请简单介绍一下Real Estate Foresight，公司如何试图用数据打入市场的。

作为一家独立的研究机构，我们专注于帮助投资者和开发商预测和评估中国房地产市场，利用我们过去7年建立的模型和框架，专注于数据驱动的预测分析。我们的项目涵盖从宏观层面到项目具体尽职调查。我们还编写了软件，可以使得研究生产自动化，并在本地信息源中进行搜索。现在，我们的姐妹公司Robotic Online Intelligence也在使用这些软件。我们是如何使用数据深入市场的？在一个被认为在数据可用性、质量和一致性方面存在问题的市场中，一种实用的、数据驱动的远见将深入人心。

你认为市场上存在的缺陷主要是什么?

众所周知，房地产行业在本质上是高度异质性的。资产是如此不同，数据是粗略的，很难进行同类比较。对人际关系和直觉的高度重视，再加上交易的复杂性或地方政策的变化(尤其是在中国)，都降低了数据分析预测房地产的可能性。然而，在公司内部，我们相信凭借数据驱动可以获得真正的信息优势。

在国内——与其说是差距，不如说是行业的演变。高地价、更激烈的竞争、眼光更敏锐的买家(升级者)、银行收紧信贷以及有针对性的地方政策，都加大了投资决策的难度。风险评估变得更加重要，因此更敏感的数据分析，可以减少不确定性。

对于外国投资者来说，除非他们与中国关系密切，否则在他们从选择性报道和一些耸人听闻的分析中所看到的，往往会让他们感到相当困惑，甚至是完全误导。考虑到中国的规模，总体统计数据是出了名的难以解释，而正确理解房地产市场背后的驱动因素(无论是地区、城市层级还是城市类型)，是(或应该是)至关重要的。

公司主要从哪里获得数据?

我们与位于北京的中国指数研究院(搜房网的一部分)建立了合作关系，作为项目和城市层面广泛基础数据的主要来源，然后将这些数据输入到我们的分析模型中。网上还有大量免费的公共数据，从国家统计局到地方企业名录、新闻和媒体报道。大多数城市都有丰富的在线数据，并出版了一系列数据丰富的年鉴。这里的问题是如何理解这些数据，正确地解释它，在模糊的定义中导航——这就是我们需要花费时间的地方。

科技如何让人们更深入地了解中国房地产市场?

它包括三个部分。首先,分析帮助发现和解释(重复)模式的数据，从而帮助理解周期，并预测接下来可能的价格增长。销量增长总体上,或在一个城市上,城市有可能超越——我们看城市就像是看待一只股票，我们应该如何进行交易。

第二，技术搜当地来源，这有助于发现重要的新领域或地区的发展，新的地铁线路和重要基础设施项目，或是即将土地拍卖清单，由开发人员的重大交易，或当地的市场情绪，买家偏好和条件包括实际的抵押贷款利率。在采购交易和对有限的硬数据进行尽职调查时就很有价值。

第三，在更大程度上，技术可以帮助自动化研究生产的日常方面，掌握细节中的细节。例如，得到那些有着图表，数据和文本的城市报告。虽然目前仍需要一个人工分析人员，但是现在，那个分析人员过去花10个小时做的事情现在可以用软件在10分钟内完成。速度之所以重要，并不是因为房地产是一个快节奏的交易游戏，而是因为在实践中，当机会出现时，从事交易的人需要时刻准备好数据和洞见。

你能举出一个有趣的案例吗?

选择一个成功的城市

我们在2017年1月的年度中国房地产展望大会上展示的最佳城市是西安。我们认为，土地供应的减少、库存清理的改善、销量的新动能以及此前表现不佳，再加上非常强劲的经济基本面和有利的政策，将使得西安在未来几年的表现优于其他城市。

当时，我们展示了以下图表，其中一些内部模型作为背景:

随后，西安是如何晋升到顶级城市：

预测市场周期

几年前，我们就能够非常准确地预测房价同比增长的年度变化……

数据的秘密？从M2货币供应量增长如何带动房价上涨近6个月，以及销量增长如何倾向于带动房价上涨，可以看出非常清晰的规律。当时的住房政策更加统一，所以紧缩-宽松-宽松的周期并不像现在这样因城市而异(这是市场的一个重大结构性变化)，而这样的预测是可能的。

