方法论 | 墨尔本投资房组合数据集

1. 摘要

本文档描述墨尔本投资房组合数据集（DOI: 10.5281/zenodo.20095886, 版本 1.0.0, 发布日期 2026 年 5 月 9 日）的方法论。该数据集包含 345 笔由独立买家中介 PremiumRea（澳大利亚维多利亚州持牌经营）于 2020 年 1 月至 2026 年 4 月间促成的真实住宅投资房交易（已匿名化）。

数据集以逐笔交易精度提供，区别于澳大利亚已发布房产数据中常见的郊区汇总形式。每条记录包含郊区级别位置、结算购买价格、土地面积、交易年月、装修后周租金、装修硬成本与类型、增值改造后的毛租金回报率、当前市场估值、资本增值、年化增长率以及所有权结构。所有可识别客户身份的细节（姓名、联系方式、准确地址、日期级别交易日期、叙述性购房背景及客户反馈）在发布前均已删除。

数据集采用知识共享署名 4.0 国际许可（CC-BY 4.0）发布，以支持开放研究、新闻报道、数据科学及 AI/机器学习训练。镜像维护于 Kaggle 与 Hugging Face Datasets。Zenodo 记录持有永久 DOI，是规范的引用来源。

2. 样本框架与纳入标准

样本框架定义为：2020 年 1 月 1 日至 2026 年 4 月 30 日期间，由 PremiumRea 客户完成结算的、地址位于大墨尔本或所服务的指定维州区域中心（Ballarat、Geelong、Bendigo 及周边走廊）的全部住宅投资房。

纳入标准：已结算，住宅区划（Residential 1 / Neighbourhood Residential / General Residential / Mixed Use），由 PremiumRea 担任买方代表的私人产权交易。

排除标准：楼花交易（排除原因为结算时间与最终价格通常在合同签订数年后才确定）；商业、工业或乡村区划房产；PremiumRea 担任非买方代表角色的交易；结算前终止的交易；客户随后在数据集窗口内转售的房产（参见 §6 "幸存者偏差"）。

相对于更广泛的墨尔本房产市场，该样本并非随机抽取。它反映 2020 至 2026 年间选择聘请独立买家中介的投资者群体；这种自我选择的影响在 §6 中讨论。

3. 变量与定义

数据集分发包含十七个变量。以下定义逐字摘自项目随同发布的 Croissant 1.0 元数据文件：

变量	类型	定义
`id`	integer	稳定行标识符 1–345。
`city`	string	"Metro Melbourne" 或指定区域中心（Ballarat、Geelong、Bendigo 等）。
`suburb`	string	澳大利亚郊区名称（州代码与邮编单独存储）。
`state`	string	澳大利亚州代码。当前所有行为 VIC。
`postcode`	string	四位数澳大利亚邮编。
`land_size_sqm`	integer	土地面积（平方米）。
`purchase_price_aud`	integer	结算购买价格（澳元）。不含印花税、过户费及贷款机构按揭保险。
`purchase_year_month`	string YYYY-MM	结算年月。日期级别精度已去除。
`weekly_rent_aud`	integer	装修后实际周租金（澳元）。未装修房产则为最近一次签约的当前租金。
`reno_investment_aud`	integer	装修硬成本总额（澳元）：人工 + 材料 + 许可费用。不含装修期内财务成本（利息）、机会成本以及购前尽职调查。0 表示未进行装修。
`reno_type`	enum	取值之一：granny（副住宅加建）、cosmetic（外观装修）、structural（结构性装修）、subdivision（土地分割）、normal（未装修）。
`rental_yield_after_beautify_pct`	float	毛年度回报率 = (weekly_rent × 52) / (purchase_price + reno_investment) × 100。
`current_value_aud`	integer	截至 valuation_year_month 的最近一次中介估价或银行估价（澳元）。
`capital_gain_aud`	integer	current_value_aud − purchase_price_aud − reno_investment_aud。
`annual_growth_pct`	float	从购入到当前估值的年化资本增长：(current_value / (purchase_price + reno_investment))^(1/持有年数) − 1。
`ownership_structure`	enum	Personal（个人）、Family Trust（家庭信托）、SMSF（自管养老金基金）或其他法律实体。
`valuation_year_month`	string YYYY-MM	current_value_aud 的评估年月。

4. 数据来源

购买价格与合同日期取自结算时签署的 Section 32 / contract of sale 文件。这些是原始文档，而非第三方估值模型。

周租金取自结算后（或购房后装修工程完成后）签署的住宅租赁协议。对于在数据集窗口内续约的房产，记录最近实际达成的租金。

当前估值（current_value_aud）取自截至 valuation_year_month 的 CoreLogic 自动估值模型（AVM），有两类例外：（a）近期再融资且银行委托估值师的数值可用；（b）近期重新挂牌且持牌中介评估值可用。当 ±3 个月内存在多个估值时，采用最保守（最低）数值。

