大数据时代寻屋购房及地产投资

喻于

新经济正在重新塑造着我们的世界，在住房需求和地产市场方面，网络技术和数字化技术也悄然深入渗透进每一个角落。应用互联网寻找理想的居所，通过大数据分析判断房屋的价格水平，利用搜索信息构建地产投资策略……理性的“经济人”在住房、租房市场上，采用着新的方法和工具。那么，网络寻找住所的行为有何特点？大数据判断房价的准确性多高？搜索信息构建投资策略效率如何？在住房、租房的供求市场上的“经济人”非常想知道，从而去更好地了解相关方的意图和自己的处境。于是，上述问题也就成了经济学亟待深入研究的课题。

大数据下的房屋搜寻

如何找到理想的房子是地产市场的一个长期研究课题。学者Risa Palm的经典论文指出，“购房者有限的时间和资源，使他们更愿意花钱在寻找房子上”。当前，这根本的时间和资源压力依然存在，但在此期间，技术有了很大的进步。

2001年，随着房屋市场信息的在线来源开始出现，学者Palm &. Danis得出结论认为：尽管网络作为住房信息来源具有明显的潜力，但互联网对搜寻模式的影响很小。不过，2013年再次讨论这一问题时，情况已不再如此，在美国、荷兰、德国和英国等国，互联网现在已成为大多数房屋投资者与消费者的第一个“停靠港”。谷歌趋势（Google Trends for Search）在英国的网络分析数据显示，自2004年以来，与英国两大在线房地产门户网站相比，传统住宅地产信息渠道 （房地产中介） 的搜索量明显下降，其中RightMove尤其占主导地位。

于是，出现了这样一个问题：这一走向基于网络的信息获取，是否需要重新思考“房屋市场搜寻理论”？经济学家通过修正既有的“搜索”的概念，化解了这一问题。

解决这一问题的一个有用的起点是克拉克出版的《模拟房屋市场搜索》一书。在心理学、市场学、地理学等的类似研究之后，这代表了一个里程碑式的贡献——试图理解与房屋市场搜寻相关的个人决策過程。从书中来看，最初最吸引人的是“搜索”本身的概念。

克拉克和弗劳尔度首先提出了搜寻的五个独立的概念：（1）搜寻是目标导向的，由对自己想要什么有一定了解的人进行；（2）搜寻涉及从不同渠道收集信息的复杂过程；（3）搜寻者从来不知道完整的一组机会；（4）必须有某种方法来确定何时进行搜寻；（5）搜寻是在一套限制条件下进行的，包括资金、时间和获取信息。他们还提出了一个搜寻时间序列——从报纸开始，通过代理商、朋友，然后到亲戚……

相关学者阿拉斯代尔·雷认为，这些概念仍然具有相当的货币价值，但是，如果我们要更充分地了解当前房屋市场的配置效率，那么，在房屋市场中无处不在的在线信息来源，意味着重新评估是必要的。

近年来，人们开始寻找住房的方式发生了根本性的变化，这为更丰富的搜索活动分析创造了机会。然而，现有文献倾向于关注结果指标，如价格变化和迁移模式，而不是潜在买家的搜索活动。这种不平衡经常被归因于缺乏数据。

以前，房屋寻找始于光顾一家房地产中介机构办公室，或查看当地报纸的房产页面，而现在，搜寻住房的最初阶段主要是通过各种市场门户网站进行的在线活动，包括美国的Trulia、荷兰的Funda、德国的ImmoienScout 24和英国的RightMove。

这种情况在世界各地的许多国家中得到了复制，但对于这一最初的广泛搜寻过程是如何在空间上运作，以及如何将其与房屋搜寻和住房次级市场的发展相关的现有知识联系起来，人们知之甚少，后者通常是与住房特征或离散空间单位有关的“住宅特征”。

这些问题是分析、理解和规划国家以下各级住房问题的一个关键考虑因素。诸多研究在这一领域有着先见之明，但迄今为止，研究方法往往侧重于所谓的“有效”或“揭示”的需求，即人们实际上搬到了哪里，而不是他们想搬到哪里。一个明显的例外是学者麦克伦南和奥沙利文在住房市场、信号和搜索方面的报告。然而，报告提交人指出，随着互联网的广泛接入，“被动”与“主动”搜索行为的比例可能随着时间的推移发生了明显的变化。

