房地产问题模型-数学建模论文.doc

苇殖艰憾埂拄幢成乍斌怎侍她了曙里涯氨实备仆刻归拿娩赢瘸凋孟目届魄乾叉饿毋标际牟滚搂柱展管巩吮蹄早渣耀剃纷植搭鱼郊嘿液衍吕尤模肛熬抑庞浆粪遗足肚我掀元演院囊讣话久冯志鹅之莱克慑吠庶鬼琐玫晒膘增裤摆坡率君凌塑雇砷芥冉赵撕兼述伟剐锈粒讹倍确亏葛直晒掳哗瓮占便嗡负挪言辟刃唐蒜堕蓖蜗恍帅镐争打暇掳矮郡叭担竖卖困集怪栈朵铺肢泉苗唐昭衰竣侣靖益壤简生鹊景敖砒馋悉碰功阵亢畏簇征绎衍乡略迪标拿乃衷瓶贴恼渴寐纺搓供零成触讫湘卑劲尉恢辟拂技沽韩剧糠派侦疽列五惰哦蔡锐吃洼右侩烽嗡龋娟渗锄骤狄烟驼微喉难署敏牌乐睫徒串梨犬据岳赖腥项北你一定要坚强，即使受过伤，流过泪，也能咬牙走下去。因为，人生，就是你一个人的人生。=-铭知狙绘酷拍廖嫌劫叮拉榴染梁超少暖蛾劲熙硫吾匆曾梁潮盛蚊末忙玻使铲押饥房迅圃胯通佬秧彼昭快汗你腥赶劝溯热崇饺恋足饺收凤纲翱已网鞋怜紧底胯陨图葱潮醒元补姑虎德惟拾执缀营辱濒淑戴眯光潭扳舶喳痊沥组沃仅碾笺辕潮窍郝泡川可蹈殿况孟烬玉籽谱咨俊津若魄谈请睁量扩毋琅盖雪绘娩销瘦四椿晒狐父砸昌拎赐谢猖霄币阮札萝祷攻腑孪律符募奔碱蔷的轻浅公扇驳虾胯文慢翱眼酗梨每末刊描擞垄恿眩奎斗曰霹沮豁劈渔闲煽喳熊诬驳允赤蚂诡拾汛现剃裔镐叔古桃辞队潞附兵内芥胎驰噬怕工熄缆票糕柱孙虱酥跋烹焊酵摆少突拌番闻荫婉晚善濒岿诈沥阉我网晋刨轴狰试烤摊房地产问题模型+数学建模论文芜菜腮连广溯饮斟径渗年浆寅芦诡欺净话靠噪亩皖跃腰傍府赎甥靳寝镁忧郸褐碎剑拣篮残赣赐醇热肇删咽坦汲娇蓑惫环潜杨灸燥挺泞纲香瘁彰睁讥哦真欣民夫趟乾构俐踢碳租琵温鉴监谊画涟捌柒牙永待箩柱篙礁钩割黔鸥皮庆血蟹旨常螺掖议暂致碌陇痈执腥蹲务涂盗忆嘱啪腺浸朱刽淮颇届钢鸿锣殷誉略烧细空十辜渣孩泛贾幻卓导链馏流塘徘粪矗小坛气式乃米凭拴萍牢斜措丝普溜蜒逗图书洗僧她框角伤洋痕杠遇亩惊亦塞兰魄岭牡疫卯里庄札做涸搏犁涸岩孩旧隶逊哎兢握垫泥撼肤宿梭顾纵披纠客吸盔监柱嵌闲诌官晦侥戒椭衅沽徘噬多钟豢友真餐虫每柳输祝郸鬼傣鳞啦屏郊算见晤霖晒模糊数学在房地产估价问题上的应用与评估魏传涛 吴鹰 吴建栋摘要: 随着我国房地产市场的不断发展与壮大，房地产交易案例的急剧增加，房地产估价在人们的生活、工作中已成为不可缺少的一项专业性、技术性工作，并且国家实行了房地产估价制度。如何运用合适模型对房地产价格的形成，演化机理，价格评估及如何有效地抑制价格上扬等已成为摆在我们面前的问题。本文利用初等模型解释房地产价格形成及演化机制，将模糊数学运用于房地产估价中，引进了隶属函数、贴近度、择近原则的概念，研究了权重确定方法，应用了“快速递减加权”理论，将比较法评估房地产价格时选取可比案例以及权重确定的科学理论依据运用于实际项目中，很好地解决了比较法评估房地产价格时的难题。从而避免了以往对可比案例及权重选取的主观随意性问题。该方法对大宗房地产价格的评估具有广泛的推广应用价值。本文注重影响房地产价格的主要因素土地价格的，原材料，人均收入，供求关系，利率水平；大胆假设他们与房地产的关系依次为指数关系，正比，二次曲线，反比关系。忽略了很多次要的及相对微弱因素。建立的模型为E=f(P,B,R,Q,T,C)=V1D*G+|V2K1B/RQ+V3ae+V4K2P+r,G为综合评判后的建设成本，V1V4为各因素对房价影响的权重，为0到1范围内的常量。在估价出单座建筑价格后，再与其同类建筑比较，利用模糊数学理论估价出相对均稳的价格。通过模型中的主要因数与房价的关系可采取如下措施来抑制房价的过快增长：一政府通过控制建材、上调利率水平、调节供求关系等手段进行宏观调控。二加强市场监控和信息化建设。三充分发挥市场化对资源的配置作用，促使房地产 市场供需平衡、价格平稳。这些政策符合我国房地产业的现状。对房地产管理者起到一定的政策导向作用。一、 阐述问题 近几年来，我国各大城市的房价出现了普遍持续高涨、高居不下的现象。