普通商品住宅价格指数计算方法、终端设备及存储介质

摘要

本发明涉及一种普通商品住宅价格指数计算方法、终端设备及存储介质，该方法中包括：S1：将发布商品住宅销售价格指数时的三个面积段进行进一步细分，采集细分后的多个面积段的本期和上期的成交数据；S2：计算本期和上期对应统计点的成交均价；S3：计算每个面积段的每个统计点的本期较上期的面积段价格指数；S4：对每个面积段的所有统计点计算得到的面积段价格指数进行筛选，得到每个面积段的多个优选价格指数；S5：计算每个面积段的最优价格指数；S6：计算普通商品住宅价格指数。本发明仅需要提供当期和历史时期多个面积段商品住宅的成交数据即可计算，无需提供其他房屋特征数据，简单、准确，适用于商品住宅价格指数的计算。

说明书

技术领域

本发明涉及住宅价格指数计算领域，尤其涉及一种普通商品住宅价格指数计算方法、终端设备及存储介质。

背景技术

现有的房地产调控目标为稳地价、稳房价、稳预期。对房地产市场的调控，其中最重要的环节之一就是住房价格的变化。反应住房价格变化最直观的指标就是住房价格指数的变化。其中，商品住宅价格指数，主要包括新建商品住宅价格指数以及二手住宅价格指数。

对于商品房价格指数的计算，目前使用最多的主要有“加权平均法”、“重复交易法”以及“特征价格法”。简单的加权平均固然是最原始的计算方法，这种方式不能够适应多变的市场需求，计算得到的价格指数甚至跟房地产市场走势严重脱节甚至相背离。与“重复交易法”相比，“特征价格法”在理论上具有一定的优势，但是，由于特征价格法要求收集每套房产反映房屋特征变量多达十几个、甚至几十个的数据，而且不同城市或同一城市的不同发展阶段，房屋的特征变量差异很大，所以基于特征价格法的房价指数在实践中往往会遇到很多难题，不适合定期发布房价指数。

但是，上述几种主流的商品房价格指数计算方法是建立在完全备案数据或者房屋特征变量足够支撑价格指数计算的前提下设计的。应当注意到的是，不同城市、不同区域，其房地产业的发展处于不同的阶段，并非所有地区的房屋特征数据都齐全完备。当房屋特征数据不完备的时候，通过上述主流商品房价格指数计算方法计算出的指数会有偏差，影响后续对房地产市场的监测预警及调控。

发明内容

为了解决上述问题，本发明提出了一种普通商品住宅价格指数计算方法、终端设备及存储介质。

具体方案如下：

一种普通商品住宅价格指数计算方法，包括以下步骤：

S1：将发布商品住宅销售价格指数时的三个面积段进行进一步细分，采集细分后的多个面积段的本期和上期的成交数据；

S2：根据每个面积段的本期和上期的成交数据，分别计算本期和上期对应统计点的成交均价：

其中，j表示统计点，k表示面积段，

S3：根据每个面积段的每个统计点的本期和上期成交均价，计算每个面积段的每个统计点的本期较上期的面积段价格指数：

其中，

S4：对每个面积段的所有统计点计算得到的面积段价格指数进行筛选，得到每个面积段的多个优选价格指数；

S5：根据每个面阶段的多个优选价格指数计算每个面积段的最优价格指数R

S6：根据每个面积段的最优价格指数，计算普通商品住宅价格指数R：

R＝∑(R

其中，P

进一步的，步骤S1中细分为8个面积段，分别为：60m

进一步的，统计点包括1个月、3个月、6个月、9个月、12个月、15个月、18个月、21个月和24个月。

进一步的，步骤S5中最优价格指数为多个优选价格指数的算数平均、几何平均、调和平均、平方平均中的一种。

进一步的，针对每个面积段所有统计点计算得到的面积段价格指数的筛选方法为：根据下列四个筛选条件依次筛选，直到筛选出要求数量的价格指数；

(1)选出小于1.01且大于0.99的价格指数；

(2)选出小于1.02且大于0.98的价格指数；

(3)选出小于1.05且大于0.95的价格指数；

(4)采用评估的方式计算该面积段价格指数，具体为：计算该面积段对应区域包含当前月份在内的最近的6个月中每月成交均价的平均值与12个月前同期6个月中每月成交均价的平均值的商值，再对计算的商值开12次方，得到评估结果。

进一步的，当每一个筛选条件中筛选出来的价格指数的个数大于阈值时，则进一步细化该筛选条件的筛选范围。

一种普通商品住宅价格指数计算终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。

本发明采用如上技术方案，采用多个面积段计算价格指数来替代三个面积段，可以将计算过程细化，计算结果更精确。仅需要提供当期和历史时期多个面积段商品住宅的成交总面积、成交总金额以及成交均价即可计算，无需提供其他房屋特征数据，简单、准确，适用于商品住宅价格指数的计算，包括新建商品住宅以及二手商品住宅，特别适合房屋特征数据不齐全或者采集困难的区域使用。

