The Influence of operating costs on the profitability of the short-term rentals. A comparison study between short-term and long-term rental strategies using machine learning approach
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Μaster in Real Estate, School of Architecture, Engineering, Land and Environment, Neapolis University Pafos
Abstract
Short-term rental platforms such as Airbnb and Booking have changed how property owners in touristic cities approach their investment decisions. For a property owner in Pafos, Cyprus, the choice between renting out an apartment short-term to tourists or long-term to a tenant is not obvious. The wide-spread assumption is that short-term rental yields higher annual income due to higher nightly rates during the peak tourist season. This thesis tests this assumption using a private dataset of 16 apartments managed by a local property management company in Pafos in the period from March 2025 to February 2026.
Unlike most previous studies, our dataset contains real booking revenues and real itemized operating costs, namely management fees, electricity, water, internet, communal bills, and maintenance. This allows us to calculate the actual monthly profit for each apartment. We use this data to train three machine learning regression models, namely Multiple Linear Regression, k-Nearest Neighbors Regression, and Random Forest Regression. The models are tuned using a grid search with cross-validation and evaluated on a hold-out test set using the R2 score. The Random Forest Regressor performed best among the three models, reaching R2 score of
0.75 on the test set and 0.821 on the full dataset.
We used our best model to predict the annual profit for four artificially constructed apartment types: one-bedroom and two-bedroom apartments, each with and with-out a swimming pool. The predicted annual profits from short-term rental were then compared with long-term rental price benchmarks obtained from an experienced lo-cal real estate agent. Our results show that the annual profit from long-term rental is higher for all four apartment types compared to the predicted short-term profit. For a two-bedroom apartment, the lowest long-term rental estimate of 1200 Euro/month gives an annual income of 14400 Euro, while the best short-term prediction reached only 12025.75 Euro. For a one-bedroom apartment, the difference is 10800 Euro against 8803.33 Euro respectively. The main reason for this result is the combination of high seasonality and fixed operating costs that have to be paid even during the low-occupancy winter months.
We also find that two-bedroom apartments produce higher monthly profits than one-bedroom units for most months of the year, and that the availability of a swim-ming pool has a small positive effect on profit, with the largest difference of below60 Euro observed in August. One-bedroom apartments show 21.5% lower annual profit volatility than two-bedroom ones, which makes them a more stable option for risk-averse investors.
Description
Οι πλατφόρμες βραχυχρόνιας μίσθωσης όπως η Airbnb και η Booking.com έχουν αλλάξει τον τρόπο με τον οποίο οι ιδιοκτήτες ακινήτων σε τουριστικές πόλεις προσεγγίζουν τις επενδυτικές τους αποφάσεις. Για έναν ιδιοκτήτη ακινήτου στην Pafos, η επιλογή μεταξύ της βραχυχρόνιας ενοικίασης ενός διαμερίσματος σε τουρίστες και της μακροχρόνιας μίσθωσής του σε έναν ενοικιαστή δεν είναι προφανής. Η ευρέως διαδεδομένη υπόθεση είναι ότι η βραχυχρόνια μίσθωση αποφέρει υψηλότερο ετήσιο εισόδημα λόγω των υψηλότερων ημερήσιων τιμών κατά την περίοδο αιχμής του τουρισμού.
Η παρούσα διπλωματική εργασία εξετάζει αυτή την υπόθεση χρησιμοποιώντας ένα ιδιωτικό σύνολο δεδομένων που περιλαμβάνει 16 διαμερίσματα, τα οποία δια-χειρίζεται μια τοπική εταιρεία διαχείρισης ακινήτων στην Πάφο, για την περίοδο από τον Μάρτιο του 2025 έως τον Φεβρουάριο του 2026.
Σε αντίθεση με τις περισσότερες προηγούμενες μελέτες, το σύνολο δεδομένων μας περιέχει πραγματικά έσοδα από κρατήσεις καθώς και πραγματικά αναλυτικά λειτουργικά κόστη, συγκεκριμένα αμοιβές διαχείρισης, ηλεκτρικό ρεύμα, νερό, διαδίκτυο, κοινόχρηστα και έξοδα συντήρησης. Αυτό μας επιτρέπει να υπολογίσουμε το πραγματικό μηνιαίο κέρδος για κάθε διαμέρισμα.