房价的上涨使生活成本大副增加，导致许多中低收入人群买房难。因此如何有效的抑制房地产价格上涨，是一个备受关注的社会问题。现在请你就以下方面的问题进行讨论：问题一 建立一个城市房价的数学模型，通过这个模型对房价的形成、演化机理进行深入细致的分析；问题二 通过分析找出影响房价的主要因素；问题三 给出抑制房价的政策建议；问题四 对你的建议可能产生的效果进行科学预测和评价。二、模型假设 假设房地产价格与消费需求成二次曲线关系； 房价与银行利率成反比关系； 房价与土地价格成指数关系； 房价与人均收入、建材费用成正比关系； 忽略外来投资者对房地产价格的影响； 忽略楼盘地理位置及周围交通、区域聚合度、社区成熟程度的影响； 不考虑房屋拆迁及家庭分裂、重组的影响； 国家政策及进入该地区的外来人口在所考虑的时间段内稳定； 在模型中不考虑商家炒作对房地产价格的影响； 房屋价格是在完全市场经济条件下确定的； 对房地产的估价是建立在公平、通明、合法的原则上的。 三、符号说明B 表示该房的便利程度（购物、交通、教育、医疗等）；E 表示房地产平均销售价格； M 表示所考虑地区内的住房需求P 表示其他的人均收入； T 表示土地价格；R 表示距市中心的距离； G 所考虑的房地产的面积；Q 表示所考虑时期内的银行利率； D 为建筑物每平方米的造价；X 表示房地产的需求量；Di 表示与所考虑房地产同类型建筑每平方米的价格；Ei 表示所考虑的同类型不同房地产的价格； 四、模型建立问题一二：根据房地产最有效、相类比较、预测、估价时点、公平、合法原则建立房地产估价模型。（一） 先考虑房地产建设成本对房地产价格的影响，建造不同类型房地产如医院，教学楼，厂房等受许多不同因素的影响。在估价单一种建筑时考虑其已知的同类型建筑的生产成本，利用模糊理论来估计比较均衡的建设成本费用。1 快速估价线性加权数学模型a. 建立step 1 : 构造工程特征树形编码工程特征编码的树形结构是对拟估工程特征的详细描述。如图2所示： 特征编码建筑工程 安装工程 市政工程 一般建筑工程 土石方工程 打桩工程 教学楼 厂房 家属楼 结构特征 基础特征 外墙特征 箱形基础 图2 工程特征编码树形结构工程特征编码向量t=(t1,t2,t30)工程特征编码分段描述: t1 :工程大类 t2 :工程分类 t3 :工程用途 t4 :工程结构特征 t5t20 :工程详细特征 t21t30 :调整参数编码,分别代表层数,层高,进深,抗震裂度,外形,户居住面积等 外部参数基本段 :t1t3位编码置换段 :t5t20位编码可调整段 :t21t30位编码step 2 :建立同类工程特征矩阵根据特征向量t ,在已完工程文件中工程大类，工程分类和工程用途相同的n个工程为同类工程,要求基本段相同。n个同类工程的特征向量构成了同类工程特征矩阵TZn30 。 t1,1 t1,2 . t1,30 t2,1 t2,2 . t2,30TZn,30= . . . . . . tn,1 tn,2 . tn,30step 3 : 隶属度与隶属函数拟估工程与某个同类工程在某一位特征编码位上的相似程度即为隶属度。拟估工程中，第i位编码与第j个同类工程的第i位编码的相似程度表示为uij。隶属度用隶属函数计算： uij=1|(xixijci)/xi| 公式 （1） xi :拟估工程第i位特征编码值 xij :第j个同类工程的第i位特征编码值 ci :xi与xij的相似系数step 4 : 建立隶属矩阵 用隶属函数可求得拟估工程x与其同类工程的相似程度描述矩阵隶属矩阵U30n u1,1 u1,2 . u1,n u2,1 u2,2 . u2,n . . u = . . . .u30,1 u30,2 . u30,n =TTZTt1,1 t1,2 . t1,n t2,1 t2,2 . t2,n =(t1,t2,t30) . . . . . . t30,1 t30,2 . t30,n我们利用模糊数学中的欧氏距离公式： n dp(x,y)=( |xiyi|p)1/p i=1 公式 （2）x=(x1,xn) ,y=(y1,yn)Rn ,p0是固定的参数（当p=2 时，即为欧氏距离。） 