文档介绍：该【经纪人对二手房价格形成机制的影响-基于链家数据的研究 】是由【科技星球】上传分享，文档一共【21】页，该文档可以免费在线阅读，需要了解更多关于【经纪人对二手房价格形成机制的影响-基于链家数据的研究 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。经纪人对二手房价格形成机制的影响基于链家数据的研究??杨现领许海波一、引言与文献评述与普通商品交易市场不同,住宅作为家庭消费品中异质性最高、交易频率最低的商品,其市场具有典型的信息不完全和不对称性。这就需要经纪人协助买卖双方降低搜索成本,促成双方匹配。近年来,我国房地产业发展迅速,全国各地区房价不断攀升,尤其是北京、上海、杭州、深圳等大城市上涨幅度尤为迅速。随着房地产市场的持续升温,房屋价格的持续上涨引起了社会各界广泛的关注,经纪人在房屋价格形成过程中所起的作用也越来越受到重视。国外关于经纪人在房屋交易过程中作用的研究有很多,Jud和Frew(1986)[1]根据美国1977年MLS(MultipleListingServices)和FSBO(ForSaleByOwn?er)系统的房屋成交数据比较研究了经纪人的参与对房屋挂牌价的影响。研究发现,经纪人的参与提高了房屋的挂牌价;Benjamin和Chinloy(2000)[2]采用线性Probit模型对房屋异质性和经纪人因素进行回归,检验了经纪人的两种营销策略对房屋挂牌价格的影响。他们的研究发现,经纪人会为了加快房屋销售的速度而实行低挂牌价策略,也会为了获取高的成交价在挂牌时将价格定高。学者们认为,经纪人对交易过程的影响还体现在交易持时上,Baryla和Zumpano(1995)[3]建立了基于搜寻理论框架的模型,通过对经纪人成交和自行成交数据的对比研究发现,本地首次购房者及外地购房者比有经验的购房者搜寻时间更长,由于工作地变动导致的购房者搜寻时间更短。而经纪人的参与能够降低所有购房者的搜寻时长,提高市场效率。国内这方面的研究非常少见,目前仅我国台湾和香港有学者对价格的分散度做过研究,如林祖嘉(1994)[4]认为住宅市场的价格与买卖双方的搜寻行为有着密切的关系,搜索后市场均衡价格的分散度要比搜寻前市场均衡价格的分散度更低,即买卖双方的搜寻行为会使价格更加收敛;廖仲仁和张金鹗(2006)[5]利用特征价格模型的残差对是否有经纪人参与房屋的价格分散度进行了比较研究,其研究样本是台北的成交房源,研究发现成交房源的成交分散度显著低于挂牌价分散度,作者同时对比了经纪人参与成交房屋和自行成交房屋的价格分散度,发现有经纪人参与的房屋价格分散度更低,经纪人能够发挥其信息优势从而进行更有效的定价和搜寻。国内外学术界关于经纪人对房屋价格的影响研究仍存在以下不足之处:第一,大部分研究中对房屋价格的分析,其研究样本通常只是单一的挂牌价或成交价,然而这两种价格都仅仅只是价格的一部分。房价在房屋挂牌时产生,在搜寻过程中发生变化,这种动态变化未被揭示出来。第二,经纪人对价格影响机制的研究,一般是从结果上对比通过经纪人成交和自行交易的价格分布和交易效率的差异,这种方法一方面忽略了两种交易方式中购房者和卖方本身的差异,另一方面几乎没有对经纪人在挂牌、搜寻过程中的具体行为影响进行研究,从而无法解释经纪人行为到底如何影响价格的形成。基于这些不足,本文采用链家在2016年9月到2017年10月期间北京市34个商圈的挂牌房源、经纪人行为等数据,对经纪人参与下北京二手房交易市场的价格形成机制进行深入探讨。