基于随机森林的产品存货估值方法、装置、存储介质及设备制造方法及图纸

本发明专利技术涉及一种基于随机森林的产品存货估值方法、装置、存储介质及设备，以科学评估产品价值。本发明专利技术的技术方案是：一种基于随机森林的产品存货估值方法，其特征在于：获取待评估产品存货信息，包括产品存货品类数k，以及每个品类库存量w

【技术实现步骤摘要】
基于随机森林的产品存货估值方法、装置、存储介质及设备
本专利技术涉及一种基于随机森林的产品存货估值方法、装置、存储介质及设备。适用于计算机

技术介绍
随着我国人民生活水平的逐步提高，人们对生活品质的追求也逐步提高，冷冻食品以“便利”、“健康”和“快捷”等特性，备受消费者的青睐。近年来，冷冻食品市场增长快于整体快消品市场增长。消费端需求增长刺激供给端增长，除了传统批发市场商户等流通型贸易企业/个体工商户，冻品行业涌现出一批冻品供应链企业、B2B平台，互联网电商巨头也纷纷入局。冻品行业现货库存资产占有企业80％以上的流动资金，企业资金需求量大；由于该行业是高周转、快消品行业，对流动资金的需求较高；根据冻品生产季节和消费季节特性，对季节性资金需求旺盛，以便用于货物采买和储备。银行、保险、担保公司等传统金融机构，缺乏对冻品行业存货估值及监管的专业方法，无法对冻品资产进行精准估值和有效处置，在无房产、车辆抵押的情况下，仅能提供向冻品流通型企业提供小额信用贷款，无法提供大额贷款。冻品供应链企业、B2B平台、电商平台等公司，利用自身资源及信息优势，根据客户存货价值提供冻品金融服务，估值方法一般参考历史低价及对行情的主观判断，没有科学的冻品估值方法和系统，对冻品金融业务管理带来风险。
技术实现思路
本专利技术要解决的技术问题是：针对上述存在的问题，提供一种基于随机森林的产品存货估值方法、装置、存储介质及设备，以科学评估产品价值。专利技术所采用的技术方案是：一种基于随机森林的产品存货估值方法，其特征在于：获取待评估产品存货信息，包括产品存货品类数k，以及每个品类库存量wk；抽样采集每个品类的历史价格数据，该历史价格数据为时间序列数据；应用自回归模型对历史价格数据进行分析，得出线性模型对价格趋势的判断；在应用自回归模型后得到的RMSE较大时，采用随机森林算法对历史价格数据进行非线性分析，计算评估某品类产品的当前价格；基于产品的当前价格及相应库存量，计算产品存货总价值。获取影响产品价值的风险因子；基于风险因子与产品存货价格关系，调整与风险因子关联的待评估产品某品类价格；将调整后的价格加总得到待评估产品存货总价值。所述风险因子包括产品货物相关因子，以及存货所有者经营信息风险因子；所述产品货物风险因子包括：距离保质期时间、冻品货物品牌、冻品生产厂家；存货所有者经营信息风险因子包括：工商税务信息、企业/个人信用信息、司法纠纷信息、银行流水信息、已有负债余额。所述应用自回归模型对历史价格数据进行分析，包括：xt＝f(xt-1,xt-2,xt-3,…,xt-p)+εt其中，xt为某品类产品x当前价格，xt-1为产品在上一时刻t-1的历史价格，以此类推；εt为残差项；通过线性自回归拟合方法，得到当前价格与历史价格一组关系系数，确定系数后，得到产品某一品类当前价格与历史价格的关系，计算误差均方值RMSE，评价模型对历史数据拟合的误差程度，RMSE值越小表示模型与采样数据的误差越小。一种基于随机森林的产品存货估值装置，其特征在于，包括：存货信息获取模块，用于获取待评估产品存货信息，包括产品存货品类数k，以及每个品类库存量wk；历史数据采集模块，用于抽样采集每个品类的历史价格数据，该历史价格数据为时间序列数据；自回归模型分析模块，用于应用自回归模型对历史价格数据进行分析，得出线性模型对价格趋势的判断；随机森林模型分析模块，用于在应用自回归模型后得到的RMSE较大时，采用随机森林算法对历史价格数据进行非线性分析，计算评估某品类产品的当前价格；总价值计算模块，用于基于产品的当前价格及相应库存量，计算产品存货总价值。还包括价格调整模块，用于获取影响产品价值的风险因子；基于风险因子与产品存货价格关系，调整与风险因子关联的待评估产品某品类价格；将调整后的价格加总得到待评估产品存货总价值。所述风险因子包括产品货物相关因子，以及存货所有者经营信息风险因子；所述产品货物风险因子包括：距离保质期时间、冻品货物品牌、冻品生产厂家；存货所有者经营信息风险因子包括：工商税务信息、企业/个人信用信息、司法纠纷信息、银行流水信息、已有负债余额。所述应用自回归模型对历史价格数据进行分析，包括：xt＝f(xt-1,xt-2,xt-3,…,xt-p)+εt其中，xt为某品类产品x当前价格，xt-1为产品在上一时刻t-1的历史价格，以此类推；εt为残差项；通过线性自回归拟合方法，得到当前价格与历史价格一组关系系数，确定系数后，得到产品某一品类当前价格与历史价格的关系，计算误差均方值RMSE，评价模型对历史数据拟合的误差程度，RMSE值越小表示模型与采样数据的误差越小。一种存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被执行器执行时实现所述基于随机森林的产品存货估值方法的步骤。一种基于随机森林的产品存货估值设备，具有存储器和执行器，存储器上存储有计算机程序，其特征在于：所述计算机程序被执行器执行时实现所述基于随机森林的产品存货估值方法的步骤。本专利技术的有益效果是：本专利技术通过自回归模型和随机森林模型分析历史价格数据，以科学的评估产品存货价值。附图说明图1为本实施例的流程图。具体实施方式本实施例为一种基于随机森林的产品存货估值方法，包括以下步骤：获取待评估产品存货信息，包括产品存货品类数k，以及每个品类库存量wk。抽样采集每个品类的历史价格数据，该历史价格数据为时间序列数据。应用自回归模型对历史价格数据进行分析，得出线性模型对价格趋势的判断；时间序列自回归模型如式1：xt＝f(xt-1,xt-2,xt-3,…,xt-p)+εt式1其中，xt为某产品x当前价格，xt-1为产品在上一时刻t-1的历史价格，以此类推；εt为模型的残差项。通过线性自回归拟合方法，得到当前价格与历史价格一组关系系数。确定系数后，得到冻品某一品类当前价格与历史价格的关系，计算误差均方值RMSE(RootMeanSquareError)，评价模型对历史数据拟合的误差程度，RMSE值越小表示模型与采样数据的误差越小。RMSE计算式如式2：在应用自回归模型后得到的RMSE较大时，采用随机森林算法对历史价格数据进行非线性分析，计算评估某品类产品的当前价格；基于产品的当前价格及相应库存量，计算产品存货总价值，计算式如式3：本实施例中产品估值需考虑风险因子的影响，基于风险因子调整产品估值：确认影响冻品价值的风险因子，包括：冻品货物相关因子，以及存货所有者经营信息风险因子。冻品货物风险因子包括：距离保质期时间、冻品货物品牌、冻品生产厂家等。存货所有者经营信息风险因子包括：工商税务信息、企业/个人信用信息、司法纠纷信息、银行流水信息、已有负债余额本文档来自技高网...

