ANNA4REV

Der Immobiliensektor ist einer der größten Wirtschaftszweige. Daher spielt eine genaue Immobilienbewertung eine wichtige Rolle. Um dieser Rolle gerecht zu werden, werden belastbare Marktwerte benötigt. Die Forschung im Bereich der Immobilienbewertung konzentriert sich unter anderem auf die Entwicklung von Schätzverfahren, die zu verbesserten Marktwerten und entsprechenden Unsicherheiten führen. Das Vergleichswertverfahren ist eine weit verbreitete Bewertungsmethode, die auf dem Vergleich von durchgeführten Transaktionen beruht. Es verwendet einen verhaltensbasierten Ansatz, um Zielparameter (d.h. den Immobilienwert) mit verschiedenen charakteristischen Parametern der Immobilie in Beziehung zu setzen. Im traditionellen Ansatz werden die Auswirkungen und Ursachen von Immobilienteilmärkten mathematisch mit einer linearen Regression modelliert. Diese Methode stößt an ihre Grenzen, wenn es darum geht, große räumliche Teilmärkte zu bewerten, die nichtlineare Abhängigkeiten aufweisen und Teilmärkte mit wenigen Transaktionen einbeziehen. Künstliche neuronale Netze (ANN) sind eine grundlegende Methode im Bereich des maschinellen Lernens. Sie können als nichtlineare Abbildung einer Reihe von Eingangsvariablen auf Ausgangsgrößen verstanden werden. Diese Abbildung erfolgt in einer verschachtelten Struktur von Recheneinheiten, sogenannten Knoten. Die Gewichte charakterisieren die Verbindungen zwischen den Knoten und werden als freie Parameter im Rahmen einer Trainingsphase geschätzt. In diesem Projekt werden ANN eingesetzt, um einen nicht-linearen Zusammenhang zwischen charakteristischen und wertbeeinflussenden Parametern der Immobilie und ihrem Wert herzustellen. Damit sollen die oben genannten Einschränkungen traditioneller Methoden überwunden werden. Aus methodischer Sicht wird im Projekt die Schätzung der Gewichte durch einen Kalman-Filter (KF) basierten Ansatz weiterentwickelt. KF ist ein sequentielles Schätzverfahren, das sich unter anderem durch eine rigorose Fortpflanzung von Unsicherheiten kennzeichnet und damit in weiterer Folge eine statistische Bewertung der geschätzten Gewichte ermöglicht. Das übergeordnete Ziel des Projekts ist die Einführung von ANN mit dem extended Kalman-Filter (EKF) als Hybridmodell für die automatisierte Immobilienbewertung. Dazu werden Stichprobengröße, Komplexität, Parameterschätzung, Akzeptanz und Anwendbarkeit für die Immobilienbewertung mit ANN+EKF erforscht und weiterentwickelt. ANN+EKF erfordern große Datenmengen. Der Datenknappheit in der Immobilienbewertung wird durch Methoden der Datenerweiterung begegnet. Die Quantifizierung der Grenzen des minimalen Vorhersagerisikos motiviert die Untersuchung der Vapnik-Chervonenkis-Dimension als Komplexitätsmaß. Die erzielten Ergebnisse werden mathematisch und durch Experten validiert, und die Akzeptanz von ANN+EKF wird analysiert. Ein besonderer Fokus liegt auf der Anwendbarkeit für Märkte mit wenigen Transaktionen in Österreich und Deutschland.