BE1029939B1

BE1029939B1 - METHOD FOR OPTIMIZING AN ESTIMATION OF THE VALUE OF SECOND-HAND TRUCKS USING REGRESSION ANALYSIS

Info

Publication number: BE1029939B1
Application number: BE20215898A
Authority: BE
Inventors: Arne Vrielinck
Original assignee: My Trucks Rental Nv
Priority date: 2021-11-22
Filing date: 2021-11-22
Publication date: 2023-06-19
Also published as: BE1029939A1

Abstract

De huidige uitvinding betreft in een eerste aspect een werkwijze voor het optimaliseren van een schatting naar de waarde van tweedehands vrachtwagens door gebruik van regressieanalyse. In een tweede aspect betreft de huidige uitvinding een computer programma, al dan niet op een drager of werkzaam in een computer geschikt voor het uitvoeren van de werkwijze.The present invention relates in a first aspect to a method for optimizing an estimate of the value of used trucks using regression analysis. In a second aspect, the present invention relates to a computer program, whether or not on a carrier or operating in a computer suitable for performing the method.

Description

1 BE2021/58981 BE2021/5898

WERKWIJZE VOOR HET OPTIMALISEREN VAN EEN SCHATTING NAAR DEMETHOD FOR OPTIMIZING AN ESTIMATE TO THE

WAARDE VAN TWEEDEHANDS VRACHTWAGENS DOOR GEBRUIK VANVALUE OF SECOND HAND TRUCKS THROUGH USE OF

REGRESSIEANALYSEREGRESSION ANALYSIS

TECHNISCH DOMEINTECHNICAL DOMAIN

De uitvinding heeft betrekking op een werkwijze voor het optimaliseren van een schatting naar de waarde van tweedehands voertuigen door gebruik van regressieanalyse en meer in het bijzonder voor een schatting naar de waarde van tweedehands vrachtwagens. In een tweede aspect heeft de uitvinding te maken met een computerprogramma op een drager of werkzaam in een computer voor het optimaal uitvoeren van de werkwijze.The invention relates to a method for optimizing used vehicle value estimation using regression analysis and more particularly used truck value estimation. In a second aspect, the invention relates to a computer program on a carrier or operating in a computer for optimally performing the method.

STAND DER TECHNIEKSTATE OF TECHNOLOGY

Er bestaan talloze types en merken van vrachtwagens waarbij hun waarde afhankelijk is van enkele karakteristieke gegevens. Voorbeelden van deze karakteristieke gegevens omvatten: de kilometerstand van de vrachtwagen, het bouwjaar van de vrachtwagen, de emissieklasse van de vrachtwagen, het vermogen van de vrachtwagen en het merk van de vrachtwagen. Accurate schattingen van de waarde van een vrachtenwagen kunnen in het bijzonder relevant zijn bij de koop en verkoop van vrachtwagens en in uitbreiding bij de waardebepaling van vrachtwagens voor verhuur.There are countless types and brands of trucks whose value depends on some characteristic data. Examples of this characteristic data include: the mileage of the truck, the year of manufacture of the truck, the emission class of the truck, the power of the truck and the make of the truck. Accurate estimates of the value of a truck can be particularly relevant when buying and selling trucks and, by extension, when valuing trucks for hire.

Huren is het gebruik van goederen die aan een ander toebehoren in ruil voor een vergoeding. Het betaalde bedrag wordt huur genoemd.Renting is the use of goods belonging to another in exchange for a fee. The amount paid is called rent.

Een huurovereenkomst kan voor onbepaalde tijd zijn, bijvoorbeeld bij huur van een huis, of voor bepaalde tĳd, bijvoorbeeld enkele maanden bij huur van een bedrijfsvoertuig.A rental agreement can be for an indefinite period, for example when renting a house, or for a definite period, for example a few months when renting a commercial vehicle.

