[发明专利]基于K-MEANS和ARIMA模型预测住宅小区抵押风险的批量评级方法

说明书

本发明公开基于K‑MEANS和ARIMA模型预测住宅小区抵押风险的批量评级方法，包括如下步骤：住宅小区抵押风险评级内涵界定、住宅小区抵押风险评级风险因子识别、数据收集、不同因子模型搭建、总模型搭建、模型调整和模型发布。从而实现能定量、批量求取的住宅小区抵押风险评级。本发明是一种多专业结合的定量分析方法，将房地产宏观、微观两个维度较好融合在一起，并通过GIS工具辅助判断，利用空间矩阵，通过数学原理制定出风险评级规则，使全国各城市小区风险评判标准统一化、标准化。对全国不同城市每个小区批量化评级，评级范围覆盖面大，速度快，用以帮助金融机构等监控高风险小区，防范高风险客群。

技术领域

本发明涉及房地产金融和信息分析相结合领域，尤其是一种将数据挖掘、房地产估价技术、应用数学、GIS相结合，主要基于K-MEANS聚类分析和ARIMA模型来预测住宅小区抵押风险的批量评级方法。

背景技术

目前学术界研究比较多的传统房地产风险分析多基于定性分析，即便有少数风险判断是定量分析，也多集中于金融系统性风险判断、房地产市场整体风险分析，如：

利用多种数学模型对中国房地产市场进行风险评价、对于房地产投资项目风险评价、系统性金融风险评价等；对于风险的定量评级多用于宏观层面或是国家层面的风险判断，极少有对微观层级进行风险判断研究。

因此会分别造成以下缺点和不足：

1、 传统风险分析，对风险内涵范围界定较模糊，对风险判定也无统一的规则。由于对风险内涵的理解不同、对风险判定的标准不同，导致分析结果会带有较强烈的个人色彩，不同分析人员对同一标的物所判定的风险结果也会显现出差异化。

2、 传统定量风险评级，多集中于系统性金融风险判断、房地产市场整体风险分析，少有微观层面的住宅抵押风险评级。目前为银行提供抵押风险分析的主要方法是定性分析，如：提供给银行的抵押报告会通过以下几个方面对抵押风险进行定性分析： (1)抵押房地产的市场流动性及快速变现能力；(2)抵押房地产公允市场价值的波动趋势；(3)预测市场的整体价格形势和变化趋势，综合判断估价对象的风险状况。但缺乏将抵押风险量化的方法。

3、 传统的风险分析人为判断占比较大。从事微观层面定性分析的分析人员因个人经验限制，对风险因子的识别不高，所接触的数据面比较狭隘，没有全局观，也没有全局数据对比分析，风险分析结果往往比较片面，且无法批量对整个城市中每个小区进行风险分析。而从事宏观层面定性分析的分析人员，又比较专注于全局的风险分析，如国家层面，或是城市层面的，缺乏微观方面的风险判断，这就造成了传统的风险分析维度上的割裂性，无法有效地将宏观层面的风险分析与微观层面相结合，使得传统风险分析整体性较差。

因此传统风险评判缺乏比较有针对性的风险定义及判断标准，且整体性较差，且较多依赖于主观经验，较少依赖算法及辅助工具。

发明内容

为了解决上述技术问题，本发明提供一种主要基于K-MEANS聚类分析和ARIMA预测相结合的住宅小区抵押风险的批量评级方法，能较好地解决以下问题：

1、本发明对风险内涵范围界定清晰，可解决风险定义不统一造成的判断标准不一致的问题，有助于分析人员对特定风险有统一的度量标准。

2、本发明是基于房地产估价、数据挖掘、数学模型、GIS相结合的定量分析方法，有较全面扎实的理论基础，能很好地解决基于定性分析容易出现的风险误判、或因经验问题造成的误判等技术问题。

3、本发明能帮助金融机构，特别是为商业银行批量解决以小区为单位的住宅类抵押贷款风险定量评级问题，提高商业银行对住宅类房产的风险鉴别能力。

本发明解决其技术问题所采取的技术方案是：

基于K-MEANS和ARIMA模型预测住宅小区抵押风险的批量评级方法，包括如下步骤：