2021年MathorCup高校数学建模挑战赛-大数据竞赛 赛道A 二手车估价 开源方案、论文及代码.zip

# 【 MathorCup杯大数据挑战赛 A题 二手车估价】初赛复赛总结、方案代码及论文 # 相关链接 [【初赛40页完整论文和代码】下载](https://mianbaoduo.com/o/bread/mbd-YpeVm5hx) [【复赛42页完整论文和代码】下载](https://mianbaoduo.com/o/bread/YpiZk59p) # 1 题目 ## 1.1 初赛题目 赛道 A：二手车估价问题 随着我国的机动车数量不断增长，人均保有量也随之增加，机动 车以“二手车”形式在流通环节，包括二手车收车、二手车拍卖、二手 车零售、二手车置换等环节的流通需求越来越大。二手车作为一种特 殊的“电商商品”，因为其“一车一况”的特性比一般电商商品的交易要 复杂得多，究其原因是二手车价格难于准确估计和设定，不但受到车 本身基础配置，如品牌、车系、动力等的影响，还受到车况如行驶里 程、车身受损和维修情况等的影响，甚至新车价格的变化也会对二手 车价格带来作用。目前国家并没有出台一个评判二手车资产价值的标 准。一些二手车交易平台和二手车第三方估价平台都从自身的角度建 立了一系列估价方法用于评估二手车资产的价值。 在一个典型的二手车零售场景，二手车一般通过互联网等线上渠 道获取用户线索，线下实体门店对外展销和售卖，俗称 O2O 门店模式。门店通过“买手”从个人或其他渠道收购二手车，然后由门店定价 师定价销售，二手车商品和其他商品一样，如果定价太高滞销也会打 折促销，甚至直接以较低的价格打包批发，直至商品最终卖出。 基于以上背景，请你们团队根据附件给出的数据，通过数据分析 与建模的方法帮助二手车交易平台解决下面的问题： 初赛问题 问题 **1**：基于给定的二手车交易样本数据（附件 1：估价训练数据），选用合适的估价方法，构建模型，预测二手车的零售交易价格， 数据中会对 id 类，主要特征类等信息进行脱敏。主要数据包括车辆基础信息、交易时间信息、价格信息等，包含 36 列变量信息，其中15 列为匿名变量。字段如下：  请采用附件 1 中的“估价训练数据”（带标签）训练模型和测试模型，自行设置测试集，使用训练完成后的模型对附件 2 中的“估价验证数据”（不带标签）进行预测，并将预测结果保存在附件 3“估价模型结果”文件中，注意不要修改格式，单独上传到竞赛平台。 <img src="https://img-blog.csdnimg.cn/66376b5d60ed4a19879603bcae7f804e.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBAQmV0dGVyIEJlbmNo,size_20,color_FFFFFF,t_70,g_se,x_16#pic_center" /> 问题 **2**：在门店模式中，车辆在被“买手”收车以后，会进入门店进行售卖，车辆能否成功交易，除了取决于销售的谈判技巧，更重要 的是车辆本身是否受消费者青睐，价格是否公道。假设你们是门店的 定价师，请你们结合附件 4“门店交易训练数据”对车辆的成交周期（从车辆上架到成交的时间长度，单位：天）进行分析，挖掘影响车辆成 交周期的关键因素。假如需要加快门店在库车辆的销售速度，你们可 以结合这些关键因素采取哪些行之有效的手段，并进一步说明这些手 段的适用条件和预期效果。 问题 **3**：依据给出的样本数据集，你们觉得还有哪些问题值得研究，并给出你们的思路？ 将问题 1、2、3 的解决过程写成一篇论文，明确你们的思路、模型、方法和结果。 ## 1.2 复赛题目 题目 问题一：在初赛问题 2 的基础上，如果需要你们对车辆的成交周期进行准确预估，你们会采取什么方式建模？请你们使用附件 4“门店交易训练数据”构建交易周期预测模型，并对附件 5“门店交易验证数据”进行预测，并将预测结果保存在附件 6“门店交易模型结果”文件中，注意不要修改格式。其中附件 5“门店交易验证数据”只包括附件 4“门店交易训练数据”前 1 至 4 个字段。附件 5 的所有 carid 等相关信息都包含在附件2“估价验证数据”中。 问题二：车辆在门店售卖过程中，除了要对在库车辆未来成交周期准确预测，更需要对库存（假设门店在评估周期内场地和工作人员情况保持不变）进行有效管理，以保障在成本（车辆有资金占用成本，停车位占用成本）最小化的情况下，最大化门店的销售利润。车辆的价格是影响车辆成交非常重要的因素，门店在做库存管理时，需要根据在库车辆情况、新收车辆情况，对车辆进行销售定价或调价，一方面使得热销车辆以更合适的价格成交，保全门店利润，同时也要对滞销车辆进行降价促销，以避免更大的损失，基于此，假设你们是门店的店长，你们能决策的是何时对某个车辆是否进行调价，以及调整多大幅度，以保障门店的经营目标（最小化成本的情况下，最大化门店毛利润）达成，这里不考虑员工的人力成本等成本。请你们自己抽象问题的数学模型描述，构建门店经营模型，并给出模型的求解思路和算法步骤，这里假设经营目标一个月评估一次。 根据问题 1、2 的解答完善初赛论文，明确你们的思路、模型、方法和结果。 # 2 思路总结 ## 2.1 初赛 **针对问题一：** 为了保证数据质量，首先需要对数据进行初步探索，包括查看数据分布、缺失比例、异常值，通过数据预处理，筛选出训练集和测试集分布差异较大的数据，并且排除缺失比例大于90%的特征，其中价格存在偏离较大的异常样本值，进行剔除，对缺失的离散特征样本进行众数填充。其次通过特征工程，对类别变量进行有序编码，对时间变量提取时序特征以及合理的构造交叉特征等工作，最后建立机器学习模型，并且使用五折交叉验证防止模型单次划分过拟合，通过对比五种模型，其中**XGBoost**、**CatBoost**、**LightGBM**表现较好，Accuracy精度能达到**86%**以上，因此利用该三种模型的结果采用加权平均进行融合，提高模型精度。 **针对问题二：**第一小问需要挖掘影响成交周期的关键因素，首先对数据集进行预处理，将最后一次降价时间作为计算成交周期的开始时间，然后根据成交时间与上架时间的差值计算出**交易周期**。其次建立车辆的原始属性特征，不包括匿名特征，以及构造降价次数和降价幅度两个特征。通过斯皮尔曼相关性筛选出与交易周期相关的12个关键因素，其中可人为可调整的有车辆所在城市、展销年份、降价次数和价格四个因素。第二小问，根据影响交易周期的关键因素，设计加快销售单定价策略。我们提出一个基于聚类的**多元回归定价策略**。首先，根据交易周期将数据集划分为第一周售出、第二周之后售出和没卖出三种，只对第一周销售出的数据进行建模。其次，利用**Kmeans++聚类** 算法将第一种数据集分为三类，对每一类拟合一个多元回归方程。使用SPSS软件回归分析求出回归系数、相关系数R方、P值、估计误差方差S2和VIF值，判别出回归方程的合理性，最后，通过P值影响价格的显著性和VIF值去除共线性自变量，确定回归方程的系数。此外，我们根据其他