1 / 37

Množično vrednotenje nepremičnin

Množično vrednotenje nepremičnin. II Množično vrednotenje nepremičnin. II -2 Razvoj modelov množičnega vrednotenja. Model.

Download Presentation

Množično vrednotenje nepremičnin

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Množično vrednotenje nepremičnin II Množično vrednotenje nepremičnin II-2 Razvoj modelov množičnega vrednotenja

  2. Model • Model predstavlja abstrakten in poenostavljen prikaz stvarnega ali navideznega sveta in je pogosto subjektivno pogojen v odvisnosti od dojemanja obravnavanega dela realne ali namišljene stvarnosti. • Na osnovi ustreznega modela kompleksnega stvarnega sistema je mogoče prikazati in analizirati kvantitativne in kvalitativne dejavnike ter deterministične in stohastične procese, ki nastopajo v stvarnem sistemu in so vključeni v model – poznamo: • fizične modele, • konceptualne modele in • matematične modele. • Modeliranje je postopek izdelave modela oziroma poenostavljenega prikaza stvarnega ali navideznega sveta.

  3. Model za MV nepremičnin • Pri razvoju modela za množično vrednotenje zemljišč v grobem poznamo tri korake: • specifikacija (opredelitev) modela - opredeli se koeficiente in spremenljivke, ki nastopajo v modelu za ocenjevanje vrednosti zemljišč. • preverjanje (kalibracijo, umerjanje) modela, kjer se določi vrednost vpliva določenih dejavnikov na ocenjeno ceno. Služi za določitev relacije med odvisnimi in neodvisnimi spremenljivkami modela. • testiranje (ocena) modela, ki se največkrat izvede na osnovi določitve razmerja med ocenjenimi tržnimi vrednostmi zemljišč in vrednostmi zemljišč dejanskih transakcij, ki niso bile vključene v model. • Primerne podatke za posamezno metodo (metoda primerljivih prodaj, dohodkovna metoda in stroškovna metoda) pridobimo z analizo relacij med lastnostmi nepremičnine in vrednostjo nepremičnine.

  4. Opredelitev modela • Model vrednotenja predstavlja tako lastnosti povpraševanja kot lastnosti ponudbe. • Ponudba nepremičnine S (angl. supply) je funkcija prodajne cene P (angl. price) in več dejavnikov ponudbe sx: • S = f(P, s1, s2, …, sn). • Podobno je povpraševanje D (angl. demand) funkcija cene P in več dejavnikov povpraševanja dx: • D = f(P, d1, d2, …, dn).

  5. Opredelitev modela glede na način vrednotenja • Način primerljivih prodaj (angl. sales comparison approach): • TVnep = PCp + ADp • TVnep – ocenjena vrednost nepremičnine • PCp – prodajna cena primerljive nepremičnine • ADp – popravek (uskladitev) zaradi razlike med nepremičnino, katere vrednost se ocenjuje, in primerljivo nepremičnino • Pri množičnem vrednotenju po metodi neposredne primerjave cen nepremičnin se vplivi fizičnih in lokacijskih lastnosti nepremičnin določijo z analizo prodajnih cen na določenem območj.

  6. Opredelitev modela glede na način vrednotenja • (2) Dohodkovni pristop (angl. income capitalization approach), temelji na predpostavki, da je vrednost nepremičnine določena na osnovi predvidenih prihodkov. Pri metodi donosa ločimo: • - Metoda diskontnih denarnih tokov: • SV – sedanja vrednost • D – donos • rx – diskontna mera • n – število period • - Metoda neposredne kapitalizacije: • TV = ND/ r • ND – neto dohodek • r – kapitalizacijska stopnja

  7. Opredelitev modela glede na način vrednotenja • (3) Stroškovni pristop (angl. Cost approach), kjer je vrednost nepremičnine vsota vrednosti zemljišča in vrednosti objekta: • TVnep = Vzem + Vobj, • TVnep – ocenjena vrednost nepremičnine • Vzem – vrednost zemljišča • Vobj – vrednost objekta • S prištevanjem ali množenjem se lahko vključijo dodatni vplivi na vrednost nepremičnine.

  8. Vrste modelov množičnega vrednotenja • V procesu specifikacije modela se določijo odvisna in neodvisne spremenljivke, pri tem pa ločimo tri vrste modelov: • aditivni model • (2) multiplikativni model • (3) hibridni modelzdružuje aditivni in multiplikativni pristop. • Nadalje pa se pri umerjanju (kalibraciji) modela določi konstanto in koeficiente neodvisnih spremenljivk glede na tržne cene.

  9. Splošna oblika modela • Matematični model je sestavljen iz ene odvisne in več neodvisnih spremenljivk. • Najbolj splošen model za oceno vrednosti nepremičnine lahko zapišemo v obliki: • TV = Vzem + Vobj • TV tržna vrednost • Vzemvrednost zemljišča • Vobjvrednost objekta • ali • Czem cena zemljišča na enoto površine • Pzem, Pobjpovršina zemljišča in površina stavbe • Cobj cena objekta na enoto površine

  10. Splošna oblika modela • Aditivni linearni model predpostavlja, da lahko ločeno določimo vrednost zemljišča in vrednost stavbe in da se vrednost vsakega poveča s površino • Czem cena zemljišča na enoto površine • Pzem, Pobjpovršina zemljišča in površina stavbe • Cobj cena objekta na enoto površine • i i-to zemljišče od n-delov • j j-to zemljišče od m-delov

  11. Opredelitev modela • Opredelitev modela: natančno se določi informacije, zahtevane koeficiente, spremenljivke in medsebojne odnose med količinami, ki nastopajo v modelu. • Model je sestavljen iz ene odvisne spremenljivke in ene ali več neodvisnih spremenljivk. • Pri specifikaciji modela se določi, katere neodvisne spremenljivke bodo napovedale odvisno spremenljivko (npr. vrednost nepremičnine) in kako so povezane ter kaka relacija je med njimi. • Relacija med spremenljivkami se določi med kalibracijo modela s koeficienti za vsako neodvisno spremenljivko posebej. • Modeli na nek način predstavljajo razmerje sil med povpraševanjem in ponudbo na določenem trgu nepremičnin in lahko izhajajo iz treh osnovnih metoda tržnega vrednotenja nepremičnin.

  12. Opredelitev aditivnega modela • V aditivnem modelu se odvisna spremenljivka določi v obliki množenja neodvisnih spremenljivk s koeficienti in dodatno konstanto: • TVnep = b0 + b1X1 + b2X2 + . . . + bpXp • TVnep – odvisna spremenljivka • X1, X2, …, Xp – neodvisne spremenljivke • b0 – konstanta • b1, b2, …, bp – koeficienti neodvisnih spremenljivk

  13. Opredelitev multiplikativnega modela Neodvisna spremenljivka se odraža eksponentno oziroma sama nastopa kot eksponent, kjer pa ne moremo ločeno obravnavati zemljišča in stavb: TVnep = b0 ·X1b1· X2b2· . . . · bpXp Multiplikativni model kalibriramo z logaritmiranjem: ln(TVnep) = ln(b0 ·X1b1· X2b2· . . . · bpXp). Primerni so za nepremičnine: - z velikim številom primerljivih nepremičnin na trgu; - kjer ni potrebno deliti nepremičnine na zemljišče in objekt; - kjer je močno zaznati medsebojno povezanost posameznih lastnosti nepremičnin.

  14. Opredelitev hibridnega modela Hibridni modeli združujejo aditivni in multiplikativni pristop. TVnep = (b0 + b1X1 – . . . + bj-1Xj-1) · bjXj· … · bpXp Pomembno pri hibridnih modelih je, da se kalibracija izvede preko zaporedja iterativnih postopkov.

  15. Vrste podatkov o nepremičninah • V modele vključujemo različne spremenljivke. • Pomembni so trije osnovni načini delitev spremenljivk pri množičnem vrednotenju nepremičnin: • kakovostne (kategorije) in količinske; • intervalne, diskretne in binarne (ponavadi predhodno določene kategorije) • objektivne in subjektivne;

  16. Analiza nepremičninskega trga • Orodja za predstavitev množice podatkov in raziskavo tržnih razmer vključujejo: • prikaz oz. predstavitev podatkov; • mere srednjih vrednosti; • mere razpršenosti; • analize več spremenljivk.

  17. Predstavitev podatkov • SEZNAM – preglednica z urejenimi podatki od najnižje do najvišje vrednosti ali obratno; • FREKVENČNA PORAZDELITEV – podatke razvrstimo v predhodno določene razrede in preštejemo število podatkov v vsakem razredu. Če za vsak razred določimo odstotek podatkov, govorimo o relativni frekvenci. • DIAGRAMI služijo za prikaz porazdelitve tako kakovostnih kot količinskih spremenljivk. Poznamo različne vrste diagramov, kot so: • - črtni diagram; • - stolpčni diagram; • - tortni diagram; • - kolobarni diagram …

  18. Predstavitev podatkov • HISTOGRAM je grafični prikaz frekvenčne porazdelitve zveznih spremenljivk – prikazuje število podatkov v posameznem razredu. • Če podatke razvrstimo po velikosti in po vrsti prikažemo njihove vrednosti ter njihovo skupno frekvenco, govorimo o diagramu kumulativne frekvence.

  19. Predstavitev podatkov • HISTOGRAM je grafični prikaz frekvenčne porazdelitve zveznih spremenljivk – prikazuje število podatkov v posameznem razredu. • Če podatke razvrstimo po velikosti in po vrsti prikažemo njihove vrednosti ter njihovo skupno frekvenco, govorimo o diagramu kumulativne frekvence.

  20. Predstavitev podatkov več spremenljivk • MATRIKA DVEH SPREMENLJIVK • FREKVENČNA PORAZDELITEV DVEH ali VEČ SPREMENLJIVK, • DIAGRAMI dveh ali več spremenljivk, ki prikazujejo odnos med dvema ali več spremenljivkami: • Razsevni diagram - neodvisno spremenljivko predstavlja vodoravna os, odvisno spremenljivko pa pokončna os; • Intervalnih grafikon - predstavi porazdelitev zvezne in diskretne spremenljivke; • Linijski grafikon prikazuje statistiko ene spremenljivke; • Ploščinski grafikon; • Polarni grafikon …

  21. (2) Mere srednjih vrednosti • MODUS – pogosta vrednost za diskretne podatke ali količinske podatke, ki temeljijo na štetju. • MEDIANA – srednja vrednost po velikosti razvrščenih vrednosti, z rangom: • rang = (0,5·n) + 0,5, • - primeru, da je n sodo število, je mediana srednja vrednost med dvema srednjima točkama. • - na mediano nimajo veliko vpliva ekstremne vrednosti. • ARITMETIČNA SREDINA – je definirana kot količnik med vsoto vseh vrednosti in številom n (najpogostejše uporabljena mera srednje vrednosti).

  22. Mere srednjih vrednosti • GEOMETRIČNA SREDINA –n-ti koren zmnožka vseh n vrednosti. Primerna je predvsem za časovne vrste. • Če se aritmetična sredina močno razlikuje od geometrične sredine - ekstremne vrednosti ali široka disperzija vrednosti. • HARMONIČNA SREDINA - se uporablja za določitev povezave dveh spremenljivk kot je npr. cena na enoto površine.

  23. (3) Mere razpršenosti • NAJMANJŠA VREDNOST, NAJVEČJA VREDNOST, RAZPON • KVARTIL, PERCENTIL – sta definirana kot ločna točka med določenima odstotkoma podatkov. • rang = (p·n) + p • POVPREČNI ODKLON (deviacija) – meri povprečno razpršenost ali razliko, med vsako vrednostjo in izbrano mero srednje vrednosti (pomembno za določitev koeficienta disperzije):

  24. Mere razpršenosti • STANDARDNI ODKLON (deviacija) – je določen kot kvadratni koren količnika vsote kvadratov odstopanj vrednosti od srednje vrednosti in (n – 1) – kvadratni koren variance: • Za normalno porazdeljene populacije (simetrična zvonasta krivulja, kjer sta srednja vrednost in mediana identični). Normalno porazdelitev lahko ocenimo preko porazdelitve frekvence ali histogramom.

  25. Mere razpršenosti • KOEFICIENT VARIACIJE – standardni odklon v obliki odstotka; definiran je kot količnik med standardnim odklonom in srednjo vrednostjo. Podobno kot standardni odklon je pomen koeficienta variacije odvisna od narave porazdelitve vrednosti.

  26. (4) Analiza več spremenljivk • Z analizo korelacije določimo stopnjo linearne povezanosti med dvema numeričnima spremenljivkama. Povezavo med dvema skupinama podatkov lahko določimo s kovarianco vzorca SXY. • Korelacijski koeficient RXYje indeks moči in smeri povezanosti med spremenljivko X (neodvisna spremenljivka) in Y (odvisna spremenljivka), njegova vrednost pa znaša od -1 do 1: • Preverjanje domneve o linearni povezljivosti uporabimo statistiko T: • - študentova porazdelitev t s prostostnimi stopnjami n - 2:

  27. Analiza več spremenljivk • Povezanost med dvema slučajnima spremenljivkama X in Y na osnovi vzorčnih podatkov analiziramo s testom 2 - primerjava dejanskih frekvenc s teoretičnimi. • Vzorec slučajnega vektorja X,Y razporedimo v razrede (kX in kY). Število (frekvenco) podatkov v posameznih razredih prikažemo v kontingenčnih tabelah. Tako lahko iz teh podatkov izračunamo statistiko H: • Statistika H je porazdeljena po porazdelitvi s prostostnimi stopnjami:

  28. Analiza več spremenljivk • Regresijska analiza proučuje, kako ena ali več neodvisnih spremenljivk vplivajo na odvisno spremenljivko. Tako imenovana regresijska funkcija: • opisuje vpliv neodvisnih spremenljivk Xi na odvisno spremenljivko Y (pomembno pri množičnem vrednotenju za umerjanje modelov). • MULTIPLA REGRESIJSKA ANALIZA - pomembna pri množičnem vrednotenju za določevanje verjetne tržne cene nepremičnine glede na njene lastnosti in lokacijo.

  29. Primer: Analiza več spremenljivk

  30. Primer: Analiza več spremenljivk

  31. Analiza več spremenljivk • Faktorska analiza • Če pri analizi njihovega vpliva na odvisno spremenljivko uporabimo multiplo regresijsko analizo, izgubimo precejšen del informacij, vsebovanih v neznačilnih regresorjih, ki jih v nadaljnji analizi ne upoštevamo. • Zato v takih primerih uporabimo faktorsko analizo, ki nam z uvedbo sintetičnih spremenljivk (faktorjev) zmanjša število spremenljivk.

  32. Tehnike transformacije podatkov • PRIPRAVA PODATKOV ZA VKLJUČITEV V MODEL: • Pogosto moramo pri oblikovanju modelov množičnega vrednotenja vrednosti posameznih spremenljivk pretvoriti v bolj uporabne podatke: • (1) Binarne vrednosti • (2) Skalarne linearizirane vrednosti (pri multiplikativnih modelih okoli 1, aditivnih modelih okoli 0). • (3) Matematične transformacije – kljub temu, da lahko količinske podatke uporabimo neposredno v modelih, se pogosto uporabljajo različne matematične transformacije kot so: • - recipročna vrednost, • - eksponentna transformacija, • - logaritmična transformacija, • - multiplikativna transformacija, • - količnik, • - kombinirana transformacija…

  33. Stratifikacija in analiza lokacije • Najpomembnejše pri oblikovanju modela množičnega vrednotenja je analiza vrednosti glede na lastnosti nepremičnine in lokacijo, kjer lahko uporabimo tri osnovne pristope: • GEOGRAFSKA STRATIFIKACIJA (GIS) • RAZSLOJEVANJE GLEDE FIZIČNIH KARAKTERISTIK (cluster analiza) • ENOTEN MODEL Z LOKACIJSKO PRILAGODITVIJO – kjer se lokacija upošteva kot binarna vrednost soseske (aditivni model) ali lokacijska spremenljivka (multiplikativni in hibridni model).

  34. Stratifikacija in analiza lokacije • GEOGRAFSKA STRATIFIKACIJA • Razdelitev geografskega območja na cone (administrativne enote, naravne ovire, območja enakih izbranih lastnosti) • Za vsako cono se pripravi ločen model vrednotenja; • Dvostopenjska stratifikacije: • tržna območja (cone) in • podobmočja ali soseske. • PROBLEM NEVARNOSTI NEKONSISTENTNOSTI! • VELIK NAPREDEK NA TEM PODROČJU PRINAŠA GIS!

  35. Stratifikacija in analiza lokacije • (2) RAZSOJEVANJE (stratifikacija) glede fizičnih lastnosti • za bolj zahtevno stopnjo lahko uporabimo CLUSTER ANALIZO ali analizo skupin, kjer lahko kombiniramo več lastnosti nepremičnin. Metoda temelji na združevanju nepremičnin v skupine (clustre), s tem da se zmanjšuje razlike znotraj skupine in poveča razlike med skupinami. • postopek zajema izbor lastnosti, ki jih vključimo v model in jim določimo uteži, določimo število skupin in izberemo algoritem za določevanje podobnosti (evklidska razdalja ipd.). • tehnika je primerna predvsem znotraj območja, ko bo kupec večji poudarek dal lastnostim kot pa geografski lokaciji.

  36. LOKACIJSKA PRILAGODITEV • (3) LOKACIJSKA PRILAGODITEV • lokacija se upošteva kot binarna vrednost soseske (aditivni model) ali lokacijska spremenljivka (multiplikativni in hibridni model). • ena izmed metod je upoštevanje oddaljenosti od centra (angl. value influence center) – razdalja v obliki dostopnosti do centra – prednost zveznosti!

  37. Vprašanja za utrjevanje snovi • Kaj je model? Kakšne oblike modelov poznamo? • Kateri so osnovni koraki pri razvoju modela množičnega vrednotenja? • Modeli množičnega vrednotenja nepremičnin glede na izbrani način vrednotenja! • Razloži splošno obliko modela ocenjevanja vrednosti nepremičnin? Kaj so posebnosti linearnega aditivnega modela? • Aditivni, multiplikativni in hibridni matematični model množičnega vrednotenja nepremičnin! • Razlika med zveznimi, diskretnimi in binarnimi spremenljivkami! • Mere pričakovane vrednosti! Mere razpršenosti vrednosti! • Histogram in diagram kumulativne frekvence! • Predstavitev dveh ali več spremenljivk! • Analize vzorca več slučajnih spremenljivk! • Tehnike transformacije parametrov! • Stratifikacija in analiza lokacije pri množičnem vrednotenju nepremičnin!

More Related