通過前面兩篇文章，我們鎖定了某個(gè)property，那么隨之而來的就是出價(jià)環(huán)節(jié)。這個(gè)環(huán)節(jié)的核心在于，對(duì)一個(gè)房子的真實(shí)價(jià)值有一個(gè)把握，也就是你對(duì)房子真實(shí)價(jià)值的estimate越接近其真實(shí)價(jià)值越好。這個(gè)環(huán)節(jié)的難度在于把這個(gè)價(jià)值用一個(gè)數(shù)字表達(dá)出來，畢竟最后offer的時(shí)候你需要給出的只是一個(gè)數(shù)字。

對(duì)于小白如我來說，這個(gè)估值主要來源于三個(gè)方面：1-talk to people, 聽有經(jīng)驗(yàn)的人的建議，包括sale agent, buy agent, 有投資經(jīng)驗(yàn)的朋友，自己的估值；2-模型計(jì)算，使用過AMP price finder付費(fèi)服務(wù)的朋友可能知道，如果你輸入一個(gè)property的地址，它會(huì)返回對(duì)這個(gè)property的估值。從我的使用經(jīng)驗(yàn)來看，對(duì)大多數(shù)中等區(qū)間的房子，AMP給出的估值還是比較decent的。土豪朋友們反應(yīng)，對(duì)豪宅的估值似乎比較不準(zhǔn)確。我猜測(cè)，它背后的算法可能是兩大塊加成的。第一部分算法根據(jù)周圍相似房產(chǎn)的價(jià)格給出一個(gè)benchmark，第二部分細(xì)調(diào)，應(yīng)該是使用了某種machine learning的算法，輸入的feature應(yīng)該是諸如房間數(shù)，車庫(kù)，屋頂?shù)鹊?，使用大量的sample來得到估值。再用房地產(chǎn)從業(yè)人員的經(jīng)驗(yàn)做對(duì)比來細(xì)調(diào)算法的參數(shù)。而對(duì)于豪宅而言，第一是數(shù)量較小，算法的學(xué)習(xí)sample稀缺，第二是豪宅的feature太多，可能有很多裝飾或者進(jìn)階的裝修，所以估值較難。

雖然AMP的price finder service挺好用的，但是呢，需要支付費(fèi)用還是有一定成本的，而且它的算法不是公開的，難以從中學(xué)習(xí)到insight。好消息是，AMP也開放了API，有興趣的developer朋友們可以去爬一爬他們的數(shù)據(jù)，應(yīng)該還是比較豐富的。爬到一定的數(shù)據(jù)量來建立模型，這個(gè)工程量也不是很小。但如果想學(xué)習(xí)house price modelling的朋友，可以下載kaggle網(wǎng)站的一個(gè)數(shù)據(jù)挖掘比賽提供的數(shù)據(jù)。這個(gè)數(shù)據(jù)提供的feature極其豐富，很有價(jià)值。

房屋定價(jià)模型

關(guān)于這個(gè)kaggle比賽的介紹如下，其數(shù)據(jù)是波士頓地區(qū)的房產(chǎn)數(shù)據(jù)。

House price modelling competition

在這個(gè)比賽的論壇里面，很多team公開了他們的code和analysis,所以在自己動(dòng)手model之前可以看一下大家的工作。一般回復(fù)率比較高的帖子都值得一看。

這個(gè)帖子做了一些exploratory analysis，比如作者做了一些feature correlation的分析，尋找和房?jī)r(jià)correlated比較緊密的feature

Correlation matrix

又比如論壇里這個(gè)帖子，已經(jīng)做了初步的回歸分析，用的是regularised regression，作者發(fā)布了一些初步的結(jié)果。感興趣的朋友，可以下載這個(gè)數(shù)據(jù)來試試建立自己的定價(jià)模型。

總結(jié)

在offer階段，可以結(jié)合經(jīng)驗(yàn)人士給出的估值，以及算法的估值，得出一個(gè)適合數(shù)字。這個(gè)數(shù)字作為offer階段negotiate的一桿秤。在討價(jià)還價(jià)的階段，賣方總有些trick來把價(jià)格拉高。可以理解，給對(duì)方一些利潤(rùn)的空間。把握大方向，適度讓利，畢竟咱們最重要的還是把買賣做成嘛。