孔德財(cái) 劉長(zhǎng)平 陳祥祥 王兵

摘要：隨著我國(guó)經(jīng)濟(jì)社會(huì)的快速發(fā)展，尤其是城鎮(zhèn)化水平的不斷提升，居民對(duì)于住房的剛性需求和改善性需求旺盛，我國(guó)二手房交易市場(chǎng)呈現(xiàn)出蓬勃發(fā)展的態(tài)勢(shì)。買賣交易匹配、房屋價(jià)格評(píng)估以及交易管理系統(tǒng)開(kāi)發(fā)等二手房交易市場(chǎng)中亟需解決的關(guān)鍵問(wèn)題，目前成為國(guó)內(nèi)外學(xué)者研究的重點(diǎn)領(lǐng)域。本文對(duì)這三個(gè)方面的國(guó)內(nèi)外研究現(xiàn)狀進(jìn)行了總結(jié)與評(píng)述，并對(duì)二手房交易市場(chǎng)未來(lái)發(fā)展需要關(guān)注的問(wèn)題進(jìn)行了展望。

Abstract： With the rapid development of China's economy and society， especially the continuous improvement of urbanization level， residents' rigid demand and improvement demand for housing is strong. The trade market of China's second-hand house is showing a booming trend. The key issues that need to be solved in second-hand house market such as trade matching， price evaluation and trade management system development have become the focus of research by scholars at home and abroad. This paper summarizes and comments on research status at home and abroad of these three aspects， and looks forward to the problems that need to be paid attention to in the future development of the second-hand house trade market.

關(guān)鍵詞：二手房;交易匹配;價(jià)格評(píng)估;交易平臺(tái)

Key words： second-hand house;trade matching;price evaluation;trade platform

中圖分類號(hào)：C931? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1006-4311（2019）31-0297-03

0? 引言

房地產(chǎn)業(yè)作為國(guó)民經(jīng)濟(jì)的基礎(chǔ)性產(chǎn)業(yè)，為國(guó)民經(jīng)濟(jì)的持續(xù)、健康、穩(wěn)定發(fā)展提供必要保證。其中二手房在解決城市房源短期供應(yīng)量不平衡、供應(yīng)主體單一，平抑新房?jī)r(jià)格上漲，調(diào)控房地產(chǎn)市場(chǎng)的規(guī)模和結(jié)構(gòu)等方面發(fā)揮著重要作用[1]。近年來(lái)我國(guó)二手房交易市場(chǎng)呈現(xiàn)出蓬勃發(fā)展的態(tài)勢(shì)。當(dāng)前在我國(guó)二手房交易主要有兩種模式：一種是基于實(shí)體店的線下二手房中介交易模式，本文將其稱之為傳統(tǒng)二手房交易;另外一種是基于互聯(lián)網(wǎng)的電子中介交易模式[2，3]。傳統(tǒng)的二手房交易是賣方（房主）和買方分別到房產(chǎn)中介實(shí)體店登記房屋銷售信息和個(gè)人購(gòu)買信息，由房產(chǎn)中介為雙方推薦合適的賣方和買方，買賣雙方向中介交納一定金額的費(fèi)用。由于每個(gè)房產(chǎn)中介實(shí)體店所擁有的買方和賣方數(shù)量非常有限，并且交易信息更新速度慢、信息不對(duì)稱、容易受地理位置限制等，傳統(tǒng)的二手房交易等待交易時(shí)間比較長(zhǎng)，交易的效率比較低下，交易的時(shí)間成本和費(fèi)用都很高?；诨ヂ?lián)網(wǎng)的電子中介交易模式是二手房的賣方將房屋信息發(fā)布到二手房交易平臺(tái)上，買方通過(guò)瀏覽和篩選，若找到滿意的房屋，則與賣方進(jìn)行聯(lián)系，雙方協(xié)商成功，則達(dá)成交易;否則，買方繼續(xù)與下一個(gè)滿意的賣方進(jìn)行聯(lián)系。二手房交易平臺(tái)可以聚合大量的買賣雙方，在一定程度上解決了信息不對(duì)稱的問(wèn)題，縮短了交易等待時(shí)間，提高了交易的效率。本文從二手房交易匹配方法、交易價(jià)格評(píng)估、交易管理系統(tǒng)開(kāi)發(fā)等方面，對(duì)近年來(lái)二手房交易國(guó)內(nèi)外學(xué)者的研究成果進(jìn)行了總結(jié)與評(píng)述，并對(duì)未來(lái)二手房交易的發(fā)展進(jìn)行了展望。

