boligrobot.dk℠ beta 2019-04-08

boligrobot.dk

Boligrobot.dk er et nyt site, hvor du kan få 6 måneders prognoser på parcel-og rækkehuse, ejerlejligheder og fritidshuse i danmark.

Du kan vælge en eller flere boligområder, som fremkommer på diagrammet og i tabellen (hvis valgt).

Teknisk krav er en moderne og opdateret internet browser (Microsoft Internet Explorer kan ikke bruges).

AI

Kunstig intelligens (neurale netværk) benyttes af boligrobot.dk til at beregne de forventede fremtidige boligpriser.

De foreløbige resultater ser gode ud. AI prognoserne skal generelt være bedre end en simpel samme-som-sidst pris-prognose.

Det tyder på at AI modellen faktisk fanger bevægelsesmønstrer i boligpriserne. Mere AI arbejde skal gøres og prognoser længere ud i fremtiden vil også blive afprøvet.

Præcision

Kan jeg stole på prognose tallene? Nej, boligrobot.dk er i beta så stol kun på de realiserede historiske tal.

En indikation af prognose præcisionen vises nedenfor i forbindelse med diagrammet.

Statistik

Du bør være særligt opmærksom på forskelle mellem faktisk handlede priser og priser som er annonceret.

Vær også opmærksom på boligtyper og lokationer: Landsdele, regioner, kommuner, postnumre (mindste områder).


 
 


I diagrammet betyder "*" foran områdenavnet at det er prognoser. Tidligere prognoser vises også i diagrammet, så man kan se præcisionen. Der laves forudsigelser på tre boligpristyper, som alle stammer fra realiserede handler.

Realiseret handelsstatistik for kommuner og postnumre er opdateret kvartalsvis med næsten et kvartals forsinkelse. Internet annonce statistik for kommuner er opdateret hver måned omkring den 8'ende, og findes ikke på postnummer niveau. Grafikken kan tage nogle sekunder om at opdatere. Rå datakilde: Danmarks Statistik (dst.dk) og Finansdanmark (finansdanmark.dk).

Google Colab med Nvidia grafikkort (GPU) med TensorFlow og Keras benyttes til AI modellering, AI træning og AI forudsigelser. Når AI modellen trænes så tager en enkelt træningsgennemgang af al data (en "epoch") cirka 1 time på en almindelig bærbar computer, men med GPU'en reduceres dette til nogle få sekunder. Denne forøgelse i beregningshastighed er nødvendig da flere hundrede træningsgennemgange foretages, hver gang nye data er tilgængelige.