Home|Blog|De VON-prijs bepalen met AI

mei 27, 2021

De VON-prijs bepalen met AI

VON prijs bepalen
2,3 min readBy Published On: 27 mei 2021

Je hebt een vastgoedproject op het oog en het is tijd om een bod te doen. Maar hoe weet je of je niet te weinig of - nog erger - teveel biedt? Door gebruik te maken van Artificial Intelligence (AI) bepaal je de optimale vastgoedprijs en krijg je inzichtelijk waarom het die prijs is. Zo hoef je geen beslissingen meer te maken op onderbuikgevoel. In deze blog leggen we uit hoe je de VON-prijs bepaalt met AI.

Wanneer je de VON-prijs gaat bepalen met AI heb je als eerste data nodig. We willen alle factoren die invloed hebben op de gemiddelde huizenprijs meenemen. Onze applicatie Houzr gebruikt data over vastgoedprojecten van de afgelopen jaren. Deze vullen we aan met data van bijvoorbeeld het CBS over de demografie, WOZ waardes, inkomens, werkgelegenheid , maar ook de nabijheid van allerlei voorzieningen (denk aan winkels, horeca, groen) en bereikbaarheid, geluidsoverlast, etcetera.

De VON-prijs bepalen met een datamodel

Vervolgens gebruiken we een model dat XGBoost Regression heet samen met transfer learning. XGBoost Regression is gebaseerd op beslisbomen. Bij een beslisboom start je met een huis. Stel dat de oppervlakte groter is dan 100 m2, dan kom je in een bucket terecht met allemaal huizen van die oppervlakte. Vervolgens kijk je bijvoorbeeld naar hoe groot de tuin is kom je in weer een andere bucket terecht. Je komt steeds dieper in de beslisboom, tot je in de laatste bucket komt en dan voila: daar is je voorspelling. Bij een XGBoost regressor worden meerdere beslisbomen op een geavanceerde manier gecombineerd, waardoor we een nog betrouwbaardere voorspelling krijgen.

We weten dat data over bestaande bouw ook zou kunnen helpen bij het voorspellen van VON prijzen van nieuwbouwwoningen. Toch zijn de eigenschappen van bestaande bouw en nieuwbouw te verschillend om deze data gewoon samen te voegen. Daarom gebruiken we naast XGBoost Regression ook Transfer Learning (TL). Deze methode zorgt ervoor dat we de extra informatie uit bestaande bouw toch aan ons model kunnen toevoegen, zonder dat het ten koste gaat van de informatie die we uit de nieuwbouwwoningen halen.

Inzicht in uitkomsten 

XGBoost wordt gezien als zogenaamde Black Box AI: je stopt er iets in en er rolt wat uit, zonder dat je weet waarom. Dat willen we eigenlijk niet, want algoritmes die een eigen leven gaan leiden, kunnen een verkeerde kant op gaan (zoals bijvoorbeeld bij de Belastingdienst gebeurde). Daarom gebruiken we SHAP Values, een methode die we over ons model heen leggen om er meer inzicht in te krijgen. We willen namelijk dat het inzichtelijk is welke variabelen invloed hebben op de uiteindelijk bepaalde VON-prijs. Zo is het bijvoorbeeld mogelijk om te zien dat het café om de hoek ervoor zorgt dat het huis 50 euro per vierkante meter meer waard is.

Zelf je VON-prijs bepalen met AI?

Met Houzr kun je als projectontwikkelaar grote hoeveelheden mogelijke projectconfiguraties berekenen én testen op mogelijke bouwlocaties in Nederland. Het Houzr algoritme rekent razendsnel honderdduizenden scenario’s door en zoekt op basis van verschillende gegevensbronnen en voorspelmodellen naar de optimale balans binnen de gestelde kaders tussen jouw rendement, risico en markt fit. 

Benieuwd wat het optimale bod is voor het object dat jij in je hoofd hebt? Vraag een gratis demo-account aan en start met optimaliseren. 

Deel deze blog met je netwerk 👉🏼

Meer lezen?

Ontvang een gratis tactisch aanvalsplan.

Bel ons vandaag nog op (010) 4047 333

Gratis consult

Geen zorgen: het is geheel vrijblijvend.