赵华平[1]2013年在《城市房地产空间预期评估研究》文中提出区位作为房地产的重要特征，是形成城市间房地产价格差异和城市内不同区域房地产价格差异的重要原因，但不是唯一原因。国内外学者已经证明人们的预期对房地产价格的变动有着不可忽视的作用，而人们对未来经济和社会发展、收入变动、房价变动的预期更多源于国民经济和社会发展规划、城市规划、生态环境建设规划等的制定和出台，因此，研究区位因素和规划预期因素对房地产价格的作用成为国内外理论界和实务界关注的焦点。区位是空间位置关系的反映，规划是城市未来发展的蓝图，因此，在房地产评估中需要采用空间数据处理技术、空间统计分析方法来实现房地产价格的空间比较分析和规划预期的数字化模拟，以提高评估结果的客观合理性和科学动态性。本文集成应用了3S技术、面板数据模型、空间计量模型和Matlab、Eviews、Stata统计软件包，构建了城市商品住宅宜居性特征空间评价模型、矿业城市商品住宅价格空间评价模型、市场参与者异质预期对房价影响的双固定效应变截距模型、城市房地产预期评估模型、包含宏观调控虚拟变量的房价与租金变系数面板模型，提出了城市房地产空间预期评估方法，通过实证分析得到市场参与者的异质预期、规划预期、自然区位、政治区位、基础设施建设是影响房地产价格的主要因素，不同规划预期因素对商品住宅价格的影响在方向和提前期上存在显着差异，房价变动对宏观经济的影响、宏观调控下房价与租金的关系存在显着的城市差异等研究结论。主要贡献如下：1.提出了城市宜居性特征评价体系和矿业城市商品住宅价格影响因素体系，构建了城市商品住宅宜居性特征和矿业城市商品住宅价格的空间评价模型在国内外关于城市宜居性特征评价体系和商品住宅价格影响因素体系的基础上，通过增加自然、政治、交通和文化四个区位指标和矿业依存度、矿业从业率、资源开采度、矿产资源价格四个资源特征指标，形成了城市宜居性特征评价体系和矿业城市商品住宅价格影响因素体系。通过对2005-2010年中国35个大中城市和2003-2010年中国21个矿业地级市与39个非矿业地级市的实证研究，构建了城市商品住宅宜居性特征空间评价模型和矿业城市商品住宅价格空间评估模型，得出自然区位、政治区位、基础设施投资、气候条件、经济水平是形成城市间商品住宅价格差异的主要原因；环境因素、资源特征、基础设施、自然区位和政治区位是影响矿业城市商品住宅价格的重要因素，而人口数量、交通区位和文化区位是影响非矿业城市商品住宅价格的重要因素。2.分析了收入异质预期和规划预期对房地产价格的影响，构建了异质预期对住宅价格影响的双固定效应变截距模型和房地产预期评估模型以Giovanni Favaray&Zheng Song提出的异质预期为基础，分析了异质预期条件下市场参与者的最优住宅使用数量和市场均衡价格，通过对1999-2011年中国31个省、市、自治区的实证研究，构建了市场参与者异质预期对住宅价格影响的双固定效应变截距模型，得出市场参与者的异质预期程度与商品住宅价格呈正相关关系，且住宅市场存在类似于股市的短期动量和长期反转现象。从城市各种规划对房地产价格的影响出发，建立了城市房地产价格预期因素体系，以张所地构建的“城市不动产动态与预期评估模型”为基础，通过对模型的简化，以及对2000-2011年中国31个地区的实证研究，构建了包含先行因素、现实因素和预期因素的房地产预期评估模型，得出建材价格对商品住宅价格有滞后叁期的正影响，老年人口抚养比对商品住宅价格有显着的负影响，而少年人口抚养比对商品住宅价格的影响不显着，不同预期因素对商品住宅价格的影响在方向和提前作用期上存在显着差异。