1? 二手房交易匹配方法研究

二手房交易匹配問(wèn)題的研究起源于婚姻匹配問(wèn)題的研究。2012年諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者Shapley最早針對(duì)婚姻匹配問(wèn)題，考慮男女雙方針對(duì)對(duì)方給出的強(qiáng)偏好序信息，給出了尋求穩(wěn)定匹配的G-S算法[4];另一位諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者Roth等隨后對(duì)G-S算法進(jìn)行了擴(kuò)展應(yīng)用，并提出雙邊匹配的市場(chǎng)設(shè)計(jì)實(shí)踐理論[5-7];近年來(lái)一些國(guó)內(nèi)外學(xué)者開(kāi)始關(guān)注二手房交易匹配問(wèn)題的研究，并取得了一些成果。

張振華和汪定偉基于買賣雙方的信息反饋策略，提出了一個(gè)二手房交易模型，此模型采用了智能agent搜索技術(shù)，按照適合程度為買方提供一個(gè)賣家推薦列表，并以成交額和買賣雙方的滿意度最大為優(yōu)化目標(biāo)構(gòu)建了數(shù)學(xué)模型，來(lái)對(duì)買賣雙方進(jìn)行優(yōu)化匹配[8]。樊治平等針對(duì)具有多屬性評(píng)價(jià)信息的二手房買賣交易匹配問(wèn)題，采用公理設(shè)計(jì)方法計(jì)算雙方交易的匹配程度，以買賣雙方交易方案的信息容量最小和交易匹配數(shù)量最大為優(yōu)化目標(biāo)，構(gòu)建了多目標(biāo)優(yōu)化模型[9]。梁海明和姜艷萍針對(duì)二手房屋的不同交易屬性形式，如成本型約束、效益型約束、區(qū)間型約束，給出了買賣雙方的滿意度計(jì)算函數(shù)，在考慮匹配穩(wěn)定性的基礎(chǔ)上，設(shè)計(jì)了基于匹配滿意度的擴(kuò)展H-R算法來(lái)優(yōu)化買賣雙方的匹配[10]。Jung和Jo研究了電子中介中的多屬性商品交易匹配問(wèn)題，開(kāi)發(fā)了約束滿足問(wèn)題的求解器并在房產(chǎn)中介交易網(wǎng)站進(jìn)行應(yīng)用[11]。Ragone等針對(duì)互聯(lián)網(wǎng)平臺(tái)中考慮模糊信息的買賣交易匹配問(wèn)題，提出了一個(gè)考慮雙方偏好和效用的優(yōu)化匹配方法[12]。Sim 和 Chan研究了基于電子中介的買賣雙方交易匹配問(wèn)題，采用多屬性評(píng)價(jià)準(zhǔn)則來(lái)匹配買賣雙方，匹配和關(guān)聯(lián)買賣雙方的過(guò)程分為選擇、評(píng)價(jià)、過(guò)濾和指派等四個(gè)步驟[13]。Fink 等根據(jù)買賣雙方提交的多屬性需求信息，給出了快速識(shí)別匹配買賣雙方訂單的多屬性搜索算法[14]。Joshi 和 Boley針對(duì)買賣多屬性交易匹配中存在的軟約束，通過(guò)所開(kāi)發(fā)的匹配系統(tǒng)來(lái)計(jì)算買賣雙方的相似度[15]。Kameshwaran和Narahari為確定買賣雙方交易同類多單元商品的數(shù)量，建立了交易匹配的混合整數(shù)規(guī)劃模型[16]。

