The invention discloses a batch rating method for forecasting mortgage risk of residential district based on K_MEANS and ARIMA model, which includes the following steps: definition of mortgage risk rating connotation of residential district, identification of risk factors of mortgage risk rating of residential district, data collection, construction of different factor models, construction of general model, model adjustment and model release. Thus, the mortgage risk rating of residential quarters can be obtained quantitatively and in batches. The present invention is a multi-professional quantitative analysis method, which integrates the macro and micro dimensions of real estate, AIDS judgment by GIS tools, uses spatial matrix, and establishes risk rating rules through mathematical principles, so as to unify and standardize risk evaluation standards of all urban districts in China. For each district of different cities in the whole country, the batch rating has a wide coverage and high speed, which can help financial institutions to monitor high-risk residential areas and prevent high-risk customers.
【技术实现步骤摘要】
基于K-MEANS和ARIMA模型预测住宅小区抵押风险的批量评级方法
本专利技术涉及房地产金融和信息分析相结合领域,尤其是一种将数据挖掘、房地产估价技术、应用数学、GIS相结合,主要基于K-MEANS聚类分析和ARIMA模型来预测住宅小区抵押风险的批量评级方法。
技术介绍
目前学术界研究比较多的传统房地产风险分析多基于定性分析,即便有少数风险判断是定量分析,也多集中于金融系统性风险判断、房地产市场整体风险分析,如:利用多种数学模型对中国房地产市场进行风险评价、对于房地产投资项目风险评价、系统性金融风险评价等;对于风险的定量评级多用于宏观层面或是国家层面的风险判断,极少有对微观层级进行风险判断研究。因此会分别造成以下缺点和不足:1、传统风险分析,对风险内涵范围界定较模糊,对风险判定也无统一的规则。由于对风险内涵的理解不同、对风险判定的标准不同,导致分析结果会带有较强烈的个人色彩,不同分析人员对同一标的物所判定的风险结果也会显现出差异化。2、传统定量风险评级,多集中于系统性金融风险判断、房地产市场整体风险分析,少有微观层面的住宅抵押风险评级。目前为银行提供抵押风险分析的主要方法是定性分析,如:提供给银行的抵押报告会通过以下几个方面对抵押风险进行定性分析:(1)抵押房地产的市场流动性及快速变现能力;(2)抵押房地产公允市场价值的波动趋势;(3)预测市场的整体价格形势和变化趋势,综合判断估价对象的风险状况。但缺乏将抵押风险量化的方法。3、传统的风险分析人为判断占比较大。从事微观层面定性分析的分析人员因个人经验限制,对风险因子的识别不高,所接触的数据面比较狭隘,没有 ...
【技术保护点】
1.基于K‑MEANS和ARIMA模型预测住宅小区抵押风险的批量评级方法,其特征在于,包括如下步骤:S1:界定住宅小区抵押风险评级内涵;S2:识别住宅小区抵押风险评级风险因子,基于房地产估价理论,采用德尔菲法及统计学中相关算法进行房地产风险因子的判断,确定影响房地产风险的主要因子后,进而识别出住宅小区抵押风险评级的主要风险因子;S3:数据收集,根据步骤S2得到的住宅小区抵押风险因子,通过分析每个风险因子的内涵,收集各级指标数据;S4:根据不同风险因子搭建不同的算法模型,通过步骤S3的数据收集,得到不同级别指标的相关数据,同时根据不同种类的指标搭建相应的子算法模型;S5:完成模型搭建;S6:批量求取全国住宅小区风险评级结果,根据步骤S5完成的模型,对全国住宅小区批量评级;S7:调整模型,对于步骤S6得到风险评级的结果,通过房地产不同领域的专家给出模型评估结果,对比分析,调整优化模型参数,使得结果与真实更加接近;S8:全国住宅小区抵押风险评级模型发布,发布风险评级的度量模型,同时进行产品展示。
【技术特征摘要】
1.基于K-MEANS和ARIMA模型预测住宅小区抵押风险的批量评级方法,其特征在于,包括如下步骤:S1:界定住宅小区抵押风险评级内涵;S2:识别住宅小区抵押风险评级风险因子,基于房地产估价理论,采用德尔菲法及统计学中相关算法进行房地产风险因子的判断,确定影响房地产风险的主要因子后,进而识别出住宅小区抵押风险评级的主要风险因子;S3:数据收集,根据步骤S2得到的住宅小区抵押风险因子,通过分析每个风险因子的内涵,收集各级指标数据;S4:根据不同风险因子搭建不同的算法模型,通过步骤S3的数据收集,得到不同级别指标的相关数据,同时根据不同种类的指标搭建相应的子算法模型;S5:完成模型搭建;S6:批量求取全国住宅小区风险评级结果,根据步骤S5完成的模型,对全国住宅小区批量评级;S7:调整模型,对于步骤S6得到风险评级的结果,通过房地产不同领域的专家给出模型评估结果,对比分析,调整优化模型参数,使得结果与真实更加接近;S8:全国住宅小区抵押风险评级模型发布,发布风险评级的度量模型,同时进行产品展示。2.根据权利要求1所述的...
【专利技术属性】
技术研发人员:许军,何芳,陶缨,田蓉泉,耿后远,钱振华,
申请(专利权)人:上海中估联信息技术有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。