Tổng quan nghiên cứu

Thị trường bất động sản đóng vai trò huyết mạch trong nền kinh tế nhưng luôn tiềm ẩn nhiều rủi ro do tính biến động phức tạp và tình trạng bất cân xứng thông tin giữa bên mua và bên bán. Trong những thập kỷ gần đây, thị trường ghi nhận các chu kỳ biến động lớn diễn ra trung bình mỗi 10 năm một lần, đặt ra yêu cầu cấp thiết về các công cụ định giá tự động và minh bạch. Tại Việt Nam, theo ước tính của các chuyên gia kinh tế, mức giá nhà ở trung bình hiện cao gấp khoảng 20 lần thu nhập bình quân của người lao động, so với tỷ lệ chỉ từ 7 đến 10 lần tại các quốc gia phát triển.

Nhằm giải quyết bài toán định giá phức tạp này, nghiên cứu của tác giả Đỗ Hoàng Hiệp dưới sự hướng dẫn của Tiến sĩ Cao Thị Nhàn tại Trường Đại học Công nghệ Thông tin - ĐHQG TP.HCM tập trung xây dựng mô hình học sâu ứng dụng mạng nơ-ron bộ nhớ dài-ngắn hạn (LSTM) để dự báo xu hướng giá bất động sản. Phạm vi nghiên cứu hướng trọng tâm vào phân khúc căn hộ chung cư tại Quận 7, TP.HCM – một đô thị kiểu mới phát triển năng động với hơn 175.000 bài đăng rao bán và trên 70.000 bài đăng cho thuê.

Mục tiêu trọng tâm của đề tài là khai thác chuỗi dữ liệu thời gian gồm 60 mốc tháng liên tục từ tổng thể 451.608 bản ghi thô thu thập từ cổng thông tin bất động sản trực tuyến trong giai đoạn từ tháng 1 năm 2015 đến tháng 12 năm 2020. Nghiên cứu cung cấp dự báo định lượng chính xác về giá bán và giá thuê đơn vị theo triệu đồng/m2, thiết lập một khung đánh giá khoa học với sai số toàn phương trung bình (MSE) tiệm cận 0,01. Kết quả này hỗ trợ đắc lực cho hơn 50.000 khách hàng tiềm năng và nhà đầu tư đưa ra quyết định giao dịch chuẩn xác, giảm thiểu rủi ro tài chính mà không cần phụ thuộc hoàn toàn vào môi giới trung gian.

Cơ sở lý thuyết và phương pháp nghiên cứu

Khung lý thuyết áp dụng

Nghiên cứu được xây dựng trên nền tảng kết hợp giữa lý thuyết chuỗi thời gian (Time Series Analysis) và các mô hình học sâu hiện đại. Khung lý thuyết trọng tâm bao gồm:

  1. Lý thuyết mạng nơ-ron hồi quy (RNN) và kiến trúc LSTM: Được giới thiệu bởi Hochreiter & Schmidhuber (1997), mô hình LSTM giải quyết triệt để hiện tượng triệt tiêu đạo hàm (Vanishing Gradient Problem) vốn là rào cản lớn của mạng RNN cổ điển khi xử lý dữ liệu dài hạn. Kiến trúc này duy trì thông tin qua các bước thời gian nhờ cấu trúc ô nhớ đặc thù.
  2. Lý thuyết kinh tế học về định giá tài sản và chuỗi biến động giá: Giá trị bất động sản được nhìn nhận như một hàm phi tuyến phụ thuộc vào các yếu tố nội tại của tài sản kết hợp với xu hướng biến động kinh tế theo thời gian.

Các khái niệm kỹ thuật chính vận hành trong mô hình gồm:

  • Trạng thái ô nhớ (Cell State): Trục truyền tải thông tin xuyên suốt qua các mốc thời gian.
  • Cổng quên (Forget Gate): Sử dụng hàm kích hoạt Sigmoid để quyết định loại bỏ thông tin lỗi thời từ trạng thái trước.
  • Cổng đầu vào (Input Gate): Chọn lọc và cập nhật các giá trị mới vào ô nhớ trạng thái.
  • Cổng đầu ra (Output Gate): Quyết định giá trị dự báo kế tiếp dựa trên trạng thái ô nhớ đã được chuẩn hóa qua hàm Tanh.
  • Chuỗi thời gian đơn biến (Univariate Time Series): Dữ liệu giá trung bình được cấu trúc thành chuỗi tuần tự $X = (t)$ để dự báo giá trị tại thời điểm tiếp theo $Y = (t+1)$.

