 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。6 Q/ _0 x9 F1 Q+ p+ c" B' X
/ D; e9 ?6 Y! Z. N: Y+ q
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。
* m& t0 P6 i: W: \
7 R. W5 e# `0 Z! H8 d+ X6 ^- f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。 I' ?% D& J2 i# \
它们的价格随时间而变，就设定为P1(t),P2(t),P3(t)...Pn(t)。
6 P3 w% p0 `# P* ]4 z4 D# D: w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:
# x0 B7 C3 T& s! iE=积分(t1到t2)((P1(t)-Pa(t))^2+(P2(t)-Pa(t))^2+...+(Pn(t)-Pa(t))^2)dt
' U" M1 J. @" e5 h" V! H5 e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。
, U- N& n1 q8 e4 P# ` F* C* ]5 i7 i; J' e6 M/ c
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。
; {) k2 f: [* X8 Y2 u/ i7 t) M9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。/ P! M D2 G% J, H" `1 D# z7 V
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 j8 c4 [: I. A+ t, s& U
9 r, o' X0 b5 e0 w+ Q* F( J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。
9 F+ @' Z* K5 i: f0 K, v假设Pe(9月)<Pf(9月)<Pg(9月)，那么10月的中位价就是Pf(9月)；
% t" H4 e- I* @# C假设Po(10月)<Pp(10月)<Pq(10月)，那么10月的中位价就是Pp(10月)。- ?5 `7 ]- ^1 C5 r# ^& y0 H
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。
" ?! f" x8 n2 p: ^( T1 Z v, W
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：
6 X% R: ]8 d: s0 x4 ]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，3 X2 l D/ j4 G% g) ]' h) {( l
9月的单位面积均价就是(Pe(9月)/Me+Pf(9月)/Mf+Pg(9月)/Mg)/3;
0 m% f) ?$ _1 W! g) w10月的单位面积均价就是(Po(10月)/Mo+Pp(10月)/Mp+Pq(10月)/Mq)/3。1 T% r; y" @& K* S8 h% {
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。
( a# \1 z0 s+ \( M. L% l7 }
# C2 s" r7 P( e+ e' _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$2000/sqft，属于小概率事件，可以视为在3个standard deviation之外了。我们只需考虑正负1个standard deviation之内的是否合理就足够了。2 x2 p; V! I( p5 { ~
) y( \' h! p' B* P# _
前面都是理论，下面说2个具体的小例子：
- ^, x+ N$ ~- I* f _) p1）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。
/ w' e- ?+ ?) {! n* y: J& `9 @
) _) S0 A& O. q, R. C- q' l) C8 {6 }" U2）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。 |" ]; i! _% B/ e# ^
+ J8 R/ o/ b2 m( J4 N5 l0 H9 q
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
