Skip to content

sambomaster0501/China-property-analysis-framework

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

3 Commits
 
 
 
 
 
 
 
 
 
 

Repository files navigation

🏠 中国房产分析框架 (China Property Analysis Framework)

五层漏斗 × 14维打分 × 熔断机制 × POI噪音过滤
一套可复用、可验证、可商用的房产投资决策方法论

GitHub stars GitHub forks License GitHub Pages


📖 在线文档

📚 完整框架文档(GitHub Pages)


🎯 适用人群

人群 用法
🏠 买房自住 用五层漏斗筛选城市→板块→楼盘,避免踩坑
💰 房产投资 14维打分量化比较,熔断机制自动排除高风险标的
📊 数据分析师 可直接复用的评分模型和POI过滤逻辑
🎓 学术研究 框架融合了Howard Marks周期理论、IARC致癌分类、North制度经济学等学术成果

🏗️ 框架结构(五层漏斗)

Layer 1: 城市选择     → 六维评估(经济/人口/供需/政策/流动性/周期)
Layer 2: 板块选择     → 五因子模型(产业/交通/配套/规划/价格)
Layer 3: 楼盘比较     → 14维打分 + 熔断机制(红/黄/绿三级)
Layer 4: 时机判断     → 六灯信号系统(🟢🟢🟡🔴)
Layer 5: 价值监控     → 买入后持续跟踪清单

⚡ 核心亮点

1️⃣ 熔断机制(Circuit Breaker)

在14维打分之前先执行,一票否决高风险标的:

熔断等级 触发条件 处理方式
🔴 红色熔断 殡仪馆<2km / 垃圾焚烧厂<3km / 化工厂任意距离 一票否决,直接排除
🟡 黄色熔断 变电站100-500m / 主干道<300m / 公墓<1km 不利因素权重提升至15%,严重拉低总分
🟢 绿色通过 不利因素在舒适距离外 进入正常14维打分

2️⃣ POI噪音过滤

解决高德API检索"不利因素"时被无数无关POI淹没的问题:

  • 白名单制:只搜索指定POI类型编码(殡仪馆/工厂/变电站等)
  • 分级检索半径:噪音类3km、殡葬类5km、工业污染类2km
  • 人工二次确认:POI结果必须对照官方公示或卫星图验证
  • 禁止模糊搜索:不用关键词搜索,只用分类编码精确搜索

3️⃣ 学术交叉验证

框架融合了多学科经典理论:

理论 来源 用途
周期定位 Howard Marks《周期》 判断买入时机
信号理论 Spence (1973) 解读开发商行为
制度经济学 North 评估规划落地可信度
前景理论 Kahneman (1979) 处理后视镜偏差
致癌分类 IARC 量化工业污染健康风险
DID实证 西南大学(10.7万条数据) 学区溢价评估

📊 14维打分体系

⚠️ 2026-06更新(v3.6):从17维瘦身至14维,移除不属于微观楼盘差异的宏观/供需/个人财务3项指标,权重重新分配。

# 维度 权重 说明
1 价格竞争力 17% 与周边可比楼盘比溢价率
2 开发商资质 12% 信用等级/交付记录/诉讼查询
3 教育配套 10% 学区稳定性×学校质量×距离
4 交通配套 9% 地铁距离/通勤时间/路网密度
5 商业配套 7% 自带商业/底商/大型商业距离
6 医疗配套 6% 三甲医院/社区医疗距离
7 小区品质 7% 容积率/绿化/物业/外立面
8 得房率 6% 实际使用面积/产权面积
9 采光/噪音 6% 楼间距/朝向/噪音源距离
10 规划兑现 5% 政府在建工程投资/规划落地年数
11 流通性 6% 二手房成交量/挂牌量/成交周期
12 不利因素 12% 熔断后剩余不利因素评分(大幅提升权重
13 TOD价值 6% 轨道交通站点周边增值潜力
14 交付能力 5% 开发商资金链/工程进度/预售资金监管

