Investor's wiki

Automatiseret værdiansættelsesmodel (AVM)

Automatiseret værdiansættelsesmodel (AVM)

Hvad er en Automated Valuation Model (AVM)?

En automatiseret værdiansættelsesmodel (AVM) er en betegnelse for en tjeneste, der kombinerer matematisk eller statistisk modellering med databaser over eksisterende ejendomme og transaktioner for at beregne ejendomsværdier. De fleste AVM'er sammenligner værdierne af lignende ejendomme på samme tidspunkt.

Mange taksatorer og endda Wall Street -institutioner bruger disse AVM'er til at værdiansætte boligejendomme. Forbrugerklare AVM'er findes også på ejendomsfortegnelsessider som Zillow og Trulia.

Hvordan fungerer automatiserede værdiansættelsesmodeller (AVM'er)?

AVM-rapporter er drevet af teknologi, herunder proprietære algoritmer, og kan fås på få sekunder af långivere og agenter. De indeholder normalt både en hedonisk model (en type statistisk regressionsanalyse) og et gentagne salgsindeks, som både vægtes og analyseres for at generere prisestimatet. AVM'er inkluderer normalt skattevurderingsmandens værdi, alle relevante oplysninger om den pågældende ejendom - såsom dens salgshistorik - og en analyse af salget af lignende ejendomme.

De bruges også til at støtte underwriting af realkreditlån og boliglån, til refinansieringsbeslutninger og til at hjælpe med tabsbegrænsning og kreditrisikostyringsaktiviteter såsom marking-to-market af ejendomsbesiddelser i institutionelle investeringsporteføljer. Mens AVM'er oprindeligt blev brugt til at værdiansætte boligejendomme, er deres anvendelse udvidet til andre typer, herunder erhvervsejendomme.

AVM-udbydere tilbyder deres tjenester til en række forskellige kunder, herunder ejendomsmæglere og mæglere, realkreditinstitutter og større finansielle institutioner. Førende AVM-udbydere inkluderer CoreLogic, Federal Home Loan Mortgage Corp. ( Freddie Mac ), VeroVALUE og Equifax. Offentligheden kan bruge dem gennem gratis forbrugerejendomswebsteder.

Zillows populære webbaserede ejendomsvurderingsværktøj, Zestimate, er en velkendt type AVM.

Fordele og ulemper ved automatiserede værdiansættelsesmodeller (AVM'er) i fast ejendom

På trods af deres udbredte brug i dag, vækker AVM'er en vis debat, især om hvordan de sammenlignes med traditionelle personlige vurderinger.

Fordele ved AVM'er

Fordelene ved at bruge AVM'er frem for fysiske vurderinger svarer til fordelene ved ethvert automatiseret system frem for menneskelig indsats. Grundlæggende sparer de tid, penge og kræfter. De kan foretage adskillige beregninger og sammenligninger på få sekunder, og de behøver ikke fysisk at køre ud for at se en ejendom eller lignende ejendomme (“ comps ” er en nøglefaktor, når man vurderer og prissætter et bestemt stykke fast ejendom).

Alt dette sænker omkostningerne ved at vurdere en ejendom eller flere ejendomme. AVM'er er særligt nyttige til at vurdere værdien af en hel ejendomsportefølje. Når først de er konfigureret, kan AVM'er betjenes med små omkostninger.

Ud over at være billigere og hurtigere er algoritmer ikke genstand for menneskelige fejl – eller misbrug. Som objektive automater fjerner de bias og subjektivitet fra ligningen. Derfor er der mindre risiko for svindel eller bevidst forkert prisfastsættelse – selvom computerprogrammer selvfølgelig kan blive hacket eller manipuleret.

Et konferenceoplæg fra 2017, "Automatiserede værdiansættelsesmodeller (AVM'er): en modig ny verden?" af George Andrew Matysiak fra Krakow University of Economics, refererede til andre undersøgelser for at adressere styrkerne og manglerne ved disse modeller. "Der er få hårde upartiske beviser på nøjagtigheden af kommercielt tilgængelige AVM'er i det offentlige domæne," bemærkede avisen. "På trods af høje gennemsnitlige nøjagtighedsniveauer kan statistisk baserede værdiansættelser være vidt ude af mærket og skal forstærkes med professionel bedømmelse."

Ulemper ved AVM'er

For at en AVM skal fungere godt, har den brug for data af høj kvalitet i tilstrækkelig mængde til at være repræsentativ. Det er der, dens sårbarhed ligger.

Den oftest nævnte ulempe mod AVM'er er, at de ikke (og ikke kan) tage hensyn til ejendommens faktiske tilstand ved værdifastsættelsen. De antager bare en gennemsnitlig tilstand, som måske er nøjagtig eller ikke. De kan ikke bemærke detaljer eller variationer i tilstanden.

AVM'er er gode til sammenligninger, men hvad nu hvis der er mangel på sammenlignelige fast ejendom (comps) eller transaktionsdata registreret? Af denne grund er nybyggede ejendomme særligt svære at værdsætte, og AVM'er, der er ret bogstavelige, har en tendens til at mangle fantasien til at finde på noget, der kan tjene som comps. Og fordi en AVM arbejder baseret på kendte faktorer - den historiske rekord - går den glip af immaterielle aktiver, der kan hæve eller sænke et skøn.

Endelig kan en AVM kun arbejde med de data, den får, og der er altid fare for, at data indtastes forkert. Desuden er den information, den har, muligvis ikke opdateret - hvilket gør AVM'er upålidelige på hurtigt skiftende ejendomsmarkeder.

Bundlinjen

Store AVM-udbydere fremhæver deres nøjagtighed, omfattende dækning og tidsbesparelser. AVM handler i gennemsnit. Så de er særligt effektive, hvor ejendomsbeholdningen er meget generisk. I områder med et større udvalg af typer og stilarter kan de være mindre nøjagtige og nyttige.

Mens deres brug vokser, har AVM'er ikke fortrængt menneskelige vurderingsestimater, ikke mindst fordi de fleste realkreditinstitutter kræver en skræddersyet vurdering af en ejendom, der skal udføres personligt af en certificeret vurderingsmand. På grund af bekymringer over deres nøjagtighed foreslår nogle branchedeltagere at se resultater fra flere AVM'er som en måde at få et mere komplet billede og øge tilliden til deres rapporter.

##Højdepunkter

  • Automatiserede værdiansættelsesmodeller (AVM'er) er softwarebaserede prismodeller, der bruges på ejendomsmarkedet til at værdiansætte ejendomme.

  • AVM-udbydere omfatter kommercielle platforme som CoreLogic, Freddie Mac og Equifax, samt gratis forbrugersider som Zillow og Trulia.

  • AVM'er er mere effektive og konsekvente end en menneskelig vurderingsmand, men de er også kun så nøjagtige som dataene bag dem, hvilket betyder, at de kan være forældede eller forkerte.