Phương pháp nghiên cứu

  • Nguồn dữ liệu và quy mô mẫu: Dữ liệu thô gồm 451.608 bản ghi với 50 thuộc tính được thu thập tự động từ cổng thông tin batdongsan.vn, bao gồm đầy đủ các trường thông tin về vị trí địa lý, loại hình bất động sản, tọa độ kinh độ/vĩ độ, mức giá và thời gian đăng bài.
  • Phương pháp chọn mẫu: Nghiên cứu áp dụng phương pháp chọn mẫu có chủ đích (Purposive Sampling). Dữ liệu được trích xuất riêng cho khu vực Quận 7, tập trung vào phân khúc căn hộ chung cư – phân khúc chiếm tỷ trọng lớn nhất với hơn 65% tổng dung lượng giao dịch trên thị trường. Sau quá trình khử trùng lặp và loại bỏ dữ liệu ngoại lai, dữ liệu được tổng hợp thành chuỗi thời gian 60 mốc tháng liên tục từ năm 2015 đến năm 2020.
  • Quy trình tiền xử lý: Dữ liệu giá được định dạng lại từ ngôn ngữ tự nhiên sang đơn vị số thực chuẩn (triệu đồng/m2). Sử dụng công cụ MinMaxScaler từ thư viện Scikit-learn để chuẩn hóa dải giá trị về khoảng 0 đến 1. Dữ liệu được tái cấu trúc thành ma trận 3 chiều (Samples, Time Steps, Features) với kích thước (38, 1, 1) thông qua cửa sổ trượt (lookback window) bằng 1.
  • Phương pháp phân tích và môi trường thử nghiệm: Xây dựng mô hình bằng ngôn ngữ Python trên nền tảng Keras/TensorFlow, vận hành trong môi trường máy chủ Linux 64-bit với vi xử lý Intel Xeon 12 nhân, RAM 12.985 MB. Mô hình được huấn luyện qua 100 epochs với kích thước batch bằng 1. Hiệu năng được đo lường bằng hai chỉ số chuẩn mực là sai số toàn phương trung bình (MSE) và căn bậc hai sai số toàn phương trung bình (RMSE) trên 3 kịch bản phân chia tập dữ liệu: Kịch bản 1 (80% Train - 20% Test), Kịch bản 2 (67% Train - 33% Test), và Kịch bản 3 (50% Train - 50% Test).

Kết quả nghiên cứu và thảo luận

Những phát hiện chính

  1. Sự chiếm lĩnh áp đảo của phân khúc căn hộ chung cư: Phân tích khám phá dữ liệu cho thấy phân khúc căn hộ chung cư tại Quận 7 dẫn đầu tuyệt đối về nguồn cung và cầu với hơn 175.000 bài đăng bán và trên 70.000 bài đăng cho thuê, bỏ xa các loại hình như nhà mặt phố (khoảng 35.000 bài đăng) và biệt thự (khoảng 15.000 bài đăng).
  2. Xu hướng tăng trưởng giá bán vượt trội so với giá thuê: Giai đoạn 2015 - 2020 ghi nhận giá bán căn hộ tăng liên tục từ mức 26 triệu đồng/m2 lên trên 35 triệu đồng/m2, tương ứng mức tăng trưởng hơn 34,6%. Ngược lại, giá thuê căn hộ dao động nhẹ quanh mức 13 đến 17 triệu đồng/tháng rồi đi ngang. Minh chứng thực tế tại dự án Sunrise City, căn hộ 147m2 có giá bán 6,2 tỷ đồng vào năm 2015 đã tăng lên 7,3 tỷ đồng vào năm 2023, tương đương mức tăng 17,7%.
  3. Hiệu năng dự báo vượt trội của LSTM đối với giá bán: Mô hình LSTM đạt độ chính xác rất cao khi dự báo giá bán với sai số MSE ở mức 0,01 và RMSE dưới 0,10, thấp hơn đáng kể so với mô hình chuỗi thời gian ARIMA truyền thống (MSE đạt 0,018970).
  4. Tỷ lệ phân chia tập dữ liệu tối ưu: Kịch bản phân chia 80% huấn luyện và 20% kiểm nghiệm mang lại sai số thấp nhất, dự báo giá bán trung bình đạt 34,59 triệu đồng/m2 so với thực tế, trong khi kịch bản 50% huấn luyện khiến sai số kiểm nghiệm tăng thêm hơn 12%.

Thảo luận kết quả

Sự chênh lệch giữa xu hướng giá bán và giá thuê xuất phát từ quy luật kinh tế đô thị. Giá bán căn hộ tăng nhanh do áp lực khan hiếm quỹ đất tại khu Nam Sài Gòn, chi phí nguyên vật liệu xây dựng tăng và nhu cầu sở hữu nhà để tích lũy tài sản. Trong khi đó, giá thuê phụ thuộc chặt chẽ vào thu nhập khả dụng của người lao động trẻ và sinh viên mới tốt nghiệp, vốn có mức trần thanh toán nhất định.