Bedrijfsvoertuigen worden vaak gehuurd, hier moet vaak een waarborg of onderpand voor betaald worden. Dit is om ervoor te zorgen dat de gehuurde goederen inderdaad terugkomen en eventuele beschadigingen mee te kunnen bekostigen. Het huren van voertuigen voor bedrijfsdoeleinden wordt ook vaak leasen genoemd, het verschil tussen huren en leasen heeft veelal belastingtechnische consequenties.Commercial vehicles are often rented, for which a deposit or collateral must often be paid. This is to ensure that the rented goods do indeed return and to be able to pay for any damage. Renting vehicles for business purposes is also often referred to as leasing, the difference between renting and leasing often has tax consequences.

Huurkoop is een kredietvorm. De intentie ervan is de eigendomsoverdracht van een goed - de koop - maar vormelijk gaat het om huur. Dat betekent dat de kredietverstrekker een duurzaam goed, bijvoorbeeld een bedrijfsvoertuig voor een bepaalde periode ter beschikking stelt van een kredietnemer, tegen betaling van eenHire purchase is a form of credit. Its intention is the transfer of ownership of a good - the purchase - but formally it is about rent. This means that the lender makes a durable good, for example a commercial vehicle, available to a borrower for a certain period, against payment of a

2 BE2021/5898 periodieke vergoeding, de huur. Die huur wordt berekend op zodanige wijze dat aan het einde van de periode de koop doorgaat.2 BE2021/5898 periodic fee, the rent. That rent is calculated in such a way that the sale continues at the end of the period.

Huurkoop verschilt van lease door het feit dat de eigendomsoverdracht aan het einde van het traject van rechtswege gebeurt en dus niet optioneel is. Huurkoop verschilt van koop op afbetaling door het feit dat de eigendomsoverdracht pas overgaat op de huurkoper aan het einde van de periode. Huurkoop is daardoor een constructie die vooral goederen tot voorwerp heeft met een lange tot zeer lange levensduur.Hire purchase differs from lease in that the transfer of ownership at the end of the process takes place by operation of law and is therefore not optional. Hire purchase differs from installment purchase in that the transfer of ownership only passes to the hire purchaser at the end of the period. Hire purchase is therefore a construction that mainly focuses on goods with a long to very long lifespan.

Bij elk van de hierboven omschreven overdrachtsvormen voor het huren of kopen van bedrijfsvoertuigen, meer in het bijzonder vrachtwagens, is het van belang dat men op elk moment een accurate schatting naar de waarde van de vrachtwagen kan bepalen.With each of the forms of transfer described above for the rental or purchase of commercial vehicles, more in particular trucks, it is important that an accurate estimate of the value of the truck can be determined at any time.

Dit vermits de waarde van een tweedehands vrachtwagen steeds als uitgangspunt wordt genomen voor de waarde van de contractuele overdrachtsvorm.This is because the value of a second-hand truck is always taken as the starting point for the value of the contractual transfer form.

Een schatting naar de reële waarde van een vrachtwagen en meer in het bijzonder een tweedehands vrachtwagen is een complex proces. Hierbij moet bij voorkeur rekening worden gehouden met de karakteristieke gegevens van de vrachtwagen. Complexiteit bij deze waarde schatting omvat het verklaren van een extensieve variëteit aan combinaties karakteristieke gegevens die een invloed hebben op de waarde van een tweedehands vrachtwagen. Verder is de markt voor tweedehands vrachtwagens minder omvangrijk dan bijvoorbeeld de markt voor tweedehands personenwagens. Bijgevolg is er minder informatie bekend over hoe marktomstandigheden evolueren en bemoeilijkt dit de waarde schatting van een tweedehands vrachtwagen.Estimating the fair value of a truck and more particularly a used truck is a complex process. The characteristic data of the truck should preferably be taken into account here. Complexity in this value estimation involves explaining an extensive variety of combinations of characteristic data that affect the value of a used truck. Furthermore, the market for second-hand trucks is less extensive than, for example, the market for second-hand passenger cars. As a result, less information is known about how market conditions evolve and this makes it more difficult to estimate the value of a used truck.

Bestaande methoden voor het schatten van de waarde van een vrachtwagen hebben echter het nadeel dat ze weinig accuraat zijn.However, existing methods for estimating the value of a truck have the disadvantage that they are not very accurate.

De huidige uitvinding beoogt een oplossing te vinden voor dit probleem.The present invention aims to find a solution to this problem.

