[發明專利]一種房地產演變過程的時間序列分析方法

在審

• 申請號: 202011562369.3
• 申請日: 2020-12-25
• 公開（公告）號: CN112765555A
• 公開（公告）日: 2021-05-07
• 發明（設計）人: 李欣陽;姚民偉;吳呈良
• 申請（專利權）人: 浪潮卓數大數據產業發展有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06Q50/16
• 代理公司: 濟南信達專利事務所有限公司 37100
• 代理人: 姜鵬

1.一種房地產演變過程的時間序列分析方法，其特征在于，具有以下步驟：

S1、數據分析；

S2、建立模型；

S3、模型檢驗；

S4、趨勢分析。

2.根據權利要求1所述的一種房地產演變過程的時間序列分析方法，其特征在于，在步驟S1中，通過平穩性檢驗對時間序列進行初步的數據分析，采用圖檢驗法進行平穩性檢驗，所述圖檢驗法根據時序圖和自相關圖的特征做出序列平穩性的判斷。

3.根據權利要求2所述的一種房地產演變過程的時間序列分析方法，其特征在于，時序圖檢驗：

平穩時間序列的均值和方差均為實數，故平穩序列的時序圖會顯示出研究序列始終在一個常數值附近隨機波動，且波動范圍有界；若序列的時序圖顯示出趨勢性或周期性，則為非平穩序列；

自相關圖檢驗：

若自相關圖顯示序列的自相關系數自始至終都在零軸附近波動，且始終控制在兩倍的標準范圍以內，則表明序列平穩；若自相關系數在兩倍標準范圍外，且長期位于零軸的一邊、或自相關系數遞減，在一個階段為正，另一個階段為負，且在自相關圖上顯示出三角對稱性，則序列非平穩。

4.根據權利要求1所述的一種房地產演變過程的時間序列分析方法，其特征在于，在步驟S2中，采用殘差自回歸模型進行數據擬合，殘差自回歸模型結構如下：

公式中，x_t為擬合的t時刻的序列值，T_t為t時刻的趨勢效應擬合，S_t為t時刻的季節效應擬合，ε_t為t時刻的殘差序列，φ₁…φ_p為對應時刻的任意參數，a_t為殘差序列擬合自回歸模型的殘差。

5.根據權利要求4所述的一種房地產演變過程的時間序列分析方法，其特征在于，對趨勢效應進行擬合：

第一種，當自變量為時間t的冪函數時；

T_t＝β₀+β₁·t+…+β_k·t^k+ε_t

第二種，當自變量為歷史觀察值{x_t-1,x_t-2,…,x_t-k}時：

T_t＝β₀+β₁·x_t-1+…+β_k·x_t-k+ε_t

6.根據權利要求5所述的一種房地產演變過程的時間序列分析方法，其特征在于，對季節效應進行擬合：

第一種，若已給定季節指數時：

S_t＝S′_t

公式中，S′_t是某個已知的季節指數；

第二種，建立季節自回歸模型時：

S_t＝α₀+α₁·x_t-m+…+α_l·x_t-lm

假定固定周期為m。

7.根據權利要求6所述的一種房地產演變過程的時間序列分析方法，其特征在于，在步驟S3中，模型擬合完成后，對殘差序列進行自相關性檢驗，分為DW檢驗和Durbin h檢驗兩種；

DW檢驗：適合進行時間序列殘差自相關性檢驗，其檢驗統計量為：

Durbin h檢驗：其檢驗統計量為：

公式中，n為觀察值序列長度；為延遲因變量系書的最小二乘估計的方差。

8.根據權利要求1所述的一種房地產演變過程的時間序列分析方法，其特征在于，采用曲線擬合中屬于指數平滑法的Holt兩參數指數平滑法進行趨勢預測，其平滑公式為：

公式中，α,β為兩個平滑參數，滿足0＜α,β＜1，x_t和分別為序列第t期的真實值和預測值，r_t是假定的線性趨勢中第t期的遞減值——每期都遞減r或遞增r。