Χρησιμοποιούμε αυτά τα δεδομένα για την εκπαίδευση τριών μοντέλων παλινδρόμησης μηχανικής μάθησης, συγκεκριμένα της Πολλαπλής Γραμμικής Παλινδρόμησης, της Παλινδρόμησης k-Πλησιέστερων Γειτόνων (k-Nearest Neighbors Regression) και της Παλινδρόμησης Τυχαίου Δάσους (Random Forest Regression). Τα μοντέλα βελτιστοποιούνται μέσω αναζήτησης πλέγματος (grid search) με διασταυρούμενη επικύρωση (cross-validation) και αξιολογούνται σε ανεξάρτητο σύνολο ελέγχου χρησιμοποιώντας τον δείκτη R2. Ο Random Forest Regressor παρουσίασε την καλύτερη απόδοση μεταξύ των τριών μοντέλων, επιτυγχάνοντας δείκτη R2 ίσο με 0.75 στο σύνολο ελέγχου και 0.821 στο πλήρες σύνολο δεδομένων.
Χρησιμοποιήσαμε το καλύτερο μοντέλο μας για να προβλέψουμε το ετήσιο κέρδος για τέσσερις τεχνητά κατασκευασμένους τύπους διαμερισμάτων: διαμερίσματα ενός υπνοδωματίου και δύο υπνοδωματίων, τόσο με όσο και χωρίς πισίνα. Τα προβλεπόμενα ετήσια κέρδη από βραχυχρόνια μίσθωση συγκρίθηκαν στη συνέχεια με τιμές αναφοράς μακροχρόνιας ενοικίασης που αποκτήθηκαν από έμπειρο τοπικό κτηματομεσίτη.
v
Τα αποτελέσματά μας δείχνουν ότι το ετήσιο κέρδος από τη μακροχρόνια μίσθωση είναι υψηλότερο και για τους τέσσερις τύπους διαμερισμάτων σε σύγκριση με το προβλεπόμενο κέρδος από τη βραχυχρόνια μίσθωση. Για ένα διαμέρισμα δύο υπνοδωματίων, η χαμηλότερη εκτίμηση μακροχρόνιας ενοικίασης, ύψους 1200 ευρώ τον μήνα, αποφέρει ετήσιο εισόδημα 14400 ευρώ, ενώ η καλύτερη πρόβλεψη για βραχυχρόνια μίσθωση έφτασε μόλις τα 12025.75 ευρώ. Για ένα διαμέρισμα ενός υπνοδωματίου, η αντίστοιχη διαφορά είναι 10800 ευρώ έναντι 8803.33 ευρώ. Ο κύριος λόγος για αυτό το αποτέλεσμα είναι ο συνδυασμός της έντονης εποχικότητας και των σταθερών λειτουργικών εξόδων, τα οποία πρέπει να καταβάλλονται ακόμη και κατά τους χειμερινούς μήνες χαμηλής πληρότητας.
Επιπλέον, διαπιστώνουμε ότι τα διαμερίσματα δύο υπνοδωματίων παράγουν υψηλότερα μηνιαία κέρδη από τα διαμερίσματα ενός υπνοδωματίου για τους περισσότερους μήνες του έτους, ενώ η ύπαρξη πισίνας έχει μια μικρή θετική επίδραση στο κέρδος, με τη μεγαλύτερη διαφορά, μικρότερη των 60 ευρώ, να παρατηρείται τον Αύγουστο. Τα διαμερίσματα ενός υπνοδωματίου παρουσιάζουν 21.5% χαμηλότερη ετήσια μεταβλητότητα κέρδους σε σύγκριση με εκείνα των δύο υπνοδωματίων, γεγονός που τα καθιστά μια πιο σταθερή επιλογή για επενδυτές με χαμηλότερη ανοχή στον κίνδυνο.