首先以作业流程还原经纪人在价格形成各环节中的作用机制;然后利用特征价格模型描述不同市场行情下房源的挂牌及成交价格;最后利用COX比例风险率模型分析经纪人行为对房源成交价和交易效率的影响。全文首次揭开经纪行业的神秘面纱,真实还原了经纪人在房屋交易中的行动,详细阐述了房产经纪人在挂牌、聚焦、带看、成交等环节的作业流程,意在打破学术界乃至社会对经纪人作业方式的认知局限。考虑到国内市场行情对房地产的影响较大,本文选取了市场行情上升明显和较平稳的两个阶段的数据进行对比分析。本文并非简单地研究房屋交易过程中的成交价或挂牌价等单一价格,而是将房屋整个交易过程作为整体进行分析,研究房屋价格的动态变化过程。此外,本文还研究了经纪人对这一变化过程的影响机制,采用COX比例风险模型分析,详述了经纪人从房屋挂牌开始,在房屋匹配和房屋交易达成过程中所起的作用,解释了经纪人行为到底如何影响价格的形成。文末基于实证研究结果对相关管理人员和经纪机构提出了可行性建议,对房屋交易市场的可持续健康发展和今后的学术研究都有着十分重要的意义。本文余下部分安排如下:第二部分介绍了二手房买卖经纪人的作业流程;第三部分描述了研究中所采用的数据及实证模型;第四部分分析实证结果;第五部分为总结和建议。二、经纪人作业流程分解房屋交易市场非常复杂,经纪人在交易过程中的作业方式也会随市场行情的变化而改变。为研究经纪人在房屋交易过程中对房价动态变化过程的影响,我们首先需要了解经纪人作业中有哪些具体工作环节会对房价产生影响。以链家经纪人作业为例,交易过程中经纪人可能对价格进行影响的作业环节依次为:挂牌、聚焦、带看和成交。(一)挂牌挂牌标志着一个房源进入市场出售,首次挂牌时的价格称为首次挂牌价。首次挂牌价的形成机制是:经纪人结合所掌握的市场信息,包括最近成交价、在售房源成交周期、成交价变化趋势等,向卖方提出挂牌建议;卖方根据自己对房屋价值、交易成本、市场行情的评估,结合经纪人建议综合考虑决定首次挂牌价。在市场由上行转变为稳定或下行周期时,经纪人会对挂牌房源进行“限价”,即对房屋的总价或者单价进行一定的上限限制。总价或者单价超过上限的房屋,可以挂牌但不能在APP上展示,只能出现在后台房源数据库中。首次挂牌价的制定非常重要,将直接影响房屋是否可以吸引买家到来,也是买卖双方进行讨价还价的重要基准。超过限价的挂牌房源只能依靠经纪人主动推广才能带来曝光,相对来说不容易成交。理论上讲,经纪人的“限价”策略会使房源整体上向市场真实价值①市场真实价值:文中房屋的市场真实价值指在由房屋的室厅数目、建筑面积、建筑类型、装修、朝向、楼层、房龄、地理位置、周边环境等自然属性和是否贷款、房屋所处状态、小区物业费等社会属性综合影响下的价值,具体值由SUR模型预估的市场真实价格表示,详情见公式(3)。回归,从而影响最终的房价。(二)聚焦在房屋成功挂牌之后,经纪人会根据经验在当前所有处于有效挂牌状态的房屋中选取高性价比或者急售的房屋进行“聚焦”。聚焦的过程如下:首先由负责房源维护的经纪人提出聚焦申请,由该房源所在商圈的商圈经理审批。审批通过后,房源在APP上显示为“优选”房源,聚焦房源将得到包括该房源所在商圈在内的整个大区的经纪人在内部进行推广和客户匹配(这一点是聚焦房源和非聚焦房源的核心差异)。也就是说,在经纪机构里,一旦房源被聚焦,就意味着该房源在短时间内将获得更大范围内、更多经纪人的推广和客源曝光。房屋“聚焦”的有效周期一般为一周,一周后商圈将重新对所有房源进行评估,选出聚焦房源。但优质急售房源一般第一周就会被定为聚焦房源,因此本文着重考虑房屋挂牌一周内聚焦情况对出售情况的影响。