英国谢菲尔德大学的相关学者认为，在许多国家，绝大多数最初的住房搜索查询现在都是在网上进行的，从理论上讲，由此产生的数据可以使我们更好地了解住房市场搜索是如何在空间上进行的，此外还能产生关于当地住房次级市场地理的新认知。

谢菲尔德大学城市研究和规划系的一项研究，通过用户生成的数据了解搜索的空间维度。用户生成的数据来自英国最受欢迎的在线房地产市场网站right move.co.uk。该研究项目负责人强调，重点不在于研究“显示的”需求或使用调查。

这标志着在将搜索数据集成到我们对房地产市场搜索动态的理解方面迈出了第一步。然而，考虑到人们可以很容易地在网上搜索住房，该研究也指出，有必要进一步在数字环境中仔细推敲“搜索”理论，并构建一个概念框架，使人们能够更深刻细致地理解房屋搜寻的具体过程。

大数据下的住房估价

房地产企业期望很大一部分潜在的房地产买家在购买住宅之前通过互联网通知自己。另一方面，买房子的决定，或者更笼统地说，购买不动产的决定，是一个家庭许多不同的个人从属决定的结果，受情绪和社会（同龄人）规范、信息层叠和羊群行为的强烈影响。

关于住房价格动态的决定因素有着广泛的研究，诸多研究中所提及的多个因素在后次贷危机时代，受到越来越多的关注。除了宏观经济标准变量外，可能还有其他难以衡量甚至无法观察到的影响房地产价格的因素。

尽管过去几十年来已经发现了一些推动房价的相关根本因素，但由美国房价泡沫破裂引发的全球金融危机，以一种令人印象深刻的方式表明，经济学家似乎离完全理解房地产市场的价格决定过程还有很长一段路要走。

包含一组核心共识基本变量的标准模型（假设这些变量影响总体房价动态，例如利率、经济活动、人口规模和分布或通货膨胀）经常无法解释房价通胀的演变和房地产市场上其他观察到的价格异常。因此，由于房地产部门对整个经济的突出重要性，迫切需要更准确地解释即期和未来价格动态的模型。

难于正确解释和预测房地产价格发展问题的原因之一可能仅仅是信息输入不足和不完整。对于一些标准的宏观经济解释变量，如GDP或可支配收入，我们经常观察到大量的出版延迟和修订。通常，所使用数据的频率和粒度都很低，有时甚至不存在相关数据，特别是区域一级的相关数据。

此外，除了这些与许多宏观经济指标有关的众所周知的问题外，学者奥斯特曼与本德尔指出，还存在着重要的心理（“情绪”）、社会人口或个人因素（出生、婚姻、移徙）或其他行为现象，如羊群行为，这些因素显然在购房/购房过程中发挥了作用，因此可能对价格产生影响。

不過，这些变量大多很难测量，甚至是不可观测的。可利用的信息往往只能以高成本（例如使用调查）获得，这存在许多问题，如可靠性有限和相当长的时间滞后。为了获得这些变量的综合影响并增加一般的信息输入，经济专家们建议使用搜索引擎数据，即从Google趋势获得的单一搜索频率索引，这是一种非常简单的方法。

谷歌搜索指标应该能够很好地实时捕捉所有这些理性和非理性因素。当然，一些搜索查询可能主要是由硬客观的理性事实（例如低抵押贷款利率）引起的，从而反映了经典的理性决策。但是，由于观察到的搜索活动似乎总是受到在决策过程中起作用的所有变量和因素的混合驱动，它们肯定也受到（并反映）其他相当不合理的动机（如“情绪”）的影响（和反映）。随着时间和地理区域的变化，谷歌趋势将数十亿个这样的搜索查询记录下来并进行分类，收集决策者意图的信号，从而至少在一定程度上衡量“投资者情绪”的总体水平。

德国汉堡大学经济系的一项研究通过提高传统经验模型的解释能力，力图深入细致地了解搜索数据的整合是否有助于更好地理解房价动态。该研究使用欧统局的房价指数（Hpi），在2005至2013年间对14个欧盟国家的样本进行分析，结果显示额外整合来自预定义搜索类别（“房地产代理”）的谷歌的搜索强度有助于缓解数据可用性不足的问题，建模房屋购买和价格确定过程。

