کاربرد شاخص های قیمت مسکن به منظور پیش بینی قیمت مسکن با استفاده از شبکه عصبی مصنوعی

پیش بینی روند آتی و نوسانات قیمت مسکن یکی از مسائل مهم تحقیقاتی بازار مسکن است. شبکه های عصبی مصنوعی و یادگیریماشین به ندرت در مطالعات موجود استفاده می شود. شبکه های عصبی مصنوعی این قابلیت را دارند که گستره وسیعی از داده ها رادریافت کنند و برای رسیدن به خروجی مشخص، همزمان آنها را پردازش کنند. در حالی که مدل های پیش بینی سنتی دارایالزامات سختگیرانه بر روی متغیرهای ورودی هستند و در حل مسائل غیرخطی ضعیف هستند. برای غلبه بر مشکلات مدل های سنتی، یک رویکرد حافظه کوتاه مدت طولانی LSTM برای پیش بینی قیمت مسکن یک شهر با استفاده از داده های تاریخی پیشنهاد شده است. داده های بانک مرکزی ایران و مرکز آمار ایران، متغیرهای تاثیرگذار در قیمت مسکن، در قالب یک ماتریس همبستگیتحلیل شد و پس از انتخاب متغیرهایی که روی قیمت مسکن بیشترین اثرگذاری دارند، میانگین قیمت مسکن تهران پیش بینی شد.بررسی ها نشان داد که قیمت طلا، قیمت ارز، شاخص بهای کالا و خدمات و همچنین حجم نقدینگی، بیشترین همبستگی را با قیمتمسکن داشتند.