초록 ▼

본 발명의 부동산 경매에서의 낙찰가 예측 시스템에서의 낙찰가 예측 방법에서, 부동산 경매 관련 데이터를 수집하여 선별하는 데이터 선별 단계, 선별된 데이터에 대하여 통계적 기법 및 인공지능 기법을 적용하여 낙찰가를 예측하는 단계, 각 기법을 통해 예측된 낙찰가를 비교하는 단계 및 비교 결과, 정확도가 가장 높은 기법을 선정하는 단계를 포함한다.본 발명에 의하면, 유전자 알고리즘을 이용하여 부동산 경매에서 낙찰가를 예측하여, 보다 정확한 낙찰가 정보를 제공함으로써, 보다 용이하게 낙찰 정보를 예측하고, 보다 정확하게 낙찰 정보를 예측

본 발명의 부동산 경매에서의 낙찰가 예측 시스템에서의 낙찰가 예측 방법에서, 부동산 경매 관련 데이터를 수집하여 선별하는 데이터 선별 단계, 선별된 데이터에 대하여 통계적 기법 및 인공지능 기법을 적용하여 낙찰가를 예측하는 단계, 각 기법을 통해 예측된 낙찰가를 비교하는 단계 및 비교 결과, 정확도가 가장 높은 기법을 선정하는 단계를 포함한다.본 발명에 의하면, 유전자 알고리즘을 이용하여 부동산 경매에서 낙찰가를 예측하여, 보다 정확한 낙찰가 정보를 제공함으로써, 보다 용이하게 낙찰 정보를 예측하고, 보다 정확하게 낙찰 정보를 예측하여, 사용자의 편의에 기여한다는 효과가 있다.

대표청구항 ▼

부동산 경매에서의 낙찰가 예측 시스템에서의 낙찰가 예측 방법에서, 부동산 경매 관련 데이터를 수집하여 선별하는 데이터 선별 단계;선별된 데이터에 대하여 통계적 기법인 리그레션(Regression) 기법을 적용하여 낙찰가를 예측하는 단계;선별된 데이터에 대하여 인공지능 기법인 ANN(Artificial Neural Network) 기법을 적용하여 낙찰가를 예측하는 단계; 선별된 데이터에 대하여 인공지능 기법인 GA-리그레션(Generic Algorithm-Regression) 기법을 적용하여 낙찰가를 예측하는 단계; 상기 리그레션 기

부동산 경매에서의 낙찰가 예측 시스템에서의 낙찰가 예측 방법에서, 부동산 경매 관련 데이터를 수집하여 선별하는 데이터 선별 단계;선별된 데이터에 대하여 통계적 기법인 리그레션(Regression) 기법을 적용하여 낙찰가를 예측하는 단계;선별된 데이터에 대하여 인공지능 기법인 ANN(Artificial Neural Network) 기법을 적용하여 낙찰가를 예측하는 단계; 선별된 데이터에 대하여 인공지능 기법인 GA-리그레션(Generic Algorithm-Regression) 기법을 적용하여 낙찰가를 예측하는 단계; 상기 리그레션 기법, ANN 기법, GA-리그레션 기법을 통해 예측된 낙찰가를 비교하되, 각 기법의 MAPE(Mean Absolute Percent Error)를 산출하여 비교하는 단계; 및 비교 결과에 대하여 Paired t-test 방식으로 유의성을 검증하고, 각 기법에 대한 유의적 모형을 도출하는 1차 유의성 검증 단계를 포함하며, 상기 1차 유의성 검증 단계에서 검증 결과, GA-리그레션 기법이 선정되면, 선별된 데이터에 대하여 감정가격 순으로 그룹화하여 분석하는 군집 분석을 실시하고, 군집별 GA-리그레션 기법을 적용하여 2차 낙찰가를 예측하는 단계와, 상기 2차 낙찰가에 대해 Paired t-test 방식으로 유의성을 검증하는 2차 유의성 검증 단계를 더 포함하고, 상기 데이터 선별 단계에서 데이터베이스로부터 데이터를 수집하고, 수집된 데이터에 대해 유의적 데이터를 선별하고, 선별된 데이터를 표준화하고, 트레이닝(Training) 데이터와 홀드아웃(Holdout) 데이터로 분류하고, 상기 리그레션 기법을 적용하여 낙찰가를 예측하는 단계에서 트레이닝 셋(Training Set)을 통한 회귀계수를 산정하고, 이를 통해 홀드아웃 셋(Holdout set) 예측값을 산정하고, MAPE를 도출하고, 상기 ANN 기법을 적용하여 낙찰가를 예측하는 단계에서 인공신경망을 통한 낙찰가율을 산정하고, 이를 통해 홀드아웃 셋 예측값을 산정하고, MAPE를 도출하고, 상기 GA-리그레션 기법을 적용하여 낙찰가를 예측하는 단계에서 리그레션 회귀계수를 모형화하고, GA-리그레션 예측값을 산정하고, MAPE를 도출하며, 상기 데이터 선별 단계에서 선별된 데이터는 감정가격, 평균 매각가율, 평균 응찰자수, 유찰횟수, 전용면적, 대지면적, 관리비체납 유무, 임차인 유무, 대항력 유무, 특수권리 유무, 학교거리, 버스정류장 유무, 지하철역 거리, 소비자 물가지수, 대출금리, 경기선행 지수, 건설분 분야의 종합주가지수, 부동산 시장 소비심리지수, 아파트 매매지수, 아파트 전세지수, 아파트 매매거래 동향, 조회수, 경매소요기간, 경매지수, 대지지분, 유치권 유무, 선순위전세권 유무, 법정지상권 유무, 지분경매 유무, 어음 부도율, 아파트 전세거래동향, 아파트 매수우위지수, 아파트 전세수급지수를 포함하는 것을 특징으로 하는 낙찰가 예측 방법.