CN113988639A - 资产价值动态管理系统 - Google Patents
资产价值动态管理系统 Download PDFInfo
- Publication number
- CN113988639A CN113988639A CN202111272680.9A CN202111272680A CN113988639A CN 113988639 A CN113988639 A CN 113988639A CN 202111272680 A CN202111272680 A CN 202111272680A CN 113988639 A CN113988639 A CN 113988639A
- Authority
- CN
- China
- Prior art keywords
- data
- value
- asset
- sample
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 claims abstract description 67
- 230000001932 seasonal effect Effects 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 37
- 230000002159 abnormal effect Effects 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 34
- 238000012216 screening Methods 0.000 claims abstract description 23
- 230000006870 function Effects 0.000 claims description 56
- 230000008859 change Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 4
- 238000007726 management method Methods 0.000 description 28
- 239000011159 matrix material Substances 0.000 description 9
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 239000006260 foam Substances 0.000 description 3
- 230000009191 jumping Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 238000012896 Statistical algorithm Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/16—Real estate
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及资产管理技术领域,公开了一种资产价值动态管理系统,包括样本获取模块、样本处理模块、价值计算模块和价值预估模块;所述样本获取模块用于获取样本;所述样本处理模块用于依据季节性数据及异常数据进行样本筛选及调整,得到有效样本;所述价值计算模块用于将有效样本的数据标准化处理,然后按照计算函数计算确定时间点的资产价格;所述价值预估模块用于建立预估价值函数,并按照资产类别匹配预估价值函数,得到即时资产价格。本发明用于解决目前资产价值判断失真、资产价值预测不够准确的技术问题,并能够达到提升资产价值计算和预测的真实度和准确度的效果,整体方案运作高效,使用成本较低。
Description
技术领域
本发明涉及资产管理技术领域,具体涉及一种资产价值动态管理系统。
背景技术
资产管理中,对于资产的价值判断及管理十分重要,对于资产中的不动产类别而言,其价格是不动产行业经济运行和资源配置最重要的调节机制,对于不动产的价格判断可以预算出现有存量市场中的不动产价值量,为新时期不动产管理工作提供依据,还可以为不动产交易和土地使用权的出让与转让提供有效参考。合理、真实、准确并且高效、低成本的资产价值判断是更好地管理资产的基础。
在传统的资产管理模式中,对于资产价值的计算和判断依靠人工收集、筛选资产样本数据并进行计算,然而,这种方式效率较低,时间成本及人工劳动成本较高,在对于样本数据的判断上存在一定的主观偏向性,以致于资产价格分析不准。
