本发明涉及土地市场泡沫预测领域，尤其是一种将房地产估价技术、市场分析、gis、应用数学相结合，基于假设开发法与灰色cm11模型预测土地市场泡沫的方法。
背景技术
土地溢价是城市发展过程和经济水平的提高而必然会产生的一种现象。随着房地产市场的发展，地价占房价的比重也将越来越多。
现有状况的不足：
传统的溢价率无法反映出上述限制条件，客户只能单纯的从数据上得知这些地块溢价率已属于合理区间范围内，土地市场已恢复理性。但如果考虑扣除非商品性房屋（保障房、无偿还建房等）分摊地价后的经营性土地的实际价格，其分摊后得到的真实成交地价远远高于公布的成交地价，而用真实地价求得的溢价率将远远高于公开数据。
溢价率仅能反应出单一地块自身的属性，无法反映出地价与房价之间的关系。高溢价地块也仅代表了土地起拍价与成交价之间的偏差程度，若土地起拍价起点本身设定值较低，而最终成交地价即使是与周边地价相同的合理地价，也会显出高溢价率，反之，若土地起拍价设定较高，即便最终成交地价比周边地价高很多，其溢价率也不会很高。所以传统判断土地市场状况的指标即溢价率是比较片面的指标。
技术实现要素：
为了解决上述技术问题，本发明提供一种基于假设开发法与灰色预测cm11模型结合的土地市场泡沫指数（简称lbi），通过出让地块的真实地价与均衡市场地价的偏差程度来反映出让地块地价泡沫，其真实地价与均衡市场地价的偏差程度越大，反映出地块的地价泡沫越大，其未来的开发风险度越大。
本发明解决其技术问题所采取的技术方案是：
基于假设开发法与灰色cm11模型预测土地市场泡沫的方法，包括如下步骤：
步骤1：数据采集
收集全国各城市每月成交的宅地数据，数据收集采用计算机自动化收集。
步骤2：数据处理
根据步骤1得到的原始数据，分发给各城市估价师进行数据调整。
步骤3：基于灰色预测gm11模型预测房地产价格
对全国各城市宏观数据、楼盘基础信息、价格信息及gis信息进行收集；
对有案例的楼盘数据可以通过gis定位，因此对于楼盘的价格预测本发明采用以下两种模型相结合的方法；
以灰色预测cm11模型为主，用空间差值模型进行数据补充；
基于空间差值模型补充在同一供需圈下案例较远楼盘的房地产价格估值预测。
步骤4：lbi指数算法模型建立
根据德尔菲法，对比分析模型评估结果，并不断修正模型，使其结果与真实价格更加接近。
步骤5：lbi分布结果展示
对于步骤4对模型评估完成后，发布指数计算结果，并根据gis落点后对产品成果进行分析及展示。
本发明的有益效果是，
本发明是一种基于房地产估价技术、市场分析、gis、应用数学综合性的用于监测土地市场泡沫的指数，相比传统的土地溢价率在原理及技术上有极大的提升。
本发明中的真实地价是考虑扣除非商品性房屋（保障房、无偿还建房等）分摊地价后的经营性土地的实际价格。该成交价格还原了土地的真实成交价格。
本发明中均衡市场地价将通过运用假设开发法，基于未来房地产开盘价格倒推出的地价。在预测未来房地产价格时，是根据地块所在区域的区域成熟度，周边土地、房地产价格，该区域房地产景气状况，历年土地、房地产价格走势等综合因素，通过建立灰色gm11模型、空间差值模型结合德尔菲法预测该地块未来房地产的开盘价格。所以均衡市场地价能综合反映出地价与房价之间的关系。
本发明可以解决传统溢价率仅能反应单块地块的溢价情况的问题，不仅可从对宏观层面（城市级别）识别城市土地泡沫，同时也可在微观层面（地块级别）上识别地块泡沫水平。
附图说明
下面结合附图和实施例对本发明进行进一步说明。
图1是本发明预测土地市场泡沫流程图。
图2是土地市场泡沫数据收集字段整理表。
图3是2017年全国住宅市场lbi分布图。
图4是2017年地块lbitop20排行榜。
图5是2017年11月重点城市宅地lbitop10地块分布图。
具体实施方式
如图1所示，本发明预测土地市场泡沫的步骤包括，数据收集、数据处理、房价预测模型、lbi指数算法模型、lbi分布结果展示，从而实现基于数据挖掘定量分析不同层级的土地市场泡沫情况。
下面结合图1具体说明每个步骤的实现方法。
