Uncertainty and robustness in house price prediction models

Nøyaktig verdifastsettelse av boliger er viktig for mange aktører innen bank-, forsikring- og eiendomsmeglerbransjen. Verdifastsettelser kan enten gjøres ved fysisk verdivurdering utført av en takstmann/eiendomsmegler eller ved bruk av en automatisert verdsettelsesmodell (AVM). En AVM er en statistisk modell som estimerer verdien av en bolig basert på boligens beliggenhet, fysiske utforming og tidligere salgspris. Maskinlæringsmodeller gir typisk mer presise prisestimater enn tradisjonelle regresjonsmodeller, samtidig har man mindre kontroll på usikkerheten i slike estimater. Dette prosjektet ønsker å utvikle nye metoder for å kvantifisere denne usikkerheten i maskinlæringsmodeller anvendt på boligprisprediksjon. Slike metoder er viktige for kommersielle brukere av slike automatiske verdsettelsesmodeller, siden sterk avvikende eller svært usikre estimater bør identifiseres og mest sannsynlig behandles manuelt. Det er forventet at prosjektet vil bidra til en bedre forståelse for usikkerheten som er involvert i en automatisert verdsettelse. Dette vil gjøre det enklere for boliglånsbanker å gjøre presise og raske verdifastsettelser. Prosjektet gjøres i samarbeid med Matematisk institutt ved Universitetet i Oslo. Resultater av forskningen vil publiseres i vitenskapelige journaler og på vitenskapelige konferanser. Per november 2021 har det blitt produsert én vitenskapelig artikkel som har blitt sendt til en journal som spesialiserer seg på boligmarkedsforskning. Artikkelen presenterer en ny metode å trene en spesifikk maskinlæringsalgoritme på for boligprisprediksjon, og demonstrerer at denne metoden fører til mer presise estimater for et utvalgt datasett av norske boliger.

Eiendomsverdi leverer informasjon om det norske boligmarkedet til banker, eiendomsmeglere, forsikringsselskap, eiendomsutviklere, inkassoselskaper og offentlige virksomheter. En av de viktigste produktene til Eiendomsverdi er en automatisert verdsettelsesmodell (AVM), som verdivurderer samtlige boliger i Norge. Eiendomsverdis AVM består blant annet av en maskinlæringsmodell som estimerer prisen på en bolig basert på boligens lokasjon, boligtype og attributter. Formålet med dette PhD-prosjektet er å forbedre Eiendomsverdis forståelse av usikkerhet og ekstremverdier i AVM. De seneste tiårene har det vært en kraftig utvikling av nye maskinlæringsmetoder. Mange av disse metodene har vist seg å være svært treffsikre, men ofte er det vanskelig å tolke og evaluere usikkerheten i disse metodene. Eiendomsverdi er pålagt å presentere en usikkerhetsgrad ved alle sine prediksjoner, og det første temaet for PhD-avhandlingen blir å utvikle et rammeverk for å evaluere usikkerheten i et estimat. En annen sentral utfordring er hvordan Eiendomsverdi skal behandle ekstremverdier, det vil si boliger som skiller seg tydelig fra normale boliger. Identifisering og håndtering av ekstremverdier er det andre temaet for PhD-avhandlingen. Prosjektet vil gjennomføres i samarbeid med førsteamanuensis Johan Pensar (hovedveileder) og førsteamanuensis Ida Scheel (biveileder) ved Matematisk institutt på Universitetet i Oslo. Begge er en del av forskergruppen for Statistikk og Data Science. I tillegg vil kandidaten få støtte i Eiendomsverdi fra modellsjef Terje Eggum, spesialrådgiver Dag Einar Sommervoll (PhD) og modell- og analysesjef Anders Francke Lund.