3.系统分析了住房价格变动对居民消费支出、人均GDP、居民人均可支配收入、居民消费水平和开发商住房投资的影响途径，实证研究了住房价格变动对宏观经济影响的区域差异在国内外关于住房价格变动对GDP、居民消费支出的影响研究基础上，增加了人均可支配收入、房地产投资和居民消费水平对住房价格变动的响应过程，系统分析了住房价格变动对宏观经济的影响途径。以面板向量自回归模型为基础，通过对2000-2011年中国31个省、市、自治区的实证研究，得出城镇居民消费支出、人均GDP、城镇居民人均可支配收入、城镇居民消费水平对住房价格变动在东、中、西部表现出不同的响应过程，只有房地产开发商的住房投资对住房价格变动的响应不存在区域差异。4.构建了包含宏观调控虚拟变量的房价与租金变系数面板模型，分析了宏观调控影响下房价与租金关系的城市差异在国内外关于房价与租金关系模型研究的基础上，增加了房地产宏观调控虚拟变量，通过对1998-2010年中国35个大中城市的实证研究，构建了包含宏观调控虚拟变量的房价与租金变系数面板模型，得出城市的人口构成不同、房地产需求类型不同等导致了房价与租金的关系在不同城市有不同的表现；城市的经济状况、物价变动、人口构成、房地产供给结构、其他扶持性政策等导致了宏观调控对房地产销售市场和租赁市场有不同的影响。
董坤杰[2]2017年在《基于特征价格模型的郑州市住宅价值评估研究》文中提出改革开放以来我国房地产行业快速发展,不仅是一线大都市房价居高不下,二线城市和叁线城市的房产市场也是异常火爆。2016年我国房地产市场的主格调是去库存,央行多次降息来撬动房地产市场,消化已建的房产。郑州市在这场房价的涨潮中异常活跃,从2015年10月开始房价一直处于上升状态,截止到2016年12月份房价总体上升4.11%,在全国各市中上涨幅度排名第五,二手房交易量75243套,成交面积699.56万平方米。面对如此巨大的房产交易量,传统的单项资产评估方法很难满足需求,再加上呼之欲出的房产税,将会使房产评估趋于常态化,定期评估缴税将会带动更大的评估需求。本文所研究的特征价格模型是针对批量评估的一种方法,通过构建房产特征变量与房产价格之间的方程可以批量化的评估,待评估房产基本信息输入特征模型即可得到需要评估房产的价格。特征价格模型是以计量经济学为基础,不仅可以提高评估的效率,而且可以提高评估的准确性,它克服了传统评估的主观性。但目前学者对特征价格模型的研究主要集中在一线大城市,对二叁线中型城市研究较少。本文以郑州市为例研究特征价格模型对二叁线城市的适用性,并分析影响郑州市住宅房产价格的主要因素。本文首先分析了郑州市住宅房地产市场的现状,并通过查阅文献实地调研等方式初步确定影响郑州市住宅房地产价格的因素,然后运用特征分析法将初步确定的特征因素分类、整理、量化。文章主要通过线性回归的方式将房产价格作为因变量,将影响房产价格的特征因素作为自变量进行回归分析,建立特征因素与房产价格之间的函数关系。在分析了郑州市住宅分布以后,笔者一共抽取郑州市100个小区,700套房产信息进行回归分析。文中共采用了叁种函数形式建立回归模型,通过比较叁种函数模型的检验值,确定适合郑州市具体情况的函数方程即要建立的特征价格模型。为实际检验所建特征价格模型的适用性,笔者抽取50套住宅信息带入模型评估出价格与房产真实价格作对比,以验证模型的准确性。通过对特征方程的分析得出影响郑州市住宅房产价格的主要因素,并系统的总结在运用这一方法时所要注意事项。本文以郑州市为例对特征价格模型进行研究得出如下相关结论,第一,特征价格估价法不仅可以用于一线城市的房产估价,对二叁线城市也有较强的适用性。第二,最终确定了叁种函数形式中对数函数模型拟合度最好,解释效果,可以作为房产评估的特征方程。第叁,本文通过回归分析建立了郑州市房产价格分析体系,最终确定了距离商圈的距离、文体设施、学区房、临近公园绿地、楼层、朝向、教育设施配套、临近大学为影响房价的关键因素。同时文中为房产评估机构提供新的评估方法以及此方法在评估应用中的一些建议。
