Utilizando datos desde 2000 hasta 2022, analizamos la capacidad predictiva de los números anuales de nuevas construcciones de viviendas y cuatro factores ambientales, sociales y de gobernanza (ESG) disponibles sobre el precio promedio anual de las viviendas vendidas en ocho ciudades importantes de EE. UU. Contrastamos la capacidad predictiva de un modelo aditivo generalizado (GAM) con P-spline frente a una versión estrictamente lineal del modelo lineal generalizado (GLM) comúnmente utilizado. Dado que los datos del precio anual y las variables predictoras constituyen series temporales no estacionarias, transformamos cada serie temporal de manera apropiada para producir series estacionarias para su uso en los GAM y GLM con el fin de evitar correlaciones espurias en el análisis. Mientras que los retornos aritméticos o las primeras diferencias son transformaciones adecuadas para las variables predictoras, utilizamos la serie de innovaciones obtenidas de ajustes AR(q)-ARCH(1) para la variable de respuesta del precio promedio. Basándonos en los resultados del GAM, encontramos que la influencia de los factores ESG varía notablemente según la ciudad y refleja la diversidad geográfica. Notablemente, la presencia de aire acondicionado emerge como un factor fuerte. A pesar de las limitaciones en la longitud de las series temporales disponibles, este estudio representa un paso fundamental hacia la integración de consideraciones ESG en modelos predictivos de series temporales para bienes raíces.