论文互联网金融和房地产公司数据合作的可行性，本文是房地产公司方面参考文献格式范文和房地产公司和互联网金融和可行性有关专升本毕业论文范文.
一、引言
目前,房地产与互联网金融的合作模式主要是房地产开发阶段的众筹模式和房地产销售阶段的P2P网贷模式.房地产众筹模式是指房地产商通过互联网众筹平台发布拟开发的项目并设定筹集总额,由投资人自愿投资.若在一定期限内,项目实际筹集总额达到或超过原设定金额,项目即可启动.而P2P网贷模式则是指房地产商通过P2P网站发布项目资金需求信息.有意向的投资者为项目注资,并与房地产商建立借贷关系,并就细则签订电子合同.但是现存的两种“互联网金融+房地产”模式均忽略互联网金融数据的价值.
关于挖掘数据价值,扩大企业收益的问题,不少学者认为,合理利用已有的数据优势,可以更精准的配置资源,精准营销.阳飞和陈秀秀[1]提出单个企业虽然在不断发展,但数据的重要性并没有显得十分突出的问题,说明提高数据利用率的必要性.郑劲松[2]指出,大数据在房地产营销中的重要作用.因此,需要提高大数据在房地产营销中的利用率.吴晓求[3]认为,云数据中所体现的信用信息更能反映个人和企业真实的信用状况,使金融识别风险的能力更具时效性、准确性,进一步完善了金融识别风险的能力,更利于金融的“资源配置”即融资功能的实现.杜丹阳[4]研究发现,房地产企业可以通过信息系统实现精确营销.凭借房地产商自身的数据优势,建立客户信息系统,将客户进行分类,通过挖掘大数据,提炼出客户信息,有针对性地实现精确营销.学者们虽然提出利用数据精准营销的理念,但是,没有提出互联网金融与房地产共享数据的理念,也没有计算共享数据带来的经济利益.因此,本文欲着眼于互联网金融与房地产广告网站的数据合作,并计算数据合作带来的经济利润.
二、互联网金融和房地产公司数据合作的可行性分析
关于利用互联网金融的数据实现房地产精准营销问题,本文首先,寻找影响购房者购房的主要因素,利用logit模型,计算不同房型相对于购房者的不同购房概率,将logit模型里评分最高（购房可能性最大）的房型向购房者推荐,证明数据合作的技术可行性,同时计算出互联网金融公司的用户的平均购房概率.其次,利用已经求出的购房概率,计算精准营销下带来的经济收益.
(一)技术可行性
阿里小贷在互联网金融行业里具有代表性,故本文选择寻找影响阿里小贷用户购房的因素建立模型,将房型的相关数据带入模型,即可求出特定购房需求者对于某一套房型的购房概率.经过查阅大量文献,将影响消费者购房的因素总结为房屋面积,户型大小,地理位置,建筑年龄,距离工作地点距离,学位,房地产公司品牌.
1.数据获取.在第一调查网这一网站的协助下,随机获取100名杭州阿里小贷的用户.要求这100名用户需要在以下7个因素中最多选择三个因素作为影响其购房的重要因素.
将填写问卷的用户分为两类,一类是没有购房的用户,另一类是购房用户.Logit模型主要依据购房用户和未购房用户之间差别——购房用户对影响购房的因素的重视程度和非购房用户不同.将购房用户与非购房用户的数据放在一起进行对比,发现购房用户比非购房用户更侧重于某些房型特征,这些更侧重的房型特征就是我们研究购房行为的重点.
2.建立logit模型.Logit模型可以应用于计算事件发生的概率,所以,使用logit模型计算阿里小贷用户的购房概率.计算概率的表达式如下：
Pi等于P(yi等于1|xi)等于Pi （1）
PI等于P(yi等于0|xi)等于1-Pi （2）
g(x)等于β0+β1x1+…+βnxn （3）
上式中yi等于1——购房行为发生；yi等于0——购房行为不发生；x1——房屋；x2——户型大小；x3——地理位置；x4——建筑年龄；x5——距离工作地点距离；x6——学位；x7——房地产公司品牌.
3.统计结果分析.P表示使用该系数估计错误的概率.本文中,P>|Z|的值小于0.1即可被接受.从数据结果看出,影响阿里小贷用户的购房因素有房屋,距离工作地点距离以及户型大小.