2? 二手房交易價(jià)格評(píng)估

在二手房交易市場(chǎng)，二手房?jī)r(jià)格是買賣雙方關(guān)注的焦點(diǎn)，也是影響二手房買賣交易達(dá)成的關(guān)鍵因素。 如何對(duì)二手房?jī)r(jià)格作出科學(xué)、合理與準(zhǔn)確評(píng)估稱為影響二手房市場(chǎng)發(fā)展的重要問(wèn)題。毛鳳華采用八爪魚(yú)軟件爬取了北京市二手房23159條數(shù)據(jù)，采用聚類分析方法對(duì)房屋面積、建筑層高、裝修情況、城區(qū)位置、交通狀況、客廳數(shù)量、臥室數(shù)量等屬性進(jìn)行了分析[17]。阮連法等基于特征價(jià)格理論，以杭州市西湖區(qū)二手房交易價(jià)格數(shù)據(jù)，采用支持向量機(jī)方法構(gòu)建了二手房?jī)r(jià)格評(píng)估模型[18]。李圓圓采用二手房所在區(qū)域、房屋面積、戶型、樓層、建造時(shí)間等硬指標(biāo)和交易瀏覽次數(shù)、關(guān)注次數(shù)、帶看次數(shù)等軟指標(biāo)作為影響因素，采用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)二手房?jī)r(jià)格進(jìn)行預(yù)測(cè)[19]。汪瑞和李登峰以買賣雙方風(fēng)險(xiǎn)中性為前提假設(shè)，構(gòu)建二手房交易雙方討價(jià)還價(jià)博弈模型，研究結(jié)果表明討價(jià)還價(jià)的博弈結(jié)果與雙方的貼現(xiàn)因子有關(guān)[20]。劉國(guó)達(dá)比較了二手房估價(jià)常用的方法如收益法、成本法、假設(shè)開(kāi)發(fā)法和市場(chǎng)比較法，基于J2EE平臺(tái)采用MVC設(shè)計(jì)模式設(shè)計(jì)和開(kāi)發(fā)了二手房交易價(jià)格評(píng)估系統(tǒng)[21]。黃明宇和夏典從鏈家二手房交易平臺(tái)中爬取了合肥市二手房交易數(shù)據(jù)，選用了房屋朝向、戶型、樓層段、使用年限、建筑面積、裝修程度等11個(gè)影響因素作為變量，構(gòu)建了用于二手房?jī)r(jià)格預(yù)測(cè)的多元線性回歸模型[22]。

3? 二手房交易管理系統(tǒng)開(kāi)發(fā)

