二手房交易中的双边匹配问题及优化措施

（1）研究背景

随着信息和通信技术的不断发展，互联网用户数量不断增加，根据中国互联网信息中心（CNNIC）发布的《中国互联网络发展状况统计报告》显示，截至2018年12月，中国网民规模达8.17亿，互联网普及率达到59.6%，较2017年底提升3.8个百分点，全年新增网民5653万。我国手机网民规模达8.17亿，网民通过手机接入互联网的比例高达98.6%。中国拥有的庞大互联网市场基础，促进了各行业领域的电子商务的蓬勃发展。越来越多的消费者（买方）通过互联网购买合适的商品，也有越来越多的卖方将商品的出售信息发布在互联网上，由此导致互联网上关于商品的购买信息和销售信息呈爆炸式增长，此时，买方和卖方通过搜索引擎分别寻找合适房屋和买方信息的方式已变得越来越费时费力[23-25]。为此，许多买方和卖方将目光转向了基于互联网的电子中介。电子中介是利用现代信息和通信技术，为买方和卖方提供信息交流平台，并撮合双方进行交易的一种市场运作机制。电子中介平台依据买方提交的需求信息和卖方提供的商品属性信息，向买卖双方推荐合适的交易匹配对象，实现买卖交易的最优匹配[26-31]。电子中介平台由于突破了时间和空间的限制，能够为买卖双方提供更多实时有效的商品交易信息，进而减少因信息不对称而造成的无效交易；另一方面，电子中介平台将买方需求信息和商品销售信息进行聚集，撮合买卖双方实现交易匹配，不仅大大降低了买卖双方寻求交易的时间，同时也降低了交易成本。以二手房买卖交易匹配为例说明传统二手房交易存在的问题[55-58]。

房地产业作为国民经济的基础性产业，为国民经济的持续、健康、稳定发展提供必要保证。其中二手房在解决城市房源短期供应量不平衡、供应主体单一，平抑新房价格上涨，调控房地产市场的规模和结构等方面发挥着重要作用。随着二手房市场的不断繁荣发展，二手房交易买方和卖方数量也大量增长，买方可以考虑购买二手房市场中任意一个满意房子，卖方可以将房子卖给任意一个合适的买方，因此，买卖双方可能的交易组合数目庞大，这是问题之一。在二手房交易市场上，假设当买方B1看好了一个房子，B1给出的期望成交价格是P1，买方B1把这些信息告之中介，中介再告诉房子H2的主人S2，通常卖方都需要一定的时间来考虑B1所给出的交易价格是否是自己可以接受的。对于价值几十万甚至数百万的房产交易，卖方考虑的时间往往是几个小时，有时甚至一两天都有可能，在买方B1在等待卖方S2答复期间，B1喜欢的另外一个房子H3可能已经被出售了，一旦买方B1和卖方S2没有达成交易，B1不仅错失了自己喜欢的房子H3，而且还要花费更多时间去寻找自己满意的房子。类似的，对于卖方提出的交易价格，买方也需要一段时间考虑，在卖方等待买方的回复时也可能会错失其他买方提出的交易机会，虽然二手房交易市场上买卖双方都不期望等待时间持续太长，但传统的买卖交易方式又不得不等待另外一方思考一段时间作出决策后才能继续交易，因此，二手房交易市场中存在堵塞问题。买卖双方数量不断增加，以及当前交易方式存在的拥挤堵塞问题，造成了二手房交易的低效率和交易的高成本。如何提高买卖双方交易的速度，破解交易堵塞问题不是没有可借鉴的成功案例，二手房交易当前存在的困境与美国医院实习匹配项目当年遇到的问题非常相似，当然二手房交易毕竟与NRMP项目不同，有其自身的特点，尤其是互联网上的二手房交易存在动态、连续匹配的特征。但NRMP项目借助信息处理中心采用双边匹配算法的思想仍有可借鉴之处。

随着互联网的不断发展，尤其是移动互联网和智能手机在我国的不断普及，基于互联网的二手房交易蓬勃发展。基于互联网的电子中介交易模式是二手房的卖方在二手房交易平台上注册后，可以将房屋具体信息提交到二手房交易平台上，二手房的买方通过浏览和筛选，如果找到满意的房屋，可以注册后看到二手房卖方的联系方式，然后与卖方进行沟通、协商，买卖双方协商成功，则最终在线下完成交易；否则，买方继续与下一个满意的房屋卖方进行协商。二手房交易平台与传统实体店相比，由于买卖双方可以不受地理位置因素的影响，可以聚合大量的买卖双方，也在一定程度上解决了双方信息不对称的问题，缩短了买方和卖方的交易等待时间，提高了交易的效率。本书从二手房交易匹配理论和方法、二手房交易系统开发方法、国内典型二手房交易平台等方面，对近年来二手房交易国内外学者的研究成果进行了总结与评述，并对未来二手房交易的发展进行了展望。

