[發明專利]一種二手商用車殘值評估定價方法及系統

在審

• 申請號: 202011395615.0
• 申請日: 2020-12-03
• 公開（公告）號: CN112446737A
• 公開（公告）日: 2021-03-05
• 發明（設計）人: 張道甜;劉寧東;楊林;唐名利
• 申請（專利權）人: 天津獅拓信息技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京市盛峰律師事務所 11337
• 代理人: 于國強

1.一種二手商用車殘值評估定價方法，其特征在于：包括如下步驟，

S1、獲取待評估二手商用車的車輛信息和車型配置信息；結合待評估二手商用車的廠商指導價格和市場已交易的二手商用車數據，計算待評估二手商用車的理論折舊價格；

S2、基于市場已交易的二手商用車數據和待評估二手商用車的車輛信息和車型配置信息，通過XGBoost和CatBoost兩種樹算法模型，構建價格回歸預測模型；并使用價格回歸預測模型對待評估二手商用車進行價格預測；獲取待評估二手商用車的市場預測價格；

S3、根據理論折舊價格和市場預測價格，計算獲取待評估二手商用車的車輛殘值價格。

2.根據權利要求1所述的二手商用車殘值評估定價方法，其特征在于：步驟S1具體包括如下內容，

S11、通過登記證和行駛證獲取待評估二手商用車的車輛信息；

S12、通過待評估二手商用車車輛信息中的VIN碼，在車輛配置信息庫中調取其車型配置信息；

S13、根據待評估二手商用車的車輛信息和車型配置信息，結合待評估二手商用車的廠商指導價格和市場已交易的二手商用車數據，計算待評估二手商用車的理論折舊價格。

3.根據權利要求2所述的二手商用車殘值評估定價方法，其特征在于：所述理論折舊價格的計算公式為，

Y＝待評估二手商用車的廠商指導價格×(αX1+βX2+γX3)

其中，Y為待評估二手商用車的理論折舊價格，X1為保值率分值，X2為配置折價模型分值，X3是車況等級分值，α、β、γ分別為根據市場已交易的二手商用車數據進行線性回歸計算得出的X1、X2、X3的權重系數。

4.根據權利要求3所述的二手商用車殘值評估定價方法，其特征在于：從市場已交易的二手商用車數據中篩選出無事故、車況良好的車輛交易數據，并通過這些車輛交易數據計算出不同類型的車輛在不同車齡下的保值率分值。

5.根據權利要求3所述的二手商用車殘值評估定價方法，其特征在于：對市場已交易的二手商用車數據中的二手商用車的125項配置信息設置權重值，并將125項配置信息的權重值進行累加獲取配置折價模型的分值。

6.根據權利要求3所述的二手商用車殘值評估定價方法，其特征在于：對市場已交易的二手車商用數據中216項檢測項進行權重設置，并設置不同車輛下的磨損系數；最后通過下式計算獲取車況等級分值X3；

其中，a1至a125是216個檢測項的磨損系數，N1至N216是216個檢測項的權重值。

7.根據權利要求1所述的二手商用車殘值評估定價方法，其特征在于：步驟S2具體包括如下內容，

S21、從市場已交易的二手商用車數據中選取車輛正常的樣本數據，并將樣本數據分成不交叉的5等份訓練數據；

S22、依次將每份訓練數據作為預測集輸入到XGBoost樹算法模型中獲取預測結果；并把所有的預測結果按照第一份訓練數據到第五份訓練數據的順序對應排列拼接，獲取樣本數據在XGBoost樹算法模型的stacking轉換；

S23、依次將每份訓練數據作為預測集輸入到XGBoost樹算法模型中獲取預測結果；并把所有的預測結果按照第一份訓練數據到第五份訓練數據的順序對應排列拼接，獲取樣本數據在CatBoost樹算法模型的stacking轉換；

S24、將步驟S22中獲取的預測結果和步驟S23中獲取的預測結果作為兩列特征，并將成交價格作為標簽，輸入到XGBoost樹算法模型中進行訓練，獲取價格回歸預測模型；

S25、將待評估二手商用車的車輛信息和車型配置信息輸入到價格回歸預測模型中，獲取待評估二手商用車的市場預測價格。

8.根據權利要求1所述的二手商用車殘值評估定價方法，其特征在于：待評估二手商用車的車輛殘值價格通過下式計算獲取，

Z＝aY+bM

其中，Z為待評估二手商用車的車輛殘值價格；Y為待評估二手商用車的理論折舊價格；M為待評估二手商用車的市場預測價格；a和b是通過市場已交易的二手商用車數據進行線性回歸計算得出的權重系數。

9.一種二手商用車殘值評估定價系統，其特征在于：所述定價系統用于實現權利要求1至8任一所述的定價方法；所述定價系統包括，

理論折舊模塊；用于獲取待評估二手商用車的理論折舊價格；

市場預測模塊；用于獲取待評估二手商用車的市場預測價格；

價格融合模塊；用于獲取待評估二手商用車的車輛殘值價格。