的合理性，要从行业特性说起</p><p><br /></p><p>房地产的研究，一直以来，都处于非常原始的状态</p><p><br /></p><p>专家打分法——凭经验、拍脑袋、然后堆一些数据验证观点</p><p><br /></p><p><strong>传统房地产研究结论，是难以量化得出</strong></p><p><img data-type="gif" data-src="http://mmbiz.qpic.cn/mmbiz_gif/zd226QNNqG4lOtf26hNmGv0SJzzw7wZKY1ABxm3rRNdoL8SCbqckicsANicS8b5vTIGBZlwdm5XBKw0gjKYgfSeA/0?wx_fmt=gif" data-ratio="0.5577889447236181" data-w="398" /></p><p><br /></p><p>参考金融界的龙头企业“高盛”</p><p><br /></p><p>之所以被称为“宇宙之王”，除了其在金融领域首屈一指的影响力</p><p><br /></p><p><strong>更重要的是它背后先进的软件，让它市场反应速度远快于对手</strong></p><p><br /></p><p>金融行业是离AI（人工智能）大规模商业化最近的行业之一。</p><p><br /></p><p>创新工场AI工程院副院长王咏刚也指出，金融行业实际上完全满足，大规模商业应用AI的两个重要条件——</p><p><br /></p><p><strong>其一、数据的质量和数量必须达到一定的要求</strong>，尤其强调的是整个数据流程和每日的数据更新，这决定了AI发展的基础是否牢固；</p><p><br /></p><p><strong>其二，在所在领域有没有对问题的相对清晰的定义</strong>。<br /></p><p><br /></p><p>对应到中国房地产，虽然涉及诸多因素</p><p><br /></p><p>但也满足应用AI的两大条件——数据的质和量；对问题的定义</p><p><br /></p><p>房地产对问题的定义就是“人地钱”的问题<br /></p><p><br /></p><p><strong>什么地段值什么钱</strong></p><p><br /></p><p><strong>什么房子卖给什么人<br /></strong></p><p><br /></p><p>建模预测房地产，量化研究成果，虽然还只是起步阶段，但却是时代趋势所在。至于成果的合理性检验，时间会帮我们完成</p><p><br /></p><p>不过网友@张敬尧提出的“用10年前的数据预测五年前的事实，检验模型正确性”很值得一试</p><p style="line-height: 25.6px; white-space: normal;"><img class="__bg_gif" data-ratio="0.6459948320413437" data-src="http://mmbiz.qpic.cn/mmbiz_gif/ia17192HSYNnOruht425iaSkRVk9YoGJQklbqUvYF5Mlv8icQnOs7gRWQ5Wv0jup7Gye24PlxhaLVq4FAGFFWtU4Q/0?wx_fmt=gif" data-type="gif" data-w="387" style="line-height: 1.6; width: auto ! important; height: auto ! important; visibility: visible ! important;"></p><p><br /></p><p><br /></p><p><span style="color: rgb(123, 12, 0);"><strong>二、关于模型的搭建</strong></span></p><p><span style="color: rgb(123, 12, 0);"><strong><br /></strong></span></p><p>这里分享的是投资模型搭建——<br /></p><p><br /></p><p>假设现在有500万的资金，要在北京投资1-2套房子，该怎么投资？哪些房子5年后的回报率最高？</p><p><br /></p><p>首先，把样本按距离切片：此处我们把所有的房屋交易按时间切片，原则依然是在能满足样本量要求的情况下尽量细分——例如说分到每个季度</p><p><br /></p><p>然后，对于每个季度内的房屋交易数据，都进行位置因素的分析：</p><p><br /></p><ol style="list-style-type: decimal;" class=" list-paddingleft-2"><li><p style="margin: 0px; padding: 0px; box-sizing: border-box;">基于所有二级变量，通过位置建模（位置建模的概念可以参考<a href="http://desktop.arcgis.com/zh-cn/arcmap/10.3/tools/spatial-statistics-toolbox/geographically-weighted-regression.htm" target="_blank">Geographically Weighted Regression</a>这个基于线性回归的建模方法），得到每个交易点上不同的价格预测模型，即：在不同的地理位置，二级变量对价格的影响模型——位置上接近的点，其模型会更相似；</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br /></p></li><li><p style="margin: 0px; padding: 0px; box-sizing: border-box;">当所有二级变量取平均值（去除它们的因素）时，每个交易点得到一个只受位置影响的基值价格；</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br /></p></li><li><p style="margin: 0px; padding: 0px; box-sizing: border-box;">每个基值价格相对于所有基值价格的平均数，就得到了这一点的位置因子。</p></li></ol><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br style="box-sizing: border-box;" /></p><p><br /></p><section class="" style="box-sizing: border-box;"><section class="" style="text-align: center; margin-top: 10px; margin-bottom: 10px; box-sizing: border-box;"><img class="" data-ratio="0.705" data-src="http://mmbiz.qpic.cn/mmbiz_jpg/cj3YU21t4FA9GpsKszMzW4d5oE3dQCPKFp1LOhV8pIMIpKjX1Y95xK4zoEfiaCULjaPomnEzxZHY83icFfoeibJJQ/640?wx_fmt=jpeg" data-type="jpeg" data-w="400" style="max-width: 100%; vertical-align: middle; box-sizing: border-box; width: auto ! important; height: auto ! important; visibility: visible ! important;"></section></section><section class="" style="box-sizing: border-box;"><section class="" style="box-sizing: border-box;"><section class="" style="font-size: 12px; box-sizing: border-box;"><p style="text-align: right; margin: 0px; padding: 0px; box-sizing: border-box;">（图：Rich Borst）</p></section></section></section><section class="" style="box-sizing: border-box;"><section class="" style="box-sizing: border-box;"><section class="" style="font-size: 14px; box-sizing: border-box;"><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br style="box-sizing: border-box;" /></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><span style="color: rgb(136, 136, 136);">基值价格的直观解释是，如果一个标准普通房子（所有二级指标全都取平均值的房子）在城市的不同位置，它的价格如何；转换成位置因子，我们可以看出这个价格是偏高还是偏低。</span></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><span style="color: rgb(136, 136, 136);"><br /></span></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">在地图上，可以对这个位置因子进行集群，将结果转换为城市里每个区域的价格是偏高还是偏低。对每个季度，都进行一次同样的分析。</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br style="box-sizing: border-box;" /></p></section></section></section><section class="" style="box-sizing: border-box;"><section class="" style="text-align: center; margin-top: 10px; margin-bottom: 10px; box-sizing: border-box;"><img class="" data-ratio="0.490625" data-src="http://mmbiz.qpic.cn/mmbiz_jpg/cj3YU21t4FA9GpsKszMzW4d5oE3dQCPKQL6zicXahLGz38JfDWoae8MQoZ2p5ycibld5wbC1DOMdGcDibJjnGiaRKw/640?wx_fmt=jpeg" data-type="jpeg" data-w="640" style="max-width: 100%; vertical-align: middle; box-sizing: border-box; width: auto ! important; height: auto ! important; visibility: visible ! important;"></section></section><section class="" style="box-sizing: border-box;"><section class="" style="box-sizing: border-box;"><section class="" style="font-size: 12px; box-sizing: border-box;"><p style="text-align: right; margin: 0px; padding: 0px; box-sizing: border-box;">（图：Rich Borst）</p></section></section></section><section class="" style="box-sizing: border-box;"><section class="" style="box-sizing: border-box;"><section class="" style="font-size: 14px; box-sizing: border-box;"><p style="margin: 0px; padding: 0px; box-sizing: border-box;">于是，对于城市的各个区域，我们将得到其位置因子随时间的变化折线图。</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br style="box-sizing: border-box;" /></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">如果说，这个折线代表了五年期间的价格变化趋势，那么我们可以将它解读为一系列数字：</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">（1）当前的位置因子值；</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">（2）从五年前到当前的价格变化率；</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">（3）当前的价格变化率；</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">（4）价格变化的平稳性；</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">（5）……</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br /></p><p><strong>通过这些数字，可以让机器分析告诉我们，房子投资在各个区域，预期的价格走势会如何。</strong></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br style="box-sizing: border-box;" /></p></section></section></section><section class="" style="box-sizing: border-box;"><section class="" style="text-align: center; margin-top: 10px; margin-bottom: 10px; box-sizing: border-box;"><img class="" data-ratio="0.6575" data-src="http://mmbiz.qpic.cn/mmbiz_jpg/cj3YU21t4FA9GpsKszMzW4d5oE3dQCPKWC5XBhzILpFEKM0eT8iaE3EFVcLwk37icyZjO4r6IB4Estl4LRWF6tAQ/640?wx_fmt=jpeg" data-type="jpeg" data-w="400" style="max-width: 100%; vertical-align: middle; box-sizing: border-box; width: auto ! important; height: auto ! important; visibility: visible ! important;"></section></section><section class="" style="box-sizing: border-box;"><section class="" style="box-sizing: border-box;"><section class="" style="font-size: 12px; box-sizing: border-box;"><p style="text-align: right; margin: 0px; padding: 0px; box-sizing: border-box;">（图：Rich Borst）</p></section></section></section><section class="" style="box-sizing: border-box;"><section class="" style="box-sizing: border-box;"><section class="" style="font-size: 14px; box-sizing: border-box;"><p style="margin: 0px; padding: 0px; box-sizing: border-box;">而当我们把目光转移到二级变量，我们依然是可以做两件事：</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br style="box-sizing: border-box;" /></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">一是在各个区域内，通过深度学习，进行二级变量的建模，预测价格的走势；当我们有一些潜在可投资的房子，把它们的相关变量输入模型，就可以得到它们的价格走势预期。</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br style="box-sizing: border-box;" /></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">二是让传统模型告诉我们，二级变量对价格走势的影响究竟如何——是大户型还是小户型容易升值，板楼还是塔楼容易升值。它的优点是直观，缺点是比较难捕捉各个变量的相互作用（例如可能虽然大户型不易升值，但较新楼盘的顶层的大户型反而升值非常快）。</p></section></section></section><section class="" style="box-sizing: border-box;"><section class="" style="text-align: center; margin-top: 10px; margin-bottom: 10px; box-sizing: border-box;"><img class="" data-ratio="0.734375" data-src="http://mmbiz.qpic.cn/mmbiz_png/cj3YU21t4FA9GpsKszMzW4d5oE3dQCPKecJJte84PsBibqBicwCeKEoTh1KaBUibpNwaDwHYQguPstq6Wry3O7htA/640?wx_fmt=png" data-type="png" data-w="640" style="max-width: 100%; vertical-align: middle; box-sizing: border-box; width: auto ! important; height: auto ! important; visibility: visible ! important;"></section></section><section class="" style="box-sizing: border-box;"><section class="" style="box-sizing: border-box;"><section class="" style="font-size: 12px; box-sizing: border-box;"><p style="text-align: right; margin: 0px; padding: 0px; box-sizing: border-box;">（图：Rich Borst）</p></section></section></section><p><br /></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br /></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><span style="color: rgb(123, 12, 0);"><strong>模型的<span style="color: rgb(123, 12, 0);"><strong>搭建</strong></span>，主要是有两个并行的思路——完全交由深度学习去预测，和对各个因子的影响分析。</strong></span></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br style="box-sizing: border-box;" /></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">当然，如果要将这个流程实际操作起来，还会有很多问题：</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br /></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">怎样处理二级因素和位置因素的关联性；</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br /></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">如果交易数据中包含新房销售，怎样处理它的特殊性；</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br /></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;">进行时间和空间的分割时，具体采用什么样的方法，等等。</p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><br /></p><p style="margin: 0px; padding: 0px; box-sizing: border-box;"><span style="color: rgb(123, 12, 0);"><strong>但核心依然怎样分层次进行“<span style="color: rgb(123, 12, 0);"><strong>控制变量——释放变量</strong></span>”这个问题。</strong></span></p><p><br /></p><p>以上解释，可能需要有一定数据分析经验，才能吃透</p><p><br /></p><p><br /></p><p>像小编我这种，没什么数据分析基础，要在地产圈子闯荡，还要与时俱进，不被行业淘汰，一般我会选择，化繁为简，大道归一——</p><p><br /></p><p><br /></p><p>转发此锦鲤，不用看禾略的长篇大论，也能瞬间学习到数据建模能力<br /></p><p><img class="currentImg" data-src="http://mmbiz.qpic.cn/mmbiz_jpg/zd226QNNqG4lOtf26hNmGv0SJzzw7wZK6icvxib7JrNOCM97MBJ0vra8CzxDVibJTZ9lTeUJWEew8Ranicsm5nt8bg/0?wx_fmt=jpeg" style="top: 73px; left: 271px; cursor: pointer; width: 372px; height: 360px;" title="点击查看源网页" data-ratio="0.967741935483871" data-w="372" data-type="jpeg" width="321.36666666667" height="311" /><br /></p><p><br /></p><p><br /></p><p><br /></p><p><br /></p><section