自動(dòng)估值模型

優(yōu)點(diǎn)：相比傳統(tǒng)的房地產(chǎn)評(píng)估手段而言，AVMs具有快速、降低成本、前后一致和客觀的優(yōu)點(diǎn)。這不是說(shuō)盡職的、技術(shù)高超的鑒定者缺乏一致性和客觀性。但是一個(gè)AVM能夠顯著地節(jié)省估價(jià)的時(shí)間并減少與傳統(tǒng)評(píng)估過(guò)程有關(guān)的成本。

缺點(diǎn)：主要有三個(gè)：首先，它們要依賴所使用數(shù)據(jù)的精確性、綜合性和時(shí)效性。其次，AVMs不能用來(lái)決定物業(yè)的物理狀態(tài)和相關(guān)的市場(chǎng)表現(xiàn)。第三，AVMs永遠(yuǎn)不能把一個(gè)經(jīng)驗(yàn)豐富的評(píng)估師的知識(shí)與判斷具體化。

所以，AVMs適用于一個(gè)有相對(duì)充足當(dāng)前數(shù)據(jù)，物業(yè)所處地區(qū)相對(duì)同質(zhì)且物業(yè)的情況和市場(chǎng)表現(xiàn)相對(duì)典型的環(huán)境。當(dāng)數(shù)據(jù)不足夠、地域環(huán)境復(fù)雜且物業(yè)與平均狀況和市場(chǎng)表現(xiàn)有顯著差距時(shí)，AVMs作用就發(fā)揮不出來(lái)。

自動(dòng)估值模型（AVMs）有三種主要類型：指數(shù)模型、偏好模型和混合模型。簡(jiǎn)介如下：

指數(shù)模型，也叫價(jià)格指數(shù)模型，只需提供銷售數(shù)據(jù)，不需要物業(yè)特征。需要采用“重復(fù)銷售”的回歸分析，并需要一個(gè)先前的“價(jià)格點(diǎn)”來(lái)啟動(dòng)運(yùn)行。這些模型可靠性令人懷疑，因?yàn)樗鼈儗?duì)物業(yè)設(shè)定了眾多的假設(shè)條件，卻沒(méi)有提供依據(jù)。例如，假設(shè)物業(yè)的特征自上次銷售后保持不變。

偏好模型決定于物業(yè)特征。它們針對(duì)具體物業(yè)（取決于物業(yè)位置）；需要物業(yè)的特征數(shù)據(jù)以及比較數(shù)據(jù)；提供了假設(shè)的依據(jù)；以規(guī)則為基礎(chǔ)；并提供了統(tǒng)計(jì)評(píng)估。像指數(shù)模型一樣，它們也需要有一個(gè)先前的價(jià)格點(diǎn)來(lái)啟動(dòng)運(yùn)行。這些模型的局限性在于，依賴于一個(gè)嚴(yán)格限定的地理區(qū)域內(nèi)的最近銷售的數(shù)據(jù)，而在某些國(guó)家只有部分有限的數(shù)據(jù)。它們也有指數(shù)模型同樣的弱點(diǎn)——包括假設(shè)物業(yè)特征保持不變。

混合模型把指數(shù)模型和偏好模型的特征結(jié)合起來(lái)，涵蓋了銷售數(shù)據(jù)、物業(yè)特征分析、可比銷售、以及估稅模型。許多賣者，包括房利美都向使用多種手段的AVMs模型轉(zhuǎn)換。

以上是AVMs的簡(jiǎn)要介紹，有一種說(shuō)法認(rèn)為：使用AVMs的主要目的是要設(shè)計(jì)一種解決方法，并使其服務(wù)于所有的貸款發(fā)放人的業(yè)務(wù)和競(jìng)爭(zhēng)需要，并有利于客戶。這樣才能更好地解決困難，減低費(fèi)用，并幫助所有人擁有自己的房屋和租住可負(fù)擔(dān)房屋的機(jī)會(huì)。

監(jiān)管部門正在關(guān)注、研究并準(zhǔn)備針對(duì)自動(dòng)估值模型的弱點(diǎn)提出指引政策。在國(guó)際上該模型已被廣泛使用了五年，使用者評(píng)價(jià)是積極的，AVMs已經(jīng)被視為是一種先進(jìn)、科學(xué)的風(fēng)險(xiǎn)管理模型。