采用手工操作方式來(lái)撮合買賣雙方進(jìn)行交易的傳統(tǒng)二手房交易模式，由于其低效率與高成本已經(jīng)很難適應(yīng)二手房交易市場(chǎng)的快速發(fā)展。在“互聯(lián)網(wǎng)+”時(shí)代，基于PC端和移動(dòng)端的二手房交易管理系統(tǒng)成為二手房中介運(yùn)營(yíng)管理的必備工具。朱俊基于SaaS平臺(tái)架構(gòu)，采用ASP.NET開(kāi)發(fā)語(yǔ)言開(kāi)發(fā)了一個(gè)二手房智能分析系統(tǒng)，該系統(tǒng)具有買賣雙方信息管理模塊、交易合同管理模塊等[23]。魏迪采用數(shù)據(jù)預(yù)測(cè)模型篩選出熱門房源，設(shè)計(jì)并開(kāi)發(fā)了一個(gè)二手房交易數(shù)據(jù)的可視化系統(tǒng)[24]。李林濤和高崢采用.Net和工作流技術(shù)，開(kāi)發(fā)了一個(gè)具有二手房報(bào)表管理、自助交易、轉(zhuǎn)讓抵押、轉(zhuǎn)讓登記、中介機(jī)構(gòu)資質(zhì)驗(yàn)證等功能的二手房買賣交易管理信息系統(tǒng)[25]。周旻嬌和張汗靈為了保障二手房交易資金安全，保護(hù)買賣雙方的合作權(quán)益，采用工作流建模工具，設(shè)計(jì)了C/S和B/S相融合的二手房交易及資金監(jiān)管系統(tǒng)[26]。吉曉香和陳珂基于B/S架構(gòu)和ASP.NET技術(shù)，開(kāi)發(fā)了具有登錄注冊(cè)、二手房信息發(fā)布、二手房信息咨詢等功能的二手房交易系統(tǒng)[27]。楊峰和魏文軒開(kāi)發(fā)了一個(gè)包括模型管理系統(tǒng)和模型庫(kù)的房產(chǎn)價(jià)格評(píng)估決策支持系統(tǒng)[28]。姜劭凡采用Java編程語(yǔ)言開(kāi)發(fā)了一個(gè)二手房交易資金監(jiān)管系統(tǒng)，通過(guò)該系統(tǒng)二手房交易過(guò)程中的交易資金將由第三方機(jī)構(gòu)監(jiān)管[29]。郭文魁介紹了一種二手房移動(dòng)互聯(lián)平臺(tái)——淘套房，該平臺(tái)提供了二手房交易知識(shí)、房源信息體驗(yàn)分享、二手房評(píng)估、售后服務(wù)等功能[30]。吳曉峰基于J2EE技術(shù)開(kāi)發(fā)了一個(gè)房產(chǎn)交易管理系統(tǒng)，該系統(tǒng)具有房屋租賃模式、房產(chǎn)交易模式、金融交易模式和個(gè)性化服務(wù)模式[31]。王曉靜開(kāi)發(fā)了一個(gè)基于移動(dòng)應(yīng)用的房產(chǎn)中介管理系統(tǒng)，該系統(tǒng)在PC端系統(tǒng)采用java語(yǔ)言與SSH技術(shù)架構(gòu)進(jìn)行系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)，在移動(dòng)端采用Andriod技術(shù)開(kāi)發(fā)，主要擁有售房租房管理、買客租客管理、房源信息采集、日常辦公管理與系統(tǒng)管理功能[32]。周潔采用面向?qū)ο箝_(kāi)發(fā)技術(shù)開(kāi)發(fā)了房產(chǎn)中介決策分析系統(tǒng)，可以根據(jù)買方需求信息提供多條件信息匹配功能，還具有可視化統(tǒng)計(jì)功能[33]。徐楊以VS.Net 2010為開(kāi)發(fā)平臺(tái)采用C#編程語(yǔ)言，設(shè)計(jì)并實(shí)現(xiàn)了基于分層架構(gòu)的房地產(chǎn)中介管理系統(tǒng)，用于房產(chǎn)信息收集、交易雙方信息查詢、房產(chǎn)交易等[34]。

4? 評(píng)述與展望

本文對(duì)二手房市場(chǎng)中的交易匹配方法、交易價(jià)格評(píng)估和交易管理系統(tǒng)開(kāi)發(fā)等方面的文獻(xiàn)進(jìn)行了系統(tǒng)總結(jié)。從上述已有文獻(xiàn)發(fā)現(xiàn)：①一些文獻(xiàn)對(duì)具有多屬性評(píng)價(jià)信息和模糊信息的二手房交易匹配問(wèn)題進(jìn)行了研究，構(gòu)建了確定買賣雙方最優(yōu)匹配對(duì)的數(shù)學(xué)模型和優(yōu)化算法;②對(duì)于二手房?jī)r(jià)格評(píng)估許多學(xué)者以二手房屬性如房屋面積、戶型、樓層等作為評(píng)估因素，以BP神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、多元線性回歸等方法構(gòu)建了價(jià)格評(píng)估模型;③已有研究大多采用面向?qū)ο箝_(kāi)發(fā)方法，開(kāi)發(fā)了二手房交易管理系統(tǒng)，功能包括用戶注冊(cè)、房屋信息和買方需求信息登記、信息篩選與查詢、留言管理、系統(tǒng)管理等。