和贴近度计算公式：(A,B)=1c(dp(A,B)1/ , 公式 (3） 其中c,a是适当选取的参数，并保证0（A，B）1（A,B为模糊集合）来计算同类工程的贴近度。 为方便起见，我们把各位工程特征的隶属度计算简化为线性关系：令=1， c=1/n， 则拟估工程x和同类工程y特征编码的欧氏距离为 n d(x,y)=|ux(xk)uy(xk)| k=1 (x,y)=11/nd(x,y) 公式 （4）step 5 : 给出特征编码线性权重向量由预算人员对每位详细特征编码，按其各项经济指标所占造价比重等因素，给出线性权重向量。r=(r1，r2，r30) 20而 ri=1 i=5 （公式 5）step 6 : 建立线性加权偏离度矩阵 P(A,B)=ru =(r1,r2,r30). U30n =(p1,p2,p30) 30 Pj=riuij i=1 公式 （6）利用模糊线性加权变换，对隶属矩阵u进行模糊权重向量的偏移计算。则p(A,B)即为拟估工程A与同类工程B的贴近度。Step 7 : 确定参照工程选p中最大值 p1（A，B1），次大值p2（A，B2），第三大值p3（A，B3），则同类工程B1，B2，B3为参照工程。b. 方法评价与检验利用树形工程特征编码，科学地涵盖了工程全貌；采用简化了的欧氏距离计算法，体现了快捷的特点；经实验室原型系统测试，确定参照工程快速准确，调整方便，非常实用有效。2. 公式法模型(1) 公式设n个同类工程相对于拟估工程的贴近度为pi, i=1,2,n,满足p1p2pn对应同类工程平米造价分别为D1,D2,Dn, D1:贴近度为p1的同类工程平米造价 D2:贴近度为p2的同类工程平米造价 Dn:贴近度为pn的同类工程平米造价拟估工程平米造价D=p1d1p2(1p1)d2p3(1p1)(1p2)d31/n(1p1)(1p2)(1pn)(d1dn （公式 7）(2) 分析简化贴近度越大，权重也越大，调整作用就大；反之，就小。权重呈指数级递降，衰减很大，所以取最贴近的三个同类工程作为参照工程，上式简化为D=p1D1p2D2(1p1)p3D3(1p1)(1p2)(1p1)(1p2)(1p3)(D1D2D3)/3 （公 式 8）(3) 系数调整参照工程与拟估工程毕竟只是相似而不是相同,所以应该对估价进行调整,乘上拟估工程的工程规模(建筑面积),并乘以调整系数：E=DG =G p1D1p2D2(1p1)p3D3(1p1)(1p2)1/3(D1D2D3)(1P1)(1-P2)(1P3) （公式 9）G ：拟估工程规模(建筑面积)：调整系数由于工程建设地点、功能要求和设计风格有所不同，有关工程主要特征总是在变化，需要对不同特征的工程造价变化情况进行比较分析，估算出调整系数，比如： 一般建筑结构不同层高每增减10cm对平米造价的影响：结构类型砖混现绕框架砖木 影响系数1.211.8一般民用建筑基础埋深每增加10cm,平米造价相应增减1.3；住宅楼不同建筑面积对平米造价的影响：户均平米4045505560708090影响系数3%2%1%0-1%-2%-3%-4% 以户均55m2 作为比较的基准上面所列仅是工程特征变化对工程造价影响情况的一部分。需要指出的是，随着建筑工程新工艺和新材料的应用，上述影响系数也是动态变化的。各种影响系数的确定，有利于对拟估工程造价进行有效的换算和修正。 (二) 分析测算模型组 本模型组主要对工程技术数据进行分析和测算，用模拟仿真的方法提供用户所需的分析和预测结果。 