What drives the differences between transaction and offered prices on the real estate market in Prague?

Abstract

This thesis covers two subjects regarding the real estate market in Prague. In the first part, we look for factors that influence the differences between offer and realized prices of residential properties. From our dataset, we identify the area and the time spent on market as the variables with the largest impact on the price differences. Additionally, we find that price differences are spatially correlated and tend to influence each other. Finally, accessibility of the apart- ment to given POI's seems to have a small but significant effect as well. In the second part, we build a neural network to predict the transaction prices per meter squared. After thorough architecture adjustment and hyperparameter tuning, we propose a model which is able to improve the current best prediction on the dataset by more than 12 %.

Tato práce se zabývá dvěma tématy které se týkají pražského realitního trhu. V první části pátráme po faktorech, které ovlivují rozdíly mezi nabídkovými a transakčními cenami nemovitostí. V našich datech identifikujeme rozlohu nemovitosti a délku nabídky jako proměnné s největším vlivem na cenové rozdíly. Dále zjišťujeme, že cenové rozdíly jsou prostorově korelované a navzá- jem se ovlivňují. Dostupnost nemovitosti k některým místům občanské vy- bavenosti má nepatrný, ale také signifikantní vliv. V druhé části práce kon- struujeme neuronovou síť pro predikci transakčních cen za metr čtvereční. Po pečlivých úpravách architektury a optimalizaci hyperparametrů je výsledkem model, který zlepšuje dosavadní nejpřesnější výsledky predikce na datasetu o více než 12%.