[Back]


Publications in Scientific Journals:

S. Horvath, M. Soot, A. Weitkamp, H.-B. Neuner:
"Künstliche neuronale Netze in der Immobilienwertermittlung";
Allgemeine Vermessungs-Nachrichten (AVN) begutachtete Beiträge (invited), 126 (2019), 8-9; 199 - 213.



German abstract:
Die Forderung nach Möglichkeiten einer automatisierten Wertermittlung scheitert regelmäßig an der
Bewertung kaufpreisarmer Lagen. Eine Auswertung der kaufpreisarmen Lagen in aggregierten größeren
Stichproben gelingt mit klassischen Vorgehensweisen nicht. Ein Grund dafür können auftretende Nichtlinearitäten
sein. Daher werden in diesem Beitrag Künstliche Neuronale Netze (KNN) als eine nichtparametrische
und nichtlineare Methode der etablierten klassischen Multiplen Linearen Regression (MLR) gegenübergestellt.
Anhand zweier Beispieldatensätze - Vergleichsfaktoren für Einfamilienhäuser in Hannover
und niedersachsenweite Liegenschaftszinssätze - werden beide Methoden auf ihre Leistungsfähigkeit
untersucht. Anhand von etablierten Gütemaßen erfolgt die Bewertung der Methoden.
Liegen nichtlineare Zusammenhänge vor, sind im Fall von hinreichend großen Stichproben KNN der MLR
überlegen, was sich für die Auswertung der niedersachsenweiten Liegenschaftszinssätze bestätigt hat. Im
Fall der Einfamilienhäuser in Hannover liefert die MLR aufgrund der geringen Datenmengen die bessere
Schätzung. Eine Vergrößerung der Stichprobe auf Basis einer strukturerhaltenden Methode hat sich in
dieser ersten Untersuchung als vorteilhaft erwiesen. Aufgrund des Bedarfs an größeren Datenmengen
wird die Stichprobengenerierung mittels Simulationsmethoden sowie die Nutzbarmachung von fehlerhaften
oder unvollständigen Daten Fokus zukünftiger Forschung sein.

Keywords:
Künstliche Neuronale Netze, Multiple Lineare Regression, Immobilienbewertung, kaufpreisarme Lagen

Created from the Publication Database of the Vienna University of Technology.