feat(tradein): asking_to_sold_ratios table + derivation (#648 S2) #660
1 changed files with 197 additions and 0 deletions
197
tradein-mvp/backend/data/sql/080_asking_to_sold_ratios.sql
Normal file
197
tradein-mvp/backend/data/sql/080_asking_to_sold_ratios.sql
Normal file
|
|
@ -0,0 +1,197 @@
|
|||
-- 080_asking_to_sold_ratios.sql
|
||||
-- #648 Stage 2 — persist the per-rooms asking→sold correction ratio.
|
||||
--
|
||||
-- ПРОБЛЕМА (#648). Оценщик (estimator.py) предсказывает цену квартиры по МЕДИАНЕ
|
||||
-- *активных asking* цен аналогов (Tukey 1.5×IQR → median ₽/m²). Backtest-харнес
|
||||
-- (scripts/backtest_estimator.py, Stage 1, merged) показал, что asking систематически
|
||||
-- на +20-30% выше реально зарегистрированной цены ДКП (deals, source='rosreestr').
|
||||
-- Per-rooms множитель ratio = median(SOLD ppm²) / median(ASKING ppm²) (≈0.73-0.85,
|
||||
-- глобально ≈0.81 — sold ≈ 81% от asking) убирает этот перекос: out-of-sample bias
|
||||
-- на held-out ДКП ушёл с +20.4% до −4.0%. Stage 2 = СОХРАНИТЬ этот ratio, чтобы
|
||||
-- Stage 3 (estimator) читал его и домножал asking-median прогноз на sold/asking.
|
||||
--
|
||||
-- СОЗДАЁТ:
|
||||
-- asking_to_sold_ratios — таблица коэффициентов (rooms_bucket, district) → ratio.
|
||||
-- rooms_bucket: 0=студия,1,2,3,4(=4+); СПЕЦ-строка rooms_bucket=-1 = global fallback.
|
||||
-- district: ЗАРЕЗЕРВИРОВАНО для #647 (geo-разбивка); в #648 ВСЕГДА '' (часть PK,
|
||||
-- поэтому NOT NULL DEFAULT '' — '' можно положить в PK, NULL нельзя).
|
||||
--
|
||||
-- МЕТОДОЛОГИЯ (повторяет intent харнеса, см. _derive_room_ratios / _percentile):
|
||||
-- sold_median = percentile_cont(0.5) по deals.price_per_m2, source='rosreestr',
|
||||
-- ppm² ∈ [30000, 600000], deal_date >= CURRENT_DATE − 12 months, бакет по
|
||||
-- LEAST(GREATEST(rooms,0),4). (percentile_cont = линейно-интерполированная медиана,
|
||||
-- соответствует _percentile(sorted, 0.5) в харнесе.)
|
||||
-- ask_median = percentile_cont(0.5) по listings.price_per_m2, is_active,
|
||||
-- ppm² ∈ [30000, 600000], тот же бакет.
|
||||
-- ratio = sold_median / ask_median. window_months = 12.
|
||||
--
|
||||
-- MIN-SAMPLE (вариант (a) — skip): бакет с n_deals < 30 ИЛИ n_listings < 30 НЕ получает
|
||||
-- собственную per_rooms-строку. Estimator при чтении делает fallback: строки бакета
|
||||
-- нет → берёт строку rooms_bucket = -1 (global). Так таблица не overfit'ит тонкие
|
||||
-- бакеты (студия/3к/4+ обычно тонкие; 1к/2к — плотные). Глобальная -1 строка
|
||||
-- пишется ВСЕГДА (basis='global_fallback'); per_rooms-строки — только для бакетов,
|
||||
-- прошедших порог 30/30 (basis='per_rooms').
|
||||
-- GUARD: бакет с ask_median 0/NULL пропускается (деление невозможно) — это и так
|
||||
-- отсекается порогом n_listings>=30, но HAVING ask_median IS NOT NULL AND >0 страхует.
|
||||
--
|
||||
-- CAVEATS (важно — те же, что в шапке харнеса):
|
||||
-- (a) TIME-MISMATCH: ask_median считается по ТЕКУЩИМ активным listings, а sold_median —
|
||||
-- по сделкам за ПРОШЕДШИЕ 12 мес. Это не point-in-time: рынок дрейфует, ratio слегка
|
||||
-- смещён. Честный point-in-time потребует listing_source_snapshots (#570), когда
|
||||
-- накопится история asking «на дату сделки».
|
||||
-- (b) ДКП = ЗАРЕГИСТРИРОВАННАЯ цена (что стороны заявили в Росреестр); может расходиться
|
||||
-- с реальной (налоговая оптимизация, сделки со связанными лицами).
|
||||
-- (c) PER-ROOMS ONLY: district зарезервирован под #647 (geo-разбивка), пока всегда ''.