理论上,“聚焦”是经纪人的一种筛选机制,对房源后续的约看、带看及房屋成交产生重要的影响。根据经纪人的作业原理,越接近市场真实价值的房源越容易成为“聚焦”房源,聚焦房源往往成交率高,成交周期短。(三)带看经纪人的下一个作业环节是“带看”。带看包括几个子作业环节:第一步,经纪人通过网络端口、门店接待、老客户挖掘等获取客源,并与房源进行预匹配;第二步,经纪人针对预匹配的房源和客源,约定带看时间,带客实地看房评估;第三步,经纪人结合买方客户对带看房源的反馈、出价与卖方客户进行意向沟通。首次挂牌定价、是否聚焦都会影响房源首次带看到来的时间、带看的次数以及带看持续的时间。理论上讲,首次挂牌定价越高,带看可能越少,首次带看的到来也可能会越晚。因此,对于首次挂牌价过于高估的房源,在带看过程中将伴随着房源的调价,卖方客户通过经纪人的带看反馈重新建立销售价格预期,将价格调整到更合理的区间,从而促进后续的成交。(四)成交带看匹配成功的买卖双方,经纪人将对其进行最后的成交撮合。在此之前,价格往往已经由首次挂牌价经过数次调整形成末次挂牌价,买卖双方基于末次挂牌价由经纪人进行价格协商,协商后达成一致,形成最终的成交价格。房屋自挂牌之日起到成交日期之间的时间差,称为房屋的市场交易持时(timeonmarket,TOM),后文简称TOM。综合来说,经纪人对房价的作用机制主要体现在4个环节:一是在挂牌阶段通过释放市场信息影响业主预期,甚至实行“限价”策略直接影响首次挂牌价格;二是通过“聚焦”策略影响不同房屋的带看密度及成交,从而影响最终的成交价格分布;三是在带看阶段,通过向卖方客户持续反馈买方客户数量及出价信息影响价格,促成调价;四是在谈判环节进行价格协商形成最终成交价格。在这4个环节上,首次挂牌价是最终价格形成的基础,聚焦影响带看,带看可能伴随调价,而匹配成功后的价格谈判形成最终的成交价格。基于这一分解的作业流程,我们对经纪人的价格影响机制提出以下假设:假设1:市场景气程度不同时,经纪人对首次挂牌价的影响不同,市场稳定或下行时,经纪人更能够在首次挂牌时协助卖方客户制定合理的价格。假设2:首次挂牌价制定后,“聚焦”将使得首次挂牌定价合理的房源获得更快的成交,从而改变成交样本的价格分布,使价格更加收敛。可以看到,这两个假设只涉及作业1和2环节,这是由于价格形成过程周期长,且过程中经纪人与客户相互作用复杂,因此本文主要关注前两个环节,而将第3、4环节的研究作为后续的研究方向。以上两个假设均涉及一个核心定义,即房源的合理价格,本文采用特征价格模型(HedonicModel)来为房源计算一个合理价格,并基于此价格对这两个假设进行验证。具体而言,本文的研究分为三步:第一步,构建二手房特征价格模型,为房源确定一个合理价格;第二步,基于实际价格与合理价格之差即模型残差分析价格分散度,验证第一个假设;第三步,利用生存分析方法分析经纪人行为等因素对房屋交易的影响,验证第二个假设。三、COX比例风险模型(一)生存分析方法生存分析方法(SurvivalAnalysis)来源于医学领域关于病人存活率的研究,是研究个体生存时间和众多影响因素影响规律的一种统计分析方法。生存时间是某事件从起点时间开始到被观测对象出现终止事件为止所经历的时间,如医学中的疾病从“确诊”到“死亡”、电子产品从“开始使用”到“出现故障”等都可以称为生存时间(彭非和王伟,2004[6])。以二手房房屋买卖为例,从“挂牌”到“售出”,房屋的生存时间(交易持时)数据分为完整数据和截尾数据两种:当房屋在观测时间内售出,则为完整数据;若观测时间内,房屋并未售出,那么只知道房屋的生存时间大于我们的观测时间,这种数据称为截尾数据。