boligrobot.dk℠ beta 2019-03-20

Kunstig intelligens boligpris prognoser


boligrobot.dk

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

Du kan vælge en eller flere boligområder, som fremkommer på diagrammet. Teknisk krav er en opdateret internet browser.

AI

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

De foreløbige resultater ser gode ud, oftest er AI prognoserne noget 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 skal testes.

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 "1M-" prognose en måned frem. Tidligere prognoser vises også i diagrammet, så man kan se præcisionen. Der laves forudsigelser på tre boligpristyper: (1) Første bolig-udbudspris ved annonceringstidspunktet; (2) Bolig-nedtagningspris ved annonceringssluttidspunktet; (3) Den faktiske handelspris (ikke publiceret endnu på site't).

Internet annonce statistik for kommuner er opdateret hver måned omkring den 8'ende, findes ikke på postnummer niveau. Realiseret handelsstatistik for kommuner og postnumre er opdateret kvartalsvis med næsten et kvartals forsinkelse. 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 tusinde træningsgennemgange foretages, hver gang nye data er tilgængelige.