|
||||
--
|
||||
-- STAGE-4 REUSE: блок derivation ниже (CTE deal_side / ask_side / per_bucket / global_row +
|
||||
-- финальный INSERT ... ON CONFLICT DO UPDATE) — это ровно та логика, которую переиспользует
|
||||
-- refresh-задача `asking_to_sold_ratio_refresh` (Stage 4): она прогоняет тот же
|
||||
-- INSERT...SELECT по расписанию, чтобы ratio следовал за рынком. ON CONFLICT DO UPDATE
|
||||
-- делает повторный прогон идемпотентным (refresh = re-seed). При вынесении в app-код
|
||||
-- bind-параметры (порог, окно, ppm²-полоса) подаются через CAST(:x AS type) (psycopg v3).
|
||||
--
|
||||
-- ЗАВИСИМОСТИ: deals, listings (002_core_tables.sql). Применяется под gate _schema_migrations
|
||||
-- (#637): ровно один раз по NN-порядку. Idempotent (CREATE TABLE IF NOT EXISTS,
|
||||
-- ON CONFLICT DO UPDATE) — безопасно ре-apply / dry-run (BEGIN/ROLLBACK).
|
||||
-- Apply after: 079_listing_source_history.sql
|
||||
|
||||
BEGIN;
|
||||
|
||||
-- ── asking_to_sold_ratios — коэффициенты asking→sold на (бакет комнат × район) ──
|
||||
-- district NOT NULL DEFAULT '' — часть PK; #647 заполнит район, #648 всегда ''.
|
||||
-- sold_median/ask_median nullable — диагностика; ratio NOT NULL (строку без ratio не пишем).
|
||||
CREATE TABLE IF NOT EXISTS asking_to_sold_ratios (
|
||||
rooms_bucket int NOT NULL, -- 0=студия..4=4+; -1 = global fallback row
|
||||
district text NOT NULL DEFAULT '', -- RESERVED for #647 (always '' in #648)
|
||||
ratio numeric NOT NULL, -- sold_median_ppm2 / ask_median_ppm2
|
||||
sold_median bigint, -- median(deals.price_per_m2), диагностика
|
||||
ask_median bigint, -- median(listings.price_per_m2), диагностика
|
||||
n_deals int NOT NULL, -- сделок в окне/бакете
|
||||
n_listings int NOT NULL, -- активных listings в бакете
|
||||
window_months int NOT NULL, -- окно сделок (12)
|
||||
basis text NOT NULL, -- 'per_rooms' | 'global_fallback'
|
||||
computed_at timestamptz NOT NULL DEFAULT now(),
|
||||
PRIMARY KEY (rooms_bucket, district)
|
||||
);
|
||||
|
||||
COMMENT ON TABLE asking_to_sold_ratios IS
|
||||
'Per-rooms asking→sold коэффициент (#648): ratio = median(SOLD ppm²)/median(ASKING ppm²). '
|
||||
'rooms_bucket 0=студия..4=4+; -1 = global fallback (basis=global_fallback, пишется всегда). '
|
||||
'Per-rooms строки только при n_deals>=30 AND n_listings>=30 (иначе estimator читает -1). '
|
||||
'district зарезервирован под #647 (geo), в #648 всегда ''''. '
|
||||
'Caveat: ask=ТЕКУЩИЕ listings vs sold=сделки за 12 мес (не point-in-time); ДКП=registered. '
|
||||
'Refresh — Stage 4 asking_to_sold_ratio_refresh переиспользует derivation ниже.';
|
||||
|
||||
-- ── Derivation + seed ─────────────────────────────────────────────────────────
|
||||
-- Вынесено как один INSERT...SELECT с CTE-«сторонами» (deal_side / ask_side), чтобы
|
||||
-- Stage 4 (asking_to_sold_ratio_refresh) переиспользовал ровно эту логику. Окно сделок
|
||||
-- = трейлинг 12 мес; listings — текущие активные. ppm²-полоса [30000,600000] и бакет
|
||||
-- LEAST(GREATEST(rooms,0),4) — байт-в-байт как в харнесе (PPM2_MIN/PPM2_MAX, _bucketize_rooms).
|
||||
WITH
|
||||
-- SOLD медианы по бакетам комнат за трейлинг-12мес (ДКП Росреестра).
|
||||
deal_side AS (
|
||||
SELECT
|
||||
LEAST(GREATEST(rooms, 0), 4) AS rooms_bucket,
|
||||
percentile_cont(0.5) WITHIN GROUP (ORDER BY price_per_m2) AS sold_median,
|
||||
COUNT(*) AS n_deals
|
||||
FROM deals
|
||||
WHERE source = 'rosreestr'
|
||||
AND rooms IS NOT NULL
|
||||
AND price_per_m2 BETWEEN 30000 AND 600000
|
||||
AND deal_date >= CURRENT_DATE - INTERVAL '12 months'
|
||||
GROUP BY LEAST(GREATEST(rooms, 0), 4)
|
||||
),
|
||||
-- ASKING медианы по бакетам комнат среди ТЕКУЩИХ активных объявлений.
