Scienziati del Regno Unito hanno impiegato una tecnica di machine-learning (ML) per valutare se le proprietà dotate di pannelli solari sono associate a prezzi di vendita più elevati nel mercato immobiliare britannico e hanno scoperto che le case dotate di impianto fotovoltaico hanno un premio.
“Esiste un consenso sul fatto che l’efficienza energetica e l’essere etichettati come ‘verdi’ siano valutati favorevolmente nel mercato immobiliare”, hanno dichiarato i ricercatori. “Le prove che si concentrano esclusivamente sull’effetto dei pannelli solari, tuttavia, rimangono relativamente scarse e si concentrano sul mercato immobiliare statunitense e australiano. La nostra attenzione si concentra sull’effetto degli impianti solari fotovoltaici sui prezzi di vendita nel mercato immobiliare del Regno Unito, per il quale non esistono prove precedenti”.
I ricercatori hanno eseguito algoritmi di meta-apprendimento su circa 5 milioni di osservazioni e dati immobiliari di Zoopla, uno dei principali fornitori di annunci immobiliari del Regno Unito, e sui dati sui prezzi pagati (PPD) del Land Registry del governo dal 2012 al 2018. Dotando gli algoritmi di parole chiave come “pannello fotovoltaico” e “solare”, hanno classificato gli annunci di case con o senza produzione solare. Quindi, sono riusciti a far corrispondere l’80% di questi annunci con il PPD reale.
“Nella procedura di selezione del campione, escludiamo le proprietà con più di tre bagni o più di cinque camere da letto”, ha sottolineato il gruppo. “Inoltre, poiché gli appartamenti degli edifici condividono lo stesso tetto, escludiamo gli appartamenti dal nostro campione, poiché i proprietari di appartamenti potrebbero non essere in grado di installare pannelli solari. Infine, escludiamo le proprietà i cui prezzi di vendita si trovano nell’1% superiore e inferiore della distribuzione dei prezzi per eliminare i valori anomali nei dati”.
Gli studiosi hanno inoltre impiegato cinque algoritmi di meta-apprendimento, ovvero S-learner, T-learner, X-learner, R-learner e DR-learner. Il meta-apprendimento è una tecnica di ML che combina più modelli per migliorare le prestazioni predittive.
Secondo i ricercatori, l’S-Learner e il T-Learner utilizzano solo modelli di base e sono quindi considerati più semplicistici. Gli altri tre utilizzano informazioni aggiuntive e sono quindi considerati più sofisticati.
“L’effetto medio del trattamento calcolato con l’algoritmo S-learner è di 0,055, il che indica che le case con pannelli solari hanno un premio del 5,5% sul prezzo di vendita”, ha dichiarato il team. “Quando utilizziamo meta-apprenditori più sofisticati, i premi associati ai pannelli solari aumentano a più del 6%, variando tra il 6,1% con l’X-learner e il 7,1% con il DR-learner”.
Attraverso un’ulteriore analisi, i ricercatori sono stati in grado di esplorare le differenze tra gli anni, le regioni e i quintili di prezzo e hanno individuato una tendenza alla diminuzione dei rendimenti dei pannelli solari nel corso degli anni. Inoltre, i rendimenti più elevati si osservano in Galles e nello Yorkshire e Humber, seguiti dalle regioni del Nord-Ovest e del Sud-Ovest.
“L’effetto dei pannelli solari sui prezzi delle case è più pronunciato nei quintili di prezzo più bassi e più alti, con i maggiori premi osservati in questi ultimi”, hanno dichiarato. “I premi osservati per il quintile di prezzo più basso supportano la nostra argomentazione relativa al potenziale risparmio energetico e all’importanza dei costi di gestione più bassi per gli acquirenti con redditi più bassi. I premi osservati nella fascia alta del mercato possono invece riflettere il ‘calore’ associato all’investimento in immobili ecocompatibili, nonché l’effetto di segnalazione ‘verde’ e di conservazione evidente”.
Infine, per verificare la solidità dei risultati, il modello proposto è stato confrontato con modelli più tradizionali, ovvero l’hedonic pricing model e il coarsened exact matching (CEM). Il primo è comunemente utilizzato per stimare la misura in cui ciascun fattore influisce sul prezzo di mercato dell’immobile, mentre il secondo è utilizzato nei dati osservazionali.
Gli scienziati hanno scoperto che l’hedonic pricing model ha mostrato un premio del 5,6% e un CEM del 3,5%. “I risultati sono in qualche modo sensibili ai metodi utilizzati”, hanno sottolineato. “Rispetto all’hedonic pricing model, gli algoritmi metalearner sono in grado di tenere conto meglio delle questioni legate alla complessità del trattamento, all’elevata dimensionalità, alla relazione non lineare tra le caratteristiche dell’immobile e i prezzi delle case e alla presenza di confondimenti”.
I risultati sono stati presentati in “Returns to solar panels in the housing market: A meta learner approach“, pubblicato su Energy Economics. Il team comprendeva scienziati dell’Università di Swansea e dell’Università di Birmingham.
I presenti contenuti sono tutelati da diritti d’autore e non possono essere riutilizzati. Se desideri collaborare con noi e riutilizzare alcuni dei nostri contenuti, contatta: editors@nullpv-magazine.com.
Inviando questo modulo consenti a pv magazine di usare i tuoi dati allo scopo di pubblicare il tuo commento.
I tuoi dati personali saranno comunicati o altrimenti trasmessi a terzi al fine di filtrare gli spam o se ciò è necessario per la manutenzione tecnica del sito. Qualsiasi altro trasferimento a terzi non avrà luogo a meno che non sia giustificato sulla base delle norme di protezione dei dati vigenti o se pv magazine ha l’obbligo legale di effettuarlo.
Hai la possibilità di revocare questo consenso in qualsiasi momento con effetto futuro, nel qual caso i tuoi dati personali saranno cancellati immediatamente. Altrimenti, i tuoi dati saranno cancellati quando pv magazine ha elaborato la tua richiesta o se lo scopo della conservazione dei dati è stato raggiunto.
Ulteriori informazioni sulla privacy dei dati personali sono disponibili nella nostra Politica di protezione dei dati personali.