技术摘要：
本发明涉及地产行业周期识别的技术领域，公开了一种地产行业周期识别方法、装置、系统、终端以及存储介质。其中该方法包括：收集目标区域历史的第一房价序列以及影响第一房价序列的第一宏观指标集；消除第一房价序列以及第一宏观指标集中的季节性的影响，得到第二房价  全部
背景技术：
房地产周期是房地产经纪水平起伏波动、周期循环的经济现象。地产从业者往往 需要对不同城市市场目前所处周期阶段进行快速、清晰的定性判断，并由此作为依据进行 不同阶段下的资产配置、投资风险管理以及销售节点控制。目前，存在一些软件方法可辅助 从业者判定房价处于上升阶段或者是下降阶段， 现有方法运用以宏观经济数据作为因子的线性回归算法来预测房价，例如申请号 为201810578309.7的专利文件中介绍的房价预测方法；但是线性回归方法无法灵活捕捉非 线性动态结构，如非对称性结构，在不同的经济周期阶段，宏观经济因子对房价的影响难以 保持一致，难以用线性模型对房价趋势进行刻画。因此，如何有效捕捉地产周期中的非线性 动态结构，同时可定性识别当前地产行业环境所处的不同周期阶段是急需解决的重要问 题。
技术实现要素：
本发明的目的在于提供一种地产行业周期识别方法、装置、系统、终端以及存储介 质，旨在解决现有方法难以捕捉地产周期中的非线性动态结构的问题。 本发明是这样实现的，一种基于宏观经济及市场数据的地产行业周期识别方法， 包括： 收集目标区域历史的第一房价序列以及影响所述第一房价序列的第一宏观指标 集，其中，第一宏观指标集包括社会消费品零售总额、固定投资额、财政收入、人均总值、商 品房销售面积、房地产开发投资额和城市基础建设中的任意一种或者多种； 消除所述第一房价序列以及所述第一宏观指标集中的季节性的影响，得到第二房 价序列以及第二宏观指标集； 根据所述第二房价序列以及所述第二宏观指标集建立预测模型，并通过所述预测 模型计算得到房价预测结果； 根据所述房价预测结果预测房价走势。 一种可选的实施方式，所述根据所述第二房价序列以及所述第二宏观指标集建立 预测模型，并通过所述预测模型计算得到房价预测结果包括： 根据所述第二房价序列以及所述第二宏观指标集，筛选出可用于预测房价的宏观 领先指标集； 根据所述宏观领先指标集以及第二房价序列建立第一数学模型，并通过所述第一 数学模型计算得到第一预测结果，将所述第一预测结果作为所述房价预测结果。 一种可选的实施方式，所述根据所述第二房价序列以及所述第二宏观指标集建立 4 CN 111598334 A 说　明　书 2/12 页 预测模型，并通过所述预测模型计算得到房价预测结果包括： 根据所述第二房价序列建立第二数学模型，并通过所述第二数学模型计算得到所 述第二预测结果，将所述第二预测结果作为所述房价预测结果。 一种可选的实施方式，所述根据所述第二房价序列以及所述第二宏观指标集建立 预测模型，并通过所述预测模型计算得到房价预测结果包括： 根据所述第二房价序列以及所述第二宏观指标集，筛选出可用于预测房价的宏观 领先指标集； 根据所述宏观领先指标集以及第二房价序列建立第一数学模型，并通过所述第一 数学模型计算得到第一预测结果； 根据所述第二房价序列建立第二数学模型，并通过所述第二数学模型计算得到第 二预测结果； 对比所述第一预测结果以及所述第二预测结果，选择较佳的预测结果作为所述房 价预测结果。 一种可选的实施方式，所述对比所述第一预测结果以及所述第二预测结果，选择 较佳的预测结果作为所述房价预测结果包括： 通过拟合优度、赤池信息准则以及自相关函数中的任意一种或多种计算所述第一 预测结果以及所述第二预测结果； 根据计算结果判定所述第一预测结果以及所述第二预测结果的拟合程度，并选择 拟合程度较佳的预测结果作为房价预测结果。 一种可选的实施方式，所述根据所述房价预测结果预测房价走势包括： 设置概率阈值； 根据所述概率阈值对所述房价预测结果进行划分，判断房价走势。 为了实现上述目的，本发明还提出一种地产行业周期识别装置，包括： 收集单元，用于收集目标区域历史的第一房价序列以及影响所述第一房价序列的 第一宏观指标集，其中，第一宏观指标集包括社会消费品零售总额、固定投资额、财政收入、 人均总值、商品房销售面积、房地产开发投资额和城市基础建设中的任意一种或者多种； 季节性过滤单元，用于消除所述第一房价序列以及所述第一宏观指标集中的季节 性的影响，得到第二房价序列以及第二宏观指标集； 筛选单元，用于根据所述第二房价序列以及所述第二宏观指标集，筛选出可用于 预测房价的宏观领先指标集； 第一处理单元，用于根据所述宏观领先指标集以及第二房价序列建立第一数学模 型，并通过所述第一数学模型计算得到所述第一预测结果； 第二处理单元，用于根据所述第二房价序列建立第二数学模型，并通过所述第二 数学模型计算得到所述第二预测结果； 对比单元，用于对比所述第一预测结果以及所述第二预测结果，选择较佳的预测 结果作为所述房价预测结果。 预测单元，用于根据所述房价预测结果预测房价走势。 此外，为了实现上述目的，本发明还提出一种终端，所述终端包括存储器和处理 器； 5 CN 111598334 A 说　明　书 3/12 页 所述存储器用于存储计算机程序； 所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述地 产行业周期识别方法的步骤。 此外，为了实现上述目的，本发明还提出一种地产行业周期识别系统，包括如上所 述的终端以及控制设备，所述终端与所述控制设备通讯连接，所述控制设备包括后台服务 器，所述控制设备用于向所述终端发出执行指令以使所述终端实现如上所述的地产行业周 期识别方法。 此外，为了实现上述目的，本发明还提出一种可读存储介质，所述可读存储介质存 储有计算机程序，所述计算机程序被处理器执行时实现如上所述的地产行业周期识别方法 的步骤。 与现有技术相比，本发明提供的一种地产行业周期识别方法，先收集目标区域第 一房价序列以及第一宏观指标集，再消除第一房价序列以及第一宏观指标集中季节性的影 响以得到第二房价序列以及第二宏观指标集，然后基于第二房价序列以及第二宏观指标集 建立并计算预测模型，得到预测结果，最后根据预测结果预测房价走势；通过采用上述方 法，可捕捉地产周期中的非线性、非对称结构，同时可定性识别当前地产行业环境所处的不 同周期阶段，从而辅助从业人员、行业监管人员或政策制定者解释历史周期阶段，快速认知 目前阶段以及预判市场未来状态并作出相应的决策。 附图说明 图1是本发明实施例提供的地产行业周期识别方法第一实施例的流程图； 图2是本发明实施例提供的地产行业周期识别方法第二实施例的流程图； 图3是本发明实施例提供的地产行业周期识别方法第三实施例的流程图； 图4是本发明实施例提供的地产行业周期识别方法第四实施例的流程图； 图5是本发明实施例提供的地产行业周期识别方法第五实施例的流程图； 图6是本发明实施例提供的地产行业周期识别方法第六实施例的流程图； 图7是本发明实施例提供的地产行业周期识别装置的结构图； 图8是本发明实施例提供的一种终端的结构示意图。