class="tn-Powered-by-XIUMI" style="margin-top: 0.5em; margin-bottom: 1.5em; line-height: 25.6px; white-space: normal; border-width: medium; border-style: none; border-color: currentcolor; -moz-border-top-colors: none; -moz-border-right-colors: none; -moz-border-bottom-colors: none; -moz-border-left-colors: none; box-sizing: border-box;"><section class="tn-Powered-by-XIUMI" style="margin: auto; border-color: rgb(71, 193, 168); width: 3em; text-align: center; color: rgb(255, 255, 255); font-family: inherit; font-size: 1em; text-decoration: inherit; box-sizing: border-box;"><section class="tn-Powered-by-XIUMI" style="border-radius: 50%; width: 3em; height: 3em; line-height: 3.5em; overflow: hidden; font-family: inherit; vertical-align: middle; display: inline-block; box-sizing: border-box; background-color: rgb(71, 193, 168);"><section class="tn-Powered-by-XIUMI" style="box-sizing: border-box;">更多</section></section><section class="tn-Powered-by-XIUMI" style="margin: -0.92em auto auto; width: 0px; font-family: inherit; border-top: 3em solid rgb(71, 193, 168); box-sizing: border-box; border-right: 1.4em solid transparent ! important; border-left: 1.4em solid transparent ! important;"><br /></section></section></section><p><br /></p><p><br /></p><p><br /></p><fieldset class="tn-Powered-by-XIUMI" style="margin-top: 0.8em; margin-bottom: 0.5em; white-space: normal; border-width: 0px; border-style: none; border-color: currentcolor; -moz-border-top-colors: none; -moz-border-right-colors: none; -moz-border-bottom-colors: none; -moz-border-left-colors: none; text-align: center; color: rgb(129, 120, 119); font-size: 13.63px; font-weight: bold; min-width: 0px; max-width: 100%; box-sizing: border-box; background-color: rgb(255, 255, 255);"><span class="tn-Powered-by-XIUMI" style="padding: 0.3em 0.5em; border-color: rgb(249, 110, 87); border-radius: 0.5em; text-align: inherit; color: rgb(255, 255, 255); font-family: inherit; font-size: 1em; font-weight: inherit; text-decoration: inherit; display: inline-block; max-width: 100%; box-sizing: border-box; box-shadow: 0.2em 0.2em 0.1em rgb(165, 165, 165); background-color: rgb(160, 160, 160);"><p style="min-height: 1em; max-width: 100%; box-sizing: border-box ! important;">禾略中国：helue_China</p></span></fieldset><p style="white-space: normal; text-align: center; color: rgb(129, 120, 119); font-size: 13.63px; font-weight: bold; min-height: 1em; max-width: 100%; box-sizing: border-box ! important; background-color: rgb(255, 255, 255);"><span style="font-size: 10px; max-width: 100%; box-sizing: border-box ! important;"><br /></span></p><hr style="white-space: normal; text-align: justify; color: rgb(129, 120, 119); font-size: 13.63px; font-weight: bold; max-width: 100%; box-sizing: border-box ! important; background-color: rgb(255, 255, 255);" /><p style="white-space: normal; text-align: center; color: rgb(129, 120, 119); font-size: 13.63px; font-weight: bold; min-height: 1em; max-width: 100%; box-sizing: border-box ! important; background-color: rgb(255, 255, 255);"><span style="font-size: 10px; max-width: 100%; box-sizing: border-box ! important;">陪你想，陪你写，陪你玩</span></p><p style="white-space: normal; line-height: 25.6px;"><br /></p><p style="white-space: normal; text-align: justify; line-height: 24px;"><img data-src="http://mmbiz.qpic.cn/mmbiz/zd226QNNqG4z3ZLnvGz7yzYuZ21wHoX53ZpOwnQhPmGbl2SxSiboaKiaW8L2CuhQBnhRkhP7Z47icicDduyXibFxAAg/0?wx_fmt=jpeg" data-ratio="1" data-w="1094" data-type="jpeg" data-s="300,640" style="line-height: 1.6; text-indent: 32px; font-family: 宋体;" /></p><p><br /></p>