总分 = Σ(维度得分 × 权重),建议阈值:≥4.0分可考虑,≥4.5分推荐。


🚀 快速开始

方式一:直接套用Excel模板

  1. 下载 references/scoring.md 中的评分表
  2. 对每个候选楼盘打分(1-5分)
  3. 用公式计算:=SUMPRODUCT(得分范围, 权重范围)
  4. 先执行熔断检查,再比较打分结果

方式二:用AI助手执行完整分析

将本仓库的 SKILL.md 作为系统提示词(System Prompt)输入任意AI助手(ChatGPT/Claude/WorkBuddy等),AI会自动执行:

  1. 高德API读取POI数据
  2. 执行五层漏斗分析
  3. 输出14维打分表
  4. 生成投资建议报告

📂 文件结构

China-property-analysis-framework/
├── SKILL.md                        # 主框架文档(AI可直接读取)
├── index.md                        # GitHub Pages首页
├── _config.yml                    # GitHub Pages配置
└── references/
    ├── scoring.md                 # 14维打分详细评分标准
    ├── checklist.md               # 买房前核查清单(防坑版)
    ├── pitfalls.md                # 常见踩坑案例库
    ├── circuit_breaker.md        # 熔断机制详细说明
    └── poi_filter.md             # POI不利因素过滤操作规范

🔧 依赖工具

工具 用途 费用
高德地图Web API POI检索/距离计算/地理编码 免费(每日限次)
住建局官网 预售许可证/备案价查询 免费
天眼查/企查查 开发商资质/诉讼查询 付费(可选)
AI助手(任意) 执行分析流程 免费/付费

高德API申请:访问 lbs.amap.com 注册开发者,创建「Web服务」应用,获取Key(每日免费额度:POI搜索 2000次/天)。


📅 更新日志

版本 日期 核心变更
v3.6 2026-06-05 17维→14维瘦身;新增熔断机制;新增POI噪音过滤
v3.5 2026-05-28 三轮隐私脱敏;GitHub Pages发布
v3.0 2026-05-20 五层漏斗框架建立;学术交叉验证
v2.0 2026-05-10 17维打分体系建立
v1.0 2026-05-01 初始版本(单城市分析)

🤝 贡献指南

欢迎提交 Issue 和 Pull Request!

特别欢迎

  • 🏗️ 补充更多城市的POI过滤规则
  • 📊 优化14维打分的权重分配
  • 🔬 补充学术参考文献
  • 🌐 翻译成其他语言(英文/粤语)

提交PR前请确认

  • 新增内容有可信信源(政府官网/学术期刊)
  • 隐私脱敏:不包含任何真实人名/楼盘名/城市名
  • 代码/公式经过测试

📚 参考文献

  1. Marks, H. (2018). Mastering the Market Cycle. Houghton Mifflin Harcourt.
  2. Spence, M. (1973). Job Market Signaling. Quarterly Journal of Economics.
  3. North, D. C. (1990). Institutions, Institutional Change and Economic Performance. Cambridge University Press.
  4. Kahneman, D. & Tversky, A. (1979). Prospect Theory: An Analysis of Decision under Risk. Econometrica.
  5. IARC Monographs on the Evaluation of Carcinogenic Risks to Humans, Vol.100C (2012).
  6. 西南大学教育学部 (2021). 学区房溢价效应的DID实证分析. 教育经济评论.

⚖️ 许可证

MIT License — 免费用于任何用途,包括商用。


⭐ Star History

Star History Chart


📧 联系


⚠️ 免责声明:本框架仅供学习研究使用,不构成任何投资建议。买房有风险,决策需谨慎。

About

🏠 买房避坑指南:中国城市房产分析框架 — 五层漏斗+17维打分+学术交叉验证 | Property Analysis Framework for China's Housing Market

Topics

Resources

Stars

0 stars

Watchers

0 watching

Forks

Releases

No releases published

Packages

 
 
 

Contributors