{"id":3487,"date":"2024-01-26T15:28:01","date_gmt":"2024-01-26T14:28:01","guid":{"rendered":"https:\/\/www.analyticsarts.it\/?p=3487"},"modified":"2025-11-24T15:32:57","modified_gmt":"2025-11-24T14:32:57","slug":"mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii","status":"publish","type":"post","link":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/","title":{"rendered":"Mercato Immobiliare a Milano: Un&#8217;Indagine sulle Transazioni Residenziali"},"content":{"rendered":"<div class=\"wpb-content-wrapper\">[vc_row][vc_column][vc_column_text css=&#8221;.vc_custom_1705482115806{margin-bottom: 0px !important;}&#8221;]\n<p><img loading=\"lazy\" decoding=\"async\" class=\"size-thumbnail wp-image-5402 alignnone\" src=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/11\/michele-branca.jpg\" alt=\"\" width=\"150\" height=\"150\" \/><\/p>\n<p style=\"font-size: 12px; margin: 0px; line-height: 1.2; text-align: left;\">Autore:<a href=\"https:\/\/www.linkedin.com\/in\/michele-branca-678992257\/\"> Michele Branca<\/a><br \/>\nDate: 26-01-2024<\/p>\n<p>&nbsp;<\/p>\n<p><em>INTRODUZIONE<\/em><br \/>\nQuesto elaborato parte da una visione ampia e generale del mercato immobiliare residenziale e delle sue dinamiche per poi entrare nel particolare e andare pi\u00f9 in profondit\u00e0 nel mercato milanese. Per questo motivo la ricerca \u00e8 suddivisa in tre sezioni: nella prima \u00e8 stato approfondito il contesto del mercato immobiliare, con un focus particolare su quello residenziale nel mercato italiano e in quello milanese. Da questo approfondimento \u00e8 emerso che il mercato immobiliare \u00e8 strettamente connesso a delle dinamiche esterne, le quali sono principalmente variabili macroeconomiche, come ad esempio il PIL, il debito pubblico, la politica monetaria, il mercato del credito e l\u2019inflazione.<\/p>\n<p>A questo punto l\u2019interesse era volto a capire se esistessero delle dinamiche interne ai mercati e se avessero effetti diversi nei diversi mercati. La scoperta, grazie alla letteratura di riferimento, \u00e8 stata che le dinamiche interne del mercato, date dalla combinazione tra domanda e offerta primaria e domanda e offerta secondaria, in risposta alle mutevoli dinamiche esterne, riflettono fasi cicliche negli andamenti dei prezzi e del numero di transazioni immobiliari. Questo da vita ad un particolare modello nel mercato immobiliare residenziale conosciuto come Honeycomb Cycle o modello esagonale, composto da 6 fasi che riflettono diverse combinazioni negli andamenti di prezzi e volumi. Qui si colloca la seconda sezione della ricerca in questo lavoro, la quale \u00e8 dedicata a sondare il fatto che il mercato di Milano possa rispettare questo determinato andamento ciclico e qualora possa essere effettivamente comparabile a quello eventualmente riscontrato in altri mercati, come quello nazionale. I risultati di questa prima ricerca ci spingono a ritenere che il comportamento del prezzo su Milano unico rispetto agli altri mercati. Per questo la ricerca prosegue con una terza sezione, la quale ha l\u2019intento di identificare le caratteristiche che influenzano la vendita di un immobile e di capire, in particolar modo, cosa determina il prezzo nel mercato milanese.<\/p>\n<p>&nbsp;<\/p>\n<p><em>METODOLOGIA<\/em><\/p>\n<p>Nella prima ricerca, con l\u2019obiettivo di realizzare le rappresentazioni grafiche volte ad evidenziare la ciclicit\u00e0 del mercato nell\u2019andamento combinato tra i volumi di compravendita e i prezzi degli immobili, sono stati effettuati i seguenti passaggi:<\/p>\n<ul>\n<li>DATA COLLECTION:<\/li>\n<\/ul>\n<p>La fonte utilizzata per i prezzi degli immobili residenziali \u00e8 la banca dati dell\u2019Istat. Per quanto concerne i dati relativi alle transazioni immobiliari residenziali, sono stati ottenuti dalla banca dati dell\u2019Osservatorio Immobiliare dell\u2019Agenzia delle Entrate. I prezzi sono stati raccolti come sequenza annuale sottoforma di indice dei prezzi delle abitazioni (Ipab) (con base 100 nel 2015) dal 2011 al 2022. Le transazioni sono state prelevate come sequenza trimestrale del numero delle transazioni normalizzate (NTN) dal 2011 al 2022;<\/p>\n<ul>\n<li>DATA INTEGRATION:<\/li>\n<\/ul>\n<p>Per rendere uniformi e confrontabili le due serie di dati \u00e8 stato eseguito un processo di indicizzazione del NTN, realizzando un indice annuale delle transazioni (con base 100 nel 2015) assimilabile a quello dei prezzi (Ipab);<\/p>\n<ul>\n<li>GRAPHIC DESIGN:<\/li>\n<\/ul>\n<p>Sono state realizzate due tipologie di grafici per i mercati considerati (Italia, Milano e Torino): un grafico a linee per valutare l\u2019evoluzione delle due curve; un grafico prezzi\/transazioni con gli indici sugli assi e i valori espressi con un punto per ogni anno osservato (per evidenziare la forma del modello ciclico esagonale).