针对传统模式中存在的问题,现有的资产价值管理系统,采用大数据及计算程序进行数据采集和处理,工作效率大大提升,但是,现有的系统在对于资产价值的计算和判断上表现不佳,在计算房地产价格时没有对各类数据内容进行筛选,列入计算式中的数据存在较大噪声,例如,房地产价格会由于季节的不同、特定的假日、特定时段的政策要求等产生一些异常波动,出现短期的虚高房价或超低房价,而这类房价数据往往也被纳入计算因素中,导致计算得出的价格不准确,波动较大,无法反映普通场景下真实的房产价值,以致于对于整体价值趋势判断失真,资产管理没有可靠的依据,对于使用者而言,数据的参考价值不高。
发明内容
本发明意在提供一种资产价值动态管理系统,用来解决目前资产价值判断失真、资产价值预测不够准确的技术问题,并达到提升资产价值计算和预测的真实度和准确度的效果,整体方案运作高效,使用成本较低。
本发明提供的基础方案为:资产价值动态管理系统,包括样本获取模块、样本处理模块、价值计算模块和价值预估模块;
所述样本获取模块用于获取样本;
所述样本处理模块用于依据季节性数据及异常数据进行样本筛选及调整,得到有效样本;
所述价值计算模块用于将有效样本的数据标准化处理,然后按照计算函数计算确定时间点的资产价格;
所述价值预估模块用于建立预估价值函数,并按照资产类别匹配预估价值函数,得到即时资产价格。
本方案的效果及优点在于:第一,样本处理模块依据季节性数据及异常数据进行样本筛选及调整,将季节性数据单列出作为一个依据参考项,然后进行样本的筛选和调整,得到的有效样本不受季节性趋势影响,更为真实可靠,便于后续计算得到真实、正常的价格数据。而现有技术中往往不考虑将季节性数据作为特殊数据参考,而一概作为一般数据纳入具体的计算判断,这种方式忽略了特殊时间点产生的外界因素变化对资产价值带来的冲击和误导性的改变,季节性数据中一些由于特殊的节日、政策安排而产生的虚高数据或是超低数据未得到处理,以致于资产价格计算不准确。本方案则有效考量了这一点,能够针对性处理季节性运动的波动趋势,得出资产本身真正的价值,更具实际参考意义。第二,计算函数和预估价值函数的数据参考更为真实可靠,进而,对于资产价格的计算和预测更为准确。
进一步,还包括动态显示模块,所述动态显示模块用于统计资产价格并按类型形成价格动态趋势;所述价格动态趋势包括资产价格的历史趋势和预测趋势。
这样设置,通过动态显示模块能够得出不同类型资产的价格动态趋势,使得资产价格的变化和发展走向直观可视,便于人们通过价格动态趋势分析资产价值,为资产交易、管理等提供可靠参考。具体地,便于人们通过历史趋势判别现在的资产价格的定位水准,确认是否真正降价或是是否真正升值,进而确定资产的真正价值水准,同时,预测趋势能够给人们以资产价格参考,便于人们统筹管理、交易资产。
进一步,所述动态显示模块还包括风险预警功能,在价格下降幅度超过正常值时进行风险预警。
这样设置,具备风险的资产价格波动会及时通知使用者,便于使用者及时针对性地确认、管理风险资产。
进一步,样本处理模块在依据季节性数据及异常数据进行样本筛选及调整时,对季节性数据的处理为:按照数据处理策略进行筛选,并采用统计学方法使得季节性数据扁平化。
这样设置,合理处理季节性数据,按照数据处理策略进行筛选,而不是整体删除,对于季节性数据的正常部分仍然保留,并采用将季节性数据扁平化的方法,对季节性数据处理进行有效处理,在尽可能的保留有效的季节性数据,保证样本数据量的丰富性的同时,降低季节性运动的波动趋势,消除误导性的信息,去除季节性的负面影响,放大整体趋势,便于分析确定整体化趋势,得到资产本身的实际价值。
进一步,样本处理模块在依据季节性数据及异常数据进行样本筛选及调整时,包括以下步骤:
步骤1:检测样本中的可疑数据、异常数据和异常数据变化趋势;
步骤2:分析样本数据的误差和极值,确定是否符合正常值范围;
步骤3:保留正常数据,删除异常数据,修正缺失及过量数据;
步骤4:获取数据反馈,重新检测至无数据异常状况。
这样设置,对于样本数据进行了全面的筛选及处理,保证后续参与计算的样本数据都是有效可靠的,并且去除了冗余数据,计算量更小,计算效率更高。
进一步,价值计算模块中,所述数据标准化处理为将数据分类汇总。
这样设置,保证同类的数据参与同一项资产价格计算,而不会产生不同类型数据参与同一项资产价格计算的情况,保证每个类型的资产价格计算时使用的数据是正确的、有意义的,进而提升整个资产价格计算的准确度和可靠度。
进一步,价值计算模块中,所述计算函数包括时间轴参数;所述时间轴参数通过对时间点进行排序得出。
这样设置,计算函数实际建立起了时间与其他参数之间以及对应的价格变化关系,能够确定各个时间点的资产价格,并且时间轴参数按时间点排序得出,各个计算结果存在时间顺序,减少了后续动态显示模块形成价值动态趋势时数据排序的工作量。
