應用支撐向量機(SVM)於都市不動產價格預測之研究

Predicting price of real estate in urban area using support vector machine

蔡爾逸(Er-yi Tsai)

指導教授 ： 陳介豪

國立中央大學/工學院/營建管理研究所/碩士(2012年)

摘要

特徵價格法為常用判斷不動產價值及估價的四種方法之一，其被廣泛使用於具有影響不動產價格之特徵的都市地區。但不動產在判斷價值時，由於估價依個人主觀意識不同結果也不同，缺乏一套客觀的標準存在，因此本研究目的在於以特徵價格法為基礎，找出影響不動產環境特徵，並用支撐向量機法(SVM)建立不動產估價模型，進而消除由人為主觀判斷不動產價值的缺陷。本研究透過文獻蒐集影響住宅價格之特徵因子，並經整理篩選後共19個環境特徵因子，接著以台北市12行政區蒐集2007年到2010年之歷史交易資料。在隨機選取5000筆資料中，去除遺漏及空缺資料剩下4165筆。經統計分析和極端值剔除除後，刪除其中174筆資料。而測試組及訓練組使用隨機分類五組之交叉驗證(cross validation)概念。而在預測結果方面，以全台北市12行政區之交易資料進行分析，預測準確率為72.2%；而在案例分析部分，將南港區及內湖區交易資料放入預測模型中，其準確率為81.8%，表示本預測模具解釋住宅價格之能力。即SVM應用於估價模型是可行的方式，特別是對那些含有同性質特徵，且均勻分佈該區域內之地區。

關鍵字

支撐向量機 ； 估價 ； 不動產估價 ； 預測 ； 特徵價格法

並列摘要

The hedonic pricing approach is one of four common methods used to price or predict real estate value. It is widely used especially for those in urban areas, which contain numerous features influencing price of real estate. Nevertheless this estimation is vulnerable due to human bias. The research objective is to establish an support vector machine (SVM) model, based on the hedonic pricing concept, to price urban real estate and, as such, to eliminate possible human bias made by appraisers. Literature review summarizes 19 features that commonly show up for the hedonic pricing approach. The data collection targets at historical housing transactions in Taipei city from 2008 to 2010. A total of 5000 randomly selected transactions are collected where only 4165 datasets are qualified due to omissive values in the data. Statistical analyses that examine correlation and abnormal values trim off other 174 datasets out of 4165. Using the 5-way cross validation concept for training and testing, the SVM model is developed to predict housing price. The results demonstrate that the proposed model reaches accuracy at 72.2% in the range of ±20% for the price. For two specific areas among all 12 districts in Taipei city, the model accuracy increases up to 81.8%. SVM pricing model is confirmed to be feasible especially for those districts containing features that are coessential and evenly spread out in the area.

並列關鍵字

support vector machine (SVM) ； prediction ； Pricing real estate ； estimation. ； hedonic feature

參考文獻

9.林祖嘉、馬毓駿，特徵方程式大量估價法在台灣不動產市場之應用，住宅學報，第16卷第2期，P79~P98，2007

21.賴碧瑩，應用類神經網路於電腦輔助大量估價之研究，住宅學報，第16卷第2期，P43~P65，2007

26.龔永香、江穎慧、張金鶚，客觀標準化不動產估價之可行性分析-市場比較法應用於大量估價，住宅學報，第16卷第2期，P23~P42，2007

1.王清標，迴歸分析應用在面板廠整合製造系統效能預測，國立成功大學工程科學系碩士論文，2008

11.邱敏鋒，運用支撐向量機建構營建材料供應商使用衍生性金融商品避險之預測模型，國立中央大學營建管理研究所碩士論文，2008