Оценка стоимости недвижимости на основе больших данных

Вопросы экономики. 2022. № 12. С. 118–136.

Мамедли М. О., Умнов А. В.

Рассматриваются применение данных официальной статистики и онлайнпорталов по продаже недвижимости, а также алгоритмы машинного обучения для оценки стоимости квартир вторичного рынка жилья Москвы. Для этого осуществлен сбор и проведена обработка данных портала ЦИАН с помощью технологии веб-скрейпинга и портала «Реформа ЖКХ». Для оценки объектов недвижимости были рассмотрены алгоритмы машинного обучения Elastic Net, Random Forest и Gradient Boosting, а для интерпретации результатов black-box алгоритмов использовался подход на основе вектора Шепли. Результаты работы показали, что применение black-box алгоритмов при оценке стоимости квартир вторичного рынка жилья Москвы в рассматриваемом периоде позволяет получить более точные оценки как в разрезе ценовых сегментов, так и по выборке в целом. При этом наилучшую точность дает метод Gradient Boosting. Интерпретация результатов модели с помощью вектора Шепли показала, что положительное влияние на цену оказывают общая площадь, год постройки, высота потолков, дизайнерский ремонт и евроремонт, а также монолитная технология строительства. Отрицательное влияние на цену оказывают количество этажей в доме, возможность ипотеки и отсутствие ремонта. Разработанная методология может быть применена в страховании недвижимости, ипотечном кредитовании, определении кадастровой стоимости недвижимости и других областях.

 

Ключевые слова: недвижимость, машинное обучение, machine learning, вектор Шепли, real estate, web scraping, веб-скрейпинг, Shapley vector

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА: Макроэкономическая политика: переход от стагнации к устойчивому развитию экономики (2022)