江红英[3]2016年在《商业房地产征收补偿评估方法研究与应用》文中认为城镇房屋征收补偿是城市化发展一项重要工作,快速、准确评估房屋补偿价格,合理、公平解决征收补偿矛盾,是完善城市建设和社会保障体系,更是促进社会和谐发展的重要工作。目前,我国房屋征收补偿评估工作量非常多、爆发矛盾非常激烈,如何公平、快速、透明化确定征收补偿价格非常重要。本文对赣州市老城区被征收商业房地产征收补偿评估进行了研究,由于老城区被征收商业房地产工作任务非常大,而路线价法是能够快速批量评估土地价格的一种方法。因此,笔者借鉴路线价法评估宗地思想,对赣州市老城区被征收商业房地产运用路线价法评估,并设定了“标准临街商业房地产”,得出被征收商业房地产“路线价”。首先,笔者结合赣州市老城区土地的分等定级和赣州市老城区被征收商业房地产分布情况,将赣州市老城区26条主要道路,根据路线价区段划分原则,划为了97条路线价区段;然后,笔者在叁级区域中东阳山路路线价区段内,选取了一宗标准临街商业房地产,并利用收益法计算出标准临街商业房地产价格为23025.96元/㎡,即为该路线价区段内路线价。在此过程中,笔者采用了层次分析法模型,为收益法评估中租金的各影响因素确定权重;采用市场提取法,确定了路线价区段临街店铺报酬率;采用指数平滑法,建立指数平滑预测模型,确定了纯租金收益逐年递增率;建立了路线价影响因素修正体系,利用路线价法修正,评估出东阳山路路线价区段内其他被征收商业房地产价格。最后,笔者通过实例验证,评估出一宗待估商业房地产征收补偿评估单价为22005.69元/㎡,成交总价为1496386.99元,与实际市场总价相差0.068%,验证了该方法可行性。路线价评估法借鉴,“标准临街商业房地产”及“路线价”引入,使得商业房地产征收补偿评估有了统一的一个标准,也给房屋被征收人对自己拥有房屋价值有了一个参照标准,更使得被征收房地产补偿评估过程变得更加公平、客观及透明化,解决征收补偿评估过程中种种问题和矛盾,为社会和谐发展做出重大作用。同时,路线价法可以对被征收补偿房屋进行批量评估,这为赣州市老城区内繁重的改造任务节省了大量人力、物力、财力和时间,非常具有现实意义。
康乔[4]2016年在《市场比较法在新创家园征收项目评估中的应用研究》文中研究指明房地产行业自出现以来,逐渐在我国的市场经济中担当着财政收入的中坚力量,代表着投资市场的刚性需求。虽然其在我国发展的时间并不长,可是在出现后却发展迅速,在市场调节与宏观调控的共同合作下,房地产市场受到合理控制没有出现脱缰之势,但是仍然暴露出投资增幅大、房价虚高等“泡沫”问题,引起社会关注。从中国目前的经济状况来看,房地产开发企业要想按照科学、合理的发展路径进行有效地持续经营,保证其盈利能力,那么如何确定房地产开发价格,就成为房地产企业的首要问题。资产评估方法中的市场比较法因为其评估理论基础在理解上容易、在评估价格上接近市场、在计算方法上简洁明了等特点,成为评估人员在进行房地产评估时运用最多的评估方法。鉴于这样的研究背景,本文选题为如何运用市场比较法对被评估对象进行评估以及保证评估价格的准确性的研究。