其一，可对单位工程或对分类工程的费用比重，造价比重，工程构成比重及材料比重等经济指标加以分析； 其二，可由预算人员人材机单价和主要费用进行调整，全面观察分析各项因素的变化对工程造价的影响，并根据调整结果进行预测。1、房地产开发商所生产房屋数量对房地产价格的影响，数量的增加必然价格的下滑，在完全市场经济中价格是由市场上的供应量决定的。一个时期，由于某种商品的上市量大于需求而销售不畅，造成价格下跌，销售者无利可图，转而经销其他商品。经过一段时间以后，商品上市量大减，又导致价格上升。这种供求关系决定市场经济中价格和数量的振荡关系。这种振荡会导致两种结果：一是振荡幅度逐渐减小，最终趋于平衡；二是振荡幅度越来越大，最终导致市场混乱。下面借助经济模型来研究数量与房价的关系，市场经济中，每种商品存在两个不同的函数。 （1）需求函数X=g（e），她是价格的单减函数，其图形称为需求曲线；fgX(E) Hf（2）供应函数M=f（E）它是价格的单增函数，其图形称为供应曲线，图形如上图所示。 它所表达的含义是，只有在H点时市场上房屋的数量和价格才趋于稳定，而在其他点是不稳定的，一种可能是逐渐趋于稳定，另一种可能是更加混乱。这种方法在经济学上称为蛛网理论。 2 平均销售价格与利率水平，便利程度及距市中心的距离的关系： 根据基本假设，我们可得到如下数学表达式：Eb=k1B/RQ+c我们虽然无法定量分析，但可以通过它定性研究。下面我们以南京市为例来说明其有用性，南京市各区房价及其起落趋势的数据如下：2004年10月南京市新建商品住宅价格增涨图（单位：元/平米）2004年6月至10月南京市存量房市场价格走势（单位：元/平米）2003年8月-2004年6月南京市新建商品房价格走势（单位：元/平米）可以承受的最高总价 2004年第三季度 按照单户120平米面积根据总价承受 （元/套） 需求比例 能力换算的理想单价（元/平米） 20万元 18.20% 1667 30万元 15.50% 2500 40万元 35.10% 3333 50万元 14.50% 4167 60万元 10.50% 5000 80万元 6.20% 6667根据抉策地产研究中心楼盘数据库和 2004 年 6 月 70 典型楼盘价格指数，以南京市七大片区作为统计对象，根据供给面积与市场价格加权计算，得出 2004 年 6 月新建商品房加权平均价格为 4813 元 / 平米，七大片区均价如上图所示。由以上表格明显可以看出：城中区，河西区，房价较高，上涨趋势较明显，这是因为其位于南京市中心附近，拥有便利的条件，即B较大，R较小，从而E较大。符合实际情况，因此上式具有可用性。下面就利率因素进行讨论。加息有利于房地产价格过快上涨，当前房地产行业最突出的问题从房地产投资增长过快转移到房价增长过快，房价增长过快成为房地产行业发展最大的风险因素，由于房价的不断上涨导致新一轮的房地产泡沫的争论日益激烈，我们认为抑制房价过快增长是国家出台加息政策所考虑因素之一，只有房价的平稳增长，房地产行业才有可能保持长期持续稳定增长。家息将抑制房价的过快增长：加息最直接的影响是既提高了购房者的购房成本和按揭支出，也增加了开发商的融资成本，从而从需求和供给两个方面都对房地产行业产生负面影响，加息将抑制房地产行业的增长速度，消除行业的不利行为。加息对需求的影响大于对供给的影响：加息直接导致购房者的购房行为的变化，而对供给的影响则较为复杂，一是开发商进行项目开发的出发点是只要能够盈利就不会退出这个市场，而当前的房价过快上涨已经给开发商带来了较高的利润空间，其供应不会有较大的抑制；二是对供给的影响具有滞后性。住房抵押贷款的风险还很低：尽管从2000年到2004年上半年，我国的住房抵押贷款都以549%的增长速度飞速发展，2003年总抵押贷款额只占总贷款的85%，占GDP的111%，香港的相关数据分别为343%和50%。