Новая методика оценки недвижимости обеспечивает более точные прогнозы с использованием машинного обучения и больших данных

Прочитано: 139 раз(а)


Исследователи из Университета Южной Австралии разработали метод машинного обучения, который делает оценку недвижимости более прозрачной, надежной и практичной, а также позволяет точно моделировать влияние решений городского развития на цены на недвижимость.

Этот метод был создан и проверен с использованием более чем 30-летней исторической информации о продажах в метро Аделаиды и использует специально разработанные алгоритмы машинного обучения для обработки огромных объемов данных о жилье, городской структуре и удобствах, что позволяет количественно оценить влияние политики городского планирования . по стоимости жилья.

Ведущий исследователь, аналитик геопространственных данных UniSA и эксперт по городскому планированию д-р Али Солтани говорит, что этот метод имеет значение для секторов недвижимости, городского планирования и инфраструктуры.

«Наш метод моделирования и результаты могут помочь инвесторам в недвижимость, строителям, владельцам недвижимости, оценщикам домов и другим заинтересованным сторонам получить более реалистичное представление о стоимости собственности и факторах, влияющих на нее», — говорит доктор Солтани.

«Это исследование имеет значение для политиков, поскольку дает представление о потенциальном воздействии городского планирования, такого как регенерация заполнения, спланированные сообщества, джентрификация и перемещение населения, а также политики обеспечения инфраструктуры на рынок жилья и последующую местную и региональную экономику.

«Учитывая сложное влияние элементов инфраструктуры, таких как дороги и сети общественного транспорта, торговые центры и природные ландшафты , на стоимость дома, наша модель особенно ценна для повышения точности прогнозов текущей стоимости земли и снижения рисков, связанных с традиционной оценкой недвижимости. методологии, которые в значительной степени зависят от человеческого опыта и ограниченных данных».

Доктор Солтани говорит, что модель, разработанная совместно с профессором Крисом Петтитом из Исследовательского центра городского будущего Университета Нового Южного Уэльса, также может быть расширена для включения других экономических характеристик как на макро-, так и на микроуровне, таких как изменения процентных ставок, уровня занятости и влияния COVID-19, используя преимущества технологий больших данных.

«Эта модель потенциально может использоваться в качестве платформы поддержки принятия решений для различных заинтересованных сторон, включая покупателей и продавцов жилья, банки и финансовые агенты, инвесторов, правительство, а также страховых или кредитных агентов», — говорит д-р Солтани.

«Наш метод упрощает для заинтересованных сторон и широкой общественности применение результатов сложных моделей к историческим данным или данным в реальном времени из нескольких источников, которые ранее были почти черным ящиком и ориентированы на экспертов».

Резюме этого исследования было недавно опубликовано в журнале Cities.

Новая методика оценки недвижимости обеспечивает более точные прогнозы с использованием машинного обучения и больших данных



Новости партнеров