<\/p>\n<p>Nella seconda ricerca, con lo scopo di individuare le variabili che esercitano un impatto significativo sul valore e sulla tempistica di vendita di un immobile, \u00e8 stata effettuata un\u2019analisi attraverso l&#8217;impiego di due modelli di regressione multipla lineare, utilizzando il software statistico SPSS con metodo \u2018Enter\u2019. Le fasi di realizzazione dei modelli sono state le seguenti:<\/p>\n<ul>\n<li>DATA COLLECTION:<\/li>\n<\/ul>\n<p>\u00c8 stato utilizzato un dataset, fornito dalla societ\u00e0 Wikicasa, con pi\u00f9 di 260\u2019000 immobili che sono stati transati attraverso gli annunci di vendita sul portale Wikicasa.it tra il 2019 e il 2023. Ogni immobile (righe) \u00e8 associato ad una serie di caratteristiche (colonne);<\/p>\n<ul>\n<li>DATA SELECTION:<\/li>\n<\/ul>\n<p>Sono stati selezionati solo gli annunci relativi alla vendita (pi\u00f9 di 150\u2019000 immobili). Tra questi sono state filtrate e utilizzate le abitazioni appartenenti nelle seguenti categorie: appartamento; attico; casa indipendente; loft; villa; villa a schiera;<\/p>\n<ul>\n<li>DATA CLEANING:<\/li>\n<\/ul>\n<p>Sono state eseguite le seguenti rimozioni dal dateset con il fine di una fruizione migliore per le analisi di regressione: rimozione degli immobili con dati mancanti; rimozione degli immobili senza una data di eliminazione dal portale; rimozione degli outliers;<\/p>\n<ul>\n<li>ANALISI PRELIMINARI:<\/li>\n<\/ul>\n<p>\u00c8 stata effettuata un\u2019analisi descrittiva univariata sulle variabili, nello specifico sono state indagate la media, la std. deviation, la Skewness e la Kurtosis. Successivamente \u00e8 stata svolta l\u2019analisi della multicollinearit\u00e0, attraverso la matrice di correlazione e l\u2019analisi dei VIF.<\/p>\n<p>Infine, \u00e8 stata eseguita la rimozione o l\u2019aggregazione di alcune variabili per risolvere i problemi di correlazione;<\/p>\n<ul>\n<li>ANALISI DI REGRESSIONE:<\/li>\n<\/ul>\n<p>Sono stati costruiti due modelli, attraverso la regressione lineare multipla, per le variabili indipendenti Prezzo e Tempo di Vendita.<\/p>\n<p>&nbsp;<\/p>\n<p><em>ANALISI DEI RISULTATI<\/em><\/p>\n<p>Per quanto riguarda i risultati della prima ricerca:<\/p>\n<p>Il grafico sull\u2019hexagonal model rappresenta l\u2019idea dell\u2019Honeycomb cycle con i prezzi sulle ascisse e le transazioni sulle ordinate. Per via della forma assunta \u00e8 noto anche come modello esagonale. Il ciclo secondo la teoria \u00e8 destinato a ripetersi con il susseguirsi cronologico delle 6 fasi, che prevendono diverse combinazioni negli andamenti delle transazioni e dei prezzi residenziali.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3489 aligncenter\" src=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture1.png\" alt=\"\" width=\"325\" height=\"308\" \/><\/p>\n<p>Figura 1: <strong>Modello esagonale<\/strong><\/p>\n<p>Un\u2019altra ricerca, effettuata dall\u2019Ufficio Statistiche e studi sul mercato immobiliare dell\u2019Agenzia del Territorio, individua, dal 2001 al 2010, le prime tre fasi del ciclo nel mercato italiano. Il grafico sull\u2019Italia mostra come dal 2011 al 2022 si manifesti effettivamente un proseguimento del ciclo con la quarta fase fino al 2013, la quinta dal 2013 al 2015 e si assiste alla sesta fase, con una stazionariet\u00e0 nei prezzi, dal 2015 al 2019. Il valore del 2020 \u00e8 ovviamente viziato dalle conseguenze dovute alla pandemia del covid, la quale probabilmente ha agito da freno per la ripetizione del ciclo. Tuttavia, i valori del 2021 e del 2022 ci possono fare pensare ad una ripresa del modello ciclico, il quale, pertanto, ricomincia dalla fase 1.