|
1.大数据可以让我们知道这个政策影响力有多大?
答:问题不大,很容易建立对比参照组。当然符合交易条件的基数是变化的,受政策影响的房产范围的基数很容易确定。
新旧政策下的实际交易结果数据也有。最后是分析下政策因素的影响比例,需要不同理论模型来多视角验证。
2.大数据可以让我们知道近期尤其是近两年内的房价变幻几何么?
答:定性分析是可以的,定量分析不可避免会有误差,毕竟影响房产交易供求关系的因素太多,一方面大数据的预测模型建立有困难,二是各地区差异性和总体数据质量难以定量估算。
1.有的专家认为当前情况下人口数据失真,应该看小学生,中学生等在校人口数量来倒推一个城市的真正人口数量,从而可以估计一个城市的真正刚需/购买力;
答:这个想法不错,但仍然不全面,适用的有效范围有限,本地在校人口数量不等于本城市未来的真正刚需/购买力,外来人口导入或者人口净输出的城市,外来(外流)人口的构成不同于正常的本地人口的构成,这种情况下分析结论会失效。
2.有的人直接从租房/房价比 来推断;
答:有点作用,但和本地主流房价关系不是太密切。一般来说,低端租房的价格由底端的外来人口数量和收入决定,高端酒店式租房价格由高收入的外来人口数量和收入决定。中国城市的本地人口租房住的太少,基本拥有自己的住房,虽然租房价和售房价有一定的正相关关系,但反映不了真正的房价趋势。
3.有的人看房子库存量,每个月消耗量,每个月新增量...来推断;
答:不看需求量变化只看库存量变化有什么用?
4.有的人似乎一切看政府,看银行,看汇率,看M2 ...
答:宏观的东西传导在微观交易上来,要有时间周期,可能会有新的主要波动要素变化。
既然是大数据,请问大数据大神们,如果要做这个分析,那么,应该从哪些方面入手呢?
答:按供给和需求两条线切块分类分析,比如改善型需求的往往也是中小户型的供给者。
同时结合户籍人口、常住人口、流动人口、学生人口、医疗数据、交通流量、住建、供电、水务、金融贷款、汽车、超市等综合数据来分析吧。
|
|