本次研究目的在于通过在应用过程中发现市场比较法存在的一些问题,结合最新的经济形势和国家政策,将具有时代性和创新性的思路带入评估过程中,有策略地对被评估对象进行资产评估,使得传统的市场比较法能够更好适应于新时期的经济市场,提高评估的准确性和合理性。本文主要采用文献研究法和市场调查法进行研究评估。首先是检索和查阅国内外相关文献资料,获取写作所需要的灵感和信息。其次是深入房地产交易市场搜集相关信息。最后通过对比分析可比实例和被评估对象之间各项影响因素,结合各种渠道收集到的数据,运用市场比较法将可比实例的价格进行修正后作为被评估对象的价格。在研究过程中,本文采用整体评估到分户评估的评估路线,先是搜索同一征收项目内,区位状况、交易用途与建筑结构等因素与被评估对象新创家园情况类似的房产,作为整个征收范围内同类可比实例的比准价格,进行房产的整体评估,再是根据各房屋的层次、结构、新旧程度等因素的修正系数对其基准价格进行调整或修正,确定分户评估价格。本文通过对被评估对象的综合分析与测算,结合评估人员的相关经验和当地房地产市场的目前交易情况,最后得出新创家园所属房地产的补偿总价值,基本接近当地房地产交易市场的平均价格,并且评估结果为征收主体部门采纳。当然,市场比较法在实际的运用过程中必定会因为半强势有效市场存在的市场尚未成熟、信息不充分等因素而影响最终的评估结果,因此除了在评估公式上对评估结果进行修正,我们还应该通过对不充分有效市场的研究想出相应的方法和对策,从而使得市场比较法能够为房地产市场提供更准确的评估结果。
张然[5]2015年在《基于改进SEM模型的城市商业房地产批量评估研究》文中研究指明伴随着我国日益加快的城市化进程,现有的以土地出让金作为地方政府主要收入来源的财政模式,亟需进行改革与创新。借鉴国外成熟经验,房地产税由于其低成本、可持续的税收特点,逐步提上了改革日程。作为房地产税的重要技术支撑,房地产批量评估是一种科学的、有效的确认房地产税基的新兴方法。近年来,作为抑制房价过快增长的重要宏观调控手段,国家明确要求加强对房地产交易环节的征管工作,学术界对住宅房地产的批量评估研究相对成熟。有别于住宅房地产,商业房地产具有更高的市场价值,且价格形成机制也更为复杂。打破现有以估价师经验为主的方法格局、建立适合商业房地产特点的批量评估方法,已经成为评估研究领域亟待解决的热点问题。为了达到高精度、低成本的评估目的,本研究以城市商业房地产批量评估作为核心问题,综合运用模糊数学、统计学、计量经济学等方法理论,结合地理信息系统(Geographic Information System, GIS)空间分析技术,构建基于改进空间误差模型(Spatial Error Model, SEM)的商业房地产批量评估计算方法。本研究设计了商业房地产批量评估流程,并以深圳市华强北商业区为例进行实证分析。具体内容如下：(1)丰富并完善房地产批量评估理论基础以现有房地产评估理论为依托,系统的介绍了商业房地产类型、房地产批量评估原则,详细阐述了房地产个案评估与批量评估之间的辩证关系,并结合商业房地产批量评估特点,丰富现有批量评估理论基础。(2)梳理并量化商业房地产价格影响因素从一般房地产价格影响因素入手,系统总结商业房地产价格影响因素,筛选影响商业房地产价格的区位、实体因素,运用GIS技术实现对商业房地产区位因素的量化分析。(3)拓展并优化现有房地产权重计算方式运用隶属度计算、贴近度计算等模糊数学理论方法,通过标准化的权重计算过程,建立基于价格影响因素的房地产权重定量计算方法,克服现有房地产权重确认过多依靠估价师经验的现状,优化房地产权重计算方式。