数据基础
季度房价、宏观指标与政策信息；构建滞后项、交互项，并筛选 15 个特征。
73 QUARTERLY OBSERVATIONSSAVILLS · 房地产预测研究 · 2026
读懂市场，
看见可能。
面向新加坡私人住宅市场的可解释预测系统。将季度数据、分市场建模与不确定性，组织成清晰的决策支持体验。
体验 AI 顾问核心问题
同一座城市，不同的市场逻辑。
大众、中端与豪宅市场，对利率、政策和经济周期的反应并不相同。这个项目从三类市场各自的特征出发，寻找更合适的模型，同时让使用者看到预测背后的依据与不确定性。
03住宅市场分层
06候选预测模型
28滚动回测窗口
15保留建模特征
交互探索 / 01
三种市场，三种视角。
切换市场，查看历史价格、下一季度点预测与经验预测区间。以下是最终交付的研究快照，不是实时市场估值。
归档研究 · 2026.08
下一季度预测价格1,916.84SGD / sq ft
报告预测变化+2.31%预测值，非实际涨跌
历史方向准确率85.7%28 个滚动窗口
历史价格与预测区间SGD / sq ft
正在读取项目数据…
历史价格点预测95% 预测区间
选定模型: Random Forest80% 区间: 1,803.79–2,093.5095% 区间: 1,721.78–2,197.52
查看数据表与来源
| 季度 | SGD / sq ft |
|---|
历史数据来自交付包 feature_store.csv；预测与区间来自 predictions.csv，并与最终报告表 2 核对。图表显示最近 16 个季度；预测阶段标为“下一季度”，不将旧字段名解释为特定年份。
准确率衡量历史回测的方向判断，不代表未来上涨概率。预测区间由回测残差估计，需结合样本规模理解。来源：最终报告第 2、12 页。
AI ADVISOR / INTELLIGENCE IN CONVERSATION
让数字，
进入对话。
一个好的预测，还需要一个清楚的解释。AI 顾问把模型输出、市场差异与不确定性转化为自然语言，让业务问题可以直接进入对话。
01比较市场，理解信号
02解释模型，追问依据
03看见区间，形成简报
AI Market AdvisorDEMO
当前市场
报告问答演示：采用经核验的预置解读，支持主题匹配与报告引用；当前未连接生成式 AI 服务或实时行情。
系统方法 / 02
从原始信息，
到可解释的信号。
四个有效处理层，将数据、上下文、模型与解释连接到同一个产品体验。
情绪上下文
政策、市场和宏观三种分析视角，形成辅助性的季度情绪特征。
3 ANALYTICAL PERSPECTIVES预测与比较
比较 OLS、ARIMA、随机森林、XGBoost、DNN 与 LSTM，并按市场选择模型。
6 MODELS / 28 WINDOWS解释与交付
通过 SHAP 展示特征贡献，并将预测、区间与解释传递到 Dashboard 和 Advisor。
SHAP / DASHBOARD / ADVISOR最终流程为 L0 → L1 → L2 → L4；早期 L3 贝叶斯融合未用于最终预测。
研究发现 / 03
结果之外，更有洞察。
分市场建模有其价值
大众市场选用随机森林，中端与豪宅市场选用 XGBoost。评估结果支持分别选择模型，保留不同市场的结构差异。
历史与宏观信号仍是核心
价格与 GDP 的滞后特征在 SHAP 分析中占据前列。AI 情绪的重要性位于 15 项特征末位，适合作为补充信息理解。
把不确定性纳入体验
点预测与 80%、95% 经验预测区间并列呈现，让使用者同时理解模型的判断与结果范围。
是什么在影响预测？
最终报告 SHAP 汇总：前五项与情绪特征。数值为 mean |SHAP|；特征贡献并不等于因果关系。
研究边界
清晰，也包括边界。
28 个回测窗口提供了比较依据，但样本规模有限；严格分离的盲测仍是后续工作。供给数据缺失、数据发布时间以及深度模型的稳定性，也需要继续验证。
这个项目的价值，在于将研究流程、结果依据和局限放在同一个可理解的产品中，为进一步验证与业务讨论提供基础。
进一步阅读