|
||||
ask_side AS (
|
||||
SELECT
|
||||
LEAST(GREATEST(rooms, 0), 4) AS rooms_bucket,
|
||||
percentile_cont(0.5) WITHIN GROUP (ORDER BY price_per_m2) AS ask_median,
|
||||
COUNT(*) AS n_listings
|
||||
FROM listings
|
||||
WHERE is_active
|
||||
AND rooms IS NOT NULL
|
||||
AND price_per_m2 BETWEEN 30000 AND 600000
|
||||
GROUP BY LEAST(GREATEST(rooms, 0), 4)
|
||||
),
|
||||
-- Per-rooms строки: только бакеты с обеими сторонами, прошедшие порог 30/30 и ask>0.
|
||||
-- Тонкие бакеты (n<30) сюда НЕ попадают → estimator делает fallback на -1.
|
||||
per_bucket AS (
|
||||
SELECT
|
||||
d.rooms_bucket,
|
||||
''::text AS district,
|
||||
(d.sold_median / a.ask_median)::numeric AS ratio,
|
||||
round(d.sold_median)::bigint AS sold_median,
|
||||
round(a.ask_median)::bigint AS ask_median,
|
||||
d.n_deals::int AS n_deals,
|
||||
a.n_listings::int AS n_listings,
|
||||
12 AS window_months,
|
||||
'per_rooms'::text AS basis
|
||||
FROM deal_side d
|
||||
JOIN ask_side a USING (rooms_bucket)
|
||||
WHERE d.n_deals >= 30
|
||||
AND a.n_listings >= 30
|
||||
AND a.ask_median IS NOT NULL
|
||||
AND a.ask_median > 0
|
||||
AND d.sold_median IS NOT NULL -- divide-safety (n_deals>=30 это и так гарантирует)
|
||||
AND d.sold_median > 0
|
||||
),
|
||||
-- SOLD медиана по ВСЕМ комнатам (без бакет-фильтра) за трейлинг-12мес — для global row.
|
||||
deal_global AS (
|
||||
SELECT
|
||||
percentile_cont(0.5) WITHIN GROUP (ORDER BY price_per_m2) AS sold_median,
|
||||
COUNT(*) AS n_deals
|
||||
FROM deals
|
||||
WHERE source = 'rosreestr'
|
||||
AND rooms IS NOT NULL
|
||||
AND price_per_m2 BETWEEN 30000 AND 600000
|
||||
AND deal_date >= CURRENT_DATE - INTERVAL '12 months'
|
||||
),
|
||||
-- ASKING медиана по ВСЕМ активным listings (без бакет-фильтра) — для global row.
|
||||
ask_global AS (
|
||||
SELECT
|
||||
percentile_cont(0.5) WITHIN GROUP (ORDER BY price_per_m2) AS ask_median,
|
||||
COUNT(*) AS n_listings
|
||||
FROM listings
|
||||
WHERE is_active
|
||||
AND rooms IS NOT NULL
|
||||
AND price_per_m2 BETWEEN 30000 AND 600000
|
||||
),
|
||||
-- Global fallback строка rooms_bucket=-1 (пишется всегда, если ask>0).
|
||||
global_row AS (
|
||||
SELECT
|
||||
-1 AS rooms_bucket,
|
||||
''::text AS district,
|
||||
(d.sold_median / a.ask_median)::numeric AS ratio,
|
||||
round(d.sold_median)::bigint AS sold_median,
|
||||
round(a.ask_median)::bigint AS ask_median,
|
||||
d.n_deals::int AS n_deals,
|
||||
a.n_listings::int AS n_listings,
|
||||
12 AS window_months,
|
||||
'global_fallback'::text AS basis
|
||||
FROM deal_global d
|
||||
CROSS JOIN ask_global a
|
||||
WHERE a.ask_median IS NOT NULL
|
||||
AND a.ask_median > 0
|
||||
AND d.sold_median IS NOT NULL -- защита от пустого окна сделок (иначе ratio=NULL)
|
||||
AND d.sold_median > 0
|
||||
)
|
||||
INSERT INTO asking_to_sold_ratios (
|
||||
rooms_bucket, district, ratio, sold_median, ask_median,
|
||||
n_deals, n_listings, window_months, basis
|
||||
)
|
||||
SELECT rooms_bucket, district, ratio, sold_median, ask_median,
|
||||
n_deals, n_listings, window_months, basis FROM global_row
|
||||
UNION ALL
|
||||
SELECT rooms_bucket, district, ratio, sold_median, ask_median,
|
||||
n_deals, n_listings, window_months, basis FROM per_bucket
|
||||
ON CONFLICT (rooms_bucket, district) DO UPDATE SET
|
||||
ratio = EXCLUDED.ratio,
|
||||
sold_median = EXCLUDED.sold_median,
|
||||
ask_median = EXCLUDED.ask_median,
|
||||
n_deals = EXCLUDED.n_deals,
|
||||
n_listings = EXCLUDED.n_listings,
|
||||
window_months = EXCLUDED.window_months,
|
||||
basis = EXCLUDED.basis,
|
||||
computed_at = now();
|
||||
|
||||
COMMIT;
|
||||
Loading…
Add table
Reference in a new issue