期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
城市二手房价格评估方法研究——基于Lasso-GM-RF组合模型对北京市二手房价格的分析 被引量:7
1
作者 张望舒 马立平 《价格理论与实践》 北大核心 2020年第9期172-175,180,共5页
我国房地产行业蓬勃发展,传统的价格评估方法已不能满足市场日益增长的二手房评估需求。本文设定组合评估模型评估城市二手房价格:首先,运用lasso回归筛选出城市GDP、城市常住人口数、房地产开发投资对城市房地产总体均价产生显著影响... 我国房地产行业蓬勃发展,传统的价格评估方法已不能满足市场日益增长的二手房评估需求。本文设定组合评估模型评估城市二手房价格:首先,运用lasso回归筛选出城市GDP、城市常住人口数、房地产开发投资对城市房地产总体均价产生显著影响的变量,将这三个变量所蕴含的时间因素以及政策因素通过lasso回归传导至城市房地产总体均价,借助灰色预测方法得出这三个关键变量未来几年的数值,依旧使用lasso回归,构建城市房地产均价的预测模型。其次,运用行政加权法,对不同行政区域赋予不同权重。再次,运用随机森林模型建立特定经济环境下二手房屋特征价格评估模型,经过检验,该随机森林模型符合房地产估价规范中要求的误差范围。最后,整合以上三个模型,建立可以估算不同经济环境、不同区域、不同二手房屋价格的组合评估模型,通过实例分析,本文发现:该组合评估模型对二手房的评估效果良好。 展开更多
关键词 二手房价格评估 lasso回归 灰色预测 随机森林模型
原文传递
基于特征价格理论和神经网络的武汉二手房价自动评估 被引量:6
2
作者 陈敏 李英冰 《城市勘测》 2018年第4期21-24,共4页
在房地产税制改革新背景下,房地产评估行业对自动估价技术提出了更高要求。基于特征价格理论,以武汉市84 215条二手房数据训练、检验、建立了用于二手房价格批量评估的神经网络分级模型。结果显示,估价相对误差在10%和20%以内的样本比... 在房地产税制改革新背景下,房地产评估行业对自动估价技术提出了更高要求。基于特征价格理论,以武汉市84 215条二手房数据训练、检验、建立了用于二手房价格批量评估的神经网络分级模型。结果显示,估价相对误差在10%和20%以内的样本比例分别为87.5%和98.9%,模型在保证泛化能力同时提高了精度,为二手房价格自动批量评估提供了可行思路。 展开更多
关键词 二手房价 自动评估 人工神经网络 特征价格理论
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部