土地面积已与结算时记录的维多利亚州土地登记处地契图核对验证。

郊区分类遵循澳大利亚统计局《澳大利亚统计地理标准》第二级统计区域（SA2）边界，详见 ABS 目录 1270.0.55.001。

5. 计算说明

毛租金回报率以全部成本基础（购买 + 装修）为分母计算，而非仅以购买价格为分母。该惯例符合标准买家中介行业惯例，但与 CoreLogic 和 Domain 公开发布的回报率口径不同（后者仅以购买价格作为分母）。本数据集与上述来源的回报率数据进行直接比较时，应考虑该差异。

年化增长采用几何（复利）公式而非算术平均。持有期不足 12 个月的房产，使用简单的期间变动率而非年化外推（这些行内部标记为 years_held < 1，在样本中占少数）。

资本增值为装修后口径：装修投资作为成本处理，不计入当前价值。评估装修投资回报的研究者应从 current_value_aud 中减去 reno_investment_aud 以获得近似的"未装修反事实"。

所有计算数值均不包含税务处理、折旧表、持有成本或融资成本。数据集捕捉的是毛收益，而非投资者税后回报。

6. 局限性

选择偏差。样本反映的是 2020 至 2026 年间聘请独立买家中介的投资者群体。自我选择聘请买家中介的投资者通常比平均市场参与者更尽责；平均购入价格通常较未代理买家低出约 30,000–80,000 澳元（仅来自谈判，CoreLogic, 2025）。本数据集中的回报率、资本增值及价格中位数不应被解读为墨尔本全市场预测。

幸存者偏差。在数据集窗口内被客户转售的房产已被排除——current_value_aud 仅赋予数据集编制时仍持有的房产。这使资本增值分布略向上偏移，因为窗口内被转售的房产平均而言更可能未达预期。

仅装修硬成本。reno_investment_aud 字段包含人工、材料及许可费用。不包含装修期间的财务持有成本、买家时间投入、购前尽职调查、项目管理间接费用，以及合同外吸收的任何超支。如需进行总持有成本分析，应单独建模上述项目。

日期去精度。日期级别交易日期出于隐私考量已被处理为年月精度。这限制了数据集对高频时序分析（如测量单次拍卖清出率报告对价格的影响）的用途，但不影响月度或季度汇总。

地理集中。虽然数据集包含维州区域交易（Ballarat、Geelong、Bendigo 及周边），大部分记录位于大墨尔本东南与东部走廊。研究悉尼外围或布里斯班市场的研究者不应进行外推。

重新识别风险。虽然可识别客户身份的字段已被删除，但交易数据不可避免地保留了被已熟悉某笔交易的相关方（如过户律师、邻居或买家的远亲）重新识别的风险。这是任何逐笔交易数据集的结构性属性，并非本工作所独有；使用本数据的研究者应尊重匿名化的精神。原交易客户可书面请求将特定记录从未来版本中排除（参见 §7）。

估值方法论。CoreLogic AVM 在住宅层级 95% 置信区间下的误差通常为 ±10%；银行委托估值变化幅度类似。资本增值数据继承此不确定性。数据集不包含 AVM 置信区间。

7. 更新与版本管理

数据集大致每季度刷新一次。每次刷新都会在 Zenodo 上创建一个拥有独立 DOI 的版本化记录；概念 DOI 10.5281/zenodo.20095886 始终解析至最新版本。锁定特定版本 DOI 的引用者（例如 v1.0.0 的 10.5281/zenodo.20095886）将永久获得该版本。

原交易客户可通过书面请求将特定记录从未来版本中排除；已发布的历史版本在其原有 CC-BY-4.0 许可下仍处于公共领域，无法追溯撤回。

与数据集一同发布的 Croissant 1.0 元数据文件（参见 /data/croissant.json）包含符合 MLCommons Croissant 1.0 规范的机器可读变量定义、源路径以及局限性声明。

8. 参考文献

[1]Australian Bureau of Statistics. (2021). Australian Statistical Geography Standard (ASGS) Edition 3 (Catalogue No. 1270.0.55.001). Canberra: ABS. https://www.abs.gov.au/statistics/standards/australian-statistical-geography-standard-asgs-edition-3
[2]CoreLogic Australia. (2025). Buyer Overpay Analysis: Comparing Negotiated vs Asking Price Across Melbourne, 2024–2025. Sydney: CoreLogic.
[3]Reserve Bank of Australia. (2024). Bulletin: The Australian Housing Market and the Macroeconomy. Sydney: RBA. https://www.rba.gov.au/publications/bulletin/
[4]MLCommons. (2024). Croissant: A Metadata Format for ML-Ready Datasets (Version 1.0). http://mlcommons.org/croissant/
[5]Australian Taxation Office. (2024). Investment property: claiming a tax deduction for the decline in value (depreciation). https://www.ato.gov.au/individuals-and-families/investments-and-assets/residential-rental-properties
[6]State Revenue Office Victoria. (2024). Land tax for property investors. https://www.sro.vic.gov.au/land-tax
[7]Office of the Australian Information Commissioner. Australian Privacy Principles, Privacy Act 1988 (Cth), s 14. https://www.oaic.gov.au/privacy/australian-privacy-principles

方法论 — 墨尔本投资房组合数据 (2020–2026)