最后阿里小贷用户的平均购房概率为73.24%.由此可见,互联网金融和房地产广告网站进行数据合作具有技术可行性.
(二)经济可行性
搜房网在房地产广告网站中具有一定的代表性,本文选择以搜房网为研究对象,计算使用阿里小贷用户数据会为搜房网的电子商务服务领域带来的利润.
从项目投入和产出的角度分别进行估算,对阿里小贷和搜房网的合作模式进行财务效益分析,即论证阿里小贷和搜房网类的房地产广告网站合作的经济可行性.
1.建设投资估算和成本费用估算.项目前期拟定投资2亿元,用于数据挖掘模型构建、设备购买和场地租赁.
2017年,搜房新房直营团队被宏大的F0合伙人计划所取代,所以新房和二手房的营销模式均拟定采用不设营销团队的模式,将营业收入的85%计为销售费用.管理和运营团队拟用20人,以看准网上搜房网员工的平均月薪为参考,约为6000元/月,并每年增长10%.将管理和运营人员的薪资计为管理费用,则前五年的管理费用分别约为144万元,158.4万元,174.24万元,191.66万元,210.83万元.
2.进行收入估算.将项目运营期间搜房网因项目而增加的佣金收入定为主要的营业收入.佣金收入为新房和二手房交易量、平均每套房佣金率和平均每套房售价的乘积之和.
搜房网新房的佣金率在2015和2016年都为1.25%,在此将新房佣金率定为1.25%；从2015年开始,搜房网二手房的佣金率经历了0.5%到1.5%的起伏,至2017年开年,调整为了1%,因为搜房网二手房佣金率未来不确定性比较大,保守起见选用搜房网历史最低二手房佣金率0.5%.以2017年9月北上广深城市商品房和二手房成交数据为参考,商品房和二手房的交易量分别约占两者总数的52%和48%.则平均每套房佣金率为0.89%.
选取可获得的最新数据,以2017年8月百城住宅指数为参考,住宅平均为12270元/平方米.以2017年11月北上广深城市住宅成交数据为参考,住宅约为103m2/套.则平均每套住宅售价约为126.38万元.
技术可行性研究方面得出的阿里小贷用户群中约有70%的用户为潜在购房用户.根据网上的信息,2015年2月,阿里小贷重组进入蚂蚁金服；蚂蚁小贷在过去的5年时间里,完全依靠大数据来做风险甄别,已经累计为超过170万家小微企业和个人创业者解决了融资需求.本项目主要针对阿里小贷中的小微企业和个体工商用户等用户的购房需求,按照阿里小贷这几年的发展,保守估计,项目营运五年内可以获得80万买房客户.计划项目运营前五年交易量分别为5万,13万,18万,21万,23万.
3.营业税金和所得税估算.项目营运期间,按照纳税主体为北京搜房科技发展有限公司的方式进行营业税金和所得税的计算.全面试行营业税改增值税后,按照营业税改征增值税试点实施办法,增值税税率为6%.根据北京市地方税务局的相关信息,其他税金包括城市维护建设税（7%）、教育费附加（3%）、地方教育费附加（2%）,为应纳增值税的12%.则税金及附加合计为营业收入的6.72%.北京搜房科技发展有限公司是经认定的的高新技术企业,根据中华人民共和国企业所得税法（2017年修正本）,减按15%的税率征收企业所得税.
4.基准收益率的确定.运用资本资产定价模型(CAPM)法和加权平均资金成本(WACC)法可确定项目所处行业的基准收益率,计算过程如下：
第一,CAPM法测算权益资金基准收益率公式为RE等于Rf+β（Rm-RF),RE为给定风险水平、β条件下的行业权益资金基准收益率;Rf为市场无风险投资收益率,用三个月的上海银行间同业拆放利率代替,约为4.57%,β为行业风险校正系数1.074;Rm为市场平均风险投资收益率,用A股市场的收益率约为12.514%.
考察同为房地产网络营销服务领域里的三六五网的股票回报率s与沪深300指数的回报率m之间的相互关系,选择这两只股票近60个月的收盘价计算回报率,然后建立它们之间的线性回归方程,得到方程
S等于-0.1+1.074m+ε
上式中ε为误差项,斜率1.074即该股票的风险校正系数β.
计算得出的行业权益资金基准收益率RE为13.102%.
