 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。( U6 S: g* U$ I: Z' W) d
0 L- s" ?" o2 @3 @6 d
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。2 V+ Z J: e; R% ?; o- Q7 A; ?
+ b: _7 b+ Z3 N' E/ g- J5 F" n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。8 b7 z* g: Z$ @/ R0 ~# F' i% r
它们的价格随时间而变,就设定为P1(t),P2(t),P3(t)...Pn(t)。8 G, O& b4 w/ `7 a2 F' F6 f3 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:
; g. h1 U, o, D9 @, LE=积分(t1到t2)((P1(t)-Pa(t))^2+(P2(t)-Pa(t))^2+...+(Pn(t)-Pa(t))^2)dt! ?, i) S6 p4 g1 O$ s1 v( }; r
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。1 X: L) Y& b4 n0 x8 o
8 q3 \/ r- c2 m/ C, d
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。
( a/ P | I2 \5 \2 T" U4 C9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。0 c+ i: G! `1 d+ o' S7 _$ }1 s
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。
# {9 w& L R' V/ A! w2 V
) B S) e! u( u4 D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。" x% ]9 i# d/ D
假设Pe(9月)<Pf(9月)<Pg(9月),那么10月的中位价就是Pf(9月);
0 \* a' L/ u# V3 O$ \ a假设Po(10月)<Pp(10月)<Pq(10月),那么10月的中位价就是Pp(10月)。3 k( R1 L6 Y3 s) ]4 B3 S" n! |
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。. g- J- j8 [: @- B
" N7 W' F4 c( [- k7 s" }" C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:
9 b- V! K' v) }9 L5 L0 W$ I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,1 w- a( s5 \6 {- x |9 O* z
9月的单位面积均价就是(Pe(9月)/Me+Pf(9月)/Mf+Pg(9月)/Mg)/3;. a" d2 n; @% N( ?, R
10月的单位面积均价就是(Po(10月)/Mo+Pp(10月)/Mp+Pq(10月)/Mq)/3。
4 r! I% I( C# }( t& \0 ]+ b- v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。
( m) F6 N; X. W$ m3 O: s }. g$ { X8 c% q. k+ ?) 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$2000/sqft,属于小概率事件,可以视为在3个standard deviation之外了。我们只需考虑正负1个standard deviation之内的是否合理就足够了。
+ ?* j5 j& {- ^# p; k' ~ Q; z# e& R/ ^* a% r. n
前面都是理论,下面说2个具体的小例子:! ~8 M7 |' W) G$ r2 ]. C9 y
1)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$750/sqft这样就精确体现了两地等同房子的差距。+ ~9 s$ ^ p/ l$ y3 ~6 F4 N# Y
0 b5 y2 [, K- O: L, ?5 t8 N- X! @
2)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。
1 S/ g/ z/ v* Z0 @ M$ S2 Z
9 ~9 ~0 H6 J* m" J" i论述到此结束,欢迎拍砖。 |
|