将平面图整合进特征价格模型用于租金估价
机器学习
2021-02-17 v1 综合经济学
经济学
应用统计
摘要
在线房地产平台已成为促进用户搜寻公寓或房屋的重要市场。然而，准确评估房产价值仍然具有挑战性。先前的研究主要基于考虑结构化数据的特征价格模型研究房地产估价，而通常忽略伴随的非结构化数据。在本研究中，我们探究对在线房地产平台上公寓平面图的自动化视觉分析能在多大程度上增强特征租金价格估价。我们提出一种定制的两阶段深度学习方法，从历史价格数据中学习平面图中对价格敏感的设计。随后，我们将平面图预测整合进考虑公寓结构与区位特征的特征租金价格模型。我们基于包含9174条房产挂牌信息的独特数据集的实证分析表明，当前特征模型未充分利用可用数据。我们发现：(1) 平面图的视觉设计对租金价格具有显著解释力——即使在控制了公寓结构与区位特征之后；(2) 利用平面图使样本外预测误差降低多达10.56%。我们进一步发现，对于较老和较小的公寓，平面图带来的预测性能提升尤其高。总之，我们的实证发现通过建立平面图视觉设计与房地产价格之间的联系，对现有研究体系作出贡献。此外，我们的方法对在线房地产平台具有重要启示，其可利用我们的发现改善房产挂牌中的用户体验。
引用
@article{arxiv.2102.08162,
title = {Integrating Floor Plans into Hedonic Models for Rent Price Appraisal},
author = {Kirill Solovev and Nicolas Pröllochs},
journal= {arXiv preprint arXiv:2102.08162},
year = {2021}
}