Digital Real Estate: stime immobiliari con il machine learning
Articoli

Digital Real Estate: quando le stime sono affidate agli algoritmi.

Da oltre 20 anni, le stime degli immobili in Svizzera sono effettuate con l’ausilio di algoritmi. I moderni metodi di machine learning possono migliorare ulteriormente l’attuale accuratezza delle stime. Tuttavia, ciò va a scapito della trasparenza e aumenta la volatilità. Questo articolo presenta il Digital Real Estate.

Il machine learning diventa sempre più importante

Il machine learning è una branca dell’intelligenza artificiale che mira a trarre informazioni e conclusioni tramite un algoritmo da pattern riconosciuti automaticamente nei dati. A questo scopo vengono solitamente analizzate grandi quantità di dati. L’algoritmo apprende sulla base dei dati esistenti e può quindi migliorare la propria precisione.

Nell’ultimo decennio, il machine learning (ML) ha assunto un’importanza sempre maggiore in molte sfere della nostra vita. Un fattore importante è stato il grande aumento della potenza di calcolo dei computer moderni. Anche la stima immobiliare è interessata da questa tendenza.

Modelli edonici come standard nell’ambito delle stime immobiliari

Il machine learning è tutt’altro che una novità. Nelle stime della proprietà abitativa, i modelli edonici, che appartengono anch’essi ai metodi ML, si sono affermati come standard più di 20 anni fa. Dalla loro introduzione, questi modelli sono stati costantemente migliorati, tanto che oggi questo metodo di stima computerizzato è sempre più utilizzato anche per gli immobili da reddito più piccoli. Il prezzo di un immobile è ricavato sulla base di varie caratteristiche dell’immobile. L’algoritmo ottimizza questo calcolo in modo da minimizzare il più possibile l’errore di stima. I modelli edonici hanno notevolmente migliorato la trasparenza del mercato immobiliare svizzero.

Stime immobiliari: visualizzazione di un modello di prezzo edonico

Stime immobiliari: visualizzazione di un modello di prezzo edonico

Rappresentazione schematica
Fonte: Credit Suisse

La ricerca si concentra su nuovi algoritmi di machine learning

Il successo dei modelli edonici e la maggiore disponibilità di dati immobiliari hanno fornito un ulteriore impulso alla ricerca sul mercato immobiliare in Svizzera. Tuttavia, l’interesse della ricerca si sta spostando verso nuovi algoritmi di ML. Questi includono, ad esempio, i metodi di ML Random Forest e Gradient Boosting. Il loro funzionamento si basa sugli alberi decisionali.

Tali alberi sono la visualizzazione di criteri decisionali consecutivi e gerarchici. Nel caso delle stime immobiliari, questi metodi possono essere utilizzati per determinare o prevedere il prezzo di un immobile. In generale, quanto più complesso ed esteso è un albero di questo tipo, tanto più accurata diventa la previsione di tutti gli immobili in un set di dati di training. Tuttavia, è necessario prestare attenzione a non specificare eccessivamente il modello.

Machine learning: visualizzazione di un semplice albero decisionale

Machine learning: visualizzazione di un semplice albero decisionale

Rappresentazione schematica di case monofamiliari (esempio)
Fonte: Mayer et al. Credit Suisse

Modellazione complessa con reti neurali

Oltre agli alberi decisionali, esistono altre possibilità per modellare i prezzi degli immobili utilizzando metodi di ML. Spesso si utilizzano reti neurali artificiali, modellate sul funzionamento del sistema nervoso umano e sulla sua moltitudine di collegamenti neuronali. In questo caso, la struttura della rete neurale consente una complessa combinazione e interazione delle singole variabili esplicative.

I risultati sono migliori, ma i modelli restano una scatola nera

Un possibile miglioramento delle stime immobiliari con i moderni metodi di ML o le reti neurali artificiali ha anche lati negativi. Questo perché, mentre i modelli edonici si distinguono per la loro interpretabilità, i moderni metodi ML sono meno trasparenti, ponendo alcune sfide nella pratica, ad esempio nei colloqui con i clienti.

Un altro svantaggio dei moderni metodi ML è la maggiore volatilità rispetto a quella causata dai modelli edonici classici che prendono in considerazione più trimestri. Di conseguenza, con questi modelli il valore di un singolo immobile subisce fluttuazioni molto più pronunciate da un trimestre all’altro rispetto ai modelli edonici.

Modelli tradizionali con minore volatilità nella stima degli immobili

Modelli tradizionali con minore volatilità nella stima degli immobili

Ultimo aggiornamento: 2017
Fonte: Mayet et al.

I modelli per le stime immobiliari presentano ancora diverse lacune

Anche i moderni metodi ML presentano gli stessi punti deboli del metodo edonico classico. Quando si trovano di fronte a un’incognita, inciampano. Pertanto, gli immobili di lusso o da collezione restano più difficili da valutare. E indipendentemente dal modello scelto rimane un certo ritardo. Ciò è dovuto al fatto che i dati delle transazioni utilizzati per la modellizzazione provengono, nel migliore dei casi, dal trimestre precedente. Pertanto, nessuno dei modelli può riflettere le attuali variazioni di prezzo sul mercato. È probabile che questo problema permanga anche in futuro.

Indipendentemente dall’algoritmo scelto, esiste ancora un potenziale di ottimizzazione, soprattutto nella raccolta dei dati. Oggi, in molti casi, l’algoritmo deve ancora essere alimentato a mano. Ad esempio, anche se la micro-ubicazione (cioè le immediate vicinanze di un immobile) viene determinata automaticamente nella maggior parte dei modelli sulla base dell’indirizzo inserito, lo standard delle finiture e le condizioni dell’edificio devono essere valutate da una persona. In questo caso, grazie al machine learning l’inserimento dei dati potrebbe essere sempre più automatizzato.

In conclusione: il machine learning è utile ma non una panacea

Pertanto, si può affermare che i moderni metodi di ML possono migliorare ulteriormente la qualità previsionale delle stime immobiliari. Tuttavia, ciò avviene a spese di una minore trasparenza e di una maggiore volatilità nel tempo. I moderni metodi di ML dovrebbero quindi essere utilizzati con cautela, almeno per il momento, nel finanziamento immobiliare da parte delle banche. Sarebbe opportuno adottare approcci ibridi che combinano i modelli edonici convenzionali con i moderni metodi di ML.

Desiderate maggiori informazioni sulla pianificazione e sul finanziamento della proprietà abitativa?

Richiedere una consulenza
Siamo qui per aiutarvi. Non esitate a contattarci al numero 0844 100 111.