Data Mining in Property Appraisal

• Autorzy: Grzegorz Krzykowski , Barbara Majewska
• Języki publikacji: EN

Abstrakty

EN

The research is an attempt at application of statistical methods of Data Mining in comparative approach to property appraisal, on the example of valuation of the undeveloped land intended for a large-scale commercial building development. Effectiveness and efficacy of the Data Mining approach were presented in the analyzed empirical problem. The research was produced on the basis of the opinion delivered for the Regional Court in Słupsk signature act II K 907/07. The opinion was another attempt at estimation of the property value, since previous valuation reports were not sufficiently convincing for both sides of the conflict, because the assumptions made in the traditional methods of appraisal, i.e. the paircomparison method and the average price adjustment method. Besides, the emphasis was put on the broad application of the Data Mining procedures as an alternative to regressive methods. (original abstract)

Praca podejmuje próbę zastosowania metod statystycznych Data Mining w wycenie nieruchomości w podejściu porównawczym na przykładzie wyceny nieruchomości gruntowej przeznaczonej pod zabudowę wieloprzestrzennym obiektem handlowym. Przedstawiono efektywność i skuteczność podejścia Data Mining w analizowanym zagadnieniu empirycznym. Praca powstała w oparciu o opinię sporządzoną dla Sądu Rejonowego w Słupsku, sygnatura akt. II K 907/07. Opinia stanowiła kolejną próbę oszacowania wartości nieruchomości, gdyż wcześniejsze opracowania nie były dostatecznie przekonywujące dla obu stron konfliktu ze względu na przyjęte założenia w tradycyjnych metodach wyceny, tj. metodzie porównywania parami oraz metodzie korygowania ceny średniej. Ponadto zwrócono uwagę na szerokie zastosowanie procedur Data Mining jako alternatywę dla procedur regresyjnych. (abstrakt oryginalny)

Słowa kluczowe

EN

Real estate valuation; Real estate's value; Data Mining

PL

Wycena nieruchomości; Wartość nieruchomości; Data Mining

• Czasopismo: Studia i Materiały Towarzystwa Naukowego Nieruchomości
• Rocznik: 2011
• Tom: 19
• Numer: nr 4
• Strony: 129--139

Twórcy

autor

Grzegorz Krzykowski

• Uniwersytet Gdański

autor

Barbara Majewska

• Pomorskie Towarzystwo Rzeczoznawców Majątkowych

Bibliografia

• ATKINSON E.J., THERNEAU T.M., An introduction to recursive partitioning using the part routines. Raport instytutowy 61, Biomedical Statistics and Informatics, Mayo Clinic, 2000.
• BERRY M.J.A., LINOFF G., Data mining techniques for: marketing, sales and customer support. John Wiley & Sons, 1997.
• BREIMAN L., FRIEDMAN J.H., STONE C.J., OLSHEN R.A.. Classification and Regression Trees. CHAPMAN & HALL/CRC, 1983.
• HOTHORN T., HORNIK K., ZELEIS A., Unbiased recursive partitioning: A conditional interference framework. Journal of Computational and Graphical Statistics, 2006:651-674, 2005.
• KIM H., LOH W.Y., Classification trees with unbiased multiway splits. Journal of the American Statistical Association, 96:589-604, 2001.
• KRZYKOWSKI G., Filozoficzne koncepcje estymacje statystycznej. Przegląd Statystyczny, 58(1), 2010.
• MILLINGTON A.F., An introduction to property valuation, Estates Gazette, London, 2000.
• MURPHY J.F., Analiza techniczna rynków finansowych, WIG-PRESS, 1999.
• QUINLAN J.R., C4.5: Programs for Machine Learning, Morgan Kaufmann, 1993.
• WITTEN I.H., FRANK E., Data mining: Practical Machine Learning Tools and Techniques, Elsevier and Morgan Kaufmann, wydanie II, 2005.
• LOH W.Y., SHIH Y.S., Split selection methods for classification trees. Statistica Sinica, 7:815-840, 1997.