自动估值模型

优点：相比传统的房地产评估手段而言，AVMs具有快速、降低成本、前后一致和客观的优点。这不是说尽职的、技术高超的鉴定者缺乏一致性和客观性。但是一个AVM能够显著地节省估价的时间并减少与传统评估过程有关的成本。

缺点：主要有三个：首先，它们要依赖所使用数据的精确性、综合性和时效性。其次，AVMs不能用来决定物业的物理状态和相关的市场表现。第三，AVMs永远不能把一个经验丰富的评估师的知识与判断具体化。

所以，AVMs适用于一个有相对充足当前数据，物业所处地区相对同质且物业的情况和市场表现相对典型的环境。当数据不足够、地域环境复杂且物业与平均状况和市场表现有显著差距时，AVMs作用就发挥不出来。

自动估值模型（AVMs）有三种主要类型：指数模型、偏好模型和混合模型。简介如下：

指数模型，也叫价格指数模型，只需提供销售数据，不需要物业特征。需要采用“重复销售”的回归分析，并需要一个先前的“价格点”来启动运行。这些模型可靠性令人怀疑，因为它们对物业设定了众多的假设条件，却没有提供依据。例如，假设物业的特征自上次销售后保持不变。

偏好模型决定于物业特征。它们针对具体物业（取决于物业位置）；需要物业的特征数据以及比较数据；提供了假设的依据；以规则为基础；并提供了统计评估。像指数模型一样，它们也需要有一个先前的价格点来启动运行。这些模型的局限性在于，依赖于一个严格限定的地理区域内的最近销售的数据，而在某些国家只有部分有限的数据。它们也有指数模型同样的弱点——包括假设物业特征保持不变。

混合模型把指数模型和偏好模型的特征结合起来，涵盖了销售数据、物业特征分析、可比销售、以及估税模型。许多卖者，包括房利美都向使用多种手段的AVMs模型转换。

以上是AVMs的简要介绍，有一种说法认为：使用AVMs的主要目的是要设计一种解决方法，并使其服务于所有的贷款发放人的业务和竞争需要，并有利于客户。这样才能更好地解决困难，减低费用，并帮助所有人拥有自己的房屋和租住可负担房屋的机会。

监管部门正在关注、研究并准备针对自动估值模型的弱点提出指引政策。在国际上该模型已被广泛使用了五年，使用者评价是积极的，AVMs已经被视为是一种先进、科学的风险管理模型。

水质模型参数估值是确定水质模型各待定参数值的方法和过程。是建立和应用水质模型的关键。其方法可分为单参数估值法和多参数估值法两类。前者可由实测数据或经验公式对各参数分别估值；后者一般以水质的实测值与模拟值两者所构成的误差平方和为评价目标，通过最优化技术求解出最佳参数值的结合。由若干组实测数据估得的参数值，应进行标定误差的检验，并应用另外若干组实测数据进行模型预测误差的验证。当从事战略性水质规划而又缺乏实测水质数据时，也可直接采用类比数据确定参数值。

水质模型单参数估值

水质模型单参数估值是分别确定水质模型中各待定参数值的方法和过程。单参数估值时。可以利用水质模型参数变量中之间的关系，在已知其他参数值和必要的水质现场实测数据（或室内模拟数据）条件下，求得有关参数值；也可以利用已有的经验统计关系式来粗略的估算。单参数估值法比较简便，可以根据数据的支持条件灵活应用，但由于它是对各参数分别进行计算和估值的，并未很好综合考虑参数值之间的相互制约关系，因此对参数估值的准确性有较大的影响；特别是利用一般的统计经验公式进行参数估值时，有时误差可能很大。

水质模型多参数估值

水质模型多参数估值是应用多变量参数最优估值法同时确定水质模型各待定参数值的方法和过程。此法是从水质模型的整体性出发，考虑了各参数变量之间的相互关系，原则上比单参数法可提高水质模型的可靠性。但由于多变量最优估值是一个非线性最优解搜索问题，它不能保证搜索到的是全局最优解，会造成相当大的误差，因此对常用的水质模型多参数梯度搜索估值法，已提出了更为可靠而实用的网格搜索估值法来替代。

水质模型多参数梯度估值法　水质模型多参数梯度估值法采用梯度搜索法确定水质模型中各待定参数值。一般以实测水质序列与模型计算水质序列值两者的偏差值（通常取片差平方之和）为评价目标J，以一阶梯度法（又称最速下降法）从某个起点在负梯度的方向，按一定步长搜索误差目标值最小时的各待定参数值，即J → Jmin (ai≤Ki≤bi){Ki} {Ki*}式中：Ki*为误差最小值的参数值；ai和bi为参数值的上、下限。由于水质模型多参数目标函数的非凸性，对不同的搜索起点或参数初始值，将有不同的局部最优解，因此，随采用的给定初始参数值的不同，将有不同求解参数值，从而会引起较大的误差。

水质模型多参数网格法估值　 水质模型多参数网格法估值又称水质模型多参数计算机扫描搜索法估值。利用网格法扫描搜索确定水质模型各待定参数值。其基本原理是将各参数变量值的可行区间（可从大到小），划分为一系列的小区，由计算机顺序算出相应各参数变量值结合，所对应的误差目标（即实测和计算水质序列值的偏差平房和）值，并逐一比较择优，从而求得该区间内最小目标值与其对应的最佳待定参数值。这种估值方法可保证所得的搜索解基本是全局最优解，避免了重大误差，在机时利用上也是可行的。

估值是一切投资决策的灵魂！本书是一个基于财报分析和建模的独特股票估值工具！本书作者三次荣获"华尔街*佳投资人"奖 ！

吉姆·科勒尔（Jim Kelleher），特许金融分析师，研究总监，高级分析师，投资政策委员会成员，现任职于阿格斯研究公司（Argus Research）--一家总部位于纽约市具有75年历史的投资咨询公司。在金融服务行业工作了25年之后，吉姆于1993年加入阿格斯，一直致力于构建阿格斯的专有估值模型--阿格斯六点系统的核心部分。

吉姆以研究总监的身份帮助公司的新进分析师开发和完善投资分析方法及其"模板"； 负责与各个分析师沟通联系；主持公司每周的投资例会，以及每月多次的客户电话会议。吉姆还管理着几个模型组合账户，共同管理公司的重点客户，制作和监管阿格斯的日常技术分析产品。在设计并维系阿格斯的*一个品牌投资产品（与冯·坎彭联合推广）的过程中，他起到了积极的作用。最后，他还是阿格斯投资者顾问投资政策委员会（公司资金管理部门）成员。

作为高级分析师，吉姆是公司的技术研究总监，研究范围涵盖通信技术（设备和半导体）和电子制造服务板块。吉姆持有特许金融分析师证书，并且三次荣获《华尔街日报》全明星分析师调查的"华尔街*佳分析师"头衔。吉姆一直在为华尔街网站的投资专栏撰写文章，其观点经常被主要金融刊物引用。

译者简介

李必龙，经济学硕士，在金融和实业领域有着丰富历练，在股权投资领域有着较多的实战经验，在公司估值和风险管理领域也有一定的研究。曾经参与翻译《金融与投资术语词典》、《估值：难点、解决方案及相关案例》、和《巴菲特的估值之道》等书。

李羿，财务管理学学士，在著名的德勤会计师事务所和华为等公司历练多年。曾参与翻译《金融与投资术语词典》和《估值：难点、解决方案及相关案例》、《并购估值--为非上市公司培育价值》、和《巴菲特的估值之道》等书。

简介：黄诗原，清华大学2011级金融学硕士，现为工银瑞信债券投资经理。2100433B