（2）二手房交易匹配方法

张振华和汪定伟基于买卖双方的信息反馈策略，提出了一个二手房交易模型，此模型采用了智能Agent搜索技术，按照适合程度为买方提供一个卖家推荐列表，并以成交额和买卖双方的满意度最大为优化目标构建了数学模型，来对买卖双方进行优化匹配[55]。樊治平等针对具有多属性评价信息的二手房买卖交易匹配问题，采用公理设计方法计算双方交易的匹配程度，以买卖双方交易方案的信息容量最小和交易匹配数量最大为优化目标，构建了多目标优化模型[188]。梁海明和姜艳萍针对二手房屋的不同交易属性形式，如成本型约束、效益型约束、区间型约束，给出了买卖双方的满意度计算函数，在考虑匹配稳定性的基础上，设计了基于匹配满意度的扩展H-R算法来优化买卖双方的匹配[290]。Jung和Jo研究了电子中介中的多属性商品交易匹配问题，开发了约束满足问题的求解器并在房产中介交易网站进行应用[175]。Ragone等针对互联网平台中考虑模糊信息的买卖交易匹配问题，提出了一个考虑双方偏好和效用的优化匹配方法[24]。Sim和Chan研究了基于电子中介的买卖双方交易匹配问题，采用多属性评价准则来匹配买卖双方，匹配和关联买卖双方的过程分为选择、评价、过滤和指派四个步骤[23]。Fink等根据买卖双方提交的多属性需求信息，给出了快速识别匹配买卖双方订单的多属性搜索算法[176]。Joshi和Boley研究了P2P电子市场中买卖交易问题，针对买卖多属性交易匹配中存在的软约束，通过所开发的匹配系统来计算买卖双方的相似度[179]。Kameshwaran和Narahari为确定买卖双方交易同类多单元商品的数量，建立了交易匹配的混合整数规划模型[180]。

（3）二手房交易价格评估(www.xing528.com)

在二手房交易市场，二手房价格是买卖双方关注的焦点，也是影响二手房买卖交易达成的关键因素。如何对二手房价格作出科学、合理与准确评估成为影响二手房市场发展的重要问题。毛凤华采用八爪鱼软件爬取了北京市二手房23 159条数据，采用聚类分析方法对房屋面积、建筑层高、装修情况、城区位置、交通状况、客厅数量、卧室数量等属性进行了分析[177]。阮连法等基于特征价格理论，以杭州市西湖区二手房交易价格数据，采用支持向量机方法构建了二手房价格评估模型[178]。李圆圆采用二手房所在区域、房屋面积、户型、楼层、建造时间等硬指标和交易浏览次数、关注次数、带看次数等软指标作为影响因素，采用BP神经网络模型对二手房价格进行预测[181]。汪瑞和李登峰针对二手房买卖双方为了最终确定房屋交易价格而进行的讨价还价问题，以买卖双方风险中性为前提假设，构建二手房交易双方讨价还价博弈模型，研究结果表明讨价还价的博弈结果与双方的贴现因子有关[182]。刘国达比较了二手房估价常用的方法如收益法、成本法、假设开发法和市场比较法，基于J2EE平台采用MVC设计模式设计和开发了二手房交易价格评估系统[183]。黄明宇和夏典从链家二手房交易平台中爬取了合肥市二手房交易数据，选用了房屋朝向、户型、楼层段、使用年限、建筑面积、装修程度等11个影响因素作为变量，构建了用于二手房价格预测的多元线性回归模型[184]。

