房屋价值预测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及智慧城市技术领域，应用于房地产行业，特别涉及一种房屋价值预测方法、装置、计算机设备和存储介质，其中，方法包括：从房屋价值历史数据中提取影响房屋价值的指标以及房屋价值指数，对提取的指标和房屋价值指数进行量化和标准化处理，筛选出符合经济学逻辑的变量和样本，提取筛选出的变量和样本中部分数据为训练数据，以待预测区域房屋价值指数为预测目标，构建房价前瞻预测模型进行房屋价值预测。整个过程中，对获取的影响房屋价值的指标以及房屋价值指数进行量化处理和标准化，去除异常值、趋势以及季节性影响因素影响，准确获取训练数据，可以实现对房屋价值准确预测。

【技术实现步骤摘要】
房屋价值预测方法、装置、计算机设备和存储介质
本申请涉及前瞻预测
，特别是涉及一种房屋价值预测方法、装置、计算机设备和存储介质。
技术介绍
在实际生活中，房价已经成为人们日常生活的关注重点，房价的变动牵动着各行各业以及普通百姓的心，不论是从事房地产开发、房地产金融以及建筑等行业的专业人员还是普通百姓都希望能够对未来房价走势有一个比较准确的前瞻预测。传统的房价预测多数是专业的估价师基于近段时间来某个地区基础房价、房源供需关系、政策以及自身经验给出房价预测。这种方式，一般会严重依赖于估价师的主观判断以及经验，针对同一区域的房价，不同的估价师最终得出房价预测可能不同。可见传统的房价预测方法均在极大局限性，其房价预测结果不够准确。
技术实现思路
基于此，有必要针对上述技术问题，提供一种房屋价值预测方法、装置、计算机设备和存储介质。一种房屋价值预测方法，所述方法包括：获取待预测区域房屋价值历史数据，从所述房屋价值历史数据中提取影响房屋价值的指标以及房屋价值指数；对提取的指标和房屋价值指数进行量化处理，并对提取的指标和房屋价值指数进行标准化处理；从量化和标准化后的指标和房屋价值指数中筛选出符合经济学逻辑的变量和样本；提取筛选出的变量和样本中部分数据为训练数据，以待预测区域房屋价值指数为预测目标，构建房价前瞻预测模型。在其中一个实施例中，所述提取的指标和房屋价值指数去除异常值、趋势以及季节性影响因素进行标准化处理包括：根据预设的缺失值填补规则，对所述指标中存在缺失的指标进行缺失值填补，得到缺失值填补完毕的数据集；针对缺失值填补完毕的数据集，根据预设的指标变频规则，对指标进行变频处理；根据变频处理后的指标，确定指标对应的衍生指标；对所述衍生指标进行指标转化，将指标转化后的所述衍生指标及对应的变频处理后的指标进行合并，得到标准化处理后的指标。在其中一个实施例中，所述预设的缺失值填补规则为：对于缺失率小于或等于预设阈值的指标，根据指标性质及指标缺失情况，对存在缺失值的指标进行缺失值填补；对于缺失率大于所述预设阈值的指标予以剔除在其中一个实施例中，所述对指标进行变频处理包括：获取指标中的季度指标和年度指标；将所述季度指标和所述年度指标通过线性插值的方法转化为月度数据。在其中一个实施例中，所述根据变频处理后的指标，确定指标对应的衍生指标包括：获取预设房价前瞻预测因子体系；根据所述预设房价前瞻预测因子体系，获取衍生指标数据；从所述衍生指标数据中识别可以直接获取的指标数据以及需由其他指标运算方法的指标数据，确定各指标对应的衍生指标。在其中一个实施例中，所述提取筛选出的变量和样本中部分数据为训练数据，以待预测区域房屋价值指数为预测目标，构建房价前瞻预测模型包括：提取筛选出的变量和样本中部分数据为训练数据，以待预测区域房屋价值指数为预测目标，分别通过多个预设机器学习方法训练，构建不同的房价前瞻预测模型；所述提取筛选出的变量和样本中部分数据为训练数据，以待预测区域房屋价值指数为预测目标，分别通过多个预设机器学习方法训练，构建不同的房价前瞻预测模型之后，还包括：选取筛选出的变量和样本中另一部分数据为测试数据，对所述不同的房价前瞻预测模型进行测试，选择平均误差最小的机器学习方法对应的房价前瞻预测模型为最优房价前瞻预测模型。一种房屋价值预测装置，所述装置包括：数据获取模块，用于获取待预测区域房屋价值历史数据，从所述房屋价值历史数据中提取影响房屋价值的指标以及房屋价值指数；数据处理模块，用于对提取的指标和房屋价值指数进行量化处理，并对提取的指标和房屋价值指数进行标准化处理；筛选模块，用于从量化和标准化后的指标和房屋价值指数中筛选出符合经济学逻辑的变量和样本；模型构建模块，用于提取筛选出的变量和样本中部分数据为训练数据，以待预测区域房屋价值指数为预测目标，构建房价前瞻预测模型。在其中一个实施例中，所述数据处理模块还用于根据预设的缺失值填补规则，对所述指标中存在缺失的指标进行缺失值填补，得到缺失值填补完毕的数据集；针对缺失值填补完毕的数据集，根据预设的指标变频规则，对指标进行变频处理；根据变频处理后的指标，确定指标对应的衍生指标；对所述衍生指标进行指标转化，将指标转化后的所述衍生指标及对应的变频处理后的指标进行合并，得到标准化处理后的指标。一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如个述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述的方法的步骤。上述房屋价值预测方法、装置、计算机设备和存储介质，从房屋价值历史数据中提取影响房屋价值的指标以及房屋价值指数，对提取的指标和房屋价值指数进行量化处理，并对提取的指标和房屋价值指数进行标准化处理，筛选出符合经济学逻辑的变量和样本，提取筛选出的变量和样本中部分数据为训练数据，以待预测区域房屋价值指数为预测目标，构建房价前瞻预测模型进行房屋价值预测。整个过程中，对获取的影响房屋价值的指标以及房屋价值指数进行量化处理和标准化，去除异常值、趋势以及季节性影响因素影响，准确获取训练数据，可以实现对房屋价值准确预测。附图说明图1为一个实施例中房屋价值预测方法的流程示意图；图2为另一个实施例中房屋价值预测方法的流程示意图；图3为一个实施例中房屋价值预测装置的结构框图；图4为另一个实施例中房屋价值预测装置的结构框图；图5为应用上述房屋价值预测方法的实验结果对比图；图6为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。如图1所示，一种房屋价值预测方法，方法包括：S200：获取待预测区域房屋价值历史数据，从房屋价值历史数据中提取影响房屋价值的指标以及房屋价值指数。待预测区域是指本次房屋价值预测的目标区域，该区域可以是某一个行政区域，例如北京、上海、广州等。该区域还可以是一个较小范围，例如某个小区等。待预测区域房屋价值历史数据可以是在日常记录中终端采集发送至服务器累积下来的数据，可以是服务器通过互联网等手段获取外部已有对应的数据。在房屋价值历史数据中提取影响房屋价值的指标和房屋价值指数，影响房屋价值的指标包括有：各类宏观经济指标，例如GDP、CPI、PMI、人均可支配收入等；中观经济指标，例如各城市(区)城市化率、地铁里程、人均住房面积以及商品房待售面积等；政策法规例如房地产限售限购政策、首套房利率政策、城市中长期发展规划等。房屋价值指数具体可以是房价，其可以包括挂盘和交易价格。非必要的，为了确保后续房屋价值预测的准确性，可以获取近段时间内的待预测区域房屋价值历史数据，例如获取最近1年、获取最近6个月等时间内的待预测区域房屋价值历史数据，针对获取的数据还可以基于时间合理排布对应的指标，例如以月为依据。如以“居住人口”这一指标为例，该指标的历史值为[h1、h2、…、hi、…]，其中，hi表示在预设时间内的第i个月的居住人口数。S400：对提取的指标和房屋价值指数进行量化处理，并对提取的指标和房屋价值指数进行标准化处理。进行量化处理的目的是将提取的本文档来自技高网...