已有研究取得了大量的成果，促進(jìn)了二手房交易市場(chǎng)的發(fā)展。然而，隨著買賣雙方數(shù)量的逐步增多，以及大數(shù)據(jù)、人工智能等信息技術(shù)的不斷發(fā)展，二手房交易市場(chǎng)面臨著一些新的問(wèn)題亟需解決：①現(xiàn)實(shí)生活中買賣雙方在交易平臺(tái)上提供的信息很多時(shí)候是不完全的、缺失的，甚至提供一些虛假的房屋信息，如何針對(duì)這些情況給出有針對(duì)性的交易匹配方法是未來(lái)需要研究的重點(diǎn)問(wèn)題;②雖然有部分學(xué)者通過(guò)軟件爬取了一些二手房交易數(shù)據(jù)來(lái)評(píng)估房屋價(jià)格，但目前缺少將大數(shù)據(jù)挖掘技術(shù)應(yīng)用于買賣雙方交易匹配方法;③關(guān)于二手房交易價(jià)格的評(píng)估，以往研究往往只考慮了房屋的屬性信息，而沒(méi)有考慮買賣雙方的交易心理，下一步需要研究考慮買賣雙方交易心理的價(jià)格形成機(jī)制;④已有系統(tǒng)開(kāi)發(fā)方法大多沒(méi)有考慮將交易匹配模型和算法嵌入到二手房交易管理系統(tǒng)中，因此，開(kāi)發(fā)一款滿足買方對(duì)房源的需求信息和賣方要求，并且可以實(shí)現(xiàn)為買賣雙方自動(dòng)推薦合適房源和買方的智能匹配系統(tǒng)，實(shí)現(xiàn)二手房買賣交易的快速、有效匹配，不僅具有重要的理論研究意義，而且還具有重要的實(shí)際應(yīng)用價(jià)值。

參考文獻(xiàn)：

[1]黃燕芬，洪文斌，余華義.市場(chǎng)情緒如何影響城市房?jī)r(jià)[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2019（07）：75-88.

[2]Jiang Z Z， Zhang R， Fan Z P， et al. A fuzzy matching model with Hurwicz criteria for one-shot multi-attribute exchanges in E-brokerage[J]. Fuzzy Optimization and Decision Making， 2015， 14（1）： 77-96.

[3]Le D T， Zhang M， Ren F. An economic model-based matching approach between buyers and sellers through a broker in an open e-marketplace[J]. Journal of Systems Science and Systems Engineering， 2018， 27（2）： 156-179.

[4]Gale D， Shapley L S. College admissions and the stability of marriage [J]. The American Mathematical Monthly， 1962， 69（1）： 9-15.

[5]Roth A E. New physicians： a natural experiment in market organization [J]. Science， 1990， 250（4987）：1524-1528.

[6]Roth A E. What have we learned from market design？ [J]. The Economic Journal， 2008， 118（527）：285-310.

[7]Roth A E， Shapley L S. Stable allocations and the practice of market design [J]. Scientific background on the Sveriges Riksbank prize in economic sciences in memory of Alfred Nobel， The Royal Swedish Academy of Sciences， 2012.

[8]張振華，汪定偉.電子中介在舊房市場(chǎng)中的交易模型研究[J].系統(tǒng)仿真學(xué)報(bào)，2006，18（02）：492-495，499.

[9]樊治平，陳希.電子中介中基于公理設(shè)計(jì)的多屬性交易匹配研究[J].科學(xué)管理，2009，22（3）：83-88.

[10]梁海明，姜艷萍.二手房組合交易匹配決策方法[J].系統(tǒng)工程理論與實(shí)踐，2015，35（02）：358-367.

[11]Jung J J， Jo G S. Brokerage between buyer and seller agents using constraint satisfaction problem models[J].Decision Support Systems， 2000， 28（4）： 293-304.

