Πώς γνωρίζουμε πόσο αξίζει το αυτοκίνητό σας.
Όχι στην τύχη. Όχι «η αγορά λέει». Κάθε αυτοκίνητο στο AllCars λαμβάνει βαθμολογία 0–100 σε σύγκριση με την πραγματική ομάδα ομοίων του: ίδιο μοντέλο, ίδια εποχή, ίδιος κινητήρας, ίδια σήματα κατάστασης. Αυτό το κάνουμε με μια μηχανή ομοιότητας 13 διαστάσεων και μια σειρά από προσαρμοστικά μαθηματικά που αντιμετωπίζουν σπάνια αυτοκίνητα, αραιά δεδομένα και το περιστασιακό «λεμόνι».
Πραγματικά συγκριτικά. Πραγματικά μαθηματικά. Όχι στην τύχη.
Τα περισσότερα εργαλεία «δίκαιης τιμής» σου δίνουν έναν εθνικό μέσο όρο και τελειώνουν εκεί. Αυτό λειτουργεί για ψυγεία. Όχι για αυτοκίνητα. Ένα Audi A4 του 2018 με 60.000 χλμ, χειροκίνητο κιβώτιο, πλήρες ιστορικό σέρβις, που βρίσκεται στη Λεμεσό δεν είναι το ίδιο αυτοκίνητο με ένα A4 του 2018 στη Λευκωσία με 180.000 χλμ και τίτλο διάσωσης. Το σήμα είναι ίδιο. Όλα τα άλλα δεν είναι. Η V6 τα αντιμετωπίζει ως τα διαφορετικά αυτοκίνητα που πραγματικά είναι.
Πάντα ενημερωμένο
Η αγορά κινείται καθημερινά. Οι τιμές πέφτουν, οι αγγελίες εξαφανίζονται, νέες εμφανίζονται και αλλάζουν τη διάμεσο. Η μηχανή επαναβαθμολογεί τα πάντα καθώς αυτό συμβαίνει, οπότε η δίκαιη τιμή που βλέπετε είναι η δίκαιη τιμή αυτή τη στιγμή, όχι της περασμένης εβδομάδας.
Ειλικρινές για την αβεβαιότητα
Σπάνιο αυτοκίνητο; Πέντε συγκριτικά σε ολόκληρο το νησί; Η μηχανή ξέρει ότι δεν ξέρει πραγματικά. Έτσι, συρρικνώνει την εκτίμηση προς το ευρύτερο τμήμα της αγοράς και σας δίνει ένα ευρύτερο εύρος. Καμία ψευδής αυτοπεποίθηση μεταμφιεσμένη σε έναν ακριβή αριθμό.
Ανιχνεύει τα «λεμόνια»
Ένα αυτοκίνητο που φαίνεται σαν απόλυτη ευκαιρία αλλά μυρίζει σαν ανακατασκευή από διάσωση επισημαίνεται, δεν γιορτάζεται. Η μηχανή διασταυρώνει την Αξία με την Ποιότητα. Όταν διαφωνούν πολύ, αυτό είναι ένα σήμα που αξίζει να προσέξετε.
Δύο άξονες. Μία βαθμολογία.
Κάθε αγγελία λαμβάνει δύο ανεξάρτητες βαθμολογίες. Η Αξία ρωτά «είναι η τιμή καλή γι' αυτό που είναι;» με 7 διαστάσεις σχετικές με την τιμή. Η Ποιότητα ρωτά «είναι αυτό το αυτοκίνητο πραγματικά αυτό που ισχυρίζεται ότι είναι;» σε 6 διαστάσεις κατάστασης και εμπιστοσύνης. Η τελική βαθμολογία προσφοράς είναι το γινόμενο των δύο. Το φθηνό-αλλά-ύποπτο και το ακριβό-αλλά-άψογο φαίνονται και τα δύο άσχημα στο γράφημα, για πολύ διαφορετικούς λόγους.
Ζητούμενη τιμή σε σύγκριση με τα όμοια. Χιλιόμετρα, έτος, μέγεθος κινητήρα, τύπος καυσίμου, κιβώτιο ταχυτήτων, τύπος αμαξώματος και η θέση της ζητούμενης τιμής στο τμήμα της αγοράς, όλα συνυπολογίζονται. Ένα αυτοκίνητο με τιμή 20% κάτω από τη διάμεσο των ομοίων του βαθμολογείται υψηλά στην Αξία. Η Αξία από μόνη της δεν είναι η προσφορά όμως.