Về mặt thuật toán, mô hình LSTM đã chứng minh tính ưu việt khi so sánh với nghiên cứu của Xiaochen Chen và cộng sự. Mô hình ARIMA chỉ khai thác được tương quan tuyến tính ngắn hạn, trong khi LSTM lưu giữ được ngữ cảnh giá qua 60 bước thời gian nhờ cấu chế 3 cổng điều khiển, hạn chế tối đa độ trễ phản ứng trước các biến động giá đột ngột.

Dữ liệu thực nghiệm được minh họa rõ nét qua các biểu đồ đường thể hiện sự tương quan giữa giá trị thực tế (True Value) và giá trị dự báo (Predicted Value) qua 60 mốc tháng. Đường dự báo của mô hình bám sát đường giá trị thực nghiệm với thời gian thực thi trung bình chỉ 2 đến 3 mili-giây mỗi bước tính toán. Biểu đồ cột so sánh sai số giữa giá bán và giá thuê qua 3 thực nghiệm khẳng định giá thuê có độ phân tán cao hơn và chứa nhiều yếu tố mùa vụ ngẫu nhiên, khiến sai số MSE của giá thuê luôn cao hơn giá bán khoảng 15% đến 20%.

Đề xuất và khuyến nghị

  1. Chuẩn hóa và phát triển hệ thống cơ sở dữ liệu mở về giá bất động sản: Sở Xây dựng và Sở Tài nguyên và Môi trường TP.HCM cần chủ trì số hóa toàn bộ lịch sử giao dịch căn hộ, đặt mục tiêu giảm 40% tình trạng bất cân xứng thông tin thị trường và hoàn thành cổng dữ liệu tập trung cho 100% dự án căn hộ trước quý 4 năm 2026.
  2. Tích hợp mô hình học sâu vào hệ thống định giá tự động (AVM): Các doanh nghiệp công nghệ bất động sản (PropTech) và sàn giao dịch cần triển khai ứng dụng mô hình LSTM vào quy trình thẩm định giá tự động, rút ngắn thời gian xử lý hồ sơ từ 3 ngày xuống dưới 5 giây, kiểm soát sai số RMSE dưới 0,05 vào năm 2025.
  3. Xây dựng kế hoạch tài chính cá nhân dựa trên chỉ số dự báo chuỗi thời gian: Khách hàng cá nhân và người mua nhà lần đầu cần áp dụng các chỉ số dự báo giá kết hợp tỷ lệ chi trả nợ trên thu nhập (DTI tối đa 40%) để xây dựng kế hoạch tích lũy tài chính từ 12 đến 24 tháng trước khi thực hiện giao dịch mua bán.
  4. Mở rộng kiến trúc mạng nơ-ron sang mô hình LSTM đa biến: Các viện nghiên cứu và trường đại học cần nâng cấp mô hình đơn biến hiện tại thành mô hình học sâu đa biến (Multivariate LSTM), tích hợp thêm các chỉ số kinh tế vĩ mô như lãi suất vay mua nhà, tỷ lệ lạm phát và mật độ hạ tầng giao thông, hướng tới nâng cao độ chính xác dự báo thêm 15% đến 20% trong giai đoạn 2025-2027.

Đối tượng nên tham khảo luận văn

  1. Học viên cao học, sinh viên và nhà nghiên cứu ngành Hệ thống Thông tin / Khoa học Dữ liệu: Nắm vững phương pháp luận tiền xử lý dữ liệu lớn từ hơn 451.000 bản ghi thô, kỹ thuật định hình ma trận dữ liệu 3 chiều và quy trình lập trình mô hình LSTM trên nền tảng Keras/TensorFlow.
  2. Chuyên viên thẩm định giá và phân tích thị trường tại các định chế tài chính và quỹ đầu tư: Khai thác khung tham chiếu định lượng độc lập để đánh giá rủi ro và xác định chu kỳ biến động giá căn hộ khu vực Nam Sài Gòn với sai số MSE thực nghiệm chỉ 0,01.
  3. Kỹ sư phần mềm và nhà phát triển sản phẩm PropTech: Ứng dụng trực tiếp pipeline xử lý dữ liệu thời gian thực và thuật toán chuẩn hóa MinMaxScaler vào module gợi ý giá thông minh trên các nền tảng thương mại điện tử bất động sản.
  4. Người mua nhà cá nhân, gia đình trẻ và nhà đầu tư cá thể: Tiếp cận bức tranh toàn cảnh về xu hướng giá bán và giá thuê căn hộ trong 5 năm, từ đó chủ động quản lý ngân sách và lựa chọn thời điểm giao dịch tối ưu nhất.

