[发明专利]小区房源价值参数估计方法以及装置

说明书

本申请涉及机器学习与神经网络领域，用于处理小区房源数据，具体涉及一种小区房源价值参数估计方法、装置、计算机设备和存储介质。方法包括：获取目标小区房源各个预设时间段的挂牌均价、成交均价以及初始市场均价；对挂牌均价、成交均价以及初始市场均价进行灰色多变量关联度预测，获得价格关联数据；将挂牌均价、成交均价以及价格关联数据输入预设的小波神经网络，获得目标小区房源的预测均价。本申请可以根据小区已成交房源的价格数据以及价格数据之间的关联度，通过预设的小波神经网络对目标小区房源的平均价值参数进行准确估值，相比估价师的主观估价，更加客观准确。

技术领域

本申请涉及信息处理领域，特别是涉及一种小区价值参数估计方法以及装置。

背景技术

随着经济的发展与城市化的推进，人们的生活水平也在不断提升。在城市中，小区是指以住宅楼房为主体并配有商业网点、文化教育、娱乐、绿化、公用和公共设施等而形成的具有一定规模的居民生活区。小区的主体是居民楼房，一个小区通常包含若干的居民住房，小区居民住房是现在房产投资的焦点。

然而传统的房产估值方法对单套房屋的估值需考虑同小区内相同房型的成交价格，在没有成交或者挂牌数据可供参考的条件下，无法对待评估房屋进行准确估值。

发明内容

基于此，有必要针对上述技术问题，提供一种小区房源价值参数估计方法、装置、计算机设备及存储介质。

一种小区房源价值参数估计方法，所述方法包括：

获取目标小区房源各个预设时间段的挂牌均价、成交均价以及初始市场均价；

对所述挂牌均价、所述成交均价以及所述小区房源初始市场均价进行灰色多变量关联度预测，获得价格关联数据；

将所述挂牌均价、所述成交均价以及所述价格关联数据输入预设的小波神经网络，获得所述目标小区房源的预测平均价值参数，所述预设的小波神经网络以目标小区房源各个历史时间段的历史价格数据作为训练数据获得；

获取目标房源的各估价影响因素，根据所述目标小区房源的预测平均价值参数以及所述目标房源的各估价影响因素通过预设半参数分位回归模型估计目标房源的价值参数，所述预设半参数分位回归模型基于所述各估价影响因素与所述预测平均价值参数对所述目标房源的价值参数的影响建立。

在其中一个实施例中，所述获取目标小区房源各个预设时间段的挂牌均价、成交均价以及初始市场均价之前，还包括：

获取目标小区房源各个预设时间段的挂牌价格数据以及成交价格数据；根据所述挂牌价格数据，获得目标小区房源各个预设时间段的挂牌均价，根据所述成交价格数据，获得目标小区房源各个预设时间段的成交均价。

在其中一个实施例中，所述根据所述挂牌价格数据，获得目标小区房源各个预设时间段的挂牌均价，根据所述成交价格数据，获得目标小区房源各个预设时间段的成交均价之前，还包括：

基于均值滤波原理对所述挂牌价格数据以及所述成交价格数据进行过滤处理。

在其中一个实施例中，所述将所述挂牌均价、所述成交均价以及所述价格关联数据输入预设的小波神经网络，获得所述目标小区房源的预测平均价值参数之前，还包括：

获取所述目标小区房源的各个历史时间段的历史价格数据，所述历史价格数据包括挂牌均价、成交均价、价格关联数据以及初始市场均价，所述挂牌均价、成交均价以及价格关联数据为输入数据，所述初始市场均价为预测结果；

随机将所述历史价格数据分为训练集与测试集；

将所述训练集输入初始小波神经网络，通过梯度训练法对初始小波神经网络进行训练；

通过所述测试集对所述训练后的初始小波神经网络进行评估，获得评估结果；