【技术保护点】
1.一种基于随机森林的产品存货估值方法，其特征在于：/n获取待评估产品存货信息，包括产品存货品类数k，以及每个品类库存量w

【技术特征摘要】
1.一种基于随机森林的产品存货估值方法，其特征在于：
获取待评估产品存货信息，包括产品存货品类数k，以及每个品类库存量wk；
抽样采集每个品类的历史价格数据，该历史价格数据为时间序列数据；
应用自回归模型对历史价格数据进行分析，得出线性模型对价格趋势的判断；
在应用自回归模型后得到的RMSE较大时，采用随机森林算法对历史价格数据进行非线性分析，计算评估某品类产品的当前价格；
基于产品的当前价格及相应库存量，计算产品存货总价值。


2.根据权利要求1所述的基于随机森林的产品存货估值方法，其特征在于：
获取影响产品价值的风险因子；
基于风险因子与产品存货价格关系，调整与风险因子关联的待评估产品某品类价格；
将调整后的价格加总得到待评估产品存货总价值。


3.根据权利要去2所述的基于随机森林的产品存货估值方法，其特征在于：所述风险因子包括产品货物相关因子，以及存货所有者经营信息风险因子；
所述产品货物风险因子包括：距离保质期时间、冻品货物品牌、冻品生产厂家；存货所有者经营信息风险因子包括：工商税务信息、企业/个人信用信息、司法纠纷信息、银行流水信息、已有负债余额。


4.根据权利要求1所述的基于随机森林的产品存货估值方法，其特征在于：所述应用自回归模型对历史价格数据进行分析，包括：
xt＝f(xt-1,xt-2,xt-3,…,xt-p)+εt
其中，
xt为某品类产品x当前价格，xt-1为产品在上一时刻t-1的历史价格，以此类推；εt为残差项；
通过线性自回归拟合方法，得到当前价格与历史价格一组关系系数，确定系数后，得到产品某一品类当前价格与历史价格的关系，计算误差均方值RMSE，评价模型对历史数据拟合的误差程度，RMSE值越小表示模型与采样数据的误差越小。


5.一种基于随机森林的产品存货估值装置，其特征在于，包括：
存货信息获取模块，用于获取待评估产品存货信息，包括产品存货品类数k，以及每个品类库存量wk；
历史数据采集模块，用于抽样采集每个品类的历史价格数据，该历史价格数据为时间序列...

【专利技术属性】
技术研发人员：丁慧，龚远斌，焦臻桢，龚炜，
申请(专利权)人：中国科学院计算技术研究所数字经济产业研究院，中科物缘科技杭州有限公司，
类型：发明
国别省市：浙江;33