Πόσο πλήρης είναι η περιγραφή, πόσες φωτογραφίες υπάρχουν και πόσο καλές είναι, η φρεσκάδα της αγγελίας, λέξεις-κλειδιά για διάσωση / ατύχημα και μερικοί έλεγχοι εμπιστοσύνης ταυτότητας. Η Ποιότητα είναι ο άξονας του «είναι αυτό αληθινό;».
Γιατί πολλαπλασιασμός; Μια Αξία 9/10 επί μια Ποιότητα 9/10 (= 81) κερδίζει μια Αξία 10/10 επί μια Ποιότητα 4/10 (= 40) κάθε φορά. Έτσι ακριβώς σκέφτονται οι καλοί αγοραστές όταν περπατούν σε μια μάντρα.
Από την ακατέργαστη αγγελία στη βαθμολογία 0–100, σε επτά βήματα.
Κάθε αυτοκίνητο περνά από το ίδιο διυλιστήριο επτά σταδίων. Κάθε στάδιο προσθέτει εμπιστοσύνη, αφαιρεί θόρυβο και προστατεύει από ένα συγκεκριμένο τρόπο αποτυχίας που η μηχανή έχει μάθει να αναγνωρίζει με τον δύσκολο τρόπο.
Εισαγωγή & επικύρωση
Απόρριψη αδύνατων δεδομένων στην είσοδο. Μελλοντικά έτη, χιλιόμετρα 999.999, περιγραφές μόνο με τοποθεσία, τα πάντα. Το «σκουπίδια-μέσα» είναι το φθηνότερο σφάλμα για διόρθωση, οπότε το διορθώνουμε πρώτα.
Εύρεση όμοιων αυτοκινήτων
Δημιουργία της ομάδας σύγκρισης χρησιμοποιώντας την απόσταση Gower, μια μετρική ομοιότητας που χειρίζεται συνεχή πεδία (χιλιόμετρα, έτος) και κατηγορικά (καύσιμο, αμάξωμα) στην ίδια εξίσωση. Χωρίς κατηγοριοποίηση, χωρίς κόλπα.
Στάθμιση κατά ομοιότητα
Εφαρμογή του kernel Epanechnikov ώστε τα σχεδόν πανομοιότυπα όμοια να μετρούν πλήρως και οι οριακές περιπτώσεις να σβήνουν απαλά. Χωρίς απότομα όρια όπου ένα επιπλέον χιλιόμετρο ανατρέπει ένα όμοιο εντός ή εκτός της ομάδας.
Υπολογισμός δίκαιης τιμής
Λήψη της σταθμισμένης με kernel τιμής του νέφους ομοίων. Αυτό ζητά η αγορά γι' αυτή τη συγκεκριμένη μορφή αυτοκινήτου, όχι για το μοντέλο γενικά. Η διαφορά είναι συνήθως 500€ έως 2.000€.
Συρρίκνωση Bayesian
Αν το νέφος ομοίων είναι μικρό ή θορυβώδες, αναμείξτε την τοπική εκτίμηση προς τη διάμεσο του ευρύτερου τμήματος. Η ισχύς συρρίκνωσης k = σ²within / σ²between προσαρμόζεται ανά τμήμα, αυτόματα. Τίποτα χειροκίνητα ρυθμισμένο.
Ανίχνευση «λεμονιού»
Λέξεις-κλειδιά για διάσωση και ατύχημα, συν το χάσμα V–Q του Akerlof. Ένα μεγάλο χάσμα μεταξύ Αξίας (φθηνό) και Ποιότητας (κακή) σημαίνει ότι η τιμή είναι φθηνή για κάποιο λόγο. Αξίζει να ρωτήσετε ποιος είναι αυτός ο λόγος.
Τελική βαθμολογία 0–100
Πολλαπλασιασμός, κανονικοποίηση, ταξινόμηση. Πράσινο στο 70 και άνω (κελεπούρι), πορτοκαλί 40 έως 70 (δίκαιο), κόκκινο κάτω από 40 (πάνω από την αγορά ή επισημασμένο). Λαμβάνετε επίσης ένα εύρος δίκαιης τιμής για να γνωρίζετε πόσο σίγουρος είναι πραγματικά ο αριθμός.
Διόρθωση επιβίωσης
Τα αυτοκίνητα που εξαφανίζονται γρήγορα ήταν πιθανώς καλές προσφορές. Η μηχανή διατηρεί ένα παράθυρο 60 ημερών με τις αφαιρεθείσες αγγελίες με χρονική φθορά, ώστε οι τιμές των ομοίων να αντικατοπτρίζουν την πραγματική αγορά, όχι μόνο ό,τι έμεινε επειδή κανείς δεν το ήθελε.