(4)构建并规范商业房地产批量评估方法将商业房地产影响因素视作为多维空间的距离,对空间权重矩阵由单变量向多变量进行改造,建立了基于改进空间误差模型的批量评估计算方法。以深圳市华强北商业区为例进行模型的有效性分析和对比分析。实验结果表明,新方法无论是在模型拟合度还是在评估结果质量方面,均有较大提升。最后,参照规范的批量评估流程,建设深圳市商业房地产批量评估信息平台,服务于商业房地产批量评估研究。
张鑫[6]2007年在《基于特征价格的二手房价格评估方法研究》文中指出随着国民经济的发展，伴随房地产的相关经济活动越来越频繁，对房地产估价的需求也随之增大。无论从市场参与者的角度，还是从国家开征税费的角度看，商品房价格的精确衡量都是个永恒的话题。当前，使用的市场比较法、成本法和收益法叁种传统评估方法在实际评估运用中过多依赖于评估者的经验，对数理模型运用较少，在实际应用中成本较高。借鉴国外房地产评估和税基制定的经验，本文引入特征价格模型，从消费者对住宅特征的需求角度理解房价，进行房价评估研究。在特征价格模型中，多使用参数方法进行回归预测，函数形式的选择对评估的效果影响较大，却常依赖于人为假定，容易造成较大的误差。本文引入统计学习理论最新的研究成果——支持向量机方法对特征价格模型进行回归预测。在二手房实际成交数据的基础上，通过调查走访，获取了研究区域内320个交易实例的特征价格数据，进行建模，采用常用的参数方法与支持向量机回归方法进行对比研究，表明基于支持向量机方法的特征价格评估模型较常用的参数回归评估模型有着较高的准确性，值得推广应用。
黄丽娟[7]2014年在《B公司房地产价值的司法评估研究》文中研究指明司法评估通过评估鉴定为解决专业技术问题提供证据，在法院审理民事、刑事案件中发挥着越来越重要的作用。目前，国内外关于司法评估的研究主要集中在司法评估与常规资产评估的差异分析以及风险防范方面，而对司法评估的评估方法的选择与模型建立方面研究甚少，因此，为了促进司法评估的发展，使法院职能得以有效行使，应对强制变现的资产进行客观、公正的价值评估。本文以案例公司房地产为研究对象，具体阐述清算价格法在房地产价值司法评估中的应用，对推动司法评估的发展具有重要意义。文章首先阐述了司法评估的属性特征和我国司法评估的运作模式，并将其与传统意义上的资产评估进行比较分析。在对比分析了房地产价值评估的叁种基本方法及清算价格法的基础上，详细探究了在司法评估目的下，价值类型、评估方法的选择及评估模型的建立。然后，以B公司房地产为评估案例，介绍了案例公司房地产公开市场价值的评估过程，对原评估存在的不足进行分析，并结合本次的评估目的和评估对象的特殊性，分析了在司法评估目的下，运用清算价格法改进司法评估的合理性，提出B公司房地产拟进入的是非公开市场，应在运用叁大评估方法得出房地产公开市场价值的基础上，合理测算还原系数，运用清算价格模型对B公司房地产进行价值评估。本文认为，在测算涉案资产的强制变现价值时，清算价格法是比较适宜的方法，其中，对公开市场价值的评估仍然可以沿用传统的评估途径和方法，而如何合理分解以及量化还原系数是司法评估的重点和难点。
