DOI: 10.32702/2307-2105-2022.1.81
УДК: 330.4, 519.2
І. В. Мірошниченко, О. В. Крашеніннікова
ПРОГНОЗУВАННЯ ЦІНИ НА НЕРУХОМІСТЬ З ВИКОРИСТАННЯМ АЛГОРИТМІВ МАШИННОГО НАВЧАННЯ
Анотація
Прогнозування вартості нерухомості є важливим економічним показником. Точний прогноз ціни на житло важливий для майбутніх власників будинків, забудовників, інвесторів, оцінювачів, податкових департаментів та інших учасників ринку нерухомості, таких як іпотечні кредитори та страховики. Тому наявність моделі прогнозування ціни на житло допомагає заповнити важливу інформаційну прогалину та підвищити ефективність ринку нерухомості.
Стаття присвячена застосуванню методів машинного навчання для побудови моделей прогнозування ціни на заміську нерухомість. Виконано критичний аналіз ринку житлової нерухомості України та визначено фактори, які впливають на формування ціни заміської нерухомості. Встановлено доцільність використання алгоритмів машинного навчання для прогнозування ціни на заміську нерухомість. Побудовано чотири моделі прогнозування ціни та визначено, що найбільшу ефективність має алгоритм XGBoost. Проведено порівняння результатів прогнозування алгоритму XGBoost та множинної лінійної регресії на основі випадково обраного будинку з вибірки. Визначено, що модель XGBoost краще описує дані і ймовірність спрогнозувати справжню ціну є вищою.
Ключові слова: ринок житлової нерухомості; ціна на заміську нерухомість; лінійна множинна модель; регуляризація; випадковий ліс; XGBoost; прогнозування.
Література
1. Асаул А.М., Павлов В.I., Пилипенко I.I., Павлiха Н.В., Кривов’язюк I.В. Економiка нерухомостi : навч. посiб., 2-ге вид.– К:, Кондор, 2006. 336 с.
2. Стерник Г. М., Стерник С. Г. Методология моделирования и прогнозирования жилищного рынка: монография. Москва: РГ-Пресс, 2018. 588 с.
3. Манцевич Ю. М. Житло: проблеми та перспективи. Київ : Профі, 2004. 360 с.
4. Григорків В. С., Ярошенко О. І., Філіпчук Н. В. Нейронні мережі та їх використання для прогнозування тенденцій ринку нерухомості. Науковий вісник НЛТУ України. 2012. Вип. 22.5. С. 324-330.
5. Воронін В. О., Мамчин М. М., Лянце Е. В. Прогнозне моделювання тенденцій розвитку ринку нерухомості. Вісник Національного університету "Львівська політехніка". 2012. № 735 : Логістика. С. 38-46.
6. Максишко Н. К., Шаповалова В. О. Нечітка модель ідентифікації фаз на ринку нерухомості. Нейро-нечіткі технології моделювання в економіці. 2014. № 3. С. 94–119.
7. Real Estate - Industry Overview, Types of Real Estate, Careers. Corporate Finance Institute. URL: https://corporatefinanceinstitute.com/resources/careers/jobs/real-estate/ (дата звернення: 09.06.2021 р.).
8. What is the Housing Market? - Definition | Meaning | Example. My Accounting Course. URL: https://www.myaccountingcourse.com/accounting-dictionary/housing-market (дата звернення: 09.06.2021 р.).
9. Галаган Д. В. Ринок нерухомості як різновид інвестиційного ринку. Теорія інвестицій. 2010. №6. С.19-21.
10. Youds C. Supply and demand: the housing market. The Sloman Economics News Site. URL: https://pearsonblog.campaignserver.co.uk/supply-and-demand-the-housing-market/ (дата звернення: 09.06.2021 р.).
11. Russell Cooper, Andrew John. Macroeconomics: Theory through Applications. 2011. 524 p.
12. Chandler T. 12 Factors That Affect Property Prices. URL: https://buyersagent-sydney.com.au/12-factors-that-affect-property-prices/ (дата звернення: 09.06.2021 р.).
13. Whitten R. What factors influence a property's market value? Finder. URL: https://www.finder.com.au/what-influences-a-propertys-value (дата звернення: 09.06.2021 р.).
14. Gomez J. 8 critical factors that influence a home's value. Opendoor. URL: https://www.opendoor.com/w/blog/factors-that-influence-home-value (дата звернення: 09.06.2021 р.).