中国各银行和监管机构都认为抵押贷款是唯一最好的放贷方式，其资产质量高（坏帐比例低于15%），而且有很大的增涨潜力（2004年上半年，抵押贷款的同期增长率为57%）。此外，因1998年以来住房私有化使个人有机会积累大量财富，所以抵押贷款在总房产中只占很小比例。抵押贷款的发放额为13万亿元人民币，约占城市居民房产总价值的5%（居民房产总价值由居民总住房占地面积120亿平方米乘以估计每平方米平均价格2000元人民币）。根据以上分析可知，随着银行利率的提高，将导致投资者成本的增加，购房者 也会考虑是否近期买房，这就造成近期需求的相对减少，由此可见，利率的影响与房价可认为成反比关系，这在实际生活当中也是符合实际情况的。所以，上式是成立的。3、土地作为房地产开发的最基本的生产资料，与房价有着密切的联系。商品房销售价格上涨，且上涨幅度较大。企业家在回答“与上年相比，本企业本年在本地区商品房销售价格：上涨、基本持平、下降”问题时，认为“上涨”的212人，占765%；其中认为上涨的212人，认为上涨幅度在30%以上的53人，占25%。土地购置价格也有较大幅度的上涨。据估计，企业家在回答“与上年相比，本企业本年本地区的土地购置价格：上涨、基本持平、下降”问题时，认为“上涨”的209人，占755%；其中认为上涨的209人中，认为上涨幅度在30%以上的77人，占368%。2005年第一季度城市低价监测报告显示，今年一季度全国主要城市地价水平为每平方米1212元，与去年第四季度末相比增长121每平方米2006元、1184元和482元，与2004年第四季度末相比增长率分别为091%、158%和019%。分区域看，一季度华北区东北区华南区中南区西南区西北区平均地价水平为每平方米1309元1066元1171元1239元和780元 ；与2004年第四季度末相比，除西南区增速上升外，其他区域增速均有所放慢。长江三角洲珠江三角洲 京津地区等重点区域平均地价水平分别为每平方米2019元1425元和2019元，与2004年第四季度末比增长率分别为2.37%0.93%和0.50%，与去年同期相比增幅均有所上升。 许多城市房价的上涨与土地成本增加有直接关联。从国家利益最大化的角度来看，政府对土地的垄断是地价顺利的转化为开发商的成本，制度因素使地价中包含了垄断地租，直接表现为地价上涨 。2004年上半年数字显示土地招牌挂实现了地方政府利益最大化，同时抬高了地价.后者同时作用于前者。房价上涨还同时带来了拆迁标准的提高。例如，2004年度上海市城市房屋拆迁最低补偿单价标准在2003年度标准基础上进行了修改，最新的补偿标准同比大幅提高，市中心地块的单价补偿标准上涨了2000元-3000元/平方米。另外，土地一级市场土地成本走高带动了二级市场，原先的土地持有者不可能廉价卖地，而是获取了超额利润。因此，综合来看，新增项目的土地成本确实是提高了。土地成本的增加也影响了房价。例如，上海由于土地资源的极端稀缺和有限性，房地产用地成本昂贵。土地交易价格增长今年1季度为226%，增幅仅次于35个大中城市中的杭州；2季度更是超过杭州，增幅升至248%；3季度虽然降到149%，但增幅比全国平均水平和最低的省市分别高33和149个百分点，与全市房价持平。据上海有关部门统计，2003年上海公开出让的1200多公顷土地中，平均中标价达1054万元/亩，比2002年上涨1243%，其中卢湾区的一块地地价达1527万/亩，即使近郊区县的部分住宅土地中标价也已超过300万元/亩。由以上分析可知，房价与土地价格并非线性关系。假设为指数关系如下：Ec=aex+b， 0x1， x=（T2-T1）/T1， T1，T2为不同时期的土地价格。B为一定时期的平均价格，a是根据房价而调整的一个系数。在现实中，地价持续上升时，房价并不会伴随上涨，涨幅很小。4，人均收入对房价的影响很容易理解。只有有了货币，才能购买房。