本文开发了一种基于人工智能的自动估值模型 (AI-AVM)，使用决策树和提升技术来预测新加坡的住宅物业价格。 我们使用来自新加坡私人住宅房地产市场 1995 年至 2017 年期间的 300,000 多份房地产交易数据来训练 AI-AVM 模型。 这两种基于树的 AI-AVM 模型在预测房地产价格时表现出优于传统多元回归分析 (MRA) 模型的性能。 我们还将 AI-AVM 的应用扩展到新加坡更同质的公共住房价格，并且预测性能仍然稳健。 允许决策树中相互依赖结构的 boosting AI-AVM 模型是最好的模型，它解释了私人和公共住房价格的 88% 以上的差异，并将 HDB 和 HDB 的预测误差保持在 6% 以下。 9% 用于私人市场。 当使用 2017-2019 年测试房地产销售样本对 AI-AVM 进行样本外预测时，预测误差保持在 5% 至 9% 的狭窄范围内。
