【技术实现步骤摘要】
一种地产行业周期识别方法、装置、系统、终端以及存储介质
本专利技术涉及的地产行业周期识别
,尤其是一种地产行业周期识别方法、装置、系统、终端以及存储介质。
技术介绍
房地产周期是房地产经纪水平起伏波动、周期循环的经济现象。地产从业者往往需要对不同城市市场目前所处周期阶段进行快速、清晰的定性判断,并由此作为依据进行不同阶段下的资产配置、投资风险管理以及销售节点控制。目前,存在一些软件方法可辅助从业者判定房价处于上升阶段或者是下降阶段,现有方法运用以宏观经济数据作为因子的线性回归算法来预测房价,例如申请号为201810578309.7的专利文件中介绍的房价预测方法;但是线性回归方法无法灵活捕捉非线性动态结构,如非对称性结构,在不同的经济周期阶段,宏观经济因子对房价的影响难以保持一致,难以用线性模型对房价趋势进行刻画。因此,如何有效捕捉地产周期中的非线性动态结构,同时可定性识别当前地产行业环境所处的不同周期阶段是急需解决的重要问题。
技术实现思路
本专利技术的目的在于提供一种地产行业周期识别方法、装置、系统、终端以及存储介质,旨在解决现有方法难以捕捉地产周期中的非线性动态结构的问题。本专利技术是这样实现的,一种基于宏观经济及市场数据的地产行业周期识别方法,包括:收集目标区域历史的第一房价序列以及影响所述第一房价序列的第一宏观指标集,其中,第一宏观指标集包括社会消费品零售总额、固定投资额、财政收入、人均总值、商品房销售面积、房地产开发投资额和城市基础建设中的任意一种或者多种; ...
【技术保护点】
1.一种基于宏观经济及市场数据的地产行业周期识别方法,其特征在于,包括:/n收集目标区域历史的第一房价序列以及影响所述第一房价序列的第一宏观指标集,其中,第一宏观指标集包括社会消费品零售总额、固定投资额、财政收入、人均总值、商品房销售面积、房地产开发投资额和城市基础建设中的任意一种或者多种;/n消除所述第一房价序列以及所述第一宏观指标集中的季节性的影响,得到第二房价序列以及第二宏观指标集;/n根据所述第二房价序列以及所述第二宏观指标集建立预测模型,并通过所述预测模型计算得到房价预测结果;/n根据所述房价预测结果预测房价走势。/n
【技术特征摘要】
1.一种基于宏观经济及市场数据的地产行业周期识别方法,其特征在于,包括:
收集目标区域历史的第一房价序列以及影响所述第一房价序列的第一宏观指标集,其中,第一宏观指标集包括社会消费品零售总额、固定投资额、财政收入、人均总值、商品房销售面积、房地产开发投资额和城市基础建设中的任意一种或者多种;
消除所述第一房价序列以及所述第一宏观指标集中的季节性的影响,得到第二房价序列以及第二宏观指标集;
根据所述第二房价序列以及所述第二宏观指标集建立预测模型,并通过所述预测模型计算得到房价预测结果;
根据所述房价预测结果预测房价走势。
2.如权利要求1所述的一种地产行业周期识别方法,其特征在于,所述根据所述第二房价序列以及所述第二宏观指标集建立预测模型,并通过所述预测模型计算得到房价预测结果包括:
根据所述第二房价序列以及所述第二宏观指标集,筛选出可用于预测房价的宏观领先指标集;
根据所述宏观领先指标集以及第二房价序列建立第一数学模型,并通过所述第一数学模型计算得到第一预测结果,将所述第一预测结果作为所述房价预测结果。
3.如权利要求1所述的一种地产行业周期识别方法,其特征在于,所述根据所述第二房价序列以及所述第二宏观指标集建立预测模型,并通过所述预测模型计算得到房价预测结果包括:
根据所述第二房价序列建立第二数学模型,并通过所述第二数学模型计算得到第二预测结果,将所述第二预测结果作为所述房价预测结果。
4.如权利要求1所述的一种地产行业周期识别方法,其特征在于,所述根据所述第二房价序列以及所述第二宏观指标集建立预测模型,并通过所述预测模型计算得到房价预测结果包括:
根据所述第二房价序列以及所述第二宏观指标集,筛选出可用于预测房价的宏观领先指标集;
根据所述宏观领先指标集以及第二房价序列建立第一数学模型,并通过所述第一数学模型计算得到第一预测结果;
根据所述第二房价序列建立第二数学模型,并通过所述第二数学模型计算得到第二预测结果;
对比所述第一预测结果以及所述第二预测结果,选择较佳的预测结果作为所述房价预测结果。
5.如权利要求4所述的一种地产行业周期识别方法,其特征在于,所述对比所述第一预测结果以及所述第二预测结果,选择较佳的预测结果作为所述房价预测结果包括:
通过拟合优度、赤池信...
【专利技术属性】
技术研发人员:郑永祥,赵陆祎,
申请(专利权)人:深圳禾略贝塔信息科技有限公司,
类型:发明
国别省市:广东;44
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。