水質(zhì)模型參數(shù)估值是確定水質(zhì)模型各待定參數(shù)值的方法和過(guò)程。是建立和應(yīng)用水質(zhì)模型的關(guān)鍵。其方法可分為單參數(shù)估值法和多參數(shù)估值法兩類。前者可由實(shí)測(cè)數(shù)據(jù)或經(jīng)驗(yàn)公式對(duì)各參數(shù)分別估值；后者一般以水質(zhì)的實(shí)測(cè)值與模擬值兩者所構(gòu)成的誤差平方和為評(píng)價(jià)目標(biāo)，通過(guò)最優(yōu)化技術(shù)求解出最佳參數(shù)值的結(jié)合。由若干組實(shí)測(cè)數(shù)據(jù)估得的參數(shù)值，應(yīng)進(jìn)行標(biāo)定誤差的檢驗(yàn)，并應(yīng)用另外若干組實(shí)測(cè)數(shù)據(jù)進(jìn)行模型預(yù)測(cè)誤差的驗(yàn)證。當(dāng)從事戰(zhàn)略性水質(zhì)規(guī)劃而又缺乏實(shí)測(cè)水質(zhì)數(shù)據(jù)時(shí)，也可直接采用類比數(shù)據(jù)確定參數(shù)值。

水質(zhì)模型單參數(shù)估值

水質(zhì)模型單參數(shù)估值是分別確定水質(zhì)模型中各待定參數(shù)值的方法和過(guò)程。單參數(shù)估值時(shí)?？梢岳盟|(zhì)模型參數(shù)變量中之間的關(guān)系，在已知其他參數(shù)值和必要的水質(zhì)現(xiàn)場(chǎng)實(shí)測(cè)數(shù)據(jù)（或室內(nèi)模擬數(shù)據(jù)）條件下，求得有關(guān)參數(shù)值；也可以利用已有的經(jīng)驗(yàn)統(tǒng)計(jì)關(guān)系式來(lái)粗略的估算。單參數(shù)估值法比較簡(jiǎn)便，可以根據(jù)數(shù)據(jù)的支持條件靈活應(yīng)用，但由于它是對(duì)各參數(shù)分別進(jìn)行計(jì)算和估值的，并未很好綜合考慮參數(shù)值之間的相互制約關(guān)系，因此對(duì)參數(shù)估值的準(zhǔn)確性有較大的影響；特別是利用一般的統(tǒng)計(jì)經(jīng)驗(yàn)公式進(jìn)行參數(shù)估值時(shí)，有時(shí)誤差可能很大。

水質(zhì)模型多參數(shù)估值

水質(zhì)模型多參數(shù)估值是應(yīng)用多變量參數(shù)最優(yōu)估值法同時(shí)確定水質(zhì)模型各待定參數(shù)值的方法和過(guò)程。此法是從水質(zhì)模型的整體性出發(fā)，考慮了各參數(shù)變量之間的相互關(guān)系，原則上比單參數(shù)法可提高水質(zhì)模型的可靠性。但由于多變量最優(yōu)估值是一個(gè)非線性最優(yōu)解搜索問(wèn)題，它不能保證搜索到的是全局最優(yōu)解，會(huì)造成相當(dāng)大的誤差，因此對(duì)常用的水質(zhì)模型多參數(shù)梯度搜索估值法，已提出了更為可靠而實(shí)用的網(wǎng)格搜索估值法來(lái)替代。

水質(zhì)模型多參數(shù)梯度估值法　水質(zhì)模型多參數(shù)梯度估值法采用梯度搜索法確定水質(zhì)模型中各待定參數(shù)值。一般以實(shí)測(cè)水質(zhì)序列與模型計(jì)算水質(zhì)序列值兩者的偏差值（通常取片差平方之和）為評(píng)價(jià)目標(biāo)J，以一階梯度法（又稱最速下降法）從某個(gè)起點(diǎn)在負(fù)梯度的方向，按一定步長(zhǎng)搜索誤差目標(biāo)值最小時(shí)的各待定參數(shù)值，即J → Jmin (ai≤Ki≤bi){Ki} {Ki*}式中：Ki*為誤差最小值的參數(shù)值；ai和bi為參數(shù)值的上、下限。由于水質(zhì)模型多參數(shù)目標(biāo)函數(shù)的非凸性，對(duì)不同的搜索起點(diǎn)或參數(shù)初始值，將有不同的局部最優(yōu)解，因此，隨采用的給定初始參數(shù)值的不同，將有不同求解參數(shù)值，從而會(huì)引起較大的誤差。