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3491 aligncenter\" src=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture2-300x177.png\" alt=\"\" width=\"600\" height=\"354\" \/><\/p>\n<p>Figura 2: <strong>grafico Honecomb<\/strong><strong> cycle per Italia<\/strong><\/p>\n<p>Nell\u2019analisi su Milano, il grafico restituisce degli andamenti molto simili ai risultati sull\u2019Italia in termini di transazioni, ma completamente differenti in termini di prezzi. Per questo motivo, su Milano non sono state identificabili la fase 3 e la fase 6 del modello, ovvero quelle fasi che prevedono un periodo di stabilit\u00e0 dei prezzi. Su Milano si assiste ad una crescita esponenziale dei prezzi dal 2015 in poi. Al contrario, il caso di Torino dimostra che il modello possa essere effettivamente applicabile anche ad un contesto metropolitano oltre che nazionale. Tuttavia, rispetto al mercato italiano, sono presenti delle lievi differenze in termini di sfasamento temporale nel verificarsi delle fasi.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3493 aligncenter\" src=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture3-300x177.png\" alt=\"\" width=\"600\" height=\"354\" \/><\/p>\n<p>Figura 3: <strong>grafico Honeycomb cycle per Milano<\/strong><\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3495 aligncenter\" src=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture4-300x177.png\" alt=\"\" width=\"600\" height=\"354\" \/><\/p>\n<p>Figura 4: <strong>grafico Honeycomb cycle per Torino<\/strong><\/p>\n<p>L\u2019attenzione sar\u00e0 ora indirizzata ai risultati della seconda ricerca, riguardanti il modello di regressione sul prezzo per metro quadro di un immobile.<\/p>\n<p>Il coefficiente di determinazione \u00e8 abbastanza alto e superiore allo 0.6, il che indica che tale variabile dipendente pu\u00f2 essere spiegata in buona parte dalle variabili indipendenti che vediamo sulla destra. Dall\u2019esame dei coefficienti beta standardizzati, che esprimono una misura relativizzata dell\u2019impatto delle x sulla variabile dipendente, emerge chiaramente che la Zona \u00e8 la variabile con il coefficiente pi\u00f9 elevato, pari a 0,644. A seguire, in ordine di grandezza, abbiamo la Classe Energetica, con un beta di 0,124, l\u2019Ascensore, con 0,100, la Data di Pubblicazione e le Condizioni dell\u2019Immobile, entrambe con coefficienti leggermente inferiori allo 0,1. Le restanti variabili, seppur significative nel modello, influenzano in maniera molto residuale, in termini relativi, il valore del Prezzo\/Metri Quadri.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3497 aligncenter\" src=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture5-300x52.png\" alt=\"\" width=\"352\" height=\"61\" \/><\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3499 aligncenter\" src=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture6-300x300.png\" alt=\"\" width=\"350\" height=\"350\" srcset=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture6-300x300.png 300w, https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture6-150x150.png 150w, https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture6.png 494w\" sizes=\"auto, (max-width: 350px) 100vw, 350px\" \/><\/p>\n<p>&nbsp;<\/p>\n<p><em>CONCLUSIONI<\/em><\/p>\n<p>Tirando le somme con questo lavoro \u00e8 stato possibile comprendere che il mercato immobiliare residenziale in Italia attraversa delle fasi cicliche e, in particolare, segue il modello esagonale o Honeycomb Cycle con l\u2019andamento combinato di prezzi e transazioni osservato in precedenza. Questo ciclo sembra avere una durata circa ventennale e presenta delle lievi differenze tra mercato nazionale e livello metropolitano, date soprattutto da uno sfasamento temporale nel verificarsi delle fasi cicliche. Questa evidenza di ripetizione di certi andamenti nel mercato comporta, come sostenuto dalla letteratura di riferimento, importanti implicazioni strategiche per gli investitori, i quali possono beneficiare di una sorta di effetto di attesa e aspettativa sugli andamenti e possono valutare le opportunit\u00e0 o rischi degli investimenti.