The best of both worlds: vastgoedanalyses naar hoger niveau

De optimale marktprijs

Data is key:  met de analyses die wij voor onze vastgoedklanten maken, brengen we informatie samen over objecten, de markt, demografie, voorzieningen en de economie. Zo bepalen we de optimale marktprijs met onderbouwing én de verwachtte prijsontwikkeling in de toekomst. Wel zo handig wanneer je bijvoorbeeld de prijsstelling van een nieuw project moet bepalen, maar ook om opbrengsten in de toekomst in te schatten.

Onderzoek

Een super mooie en vooruitstrevende analyse, maar hoe nauwkeurig is de methode eigenlijk – en kunnen we de resultaten voldoende onderbouwen? Ik kan me zo voorstellen dat je als projectontwikkelaar of belegger benieuwd bent naar hoe die analyses er onder de motorkap uitzien. Om deze reden besloot ik dat dit een goed onderwerp was om mijn afstudeerscriptie op te richten.

Tijdens mijn onderzoek ben ik gestart met het beoordelen van twee bestaande modellen:

1. Lineair model: dit model bepaalt het effect van alle variabelen – kenmerken, locatie en bijvoorbeeld voorzieningen in de buurt – op de prijs van een object. Als het model al deze relaties van variabelen heeft waargenomen, voorspel je de prijs van een nieuw object door te kijken hoe dat object “scoort” op al de gemeten variabelen. Zo weet je bijvoorbeeld welke prijs je kunt vragen voor een woning die veel dichter in de buurt van een school ligt dan gemiddeld.
2. Random Forest Model – een Machine Learning algoritme dat veel wordt toegepast op classificatie- en regressievraagstukken. Je probeert als het ware op heel veel verschillende manieren data op te delen in kleine groepjes, en dit doe je heel vaak met steeds andere groepjes. Van elk van die kleine groepjes bereken je steeds de gemiddelde prijs. Voor een nieuw object voorspel je de prijs door te kijken in welke groepjes die woning zou worden ingedeeld. Deze methode zorgt vaak voor haarscherpe voorspellingen.

The best of both worlds

In mijn afstudeeronderzoek heb ik gekeken naar de mogelijkheid om het lineaire model met het Random Forest Model samen te voegen. Een lineair model is voor mensen makkelijker te begrijpen. Toch weten we dat de markt in feite te complex is om het effect van allerlei variabelen op marktprijzen met lineaire relaties te vatten. Het Random Forest Model zorgt voor haarscherpe voorspellingen, maar het is moeilijk te doorgronden waarom precies. En wat bleek uit de resultaten? De rechtlijnige benadering van het lineare model gecombineerd met de ‘regeltjes’ van Random Forest geeft een super goed resultaat: een Predictive Rule Ensemble + RuleFit!

De “groepjes” van het Random Forest Model kan je ook omzetten naar “regeltjes”. Een huis met woningtype appartement – en bovendien een penthouse – van minimaal 200m², in de binnenstad van de G5, hoort in een bepaald groepje. Maar: je hebt het huis nu ook in regels beschreven. Het RuleFit model haalt een klein aantal van dat soort begrijpelijke regels uit het Random Forest en voegt die regels toe aan het lineaire model. Zo blijft het begrijpelijk waarom een huis een bepaalde marktprijs heeft én neemt de voorspellende kracht van het model enorm toe!

Aan de slag!

Na dit succesvolle afstudeeronderzoek draai ik op dit moment volop mee in het Veneficus team en mag ik mijn model direct toepassen op klantprojecten! Benieuwd naar meer informatie over dit onderzoek óf heb je een interessante case die je aan ons wil voorleggen? Neem dan contact met mij op via: carlo.schimmel@veneficus.nl