水質(zhì)模型多參數(shù)網(wǎng)格法估值　 水質(zhì)模型多參數(shù)網(wǎng)格法估值又稱水質(zhì)模型多參數(shù)計(jì)算機(jī)掃描搜索法估值。利用網(wǎng)格法掃描搜索確定水質(zhì)模型各待定參數(shù)值。其基本原理是將各參數(shù)變量值的可行區(qū)間（可從大到?。瑒澐譃橐幌盗械男^(qū)，由計(jì)算機(jī)順序算出相應(yīng)各參數(shù)變量值結(jié)合，所對(duì)應(yīng)的誤差目標(biāo)（即實(shí)測(cè)和計(jì)算水質(zhì)序列值的偏差平房和）值，并逐一比較擇優(yōu)，從而求得該區(qū)間內(nèi)最小目標(biāo)值與其對(duì)應(yīng)的最佳待定參數(shù)值。這種估值方法可保證所得的搜索解基本是全局最優(yōu)解，避免了重大誤差，在機(jī)時(shí)利用上也是可行的。

估值是一切投資決策的靈魂！本書是一個(gè)基于財(cái)報(bào)分析和建模的獨(dú)特股票估值工具！本書作者三次榮獲"華爾街*佳投資人"獎(jiǎng) ！

吉姆·科勒爾（Jim Kelleher），特許金融分析師，研究總監(jiān)，高級(jí)分析師，投資政策委員會(huì)成員，現(xiàn)任職于阿格斯研究公司（Argus Research）--一家總部位于紐約市具有75年歷史的投資咨詢公司。在金融服務(wù)行業(yè)工作了25年之后，吉姆于1993年加入阿格斯，一直致力于構(gòu)建阿格斯的專有估值模型--阿格斯六點(diǎn)系統(tǒng)的核心部分。

吉姆以研究總監(jiān)的身份幫助公司的新進(jìn)分析師開(kāi)發(fā)和完善投資分析方法及其"模板"； 負(fù)責(zé)與各個(gè)分析師溝通聯(lián)系；主持公司每周的投資例會(huì)，以及每月多次的客戶電話會(huì)議。吉姆還管理著幾個(gè)模型組合賬戶，共同管理公司的重點(diǎn)客戶，制作和監(jiān)管阿格斯的日常技術(shù)分析產(chǎn)品。在設(shè)計(jì)并維系阿格斯的*一個(gè)品牌投資產(chǎn)品（與馮·坎彭聯(lián)合推廣）的過(guò)程中，他起到了積極的作用。最后，他還是阿格斯投資者顧問(wèn)投資政策委員會(huì)（公司資金管理部門）成員。

作為高級(jí)分析師，吉姆是公司的技術(shù)研究總監(jiān)，研究范圍涵蓋通信技術(shù)（設(shè)備和半導(dǎo)體）和電子制造服務(wù)板塊。吉姆持有特許金融分析師證書，并且三次榮獲《華爾街日?qǐng)?bào)》全明星分析師調(diào)查的"華爾街*佳分析師"頭銜。吉姆一直在為華爾街網(wǎng)站的投資專欄撰寫文章，其觀點(diǎn)經(jīng)常被主要金融刊物引用。

譯者簡(jiǎn)介

李必龍，經(jīng)濟(jì)學(xué)碩士，在金融和實(shí)業(yè)領(lǐng)域有著豐富歷練，在股權(quán)投資領(lǐng)域有著較多的實(shí)戰(zhàn)經(jīng)驗(yàn)，在公司估值和風(fēng)險(xiǎn)管理領(lǐng)域也有一定的研究。曾經(jīng)參與翻譯《金融與投資術(shù)語(yǔ)詞典》、《估值：難點(diǎn)、解決方案及相關(guān)案例》、和《巴菲特的估值之道》等書。

李羿，財(cái)務(wù)管理學(xué)學(xué)士，在著名的德勤會(huì)計(jì)師事務(wù)所和華為等公司歷練多年。曾參與翻譯《金融與投資術(shù)語(yǔ)詞典》和《估值：難點(diǎn)、解決方案及相關(guān)案例》、《并購(gòu)估值--為非上市公司培育價(jià)值》、和《巴菲特的估值之道》等書。

簡(jiǎn)介：黃詩(shī)原，清華大學(xué)2011級(jí)金融學(xué)碩士，現(xiàn)為工銀瑞信債券投資經(jīng)理。2100433B