Aaron Ho

團隊競賽

PropGMAN 不動產時空分析

以區域與時間訊號研究土地價格和交易量預測。

我的角色
發想題目與方向、帶領三人團隊及分工，主要負責模型實作、實驗與決賽報告；GMAN 基礎方法沿用第三方研究。
團隊實驗原始輸出：預測誤差評估；數值僅屬該次實驗。
團隊實驗原始輸出：預測誤差評估；數值僅屬該次實驗。（點圖放大）

要解決的問題

土地價格及交易量受區域與時間變化影響。

競賽規模
官方初審公告入選 5 隊；未取得總報名隊數及人數。
參賽成果
晉級決賽，三人團隊獲創意獎。

官方初審入選名單

輸入、處理與產出

輸入
實價登錄與區域每月交易資料。
處理方式
將交易轉成區域平均單位價與交易量目標，以GMAN基礎方法進行模型及區域比較。
產出
訓練設定、分區評估、重現方式與決賽報告；團隊獲創意獎。

適用範圍

預測區域平均指標，與單筆土地估價不同；基礎GMAN方法為第三方研究。

相關案例

核心問題與我的做法

先定義什麼叫「這塊土地的價格」

交易分散且時間不連續，需要將單筆交易轉成可比較的區域時序目標。

我發想研究方向並帶領團隊分工，主要負責模型實作及實驗。團隊以土地周圍 3000 公尺內的每月交易定義平均單位價與交易量，整理實價登錄、參考點及區域分組，形成時空預測任務。

把競賽題目轉成兩個可訓練與說明的任務；預測的是區域平均指標，與單筆土地估價分開。

從多組模型實驗，整理成能被理解的決賽報告

不同區域資料條件不同，單一平均分數可能掩蓋誤差。

我負責跑實驗與決賽報告，依區域整理 MAE、RMSE、MAPE，保存模型設定與重現步驟。研究中逐步使用快取前處理與並行實驗等方法安排有限資源，再將結果與限制整理給評審。

完成模型、實驗及決賽交付，三人團隊獲創意獎；報告呈現不同區域的差異，不用單一平均分數掩蓋限制。

成果與驗證

三人團隊完成訓練配置、區域評估、重現流程及決賽報告，獲創意獎。

時空模型 · 配置驅動訓練