进一步,所述对时间点进行排序,采用以下方法:
方法1:获取数据时间戳,使用R语言中的dplyr函数公式进行初步筛选。
方法2:基于时间向量或特定时间集合代入R语言函数进行时间点排序。
其中,时间戳用于确定分布式系统中事件的先后关系,可用于协调分布式系统中的资源控制。Dplyr是一个R数据处理基础软件包,用于处理,清理和汇总非结构化数据。
这样设置,在对繁杂的时间数据进行排序处理时,对于不同节点上的数据,上述方法能够有效区分它们的版本信息,并且使得数据的探索和数据操作更为简单快捷。
本发明还提供一种资产价值动态管理方法,采用上述资产价值动态管理系统,包括以下步骤:
步骤一:样本获取模块获取样本,并传输至样本处理模块;
步骤二:样本处理模块依据季节性数据及异常数据进行样本筛选及调整,得到有效样本,并将有效样本传输至价值计算模块和价值预估模块;
步骤三:价值计算模块将有效样本数据标准化处理,然后按照计算函数计算确定时间点的资产价格;价值预估模块建立预估价值函数,并按照资产类别匹配预估价值函数,得到即时资产价格。
本方案的效果及优点在于:通过步骤二的样本筛选,特别是对于季节性数据的处理,使得本方法得到的有效样本不受季节性趋势影响,更为真实可靠,能够保证本方法得到的是真实、正常的价格数据,能够为使用者提供有实际价值的参考帮助。
本发明还提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的一种资产价值动态管理方法。
本方案的优点在于:使得上述的一种行业数据处理方法可被实体处理器执行,便于在实际场合中应用。
附图说明
图1为本发明资产价值动态管理系统实施例二的结构示意框图。
具体实施方式
下面通过具体实施方式进一步详细的说明:
实施例一:
本实施例资产价值动态管理系统,包括样本获取模块、样本处理模块、价值计算模块和价值预估模块;
样本获取模块用于获取样本;样本数据来源于常规大数据系统。
样本处理模块用于依据季节性数据及异常数据进行样本筛选及调整,得到有效样本;
具体地,样本处理模块在依据季节性数据及异常数据进行样本筛选及调整时,对季节性数据的处理为:按照数据处理策略进行筛选,并采用统计学方法使得季节性数据扁平化。
其中,数据处理策略为:通过分析历年的样本数据中(本实施例中定为近五年内的样本数据)受到季节性影响的样本价格数据,分别形成处于不同类别季节性影响下的季节性数据点状分布图,在每个点状分布图中,以数据峰值(最高值及最低值)的上下波动范围为3%左右为一个数据剔除区间,将处于该剔除区间内的数据判定为极端异常数据,进行剔除处理。其余季节性数据则进一步采用统计学方法使得季节性数据扁平化。
所述统计学方法,本实施例中为采用统计学算法模型,所述统计学算法模型包括递归算法、加权平均算法等,在具体实施时,将筛选后的季节性数据代入算法模型,同时采用多种算法进行计算,然后从多种计算结果中取最优解。
另,季节性数据具体指受到外界泡沫因素较大影响的数据,例如以一年为周期,对于资产中的房地产类而言,夏季房屋销量较冬天高,只比较夏天均值和同年价格中位数易造成升幅过大的假象;以及对国民经济生活有重大影响的节日——春节,伴随特殊节日会有一些针对性的政策,导致小段时间内的房价均值偏低或是虚高,将这类具有误导性的泡沫数据在处理后可以降低季节性运动的波动趋势,便于放大整体趋势,获取真实的样本数据。
此外,在处理季节性数据时,按照一定的调整系数进行调整,所述调整系数与季节性异常价格的持续时间相关,且基于前五年同季对数据的影响程度。
样本处理模块在依据季节性数据及异常数据进行样本筛选及调整时,包括以下步骤:
步骤1:检测样本中的可疑数据、异常数据和异常数据变化趋势。
步骤2:分析样本数据的误差和极值,确定是否符合正常值范围
步骤3:保留正常数据,删除异常数据,修正缺失及过量数据;具体地,删除异常数据为删除极端异常数据,所述极端异常数据同数据处理策略中所述的极端异常数据的确定方式相同。对于极端异常数据以外的异常数据采取修正处理。
步骤4:获取数据反馈,重新检测至无数据异常状况。
价值计算模块用于将有效样本的数据标准化处理,然后按照计算函数计算确定时间点的资产价格;所述数据标准化处理为将数据分类汇总,本实施例中按照多种分类原则进行分类,包括:按物业类别分类,如普通住宅类、花园洋房类等;按用途类别分类,如居住房地产、商用房地产、农业房地产等;在计算时按照不同类别分开计算。这样设置,细致地计算了不同类型的资产价格,资产价值管理更为细致完善。
具体地,本实施例中所述计算函数为:
n为目标小区历年的所有案例数;a为时间轴参数,该时间轴参数通过对时间点进行排序得出,所述对时间点进行排序,采用以下方法:
