Facoltà: Ingegneria Gestionale - classe LM-31
Collocazione: 20184
Autore: Sarzi Puttini Lorenzo
Data: 28/04/2022
Titolo: Mercato immobiliare italiano: andamenti, anomalie ed elaborazioni di dati per una corretta valutazione del singolo immobile attraverso tecniche di machine learning
Relatore: Pirovano Giovanni Luca
Autorizzazione per la consultazione: SI
Le tesi si possono consultare unicamente in sede
Il seguente elaborato ha l’obiettivo di analizzare gli andamenti e le anomalie del mercato immobiliare italiano per la definizione di un metodo di raccolta e gestione dati per lo sviluppo di un modello predittivo basato sul machine learning. La prima parte è composta da una analisi approfondita del mercato immobiliare italiano, in particolare, viene descritta la storia dal 1986 ad oggi analizzando il numero annuo di compravendite di immobili in relazione alle dinamiche che le hanno influenzate come ad esempio il fenomeno di cartolarizzazione che ha dato origine alla crisi iniziata nel 2007 oppure l’incidenza del COVID-19. Viene analizzata la distribuzione degli immobili sul territorio Italia dal 2015 al 2020 sia dal punto di vista dimensionale che della posizione. Vengono approfonditi i canali di vendita delle abitazioni italiane e vengono analizzate le agenzie immobiliari presenti in Italia. Nella seconda parte invece si analizza l’influenza della tecnologia nel settore immobiliare che non è più un valore aggiunto ma un requisito per essere competitivi e la nascita del concetto di PropTech che va ad unire il concetto di “property” a quello di “technology”, con l’obiettivo di creare un nuovo modello di business dove si cerca di applicare strumenti tecnologici al settore dell’immobiliare. In particolare, vengono descritte le caratteristiche, i fattori critici di successo e il modo in cui un Instant Buyer opera sia in Italia che all’estero. Vengono analizzati i principali portali immobiliari online che con oltre 700 milioni annui di visite mettono in contatto chi cerca casa con chi la vende. Nella terza parte viene analizzato il progetto di IncHome Trading, società Instant Buyer che opera nell’area di Milano, in particolare, vengono descritte le modalità con cui la società opera e i flussi delle informazioni inerenti agli immobili. Questa parte ha tre obiettivi. Il primo è stato quello di scrivere un programma, attraverso il linguaggio di programmazione R, in grado di estrarre le informazioni degli annunci degli immobili presenti sui portali immobiliari online in modo tale da costruire un database di annunci che può essere utilizzato dagli agenti immobiliari come primo punto di analisi. Il secondo obiettivo è stato quello di costruire un modello basato sul machine learning in grado di prevedere automaticamente il prezzo al quale acquistare un immobile tale per cui l’operazione risulti economicamente sostenibile. Essendo un problema di regressione sono stati testati due modelli differenti la regressione lineare e le reti neurali. Il modello basato sulla regressione lineare risulta essere quello che ha prodotto i risultati migliori riuscendo a prevedere valori molto vicini ai risultati reali per più di metà del dataset ma per il restante 30% emergono errori abbastanza elevati che non consentirebbero di ottenere risultati sodisfacenti per il modello di business di IncHome. Il terzo obiettivo è stato quello di classificare i numerosi annunci dei differenti portali immobiliari online così da effettuare una prima scrematura per gli agenti immobiliari di IncHome. In questo caso la classificazione consiste nell’escludere quegli annunci che non presentano i requisiti ricercati e per farlo sono stati impiegati tre differenti classificatori che sono k-NN, alberi decisionali e reti neurali. Dei tre classificatori, quello basato sull’albero decisionale risulta essere quello che ha ottenuto i migliori risultati oltre che a fornire uno schema del suo funzionamento di facile comprensione e la precisone ottenuta raggiunge il 93%.
