基于随机森林模型的二手住宅房价批量评估

作     者：徐延琳 

作者单位：中南财经政法大学 

学位级别：硕士

导师姓名：魏永长;陈少瑜

授予年度：2021年

学科分类：12[管理学] 1204[管理学-公共管理] 120405[管理学-土地资源管理] 

主      题：二手房 住宅价格评估 批量评估 随机森林模型 

摘      要：纵观历史,住房问题一直是绝大多数人关注的热点话题。无论是与亲戚或朋友的对话,还是重要的政府会议,房地产价格始终是辩论和交流的主题。二手房被用作房地产的支柱之一,研究其价格非常重要。自从上海和重庆试行住宅房地产税十年以来,纠纷和征收方面的困难也继续存在,税收和征收费用大致相同的问题给房地产税立法蒙上了阴影。但是,与财产税立法相关的工作,例如国家房地产登记注册正在加速发展。尽管房地产税具有广泛的利益,税制改革是相互交织的,但改革是必不可少的,迫切需要提高征收效率,降低征收成本,并建立基于房地产信息的批量评估方法。许多学者已经将逻辑回归、神经网络等机器学习方法引入房地产批量评估领域,并在实证研究中取得了优异的成绩。但是,仍然存在诸如样本量小和花费人员过多的问题。随着机器学习的进一步发展,房地产批量评估行业将面临以数据为驱动力的业务转型。作为机器学习模型,可以使用计算机算法来实现随机森林模型,并且该模型对于复杂的数据处理具有独特的优势。例如,随机森林可以处理在数据样本具有一定的噪声而使得数据丢失的情况。同时,大量房地产交易数据的积累,交易网站质量的提高以及新技术和新方法的出现为房地产批量评估技术奠定了基础。其次,住宅房价批量评估受到一系列繁琐的特征变量所影响,同时住宅房屋价格与特征变量相互影响且是复杂以及非线性的,更加适合用于机器学习方法。为此,本文使用随机森林模型和逻辑回归模型来检验该模型的准确性和可行性,并使用深圳一线城市二手房价格数据对其进行演示,研究并建立评估模型。本文爬取深圳市的二手住宅房价数据,一共采集了23个区域里335个样本数据,以特征价格模型理论为基础,选择了区位特征、建筑特征和邻里环境三大类共计15项特征变量建立特征价格体系。建立随机森林模型,通过对比逻辑回归模型,以拟合优度、平均平方根误差、平均绝对误差和平均相对误差作为模型评定标准,比较这两个模型在测试集上的预测效果。最后发现基于深圳市二手住宅数据,对比发现随机森林模型预测效果更加优秀。根据以上结论,我们可以将影响二手住宅房价的特征向量进行整理并建立随机森林模型,用此模型来对某一地区的二手住宅房价进行批量评估,具有很高的推广和应用价值,也可以大力支持房地产税改革。