25、租房预测与交易预测：利用平面图与图神经网络的创新方法

租房预测与交易预测：利用平面图与图神经网络的创新方法

在房地产和金融领域，准确的预测对于决策至关重要。一方面，利用租房公寓的平面图来预测租金价格是一种创新的尝试；另一方面，金融机构通过交易数据预测交易发生情况也有了新的方法。下面将详细介绍这两方面的内容。

租房预测：平面图的增量信息价值

在租金预测中，我们首先关注模型预测的变化情况。先看最大的向下变化，再看最大的向上变化。通过对比模型 1 和模型 2 对给定公寓的预测差异，同时展示神经网络（NN）的预测和实际租金值。

从图中可以看出，考虑 NN 后出现了向下的偏移，大部分向下偏移是由于线性模型的过度预测被 NN 有所纠正，但在 4 个例子中有 3 个，NN 仍然存在大量的过度预测。而在考虑 NN 预测后的最大向上变动中，部分房源（如共享房屋或公寓）由于 NN 仅依据平面图信息，未能成功预测出很低的租金价格，导致模型 2 的预测偏离实际租金。不过，对于另外一些房源，NN 的预测改善了模型 2 的预测，线性模型可能基于环境因素给这些房产分配了很低的租金，而 NN 因缺乏这些位置信息，仅依据东京的数据给出了相对较高的预测。

利用租房公寓的平面图可以提高线性回归模型的预测能力，即使在样本量较大的情况下也是如此。NN 有效的原因主要有两点：
1. 通过使用平面图，NN 能够获取影响特定房地产租金和居住满意度的信息，从而找到表格数据集中没有的影响租金的特征，并用于预测。
2. 由于数据集相对简单，解释能力的提升显得格外高。虽然有大量的公寓和平面图，但解释变量比其他享乐定价研究少，且数据仅来自东京都地区。

以下是一些相关数据的统计信息：
| 类别变量 | 唯一值数量 | 最频