Om modellen
Modellen anvender helt simpelt karakteristika ved sommerhuse, e.g. antal værelser, afstand til kyst etc. til at give en vurdering af salgsprisen.
Der er anvendt 220 karakteristika for sommerhusene, hvoraf mange er hentet fra BBR databasen
Da område-effekter er en anderkendt vigtig faktor i husprisningsmodeller, har vi valgt to løsninger til at takle dette
1: Ved at anvende priserne på de nærmeste sommerhuse som input i modellen
2: Ved at indele landet i en række mindre regioner.
Hele setup'et er data-drevet, e.g. er gruppe-indelingen ikke blot kommuner, men fundet udfra en algoritme som minimerer geografisk afstand.
den endelige model er fremkommet efter megen testning, og mange måneders arbejde.
Egenskaber ved modellen
Den endelige model klarer sig 24% bedre end, benchmark-casen som ofte findes i ejendoms-prisfastsættelses litteraturen. Modellen er fittet til hele Danmark, og det er altså muligt at udlæse vurderinger for samtlige sommerhuse i landet. Projektet begyndte i Januar, og her 8 måneder senere er projektet ved at være ved vejs ende.
Løsningsforslag
Forslag til den samlede pakke
Data-udtræk
Vi ser det muligt at implementere et sql-script som opdaterer data med høj frekvens.
Selve modellen
Modellen er en state-of-the-art boosted stokastisk gradient random forrest model, med clustering baseret på kmeans algoritmen.
Dokumentation på modellen
Der er allerede foretaget en hel del tests i forbindelse med konstruktion af modellen, resultater fra disse samt teoretisk fundament vil være at finde i dokumentationen.
Risiko vurdering
Som sidste element ønsker vi at indkorporere en risiko-vurdering i modellen, iform af en usikkerheds-skala på et givent estimat.
Modellen
Modellen viser faktiske priser, eller hvis valgt vurderede salgspriser i mio. kr.
Om os
Vi studerer alle 3 matematik økonomi ved Aarhus Universitet, hvor vi er på vores sidste år. Vi har alle valgt finance retning, men vores store interesse er kodning og machine learning. I kan læse mere om vore kompetencer i de vedhæftede CV, og vi vil naturligvis med glæde komme til en personlig samtale
Jeg er 24 år og oprindeligt fra Vejle, når jeg ikke arbejder på projekt med Troels og Mathias, eller læser på uni, arbejder jeg i Jyske Bank i Silkeborg, hvor jeg analyserer gæld i udviklingslande.
Jeg er en ung mand på 23. Jeg er opvokset i Aalborg og flyttede til Aarhus for studere, hvor jeg nu har boet i 4 år, udover at læse min kandidat og lave modeller, underviser jeg i Perspektiver i Matematik-ækonomi.
Jeg er fornyligt fyldt 23 år, og er oprindeligt fra Holstebro, når jeg ikke er i færd med at lave beviser eller at kode modeller, arbejder jeg i Sydbank, hvor jeg arbejder på deres boligmodel.
Kontakt os på mail, telefon
Eller læg en besked
Contact Us
JJ investment.Nymunkegade 118 Arrhus C, 8000Danmark
Tlf: +45 28 19 54 50
chr.bomholt@gmail.com
De kan finde vore CV nedenfor
blot klik et af følg. link
Mathias
Christian
Troels