 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。( K- V6 I# b" _! n0 G, s! P8 g
( Q, j* U! y0 g& G' }
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。" | }* q: N+ q3 m0 q2 P" b2 |
$ n7 p1 J! c5 s
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。. g8 c* M; z- R: |
它们的价格随时间而变,就设定为P1(t),P2(t),P3(t)...Pn(t)。9 W+ |4 \& M5 n) e, T! 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:$ W) ]( ?5 i) z3 N) M& z
E=积分(t1到t2)((P1(t)-Pa(t))^2+(P2(t)-Pa(t))^2+...+(Pn(t)-Pa(t))^2)dt
# S* F9 |# }# k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。/ y6 W O* ~% @; y3 g8 s5 o
! {* e ^" G) }; m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。& ~$ x( M' g, i) z1 a5 {
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。# {* l; U' V6 E
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。
, @3 }7 S4 j( @ L6 X/ q* j) u/ j7 H% O- [& H- S7 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。2 R5 i: `+ V: o6 M8 Q( b$ Q
假设Pe(9月)<Pf(9月)<Pg(9月),那么10月的中位价就是Pf(9月);6 U3 R' T% U- ]. ^! x9 Y% n4 h# `; M$ P
假设Po(10月)<Pp(10月)<Pq(10月),那么10月的中位价就是Pp(10月)。7 {2 ^& C) H. D2 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。& c9 r% E( P2 X f3 l
" _ Q8 H: {+ I3 S4 Y5 X
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:
" n B ~* r: {- V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,' R! u9 z4 s7 Y$ Q$ s7 k6 t- Q8 f
9月的单位面积均价就是(Pe(9月)/Me+Pf(9月)/Mf+Pg(9月)/Mg)/3;% f% p. ^4 W1 c- w, v7 n3 q
10月的单位面积均价就是(Po(10月)/Mo+Pp(10月)/Mp+Pq(10月)/Mq)/3。
& C. q( a- Z# u6 y6 D; c3 d, h7 B& Q( Z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。
0 ?& ]0 T7 f! G) I9 [) Y. b# n3 W: O1 z( T" o3 s
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。
w- W' P# t& u1 d0 ]7 U7 s* Z% H
$ B. |/ G8 O$ q前面都是理论,下面说2个具体的小例子:
/ d( s8 g% P, \+ V. ^8 h8 t1 [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。. g/ e+ c. _) [
: M- `/ Q5 ^+ }' v- o0 \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。: C9 H1 g- t5 s2 w1 W0 ~/ J
" a3 Z) g% ^' P7 d& P. _
论述到此结束,欢迎拍砖。 |
|