侯晨[8]2017年在《基于遗传算法优化极限学习机的房地产税基批量评估研究》文中进行了进一步梳理随着我国将房地产税立法纳入到全国人大立法规划,房地产税落地开征的步伐也越来越近。为确保我国房地产税征收工作的顺利开展,房地产税的征收与房地产税税基评估体系的构建应统筹进行,构建普遍适用的房地产税基评估实施框架成为重中之重。基于此本文介绍了各国房地产税税基评估体系的构建现状,对各国的课税依据、征税对象、评估方法、评估模式、评估机构、评估周期等方面进行对比分析,从中获得启示并应用到我国房地产税基评估体系的构建中~([2])。我国城市房地产数量规模大、分布广、用途多,加之房地产价格经常处于变动中,因此房地产价格的准确评估成为房地产税征收的一项非常重要且艰巨的前置性工作,其关键在于构建一个切实有效且公允公正的房地产税基批量评估系统,因此本文对房地产税基评估体系构建中的批量评估方法进行深入探讨,选择新兴的极限学习机网络用于批量评估模型的构建,按照评估分区+选取可比交易实例+建立批量评估模型的评估模式,针对房地产价值兼具“模糊性”和“灰色”特征,提出将灰色模糊聚类法与极限学习机网络相结合的思路,利用灰色模糊聚类从房地产的众多特征中提炼共性的特征,将具有相同特征的评估区域聚为一类。在对不同评估区域分类的基础上,以分类结果为单元构建遗传算法改进的极限学习机评估模型进行房地产价格批量评估,并以青岛市普通住宅为例进行了实证分析。从实证结果来看,灰色模糊聚类技术能够对不同的住宅小区进行有效分类,在此基础上构建的遗传-极限学习机评估模型评估精度较高;基于灰色模糊聚类—极限学习机的房地产价格批量评估方法有助于提高批量评估的精度,降低批量评估运行成本。
白冠秋[9]2012年在《房地产税基评估研究》文中研究指明我国自分税制改革以来，地方政府的财权不断缩小，事权范围逐步扩大。地方主体税种的缺失使得地方政府依赖土地出让金而增加地方财政收入，一定程度上促成了“土地财政”现象。地方政府为了增加财政收入，逐年提升地价，地价房价互攀而高，社会矛盾日益明显。在这样的背景下，利用好经济杠杆，对房地产税制进行改革和完善是今后相当一段时间内健全我国社会主义市场经济工作的重点。因此，加快完善房地产税基评估，按照房地产市场价值征税对培养地方政府稳定的税源，增加地方收入具有重要意义。目前我国房地产领域研究的热点和重点基本上都集中在宏观层面，对房地产税基评估等微观层面的研究相对较少，而房地产税基评估是房地产税收制度的重要组成部分，是政府调控房地产市场的重要政策工具。因此，本文在参阅国内外房地产税基评估相关文献资料的基础上对房地产税基评估整个体系做出研究。首先，对房地产税基评估的理论进行研究；其次，采用理论和实证相结合的方法，以理论探索作为支撑，以实证研究作为主要手段，对房地产的课税对象及课税依据做出分析；最后，在借鉴国外房地产税基评估主体的情况下，就如何构建我国房地产税基评估主体进行了探讨并提出了相关建议。在我国加快推进房产税的背景下，本文选取房地产模拟评税试点城市——河南省濮阳市为案例，以濮阳市城区的一般住宅作为研究对象，利用基准税基评估方法对其进行了房地产税基评估并对评估价格进行验证，结果显示符合国际估价标准。因此，本案例研究在一定程度上为当前我国评税目的下的房地产税基评估工作提供了一些技术支持，对河南省其他城市开展房地产税基评估工作具有一定的借鉴意义。
聂明谏[10]2017年在《基于BP神经网络的房地产价值评估研究》文中认为随着城市化发展,我国房地产市场发展迅速,出现了大量的消费、投资等交易活动。其中,住宅类房地产是房地产市场的热点,占据了最大的开发投资比重。房价的快速上涨引发的种种矛盾引起了社会各界的广泛关注,要求对房地产价格进行客观准确的评估,从而使人们准确把握房地产价格及其走势。然而传统的房地产评估方法耗费大量人力物力,速度慢、主观性强,无法满足房地产市场中大量的交易与价格评估需求,此外,由于房地产自身所固有的特殊属性,影响房地产价格的特征因素数据信息很繁杂,不仅包括定性数据因素,还包括定量数据因素。