<\/p>\n<p>Un altro insight rilevante per il mercato \u00e8 l\u2019importanza del volume delle transazioni di compravendita, il quale gioca un ruolo fondamentale nel mercato essendo particolarmente reattivo, molto pi\u00f9 del prezzo, sia ai fattori esogeni che a quelli endogeni. Nei periodi di stazionariet\u00e0 dei prezzi, riscontrati nella terza e nella sesta fase del modello esagonale, si crea una dinamica interna al mercato, nella quale rivestono un\u2019importanza fondamentale la domanda e l&#8217;offerta secondaria: i richiedenti (e i fornitori) secondari, infatti, possono reagire ai cambiamenti esterni modificando il volume senza influenzare i prezzi.<\/p>\n<p>Dalla prima ricerca, nell\u2019analisi su Milano, \u00e8 emerso che, seppur in termini di transazioni, l\u2019andamento risulta essere praticamente identico a quello del mercato italiano e a quello del mercato di Torino, la tendenza dei prezzi \u00e8 unica rispetto agli altri mercati. Questo non solo in termini di crescita notevolmente superiore del valore degli immobili, ma anche come elevata dinamicit\u00e0 dei prezzi, i quali non rispettano le fasi di stazionariet\u00e0 ciclica osservata, invece, negli altri mercati. \u00c8 possibile notare quasi un\u2019indipendenza dei prezzi da fattori esterni, ma in particolar modo \u00e8 da considerare il fatto che vi \u00e8 probabilmente una sproporzione tra la domanda e l\u2019offerta, come evidenziato nel primo capitolo di questo lavoro. A fronte di ci\u00f2, \u00e8 possibile affermare che Milano riflette effettivamente un indice IMI (indicatore che misura l\u2019intensit\u00e0 di un mercato immobiliare e rappresenta la movimentazione del mercato immobiliare in termini di transazioni di compravendita effettuate sul totale dello stock di immobili presenti nel territorio considerato) pi\u00f9 elevato rispetto alle altre citt\u00e0. Questi motivi generano poi una continua aspettativa di crescita e di fiducia da parte degli investitori e dei consumatori, causando di fatti un circolo che si autoalimenta.<\/p>\n<p>Il fattore che maggiormente determina il prezzo di un immobile a Milano \u00e8 la zona e nelle analisi \u00e8 emerso quanto sia impattante la distanza dal centro della citt\u00e0, che comporta un crescendo cospicuo dei valori all\u2019avvinarsi alle zone centrali. Questo si collega con il fatto che l\u2019offerta nella citt\u00e0 di Milano non riesce a tenere il passo della domanda e, in particolare, nelle zone pi\u00f9 centrali, il mercato \u00e8 in fase di saturazione. Le evidenze fornite dal primo capitolo suggeriscono che la citt\u00e0 di Milano, intesa come centro urbano, presenta una pi\u00f9 alta percentuale di immobili di piccole dimensioni rispetto alle altre citt\u00e0 e di monolocali. In tal senso si \u00e8 venuta a creare una dinamica di mancanza di spazi, che testimonia la saturazione del mercato nelle zone centrali.<\/p>\n<p>Da qui nasce il collegamento al fenomeno, approfondito nella fase iniziale della ricerca, che riguarda la migrazione della domanda di abitazioni dalla citt\u00e0 verso la Periferia e la provincia, la quale \u00e8 motivata ovviamente da ragioni economiche e dalla maggiore disponibilit\u00e0 di immobili residenziali. A sostegno di ci\u00f2, \u00e8 utile notare che il dataset utilizzato per le analisi di regressione \u00e8 composto per circa il 75% da annunci di immobili collocati nella categoria \u2018periferia\u2019 e da percentuali nettamente inferiori per le zone pi\u00f9 centrali. Tale fenomeno comporter\u00e0 via via un maggiore inglobamento della periferia e della provincia nei confini della citt\u00e0, i quali saranno sempre pi\u00f9 difficili da definire. Grazie ad una struttura efficiente dei trasporti, alla diffusione del lavoro ibrido e alle ragioni appena discusse, pertanto, si continuer\u00e0 ad assistere al processo di \u2018gentrification\u2019, che comporta una crescente urbanizzazione delle zone periferiche e delle aeree urbane marginali. Questo processo ha un carattere sociologico oltre che economico, in termini di riqualificazione urbana e di rivalutazione dei valori immobiliari.