【技术保护点】
1.一种房屋价值预测方法，所述方法包括：获取待预测区域房屋价值历史数据，从所述房屋价值历史数据中提取影响房屋价值的指标以及房屋价值指数；对提取的指标和房屋价值指数进行量化处理，并对提取的指标和房屋价值指数进行标准化处理；从量化和标准化后的指标和房屋价值指数中筛选出符合经济学逻辑的变量和样本；提取筛选出的变量和样本中部分数据为训练数据，以待预测区域房屋价值指数为预测目标，构建房价前瞻预测模型。

【技术特征摘要】
1.一种房屋价值预测方法，所述方法包括：获取待预测区域房屋价值历史数据，从所述房屋价值历史数据中提取影响房屋价值的指标以及房屋价值指数；对提取的指标和房屋价值指数进行量化处理，并对提取的指标和房屋价值指数进行标准化处理；从量化和标准化后的指标和房屋价值指数中筛选出符合经济学逻辑的变量和样本；提取筛选出的变量和样本中部分数据为训练数据，以待预测区域房屋价值指数为预测目标，构建房价前瞻预测模型。2.根据权利要求1所述的方法，其特征在于，所述提取的指标和房屋价值指数去除异常值、趋势以及季节性影响因素进行标准化处理包括：根据预设的缺失值填补规则，对所述指标中存在缺失的指标进行缺失值填补，得到缺失值填补完毕的数据集；针对缺失值填补完毕的数据集，根据预设的指标变频规则，对指标进行变频处理；根据变频处理后的指标，确定指标对应的衍生指标；对所述衍生指标进行指标转化，将指标转化后的所述衍生指标及对应的变频处理后的指标进行合并，得到标准化处理后的指标。3.根据权利要求2所述的方法，其特征在于，所述预设的缺失值填补规则为：对于缺失率小于或等于预设阈值的指标，根据指标性质及指标缺失情况，对存在缺失值的指标进行缺失值填补；对于缺失率大于所述预设阈值的指标予以剔除。4.根据权利要求2所述的方法，其特征在于，所述对指标进行变频处理包括：获取指标中的季度指标和年度指标；将所述季度指标和所述年度指标通过线性插值的方法转化为月度数据。5.根据权利要求2所述的方法，其特征在于，所述根据变频处理后的指标，确定指标对应的衍生指标包括：获取预设房价前瞻预测因子体系；根据所述预设房价前瞻预测因子体系，获取衍生指标数据；从所述衍生指标数据中识别可以直接获取的指标数据以及需由其他指标运算方法的指标数据，确定各指标对应的衍生指标。6.根据权利要求1所述的方法，其特征在于，所述提取筛选出的变量和样本中部分数据为训练数据，以待预测区域房屋价值指数为预测目标，构建...

【专利技术属性】
技术研发人员：刘卉，杨坚，董文飞，韩丹，王婷，黎韬，
申请(专利权)人：平安直通咨询有限公司，
类型：发明
国别省市：广东,44