Εύρεση όμοιων αυτοκινήτων χωρίς παραποίηση.
Ο απλοϊκός τρόπος είναι η κατηγοριοποίηση των αυτοκινήτων: "2018 A4 diesel manual" μπαίνει σε μια κατηγορία και το συγκρίνεις με τη διάμεσο της κατηγορίας. Αυτό καταρρέει τη στιγμή που ένα αυτοκίνητο βρίσκεται στα όρια. Ένα A4 του 2017 είναι βασικά το ίδιο αυτοκίνητο με ένα του 2018, αλλά μια αυστηρή κατηγορία λέει ότι είναι ξένοι.
Η Απόσταση Gower ομαλοποιεί αυτό. Υπολογίζει μια ομοιότητα 0–1 σε όλες τις 13 διαστάσεις ταυτόχρονα, αναμειγνύοντας συνεχή πεδία (χιλιόμετρα, έτος) με κατηγορικά (καύσιμο, αμάξωμα, μετάδοση) σε μία ενιαία βαθμολογία. Πιο κοντά = περισσότερο βάρος στο επόμενο βήμα.
Τα πλησιέστερα όμοια μετρούν περισσότερο. Ομαλά.
Ο kernel Epanechnikov είναι ο καλομαθημένος ξάδερφος της καμπύλης καμπάνας: ομαλός στο κέντρο, μηδέν στις άκρες, με το χαμηλότερο μέσο τετραγωνικό σφάλμα από οποιονδήποτε kernel πεπερασμένης υποστήριξης. Με απλά λόγια: τα όμοια κοντά στο αυτοκίνητό σας λαμβάνουν πλήρες βάρος, τα όμοια στα όρια της ομοιότητας σβήνουν απαλά, και δεν υπάρχει κανένα αυθαίρετο όριο ενεργοποίησης/απενεργοποίησης πουθενά.
Αυτή η απαλότητα έχει μεγάλη σημασία. Ένας δυαδικός κανόνας «εντός/εκτός» για τα όμοια δίνει ασταθείς εκτιμήσεις τη στιγμή που ένα όμοιο φεύγει ή μπαίνει στην ομάδα. Η ομαλή στάθμιση δίνει ομαλές βαθμολογίες. Οι ομαλές βαθμολογίες είναι ειλικρινείς βαθμολογίες.
Λίγα όμοια; Τράβηγμα προς την αλήθεια.
Κάποια αυτοκίνητα είναι συνηθισμένα. Υπάρχουν 200+ αγγελίες Toyota Yaris ενεργές αυτή τη στιγμή, εύκολα. Άλλα αυτοκίνητα είναι μονόκεροι. Ένα Porsche Cayman GTS του 2018, χειροκίνητο, μπορεί να έχει τρία όμοια σε ολόκληρη τη χώρα.
Τρία όμοια μπορούν να πουν ψέματα. Ίσως ένα να έχει λάθος τιμή και να παρασύρει τη διάμεσο. Η συρρίκνωση Bayesian αντιμετωπίζει την εκτίμηση από λίγα όμοια ως υποδηλωτική, όχι ως ευαγγέλιο, και τη τραβά προς τον μέσο όρο του ευρύτερου τμήματος. Το πόσο δυνατά τραβά είναι ανάλογο με το πόσο θορυβώδη είναι τα τοπικά δεδομένα.
Η ισχύς συρρίκνωσης k υπολογίζεται ανά τμήμα από πραγματικά δεδομένα, δεν είναι μια χειροκίνητα επιλεγμένη σταθερά. Τα συνηθισμένα αυτοκίνητα παραμένουν κοντά στο νέφος ομοίων τους. Τα σπάνια αυτοκίνητα χαλαρώνουν προς τη λογική.
Όταν το φθηνό σημαίνει φθηνό-για-κάποιο-λόγο.
Ο οικονομολόγος George Akerlof κέρδισε Νόμπελ επειδή παρατήρησε ότι η ασυμμετρία πληροφοριών σκοτώνει τις αγορές μεταχειρισμένων αυτοκινήτων. Οι πωλητές γνωρίζουν το «λεμόνι». Οι αγοραστές όχι. Η αγορά καταρρέει. Η V6 μετατρέπει τη διαπίστωση του Akerlof σε ένα συγκεκριμένο τεστ: να επισημαίνει κάθε αυτοκίνητο όπου η Αξία βαθμολογείται υψηλά αλλά η Ποιότητα βαθμολογείται χαμηλά.