<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3501 alignleft\" src=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture7-300x180.png\" alt=\"\" width=\"325\" height=\"195\" \/><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3503 alignright\" src=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture8-300x180.png\" alt=\"\" width=\"326\" height=\"195\" \/><\/p>\n<p>&nbsp;<\/p>\n<p>&nbsp;<\/p>\n<p>&nbsp;<\/p>\n<p>&nbsp;<\/p>\n<p><img loading=\"lazy\" decoding=\"async\" class=\"wp-image-3505 aligncenter\" src=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/picture9-300x90.png\" alt=\"\" width=\"994\" height=\"298\" \/><\/p>\n<p>Figura 5: <strong>sulla sinistra<\/strong> quote NTN 2022 delle principali citt\u00e0 per classi dimensionali delle abitazioni; <strong>sulla destra<\/strong> quote NTN 2022 delle principali provincie per classi dimensionali delle abitazioni<\/p>\n<p>In conclusione, \u00e8 possibile sostenere che il mercato stia sviluppando, almeno in parte, una tendenza green. Tale tendenza \u00e8 caratterizzata dalla ricerca da parte della domanda di immobili con caratteristiche pi\u00f9 sostenibili e efficienti dal punto di vista energetico, ma anche, e soprattutto, sul fronte dell\u2019offerta le nuove costruzioni presentano livelli di efficienza energetica molto pi\u00f9 elevati rispetto alla media. Questo \u00e8 particolarmente rilevante alla luce della recente direttiva europea sulle prestazioni energetiche degli edifici, la quale prevede che entro il 2030 tutti gli immobili residenziali debbano rientrare nella classe energetica E e nella classe D entro il 2033. Pertanto, la volont\u00e0 generale sembrerebbe di indirizzare il mercato in tal senso.<\/p>\n<p>Ulteriori studi e ricerche future potrebbero approfondire le dinamiche interne al mercato immobiliare residenziale e, in particolare, sarebbe necessario disporre di dati che consentano di separare gli acquirenti e i venditori di abitazioni rispettivamente in richiedenti e fornitori primari e secondari. In questo modo, sarebbe possibile distinguere il mercato primario da coloro che acquistano o vendono propriet\u00e0 esistenti. Questa suddivisione dovrebbe garantire di essere in grado di studiare come i partecipanti primari e secondari reagiscono in diverse condizioni di mercato, permettendo una comprensione pi\u00f9 approfondita dei fattori che influenzano la produzione di nuove abitazioni e del funzionamento delle dinamiche interne al mercato.<\/p>\n<\/div>","protected":false},"excerpt":{"rendered":"<p><img decoding=\"async\" src=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/11\/michele-branca.jpg\" style=\"max-width:50px; height:auto; border-radius:50%;\"><\/p>\n<p>Michele Branca<\/p>\n<p>Questo elaborato parte da una visione ampia e generale del mercato immobiliare residenziale e delle sue dinamiche per poi entrare nel particolare e andare pi\u00f9 in profondit\u00e0 nel mercato milanese.<\/p>\n","protected":false},"author":6,"featured_media":3527,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[127],"tags":[38,39,40],"class_list":["post-3487","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ricerche-quantitative","tag-real-estate-it","tag-regression-analysis-it","tag-survey-analysis-it"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.7 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Mercato Immobiliare a Milano: Un&#039;Indagine sulle Transazioni Residenziali - Analytics Arts<\/title>\n<meta name=\"description\" content=\"Questo elaborato parte da una visione ampia e generale del mercato immobiliare residenziale e delle sue dinamiche per poi entrare nel particolare e andare pi\u00f9 in profondit\u00e0 nel mercato milanese.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Mercato Immobiliare a Milano: Un&#039;Indagine sulle Transazioni Residenziali - Analytics Arts\" \/>\n<meta property=\"og:description\" content=\"Questo elaborato parte da una visione ampia e generale del mercato immobiliare residenziale e delle sue dinamiche per poi entrare nel particolare e andare pi\u00f9 in profondit\u00e0 nel mercato milanese.