Vermieter hassen diesen Trick!

Mögliches Inserat

Im Zeitalter von Daten und KI werden Probleme oft übertrieben oder als komplexer dargestellt, als sie tatsächlich sind. Lasst euch hier nicht täuschen: Wer nicht überzeugen kann, versucht oft, zu verwirren. Die Fähigkeit, Probleme zu vereinfachen, gehört zu den wichtigsten Fähigkeiten dieser Zeit. Letzte Woche wollte ich einen Blogbeitrag darüber schreiben, wie man durch Hauptkomponentenanalyse (PCA) die Daten von Immobilieninseraten vereinfacht und dadurch die Suche erleichtert. Obwohl ich bereits vor einigen Jahren eine ähnliche Analyse durchgeführt hatte, erkannte ich, dass die Zusammenhänge in Immobilieninseraten noch viel einfacher sind, als es die PCA vermuten lässt.

Wie wohnt der Durchschnitts-Schweizer?

Zuerst zu den Daten. Das Vorgehen ähnelte dem im vergangenen Blog über Autoscout-Daten. Hier habe ich alle Mietwohnungsinserate auf Immoscout24.ch mittels Selenium gesammelt. Dazu wird lediglich eine Liste der Schweizer Gemeinden (z.B. von Wikipedia) benötigt. Dann wurde die URL systematisch zusammengesetzt:

Basis: www.immoscout24.ch +
Objekt: wohnung/mieten/ort-
Ort: aus der Wikipedia Liste

Nach einer initialen Betrachtung der Datensammlung von knapp 8'000 Inseraten ziehe ich folgenden Schluss: Eine typische Wohnung in der Schweiz hat:

Immobiliendaten sind wenig dimensional

Es gibt etwa 15 Datenpunkte, die üblicherweise in einem Immobilien-Inserat enthalten sind. Sind alle gleich wichtig? Die PCA-Analyse zeigte, dass in der ersten Hauptkomponente etwa 80 % der Variation enthalten ist, hauptsächlich durch den Preis, die Grösse und die Ausstattung. Erst danach kommen Merkmale, die den Standort beschreiben. Aus diesem Grund entschied ich mich für eine einfachere Korrelationsanalyse.

Korrelationen in der Ersten Hauptkomponente

Diese Grafik verdeutlicht die Korrelationen.

Korrelationen erklären viel

Die Hauptkomponenten und die Korrelationsanalyse deuten darauf hin, dass der Mietpreis, die Grösse und die Ausstattung einer Wohnung die wichtigsten Faktoren im Mietwohnungsmarkt sind. Das klingt auch intuitiv: Mehr Zimmer erfordern mehr Fläche, was sich in höheren Mietpreisen widerspiegelt. Ausserdem ist der Trend zu grösseren Wohnungen ist bekannt (z.B eine Stude des Kantons Zürich) - was sich wiederum in den Daten wiederspiegelt.

Die analysierten Standortinformationen scheinen für die Variation eine untergeordnete Rolle zu spielen. Dies könnte daran liegen, dass, wenn ein Objekt weit vom Stadtzentrum entfernt ist, es auch weit von Schulen, Einkaufsmöglichkeiten oder öffentlichen Verkehrsmitteln entfernt ist. Umgekehrt ist in der Stadt alles näher beieinander.

Der Trick - Mietpreise einfach schätzen

Die Korrelationsanalyse führte mich dazu, eine Formel zur Schätzung von Mietpreisen anhand der Immoscout-Daten zu erstellen. Mit der Methode der "Ordinary Least Squares" (OLS) konnte ich eine recht einfache Formel entwickeln, die neben signifikanten statistischen Werten ein vernünftiges (aber nicht überragendes) Bestimmtheitsmass von 0.55 liefert.

Die Formel lautet wie folgt: Rent = 20.18×livingSpace − 131.55×numberOfRooms + 1.49×yearBuilt + 105.36×hasNiceView − 62.75×hasParking + 1.99×hasGarage + 2.10×isWheelchairAccessible − 53.11×arePetsAllowed − 60.87×hasBalcony + 55.70×hasElevator + 207.29×isMinergieCertified - 2454.87 (Konstant) ​

Diese Formel liefert einen geschätzten Mietpreis von 1.850 CHF für die Wohnung im Inserat oben. Der tatsächliche Preis liegt bei 1.920 CHF. Vielleicht könnte man mit dem Vermieter noch über eine kleine Preisreduzierung sprechen.

Fazit:

Obwohl die Immobiliensuche stark von Standort, Bildern und persönlichem Geschmack beeinflusst ist, zeigen die Ergebnisse, dass Preis, Grösse und Ausstattung die entscheidenden Faktoren für den Mietpreis sind. Eine relativ einfache Formel kann den Preis genau schätzen und als Basis für Verhandlungen mit dem Vermieter dienen (vorausgesetzt, es gibt genügend Alternativen).