Прогнозирование цен на недвижимость по данным рынка США при помощи инструментов машинного обучения

Участившиеся финансовые кризисы подчеркивают необходимость разработки более совершенных моделей прогнозирования, позволяющих командам по управлению рисками упреждать и преодолевать надвигающиеся потрясения. Использование более частотных данных является перспективным направлением для повышения точности прогнозирования, даже в отношении менее ликвидных активов, таких как недвижимость. В данном исследовании рассматривается возможность использования еженедельных индексов цен на жилую недвижимость в США для прогнозирования будущей стоимости с помощью методов машинного обучения, а также оценки влияния макроэкономических переменных. Были решены три основные задачи: выявление подходящих источников данных, определение применимых методов машинного обучения и оценка эффективности модели. Полученные результаты свидетельствуют о целесообразности использования еженедельных данных для прогнозирования рынков недвижимости, что особенно полезно для рынков с низкой ликвидностью. Исследование показывает, что еженедельные региональные индексы могут значительно облегчить аналитику рынка недвижимости и помочь бизнесу в совершенствовании стратегий управления рисками и процессов принятия решений. Однако эффективность представленных методик зависит от наборов данных со значительной длиной и частотой временных рядов, что предостерегает от их применения в наборах данных с ограниченным объемом данных, где традиционный анализ временных рядов может быть более уместным.