（4）二手房交易管理系统开发

采用手工操作方式来撮合买卖双方进行交易的传统二手房交易模式，由于其低效率与高成本已经很难适应二手房交易市场的快速发展。在“互联网+”时代，基于PC端和移动端的二手房交易管理系统成为二手房中介运营管理的必备工具。朱俊基于SaaS平台架构，采用ASP.NET开发语言开发了一个二手房智能分析系统，该系统具有买卖双方信息管理模块、交易合同管理模块等，采用贝叶斯分类法和SVM算法对二手房数据进行分类，并利用线性回归算法和BP神经网络预测二手房交易价格[185]。魏迪针对二手房市场中买方面对海量房屋信息难以决策的问题，采用数据预测模型筛选出热门房源，设计并开发了一个二手房交易数据的可视化系统[186]。张熙基于.NET框架采用ASP.NET开发语言，开发了一个满足业主、购房者和房产经纪人三方需求的二手房交易系统，该系统具有房源和客源管理，以及在线交易等功能[187]。武空军针对济南市二手房交易市场，采用面向对象开发方法，采用UML用例图对济南市二手房交易市场进行了需求分析，设计并实现了买卖双方信息登记、房屋查询、房产交易等功能的二手房管理系统[188]。李林涛和高峥采用.NET和工作流技术，开发了一个具有二手房报表管理、自助交易、转让抵押、转让登记、中介机构资质验证等功能的二手房买卖交易管理信息系统[189]。周旻娇和张汗灵为了保障二手房交易资金安全，保护买卖双方的合法权益，采用工作流建模工具，设计了C/S和B/S相融合的二手房交易及资金监管系统[190]。姜宇按照二手房需求分析、系统分析、系统设计、系统实现的系统开发流程，为大连市二手房交易市场开发了一个具有买卖双方交易信息发布、卖方二手房信息查询、投诉及交易咨询等功能模块的二手房交易管理系统[191]。王晓静开发了一个基于移动应用的房产中介管理系统，该系统在PC端系统采用Java语言与SSH技术架构进行系统设计与开发，在移动端采用Android技术开发，主要拥有售房租房管理、买客租客管理、房源信息采集、日常办公管理与系统管理功能[192]。周洁采用面向对象开发技术，以Visual C#为开发平台开发了房产中介决策分析系统，系统具有买卖双方信息管理、交易跟进记录、业绩排行榜等功能，还可以根据买方需求信息提供多条件信息匹配功能，此外可以对房产交易进行可视化统计[193]。张金龙根据三门峡市房产中介的实际需求，采用ASP技术开发了基于B/S架构的房产中介管理系统，通过该系统买卖双方的系统注册，可以检索和发布房源信息和需求信息、广告管理、新闻发布、留言中心、问题管理和系统管理等[194]。

（5）评述与展望

本书对二手房市场中的交易匹配方法、交易价格评估和交易系统开发等方面的国内外研究现状进行了系统总结。从上述已有文献研究发现：（1）国内外学者对具有多属性评价信息和模糊信息下的二手交易匹配方法进行了研究，构建了确定买卖双方最优匹配对的数学模型和优化算法；（2）对于二手房价格评估，许多学者以二手房属性如房屋面积、户型、楼层等作为评估因素，以BP神经网络、支持向量机、多元线性回归等方法构建了价格评估模型；（3）已有文献大多采用面向对象系统开发方法，开发了基于PC端的二手房交易管理系统，功能基本包括用户注册、房屋信息和买方需求信息登记、信息筛选与查询、留言管理、系统管理等。

已有的二手房交易研究文献取得了大量的成果，在一定程度上促进了二手房交易市场的发展。然而，随着二手房交易市场中买卖双方数量的逐步增多，以及大数据、人工智能等信息技术的不断发展，二手房交易市场面临着一些新的问题亟须解决：（1）现实生活中买卖双方在交易平台上提供的信息很多时候是不完整的、缺失的，甚至提供一些虚假的房屋信息，如何针对这些情况给出有针对性的交易匹配方法是未来需要研究的重点问题；（2）虽然有部分学者通过软件爬取了一些二手房交易数据来评估房屋价格，但目前缺少将大数据挖掘技术应用于买卖双方交易匹配方法；（3）关于二手房交易价格的评估，以往研究往往只考虑了房屋的属性信息，而没有考虑买卖双方的交易心理，下一步需要研究考虑买卖双方交易心理的价格形成机制；（4）已有系统开发方法大多没有考虑将交易匹配模型和算法嵌入二手房交易管理系统，因此，开发一款满足买方对房源的需求信息和卖方要求，并且可以实现为买卖双方自动推荐合适房源和买方的智能匹配系统，实现二手房买卖交易的快速、有效匹配，不仅具有重要的理论研究意义，而且还具有重要的实际应用价值。