100日間、AIで1人開発したマンション価格シミュレーター（Web/iOS/Android）

こんにちは。韓国のマンション市場分析および価格シミュレーションサービス アパート・インサイト APT Insights を開発しているエンジニアです。

長年フロントエンド開発とデータ可視化中心の業務を担当してきたため、バックエンドインフラや非同期キュー、統計学および時系列予測モデルは私にとって非常に馴染みの薄い領域でした。まさか相場予測モデルまで自分で構築することになるとは思っていませんでしたが、AIエージェントと積極的に協業しながら技術的な限界を乗り越え、約100日間で1人開発を100% AIエージェント主導で完了することができました。

子どもが成長して落ち着いて暮らす住まいを用意するためにマンション市場を学び始め、当初は実際に住む候補団地の将来価格をシミュレーションしてみる個人的なトイプロジェクトとして出発しました。その後、マクロ経済変数の反映と統計モデリング、サーバーレスインフラスタックの高度化を経て、全国の団地を扱うサービスへと拡張されました。最近では Web/PWA だけでなく、iOS App Store と Google Play Store の正式なネイティブアプリまでローンチし、広告なしで無料公開しています。

1. 単一の正解（Point Forecast）の過学習の限界と問題定義

既存の相場推定および単発の点予測（Point Forecast）方式は、「24か月後、このマンションはいくらになるのか」という問いに過学習（Overfitting）しやすいです。不動産市場は金利、為替、家計債務、政策などのマクロ変数の影響を大きく受けるためです。

そのため、たった1つの正解数値を提示するよりも、シナリオベースの確率的シミュレーションによって中央50%区間（P25 ~ P75）を算出するほうが実用的だと判断しました。

2. 統計モデリング & シミュレーション構造

これを解決するため、予測エンジンを大きく3つの軸で設計しました。

16個の有効なマクロ・構造・地域ファクター: 韓国銀行 ECOS の公式統計（金利、為替、家計債務、建設コスト）と定性的・地域指標（政策、心理、立地など）を組み合わせ、過去時点のデータスナップショットを復元して時点間の整合性を確保しました。
VECM（ベクトル誤差修正モデル）残差補正: 引っ越し時点および市場環境に合わせて補正を行い、長期均衡関係を維持するベクトル誤差修正モデル（VECM）の残差モメンタム補正レイヤーを適用しました。
モンテカルロシミュレーション & 点予測軌道補間: 24か月先の価格シナリオを、点予測軌道補間とモンテカルロシミュレーションによって P25 ~ P75 の確率範囲として算出します。

3. 定量的なモデル性能と透明な OOS バックテスト

モデルの汎化性能と信頼性のため、代表的な評価コホート団地および汎化検証用サンプル団地を対象に、12か月先のアウトオブサンプル検証である Forward OOS バックテストを定期的に実施しています。

12か月 Forward OOS 保留サンプル価格 MAPE: 6.32%（公式評価コホート基準）
保留サンプル補正 R^2: 0.610（コホートバックテスト検証基準）
検証品質ゲート: 全項目通過済み
毎日ランダムに5団地の OOS 検証 & メインハイライト: 技術ホワイトペーパーページで、毎日ランダム抽出した5団地の12か月 Forward OOS バックテスト結果を透明に公開し、そのうち誤差率中央値（Median）の団地1件をメイン画面で 今日の検証マンション として自動ハイライトします。
サンプルバイアス防止: 評価コホートに含まれない汎化サンプル団地についても別途トラッキングを行い、学習データの偏りなしに全国団地への汎化能力を継続的に検証しています。

4. App Store / Google Play 正式ローンチとマルチプラットフォーム構築

単一モノレポ（pnpm workspace + Turborepo）環境で多様なデバイスアクセシビリティを確保し、Web、PWA、iOS App Store、Android Google Play Store に正式リリースしました。

Web / PWA / Native WebView 単一パイプライン: Next.js（Vercel）インフラをメインサーバーとし、Capacitor のパッケージングとネイティブプラグイン連携によって iOS/Android ネイティブアプリ環境へ拡張しました。
ソーシャルログインとアプリ内ブラウザ問題の解決: Kakao、Apple、Google ログイン時に OIDC Nonce 検証とネイティブ SDK ↔ サーバー資格情報受け渡し（Handoff）フローを構築し、アプリ内ブラウザの制限問題を解決しました。（Kakao メール未同意時は仮想メールのフォールバックを適用）
アセット自動同期ツールチェーン: SVG 1つのソースから、PWA スプラッシュ（40解像度）、Android ランチャー/スプラッシュ、iOS アプリアイコンアセットを自動生成します。
冗長化プッシュパイプライン: 関心団地の予測変動時に Web Push とネイティブ OS プッシュ（FCM/APNs）を2段階の重要度（Strong/Normal）で分岐し、Cloudflare Queue / QStash 非同期パイプラインで一括送信します。

5. インフラおよび AI 主導開発のトラブルシューティング / 学び

サーバーレスのハイブリッドアーキテクチャ（Next.js + Neon Postgres + Cloudflare Workers + Hono + Cloudflare Queue / Upstash Redis）構成で、月間固定費を最小化しながら自律的に開発しました。

学習-サービング整合性の確保: バックテスト/学習時のサンプルウィンドウ基準日と、サービング時の最新取引日との日数差によって鮮度（Recency）ゲートが変わっていた学習-サービング不一致（Train/Serve Skew）を発見し、サンプルウィンドウ基準日の分離と過去再現（as-of）パラメータの整列によって、サービングとバックテストの完全な整合性を実現しました。
オンデマンド遅延構築カタログ: 全国すべてのマンションを事前収集してコストを無駄にする代わりに、ユーザーが流入した地域（市区郡）カタログと関心団地の実取引だけを非同期に遅延構築するパイプラインを連携しました。
品質違反サンプルの自動蓄積: ランダム検証バッチで誤差ゲートに引っかかった異常サンプルを追記専用（Append-only）ストレージに蓄積し、モデルチューニング前の最優先改善サンプルとして活用する自己診断パイプラインを構築しました。
Upstash Redis のメモリ上限超過を克服: 大量データのバックフィル時に元の JSON データが原因でメモリ上限に達した際、エージェントが直接リアルタイム動的参照（Live fetch）構造へ分離し、インフラコストの漏れを防ぎました。
政策ウェイト上限の補正: 特定価格帯の団地で融資政策ウェイトが異常に急騰する問題を、上限キャリブレーション式を注入して補正しました。

不動産の時系列モデリング、VECM/モンテカルロシミュレーション、あるいはサーバーレス/Capacitor ハイブリッドインフラの観点で、フィードバックや気になる点があれば気軽にコメントでお話しできればうれしいです。

メインランディング: https://apt-insights.com
技術ホワイトペーパー: https://apt-insights.com/model
Web アプリケーション: https://app.apt-insights.com