基于互联网大数据和重复交易法的中国城市住房价格指数编制研究

The insufficient of price data and the heterogeneity of housing were the major problems for construction of China's urban housing price index. Complying with the Internet big data tide and the existing property era, we try to solve the two problems by using the big data technology and the repeat sales method. Through the network crawler and the data cleaning technology, we can get the big data about housing exchanges from the real estate agents websites and the real estate portal websites very efficiently. According to the characteristics of China's urban housing market and the big data, we improve the index models of repeat sales method by focus on the sample matching and weight system. On the basis of repeated trials, we build the modified repeat sales model which is the most suitable for China's urban housing markets and the big data. Finally, we can establish the China's urban housing price indices system with the nature of homogeneity, comprehensiveness and opening. As one of the outputs of this study, the database of housing prices also can open to academic research.

中国城市房价指数的编制，长期备受数据匮乏和住房异质性问题的困扰。互联网大数据的兴起与存量房的时代来临，为系统破解这两大难题创造了条件。本研究将互联网大数据分析技术与重复交易指数模型相结合，尝试构建兼具同质、完备和开放性特征的房价指数体系。通过网络爬虫对各大中介及地产信息类网站进行动态监控，低成本高效率地获取海量的住房交易数据。进而以样本匹配方法和权重体系设计为重点，根据大数据特点和中国城市的住房市场特性对重复交易模型进行优化。通过反复试算比较，不断提高模型的适用性和降低样本选择误差。最终形成最契合中国城市房价大数据特点的重复交易指数模型。研究还将构造区域房价综合指数，并实现指数编制与发布的程序化。作为研究产出之一的住房交易大数据库，也可开放供学术研究之用。本研究是新形势下对现有房价指数体系的有益补充与发展。

中国城市房价指数的编制，长期备受数据匮乏、准确性不足和住房异质性问题的困扰。本研究将房价大数据与重复交易指数模型相结合，尝试构建兼具同质、准确和开放性特征的房价指数体系。利用网络大数据及与相关大数据企业合作，建立了包含住房报价、成交价及租金的大数据。以房价大数据为基础，结合中国住房市场特性，对房价重复交易指数模型进行优化和改进。构建了符合中国城市住房市场特性和大数据特点的房价重复交易指数，较好地解决了房价指数的准确性、同质可比性及时效性问题。研究编制了基于大数据的上百个城市的房价重复交易指数，并实现指数编制与发布的程序化。同时，还编制了全国约100个重要城区的房价重复交易指数。为更好地对区域住房市场进行分类研究，本项目还对中国城市进行了科学的分类分级。根据经济规模、财政收入、房价水平、行政等级、发展潜力、市场认可度等因素对样本城市进行分类，重新划划了一二三四线城市，编制了一、二、三、四线城市4个城市分级综合指数。对各重要城市群，根据主要经济指标选取了典型代表性城市，编制了5个城市群房价综合指数。选取24个最具经济竞争力的核心城市为样本，加权计算了中国重要城市房价核心指数。建立了住房租金大数据，并基于重复交易原理，研究开发了涵盖全国22个重要城市的同质可比住房租金指数，以及全国重要城市的住房租金综合指数。在最新房价大数据监测的基础上，基于房价空间传导机制及区域房价相互作用机理，利用人工智能模型，尝试建立了房价异常涨跌预警预报系统。此外，利用房价大数据，我们还测度了物业服务、医疗服务、老旧小区改造、房地产企业产品品质与品牌对房价的影响。本研究成果既可作为中国房地产市场甚至区域经济重要晴雨表，也可作为房地产市场微观行为分析的重要参考。