15. Кучеренко В. Р., Заєць М. А., Захарченко О. В., Сментина Н. В., Улибіна В. О. Оцінка та управління нерухомістю: навчальний посібник. Одеса: Видавництво ТОВ «Лерадрук», 2013. 272 с.
16. 13 surprising factors that affect property value. Upside Realty. URL: https://upside.com.au/articles/selling-your-property/selling-guide/9-surprising-factors-affect-home-value (дата звернення: 09.06.2021 р.).
17. 10 factors that affect property value. The home of smart money. URL: https://www.loans.com.au/blog/10-factors-that-affect-property-value (дата звернення: 09.06.2021 р.).
18. Nguyen J. 4 Key Factors That Drive the Real Estate Market. Investopedia. URL: https://www.investopedia.com/articles/mortages-real-estate/11/factors-affecting-real-estate-market.asp (дата звернення: 09.06.2021 р.).
19. Які фактори впливають на формування ціни. URL: https://vn.com.ua/ua/news/kakie-faktory-vlijajut-na-formirovanie-tseny-za-1-m2-v-zhk-i-kg (дата звернення: 09.06.2021 р.).
20. Кузьміч О.Й., Іванова В.О. Аналіз деяких факторів, які впливають на вартість нерухомості. Містобудування та територіальне планування. УДК 528,48. С.251-257.
21. Pham Duc Trung, Nguyen Gia Trung Quan. Factors affecting the price of the real estate: A case og Ho Chi Minck city. British Journal of Marketing Studies (BJMS). 2019. Vol. 7, Issue 6, P.35-45.
22. Bartsch C. 10 Factors Large and Small that Influence Real Estate Property Values. HomeLight Blog. URL: https://www.homelight.com/blog/real-estate-property-value/ (дата звернення: 09.06.2021 р.).
23. Ринок котеджної нерухомості 2020: пропозиція, структура, прогноз. NAI Ukraine. URL: https://naiukraine.com/uk/news/rynok-kotedzhnoyi-neruhomosti-2020-propozytsiya-struktura-prognoz/ (дата звернення: 09.06.2021 р.).
24. Аналіз ринку заміської нерухомості Києва. URL: https://pro-consulting.ua/ua/issledovanie-rynka/analiz-rynka-zagorodnoj-nedvizhimosti-kieva-2018-god (дата звернення: 09.06.2021 р.).
25. «МАЙГЕР» Девелопмент і Консалтинг в Україні. Тенденції розвитку ринку котеджної нерухомості. МАЙГЕР. URL: http://www.mayger.ua/uk/analitika/tendentsiyi-rozvitku-rinku-kotedzhnoyi-neruhomosti/ (дата звернення: 09.06.2021 р.).
26. Колесніченко О. Будинки, котеджі, таунхауси: чому попит на заміську нерухомість не падає і ціни зростають. Економічна правда. URL: https://www.epravda.com.ua/publications/2021/03/3/671561/ (дата звернення: 09.06.2021 р.).
27. Shivhare P. Predicting King County House Prices. URL: https://www.slideshare.net/PawanShivhare1/predicting-king-county-house-prices (дата звернення: 09.06.2021 р.).
28. Parcel Record Assessor extract table. URL: https://www5.kingcounty.gov/sdc/FGDCDocs/PARCEL_EXTR_faq.htm (дата звернення: 09.06.2021 р.).
29. Glossary for Improved Sales. King County, Washington - King County. URL: https://kingcounty.gov/Assessor/Reports/ArchivedAreaReports/~/media/Assessor/AreaReports/AreaReportGlossary.ashx (дата звернення: 09.06.2021 р.).
30. House Sales in King County, USA. Kaggle: Your Machine Learning and Data Science Community. URL: https://www.kaggle.com/harlfoxem/housesalesprediction (дата звернення: 09.06.2021 р.).
31. Why overpricing your home is a bad idea. Duet Property. URL: https://www.duetproperty.com.au/2020/02/why-overpricing-your-home-is-a-bad-idea/#:~:text=The%20first%20few%20days%20after,buyers,%20significantly%20decreasing%20buyer%20demand (дата звернення: 09.06.2021 р.).
