Predecir los precios de venta de viviendas: una revisión de los métodos existentes y una ilustración de los métodos de flujo de datos para mejorar el rendimiento.

Resumen

La necesidad de una evaluación precisa e imparcial de los bienes inmuebles residenciales siempre ha sido importante no solo para las instituciones financieras que prestan o mantienen dichos activos, sino también para los municipios que dependen de los impuestos a la propiedad como su fuente fundamental de ingresos. La metodología común para predecir el precio de venta de una propiedad residencial se basa en la regresión múltiple tradicional a pesar de los problemas conocidos. Se han propuesto métodos de aprendizaje automático como un enfoque alternativo, pero los resultados están lejos de ser satisfactorios. Una revisión de los estudios existentes y los temas relevantes puede ayudar a los investigadores a evaluar mejor los pros y los contras de los enfoques en esta importante corriente de investigación y hacer avanzar el campo. Este artículo proporciona una revisión de este tipo. En nuestra revisión, hemos notado que tanto los métodos basados ​​en regresión como los métodos de aprendizaje automático son comunes en el uso del aprendizaje en modo por lotes. Por lo tanto, además de proporcionar una revisión de investigaciones recientes sobre modelos de predicción de propiedades residenciales basados ​​en lotes, este artículo también explora un nuevo enfoque para construir modelos de predicción de precios de propiedades residenciales al tratar los registros de ventas anteriores como un flujo de datos en evolución. Los resultados de nuestro estudio muestran que el enfoque de flujo de datos supera al método de regresión tradicional y demuestra el potencial de los métodos de flujo de datos para mejorar los modelos de predicción de precios de propiedades residenciales.