附图说明

图1所示为本发明实施例一的流程图。

具体实施方式

为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。

现结合附图和具体实施方式对本发明进一步说明。

实施例一：

本发明实施例提供了一种普通商品住宅价格指数计算方法，以某市2019年4月新建商品住宅价格指数计算为例进行说明，如图1所示，所述方法包括以下步骤：

S1：将发布商品住宅销售价格指数时的三个面积段进行进一步细分，采集细分后的多个面积段的本期和上期的成交数据。

该实施例中根据实验结果优选细分为8个面积段，分别为60m

成交数据包括成交总面积、成交总金额和成交均价。

该实施例中收集的8个面积段的成交数据如表1所示。

表1

S2：根据每个面积段的本期和上期的成交数据，分别计算本期和上期对应统计点的成交均价。

该实施例中所述统计点包括1个月、3个月、6个月、9个月、12个月、15个月、18个月、21个月和24个月，本领域技术人员在其他实施例中也可以根据需求自行设定其他统计点，可以增加也可以减少，在此不做限制，但统计段的个数最少不得少于12个月(即5个统计点)。

每个统计点对应的成交均价的计算公式为：

其中，j＝1,3,6,9,12,15,18,21,24表示统计点，k表示面积段，

如：

该实施例中计算的8个面积段对应统计点的成交均价如表2所示。

表2

S3：根据每个面积段的每个统计点的本期和上期成交均价，计算每个面积段的每个统计点的本期较上期的面积段价格指数：

其中，

如

该实施例中计算的8个面积段对应统计点的价格指数如表3所示。

表3

S4：对每个面积段的所有统计点计算得到的面积段价格指数进行筛选，得到每个面积段的多个优选价格指数。

该实施例采用的筛选方法为：

(1)选出各面积段小于1.01且大于0.99的指数，即：

(2)若该面积段各统计点无小于1.01且大于0.99的指数，则将范围扩大到小于1.02且大于0.98的指数，即：

(3)若该面积段各统计点无小于1.02且大于0.98的指数，则将范围扩大到小于1.05且大于0.95的指数，即：

(4)若该面积段各统计点无小于1.05且大于0.95的指数，则采用评估的方式计算该面积段价格指数，评估结果如下：计算该面积段对应区域包含当前月份在内的最近的6个月中每月成交均价的平均值与12个月前同期6个月中每月成交均价的平均值的商值，再对计算的商值开12次方，得到评估结果。

上述筛选方法为递进筛选过程，即优先顺序依次为(1)、(2)、(3)、(4)。

进一步的，当每一个筛选条件中筛选出来的价格指数的个数大于阈值(该实施例中为5个)时，则进一步细化该筛选条件的筛选范围。如将第一个筛选选范围再次细化为两个以上的范围。

该实施例中的筛选结果如表4所示。

表4

S5：根据每个面阶段的多个优选价格指数计算每个面积段的最优价格指数R

该实施例中R

所述算数平均可以采用几何平均、调和平均、平方平均等均值替代。

该实施例中计算的8个面积段的价格指数如表5所示。

表5

S6：根据每个面积段的最优价格指数，计算普通商品住宅价格指数R：

R＝∑(R

其中，P

该实施例中计算的普通商品住宅价格指数结果如表6所示。

表6

国家统计局公布的2019年4月该市价格指数为100.6，与计算得到的指数100.5接近。同样，采用本实施例方法计算了2015年1月至2019年3月的价格指数，并与国家统计局公布数据进行比较，结果如表7所示：

表7

从表7可以看出，除了2016年3月和4月计算结果与国家统计局公布结果有出入外，其他月份结果计算偏差均在±0.2％以内，可以说明本实施例提供的计算方法较为准确。

本发明实施例一采用如上方案，仅需要提供当期和历史时期多个面积段商品住宅的成交总面积、成交总金额以及成交均价即可计算，无需提供其他房屋特征数据，简单、准确，适用于商品住宅价格指数的计算，包括新建商品住宅以及二手商品住宅，特别适合房屋特征数据不齐全或者采集困难的区域使用。

实施例二：

本发明还提供一种普通商品住宅价格指数计算终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。

进一步地，作为一个可执行方案，所述普通商品住宅价格指数计算终端设备可以是手机、电脑及云端服务器等计算设备。所述普通商品住宅价格指数计算终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述普通商品住宅价格指数计算终端设备的组成结构仅仅是普通商品住宅价格指数计算终端设备的示例，并不构成对普通商品住宅价格指数计算终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述普通商品住宅价格指数计算终端设备还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。

进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述普通商品住宅价格指数计算终端设备的控制中心，利用各种接口和线路连接整个普通商品住宅价格指数计算终端设备的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述普通商品住宅价格指数计算终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。

所述普通商品住宅价格指数计算终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)以及软件分发介质等。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。