生存时间受随机因素的影响,和任何随机变量一样都会形成一个分布。生存时间的分布通常用生存函数、概率密度函数和风险函数来刻画,这三个函数在数学上是等价的。对风险函数的分析通常用非参数模型、参数模型和半参数模型等方法。非参数法常用于估计未知的风险函数,比较常用有Kaplan?Meler法、寿命表法和对数秩法;常见的参数模型有指数回归模型、Weibull回归模型、对数logistic回归模型等;常用的半参数模型有Cox相对风险模型、比例风险模型等。在房屋确定在市场进行出售,即房屋挂牌之后,业主、经纪人、购房者等会对房屋进行一系列的动作,这些动作与房屋交易持时、房屋能否售出都有关系。如果数据存在截尾数据,我们想要分析这些动作因素对于房屋交易持时的影响,通常可以选择COX比例风险率模型进行研究。(二)COX比例风险模型COX比例风险模型(COXProportionalHazardModel)是一种半参数模型,(1972)[7]提出,主要研究对象是生存时间及其协变量之间的关系。COX比例风险率模型允许截尾数据的存在,可以同时分析众多因素对生存时间的影响(武阳丰等,2007[8])。设有n名胃癌病人,对第i个病人有(Ti,δi,Xi)。其中,Ti表示该病人的生存时间;δi为截尾标识变量,若为截尾数据,δi=1,否则δi=0;Xi=(xi1,xi2,…,xip)′,表示影响病人i生存时间的p维变量。那么,COX比例风险率模型的一般形式可以表示为:其中,h(t;X)表示受变量X影响的病人在t时刻的死亡风险函数;h0(t)为X=0时的基准风险函数;β=(β1,β2,…,βp),表示相应的因变量X的回归系数。第i个个体的风险率为:任意两个个体的风险函数之比称为相对危险度(relativerisk,RR)或相对风险比:相对风险比不随时间的变化而发生变化,即在协变量的不同状态下,个体的风险比例在不同时间点为常数。四、数据说明与模型方法(一)数据说明本文模型所用数据分为挂牌房源数据和经纪人行为数据两部分,两部分数据均来自北京链家网,下面是对两部分数据的详细介绍。。特征价格模型需要详细的挂牌房源数据。挂牌房源数据为2016年9月至2017年10月北京链家的所有挂牌房源数据,该时间段链家挂牌房源共354506套,成交房源66665套,%。354506套挂牌房源中,本文选取可以在链家网APP展示的161750套房源进行分析。数据清洗过程中对存在数据缺失、错误的房源进行剔除,共剔除71279套房源,剩余90471套。从中选取数据量大的城六区及昌平区、单个商圈成交房源量超过200的34个商圈,共32334套房源。考虑到北京房屋交易市场易受政策影响,而2017年3月17日北京市政府出台了严厉的限购政策,二手房交易从市场上行期转变为市场稳定期,由于2017年5月5日前链家系统中的房源聚焦数据无法观测到,且2017年3月17日至2017年5月5日期间政府刚刚出台一系列政策,市场具有一定的滞后性,市场还不够稳定,因此,我们删除了该时间段的2703条数据。因此我们将数据分为2段:2017年3月17日前和2017年5月5日后,下文简称为317前和317后。317前房源共20095套,317后房源为9536套。所涉及的变量如表1所示。表1房源变量说明表为捕捉挂牌时间对价格的影响,取房源挂牌月份作为分类变量加入;另外,房屋的朝向因窗数及朝向差异性非常大,为方便,处理房屋朝向变量为虚拟变量,将有南向窗的房源统一为南向房源,其余为非南向房源。这些变量的描述性统计如表2所示。