지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 발행연도
- 2020.3
- 수록면
- 34 - 42 (9page)
- DOI
- 10.33162/JAR.2020.3.20.1.34
이용수
초록· 키워드
오류제보하기
Purpose: Despite the growing art market, few studies have been conducted on the model for estimating the price of artworks. The objective of this paper is to develop a model to estimate art price, and to compare and analyze the predictive performance of nonparametric models.
Methods: This study used nonparametric models (e.g., random forests, k-nearest neighbor, support vector regression) to predict the price of artworks and compared their prediction accuracy performances based on root mean square error (RMSE). An evaluation was carried out on five years of Korean auction data from 2014 to 2018. The performance of the model can be improved by selecting appropriate hyperparameters and be generalized through 10-fold cross-validation.
Results: According to the results of comparing the predicted performance based on the RMSE calculated for each fold optimization model, the random forest model predicted the best performance. In particular, the prediction error of the random forest model was about 40% lower than that of the parametric OLS model.
Conclusion: This study proves the applicability of nonparametric models to estimate art prices empirically. The developed model described in this paper reduces the transaction cost of artworks and reduces the limitations of the art appraisal system.
Methods: This study used nonparametric models (e.g., random forests, k-nearest neighbor, support vector regression) to predict the price of artworks and compared their prediction accuracy performances based on root mean square error (RMSE). An evaluation was carried out on five years of Korean auction data from 2014 to 2018. The performance of the model can be improved by selecting appropriate hyperparameters and be generalized through 10-fold cross-validation.
Results: According to the results of comparing the predicted performance based on the RMSE calculated for each fold optimization model, the random forest model predicted the best performance. In particular, the prediction error of the random forest model was about 40% lower than that of the parametric OLS model.
Conclusion: This study proves the applicability of nonparametric models to estimate art prices empirically. The developed model described in this paper reduces the transaction cost of artworks and reduces the limitations of the art appraisal system.
목차
1. 서론
2. 이론적 배경
3. 연구 설계
4. 결과 비교
5. 결론
References
참고문헌 (24)
참고문헌 신청
C. R. Lee / 2015 / Estimating single-family house prices using non-parametric spatial models and an ensemble learning approach
C. André / 2017 / Economic policy uncertainty, US real housing returns and their volatility : a nonparametric approach / J. of Real Estate Res 39(4):493~513
H. Haupt / 2010 / On nonparametric estimation of a hedonic price function / J. of Appl. Econometrics 25(5):894~901
P. Silvapulle / 2017 / Nonparametric panel data model for crude oil and stock market prices in net oil importing countries / Energy Economics 67:255~267
H. Ince / 2008 / Short term forecasting with support vector machines and application to stock price prediction / Int. J. of General Syst 37(6):677~687
C. André / 2017 / Economic policy uncertainty, US real housing returns and their volatility : a nonparametric approach / J. of Real Estate Res 39(4):493~513
H. Haupt / 2010 / On nonparametric estimation of a hedonic price function / J. of Appl. Econometrics 25(5):894~901
P. Silvapulle / 2017 / Nonparametric panel data model for crude oil and stock market prices in net oil importing countries / Energy Economics 67:255~267
H. Ince / 2008 / Short term forecasting with support vector machines and application to stock price prediction / Int. J. of General Syst 37(6):677~687
함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
기계학습을 활용한 계란가격 예측 모델링
한국정보통신학회 종합학술대회 논문집
2022 .05
-
랜덤 포레스트 모형을 이용한 고장예측모델 기초설계
한국기계가공학회 춘추계학술대회 논문집
2021 .12
-
머신러닝과 딥러닝을 이용한 아파트 가격 예측 모델 연구
대한전자공학회 학술대회
2024 .06
-
Prediction of Stock Market Using an Ensemble Learning-based Intelligent Model
Industrial Engineering & Management Systems
2018 .09
-
머신러닝 분석을 통한 분양가 상한제의 주택시장 영향 연구
대한건축학회논문집
2021 .08
-
헤도닉 분위 회귀 모형을 이용한 작품 가격 결정 요인 분석
신뢰성응용연구
2020 .06
-
랜덤 포레스트 모델을 활용한 채권형펀드 성과 예측 연구
한국산학기술학회 논문지
2023 .05
-
랜덤 포레스트 회귀법을 적용한 단조재 기계적 물성 예측
한국소성가공학회 학술대회 논문집
2024 .10
-
랜덤 포레스트를 통한 네트워크 트래픽 변화 예측
한국정보과학회 학술발표논문집
2020 .07
-
랜덤 포레스트를 이용한 대전시 공공 자전거(‘타슈’) 수요 예측
한국정보과학회 학술발표논문집
2017 .06
-
시계열 분석 모델을 이용한 조선 산업 주요물가의 예측에 관한 연구
대한조선학회 논문집
2021 .10
-
의사 결정 트리와 랜덤 포레스트 모델 분석
Proceedings of KIIT Conference
2018 .06
-
Random Forest와 Loop-back 기반 자율차량 자가진단 시스템
한국정보통신학회 종합학술대회 논문집
2019 .10
-
랜덤 포레스트에 기반을 둔 가정용 전력수요 예측 기법
대한전기학회 학술대회 논문집
2017 .07
-
머신러닝을 통한 전국 주택 매매가 가격 변동 예측
Proceedings of KIIT Conference
2021 .11
-
랜덤 포레스트 모형을 활용한 스핀들 고장진단 예측모델 구축
한국기계가공학회 춘추계학술대회 논문집
2023 .04
-
생태적 산지전용을 활용한 산림복지시설 조성 방안 연구 - 대전 나눔숲체험원 조성계획을 중심으로 -
KIEAE Journal
2022 .12
-
랜덤 포레스트 모델을 위한 데이터 전처리 기법의 적용
대한건축학회 학술발표대회 논문집
2016 .10
-
Random Forest를 이용한 운전자의 차선변경 의도 예측
한국정보과학회 학술발표논문집
2016 .06
-
랜덤 포레스트와 실내환경 측정 데이터를 이용한 주거공간에서의 재실감지모형
전자공학회논문지
2021 .09
이 논문의 저자 정보
이 논문과 함께 이용한 논문
랜덤 포레스트 모형을 이용한 장기금리 결정요인 분석
김영준
,
신상희
경영경제연구
2024
.02
결정 트리 기반 학습 모형을 이용한 미술품 경매 가격 예측
Dong
,
yul Jang
,
Minjae Pa
외 1명
경영학연구
2021
.04
쇼핑몰 지능형 챗봇의 자연어 처리를 위한 패션쇼핑 개체명 인식 사전 구축
김용기
,
이창희
,
이정민
한국경영과학회 학술대회논문집
2018
.04
DEA와 로지스틱 회귀분석을 이용한 자동차부품기업의 효율성 분석 및 재무전략
신정훈
,
황승준
한국경영과학회지
2016
.02
정규확률변수 관측치열에 대한 베이지안 변화점 분석 : 서울지역 겨울철 평균기온 자료에의 적용
김경숙
,
손영숙
응용통계연구
2004
.07
최근 본 자료
댓글(0)
0
UCI(KEPA) : I410-ECN-0101-2020-323-000452653