I. Miroshnychenko, O. Krasheninnikova
REAL ESTATE PRICE FORECASTING USING MACHINE LEARNING ALGORITHMS
Summary
The subject of structural analysis and active development of the real estate market is of great importance for the country's economy. For this reason, modeling and prediction of real estate prices are important and relevant areas of research. A practical and accurate model for predicting house prices would become a valuable tool for homeowners, developers, property investors, appraisers, mortgage lenders, insurers, tax agencies, and other players in the real estate market. Lately, machine learning techniques have become the primary source for advanced analysis, forecasting, and visualization of real estate prices. Therefore, having in place an accurate price prediction model helps fill in an important information gap and improve the efficiency of the real estate market.
The article focuses on the appropriate use of machine learning methods to build models for predicting suburban real estate prices. For this purpose, a critical analysis of Ukraine’s residential real estate market was carried out. The study found that Ukraine’s suburban real estate market revived against the backdrop of the COVID-19 pandemic and the lockdown in the spring of 2020, leading to an increase in property prices and the number of houses built. In addition, several factors affecting price formation for suburban real estate at the macro and micro levels were identified. It was found that the use of machine learning algorithms for predicting prices of suburban real estate is advisable. The following four price prediction models were built: multiple linear regression, regularization, random forest, and XGBoost. After checking the efficiency of the models on the test dataset and comparing the results with each other, it was determined that in terms of RMSE and MAPE, the XGBoost algorithm provides the most accurate and efficient method. A comparison was made between the predicted results of the XGBoost algorithm and the multiple linear regression algorithm based on a randomly selected house from the sample. It was found that the XGBoost model better describes the data and is more likely to accurately predict real-life prices.
The article summarizes the findings of the data analysis and testing and finds that the XGBoost model can effectively predict and analyze housing prices to a certain degree. At the same time, the accuracy and efficiency of the RE price modeling can be further improved by using more advanced machine learning techniques.
Keywords: esidential real estate market; suburban real estate price; multiple Linear Regression; regularization; random forest; XGBoost; forecasting.
References
1. Asaul, A.M., Pavlov, V.I., Pylypenko, I.I., Pavlikha, N.V. and Kryvov’yaziuk, I.V. (2006), Ekonomika nerukhomosti [Real estate economics], 2nd ed, Kondor, Kyiv, Ukraine.
2. Sternik, G. M. and Sternik, S. G. (2018), Metodologija modelirovanija i prognozirovanija zhilishhnogo rynka [Housing market modeling and forecasting methodology], RG-Press, Moscow, Russia.
3. Mantsevych, Yu. M. (2004), Zhytlo: problemy ta perspektyvy [Housing: problems and prospects], Profi, Kyiv, Ukraine.
4. Hryhorkiv, V.S., Yaroshenko, O.I. and Filipchuk, N.V. (2012), “Neural networks and their application for real estate market trends forecasting”, Naukovyi visnyk NLTU Ukrainy, vol. 22.5, pp. 324-330.
5. Voronin, V. O., Mamchyn, M. M. and Liantse, E. V. (2012), “Predictive modeling of real estate market trends”, Visnyk Natsionalnoho universytetu "Lvivska politekhnika", vol. 735, pp. 38-46.
6. Maksyshko, N. K. and Shapovalova, V. O. (2014), “The fuzzy model of phase identification on the real estate market”, Neiro-nechitki tekhnolohii modeliuvannia v ekonomitsi, vol. 3, pp. 94–119.
7. Corporate Finance Institute (2021), “Real Estate - Industry Overview, Types of Real Estate, Careers”, available at: https://corporatefinanceinstitute.com/resources/careers/jobs/real-estate/ (Accessed 09 June 2021).
8. My Accounting Course (2021), “What is the Housing Market? - Definition | Meaning | Example”, available at: https://www.myaccountingcourse.com/accounting-dictionary/housing-market (Accessed 09 June 2021).
9. Halahan, D. V. (2010), “The real estate market as a kind of investment market”, Teoriia investytsii, vol. 6, pp. 19-21.
10. Youds, C. (2020), “Supply and demand: the housing market”, The Sloman Economics News Site, available at: https://pearsonblog.campaignserver.co.uk/supply-and-demand-the-housing-market/ (Accessed 09 June 2021).
11. Cooper, R. and John, A. (2011), Macroeconomics: Theory through Applications, Flat World, Boston, MA, United States.
12. Chandler, T. (2015), “12 Factors That Affect Property Prices”, available at: https://buyersagent-sydney.com.au/12-factors-that-affect-property-prices/ (Accessed 09 June 2021).
13. Whitten, R. (2021), “What factors influence a property's market value?”, Finder, available at: https://www.finder.com.au/what-influences-a-propertys-value (Accessed 09 June 2021).
