A criação de indexadores para preços imobiliários, em sua grande maioria, se baseia em métodos estatísticos tradicionais. Apesar disso, avanços recentes no campo de interpretabilidade de modelos de Machine Learning têm permitido a experimentação de métodos mais ambiciosos para a criação desses índices de preços. O objetivo deste trabalho é propor um método alternativo para a criação de um indexador de preços imobiliários, dialogando com as contribuições de Krause (2019), através da utilização de valores de Shapley como método de interpretabilidade para a geração de um índice de preços a partir de uma Random Forest. Construído o índice, realiza-se um comparativo entre este e métodos mais tradicionais para a indexação de preços do mercado imobiliário, permitindo uma discussão das vantagens e desvantagens inerentes a cada um.
