[发明专利]房价走势前瞻模型构建方法、装置及存储介质

说明书

本发明涉及预测模型，揭露了一种房价走势前瞻模型构建方法，该方法利用历史数据确定各指标，分别对各指标对房价指数的预测能力进行评估，筛选出最具解释力的指标；分析各指标相较于房价指数的最佳滞后期，确定建模宽表；利用建模宽表中不同入模指标组合的数据对多种机器学习方法进行训练，并选择出平均误差最小者作为最终的房价走势前瞻模型。本发明还揭露了一种电子装置及计算机存储介质。利用本发明，可提高对未来房价走势预测的准确性。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种房价走势前瞻模型构建方法、电子装置及计算机可读存储介质。

背景技术

中房指数系统是一套以价格指数形式来反映全国主要城市房地产市场发展变化轨迹与当前市场状况的指标体系和分析方法。中国房地产指数系统覆盖北京、上海、天津、广州、武汉、深圳、重庆、杭州、成都、南京等17个重要城市，定期发布中国主要城市房地产价格指数。

然而，定期发布的中房指数无法满足投资者了解未来房价走势的需求，例如，无法解决投资者对未来房价的风险管理、资产配置的需求，且目前业内没有预测房价走势的模型。因此，需提供一种房价走势前瞻模型。

发明内容

鉴于以上内容，本发明提供一种房价走势前瞻模型构建方法、电子装置及计算机可读存储介质，其主要目的在于提高房价走势预测的准确性。

为实现上述目的，本发明提供一种房价走势前瞻模型构建方法，该方法包括：

S1、获取指定区域在预设时间内的历史数据，从该历史数据中提取出预设长名单中的各第一类指标及房价指数的历史值；

S2、根据预设数据处理规则对所述第一类指标的历史值进行数据处理，确定所述预设长名单中各指标的历史值；

S3、根据预设的短名单生成规则，从所述长名单中筛选出多个指标作为目标指标，生成目标短名单；

S4、根据预设分析规则分析所述目标短名单中各目标指标相较于房价指数的最佳滞后期，并根据所述目标指标的最佳滞后期确定建模宽表；及

S5、利用所述建模宽表对预设机器学习方法进行训练，确定房价走势前瞻模型。

此外，本发明还提供一种电子装置，该装置包括：存储器、处理器，所述存储器上存储有可在所述处理器上运行的房价走势前瞻模型构建程序，所述房价走势前瞻模型构建程序被所述处理器执行时，可实现如上所述房价走势前瞻模型构建方法中的任意步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中包括房价走势前瞻模型构建程序，所述房价走势前瞻模型构建程序被处理器执行时，可实现如上所述房价走势前瞻模型构建方法中的任意步骤。

本发明提出的房价走势前瞻模型构建方法、电子装置及计算机可读存储介质，利用历史数据确定预设长名单中各指标的历史数据，分别对各指标对房价指数的预测能力进行评估，筛选出最具解释力的指标生成短名单；分析短名单中各指标相较于房价指数的最佳滞后期，确定建模宽表；利用建模宽表中不同入模指标组合的数据对多种机器学习方法进行训练，并选择出平均误差最小者作为最终的房价走势前瞻模型，提高了对未来房价走势预测的准确性。

附图说明

图1为本发明房价走势前瞻模型构建方法较佳实施例的流程图；

图2为本发明电子装置较佳实施例的示意图；

图3为图2中房价走势前瞻模型构建程序的程序模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。