开篇 · 蒙特利尔房产每日速递:我的这套房价模型是怎么炼成的

OPEN LETTER · 开篇

开篇 · 蒙特利尔房产每日速递：我的这套房价模型是怎么炼成的

杨 轲 · 蒙特利尔地产经纪

从 8 月 19 日起，每个工作日的上午，你都会在我的公众号里看到两份《蒙特利尔房产每日速递》——一份 Single-family（独立屋），一份 Condo。里面是过去 24 小时新上市房源里，被模型判定为"低估"（绿★）和"高估"（红）的清单。

这篇文章，我想像 AI 大模型公司发布技术报告一样，把这份速递背后的东西摊开讲清楚：数据从哪来、模型怎么建、成绩单如何、它又做不到什么。不藏不掖——因为只有透明，这份速递才有被信任的资格。

一、为什么要做这件事

在蒙特利尔做了这些年地产经纪，我被问得最多的一句话是："这房子，到底值不值这个价？"

卖家的经纪有自己的一套说法，买家的直觉有另一套，而 Centris上密密麻麻的成交记录，大多数人根本看不过来。定价这件事，长期处于"经验 + 感觉 + 计算" 的状态。

我不是要取代判断，而是想给判断装一台"仪表盘"：用过去几年真实的成交与评估数据，用机器学习的方法训练一个能预测房价的模型；每天新房子一上市，立刻和模型估值比对，标出那些明显低于或高于模型判断的房源。

低估，意味着议价空间和潜在的"捡漏"机会；高估，意味着要更谨慎。这就是每日速递的初衷。

二、数据：模型的地基

模型的训练数据全部来自 Centris（魁北克 MLS），包括：

• 成交记录
  ：过去几年的真实成交价（模型学习的"标准答案"）
• 市政评估
  ：物业评估总值，以及它的拆分——建筑评估（Building Eval）与地块评估（Lot Eval）
• 房源属性
  ：使用面积、地块大小、建年、卧室/卫生间数量、车库、是否泳池等等
• 区域标签
  ：区域代码，用来捕捉"同一条街 vs 跨区"的差异

覆盖范围：

• Single-family（独立屋）
  ：15 个市镇——南岸 6 市 + 岛内西岛 8 市 + Blainville
• Condo
  ：7 个核心区域——Île-des-Soeurs（修女岛）、Brossard C/L、VM Central、Golden Square Mile、Griffintown 等

训练之前，数据要过一遍严格的清洗：去重、剔除异常交易（亲友间超低价过户、法拍等）、处理缺失值。脏数据进模型，等于投毒。

三、把房子"翻译"成数字

房子没法直接喂给模型，要翻译成特征。这一步是整个项目里最花心思的。

最关键的一个工程决策：高维向量化（high-dimensional vectorization）。面积、地块、建年、户型、区位、市政评估构成……一套房的每一面，都被嵌入（embedding）到向量空间里，几十个维度同时参与运算。模型不是在看"面积 × 单价"的简单公式，而是在这片高维空间里捕捉那些复杂到没法用一句话讲清的关系——这一步是整个系统最烧脑的地方，也是它能稳定把误差压在 8-9% 的底气。

四、模型：LightGBM 与训练流程

选型上，我用的是机器学习方法里的 LightGBM（梯度提升树）算法，原因有三：表格数据上表现稳定靠前；能处理非线性关系；配合 SHAP 可以做特征归因，解释"为什么这个房子被估高了"。

训练流程遵循"先验证、再全力"的原则，和大模型公司的做法一脉相承：

1. 消融实验
   ：每加一个特征、每改一个方案，都先小规模 A/B 对比，确认改进是真的，再保留。
2. 超参调优
   ：用 Optuna 做约 100 轮自动搜索，找到最优参数组合。
3. 样本外验证（OOT）
   ：用 这个模型没见过的数据做最终考核，防止"背答案"。
4. 全量重训练
   ：验证通过后，用全量数据重新训练最终版本。

五、成绩单

这是大家最关心的部分。用样本外数据评测：

Condo AVM（15 特征 LightGBM）

• MAPE（平均绝对百分比误差）≈ 7.95%
• 中位误差 ≈ 5.80%（一半的房子误差在 5.8% 以内）
• RMSE ≈ $155K
• R² ≈ 0.866

Single-family AVM （16特征 LightGBM）

• MAPE ≈ 9.07%
• R² ≈ 0.895

翻译成人话：平均误差 8-9%，一半房源误差在 6% 以内。这意味着模型给 $1,000,000 的房子估值，典型偏差在 $60K–$90K 之间。

我必须诚实：这个精度不足以替代专业定价，但足够用来做一件事——筛选。8% 的误差意味着"低估 10% 以上"的信号足够显著，值得人工去核实。这正是每日速递做的事：模型负责筛选，人负责判断。

六、每天上午，它在做什么

每天上午，一条自动化流水线自动运转：

1. 抓取过去 24 小时新上市房源；
2. 模型对每套房给出估值；
3. 计算 残差/低估% =（要价 − 估值）÷ 估值，负值 = 要价低于模型估值 = 潜在低估；
4. 按阈值分档：SF 低估 < -10%（绿★）、高估 > +15%（红）；Condo 低估 < -7.8%、高估 > +7.8%；
5. 生成微信图文速递。

每个工作日的速递里，你看到的每一行数字——要价、模型估值、低估百分比——都是同一套流程算出来的，可复核、可追溯。

七、它做不到什么（重要的免责）

把丑话说在前面：

• 模型看不到房况：装修、保养、采光、邻居、路冲……这些最影响实际价值的因素，模型是"瞎"的。
• 数据有时间滞后：评估价更新周期较长，极端行情下模型会慢半拍。
• 模型是辅助工具，不是定价师，更不是投资建议。绿★只代表"模型认为低于其估值"，不代表"闭眼买"。
• 本公众号内容速递仅作信息参考，不构成任何置业或投资建议。

八、接下来的路

这套系统才刚刚上线。接下来的计划：

• 扩展覆盖更多市镇与区域；
• 加入租金数据与投资测算（Cap Rate、IRR、现金流——基于静态参数），让速递从"贵不贵"升级到"值不值得投"；
• 每季度用最新成交数据重训练，并公开成绩变化。

我会持续用数据自证——模型的每一次升级，都会附上新的评测数字，欢迎监督。

如果你在蒙特利尔看房，愿这份速递帮你少走弯路。

—— 杨 轲 · 蒙特利尔地产经纪公众号：viva1980sMTL

本文为模型系统介绍与个人观点；文中所有数字基于样本外（OOT）评测，会随模型迭代更新，不构成置业或投资建议。