方法1:获取数据时间戳,使用R语言中的dplyr函数公式进行初步筛选。
本实施例中dplyr函数公式指R语言中包含的一种数据处理函数包,用于进行数据整理和变换。该函数包中包括以下数据处理函数:选取特定分析变量的select函数、筛选满足条件的数据的fliter函数、按照某个变量排序的arrange函数、对数据进行分组和汇总的summarise函数、对原始变量重新加工并生成新变量的mutate函数等。
方法2:基于时间向量或特定时间集合代入R语言函数进行时间点排序,如2018年1月-3月,2015-2019年。
c为各样本案例原始价格,其中包含有时间戳数据,具体地,包含有年份,月份,日期,评估时间,录入时间,修改时间,估算录入时间,测试时间等数据。D为此物业类别下的片区均价,同一类型物业下,通过分组将周边相似物业进行关联,整理离散型,包含时间轴数据。G为楼盘均价,同一楼盘,整理离散型,包含时间轴数据。c、D、G均以数据包形式导入计算函数,所述数据包均按一定顺序排列,其排序序列同时间轴参数a相同。
b为时间周期系数,同调整系数相同。
E为期望值,指在一个离散性变量函数计算中每次得出结果的系数乘以其结果的总和。
本计算函数的参数设置上一定程度上消除了季节性数据波动的影响,去除了以往计算价格时掺杂的泡沫因子,保证参与评估计算的样本数据均为实际的正常的数据,得出的计算结果为资产本身实际的价值,能够帮助人们确认真实的资产价值,而不被常规的将季节性波动一概纳入计算的失真数据所误导,能够给出更为准确更具参考意义的资产评估数据。
价值预估模块用于建立预估价值函数,在各时间点价格标准化后建立预估价值函数方程,并按照资产类别匹配预估价值函数,得到即时资产价格。
具体地,所述预估价值函数为:
其中,h为新时间轴参数,计算方法同时间轴参数a相同,输入参数有改变,新时间轴参数包含即时的时间点数据,即今日此时此刻的时间点时间数值。
k为样本向量映射长度,具体地,样本即为计算函数中选取的房屋样本。计算方法涉及定理,简述如下:定义矩阵特征值,其中,矩阵特征值定义为设A是n阶方阵,如果存在数m和非零n维列向量x,使得Ax=mx成立,则称m是矩阵A的一个特征值或本征值。所有特征值均为正定矩阵,其中,正定矩阵定义为设M是n阶实对称矩阵,如果对任一非零实向量X,都使二次型f(X)=X^TMX>0,则称f(X)为正定二次型,f(X)对应的矩阵M称为正定矩阵。利用拓扑去逼近许多不同的矩阵特征值,之后带入定理函数计算——先算出矩阵迹,求其行列式,此过程会获取时间点排序系数q,返回原定理函数即可求出k。
j为各时间点新标准价格,计算公式如下:
jh+1=q·(jh+rk)·sqrt(1+q2)·jh
其中,h+1代表经时间排序法后排序的价格的序列系数,h和h+1的关系为序列中的前后关系。
q为时间点排序系数,在计算k值时已得出。
r为此物业类别下的行政区均价调整系数,此系数包含时间戳,类似于处理季节性数据时的调整系数,为分析普遍规律而引入该行政区均价调整系数。
s为行政区向量映射长度,类似于样本向量映射长度k,但是此处的样本不是k中的单一房屋样本,而是片区样本群。
本预估价值函数依据计算函数的计算结果进行进一步预测计算,对于即时资产价格的预测计算更为准确可靠。同时,随着时间推移,采集到的样本数据会不断变化,各项参数也会随着样本数据变化自动做出适应性调整,以保证计算函数和预估价值函数具备长久的精准性。
本实施例还提供一种资产价值动态管理方法,采用上述资产价值动态管理系统,包括以下步骤:
步骤一:样本获取模块获取样本,并传输至样本处理模块;
步骤二:样本处理模块依据季节性数据及异常数据进行样本筛选及调整,得到有效样本,并将有效样本传输至价值计算模块和价值预估模块;
步骤三:价值计算模块将有效样本数据标准化处理,然后按照计算函数计算确定时间点的资产价格;价值预估模块建立预估价值函数,并按照资产类别匹配预估价值函数,得到即时资产价格。
具体地,在实际应用时,使用者可以自主选择想要查询了解的物业类别,例如查询某个区域房地产的某种物业类型中海景房的动态价格,价值预估模块按照则按照选取的具体的物业类别,匹配预估价值函数,快速计算得出资产价格。
本实施例还提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的一种资产价值动态管理方法。所述存储介质可以为U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
本实施例通过季节性数据和异常数据调整,能够筛选出有效样本,通过不同区域在某一时间段内的片区均价、楼盘均价等变化参数,建立时间与各个参数之间的动态变化关系,并且得到去除干扰因素的真实的资产价格。本资产价值动态管理系统不仅能够准确计算出当前时段的真实资产价值,还能准确预测计算出下个时段的真实资产价值,具备较高的参考价值。