步骤1：数据采集
根据lbi定义设计，及算法需求，收集全国各城市每月成交的宅地数据。数据收集采用计算机自动化收集。数据收集字段图2所示。
步骤2：数据处理
将步骤1得到的原始数据将分发给各城市估价师进行数据调整，即将公开的成交地价经过房地产估价方法还原成真实成交地价，同时将进行gis落点。
步骤3：基于灰色预测gm11模型预测房地产价格
对全国各城市宏观数据、楼盘基础信息、价格信息及gis信息进行收集。
在本发明中，均衡地价价格水平为运用假设开发法依据房地产价格倒推出的地价。
所述假设开发法是根据估价对象预期开发完成后的价值来求取估价对象价值的方法，本质是以房地产的预测开发完成后的价值减去后续开发的必要支出及应得利润来求取估价对象价值的方法。
所示均衡市场地价求取的难度在于需要对地块的未来售价进行预判。
本发明以灰色预测cm11模型为主，用空间差值模型对同一供需圈下案例较远楼盘的房地产价格估值进行补充，用以对房地产开发完成后的价值进行预测。
灰色理论gm11原理介绍：
1设时间序列
其中：α称为发展灰数；μ称为内生控制灰数。2、设
求解微分方程，即可得预测模型：
所述灰色预测检验一般有残差检验、关联度检验和后验差检验。
由于有案例的楼盘数据可以通过gis定位，因此对于楼盘的价格预测本发明采用以下两种模型相结合的方法；
以灰色预测cm11模型为主，用空间差值模型进行数据补充。
基于空间差值模型补充在同一供需圈下案例较远楼盘的房地产价格估值预测。
所述空间插值常用于将离散点的测量数据转换为连续的数据曲面，以便与其它空间现象的分布模式进行比较。空间插值方法分为两类：一类是确定性方法,另一类是地质统计学方法。本发明采用的空间差值模型主要用地质统计学方法，利用样本点的统计规律，使样本点之间的空间自相关性定量化，从而在待预测的点周围构建样本点的空间结构模型，即克立格（kriging）插值法求取案例较远楼盘价格预测数据。
步骤4：lbi指数算法模型建立
对于步骤3得到的各城市各地块的相关计算结果，通过房地产不同领域的专家给出模型评估结果，对比分析，调整优化模型参数，并根据时间推移，得到的真实数据，不断进行模型修正，使得结果与真实更加接近。
步骤5：lbi分布结果展示
对于步骤4的对模型评估完成后，发布指数计算结果，并根据gis落点后对产品成果进行分析及展示。
下面通过以下两个实施例，展示本发明的应用成果
实施例1：如图3所示，2017年，我公司监测的24个城市中有11个城市的lbi均值大于0，即真实地价大于均衡市场地价，占比46%，即从整体上来看，2017年在成都、广州、杭州、合肥、南昌、南京、厦门、上海、沈阳、天津、重庆拿地的开发经营项目总体上而言很难获得行业平均利润。从lbi来看，沈阳、南京、成都高居前三，天津、重庆、广州等城市紧随其后，这部分城市共同特征是1、除广州外，其余都是二线城市中排名处于前列的；2、大部分城市今年房价涨幅较大；3、这些城市出让住宅用地的真实楼板价过高，在正常的开发周期内房价涨幅难于跟上。盈利难度大的城市或因目前房价已经很高，后续上涨乏力，也有部分是因为市场潜力有限，房价短时间内快速上涨的可能性不大。
高风险度地块主要分布在哪里，如图4所示，我们选取了lbi值top20地块进行研究分析，从区域上来看，20宗高风险地块分布在8个城市，全部位于二线城市，其中，成都、重庆2017年有4宗地块进入高风险地块top20，昆明、沈阳各有3宗地、南京、天津各有2宗地、南昌、长沙各有1宗地进入lbi值地块top20。
实施例2：
如图5所示，又如2017年11月重点城市成交的59幅住宅用地中，成交楼板价大于周边同期在售新盘价格的地块数量为3，占比5%。宅地市场年底翘尾现象初现。
lbi值大于0的地块共28块，占比48%。即存在泡沫的地块占比近5成，与上月相比增幅显著。
lbi值top10地块中，昆明有5宗地入围，南京3宗、沈阳2宗。
本领域的技术人员可以对本发明进行各种改型和改变。因此，本发明覆盖了落入所附的权利要求书及其等同物的范围内的各种改型和改变。