SAMENVATTING VAN DE UITVINDINGSUMMARY OF THE INVENTION

Tot dit doel verschaft de uitvinding in een eerste aspect een werkwijze voor het optimaliseren van een schatting naar de waarde van tweedehands vrachtwagens door gebruik van regressieanalyse.To this end, in a first aspect, the invention provides a method for optimizing an estimate of the value of used trucks using regression analysis.

De werkwijze omvat de algemene stappen van een lineaire meervoudige regressieanalyse. De onafhankelijke variabelen en de afhankelijke variabele voor deThe method includes the general steps of a linear multiple regression analysis. The independent variables and the dependent variable for the

3 BE2021/5898 regressieanalyse worden bepaald op basis van karakteristieke gegevens van een aantal tweedehands vrachtwagens die tot een experimentele groep behoren.3 BE2021/5898 regression analysis are determined on the basis of characteristic data of a number of used trucks belonging to an experimental group.

Vervolgens worden lineaire regressierelaties opgesteld tussen de onafhankelijke variabelen en de afhankelijke variabele.Next, linear regression relationships are established between the independent variables and the dependent variable.

Daaropvolgend worden regressiecoëfficiëntwaarden van de onafhankelijke variabelen van de lineaire regressierelaties geproduceerd op basis van de karakteristieke gegevens van een aantal tweedehands vrachtwagens die tot een experimentele groep behoren.Subsequently, regression coefficient values of the independent variables of the linear regression relations are produced on the basis of the characteristic data of a number of used trucks belonging to an experimental group.

Daarna wordt het resultaat van de regressieanalyse geproduceerd door de bepaalde regressiecoëfficiëntwaarden toe te passen op de onafhankelijk variabelen in de lineaire regressierelaties waarbij deze onafhankelijke variabelen vervangen worden door de karakteristieke gegevens van een aantal vrachtwagens die tot een controlegroep behoren.Thereafter, the result of the regression analysis is produced by applying the determined regression coefficient values to the independent variables in the linear regression relations, replacing these independent variables with the characteristic data of a number of trucks belonging to a control group.

Door het uitvoeren van de huidige werkwijze wordt door gebruik van een regressieanalyse een regressiemodel tot stand gebracht waarmee men een optimale schatting naar de waarde van een vrachtwagen bekomen. Hierbij worden de regressiecoëfficiëntwaarden van de lineaire regressierelaties van de onafhankelijke variabelen gebruikt voor een optimale schatting van de waarde van een tweedehands vrachtwagen.By carrying out the current method, a regression model is created using a regression analysis, with which an optimal estimate of the value of a truck is obtained. It uses the regression coefficient values of the linear regression relationships of the independent variables to optimally estimate the value of a used truck.

Het gebruik van deze werkwijze resulteert in het bekomen van een optimale schatting van de waarde van een tweedehands vrachtwagen. Hierdoor heeft de werkwijze onder meer als voordeel dat op elk moment een accurate schatting naar de waarde van de vrachtwagen kan worden bepaald. Dit is onder meer van belang aangezien de waarde van een tweedehands vrachtwagen steeds als uitgangspunt wordt genomen bij het overeenkomen van de waarde van een contractvorm bij het huren of kopen van vrachtwagens.Using this method results in obtaining an optimal estimate of the value of a used truck. As a result, the method has the advantage, among other things, that an accurate estimate of the value of the truck can be determined at any time. This is important, among other things, because the value of a second-hand truck is always taken as the starting point when agreeing on the value of a contract form when renting or buying trucks.

De huidige werkwijze heeft onder meer nog als voordeel dat inzicht kan worden verworven in het verloop van de waarde van verschillende types en merken vrachtwagens. Bijgevolg kan het financieel risico beperkt worden voor de verhuurder of verkoper van tweedehands vrachtwagens vermits een accurate waarde bepaling van de vrachtwagen ter ondersteuning kan dienen bij het opmaken van een contractvorm.Another advantage of the current working method is that insight can be gained into the development of the value of different types and brands of trucks. As a result, the financial risk can be limited for the lessor or seller of second-hand trucks, since an accurate valuation of the truck can support the drawing up of a contract form.