[12]Ragone A， Straceiab U， Noiaa T D， et al. Fuzzy matchmaking in e-marketplaces of peer entities using Datalog[J].Fuzzy Sets and Systems，2009，160（2）：251-268.

[13]Sim K M， Chan R. A brokering protocol for agent-based e-commerce[J]. Systems， Man， andCybernetics， Part C： Applications and Reviews， IEEE Transactions on， 2000， 30（4）： 474-484.

[14]Fink E， Gong J， Johnson J. Exchange market for complex commodities： search for optimal matches[J]. Journal of Experimental & Theoretical Artificial Intelligence， 2007， 19（2）： 91-117.

[15]Joshi M， Boley H. Compromise matching in P2P e-marketplaces： concept， algorithm and use case [J].Multi-disciplinary Trends in Artificial Intelligence， 2011： 384-394.

[16]Kameshwaran S， Narahari Y. Trade determination in multi-attribute exchanges[C]//E-Commerce，2003. CEC 2003. IEEE International Conference on. IEEE， 2003： 173-180.

[17]毛鳳華.基于聚類分析的二手房推薦研究——以北京市為例[J].科技創(chuàng)業(yè)月刊，2018，31（05）：149-153.

[18]阮連法，張躍威，張?chǎng)?基于特征價(jià)格與SVM的二手房?jī)r(jià)格評(píng)估[J].技術(shù)經(jīng)濟(jì)與管理研究，2008（05）：75-78.

[19]李圓圓.基于BP神經(jīng)網(wǎng)絡(luò)的北京市二手房交易價(jià)格預(yù)測(cè)研究[D].首都經(jīng)濟(jì)貿(mào)易大學(xué)，2018.

[20]汪瑞，李登峰.二手房交易討價(jià)還價(jià)博弈模型[J].系統(tǒng)工程學(xué)報(bào)，2017，32（05）：588-595.

[21]劉國(guó)達(dá).賀州市二手房交易價(jià)格評(píng)估系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].電子科技大學(xué)，2018.

[22]黃明宇，夏典.合肥市二手房?jī)r(jià)多元線性回歸預(yù)測(cè)模型[J].合作經(jīng)濟(jì)與科技，2019（09）：80-82.

[23]朱俊.二手房數(shù)據(jù)分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].西南交通大學(xué)，2017.

[24]魏迪.城市二手房交易數(shù)據(jù)可視化系統(tǒng)研究與實(shí)現(xiàn)[D].天津大學(xué)，2018.

[25]李林濤，高崢.二手房交易管理信息系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[J].科技信息，2011（19）：504-505.

[26]周旻嬌，張汗靈.二手房交易及資金監(jiān)管系統(tǒng)設(shè)計(jì)與應(yīng)用研究[J].科學(xué)技術(shù)與工程，2010，10（05）：1188-1192.

[27]吉曉香，陳珂.基于B/S架構(gòu)的二手房交易系統(tǒng)[J].電腦知識(shí)與技術(shù)，2012，8（21）：5246-5248.

[28]楊峰，魏文軒.基于交易系統(tǒng)的房產(chǎn)評(píng)估決策支持系統(tǒng)[J].信陽(yáng)師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2002，15（03）：342-344.

[29]姜劭凡. 二手房產(chǎn)交易資金監(jiān)管系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].大連理工大學(xué)，2013.

[30]郭文魁.移動(dòng)互聯(lián)時(shí)代二手房平臺(tái)（淘套房）商業(yè)模式構(gòu)建與研究[D].山東師范大學(xué)，2014.

[31]吳曉峰.基于J2EE的房產(chǎn)交易系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].湖南大學(xué)，2016.

[32]王曉靜.基于移動(dòng)應(yīng)用的房產(chǎn)中介管理系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].山東大學(xué)，2016.

[33]周潔.房產(chǎn)中介決策分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].河北科技大學(xué)，2018.

[34]徐楊.基于Web的房地產(chǎn)中介管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[D].電子科技大學(xué)，2014.