Αυτό είναι το σήμα του «λεμονιού». Ένα αυτοκίνητο με τιμή 30% κάτω από τη διάμεσο των ομοίων του με μια λιτή περιγραφή, χωρίς ιστορικό σέρβις, λέξεις-κλειδιά διάσωσης και παλιές φωτογραφίες δεν είναι κελεπούρι. Είναι μια ιστορία που δεν έχετε ακούσει ακόμα.
Τα αυτοκίνητα στη ζώνη του «λεμονιού» δεν πανηγυρίζονται ως σπουδαίες προσφορές. Παίρνουν μια σημαία, για να ξέρετε να κάνετε τις σωστές ερωτήσεις πριν στείλετε μια προκαταβολή.
Οι δεκατρείς διαστάσεις.
Επτά διαστάσεις ρωτούν «πόσο αξίζει;». Έξι ρωτούν «είναι αληθινό;». Μαζί περιγράφουν ένα αυτοκίνητο με τον τρόπο που θα το έκανε ένας καλός μηχανικός, όχι με τον τρόπο που θα το έκανε ένα υπολογιστικό φύλλο.
Αξία · 7 διαστάσεις
συνάφεια τιμήςΠοιότητα · 6 διαστάσεις
σήματα κατάστασηςΈξι εκδόσεις προσπαθώντας να είμαστε ειλικρινείς.
Κάθε έκδοση διόρθωσε κάτι που η προηγούμενη έκανε λάθος. Κάθε έκδοση καταγράφεται στο ιστορικό παραγωγής με τις βαθμολογίες της ανέπαφες, ώστε να γνωρίζουμε ακριβώς πότε η μηχανή έγινε εξυπνότερη και ποιες κλήσεις θα είχαν ανατραπεί εκ των υστέρων.
Διάμεσος ανά κατηγορία
απλοϊκή γραμμή βάσηςΟμαδοποίηση αυτοκινήτων σε αυστηρές κατηγορίες, σύγκριση με τη διάμεσο της κατηγορίας. Λειτούργησε σε πλάτος μόλις τριών βημάτων. Κατέρρεε στα όρια.
Γραμμική παλινδρόμηση σε 4 χαρακτηριστικά
πρώτο μοντέλοΈτος, χιλιόμετρα, κινητήρας, καύσιμο. Καλύτερο, αλλά αντιμετώπιζε όλα τα αυτοκίνητα ως μία παγκόσμια αγορά. Ένα Yaris του 2018 και ένα Cayman του 2018 δεν βρίσκονται στην ίδια γραμμή.
Μοντέλα ανά τμήμα
τμηματοποίησηΈνα μοντέλο ανά τμήμα. Διόρθωσε το πρόβλημα της παγκόσμιας γραμμής και στη συνέχεια εισήγαγε ένα νέο. Τα σπάνια τμήματα είχαν τρία σημεία δεδομένων και έλεγαν ψέματα με σιγουριά.
Απόσταση Gower + KNN
πρώτα η ομοιότηταΑλλαγή σε ανακάλυψη ομοίων ανά αγγελία. Ανέμειξε καθαρά συνεχή και κατηγορικά πεδία για πρώτη φορά. Ακόμα όμως δυαδικά όμοια εντός/εκτός, ασταθές στα όρια.
Στάθμιση kernel + πρώτη σημαία «λεμονιού»
εξομάλυνσηΟ kernel Epanechnikov εξάλειψε τα απότομα όρια. Πρώτος πρόχειρος ανιχνευτής «λεμονιών» μέσω regex για λέξεις-κλειδιά διάσωσης. Ακόμα όμως χωρίς συρρίκνωση, οπότε τα αραιά αυτοκίνητα παρέμεναν ασταθή.
Αξία × Ποιότητα + προσαρμοστική συρρίκνωση
ζωντανά · τρέχουσαΗ τρέχουσα μηχανή. Πολλαπλασιαστική βαθμολογία δύο αξόνων, προσαρμοστική συρρίκνωση Bayesian που αυτο-ρυθμίζεται ανά τμήμα, χάσμα V–Q του Akerlof για ανίχνευση «λεμονιών», διόρθωση μεροληψίας επιβίωσης σε ένα παράθυρο 60 ημερών με χρονική φθορά, και πλήρης μαζική επαναβαθμολόγηση της αγοράς σε 45 έως 90 δευτερόλεπτα. Πέντε χρόνια κακών κλήσεων για να μην τις κάνετε εσείς.
Τώρα πήγαινε να ελέγξεις ένα πραγματικό αυτοκίνητο.
Κάθε αγγελία στην Κύπρο, βαθμολογημένη έναντι των πραγματικών ομοίων της, με το εύρος δίκαιης τιμής εμφανές. Δωρεάν, για πάντα.