4 BE2021/58984 BE2021/5898

Verder betreft de huidige uitvinding in een tweede aspect een computer programma, al dan niet op een drager of werkzaam in een computer geschikt voor het uitvoeren van de werkwijze.Furthermore, in a second aspect, the present invention relates to a computer program, whether or not on a carrier or operating in a computer suitable for performing the method.

GEDETAILLEERDE BESCHRIJVINGDETAILED DESCRIPTION

Ten eerste zullen enkele termen omschreven en gedefinieerd worden alvorens de huidige uitvinding beschreven zal worden.First, some terms will be described and defined before describing the present invention.

Onder regressieanalyse wordt een statistische techniek verstaan voor het analyseren van gegevens waarin (mogelijk) sprake is van een specifieke samenhang, aangeduid als regressie. Deze samenhang houdt in dat de waarde van een afhankelijke variabele afhangt van een of meer vrij te kiezen onafhankelijke variabelen. Aangezien huidige uitvinding gebruik maakt van een meervoudige lineaire regressie zijn er meerdere onafhankelijke variabelen.Regression analysis is a statistical technique for analyzing data in which there is (possibly) a specific connection, referred to as regression. This coherence means that the value of a dependent variable depends on one or more freely selectable independent variables. Since the present invention uses a multiple linear regression, there are multiple independent variables.

De afhankelijke variabele is een variabele die het gevolg is van de keuzes die gemaakt zijn bij de onafhankelijke variabele. De afhankelijke variabele wordt aangeduid met y en vertegenwoordigd in het geval van huidige uitvinding een optimale schatting van de waarde van een vrachtwagen.The dependent variable is a variable that results from the choices made with the independent variable. The dependent variable is denoted by y and in the case of the present invention represents an optimal estimate of the value of a truck.

De onafhankelijke variabelen worden aangeduid met X1 tot X5 waarbij deze onafhankelijke variabelen categorieën vertegenwoordigen die van elkaar verschillen op basis van de karakteristieke gegevens van een vrachtwagen. Deze omvatten: de kilometerstand van de vrachtwagen, het bouwjaar van de vrachtwagen, de emissieklasse van de vrachtwagen, het vermogen van de vrachtwagen en het merk van de vrachtwagen.The independent variables are labeled X1 to X5 where these independent variables represent categories that differ from each other based on the characteristic data of a truck. These include: the mileage of the truck, the year of manufacture of the truck, the emission class of the truck, the power of the truck and the make of the truck.

De term “regressiemodel” dient in de huidige tekst te worden begrepen als een model bestaande uit een lineaire meervoudige regressierelatie dewelke gedefinieerd als: afhankelijke variabele y = het intercept + een regressiecoëfficiëntwaarde van een eerste onafhankelijke variabele * X1 + een regressiecoëfficiéntwaarde van een tweede onafhankelijke variabele * X2 + een regressiecoëfficiëntwaarde van een derde onafhankelijke variabele * X3 + een regressiecoëfficiëntwaarde van een vierde onafhankelijke variabele * X4 + een regressiecoëfficiëntwaarde van een vijfde onafhankelijke variabele * X5. De regressiecoëfficiëntwaarde van de onafhankelijke variabele omvat de regressiecoëfficiëntwaarden van de eerste tot de vijfde onafhankelijke variabelen.The term “regression model” in the present text should be understood as a model consisting of a linear multiple regression relation which is defined as: dependent variable y = the intercept + a regression coefficient value of a first independent variable * X1 + a regression coefficient value of a second independent variable * X2 + a regression coefficient value of a third independent variable * X3 + a regression coefficient value of a fourth independent variable * X4 + a regression coefficient value of a fifth independent variable * X5. The regression coefficient value of the independent variable includes the regression coefficient values of the first to fifth independent variables.