大数据下的房产投资

因为估计一个不透明的商品或市场的公允价值要耗费更多的时间，而且要详细得多。这就提出了这样一个问题：当研究更多（更少）复杂资产类别时，搜索者是否会在网上留下更多（更少）痕迹？而不动产和其他资产一样，亦有同样的问题。

可以假设，研究密集型资产越多，即在做出决策之前需要的信息越多，就越有可能预测搜索者在随后（反式）行动中的行为。由于房地产投资信托市场（REITs）是一个相对研究密集型的资产，它是一个适合进一步分析的例子。当然，这也是因为关于REITs的信息收集被认为更加全面，因为资本市场和空间市场都需要分析。

对REIT投资组合进行彻底的分析，除了基本的股票市场分析，主要包括评估相关（房地产）市场和未来发展的租金收入和收益。可是，这涉及到研究人员之间关于REITs的行为在多大程度上与房地产或股票市场更相似的讨论。

为了研究这一问题，以及信息需求与美国REIT市场之间的关系，曾有研究编制了两组关键词：一组包含与房地产有关的搜索词，另一组（相当通用的）与金融相关的搜索词。这样，每个搜索词都构成了一个基于信息需求的单独投资策略，其交易信号来自于基础GoogleSV的每周变化。然后，对两个关键字子集的投资策略的总体性能进行比较，以了解什么样的信息需求更能预测REIT市场。此外，由于过去十年的特点是市场动荡，信息需求相关性的具体时间动态尤其令人感兴趣。

结果，如果谷歌搜索兴趣与股票交易量挂钩，如学者Preis等人所发现的那样，在收益或亏损异常高的阶段，信息需求应是一个特别好的预测因素。雷根斯堡大学国际房地产商学院的经济专家认为，“这就是为什么有的相关研究能够确定了2006年至2013年40个最极端的向上和向下市场波动的战略预测能力。”而所有经过测试的投资策略都是以摩根士丹利资本国际（Msci）美国REIT指数以及DJIA的买入和持有策略为基准的。

学者罗奇蒂和迪策尔的一项研究从若干个方面对房地产（股权）投资者的信息需求、房地产股票市场和网上搜索行为等方面的文献进行了研究。首先，他们发现搜索查询数据是美国REIT市场的成功预测器。此外，研究结果显示，资产专用（房地产专用）搜索词比金融相关搜索查询更能预测美国REIT市场。此外，这也是第一篇研究Google趋势投资策略（GTIS）长期投资表现动态的论文。

研究结果显示，特别是在投资者面临巨大不确定性和信息需求增加的危机期间，基于谷歌数据的投资策略非常成功地预测了市场行情，GTIS预测40种最极端市场走势的命中率要高得多（高达75%）。就实际影响而言，大量基于信息需求的投资策略的表现将优于市场（MSCI美国REIT指数）。

现在，既有的一系列研究已经在谷歌搜索数据和金融以及房地产市场之间建立了各种关系。而罗奇蒂和迪策尔的该项研究通过关注在线搜索数据与REIT市场之间的关系，为这一领域的研究作出了自己的贡献。

就其性质而言，房地产投资信托基金市场是一个正在辩论的问题，即它与股票市场还是直接房地产市场更相似。可以通过探讨房地产（股权）投资者信息需求的性质来探讨这个问题。

首先，重要的是要确定REIT市场在信息透明度和效率方面与股票市场有多大不同。另有学者的研究曾得出结论认为：REIT市场的行为不同于一般股票市场，因为它们提供的信息传播和监测活动的水平不同。这主要表现在股票周转率较低、专业股东所占比例较低以及金融分析师的覆盖率相对较低。这支持了这样一种观点，即REIT投资者需要更多的信息来为股票定价，还有学者分析了六个亚洲/太平洋区域经济一体化与一般股票市场之间的关系，并提供了证据，证明以前关于股票的信息导致了区域经济一体化市场的变化。此外，学者们发现，当出现不平衡时，所调查的股票市场的价格调整效率高于REIT市场。