优选法,是指研究如何用较少的试验次数,根据问题的性质在一定条件下迅速找到并选取最优方案 (最合适、最好、最合理的方案) 的一种科学方法。选取最合适的方法,寻找最好的操作和条件,给出最合理的设计参数,就是优选。中国从70年代初开始,首先由数学家华罗庚等推广并大量应用在多个领域并取得成效。本文写作的目的,就是从方法论的高度,提出买房优选法的概念,希望帮助客户们“快、好、省”的在多伦多近几年来火热的卖家市场上买到自住或投资的物业。

那么如何用优选法解决买房的实际问题呢?就用“爬山法”或者“模拟退火法”。

opt

图1: 买房优选法示意图

“爬山法”是一种简单的优选搜索算法,该算法每次从当前解的临近解空间中选择一个最优解作为当前解,直到达到一个局部最优解。用中国话解释一下就是如图1所示:假设B点是我们昨天看过的一个比较满意的房子,我们今天又看了C点这个房子,但感觉不如B好,所以我们继续看房,直到看到E点这个房子,非常满意,为了保险起见,我们又继续看了一套F点的房子,觉得还是E点房子更满意。那么E点就是局部最优解。因为在E点无论向那个方向小幅度移动都不能得到更优的解。那么停止搜索看房下OFFER成交。

房地产市场有几个关键的因素和特点:

  1. 时效性:第一我们不太可能买过去短期内已经售出的房子,更不可能买到未来还没上市的房子。只能找当下一段时间内待售的房源。第二这个“当下”还不能太长,否则市场已经发生对我们买家不利的变化。第三是难以回溯,优质房源在市场上待售期都非常短,往往是回头想买上周看过的房子,发现已经高价卖出了。
  2. 资源有限:在我们买房的特定时间内,待售的房源有限,满意到愿意下OFFER的更少。
  3. 不可重复:优质房源卖一个少一个,基本上短时间内无法找到相似的房源。
  4. 无法理性定量分析:我们对房源的“满意度”是非常感性的,通常意义上的“性价比”不能适用。

所以在实际买房过程,我们做如下操作:

  1. 把“当下”这个时间段再细分成4到5个集中看房时间片。
  2. 第一次看房看4到5个房子,选出最满意的作为此次看房的代表点 (对应图一中的B节点)。
  3. 第二次看房,选出最满意的作为此次看房的代表点 (对应图一中的C节点)。如果C的满意度不如B,继续第三次第四次看房。
  4. 第四次看房的代表点 (对应图一中的E节点) 最满意,暂定为最优解。
  5. 再看最后一次,验证E优于F,那么恭喜你,找到了最优解:最满意的可以入手的房子了。

几点提示:

  1. “当下”这个找房购房的时间段,最好限定在4周内。否则在卖家市场上,房价节节升高,“满意度”、“性价比”会越来越低,错过入市的时机。
  2. 相信自己的判断,找到最优解后果断出手,有时可以不做最后一次的验证。
  3. 可以利用历史数据快速锁定最优解。假如我们以前看过A点的房源,觉得比较满意,可惜各种原因被其他买家买走。那么以后看房可以以A点的房源为参考,只要比A点的房源满意的就可以确定为最优解,先下手为强。

“爬山法”及以上的操作的缺点,是可能会陷入局部最优解或全局“次优解”,而不一定能搜索到全局最优解。对于追求完美的客户,一定要问:是啊,如果我买了E点的房子,结果几周以后出现了更好的H点的房源怎么办?我们可以用“模拟退火法”!

和“爬山法”的操作类似,但是“模拟退火法”的搜索过程引入了随机因素以一定的概率来接受一个比当前局部最优解要差的解,因此有可能会跳出这个局部的最优解,达到全局的最优解。以图1为例,模拟退火算法在搜索到局部最优解E后,会以一定的概率接受到F和G的移动。也许经过几次这样的不是局部最优的移动后会到达H点,于是就跳出了局部最大值E。但是在房地产市场上,这就意味着拉长找房购房的时间段,冒更大的市场上涨的风险,去找寻有可能的全局的最优解

人的一生要面对很多的问题和难题,在解决着这些问题的同时生命也在慢慢的过去着。很多时候,我们穷尽心思想要找一个十全十美,万无一失,立竿见影式的解决办法,即所谓的“最优解”,但是很多时候,我们会遗憾的发现,这样完美的解决办法是相当少的,很多时候,我们不得不选择一个“当下的”“还可以”的办法,就是“次优解”。 每个人都希望完美,这是人之常情,但一般来说,“最优解”是很难达到的,往往只在理论上存在,而“次优解”却常常是可操作的,可寻求的。 与其在“最优解”上纠缠不清,不如好好的把握住局部最优解或全局“次优解”,反而会有一个美好的结果!

张磊看图说话。切磋交流请电647-920-7018或电邮leizhang@leizhang.ca。原创文章,转载请注明出处。委托张磊,顺风顺水。