\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/\" \/>\n<meta property=\"og:site_name\" content=\"Analytics Arts\" \/>\n<meta property=\"article:published_time\" content=\"2024-01-26T14:28:01+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-11-24T14:32:57+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/screenshot-2025-05-13-153440.png\" \/>\n\t<meta property=\"og:image:width\" content=\"604\" \/>\n\t<meta property=\"og:image:height\" content=\"456\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Analytics\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"Analytics\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"12 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/\"},\"author\":{\"name\":\"Analytics\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/1a33062a7b339804c2f2c9d287a97f54\"},\"headline\":\"Mercato Immobiliare a Milano: Un&#8217;Indagine sulle Transazioni Residenziali\",\"datePublished\":\"2024-01-26T14:28:01+00:00\",\"dateModified\":\"2025-11-24T14:32:57+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/\"},\"wordCount\":2176,\"image\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2025\\\/05\\\/screenshot-2025-05-13-153440.png\",\"keywords\":[\"real estate\",\"Regression Analysis\",\"Survey Analysis\"],\"articleSection\":[\"Ricerche Quantitative\"],\"inLanguage\":\"it-IT\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/\",\"name\":\"Mercato Immobiliare a Milano: Un'Indagine sulle Transazioni Residenziali - Analytics Arts\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2025\\\/05\\\/screenshot-2025-05-13-153440.png\",\"datePublished\":\"2024-01-26T14:28:01+00:00\",\"dateModified\":\"2025-11-24T14:32:57+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/1a33062a7b339804c2f2c9d287a97f54\"},\"description\":\"Questo elaborato parte da una visione ampia e generale del mercato immobiliare residenziale e delle sue dinamiche per poi entrare nel particolare e andare pi\u00f9 in profondit\u00e0 nel mercato milanese.\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2025\\\/05\\\/screenshot-2025-05-13-153440.png\",\"contentUrl\":\"https:\\\/\\\/www.analyticsarts.it\\\/wp-content\\\/uploads\\\/2025\\\/05\\\/screenshot-2025-05-13-153440.png\",\"width\":604,\"height\":456},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/post\\\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Mercato Immobiliare a Milano: Un&#8217;Indagine sulle Transazioni Residenziali\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#website\",\"url\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/\",\"name\":\"Analytics Arts\",\"description\":\"\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"it-IT\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.analyticsarts.it\\\/it\\\/#\\\/schema\\\/person\\\/1a33062a7b339804c2f2c9d287a97f54\",\"name\":\"Analytics\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"it-IT\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/3061035ce48c4981a995c7d82b3c05b396ea9e60e2cf359c00e6a5ccad78761b?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/3061035ce48c4981a995c7d82b3c05b396ea9e60e2cf359c00e6a5ccad78761b?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/3061035ce48c4981a995c7d82b3c05b396ea9e60e2cf359c00e6a5ccad78761b?s=96&d=mm&r=g\",\"caption\":\"Analytics\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Mercato Immobiliare a Milano: Un'Indagine sulle Transazioni Residenziali - Analytics Arts","description":"Questo elaborato parte da una visione ampia e generale del mercato immobiliare residenziale e delle sue dinamiche per poi entrare nel particolare e andare pi\u00f9 in profondit\u00e0 nel mercato milanese.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/","og_locale":"it_IT","og_type":"article","og_title":"Mercato Immobiliare a Milano: Un'Indagine sulle Transazioni Residenziali - Analytics Arts","og_description":"Questo elaborato parte da una visione ampia e generale del mercato immobiliare residenziale e delle sue dinamiche per poi entrare nel particolare e andare pi\u00f9 in profondit\u00e0 nel mercato milanese.","og_url":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/","og_site_name":"Analytics Arts","article_published_time":"2024-01-26T14:28:01+00:00","article_modified_time":"2025-11-24T14:32:57+00:00","og_image":[{"width":604,"height":456,"url":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/screenshot-2025-05-13-153440.png","type":"image\/png"}],"author":"Analytics","twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"Analytics","Tempo di lettura