Câu hỏi thường gặp

Tại sao mô hình LSTM lại vượt trội hơn mạng RNN truyền thống trong dự báo giá bất động sản?

Mạng RNN truyền thống gặp hiện tượng triệt tiêu đạo hàm khi chuỗi thời gian kéo dài, khiến mô hình chỉ ghi nhớ được các bước giá gần nhất. Kiến trúc LSTM giải quyết triệt để vấn đề này nhờ ô nhớ trạng thái kết hợp 3 cổng kiểm soát (quên, vào, ra), cho phép lưu giữ xu hướng giá qua toàn bộ chuỗi 60 tháng với sai số MSE tiệm cận 0,01.

Dữ liệu nghiên cứu được thu thập từ nguồn nào và xử lý ra sao?

Toàn bộ dữ liệu được trích xuất từ cổng thông tin batdongsan.vn với quy mô ban đầu 451.608 bản ghi chứa 50 thuộc tính. Dữ liệu sau đó được tinh lọc riêng cho phân khúc căn hộ Quận 7, xử lý khuyết thiếu, khử trùng lặp và chuẩn hóa về thang đo 0 đến 1 bằng công cụ MinMaxScaler trên 60 mốc tháng liên tục.

Vì sao mô hình dự báo giá bán căn hộ lại có độ chính xác cao hơn giá cho thuê?

Trong thực tế, giá bán căn hộ biến động có quy luật rõ ràng theo hạ tầng đô thị và xu hướng tăng trưởng dài hạn từ 26 lên 35 triệu đồng/m2. Ngược lại, giá thuê biến động thất thường do phụ thuộc vào mùa di dời của người thuê và các hợp đồng ngắn hạn, tạo ra độ nhiễu lớn hơn khiến sai số của giá thuê cao hơn giá bán.

Tỷ lệ phân chia dữ liệu huấn luyện và kiểm nghiệm nào cho kết quả tốt nhất?

Thực nghiệm so sánh 3 kịch bản phân chia cho thấy tỷ lệ 80% huấn luyện và 20% kiểm nghiệm mang lại kết quả tối ưu nhất với sai số dự báo bám sát giá thực tế nhất. Khi giảm tỷ lệ huấn luyện xuống 50%, sai số kiểm nghiệm tăng thêm hơn 12% do mô hình không đủ dữ liệu học mẫu.

Nghiên cứu có thể mở rộng cho các quận huyện khác tại TP.HCM như thế nào?

Quy trình tiền xử lý và kiến trúc LSTM được thiết kế dưới dạng khung module tái sử dụng cao. Khi mở rộng sang các khu vực khác như Thành phố Thủ Đức hay Quận 2, người dùng chỉ cần nạp chuỗi dữ liệu giá tương ứng và tinh chỉnh số epochs huấn luyện từ 100 đến 150 để đạt độ chính xác tối ưu.

Kết luận

  • Xây dựng thành công quy trình trích xuất và tiền xử lý dữ liệu quy mô lớn từ 451.608 bản ghi bất động sản tại TP.HCM.
  • Ứng dụng hiệu quả kiến trúc học sâu LSTM để mô hình hóa và dự báo chuỗi thời gian giá bán và giá thuê căn hộ qua 60 mốc tháng liên tục từ 2015 đến 2020.
  • Chứng minh tính ưu việt của mô hình LSTM với sai số MSE chỉ xấp xỉ 0,01, vượt trội hơn so với mô hình ARIMA truyền thống (MSE đạt 0,01897).
  • Làm sáng tỏ bức tranh tăng trưởng của phân khúc căn hộ chung cư Quận 7 với mức tăng giá bán đạt hơn 34,6% trong chu kỳ 5 năm.
  • Cung cấp giải pháp định lượng khoa học giúp người mua nhà và các tổ chức đầu tư giảm thiểu rủi ro tài chính trước chu kỳ biến động 10 năm của thị trường.

Đóng góp chính của luận văn là thiết lập cầu nối vững chắc giữa công nghệ học sâu hiện đại và bài toán định giá tài sản thực tế tại Việt Nam. Trong giai đoạn 2024 - 2026, hướng nghiên cứu tiếp theo sẽ tập trung mở rộng mô hình đa biến kết hợp dữ liệu kinh tế vĩ mô và hạ tầng giao thông. Hãy khai thác ngay khung phương pháp luận và mô hình học sâu này để nâng cao hiệu quả phân tích và định giá bất động sản trong kỷ nguyên số!