【土澳思维】的朋友们，
今天咱们再来介绍一位澳洲地产界的大神级人物：CoreLogic RP Data 的首席分析师 Tim Lawless：
今天我们让Tim老师来教教我们如何正确地分析地产里的一些常见数据，避免轻易地被媒体“洗脑”。
房产是澳洲最大的资产类别，市值高达6.7万亿澳币。房市的测量对准确性和及时性要求很高。跟股市的数据不同，房市是一个流动性不足的资产类别。单个房产平均每8至10年产生一次交易，如此低的交易频率就意味着绝大多数的住宅会被较新的数据排除在外，因为您看到的这些数据依赖于房市的交易。
其次，房产从根本上来说具有独特属性（如地点、构造、历史等等），这给估价带来了不小的挑战。
还有，澳洲各个州之间以及每个数据提供商之间的数据质量是参差不齐的。州政府收集的都是一些基础数据，这些数据需要进一步的清理以及跟属性细节（房屋属性、邮编等等）相连接。
以下介绍的4个衡量房屋价格变化的常见指标，其背后最重要的一个环节就是确保房产数据的可靠性、准确性、完善性以及时效性。
大家平常看到最多的就是简单中位价了。所谓简单中位价就是在一系列经过排序后的房产交易中，找到最中间的那个交易价格。因为简单，所以这个数据非常容易受到诸多因素的干扰。比如，简单中位价的数据会受到不同类型买家的影响。举个简单的例子，如果首次置业者更加的活跃，那么中位价的偏差会向下。在房源供应量少的时候，数据的偏差也会很大（比如目前悉尼的房源比去年少了很多）。最后，一段时期内房源的质量如果差异很大，也会造成简单中位价的偏差。
虽然说了这么多简单中位价的不是，但它还是有优点的：容易计算和理解。
通常来说，在一个特定的时间点上，简单中位价限于某个地区或邮编的表现最佳（干扰少）。
分层中位价在简单中位价的基础上，试图通过对数据的分层（如不同的市场）来解决数据的偏差。
澳洲统计署 ABS 和 domain.com.au 都采用的是分层中位价。不同的是，统计署是每个季度发布一次，而且一旦发布，不会再调整，所以不包括楼花成交的数据。而 domain.com.au 的数据是允许再调整的，可惜的是，它的分层方法较为保密。
虽然分层中位价理论上会减少数据的偏差，所以比起简单中位价来说，有了很大的进步，但这并不能根除以上简单中位价里提到的挑战。
市场上，Residex（www.residex.com.au）每个季度会发布重复销售指数。重复销售指数对于测量个体房产的买卖所产生的增值收益是非常有用了，但也正是因为如此，这个指数不会包含任何新的房产（如楼花，没有先前的销售记录），绝对是一个很大的缺陷。同时这个指数也会受到房产属性的改变（如装修、分地等等）和投资房销售的影响（通常转卖会更快一些）。
RP Data 用的是特征回归模型。简单的来说，我们的特征回归模型跟踪的是整个市场里房产的真正价值变化，而不是仅仅局限于对有交易的房产的统计。这个模型是我们RP Data的骄傲，模型会根据房产的大小、有多少房间、有多少卫浴、有多少车库、有无游泳池、有无景观等等一系列的参数来进行运算。运算涵盖澳洲几乎所有的房产以及平均每天1,400个房产交易的新数据。特征回归指数每天都会更新。以下是今天的数据：
我们的模型显示悉尼在过去的一年升了10.21%，是不是很棒。
当然了，只要是模型都会有优点和缺点，所以任何模型都不是完美的。比如，我们的模型数据因为包括了楼花，就会跟重复销售指数和非调整的澳洲统计署数据产生较大差异。而且楼花的成交量越大，这种不同就越明显。
在我个人看来，RP Data有着强大的数据基础，在准确性、完善性以及时效性上是有优势的。
我们需要综合分析以上4种常见的数据指数，千万不要断章取义，以偏概全。
因此，大家在分析明日二手房拍卖的中位价时，应该多留一个心眼哦。