stimato":"12 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/#article","isPartOf":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/"},"author":{"name":"Analytics","@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/1a33062a7b339804c2f2c9d287a97f54"},"headline":"Mercato Immobiliare a Milano: Un&#8217;Indagine sulle Transazioni Residenziali","datePublished":"2024-01-26T14:28:01+00:00","dateModified":"2025-11-24T14:32:57+00:00","mainEntityOfPage":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/"},"wordCount":2176,"image":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/#primaryimage"},"thumbnailUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/screenshot-2025-05-13-153440.png","keywords":["real estate","Regression Analysis","Survey Analysis"],"articleSection":["Ricerche Quantitative"],"inLanguage":"it-IT"},{"@type":"WebPage","@id":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/","url":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/","name":"Mercato Immobiliare a Milano: Un'Indagine sulle Transazioni Residenziali - Analytics Arts","isPartOf":{"@id":"https:\/\/www.analyticsarts.it\/it\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/#primaryimage"},"image":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/#primaryimage"},"thumbnailUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/screenshot-2025-05-13-153440.png","datePublished":"2024-01-26T14:28:01+00:00","dateModified":"2025-11-24T14:32:57+00:00","author":{"@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/1a33062a7b339804c2f2c9d287a97f54"},"description":"Questo elaborato parte da una visione ampia e generale del mercato immobiliare residenziale e delle sue dinamiche per poi entrare nel particolare e andare pi\u00f9 in profondit\u00e0 nel mercato milanese.","breadcrumb":{"@id":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/"]}]},{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/#primaryimage","url":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/screenshot-2025-05-13-153440.png","contentUrl":"https:\/\/www.analyticsarts.it\/wp-content\/uploads\/2025\/05\/screenshot-2025-05-13-153440.png","width":604,"height":456},{"@type":"BreadcrumbList","@id":"https:\/\/www.analyticsarts.it\/it\/post\/mercato-immobiliare-a-milano-unindagine-sulle-transazioni-residenzialii\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.analyticsarts.it\/it\/"},{"@type":"ListItem","position":2,"name":"Mercato Immobiliare a Milano: Un&#8217;Indagine sulle Transazioni Residenziali"}]},{"@type":"WebSite","@id":"https:\/\/www.analyticsarts.it\/it\/#website","url":"https:\/\/www.analyticsarts.it\/it\/","name":"Analytics Arts","description":"","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.analyticsarts.it\/it\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"it-IT"},{"@type":"Person","@id":"https:\/\/www.analyticsarts.it\/it\/#\/schema\/person\/1a33062a7b339804c2f2c9d287a97f54","name":"Analytics","image":{"@type":"ImageObject","inLanguage":"it-IT","@id":"https:\/\/secure.gravatar.com\/avatar\/3061035ce48c4981a995c7d82b3c05b396ea9e60e2cf359c00e6a5ccad78761b?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/3061035ce48c4981a995c7d82b3c05b396ea9e60e2cf359c00e6a5ccad78761b?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/3061035ce48c4981a995c7d82b3c05b396ea9e60e2cf359c00e6a5ccad78761b?s=96&d=mm&r=g","caption":"Analytics"}}]}},"_links":{"self":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/3487","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/users\/6"}],"replies":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/comments?post=3487"}],"version-history":[{"count":12,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/3487\/revisions"}],"predecessor-version":[{"id":5590,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/posts\/3487\/revisions\/5590"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/media\/3527"}],"wp:attachment":[{"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/media?parent=3487"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/categories?post=3487"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.analyticsarts.it\/it\/wp-json\/wp\/v2\/tags?post=3487"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}