Οι δημοσιεύσεις πίσω από τη μηχανή τιμολόγησης
Κανένα από τα μαθηματικά εδώ δεν είναι καινούργιο. Κάθε στοιχείο του αξιολογητή V6 ανάγεται σε μια θεμελιώδη δημοσίευση. Αν θέλετε να πάτε βαθύτερα από ένα άρθρο ιστολογίου, αυτά είναι τα πρωτότυπα.
-
[1]Gower, J. C. (1971). A general coefficient of similarity and some of its properties.Biometrics 27(4), 857–871.
Ο αρχικός ορισμός της απόστασης Gower. Μας επιτρέπει να συνδυάζουμε συνεχή πεδία (έτος, χιλιόμετρα, τιμή) με κατηγορικά (καύσιμο, αμάξωμα, μετάδοση) σε μία ενιαία βαθμολογία ομοιότητας 0–1. Το βήμα εύρεσης ομοίων στη V6 βασίζεται σε αυτό.
-
[2]Epanechnikov, V. A. (1969). Non-parametric estimation of a multivariate probability density.Theory of Probability and Its Applications 14(1), 153–158.
Παρουσιάζει τον kernel Epanechnikov, τον βέλτιστο kernel εξομάλυνσης υπό μέσο τετραγωνικό σφάλμα. Η V6 τον χρησιμοποιεί για να σταθμίσει τα όμοια με βάση την ομοιότητα αντί να τα αποκόπτει σε ένα αυθαίρετο όριο.
-
[3]Nadaraya, E. A. (1964). On estimating regression.Theory of Probability and Its Applications 9(1), 141–142. (Companion: Watson, G. S. 1964, Sankhyā A 26, 359–372.)
Ο εκτιμητής παλινδρόμησης kernel Nadaraya–Watson. Συνδυάστε την απόσταση Gower με τον kernel Epanechnikov και έχετε το πλαίσιο που χρησιμοποιεί η V6 για να εκτιμήσει μια δίκαιη τιμή από τοπικά όμοια.
-
[4]James, W. & Stein, C. (1961). Estimation with quadratic loss.Proceedings of the Fourth Berkeley Symposium on Mathematical Statistics and Probability, Volume 1, 361–379.
Το αποτέλεσμα των James–Stein που ξεκίνησε την εκτίμηση συρρίκνωσης. Η προσαρμοστική συρρίκνωση Bayesian της V6 τραβά τις εκτιμήσεις των αραιών τμημάτων προς μια προηγούμενη εκτίμηση με ισχύ ανάλογη του τοπικού θορύβου — άμεσος απόγονος αυτής της ιδέας.
-
[5]Akerlof, G. A. (1970). The market for "lemons": Quality uncertainty and the market mechanism.The Quarterly Journal of Economics 84(3), 488–500.
Η δημοσίευση που κέρδισε το Νόμπελ για τις αγορές μεταχειρισμένων αυτοκινήτων και την ασυμμετρία πληροφοριών. Η αποσύνθεση Αξία × Ποιότητα της V6 υπάρχει ειδικά για να αναδείξει τα «λεμόνια» του Akerlof: αυτοκίνητα που φαίνονται φθηνά στην τιμή αλλά βαθμολογούνται χαμηλά σε όλα τα άλλα.
-
[6]Cleveland, W. S. (1979). Robust locally weighted regression and smoothing scatterplots.Journal of the American Statistical Association 74(368), 829–836.
Η δημοσίευση για LOWESS / LOESS. Η V6 δεν είναι αυστηρά LOESS, αλλά η μηχανή κληρονομεί την προκατάληψή της ενάντια στην προσαρμογή μέσω ακραίων τιμών και την προτίμησή της για τοπικά σταθμισμένες εκτιμήσεις έναντι αυστηρών κατηγοριών.
-
[7]Heckman, J. J. (1979). Sample selection bias as a specification error.Econometrica 47(1), 153–161.
Η κλασική δημοσίευση για τη μεροληψία επιβίωσης. Τα πωλημένα αυτοκίνητα εξαφανίζονται. τα αυτοκίνητα που παραμένουν δεν το κάνουν. Το παράθυρο μνήμης 60 ημερών της V6 για τις αφαιρεθείσες αγγελίες με χρονική φθορά είναι η τοπική μας απάντηση στο πρόβλημα που έθεσε ο Heckman.
Οι σύνδεσμοι οδηγούν απευθείας στους εκδότες. Μερικοί είναι κλειδωμένοι από τα περιοδικά. προεκτυπώσεις και δωρεάν αντίγραφα συνήθως βρίσκονται στο Google Scholar με βάση τον τίτλο της δημοσίευσης.