[go: up one dir, main page]

TWI759702B - 不動產鑑價系統 - Google Patents

不動產鑑價系統 Download PDF

Info

Publication number
TWI759702B
TWI759702B TW109109298A TW109109298A TWI759702B TW I759702 B TWI759702 B TW I759702B TW 109109298 A TW109109298 A TW 109109298A TW 109109298 A TW109109298 A TW 109109298A TW I759702 B TWI759702 B TW I759702B
Authority
TW
Taiwan
Prior art keywords
appraisal
model
real estate
data
system host
Prior art date
Application number
TW109109298A
Other languages
English (en)
Other versions
TW202137125A (zh
Inventor
杜宗燁
Original Assignee
兆豐國際商業銀行股份有限公司
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 兆豐國際商業銀行股份有限公司 filed Critical 兆豐國際商業銀行股份有限公司
Priority to TW109109298A priority Critical patent/TWI759702B/zh
Publication of TW202137125A publication Critical patent/TW202137125A/zh
Application granted granted Critical
Publication of TWI759702B publication Critical patent/TWI759702B/zh

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本揭露提出一種不動產鑑價系統，包括系統主機及應用程式主機耦接到系統主機。系統主機儲存鑑價模型，其中鑑價模型包括集成學習模型，集成學習模型包括第一模型及第二模型且集成學習模型接收輸入資料並產生輸出資料。系統主機在時間間隔接收多個更新資料並將更新資料輸入鑑價模型以進行效度驗證。當更新資料的輸出結果不通過效度驗證時，系統主機不調整鑑價模型的多個參數並根據更新資料重新建模鑑價模型。當重新建模的鑑價模型通過效度驗證時，系統主機將鑑價模型佈署到應用程式主機以提供鑑價操作。