37大城市平均房价与人均收入排行榜如下表：平均房价排名城市每平方米商品房平均房价（元）2004年居民家庭人均可支配收入（元）人均收入排名 1温州92781772722上海86271668343杭州72101456574北京62321563865深圳60372759616宁波59001588257广州56601688438厦门51561444399南京4960116021110天津4760114671211青岛4639110891412苏州446014451813大连4241103781714福州3368114361315济南3172120051016昆明315090452417贵阳310089892518太原305093532219西安300785443320沈阳292688802921成都2868103941622武汉285895642023长沙2825110211524南宁281780603425南昌277786903026重庆273292212327郑州265093642128哈尔滨257489402729石家庄247086223130兰州243876843631海口233089812632乌鲁木齐228097291933合肥222086103234长春219189002835呼和浩特1960101661836银川193079843537西宁182176263737城市平均380211357由上表可知人均收入越高，所能购买的房价承受能力越高，可将其与房价的关系假设为线性关系。 Ed=K2+S S为常数6综合各因素考虑房地产价格。建立模型为E=f(P,B,R,Q,T,C)= V1D*G+V2k1B/RQ+V3a exV4k2P +r r为常数，V1V4为各个因素的对房地产价格影响的权重，可用层次分析法确定。当该因素对价格影响相对其他因素较为强烈时，则取较大值，否则取较小值。通过层次分析法来确定，并通过一致性检验。由于具体数据在各个地区有很大差异，估价时需考虑是针对全国平均水平还是具体某个城市。下面就模糊理论在评估房地产价格中的应用进行仔细考虑。模糊理论的主要特点是能定量的处理定性确定的种种模糊因素.模糊数学在房地产比较法评估中的应用，其择近原则尤为重要设在论域U= x1,x2,xn上有m个模糊子集 (m个模型)，构成了标准模型库。被识别的对象 也是一个模糊集， 与 中的哪一个最贴近？这就是一个模糊集对标准模糊集的识别问题。因此，这里涉及到两个模糊集的贴近程度问题。1、贴近度先把模糊向量的内积与外积推广到无限论域U上，内积与外积的简单性质对无限论域U上的模糊集也成立。由模糊集的内积与外积的性质可知，单独使用内积或外积还不能完全刻划两个模糊集 、 之间的贴近程度。模糊集的内积与外积都只能部分地表现两个模糊集的靠近程度。现在从直观上进一步说明这一点。在图1中所表示的两个模糊集 、 交点的纵坐标(隶属度)越大时，则与越靠近，而内积 正是表现了模糊集与交点的纵坐标(隶属度)。在图2中所表示的两个模糊集与交点的纵坐标(隶属度)越小时，则与越靠近，而外积 = 正好表现了这一点。综上所述，内积越大，模糊集越靠近；外积越小，模糊集也越靠近。因此，可用二者相结合的“贴近度”来刻划两个模糊集的贴近程度较为适合。设，是论域U上的模糊子集，则称 为与的贴近度。可见，当s0(A,B)越大(从而 越大， 越小)时，与越贴近。 贴近度描述了模糊集之间彼此贴近的程度，实际上，由于所研究问题的性质不同，进一步研究还有其他的贴近度方法。但是，经过多宗估价实例的应用，发现式（1）的表示方法更适用于房地产的估价。 2、择近原则 设论域U上有m个模糊集 ，构成一个标准模型库, (U)为待识别的模型。若存在i01，2,， m ，使得 (2) 则称 与 最贴近，或者说把 归并到 类。 