实施例二:
基本如附图1所示:资产价值动态管理系统,在实施例一的基础上,还包括动态显示模块,动态显示模块用于统计资产价格并按类型形成价格动态趋势。所述价格动态趋势包括资产价格的历史趋势和预测趋势。动态显示模块还包括风险预警功能,在价格下降幅度超过正常值时进行风险预警,本实施例中,将正常值设定为年价格均值的上下波动幅度20%得到的值。
本实施例还提供一种资产价值动态管理方法,同实施例一中所述方法相同,故不作赘述。
本实施例还提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的一种资产价值动态管理方法。
本实施例中资产价格的变化和发展走向直观可视,便于人们通过价格动态趋势分析资产价值、确定当前时段或将来时段资产的真正价值,为资产交易、管理等提供可靠参考。同时,风险预警功能便于使用者及时针对性地确认、管理风险资产,降低资产损失的可能性。
实施例三:
资产价值动态管理系统,在实施例一的基础上,对样本获取模块作了改变。
样本获取模块用于获取样本;样本数据来源于常规大数据系统;同时,样本获取模块还从网络中获取资产相关新闻、资产相关通知、节假日安排通知、重要新闻事件等,本实施例针对资产中的房地产进行样本获取,即获取房地产相关新闻、房地产相关通知,获取的来源为中国网地产、中房网等具备一定权威性的房地产相关网站以及不同楼盘发出的活动通知、价格安排等,对于节假日安排通知、重要新闻事件的获取来源即为新闻联播、各地新闻网页等。样本获取模块中预设有季节性数据判断策略,样本获取模块按照季节性数据判断策略,对获取得到的样本数据分类,将季节性数据分出作为一个类别。
所述季节性数据判断策略为:分析获取得到的资产相关新闻、资产相关通知、节假日安排通知等,本实施例中针对房地产而言,由每年节假日安排通知定位每年处于节假日时段的房地产价格,并对该时段的房地产价格同整年平均价格做初步对比,若该时段价格相比于整年平均价格过高、过低或跳动幅度过大,程度超过60%的标记为季节性数据;由资产相关新闻、资产相关通知等提取与房地产价格相关的内容及存在相关内容的新闻通知时间,定位新闻通知时间及该时间前后一个月的房地产价格,并对该时段的房地产价格同整年平均价格做初步对比,若该时段价格相比于整年平均价格过高、过低或跳动幅度过大,程度超过60%的标记为季节性数据。
由重要新闻通知中提取对房地产价格造成影响的因素,例如地震、洪涝、山体滑坡等自然灾害,虽然其相关政策通知并未对房地产价格作出规定或调整,但是仍然对房地产价格造成了影响,以致于某地区一段时间内的房地产价格偏低等,定位该新闻发生时间及该时间前后两个月的房地产价格,采用上述同类方式标记季节性数据。此外,对于新闻通知中新冠疫情这类长期持续影响到人们生产生活的大事件,由于其持续时间过长,会影响到近一年甚至更久的房地产价格,可以通过样本获取模块,人工标记该年数据作为季节性数据。
本实施例还提供一种资产价值动态管理方法,同实施例一中所述方法相同,故不作赘述。
本实施例还提供一种存储介质,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的一种资产价值动态管理方法。
本实施例中样本获取模块按照季节性数据判断策略划分季节性数据,对于季节性数据的划分是动态的、灵活的、智能的,对于季节性数据的划分可靠度较高。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.资产价值动态管理系统,其特征在于,包括样本获取模块、样本处理模块、价值计算模块和价值预估模块;
所述样本获取模块用于获取样本;
所述样本处理模块用于依据季节性数据及异常数据进行样本筛选及调整,得到有效样本;
所述价值计算模块用于将有效样本的数据标准化处理,然后按照计算函数计算确定时间点的资产价格;
所述价值预估模块用于建立预估价值函数,并按照资产类别匹配预估价值函数,得到即时资产价格。
2.根据权利要求1所述的资产价值动态管理系统,其特征在于,还包括动态显示模块,所述动态显示模块用于统计资产价格并按类型形成价格动态趋势;所述价格动态趋势包括资产价格的历史趋势和预测趋势。
3.根据权利要求2所述的资产价值动态管理系统,其特征在于,所述动态显示模块还包括风险预警功能,在价格下降幅度超过正常值时进行风险预警。
4.根据权利要求1所述的资产价值动态管理系统,其特征在于,样本处理模块在依据季节性数据及异常数据进行样本筛选及调整时,对季节性数据的处理为:按照数据处理策略进行筛选,并采用统计学方法使得季节性数据扁平化。