第二,WACC法测算行业基准收益率
根据以上两个表,可以分析两点财务信息.第一,在上下变动20%范围内,前期投资引起的财务内部收益率的变化是34.30%～54.28%,交易量引起的财务内部收益率的变化是32.36%～52.19%.虽然两者变动引起的变动范围相差甚微,但可以看出前期投资的有利变动范围大于交易量的有利变动范围,而交易量的不利变动范围大于前期投资的不利变动范围.第二,交易量是该项目最敏感的因素.因为在各指标变动20%幅度内,前期投资引起的财务净现值的变化幅度小于交易量引起的财务净现值的变化幅度.第三,该合作在经济下滑阶段依旧具有投资价值.即使在最坏情况下,交易量减少20%或者前期投资增加20%,项目的财务内部收益率仍能保持在32%以上,财务净现值仍能保持较高水平.
三、总结
互联网金融和房地产广告网站的合作具有良好的社会效益和经济效益.从技术可行性的论证可知,影响消费者购房的因素是房源距离工作地点远近,户型合适与否以及房屋.因此提出建议,建议大数据推荐房型的过程中应更多考虑房型距离购房者工作地点距离,户型与购房者家庭人口数是否匹配以及房屋是否在购房者承受范围之内等因素.
同时,从经济可行性结果可知,精准的房地产营销会提高房地产广告网站的利润.根据敏感性分析的结果,提出三点项目投资建议.第一,因为前期投资的有利变动范围大于交易量的有利变动范围,由此我们建议项目负责人有效利用前期投资,减少不必要的花费,并且重视项目期间的工作效率,使交易量不低于预期交易量.第二,因为交易量是影响利润的最敏感因素,企业应该在控制成本的前提下,尽量提高交易量,以获得更高的利润.第三,在房地产行业或者经济低迷时期,选择房地产企业选择大数据营销策略也是明智之举.
参考文献
[1]阳飞,陈秀秀.“五力”协同模式下大数据房地产信息共享机制研究[J].江苏商论,2018(1)：45-47.
[2]郑径松.大数据在房地产营销中的应用[J].纳税,2018(3)：203.
[3]吴晓求.互联网金融：成长的逻辑[J].财贸经济,2015(2)：5-15.
[4]杜丹阳,李爱华.大数据在我国房地产企业中的应用研究[J].中国房地产,2014(12)：66-74.
综上而言,该文是关于房地产公司和互联网金融和可行性方面的相关大学硕士和房地产公司本科毕业论文以及相关房地产公司论文开题报告范文和职称论文写作参考文献资料.
参考文献：
1、 工业企业和房地产公司合作建房分配利润的涉税分析 (二)涉税处理分析 1．乙机械公司账上147亩土地的土地成本（账面价值1 700万元）能否转到甲房地产置业有限公司的账上本案例中的非房地产公司乙公司与具有房地产开发资质的甲公司不组建项目公司,进行.
2、 大数据背景下互联网金融的 【摘要】进入新经济时代,金融信息化、数据化趋势日益明显,互联网金融应运而生 大数据、云技术……的发展为互联网金融发展提供了更大的可能,金融与大数据出现了交叉融合的发展趋势 大数据的数据挖掘、利用方式也.
3、 互联网金融背景下证券公司经纪业务战略转型 互联网金融背景下证券公司经纪业务战略转型研究吴迪良（绍兴职业技术学院,浙江 绍兴 312000） 【摘要】随着互联网技术的快速发展对传统商业的发展造成巨大的冲击,特别是传统证券公司 在这种特殊背景下.
4、 大数据背景下互联网金融风险与规制路径 一、引言近代以来我国的经济飞速发展,货币政策较为宽松,中产阶级大量涌现,城市居民对于资产的保值需求极为强烈 受这一需求的影响,金融服务得到了快速的发展,但这一时期的金融服务以投资驱动为主,因此回报率通.
5、 互联网金融公司再掀上市潮合规依然是行业 日前,国内互联网金融公司再掀一波上市热潮 3月22日,51信用卡向香港交易所递交了招股说明书 此t前,汇付天下和维信金科也分别向港交所提交了招股说明书 此外,点牛金融和爱鸿森两家互金公司则选择赴美国纳.
6、 互联网金融服务三农的现状与 宋韬（福建师范大学经济学院,福建 福州 350117）摘要农业金融是我国金融体系中较为薄弱的环节,这其中有制度法律不完善的原因,也有农业企业规模较小、经营不规范……原因 我国互联网金融的快速发展为金融.