Publication du Cahier d’études n° 194: Using machine learning to aggregate apartment prices: comparing the performance of different Luxembourg indices

Auteurs: Bob Kaempff et David Kremer

Au Luxembourg, l'outil principal pour mesurer l'évolution des prix des logements est un indice trimestriel calculé par l'Institut national de la statistique et des études économiques (STATEC) sur base des transactions immobilières contenues dans les extraits des actes notariés. Cet indice se base sur une méthode dite « hédonique » qui consiste à établir une relation statistique entre le prix d'un bien et les caractéristiques de ce bien, permettant ainsi d'éliminer les effets liés à la composition changeante de l'échantillon. Or, comme tout autre outil statistique, la méthode hédonique se base sur différentes hypothèses sous-jacentes et présente un certain nombre de faiblesses.

Nous appliquons deux techniques alternatives pour mesurer l'évolution des prix de vente des appartements au Luxembourg à travers le temps. Une première technique souvent utilisée est la méthode des « ventes répétées » qui se base sur la comparaison du prix d'un même objet immobilier qui a été vendu à plusieurs moments. D'abord, nous estimons que depuis 2007, les ventes répétées concernent 44 % des transactions immobilières au Luxembourg portant sur des appartements. Ensuite, nous appliquons cette méthode pour créer un indice alternatif des prix des appartements.

Au-delà des méthodes conventionnelles, l'intelligence artificielle (IA) et les techniques d'apprentissage automatique fournissent de nouvelles méthodes pour estimer les indices de prix. Bien que ces modèles sont souvent critiqués comme des « boîtes noires », des nouvelles approches permettent de les rendre plus interprétables. Ainsi, ce cahier applique un simple modèle d'apprentissage automatique aux transactions immobilières au Luxembourg pour créer un nouvel indice des prix des appartements.

Après avoir détaillé la méthodologie de ces trois indices, nous évaluons la performance de chaque indice selon sa volatilité, la taille de ses révisions, sa cohérence avec les autres indices et ses indications hors échantillon. Nos principaux résultats sont les suivants : les trois approches produisent des indices avec des tendances similaires dans le temps, ce qui réduit l'incertitude liée à l'interprétation d'un seul indice de prix. En particulier, les trois méthodes confirment la rapide progression des prix entre 2018 et 2021. De même, nos résultats confirment le fort ralentissement en 2022 ainsi que la baisse des prix en 2023. L'indice basé sur des techniques d'apprentissage automatique suit de près les indices plus traditionnels, ce qui confirme empiriquement la validité d'une telle approche.

Le choix final de la méthode dépend souvent des besoins de l'utilisateur. Alors que l'indice basé sur des méthodes d'apprentissage automatique est considérablement moins volatil et donc plus facile à interpréter, il est par contre sujet à des révisions plus importantes que celles des deux autres méthodes conventionnelles.

Le contenu de cette étude ne doit pas être perçu comme étant représentatif des opinions de la Banque centrale du Luxembourg ou de l’Eurosystème. Les opinions exprimées reflètent celles des auteurs et non pas nécessairement la position de la Banque centrale, de ses dirigeants ou de l’Eurosystème.

 

Ce cahier d’études est disponible sur le site internet de la BCL : www.bcl.lu

 

• Accueil
• Imprimer la page