5.根据权利要求4所述的资产价值动态管理系统,其特征在于,样本处理模块在依据季节性数据及异常数据进行样本筛选及调整时,包括以下步骤:
步骤1:检测样本中的可疑数据、异常数据和异常数据变化趋势;
步骤2:分析样本数据的误差和极值,确定是否符合正常值范围;
步骤3:保留正常数据,删除异常数据,修正缺失及过量数据;
步骤4:获取数据反馈,重新检测至无数据异常状况。
6.根据权利要求1所述的资产价值动态管理系统,其特征在于,价值计算模块中,所述数据标准化处理为将数据分类汇总。
7.根据权利要求6所述的资产价值动态管理系统,其特征在于,价值计算模块中,所述计算函数包括时间轴参数;所述时间轴参数通过对时间点进行排序得出。
8.根据权利要求7所述的资产价值动态管理系统,其特征在于,所述对时间点进行排序,采用以下方法:
方法1:获取数据时间戳,使用R语言中的dplyr函数公式进行初步筛选。
方法2:基于时间向量或特定时间集合代入R语言函数进行时间点排序。
9.一种资产价值动态管理方法,其特征在于,采用如权利要求1-8任一项所述的资产价值动态管理系统,包括以下步骤:
步骤一:样本获取模块获取样本,并传输至样本处理模块;
步骤二:样本处理模块依据季节性数据及异常数据进行样本筛选及调整,得到有效样本,并将有效样本传输至价值计算模块和价值预估模块;
步骤三:价值计算模块将有效样本数据标准化处理,然后按照计算函数计算确定时间点的资产价格;价值预估模块建立预估价值函数,并按照资产类别匹配预估价值函数,得到即时资产价格。
10.一种存储介质,所述存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求9所述的一种资产价值动态管理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111272680.9A CN113988639A (zh) | 2021-10-29 | 2021-10-29 | 资产价值动态管理系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111272680.9A CN113988639A (zh) | 2021-10-29 | 2021-10-29 | 资产价值动态管理系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113988639A true CN113988639A (zh) | 2022-01-28 |
Family
ID=79744451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111272680.9A Pending CN113988639A (zh) | 2021-10-29 | 2021-10-29 | 资产价值动态管理系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113988639A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962744A (zh) * | 2021-10-29 | 2022-01-21 | 重庆汇集源科技有限公司 | 房地产租金动态监测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254277A (zh) * | 2011-06-27 | 2011-11-23 | 中国建设银行股份有限公司 | 一种用于房地产估值的数据处理系统与方法 |
CN109272364A (zh) * | 2018-10-11 | 2019-01-25 | 北京国信达数据技术有限公司 | 自动估值模型建模方法 |
CN109376936A (zh) * | 2018-10-31 | 2019-02-22 | 平安直通咨询有限公司 | 房屋价值预测方法、装置、计算机设备和存储介质 |
CN112734491A (zh) * | 2021-01-15 | 2021-04-30 | 广州富港生活智能科技有限公司 | 基于标记评估的资产管理方法及装置 |
-
2021
- 2021-10-29 CN CN202111272680.9A patent/CN113988639A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102254277A (zh) * | 2011-06-27 | 2011-11-23 | 中国建设银行股份有限公司 | 一种用于房地产估值的数据处理系统与方法 |
