L'objectif de cet article est d'évaluer les performances de l'analyse relationnelle grise pour prédire le prix des logements sur le marché immobilier de Taiwan. Une approche basée sur les instances, qui utilise le classificateur k-nearest neighbor, a également été appliquée pour comparer les performances. L'analyse relationnelle grise a été modifiée pour calculer la synthèse pondérée des dix premières instances correspondantes grâce à différentes stratégies de pondération. Les résultats expérimentaux de cet article ont conclu que l'analyse relationnelle grise surpasse l'approche basée sur les instances en termes d'erreur absolue moyenne, d'erreur quadratique moyenne et d'erreur absolue relative. En outre, la stratégie de synthèse avec des poids décroissants a donné de meilleurs résultats que les poids moyens pendant le processus d'intégration des instances correspondantes. Le résultat suggère également que les performances sont légèrement réduites si les dix premières instances de correspondance sont réduites à cinq instances. L'analyse relationnelle grise intégrée au modèle de synthèse pondérée peut aider les acheteurs et les propriétaires à identifier les opportunités et à estimer les risques potentiels dans un marché immobilier qui se dégrade.

Wei Peng Tan studiert an der Chaoyang University of Technology, Taiwan, und promoviert dort in Betriebswirtschaftslehre. Er erhielt seinen Master-Abschluss in Finanzmanagement an der Chaoyang University of Technology. Seine Forschungsinteressen sind Freizeitsport und Gesundheit, körperliche Fitness, Strategieentwicklung und Unternehmensführung.