Description

不動產鑑價系統
本揭露是有關於一種不動產鑑價系統，且特別是有關於一種自動更新鑑價模型的不動產鑑價系統。
對一般民眾而言購屋所費不貲，因此成交前常會挑選幾個標的物件做條件、價格確認與比較。例如，民眾可透過實價登錄網站、房仲業者、物件屋主報價等多種管道確認價格合理性。然而此類工作耗時費力且詢價對象亦可能有隱惡揚善或高報價格之情況。為解決上述購屋問題，線上不動產鑑價系統開始被推出。然而，現有的線上不動產鑑價系統大多因為參考數據不足導致鑑價結果與實際價格有較大落差，因此如何能提供一個高精準度的不動產鑑價系統是本領域技術人員應致力的目標。
有鑑於此，本揭露提供一種不動產鑑價系統，能自動更新鑑價模型以提供更精確的鑑價結果。
本揭露提出一種不動產鑑價系統，包括系統主機及應用程式主機耦接到系統主機。系統主機儲存鑑價模型，其中鑑價模型包括集成學習模型，集成學習模型包括第一模型及第二模型且集成學習模型接收輸入資料並產生輸出資料。系統主機在時間間隔接收多個更新資料並將更新資料輸入鑑價模型以進行效度驗證。當更新資料的輸出結果不通過效度驗證時，系統主機不調整鑑價模型的多個參數並根據更新資料重新建模鑑價模型。當重新建模的鑑價模型通過效度驗證時，系統主機將鑑價模型佈署到應用程式主機以提供鑑價操作。
基於上述，本揭露的不動產鑑價系統利用集成學習模型作為鑑價模型。系統主機例如每月接收更新資料並將更新資料輸入鑑價模型以進行效度驗證。若效度驗證沒有通過時系統主機暫時不調整鑑價模型的多個參數而先根據更新資料重新建模鑑價模型。若重新建模的鑑價模型通過效度驗證時系統主機就能將鑑價模型佈署到應用程式主機以提供鑑價操作。
圖1為根據本揭露一實施例的不動產鑑價系統的方塊圖。
請參照圖1，本揭露一實施例的不動產鑑價系統100包括系統主機110及應用程式主機120。應用程式主機120透過有線或無線網路耦接到系統主機110。
在一實施例中，系統主機110儲存鑑價模型，其中鑑價模型包括集成學習模型。集成學習模型包括第一模型及第二模型。第一模型例如是隨機森林模型且第二模型例如是極限梯度提升(eXtreme Gradient Boosting，XgBoost)模型。集成學習模型接收輸入資料並產生輸出資料。集成學習模型中的多個模型輸出可組成線性回歸(Linear Regression)的堆疊(stacking)模型。輸入資料可包括授信資料、實價登錄資料、興趣點資料(Point of Interest，POI)及經濟指標資料等與不動產相關的資料且輸出資料例如是不動產鑑價結果。系統主機110在時間間隔(例如，每一個月)接收多個更新資料並將更新資料輸入鑑價模型以進行效度驗證。當更新資料的輸出結果不通過效度驗證時，系統主機110不調整鑑價模型的多個參數並根據更新資料重新建模鑑價模型。當重新建模的鑑價模型通過效度驗證時，系統主機110將鑑價模型佈署到應用程式主機120以提供鑑價操作，並更新此鑑價模型應用程式介面(Application Program Interface，API)的模型檔以供前台呼叫最新鑑價結果。當更新資料的輸出結果不通過重新建模的鑑價模型的效度驗證時，系統主機110更新對應鑑價模型的多個參數並將這些參數套用到鑑價模型。
在一實施例中，系統主機110可根據網格搜尋演算法或基因演算法更新對應鑑價模型的多個參數。以網格搜尋(Grid Search)演算法為例，網格搜尋演算法可在所有候選的參數組合中透過迴圈方式嘗試每一種可能性，並以表現最好的參數組合作為最終結果。在一實施例中，隨機森林模型及極限梯度提升模型都可利用網格搜尋演算法自動尋找鑑價模型的最佳參數組合。表一為網格搜尋的模型、參數及參數說明。
表一
模型 參數 參數說明
隨機森林模型 n_estimators 隨機森林中樹的數量
max_depth 隨機森林中樹的最大深度
min_samples_split 分支所需樣本數下限
min_samples_leaf 葉節點的樣本數下限
極限梯度提升模型 eta 學習速率
max_depth 樹的最大深度
subsample 樣本抽樣比例
colsample_bytree 變數抽樣比例
gamma 損失函數值下限
min_child_weight 子節點樣本權重和
另一方面，系統主機110也可根據基因演算法更新對應鑑價模型的多個參數。利用基因演算法在決定最適參數的效率遠大於網格搜尋。
在一實施例中，更新資料包括多個不動產資料，當這些不動產資料輸入鑑價模型產生的輸出結果與些不動產資料對應的多個預定鑑價結果的差異小於等於門檻值，則輸出結果通過效度驗證。當輸出結果與預定鑑價結果的差異大於門檻值，則輸出結果不通過效度驗證。
舉例來說，系統主機110可計算對應輸出結果的平均絕對誤差百分比(Mean Absolute Percentage Error，MAPE)及命中率。當平均絕對誤差百分比小於等於預定百分比(例如，15%)且誤差在第一百分比(例如，10%)內的命中率大於等於第二預定百分比(例如，50%)且誤差在第二百分比(例如，20%)內的命中率大於等於第三預定百分比(例如，80%)，則輸出結果通過效度驗證。透過平均絕對誤差百分比及命中率的雙重驗證，可大幅增加效度驗證的準確性。
平均絕對誤差百分比是用來衡量實際值與預測值之間差距與實際值的比值，誤差取絕對值，高估或低估幅度相等，誤差也不會彼此抵銷。平均絕對誤差百分比的計算公式為
Figure 02_image001
，其中y為鑑價結果實際值且ŷ為鑑價結果預測值且n為樣本數。命中率是指在特定誤差範圍內，預測值落於該區間的機率，命中率越高，表示預測值接近實際值的機率越高。命中率的計算公式為
Figure 02_image003
，
Figure 02_image005
，其中y為鑑價結果實際值且ŷ為鑑價結果預測值且
Figure 02_image007
為信心水準且N為測試樣本數且n為命中區間樣本數。
綜上所述，本揭露的不動產鑑價系統利用集成學習模型作為鑑價模型。系統主機例如每月接收更新資料並將更新資料輸入鑑價模型以進行效度驗證。若效度驗證沒有通過時系統主機暫時不調整鑑價模型的多個參數而先根據更新資料重新建模鑑價模型。若重新建模的鑑價模型通過效度驗證時系統主機就能將鑑價模型佈署到應用程式主機以提供鑑價操作。若重新建模的鑑價模型仍無法通過效度驗證則根據網格搜尋演算法或基因演算法更新鑑價模型的參數以提高其通過效度驗證的機會。
雖然本揭露已以實施例揭露如上，然其並非用以限定本揭露，任何所屬技術領域中具有通常知識者，在不脫離本揭露的精神和範圍內，當可作些許的更動與潤飾，故本揭露的保護範圍當視後附的申請專利範圍所界定者為準。
100:不動產鑑價系統 110:系統主機 120:應用程式主機
圖1為根據本揭露一實施例的不動產鑑價系統的方塊圖。
100:不動產鑑價系統
110:系統主機
120:應用程式主機

