 鲜花( 0)  鸡蛋( 0)
|
大家关注房价的起落，但究竟应该相信什么数据？Z在这里就自信解释一下究竟怎么解读房价数据。' t! R0 ]; J3 s) x1 a* E
% I9 a4 r. e$ b/ ?% t7 G) R首先，我们要明白，所谓“过去一个月”房价涨 x% 究竟是什么意思。不同的房子，因为地点，尺寸，和其他一些在指标不同，其实涨跌速度各自不一。我们所谓的涨跌幅只是取一个综合值，使得其与各个房子的实际涨跌幅度的误差最小。: Z% F3 H, R- s. l3 j5 p
' T9 U# d' z* L f1 P
数学扎实的朋友可以这么理解，假设本城共有n个房子，分别是H1,H2,H3...Hn。& k A2 L8 N5 g& k+ r' d+ H, C8 D* R k
它们的价格随时间而变，就设定为P1(t),P2(t),P3(t)...Pn(t)。/ p" I0 ^5 |* f; @9 M( C
我们现在要求一个贴近的综合价格Pa(t),假设误差以平方之和为标准，那么误差就是:5 Z0 U1 D) @+ R" } y
E=积分(t1到t2)((P1(t)-Pa(t))^2+(P2(t)-Pa(t))^2+...+(Pn(t)-Pa(t))^2)dt. I% S$ S, Z$ ~! N9 ?# T6 R+ x) f
最真实可靠的综合价格就是可以达到最小E的Pa(t)，这里面t1代表起始时间，t2代表终止时间。如果我们比较10月和9月房价，那么t1就是9月，t2就是10月。需要注意的是，各个房子的价格函数互相是相关的，就是说correlation不为0。9 A8 v, f- B% d' W5 k0 J& j/ b5 [
2 T5 L( h6 z) h/ J那么，我们再来看平均房价是怎么回事。假设9月卖出房子有He,Hf,Hg这几个，10月卖出Ho,Hp,Hq这几个。% H, V- P. }9 O
9月的均价就是(Pe(9月)+Pf(9月)+Pg(9月))/3，10月的均价就是(Po(10月)+Pp(10月)+Pq(10月))/3。
+ o: f" X2 ]- g换言之，我们不可能有全部房子在这两个时间点的价格，因为成交的仅仅是全部房子的很小的一个子集。我们是拿一些房子的10月数据去比另一些房子9月数据。所以，我们并不知道同一个房子的价格变化，好比我们知道10月份Hq的价格，但我们没有9月份Hq的价格。一旦购房组成产生变化，10月成交的Ho,Hp,Hq可能与9月成交的He,Hf,Hg不具有很强的共性，那么这个数据就不准了。最简单的例子就是，如果Hq是个千万豪宅，那么显然会把10月的均价严重拉高。: G) ]+ P& n* s$ A2 _' Y8 ~
; @- ]# S+ d" t V7 t0 m2 M
中位价比平均价好很多，假设9月卖出房子有He,Hf,Hg这几个，10月卖出Ho,Hp,Hq这几个。. r6 k" U) s5 r: s; k' \
假设Pe(9月)<Pf(9月)<Pg(9月)，那么10月的中位价就是Pf(9月)；
5 a0 u: k* d& ?1 n4 `" R假设Po(10月)<Pp(10月)<Pq(10月)，那么10月的中位价就是Pp(10月)。$ z9 R! ]* B" H# v ?5 @
当交易量不是太少时，可以比较精确的体现普通收入者的购房价格。不会因为Hq是千万豪宅而把数据扭曲。
; p9 _7 n4 ^! {0 K
& u" n+ _4 }2 Y B/ Z现在已经不难看出均价和中位价的局限，就是10月所售的房子Ho,Hp,Hq和9月售出的He,Hf,Hg并非是同样的房子，更无法代表全部从H1,H2到Hn这几十万个房子。当He,Hf,Hg与Ho,Hp,Hq具有较强共性(correlation)，那么数据基本准确，但如果不是，数据就没有太大意义。所以，我们就要寻求这些房子的最大共性。这就是单位面积价格：8 ~8 x) }+ u; {: {9 F# G
假设9月卖出房子有He,Hf,Hg这几个，10月卖出Ho,Hp,Hq这几个。它们的面积分别是Me,Mf,Mg,Mo,Mp,Mq。那么，
& o4 i5 r3 h) U! x9月的单位面积均价就是(Pe(9月)/Me+Pf(9月)/Mf+Pg(9月)/Mg)/3;& J8 I4 |8 [, S2 Q) G( J
10月的单位面积均价就是(Po(10月)/Mo+Pp(10月)/Mp+Pq(10月)/Mq)/3。 p1 |- E0 J( d* V( f$ Y* \. U' [
这种算法当然不是完美，但比起均价和中位价，可以更加精确体现10月所售房子，和9月所售房子，以及广大未售房子的共性。4 w/ g; E' X* k7 Q
7 Y2 N! A% R5 I1 s- l有爱抬杠的仁兄说单位面积均价对于地大房子小的不适合，我的回答是：这是完全正常的概率分布，我们只需知道主流的单位面积均价就可以了。从数学角度而言，我们就假设一个高斯分布，如果单位面积均价的平均值(mean)是$300/sqft，那么500尺的100万的房子是$2000/sqft，属于小概率事件，可以视为在3个standard deviation之外了。我们只需考虑正负1个standard deviation之内的是否合理就足够了。' K' _9 c2 K Z( b- Z% O
* S8 R9 k0 M# k" c前面都是理论，下面说2个具体的小例子：
. p/ u/ W& ^; @: q1）加州南部（圣迭戈，洛杉矶）是美国房子最贵的地方之一，均价60~70万。为了计算方便，假设1美元=1加元。就是说，是爱城的双倍。但事实是，爱城50万的房子，在那里要150~200万。同样的房子是3~4倍。问题出在哪里？因为均价受限于人的工资支付力的极限。当房价持续上涨时，人们开始求其次，（好比说10月所售的房子Ho,Hp,Hq比9月售出的He,Hf,Hg要小起来了）。在平均价位的房子，其质量和面积不停下滑。但如果用单位面积均价就不会有这个问题。爱城50万可以买到约2000尺的新2层屋，单价$250/sqft，同样的房子在圣迭戈核心城区要150万，单价$750/sqft这样就精确体现了两地等同房子的差距。8 ?7 L+ V, u% D/ _4 `
6 b s h, v8 [7 E" Z2）如果你走到一个建筑商那里，询问造房价格，最常见的就是他告诉你基本价是多少一尺，升级价是多少一尺。如果你回中国买房，市场通用的准则也是每平米的单价。7 ?' \! Z+ J1 G# G
B/ Y, m8 x5 y } Q2 r
论述到此结束，欢迎拍砖。 |
|
狗仔卡
发表于 2007-11-5 09:56
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
显身卡
楼主
发表于 2007-11-5 10:06
发表于 2007-11-5 12:12