Een regressiecoëfficiëntwaarde geeft aan in welke mate de waarde van een afhankelijke variabele gemiddeld zal veranderen wanneer de waarde van de onafhankelijke variabele verandert. In het geval van de huidige uitvinding geeft een regressiecoëfficiëntwaarde aan in welke maat de waarde van een tweedehands vrachtwagen zal veranderen 5 wanneer een onafhankelijke variabele verandert. Hierbij omvat de onafhankelijke variabele één van volgende categorieën van karakteristieke gegevens van een vrachtwagen, deze omvatten: de kilometerstand van de vrachtwagen, het bouwjaar van de vrachtwagen, de emissieklasse van de vrachtwagen, het vermogen van de vrachtwagen en het merk van de vrachtwagen.A regression coefficient value indicates how much the value of a dependent variable will change on average when the value of the independent variable changes. In the case of the present invention, a regression coefficient value indicates how much the value of a used truck will change when an independent variable changes. Here, the independent variable comprises one of the following categories of characteristic data of a truck, these include: the mileage of the truck, the year of manufacture of the truck, the emission class of the truck, the power of the truck and the brand of the truck.

Een regressiemodel heeft nood aan een experimentele groep. Deze experimentele groep bevat data die als doel heeft om het regressiemodel te trainen voor de predictie van de waarden die in deze experimentele groep gekend zijn, maar in andere toekomstige gegevens onbekend zijn. Deze experimentele groep wordt gebruikt in combinatie met een controle groep. De controle groep bevat data die zal worden gebruikt om het getrainde regressiemodel te valideren en evalueren.A regression model needs an experimental group. This experimental group contains data that aims to train the regression model for the prediction of the values known in this experimental group, but unknown in other future data. This experimental group is used in combination with a control group. The control group contains data that will be used to validate and evaluate the trained regression model.

De term “webscraping” dient in de huidige tekst te worden begrepen als een computertechniek waarbij software wordt gebruikt om informatie van webpagina's te extraheren en al dan niet te analyseren.The term “web scraping” in the present text is to be understood as a computer technique in which software is used to extract information from web pages and whether or not to analyze it.

In het geval van huidige uitvinding wordt webscraping gebruikt voor het verzamelen van data die karakteristieke gegevens van een aantal vrachtwagens bevat door tweedehands websites af te gaan. Deze data kan dan gebruikt worden in een regressieanalyse, hierbij wordt de bekomen data gebruikt om het regressiemodel te trainen en te valideren.In the case of the present invention, web scraping is used to collect data containing characteristic data of a number of trucks by going through used websites. This data can then be used in a regression analysis, where the obtained data is used to train and validate the regression model.

De data bekomen via webscraping wordt bijgevolg opgesplitst in enerzijds een experimentele groep die het regressiemodel traint en anderzijds een controle groep die het model valideert en evalueert.The data obtained through web scraping is therefore split into an experimental group that trains the regression model on the one hand and a control group that validates and evaluates the model on the other hand.

De huidige uitvinding heeft betrekking op een werkwijze voor het optimaliseren van een schatting naar de waarde van tweedehands vrachtwagens door gebruik van regressieanalyse. De uitvinding heeft als grondslag een optimale schatting van de waarde van een vrachtwagen te bekomen en gebruikt hiervoor het hierboven beschreven regressiemodel in een meervoudige lineaire regressieanalyse. Meervoudige lineaire regressie laat toe om een numerieke waarde te voorspellen (de afhankelijke variabele) gebaseerd op een set aan onafhankelijke variabelen.The present invention relates to a method for optimizing a used truck value estimate using regression analysis. The invention is based on obtaining an optimal estimate of the value of a lorry and uses the regression model described above in a multiple linear regression analysis for this purpose. Multiple linear regression allows to predict a numerical value (the dependent variable) based on a set of independent variables.

6 BE2021/58986 BE2021/5898

De werkwijze omvat de algemene stappen van een lineaire meervoudige regressieanalyse. De onafhankelijke variabelen en de afhankelijke variabele voor de regressieanalyse worden bepaald op basis van karakteristieke gegevens van een aantal tweedehands vrachtwagens die tot een experimentele groep behoren.The method includes the general steps of a linear multiple regression analysis. The independent variables and the dependent variable for the regression analysis are determined on the basis of characteristic data from a number of used trucks belonging to an experimental group.