要对这些发生交易的房地产的数据信息进行有效的利用,必须要对它们进行搜集、整理以及有效的存储。因此,对传统的方法进行改进,或寻找更加科学的评估方法来研究房地产价值评估具有重要的理论意义和实践意义。BP神经网络是一种功能强大、应用广泛的机器学习算法,它的自适应性、非线性和大规模并行处理能力使其能够大量减少人力物力,高效率地处理非线性问题,降低主观随意性,从而能够在房地产评估中发挥有效作用。基于BP神经网络的房地产价值评估主要是在传统方法的理论基础上,通过计算机来搜集处理大量的数据信息,找到房地产评估与其影响因素之间的客观规律,从而对房地产进行估值,提高评估的效率与客观性。同时,在商品房房价超过家庭支付能力,越来越多的家庭选择购买二手房的情况下,二手房交易也为房地产的价值评估提供了大量的样本数据。本文首先阐述了国内外学者在房地产评估以及人工神经网络方面的相关研究,提出了本文的研究构想。其次,从房地产的基本内涵出发,介绍了居住房地产的类型及特点,并系统梳理了当前房地产价格评估中应用比较广泛的方法,对这些估价方法的理论基础、应用条件、范围和优缺点进行了整理。接着,基于传统方法的不足,本文将神经网络基本思想引入房地产评估中,分析了BP神经网络在房地产评估中的可行性与优越性。然后,根据前两章的理论方法,全面分析了房地产价格的影响因素,从中构建了居住房地产价格影响因素指标体系,并对指标进行了量化、规范化和同趋势化处理,运用随机森林理论对指标进行了重要性排序,缩减了指标数量从而对指标体系进行优化。再次,基于BP神经网络的基本原理构建了房地产价值评估模型,对神经网络的输入层、输出层、隐含层和网络结构参数进行了设计与确定,并运用MATLAB软件对模型进行了优化设计。最后,本文以北京市学区房为样本,将其导入神经网络进行训练,通过计算发现,该模型能较为准确地预测房地产价值,从而证明了这种改进评估方法的准确性与有效性。同时,为了更好地进行房地产价值评估,在初步训练的模型基础上,通过调整参数、选取函数确定了最优的评估模型。并通过与随机森林方法的交叉检验对比说明了该模型的优越性。
参考文献：
[1]. 城市房地产空间预期评估研究[D]. 赵华平. 山西财经大学. 2013
[2]. 基于特征价格模型的郑州市住宅价值评估研究[D]. 董坤杰. 石河子大学. 2017
[3]. 商业房地产征收补偿评估方法研究与应用[D]. 江红英. 江西理工大学. 2016
[4]. 市场比较法在新创家园征收项目评估中的应用研究[D]. 康乔. 湘潭大学. 2016
[5]. 基于改进SEM模型的城市商业房地产批量评估研究[D]. 张然. 武汉大学. 2015
[6]. 基于特征价格的二手房价格评估方法研究[D]. 张鑫. 浙江大学. 2007
[7]. B公司房地产价值的司法评估研究[D]. 黄丽娟. 湖南大学. 2014
[8]. 基于遗传算法优化极限学习机的房地产税基批量评估研究[D]. 侯晨. 青岛理工大学. 2017
[9]. 房地产税基评估研究[D]. 白冠秋. 河南大学. 2012
[10]. 基于BP神经网络的房地产价值评估研究[D]. 聂明谏. 华北电力大学(北京). 2017
标签：宏观经济管理与可持续发展论文; 投资论文; 商品房论文; 房产论文; 商业分析论文; 空间分析论文; 商业住宅论文; 房价评估论文; 2017房价论文; 房产税论文; 购房论文; 商业论文; 全国房价论文;