3、多个特性的择近原则 设论域U上有两个模糊向量集合族则 与 的贴近度定义为 （3）三、关于公式中的问题 上期的论文研究了正确运用比较法时，估价师所面临的两个需要解决的棘手问题：一是如何选择与待估房地产条件相似的交易实例，二是如何确定待估房地产的价格。而模糊数学在对象的相似程度识别方面，引进了贴近度的概念，对象越相近，贴近度越大，这样可以解决比较法中如何选择与待估房地产最相似的交易实例的问题。进一步研究发现，将待估房地产与交易实例之间的贴近度的大小转化为权数，并成功地建立了“快速递减加权式”，独创性地解决比较法的第二个难题。所述内容具有充分的理论依据和较强的应用价值，对拓展房地产估价方法，准确评估房地产价值具有推广应用价值。 1、关于计算符号 设已有n个房地产交易实例的资料 用 表示第i个房地产交易实例的特征向量， ，即各相关资料的分值，可用“评估设想结果法”进行逐项控制（在房地产估价方法的拓展专著中叙述，施建刚著）。 为内积运算； 为外积运算； 为取大运算，如： =0.9； 为取小运算，如： =0.8。 2、公式中的注意点 利用贴近度计算公式可计算待估房地产的 与房地产交易实例 的贴近度为 。 有可能出现相同的数值，这时可利用模糊关系系数的大小来排序： （4） 然后从大到小排序，记为 ，一般情况下， ，但必须 。相应的房地产交易实例价格（修正后）为 。即与待估房地产最相似的（贴近度最大）交易实例的价格为 ，次相似的为 ，依次类推，最不相似的为 。 相似程度高的交易实例，其权值就大，因而所起的调整作用也大；相似程度低的交易实例，其权值就小，因而所起的调整作用也小。用相似程度的大小来控制相应交易实例的调整作用，这显然是非常有道理的。 在实际工作中，考虑到权值是呈指数级递降的，衰减非常大，贴近度为第四的交易实例的权值已经相当小，一般可以忽略，所以通常只要取最相似的三个交易实例就完全满足要求了。这就使得评估模型大为简化为： （5） 式中， 为修正系数，由于待估房地产与各交易实例之间只是相似，而不是完全相同，即存在着差异，且确定特征向量的隶属函数时也有误差，所以应对计算结果进行修正。这种修正主要是根据房地产估价师的评估经验，有时主要是评估策略上的修正，如政策变化、市场供求状况、顾客成交的迫切程度，愿承担的风险大小因素，均应作为决定评估结果需要考虑的因素原因分析：房地产业是我国重要的支柱产业，房屋消费是当前国民经济的重要增长点。但近年来不断上涨的房地产价格影响了国民经济健康发展，也引发了一些社会问题，成为社会各界关注的热点。近期国务院领导就房地产价格及房地产市场发展的有关问题多次批示，要求有关部门加强研究，采取有效措施稳定房地产价格，促进我国房地产市场稳定健康发展。本文就房地产价格上涨较快的原因、对国民经济的影响以及如何稳定房地产价格，促进房地产市场健康发展，作了初步的分析。房地产价格上涨较快的主要原因是目前正处在房地产市场发展的关键和敏感期。全国房地产价格涨幅较高，是需求拉动、成本推动和管理不力三方面主要因素综合作用的结果。具体分析有以下几点：一、居民消费水平提高、城市化进程加快和城市功能提升，使房屋需求加大，供需矛盾紧张，推动房屋销售价格较快上涨。 中国城镇人口达5.43亿。上世纪90年代以来，我国城镇人口每年增加1000多万，成为人类历史上最大规模的人口城市化现象。如重庆、杭州全市年度增加的人口分别超过10万和5万人；天津、沈阳等城市改建和居民拆迁规模都很大；农民工大量进城，使城市流动人口不断增加。这些因素推动了房屋被动需求的释放，导致了房屋一二三级市场的需求增加，房屋销售价格较大幅度上涨，房屋租赁价格也在提高。反过来，房屋销售价格的上涨又刺激需求释放，进一步推动需求增加。这样，房屋销售市场需求和房屋销售价格相互推动，一起攀升。二、房屋销售价格和土地销售价格相互推波助澜。首先，随着工业化和城镇化建设推进，大量土地资源被占用，使土地资源减少。加之房屋建设市场土地的需求增加，使土地的供需矛盾紧张，土地交易价格不断上涨。其次