Voorspellingen huizenprijzen per regio
In deze nieuwsbrief:
Ons model is afgelopen weken getraind om ook voorspellingen te doen van huizenprijzen per regio.
In deze nieuwsbrief vertellen we hoe dit werkt en delen we de meest recente voorspellingen.
In een eerdere analyse deelde we al een kwantitatieve methode om inzicht te krijgen in welke regio de huizenprijzen voorop lopen, en dat de Nederlandse huizenmarkt bestaat uit prijsontwikkelingen in verschillende deelregio’s (https://huizenprijzen.substack.com/p/welke-regio-voorspelt-de-huizenprijs). In deze update delen we ontwikkelingen van ons model die ons in staat stelt om voorspellingen te doen naar de prijsontwikkeling per regio.
Allereerst een klein overzicht uit onze maandelijks nieuwsbrief, waarin we de ontwikkeling van de huizenprijzen van verschillende deelregio’s tonen en het verschil (delta) met vorige maand.
Zoals eerder geconcludeerd is hier duidelijk in terug te zien dat verschillende regio’s in Nederland een verschillende prijsontwikkeling volgen. Daarnaast kunnen we ook concluderen dat de richting van de prijzen vrijwel altijd gelijk is en dat je mag verwachten dat wanneer de prijzen in Amsterdam stijgen dat waarschijnlijk ook in Maastricht het geval is, echter is de grootte van de stijging niet altijd gelijk. En die verschillen zorgen er voor dat na verloop van tijd de huizenprijzen tussen regio’s flink kunnen verschillen. Zo is in de CBS cijfers te zien dat sinds 1995 huizen in Limburg ongeveer 3 keer zo duur zijn geworden terwijl ze in Amsterdam bijna 7 keer zo duur zijn geworden.
Hoe voorspellen we verschillen
Net als met het reguliere model is ook het model voor het voorspellen van prijzen per regio getraind op:
Financiele markten - Bijvoorbeeld beursgenoteerd vastgoed wat dagelijks wordt verhandeld op aandelenmarkten en de dagelijkse marktrente.
Economische data - Data over de Nederlandse economie, zoals bijvoorbeeld looninflatie, de voorraad van de woningmarkt, en het Nederlands economisch vertrouwen
Google Zoekopdrachten - Ook in dit model maken we gebruik van inzichten uit Google Trends. Heel simpel kan je je voorstellen dat er een relatie is tussen mensen die zoeken naar “een appartement in Amsterdam” en de prijzen van huizen in Amsterdam. In werkelijkheid is dit wat complexer maar intuïtief werkt dit hetzelfde.
Door gebruik te maken van Machine Learning/AI/Econometrische modellen kunnen we ons algoritme het verband leren zien tussen al die variabelen en de toekomstige huizenprijs.
Onderstaande grafiek toont hoe zoekresultaten een indicatie kunnen geven van huizenprijzen per regio. De grafiek laat het prijsverschil zien tussen huizen in Limburg vs Amsterdam versus specifieke zoekopdrachten in deze regio’s.
De resultaten van het model
Met al deze data hebben we ons model verder getraind op specifieke deel regio’s. Omdat het trainen vrij tijdsintensief is en er ook niet tussen alle regio’s een duidelijk onderscheid is qua prijs hebben we bij deze eerste release een selectie van regio’s getraind, namelijk Oost-Nederland, Zuid Nederland, Noord Nederland, Amsterdam en Zeeland. In de toekomst zal dit nog worden uitgebreid.
In de voorspellingen is te zien wat het model voor huizenprijzen per regio voorspelt over 1 jaar, zo verwachten we dat in Oost-Nederland de prijzen het hardst gaan stijgen (+10.28%) terwijl we in Zeeland de minst harde stijging verwachten (+7.69%). Daarnaast worden de verwachte prijsbewegingen ten opzichte van de totale huizenprijs getoond.
Deze voorspellingen zullen eens per maand worden geupdate in de nieuwsbrief via Substack. Omdat de voorspellingen vrij veel rekenkracht kosten zullen ze niet op www.watgaandehuizenprijzendoen.nl worden getoond. Tussentijds kan er altijd contact met PredictiveAI worden gezocht om actuele voorspellingen te ontvangen.