Avaliação de Preços Imobiliários Usando Aprendizado de Máquina

O mercado imobiliário é um dos mais importantes no mundo, e o maior desafio que enfrenta é a correta avaliação dos preços dos imóveis, já que é bastante dinâmico e exige um acompanhamento constante das principais tendências e perspectivas do setor. O mercado imobiliário está exposto a muitas flutuações de preços devido às correlações existentes entre diferentes parâmetros, alguns dos quais não podem ser controlados ou podem até ser desconhecidos. Nesse aspecto, para avaliar com precisão os custos imobiliários, é necessário um dispositivo que compreenda o impacto dos diferentes parâmetros nos custos da propriedade. Um dispositivo de previsão de preços encontra sua aplicação em vários cenários de tomadas de decisão. Uma previsão precisa sobre o preço de imóveis é importante para incorporadores imobiliários ou corretores de imóveis, potenciais proprietários futuros, desenvolvedores, investidores, avaliadores, assessores tributários e outros participantes do mercado imobiliário, como credores hipotecários e seguradoras. Nesse trabalho, pretendemos desenvolver um AVM (acrônimo da expressão inglesa Automated Valuation Model) baseado no aprendizado de máquina que identifica oportunidades no mercado imobiliário em tempo real. O AVM pode ser útil para investidores interessados no mercado imobiliário, já que permite o fluxo efetivo de informações abrangentes para a tomada de decisões sobre atividades de investimento, desenvolvimento e promoção na área imobiliária. Nos concentramos no caso de ativos imobiliários localizados na cidade de São Paulo y Belo Horizonte (Brasil), e listados em sites brasileiros mais relevante na vendas de apartamentos. O AVM é formalmente implementado como um problema de regressão que tenta estimar o preço de mercado de um apartamento, dados os recursos recuperados de listagens públicas online. Para construir esse aplicativo, realizamos uma etapa de engenharia de recursos a fim de descobrir recursos relevantes que permitem atingir um alto desempenho preditivo, e assim uma confiança nos resultados obtidos.