Claims (9)

  1. 一種不動產鑑價系統，包括：一系統主機；以及一應用程式主機，耦接到該系統主機，其中該系統主機儲存一鑑價模型，其中該鑑價模型包括一集成學習模型，該集成學習模型包括一第一模型及一第二模型且該集成學習模型接收一輸入資料並產生一輸出資料；該系統主機在一時間間隔接收多個更新資料並將該些更新資料輸入該鑑價模型以進行一效度驗證；當該些更新資料的一輸出結果不通過該效度驗證時，該系統主機不調整該鑑價模型的多個參數並根據該些更新資料重新建模該鑑價模型；當重新建模的該鑑價模型通過該效度驗證時，該系統主機將該鑑價模型佈署到該應用程式主機以提供一鑑價操作；以及當該些更新資料的該輸出結果不通過重新建模的該鑑價模型的該效度驗證時，該系統主機更新對應該鑑價模型的該些參數並將該些參數套用到該鑑價模型。
  2. 如請求項1所述的不動產鑑價系統，其中該更新資料包括多個不動產資料，當該些不動產資料輸入該鑑價模型產生的該輸出結果與該些不動產資料對應的多個預定鑑價結果的差異小於等於一門檻值，則該輸出結果通過該效度驗證，當該輸出結果與 該些預定鑑價結果的差異大於該門檻值，則該輸出結果不通過該效度驗證。
  3. 如請求項2所述的不動產鑑價系統，其中該系統主機計算對應該輸出結果的一平均絕對誤差百分比及一命中率，當該平均絕對誤差百分比小於等於一預定百分比且誤差在第一百分比內的命中率大於等於第二預定百分比且誤差在第二百分比內的命中率大於等於第三預定百分比，則該輸出結果通過該效度驗證。
  4. 如請求項3所述的不動產鑑價系統，其中該平均絕對誤差百分比為
    Figure 109109298-A0305-02-0010-1
    ，其中y為鑑價結果實際值且
    Figure 109109298-A0305-02-0010-3
    為鑑價結果 預測值且n為樣本數，該命中率為
    Figure 109109298-A0305-02-0010-2
    ，y i -y i(α)
    Figure 109109298-A0305-02-0010-4
    y i +y i(α)，其中y為鑑價結果實際值且
    Figure 109109298-A0305-02-0010-6
    為鑑價結果預測值且α為信心水準且N為測試樣本數且n為命中區間樣本數。
  5. 如請求項1所述的不動產鑑價系統，其中該系統主機根據一網格搜尋演算法或一基因演算法更新對應該鑑價模型的該些參數。
  6. 如請求項1所述的不動產鑑價系統，其中該第一模型為一隨機森林模型。
  7. 如請求項1所述的不動產鑑價系統，其中該第二模型為一極限梯度提升(eXtreme Gradient Boosting，XgBoost)模型。
  8. 如請求項1所述的不動產鑑價系統，其中該輸入資料包括一授信資料、一實價登錄資料、一興趣點資料及一經濟指標資料。
  9. 如請求項1所述的不動產鑑價系統，其中該輸出資料包括一不動產鑑價結果。
TW109109298A 2020-03-20 2020-03-20 不動產鑑價系統 TWI759702B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW109109298A TWI759702B (zh) 2020-03-20 2020-03-20 不動產鑑價系統

