今天10/8（二）蘋果日報刊登我第39篇專欄文章「預售屋價格知多少？」（如下連結，由於蘋果目前閲讀全文需註冊登記，為方便大家閲讀，我也將全文轉貼如下，副標為編輯所下）。
有興趣進一步了解專欄內容提及的論文全文，可參考下列連結：
「預售屋大量估價模型之建立」，江穎慧、朱智揚、張金鶚合撰，住宅學報，第二十八卷第二期，2019年12月
https://pse.is/GF3F4
——————
張金鶚專欄：預售屋價格知多少？
（張金鶚，政治大學退休教授）
原本實價登錄2.0修法是要求建商應將銷售中的預售屋個案，一但銷售某個戶應即時予以登錄實價，而不是等到個案全部銷售完畢後一個月才予以登錄實價。遺憾目前實價登錄對預售屋仍有許多盲點，買賣雙方資訊不對稱的情況嚴重，一般人對預售屋價格及銷售狀況的掌握還是相當不足。尤其預售屋具期貨特性，加上個案銷售的廣告宣傳效果，通常形成中古成屋房價的領先指標。因此，如何能多方了解並掌握預售屋價格便成重要議題。
目前台灣實價登錄資料多為成屋價格，若能透過成屋價格了解其與預售屋價格的關係，將有助於我們掌握預售屋價格。倒底預售屋價格比成屋價格高還是低？若這兩種房屋在相同區位、產品、時機下，彼此差距有何關係？最後，預售屋價格能否類似成屋方式利用大量估價建立模型，提供各界自動估算預售屋價格？
雖然預售屋相較於成屋無法實際看到摸到，而且屆時完工房屋能否如期如質和預售合約相同，仍存在風險；但是預售屋能夠有產品的優先選擇權（Option ）、避免未來房價波動風險以及自備款分期付款等優點。如果將預售屋比喻為「期貨」（Futures，更精確的説法應是「遠期交易」，Forwards），成屋比喻為「現貨」（Spots），根據期貨相關理論，預售屋價格將領先並高於成屋價格。
預售案看房市景氣
然而這兩種相同期間、區位與品質的預售屋與成屋的價差高低，將會受到持有成本、產品風險、建商品牌、預期房市景氣變動等影響（相關研究可參考白金安1996年博士論文），兩種產品價格並非是固定的比例價差。
江穎慧、朱智揚和我最近將在《住宅學報》（TSSCI）發表《預售屋大量估價模型》。我們透過實價登錄資料以及國泰房價指數資料（多為預售個案）兩個資料庫座標、屋齡和樓層相互比對，實證研究台北市2012年第3季～2015年第4季共159個預售個案，3256筆成交價格資料，特別納入鄰近500公尺成屋平均單價（分析成屋與預售屋價差，簡稱「基差」）及個案建商特徵，利用特徵價格法，建立預售屋大量估價模型。
實證預售屋大量估價的結果，都達到一般國內外要求的高標準，平均誤差10.89%，正負20%命中率達87.68%，應具相當參考價值。實證結果顯示，預售屋平均單價與附近成屋的基差，在這段景氣高峰（模型期間2012～14）高達35.5%，而在2014年第三季預售屋價格也看到顯著反轉向下；另外，上市櫃較非上市櫃建商，其預售屋價差有5.7%。面對當前房市景氣明顯不如2014年高峰情況下，預售屋與成屋的基差也將明顯縮小，兩者差距越來越有限。因此，我們看到目前預售個案的減少，先建後售成屋銷售個案的增加。換言之，我們也可以從預售個案比例的增減判斷當前房市景氣好壞狀況。
應建自動估價模型
上述學術實證研究成果，突破過去預售屋價格無法大量估價達到估計個戶模型的精準度水準，可提供消費者及業者對預售屋價格的了解參考。當然在不同都市及景氣時機還都需要進一步檢測模型並進行實證研究，尤其未來若能要求預售屋也必須全面立即實價登錄（所謂2.0版），如此將取得更多的大數據資料，將更能達到全面實務應用的目的。
面對當前預售屋個戶（非個案平均）價格的不透明，此預售屋自動估價模型的建立，亦能提供政府未來稽核預售屋價格申報不實的依據，以降低政府稽查成本。顯見未來對房市各種價格的掌握，不論是學術研究、實務應用乃至政府政策，利用大數據及人工智慧模型將是無可避免的趨勢，值得各界重視。
https://tw.appledaily.com/forum/daily/20191008/38464452
