[发明专利]车辆质押的价格预测方法、装置、设备及存储介质

说明书

本发明涉及质押价格预测领域，具体涉及一种车辆质押的价格预测方法、装置、设备及存储介质，本实施例采用共线性检验筛选获得高相关性指标变量，并进行LASSO回归算法与线性回归算法对比，筛选经验风险和模型复杂度同时满足预设条件的初步模型；利用VIF、拟合优度和标准误差检验初步模型结果，确定预测模型，基于预测模型计算车辆预测价格。通过将车辆产品信息、竞品信息结合宏观经济数据结合，进行业务场景下的变量衍生，通过优化的时间序列预测算法模型对未来车辆价值进行估计，解决信息不对称，最大化控制质押物价值减损，赋予动产以不动产的属性，有效降低动产质押的技术风险。

技术领域

本发明涉及动产质押价格预测领域，具体涉及一种车辆质押的价格预测方法、装置、设备及存储介质。

背景技术

供应链下的动产质押融资模式是指银行、保理公司等金融机构接受动产作质押，并借助核心企业的担保和物流企业的监管，向中小企业发放贷款的融资业务模式。在该业务模式中，如何整合物流、资金流和信息流，监控质押物的在库状态、商品总价值以及质押物未来一段时间内市场价格走向，以便在质押物状态发生异常或质押物价值发生波动时发出预警信息，并补足抵押物价值，是现有技术库融业务需要解决的重要技术问题。

目前市场中存在较多针对于二手车的残值预测，但在汽车库融业务的具体场景中，需要针对热门库存热门车型的B端销售价格进行估计，为设置车辆价值的监控策略提供参考。当前汽车库融业务中，通过外部数据商的车辆价格数据能够及时、准确地监控质押新车当前市场销售价格，但基于新车未来的车辆价格走势及预测，由于不同车系和车型的车辆的新车价格走势呈现不同的趋势，并且相同车型不同年份的新车在市场上也呈现较大的差异化特征等诸多因素，不同于市场上较为成熟的二手车评估体系，针对新车价格预测的技术较不成熟，尚未形成能够针对库存车辆的不同市场价格表现预测出差异化、准确率较高的结果，目前新车价格预测的主流模型一般采用简单线性回归模型，挑选车价的通用型影响因素，并运用相应的风控策略对车辆价格与质押融资额度出现较大差距时，增加响应的风控措施。但监控过程复杂，且预测结果往往不能精准的反应实时的情况，因此如何通过车辆价格预测实现及时调整贷后监控是B端汽车库融业务中亟待解决的技术问题。

发明内容

鉴于现有技术中存在的技术缺陷和技术弊端，本发明实施例提供克服上述问题或者至少部分地解决上述问题的一种车辆质押的价格预测方法、装置、设备及存储介质。

作为本发明实施例的一个方面，提供了一种车辆质押的价格预测方法，所述方法包括：

获取车辆的外部数据，所述外部数据包括宏观经济数据、产品信息、竞品信息；

根据外部数据生成或计算预设指标变量；

加载数据处理及建模过程中预设第三方工具包；

清洗预设指标变量；

采用共线性检验筛选获得高相关性指标变量，并进行LASSO回归算法与线性回归算法对比，筛选经验风险和模型复杂度同时满足预设条件的初步模型；

利用VIF、拟合优度和标准误差检验初步模型结果，确定预测模型，基于预测模型计算车辆预测价格。

进一步地，所述“采用共线性检验筛选获得高相关性指标变量”方法包括：

运用相关性分析对清洗后的预设指标变量进行热力图分析；

通过共线性检验筛选出高相关性指标；

结合业务含义对相关性大于0.8的预设指标变量进行综合性删除。

在一个实施例中，所述方法还包括：

划分样本集的建模集及测试集；

选用Stepwise selection对高相关性指标变量进行再次筛选；

分别显示建模集和测试集的折线图。