14. Gomez, J. (2019), “8 critical factors that influence a home's value”, Opendoor, available at: https://www.opendoor.com/w/blog/factors-that-influence-home-value (Accessed 09 June 2021).
15. Kucherenko, V. R., Zaiets, M. A., Zakharchenko, O. V., Smentyna, N. V. and Ulybina, V. O. (2013), Otsinka ta upravlinnia nerukhomistiu [Real estate appraisal and management], TOV «Leradruk», Odessa, Ukraine.
16. Upside Realty (2021), “13 surprising factors that affect property value”, available at: https://upside.com.au/articles/selling-your-property/selling-guide/9-surprising-factors-affect-home-value (Accessed 09 June 2021).
17. The home of smart money (2021), “10 factors that affect property value”, available at: https://www.loans.com.au/blog/10-factors-that-affect-property-value (Accessed 09 June 2021).
18. Nguyen, J. (2021), “4 Key Factors That Drive the Real Estate Market”, Investopedia, available at: https://www.investopedia.com/articles/mortages-real-estate/11/factors-affecting-real-estate-market.asp (Accessed 09 June 2021).
19. vn.com.ua: website (2019), “What factors affect price formation”, available at: https://vn.com.ua/ua/news/kakie-faktory-vlijajut-na-formirovanie-tseny-za-1-m2-v-zhk-i-kg (Accessed 09 June 2021).
20. Kuzmich, O.Y. and Ivanova, V.O., “Analysis of some factors that affect the value of real estate”, Mistobuduvannia ta terytorialne planuvannia, pp. 251-257.
21. Pham Duc Trung and Nguyen Gia Trung Quan (2019), “Factors affecting the price of the real estate: A case og Ho Chi Minck city”, British Journal of Marketing Studies (BJMS), Vol. 7, Issue 6, pp.35-45.
22. Bartsch, C. (2019), “10 Factors Large and Small that Influence Real Estate Property Values”, HomeLight Blog, available at: https://www.homelight.com/blog/real-estate-property-value/ (Accessed 09 June 2021).
23. NAI Ukraine: website (2020), “Cottage real estate market 2020: proposal, structure, forecast”, available at: https://naiukraine.com/uk/news/rynok-kotedzhnoyi-neruhomosti-2020-propozytsiya-struktura-prognoz/ (Accessed 09 June 2021).
24. Pro Consulting: website (2019), “Analysis of the suburban real estate market in Kyiv”, available at: https://pro-consulting.ua/ua/issledovanie-rynka/analiz-rynka-zagorodnoj-nedvizhimosti-kieva-2018-god (Accessed 09 June 2021).
25. «MAIHER» Development i Konsaltynh v Ukraini: website (2021), “Trends in the development of the cottage real estate market”, available at: http://www.mayger.ua/uk/analitika/tendentsiyi-rozvitku-rinku-kotedzhnoyi-neruhomosti/ (Accessed 09 June 2021).
26. Kolesnichenko, O. (2021), “Houses, cottages, townhouses: why the demand for suburban real estate is not falling and prices are rising ”, Ekonomichna pravda, available at: https://www.epravda.com.ua/publications/2021/03/3/671561/ (Accessed 09 June 2021).
27. Shivhare, P. (2017), “Predicting King County House Prices”, available at: https://www.slideshare.net/PawanShivhare1/predicting-king-county-house-prices (Accessed 09 June 2021).
28. King County (2021), “Parcel Record Assessor extract table”, available at: https://www5.kingcounty.gov/sdc/FGDCDocs/PARCEL_EXTR_faq.htm (Accessed 09 June 2021).
29. King County (2021), “Glossary for Improved Sales”, available at: https://kingcounty.gov/Assessor/Reports/ArchivedAreaReports/~/media/Assessor/AreaReports/AreaReportGlossary.ashx (Accessed 09 June 2021).
30. Kaggle (2021), “Your Machine Learning and Data Science Community”, available at: https://www.kaggle.com/harlfoxem/housesalesprediction (Accessed 09 June 2021).
31. Duet Property (2021), “Why overpricing your home is a bad idea”, available at: https://www.duetproperty.com.au/2020/02/why-overpricing-your-home-is-a-bad-idea/#:~:text=The%20first%20few%20days%20after,buyers,%20significantly%20decreasing%20buyer%20demand (Accessed 09 June 2021).
№ 1 2022
Дата публікації: 2022-01-27
Кількість переглядів: 13270
