当前位置: 手机论文网>财政税收>税务研讨>

面向房产税的住宅批量估价方法及其优缺点分析

阅读技巧m.Lw54.com 手机论文网

面向房产税的住宅批量估价方法及其优缺点分析

一、引言
  为了优化地方财政收入结构和抑制住房投机需求,重庆和上海两地在2011年1月成为全国首批试点城市,对居民开始征收房产税。当前这两个试点城市主要针对增量房征税,以市场交易价格为征税依据。目前,房地产最基本的估价方法有市场比较法、收益法和成本法。由于市场比较法的估价原理能更好的体现房地产市场情况,所评估的指标参数能够通过交易市场直接获得,且评估结果更加的科学准确,因此它成为最重要、最常用的房地产估价方法之一,也成为房地产批量估价方法的基础。本文对以市场比较法为基础的几种常用住宅批量估价方法进行研究,比较其优缺点,为我国建立和完善住宅批量估价系统提供参考。
  二、基于模糊数学的住宅批量估价方法
  (一)估价原理。自然界中,精确数学无法描述广泛存在的模糊现象。而人类能够通过模糊的思维和语言进行信息的表达,再通过大脑进行理论的分析和推导,最终做出决策。模糊数学就是模仿人类思维的过程,运用数学方法对模糊现象进行研究和处理。基于模糊数学的住宅评量估价方法,通过运用模糊数学理论来解决可比实例的选择问题。它以贴近度为依据,从若干个交易实例中选择贴近度大,即与待估房地产最相似的交易实例作为可比实例。
  (二)估价步骤
  (1)提取估价对象的特征因素。在影响房地产价格的众多因素中,各因素对估价目的不同的房地产的影响有一定的差别,结合专家意见对主要的特征因素进行提取。
  (2)确定特征因素隶属函数值。隶属函数是表示某些因素隶属于某种特征的函数,其取值在0和1之间。当函数值越近似于1,则说明隶属度越大,反之隶属度较低。特征因素主要有两类:一类是难以量化的模糊指标(如交通状况等);第二类则是容易得到的确切量化指标(如面积等)。软指标隶属函数值的确定可用类比法建立隶属函数,并通过实地考查勘测来确定。
  (3)计算贴近度。贴近度是描述两模糊子集之间彼此相近程度的概念,取值范围在[0,1]区间。同样,当贴近度越近似于1,则说明两模糊子集越相近,反之贴近度较低。设A与B为论域U的模糊子集,则
  A○B=(A()∧B())=(A()∧B())(公式1)
  公式1称为A与B的内积。
  A⊕B=(A()∨B())=(A()∨B())(公式2)
  公式2称为A与B的外积。
  σ(A,B)=(1/2)[A○B+(1-A⊕B)](公式3)
  公式3称为A与B的贴近度。
  按式(公式1)~(公式3)计算待估房地产与可比实例贴近度。
  (4)计算待估房地产价值。先计算各交易实例特征因素的隶属函数值,提取特征因素,再通过计算待估房地产与各交易实例的本文由论文联盟http://m.lw54.com收集整理贴近度得出待估房地产的估价结果。
  (三)优缺点分析
  1、优点分析
  (1)实例选择和权重确定更加客观。基于模糊数学的住宅批量评估方法引入贴近度概念来选取可比实例,并将待估房地产与可比实例的贴近度转化成权重,减少了个人情感色彩对可比实例选择和权重确定产生的影响。这种方法对可比实例的选择和权重的确定比传统方法更加客观,科学。
  (2)能更好地评价定性因素。定性因素难以量化,具有模糊性,基于模糊数学的住宅批量评估方法在处理这类具有“模糊”性质的因素时,通过类比法建立隶属函数,使其量化成统一标准数字描述,是解决这类问题的最有效方法。
  2、缺点分析
  (1)特征因素的确定受人为因素影响。特征因素较多,估价人员在进行主要特征因素的选取时往往是参照估价条例及经验进行主观判断。同时对于难以量化的软指标,虽能通过类比法建立隶属函数,但其隶属函数值的最终确定仍受估价人员的人为影响。
  (2)模型对可比实例要求高。本方法需要有大量具体的实例以供选择,并且原则上要求所选取的实例与待估对象的交易时间越近越好,这样才能保证估价结果的精确度。但我国目前在房地产交易信息统计以及公开方面还有所欠缺,房地产市场管理体系不够完善,房地产交易登记常出现阴阳合同等,导致选取的符合要求的可比实例数量有限,进而可能影响估价结果的精确度。
  三、基于神经网络的住宅批量估价方法
  (一)估价原理。人工神经网络是一种通过模拟动物神经功能和结构特征,进行分布式并行信息处理的数学模型。尤其适合需要同时处理多因素和不精确的信息问题。而房地产价格受许多因素的印象,同时某些特征因素和房地产价格之间着非线性问题。因此,人工神经网络运用到房地产估价当中是科学合理的。
  (二)估价步骤
  (1)输入待估房地产信息。选取与估价相关的房地产信息,例如小区名称、位置、面积等。(2)对主要的特征因素进行量化。通过建立指标体系选取主要影响因素,并咨询专家进行量化打分,将主要的特征影响因素进行输入。(3)确定样本。选取一定数目与待估房地产相类似交易可比实例。其中70%作为训练样本,剩下的样本用于检测。为了有利于神经网络训练,待样本确定后,按照一定的规则,将样本的输入、输出转化为0到1区间的值。(4)建立模型。确定模型的基本参数。(5)模型训练。即网络的学习过程。首先设置训练参数,再用选取的训练样本对建立好的神经网络模型进行训练。(6)模型检测。通过测试样本得到样本检测误差,判断模型是否满足要求。如不满足,应从新训练,直到符合要求。(7)估价。输入待估对象的影响因素值,得到它的评估价格。