7 BE2021/58987 BE2021/5898

VOORBEELDEXAMPLE

De uitvinding zal nu verder worden toegelicht aan de hand van volgend voorbeeld, zonder hiertoe overigens te worden beperkt.The invention will now be further elucidated on the basis of the following example, without being limited thereto.

In een voorbeeld volstaat het om een drie regressiemodellen te beschouwen voor drie verschillende types van tweedehands vrachtwagens, zijnde: koeltransport, kippers en gesloten opbouw vrachtwagens.In an example, it suffices to consider three regression models for three different types of used trucks, being: refrigerated transport, tippers and closed box trucks.

Via webscraping van een website voor tweedehands vrachtwagens, truckscout24.be, werd een data set bekomen die werd opgesplitst in een experimentele groep en controle groep. Volgens de werkwijze van de huidige uitvinding werden hieruit drie regressiemodellen opgesteld voor drie types tweedehands vrachtwagens (koeltransport, kippers en gesloten opbouw vrachtwagens).Through web scraping of a used truck website, truckscout24.be, a data set was obtained that was split into an experimental group and a control group. According to the method of the present invention, three regression models were drawn up for three types of second-hand trucks (refrigerated transport, tippers and closed box trucks).

Overigens zullen ook voor dit voorbeeld enkel vrachtwagens beschouwd worden van de volgende merken: Iveco, Man, Mercedes-Benz, Renault, Scania en Volvo.Incidentally, also for this example only trucks of the following brands will be considered: Iveco, Man, Mercedes-Benz, Renault, Scania and Volvo.

De onafhankelijke variabelen X1 tot X5 stellen respectievelijk voor: het bouwjaar van de vrachtwagen, de kilometerstand van de vrachtwagen, de emissieklasse van de vrachtwagen, het vermogen van de vrachtwagen en het merk van de vrachtwagen.The independent variables X1 to X5 represent respectively: the year of construction of the truck, the mileage of the truck, the emission class of the truck, the power of the truck and the make of the truck.

Tabel 1: Overzicht van de regressiecoëfficiëntwaarden voor het regressiemodel voor het vrachtwagentype gesloten opbouw.Table 1: Overview of the regression coefficient values for the regression model for the box body truck type.

Onafhankelijke variabele RegressiecoëfficiëntwaardenIndependent Variable Regression Coefficient Values

XO0: Intercept -2 257 209,58XO0: Intercept -2 257 209.58

X1: Bouwjaar 1 126,94X1: Year 1 126.94

X2: Kilometerstand -0,008X2: Mileage -0.008

X3: Emissieklasse 487,19X3: Emission class 487.19

X4: Vermogen 37,53X4: Power 37.53

X5: Mercedes-Benz 4 936,98X5: Mercedes Benz 4 936.98

8 BE2021/58988 BE2021/5898

Tabel 2: Overzicht van de regressiecoëfficiëntwaarden voor het regressiemodel voor het vrachtwagentype kipper.Table 2: Overview of the regression coefficient values for the regression model for the tipper truck type.

Tabel 3: Overzicht van de regressiecoëfficiëntwaarden voor het regressiemodel voor het vrachtwagentype koeltransport.Table 3: Overview of the regression coefficient values for the regression model for the refrigerated truck type.

In Tabel 1, 2 en 3 zijn respectievelijk de regressiecoëfficientwaarden weergegeven voor het regressiemodel voor vrachtwagentype gesloten opbouw, kipper en koeltransport.Tables 1, 2 and 3 show the regression coefficient values for the regression model for closed body, tipper and refrigerated truck types, respectively.

9 BE2021/58989 BE2021/5898

Hierbij kan men bijvoorbeeld opmerken dat het bouwjaar van een vrachtwagen een opmerkelijk grotere rol speelt bij de waardebepaling van koeltransporten (regressiecoëfficientwaarde: 3426,77) dan bij kippers (regressiecoëfficientwaarde: 1131,00) en gesloten opbouw vrachtwagens (regressiecoëfficientwaarde: 1126,95).It can be noted here, for example, that the year of manufacture of a truck plays a remarkably larger role in the valuation of refrigerated transports (regression coefficient value: 3426.77) than for tippers (regression coefficient value: 1131.00) and closed box trucks (regression coefficient value: 1126.95).

Bijgevolg is de huidige uitvinding in staat om effecten te voorspellen die bijdragen tot een optimale waardebepaling van tweedehands vrachtwagens die enkel voorspeld kunnen worden door gebruik te maken van de huidige werkwijze.Consequently, the present invention is able to predict effects that contribute to an optimal valuation of used trucks that can only be predicted using the current method.

Op deze wijze hebben wij de beste regeling in de markt indien u toch op elk moment een accurate schatting naar de waarde van de vrachtwagen kan bepalen. Dit is onder meer van belang aangezien de waarde van een tweedehands vrachtwagen steeds als uitgangspunt wordt genomen bij het overeenkomen van de waarde van een contractvorm bij het huren of kopen van vrachtwagens. Bijgevolg kan het financieel risico beperkt worden voor de verhuurder of verkoper van tweedehands vrachtwagens.In this way we have the best arrangement in the market if you can still determine an accurate estimate of the value of the truck at any time. This is important, among other things, because the value of a second-hand truck is always taken as the starting point when agreeing on the value of a contract form when renting or buying trucks. Consequently, the financial risk can be limited for the lessor or seller of used trucks.

Een bijkomend voordeel van onderhavige uitvinding is een voordeel voor de huurkoper.An additional advantage of the present invention is a benefit to the hire purchaser.

Aangezien het financieel risico kan beperkt worden aan de kant van de verkoper resulteert dit in een goedkoper krediet voor de huurkoper.Since the financial risk can be limited on the part of the seller, this results in a cheaper credit for the hire buyer.

Claims

10 BE2021/5898 CONCLUSIONS

1. A computer-implemented method for optimizing a value estimate of used trucks using a regression analysis, wherein independent variables and dependent variable for the regression analysis are determined on the basis of characteristic data of a number of used trucks belonging to an experimental group belong, characterized in that the characteristic data of the number of second-hand trucks belonging to the experimental group include the mileage of the truck, the year of manufacture of the truck, the emission class of the truck, the power of the truck and the brand of the truck include.

A method according to claim 1, comprising general steps of a linear multiple regression analysis.

Method according to one of the preceding claims 1 or 2, wherein linear regression relations are established between the independent variables and the dependent variable.

A method according to any one of claims 1 to 3, wherein regression coefficient values of the independent variables of the linear regression relations are produced on the basis of the characteristic data of a number of used trucks belonging to an experimental group.

A method according to any one of claims 1 to 4, wherein the result of the regression analysis is produced by applying the determined regression coefficient values to the independent variables in the linear regression relations, replacing these independent variables with the characteristic data of a number of trucks belonging to a control group.

A method according to any one of claims 1 to 5, wherein the result of the regression analysis is the optimum value of a used truck.

11 BE2021/5898

The method of any one of claims 1 to 6, wherein the linear multiple regression relation is defined as: dependent variable y = the intercept + a regression coefficient value of a first independent variable * X1 + a regression coefficient value of a second independent variable * X2 + a regression coefficient value of a third independent variable * X3 + a regression coefficient value of a fourth independent variable * X4 + a regression coefficient value of a fifth independent variable * X5, the regression coefficient value of the independent variable includes the regression coefficient values of the first to fifth independent variables.

A method according to any one of claims 1 to 7, wherein the independent variables of the regression model: X1, X2, X3, X4 and X5 represent categories that differ from each other based on the characteristic data of the particular used truck belonging to belongs to the control group.

A method according to any one of claims 1 to 8, wherein the dependent variable of the regression model is the expected value of a used truck.

A method according to any one of claims 1 to 9, wherein the characteristic data of a plurality of trucks belonging to the experimental group has been acquired through web scraping.

A method according to any one of claims 1 to 10, wherein the characteristic data of a plurality of trucks belonging to the control group has been acquired through web scraping.

A method according to any one of claims 1 to 11, wherein the characteristic data of a number of used trucks belonging to the control group include: the mileage of the truck, the year of manufacture of the truck, the emission class of the truck, the power of the truck and the make of the truck.