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109109298A TWI759702B (zh) 2020-03-20 2020-03-20 不動產鑑價系統

Publications (2)

Publication Number Publication Date
TW202137125A TW202137125A (zh) 2021-10-01
TWI759702B true TWI759702B (zh) 2022-04-01

Family

ID=79601335

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109109298A TWI759702B (zh) 2020-03-20 2020-03-20 不動產鑑價系統

Country Status (1)

Country Link
TW (1) TWI759702B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9605704B1 (en) * 2008-01-09 2017-03-28 Zillow, Inc. Automatically determining a current value for a home
US10192275B2 (en) * 2015-03-30 2019-01-29 Creed Smith Automated real estate valuation system
TWM579794U (zh) * 2019-02-26 2019-06-21 第一商業銀行股份有限公司 Building evaluation system
TW201935371A (zh) * 2018-02-01 2019-09-01 安富財經科技股份有限公司 不動產自動估價系統
TWM596940U (zh) * 2020-03-20 2020-06-11 兆豐國際商業銀行股份有限公司 不動產鑑價系統

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9605704B1 (en) * 2008-01-09 2017-03-28 Zillow, Inc. Automatically determining a current value for a home
US10192275B2 (en) * 2015-03-30 2019-01-29 Creed Smith Automated real estate valuation system
TW201935371A (zh) * 2018-02-01 2019-09-01 安富財經科技股份有限公司 不動產自動估價系統
TWM579794U (zh) * 2019-02-26 2019-06-21 第一商業銀行股份有限公司 Building evaluation system
TWM596940U (zh) * 2020-03-20 2020-06-11 兆豐國際商業銀行股份有限公司 不動產鑑價系統

Also Published As

Publication number Publication date
TW202137125A (zh) 2021-10-01

Similar Documents

Publication Publication Date Title
Grimmer et al. Estimating heterogeneous treatment effects and the effects of heterogeneous treatments with ensemble methods
Puttick et al. Probabilistic methods outperform parsimony in the phylogenetic analysis of data simulated without a probabilistic model
WO2019100967A1 (zh) 用于识别异常交易社团的方法和装置
Kenett et al. Dependency network and node influence: Application to the study of financial markets
Dimitrova et al. Some comments on Bitcoin market (in) efficiency
Fernández-Castilla et al. A demonstration and evaluation of the use of cross-classified random-effects models for meta-analysis
CN114187112A (zh) 账户风险模型的训练方法和风险用户群体的确定方法
CN105225149B (zh) 一种征信评分确定方法及装置
Andersen et al. The Economic impact of public agricultural research and development in the United States
CN109635206B (zh) 融合隐式反馈和用户社会地位的个性化推荐方法及系统
CN114706992B (zh) 一种基于知识图谱的事件信息处理系统
Weiß et al. Chain binomial models and binomial autoregressive processes
De Lellis et al. Modeling human migration under environmental change: a case study of the effect of sea level rise in Bangladesh
CN107093085A (zh) 异常用户识别方法及装置
CN106780024A (zh) 交易异常监测方法及装置
Shi et al. Comparison of a universal (but complex) model for avian egg shape with a simpler model
CN113268772A (zh) 基于差分隐私的联合学习安全聚合方法及装置
CN107798245A (zh) 一种基于组件依赖图的软件安全漏洞预测方法
Portnov et al. On the suitability of income inequality measures for regional analysis: Some evidence from simulation analysis and bootstrapping tests
US20200379890A1 (en) Method for testing software, and computing device and computer-readable storage medium thereof
TWI759702B (zh) 不動產鑑價系統
TWM596940U (zh) 不動產鑑價系統
Dufrénot et al. Persistent misalignments of the European exchange rates: some evidence from non-linear cointegration
Das et al. A theoretical framework for BL Her stars-III. A case study: Robust light curve optimization in the Large Magellanic Cloud
CN114757767A (zh) 一种关联企业的识别方法、装置、电子设备及存储介质