Eine Gruppe von UBC Okanagan-Forschern versucht, das mathematische Mysterium aus der möglicherweise größten Investition einer Person zu lüften – dem Kauf eines Eigenheims.
Während sich der Immobilienmarkt schnell verändert und mit den Schwankungen der Wirtschaft verbunden ist, gibt es beim Kauf einer Immobilie viele andere Überlegungen zu treffen, sagt Professor Zheng Liu von der UBCO School of Engineering.
Dr. Liu und sein Doktorand Junchi Bin haben zusammen mit dem außerordentlichen Professor der Fakultät für Management, Eric Li, ein regionales Hauspreis-Mining- und -Prognose-Framework (RHPMF) erstellt und kürzlich Forschungsergebnisse veröffentlicht, die das von ihnen erstellte Tool testen. Die Studie wurde kürzlich in veröffentlicht Informationsfusion.
„Immobilien sind immer eine der größten Ausgaben im Leben eines Menschen“, sagt Dr. Liu. „Bevor Entscheidungen über Haustransaktionen getroffen werden, konsultieren die Menschen Immobilienmakler, um Marktkenntnisse zu erhalten.
Die Idee hinter dem RHPMF ist es, den Menschen zu helfen, die Bevölkerung, das Wachstum und den historischen Hintergrund einer bestimmten Gemeinde oder sogar eines Viertels zu verstehen, basierend auf realen Wohndaten, einschließlich Geschichte, sozialer Dynamik und Wohnkosten.
„Der Immobilienmarkt hat einen erheblichen Einfluss auf das tägliche Leben der Menschen“, fügt Bin hinzu, der feststellt, dass es nicht viele empirische Untersuchungen zur Immobilienbranche gibt. „Deshalb ist es entscheidend, Immobilien sowohl aus räumlicher als auch aus historischer Perspektive zu verstehen.
Um einen lokalen Markt vollständig zu verstehen, müssen die Menschen laut Bin das Gebiet nach Daten „durchforsten“ – sich über das Angebot, die Lage teurer oder erschwinglicher Häuser, die Geschichte und aktuelle Dynamik eines Gebiets, einschließlich der Kriminalitätsraten, informieren, bevor sie es beurteilen und vorhersagen können die Hauspreise und stellen dann endgültig fest, ob die Gegend für sie geeignet ist.
Insbesondere führt das RHPMF-Framework eine Reihe von Filteralgorithmen ein, um räumliche und historische Faktoren über eine bestimmte Nachbarschaft zu extrahieren. Beispielsweise können die Benutzer eine Straßenadresse in das webbasierte oder mobile Matrixtool eingeben. Der Algorithmus kann die Daten analysieren und einen umfassenden Bericht mit allen entsprechenden Informationen an die Benutzer herausgeben. Das Ergebnis, erklärt Bin, besteht darin, Immobilienmakler bei der Visualisierung, Analyse und Prognose der räumlichen und fortschreitenden Entwicklung von Immobilienpreisen aus Informationen aus mehreren Quellen zu unterstützen.
Die Forscher testeten ihre Matrix mit explorativen Versuchen und Experimenten in Virginia Beach, Philadelphia und Los Angeles. Dr. Li sagt, dass die Vorhersagegenauigkeit der Matrix gut funktioniert hat und ihre Testreihen die beträchtliche Leistungsfähigkeit und Robustheit des RHPMF demonstrieren.
„Diese Fallstudien zeigen, dass das RHPMF-Framework die räumliche Verteilung und Entwicklung des Marktes genau erfassen und dann zukünftige regionale Hauspreise im Vergleich zu den jüngsten Basiswerten prognostizieren kann“, sagt Dr. Li. „Die Ergebnisse deuten auf das große Potenzial des vorgeschlagenen RHPMF in der Immobilienbranche hin.“
Dr. Liu sagt, dass der vorgeschlagene Rahmen Entscheidungsträgern in der Immobilienbranche helfen kann, da er zukünftige regionale Hauspreise prognostizieren und auch erklärbare Preisfaktoren für eine eingehende Analyse liefern kann.
„Das RHPMF integriert erfolgreich explorative Analysen und Preisprognosen als Rahmen“, fügt er hinzu. „Mit genauen und erklärbaren Analysen können die Kunden intelligente und zuverlässige Entscheidungen in Bezug auf den Immobilienmarkt treffen.“
Mehr Informationen:
Junchi Bin et al, RHPMF: Ein kontextbewusster Matrixfaktorisierungsansatz zum Verständnis regionaler Immobilienmärkte, Informationsfusion (2023). DOI: 10.1016/j.inffus.2023.02.001