挑选获胜地区

我们更进一步，将研究对象从城市拓展到地区。几年来，我们一直在发布《中国地区报告》，根据这些数据，我们调查了20个主要城市的200多个地区，以确定下一个热点地区。数据可以指向一个有趣的位置，但当然，我们仍然会通过本地资源和主要检查来验证市场动态。就相对价格增长而言， 能证明具有高度预测性的数据指标的例子是，一组成交量指标强劲但价格增长表现相对较弱的地区，是未来一年大幅上涨的主要候选地区。以下是我们对2017年的预测，以及2018年发生在他们身上的事情(正如预期，只有一个例外):

房地产开发商对预测分析有何反应?

越来越多的中国主要开发商正在组建内部大数据团队，聘请博士团队分析数据，尤其是利用他们拥有的大量内部专有数据。有越来越多的另类数据，比如使用手机和应用程序来跟踪人们的移动。不过，总的来说，我仍然认为，根据我们与业内人士的交谈，许多参与者甚至可能还没有完全按照我们定义这些部门的方式构建中央研究/数据部门。

中国房地产市场“预测分析”面临的一个挑战是其过于乐观的名头…虽然我们有很多实际预测的好例子，但这种分析的作用实际上是在更好地阐明正在发生的事情，识别模式，获取额外的信息，从而对决策或整体战略产生积极的影响。核心决策仍然是特定于交易的，在这一点上，分析显然不那么重要。

正如我们所知，中国房地产市场是高度受政策驱动的，你如何将这一不可量化的因素纳入你的数据分析中?

有趣的是，这些政策往往是对数据中所表达的市场状况的反应……事实上，这将使政策的走势与数据变得相当可以预测，至少在方向上是这样。这在过热的市场尤其有效——这些市场很快就会受到政策审查。另一方面，鉴于自2016年以来我们已经经历了很长一段时间的大规模紧缩，在当前的周期中，放松货币政策是非常容易的。

与几年前相比，当前经济周期的一个重大变化是，政策指令现在针对的是更多针对城市乃至地区的政策，以反映当地市场的特定需求和供应状况，而不是全面收紧或放松。其含义应该是在表现上有更大的差异，而且更重要的是要考察单个城市，而不是按地区或层次等典型的集群。现在谈论“总体政策”也没有那么有意义，除了全面遏制投机，“住房是为了生活，不是投机”和控制物价上涨。

您在分析房地产行业时还面临哪些挑战?

对于一般的数据挑战，并不缺乏这些!考虑一个基本的问题，房价是在上涨，是在下跌，还是加速下跌？从官方国家统计局(国家统计局)看到的70个城市新房价格指数的平均值会得到一个结论，而从中国指数研究院编制的100个城市指数将会得到另一个结论，而这些结论很可能与你在媒体上看的论点截然不同！所以我们应该如何把这些数据进行整合？实际上，一旦你剖析了定义、范围差异、计算方法等等，就会有一个完美的解释。但如果你只看一些选择看一些标题上的数字，你就可能会弄错。

碧桂园，中国最大的房地产开发商之一，宣布增加对人工智能领域的投资。在你看来，人工智能将如何颠覆传统的房地产建设？

人工智能可以在有大量数据的地方发挥效用，而房地产运营可以生成大量信息，特别是对于大型开发人员来说。如果你有每年1000亿美元的合同销售和数百个项目，你就要考虑一下运营规模。能够优化的领域是如此之多。但这不是我们的重点，因为我们专注于市场动态和投资决策支持。

Real Estate Foresight的发展前景是什么？

珠港澳大湾区一体化由政府最终于2月18日公布，我们将重点关注区域内的九大城市。与Robotic Online Intelligence公司一起，我们将共同推出GBA情报系统，这是我们智能分析师扫描并挑选出的最可行的或深刻的本地新闻和公告。

我们将很快发布深入的报告，重点是为开发者和投资者发现GBA的潜在机会。

我们只是继续解决中国的数据难题——致力于建立更多的可预测性分析——着眼于数据驱动的交易，将数据转化为可操作的洞见。