CN109272364A (zh) * | 2018-10-11 | 2019-01-25 | 北京国信达数据技术有限公司 | 自动估值模型建模方法 |
CN109376936A (zh) * | 2018-10-31 | 2019-02-22 | 平安直通咨询有限公司 | 房屋价值预测方法、装置、计算机设备和存储介质 |
CN112734491A (zh) * | 2021-01-15 | 2021-04-30 | 广州富港生活智能科技有限公司 | 基于标记评估的资产管理方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113962744A (zh) * | 2021-10-29 | 2022-01-21 | 重庆汇集源科技有限公司 | 房地产租金动态监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108564286B (zh) | 一种基于大数据征信的人工智能金融风控授信评定方法和系统 | |
US11263566B2 (en) | Seasonality validation and determination of patterns | |
US8073729B2 (en) | Forecasting discovery costs based on interpolation of historic event patterns | |
CN106886915B (zh) | 一种基于时间衰减采样的广告点击预估方法 | |
CN111324642A (zh) | 一种面向电网大数据分析的模型算法选型与评价方法 | |
US8001060B2 (en) | Classification for small collections of high-value entities | |
US20120221376A1 (en) | System and method for optimization of data sets | |
CN105718490A (zh) | 一种用于更新分类模型的方法及装置 | |
CN112182720B (zh) | 一种基于建筑能源管理应用场景的建筑能耗模型评价方法 | |
Huang et al. | Predictive performance of ensemble hydroclimatic forecasts: Verification metrics, diagnostic plots and forecast attributes | |
CN112700324A (zh) | 基于CatBoost与受限玻尔兹曼机结合的用户借贷违约预测方法 | |
Sotomayor et al. | Implications of macroinvertebrate taxonomic resolution for freshwater assessments using functional traits: The Paute River Basin (Ecuador) case | |
CN113988639A (zh) | 资产价值动态管理系统 | |
CN110659810A (zh) | 一种计算分析员可信程度的方法 | |
CN106803192A (zh) | 一种房地产的环境和周围配套的影响评估方法 | |
CN111985576B (zh) | 基于决策树的店铺选址方法 | |
CN116596674A (zh) | 基于大数据分析的对外贸易风险评估方法 | |
CN115905319B (zh) | 一种海量用户电费异常的自动识别方法及系统 | |
JP2004046454A (ja) | 株式投資レーティング評価方法、システム、この方法をコンピュータに実行させるためのプログラム、このプログラムを記録した記録媒体 | |
CN115619605A (zh) | 一种基于语义信息的传统民居环境质量评估方法 | |
CN112288571B (zh) | 一种基于快速构建邻域覆盖的个人信用风险评估方法 | |
CN110400160B (zh) | 识别竞品用户的方法、装置、电子设备和存储介质 | |
CN113988930A (zh) | 商业房地产人工智能估价系统 | |
CN113159634A (zh) | 一种金融产品管理方法、装置及电子设备 | |
CN113869973A (zh) | 产品推荐方法、产品推荐系统和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |