Model Penilaian Automatik (AVM)

Apakah Model Penilaian Automatik (AVM)?

Model penilaian automatik (AVM) ialah istilah untuk perkhidmatan yang menggabungkan pemodelan matematik atau statistik dengan pangkalan data hartanah dan transaksi sedia ada untuk mengira nilai hartanah. Majoriti AVM membandingkan nilai sifat serupa pada masa yang sama.

Ramai penilai, malah institusi Wall Street,. menggunakan AVM ini untuk menilai hartanah kediaman. AVM sedia pengguna juga wujud di tapak penyenaraian hartanah seperti Zillow dan Trulia.

Bagaimanakah Model Penilaian Automatik (AVM) Berfungsi?

Laporan AVM didorong oleh teknologi, termasuk algoritma proprietari, dan boleh diperoleh dalam beberapa saat oleh pemberi pinjaman dan ejen. Ia biasanya mengandungi kedua-dua model hedonik (sejenis analisis regresi statistik) dan indeks jualan ulangan, yang kedua-duanya ditimbang dan dianalisis untuk menjana anggaran harga. AVM biasanya menyertakan nilai penilai cukai, semua maklumat yang berkaitan tentang harta yang dipersoalkan—seperti sejarah jualannya—dan analisis jualan hartanah yang serupa.

Ia juga digunakan untuk menyokong pengunderaitan untuk gadai janji dan pinjaman ekuiti rumah, untuk keputusan pembiayaan semula, dan untuk membantu dalam pengurangan kerugian dan aktiviti pengurusan risiko kredit seperti penandaan kepada pasaran pegangan hartanah dalam portfolio pelaburan institusi. Walaupun AVM pada mulanya digunakan untuk menilai hartanah kediaman, penggunaannya telah berkembang kepada jenis lain, termasuk hartanah komersial.

Penyedia AVM menawarkan perkhidmatan mereka kepada pelbagai pelanggan, termasuk ejen dan broker hartanah, pemberi pinjaman gadai janji dan institusi kewangan utama. Penyedia AVM terkemuka termasuk CoreLogic, Federal Home Loan Mortgage Corp. ( Freddie Mac ), VeroVALUE dan Equifax. Orang ramai boleh menggunakannya melalui tapak hartanah pengguna percuma.

Alat penilaian hartanah berasaskan web popular Zillow, Zestimate, ialah satu jenis AVM yang terkenal.

Kebaikan dan Keburukan Model Penilaian Automatik (AVM) dalam Hartanah

Walaupun penggunaannya meluas pada masa kini, AVM mencetuskan beberapa perdebatan, terutamanya tentang cara mereka membandingkan dengan penilaian peribadi tradisional.

Kelebihan AVM

Kelebihan menggunakan AVM berbanding penilaian fizikal adalah serupa dengan mana-mana sistem automatik berbanding usaha manusia. Pada asasnya, mereka menjimatkan masa, wang, dan usaha. Mereka boleh membuat banyak pengiraan dan perbandingan dalam beberapa saat, dan mereka tidak perlu memandu keluar secara fizikal untuk melihat hartanah atau hartanah yang serupa (“ comps ” menjadi faktor utama semasa menilai dan menetapkan harga hartanah tertentu).

Semua ini mengurangkan kos menilai hartanah atau berbilang hartanah. AVM amat berguna dalam menilai nilai keseluruhan portfolio hartanah. Setelah disediakan, AVM boleh dikendalikan dengan sedikit perbelanjaan.

Selain lebih murah dan pantas, algoritma tidak tertakluk kepada ralat manusia—atau penyelewengan. Sebagai automaton objektif, mereka menghilangkan bias dan subjektiviti daripada persamaan. Oleh itu, risiko penipuan atau salah harga yang disengajakan berkurangan—walaupun, sudah tentu, program komputer boleh digodam atau dimanipulasi.

Kertas persidangan 2017, "Model Penilaian Automatik (AVM): dunia baharu yang berani?" oleh George Andrew Matysiak dari Universiti Ekonomi Krakow, merujuk kajian lain dalam menangani kekuatan dan kelemahan model ini. "Terdapat sedikit bukti tegas yang tidak berat sebelah mengenai ketepatan AVM yang tersedia secara komersial dalam domain awam," kata kertas itu. "Walaupun tahap ketepatan purata yang tinggi, penilaian berasaskan statistik mungkin jauh dari sasaran dan perlu ditambah dengan pertimbangan profesional."

Kelemahan AVM

Untuk AVM berfungsi dengan baik, ia memerlukan data berkualiti tinggi dalam kuantiti yang mencukupi untuk mewakili. Di situlah letak kelemahannya.

Kelemahan yang paling kerap disebut terhadap AVM ialah dalam menentukan nilai, mereka tidak (dan tidak boleh) mengambil kira keadaan sebenar harta itu. Mereka hanya menganggap keadaan purata, yang mungkin tepat atau tidak. Mereka tidak dapat mencatat butiran atau variasi dalam keadaan.

AVM hebat dalam perbandingan, tetapi bagaimana jika terdapat kekurangan hartanah setanding (comps) atau data transaksi dalam rekod? Atas sebab ini, hartanah yang baru dibina amat sukar untuk dinilai, dan AVM, yang agak literal, cenderung tidak mempunyai imaginasi untuk menghasilkan sesuatu untuk dijadikan sebagai pengimbang. Dan kerana AVM berfungsi berdasarkan faktor yang diketahui—rekod bersejarah—ia kehilangan barang tidak ketara yang boleh menaikkan atau menurunkan anggaran.

Akhir sekali, AVM hanya boleh berfungsi dengan data yang diberikan dan sentiasa ada bahaya data dimasukkan dengan tidak betul. Selain itu, maklumat yang dimilikinya mungkin tidak terkini—menjadikan AVM tidak boleh dipercayai dalam pasaran hartanah yang berubah pantas.

Garisan bawah

Penyedia AVM utama menyatakan ketepatan, liputan komprehensif dan penjimatan masa mereka. AVM berurusan dalam purata. Jadi ia amat berkesan di mana stok hartanah adalah sangat generik. Di kawasan yang mempunyai julat jenis dan gaya yang lebih besar, mereka mungkin kurang tepat dan berguna.

Walaupun penggunaannya semakin meningkat, AVM tidak menggantikan anggaran penilaian manusia, apatah lagi kerana kebanyakan pemberi pinjaman gadai janji memerlukan penilaian tersuai bagi sesuatu harta untuk dijalankan sendiri oleh penilai bertauliah. Kerana kebimbangan terhadap ketepatannya, sesetengah peserta industri mencadangkan melihat hasil daripada berbilang AVM sebagai cara untuk mendapatkan gambaran yang lebih lengkap dan untuk meningkatkan keyakinan terhadap laporan mereka.

##Sorotan

Model penilaian automatik (AVM) ialah model harga berasaskan perisian yang digunakan dalam pasaran hartanah untuk menilai hartanah.
Penyedia AVM termasuk platform komersial seperti CoreLogic, Freddie Mac dan Equifax, serta tapak pengguna percuma seperti Zillow dan Trulia.
AVM lebih cekap dan konsisten daripada penilai manusia, tetapi ia juga hanya setepat data di belakangnya, bermakna ia mungkin sudah lapuk atau tidak betul.