Automatiserad värderingsmodell (AVM)

Vad är en Automated Valuation Model (AVM)?

En automatiserad värderingsmodell (AVM) är en term för en tjänst som kombinerar matematisk eller statistisk modellering med databaser över befintliga fastigheter och transaktioner för att beräkna fastighetsvärden. Majoriteten av AVM:er jämför värdena för liknande fastigheter vid samma tidpunkt.

Många värderingsmän, och till och med Wall Street -institutioner, använder dessa AVM:er för att värdera bostadsfastigheter. Konsumentfärdiga AVM:er finns också på fastighetslistningssajter som Zillow och Trulia.

Hur fungerar automatiserade värderingsmodeller (AVM)?

AVM-rapporter drivs av teknik, inklusive proprietära algoritmer, och kan erhållas på några sekunder av långivare och agenter. De innehåller vanligtvis både en hedonisk modell (en typ av statistisk regressionsanalys) och ett återkommande försäljningsindex, som både viktas och analyseras för att generera prisuppskattningen. AVM:er inkluderar vanligtvis skattebedömarens värde, all relevant information om fastigheten i fråga – såsom dess försäljningshistorik – och en analys av försäljningen av liknande fastigheter.

De används också för att stödja emissionsgarantier för bolån och bostadslån, för refinansieringsbeslut och för att hjälpa till med förlustreducering och kreditriskhanteringsaktiviteter såsom marknadsmärkning av fastighetsinnehav i institutionella investeringsportföljer. Medan AVM:er ursprungligen användes för att värdera bostadsfastigheter, har deras användning utökats till andra typer, inklusive kommersiella fastigheter.

AVM-leverantörer erbjuder sina tjänster till en mängd olika kunder, inklusive fastighetsmäklare och mäklare, hypotekslångivare och stora finansiella institutioner. Ledande AVM-leverantörer inkluderar CoreLogic, Federal Home Loan Mortgage Corp. ( Freddie Mac ), VeroVALUE och Equifax. Allmänheten kan använda dem genom gratis webbplatser för konsumentfastigheter.

Zillows populära webbaserade fastighetsvärderingsverktyg, Zestimate, är en välkänd typ av AVM.

För- och nackdelar med automatiserade värderingsmodeller (AVM) i fastigheter

Trots deras utbredda användning nuförtiden, väcker AVM en viss debatt, särskilt om hur de jämförs med traditionella personliga bedömningar.

Fördelar med AVM

Fördelarna med att använda AVM framför fysiska bedömningar liknar fördelarna med alla automatiserade system framför mänsklig ansträngning. I grund och botten sparar de tid, pengar och ansträngning. De kan göra många beräkningar och jämförelser på några sekunder, och de behöver inte fysiskt köra ut för att se en fastighet eller liknande fastigheter (” coms ” är en nyckelfaktor när man värderar och prissätter en viss fastighet).

Allt detta sänker kostnaden för att värdera en fastighet eller flera fastigheter. AVM:er är särskilt användbara för att bedöma värdet av en hel fastighetsportfölj. När de väl har ställts in kan AVM:er användas med små kostnader.

Förutom att de är billigare och snabbare är algoritmer inte föremål för mänskliga misstag – eller missbruk. Som objektiva automater tar de bort partiskhet och subjektivitet från ekvationen. Därför är det mindre risk för bedrägeri eller avsiktlig felprissättning – även om datorprogram naturligtvis kan hackas eller manipuleras.

Ett konferensbidrag från 2017, "Automated Valuation Models (AVMs): a brave new world?" av George Andrew Matysiak från Krakow University of Economics, refererade till andra studier för att ta upp styrkorna och bristerna med dessa modeller. "Det finns få hårda opartiska bevis på riktigheten av kommersiellt tillgängliga AVMs i det offentliga området," noterade tidningen. "Trots höga genomsnittliga noggrannhetsnivåer kan statistiskt baserade värderingar vara långt utanför märket och behöva förstärkas med professionell bedömning."

Nackdelar med AVM

För att en AVM ska fungera bra behöver den högkvalitativ data i tillräckligt stor mängd för att vara representativ. Det är där dess sårbarhet ligger.

Den mest citerade nackdelen mot AVM:er är att de inte (och kan inte) ta hänsyn till fastighetens faktiska skick vid fastställandet av värdet. De antar bara ett genomsnittligt tillstånd, som kanske är korrekt eller inte. De kan inte notera detaljer eller variationer i tillståndet.

AVM:er är bra på jämförelser, men vad händer om det finns en brist på jämförbara fastigheter (comps) eller transaktionsdata registrerade? Av denna anledning är nybyggda fastigheter särskilt svåra att värdera, och AVM:er, som är ganska bokstavliga, tenderar att sakna fantasi för att komma på något att tjäna som komp. Och eftersom en AVM fungerar baserat på kända faktorer – det historiska rekordet – går den miste om immateriella tillgångar som kan höja eller sänka en uppskattning.

Slutligen kan en AVM bara arbeta med den data som den ges, och det finns alltid en risk för att data matas in felaktigt. Dessutom är informationen som den har kanske inte aktuell – vilket gör AVM:er opålitliga på snabbt föränderliga fastighetsmarknader.

Poängen

Stora AVM-leverantörer presenterar sin noggrannhet, omfattande täckning och tidsbesparingar. AVM handlar i genomsnitt. Så de är särskilt effektiva där fastighetsbeståndet är mycket generiskt. I regioner med ett större utbud av typer och stilar kan de vara mindre exakta och användbara.

Medan deras användning växer, har AVM inte ersatt mänskliga värderingsuppskattningar, inte minst eftersom de flesta hypotekslångivare kräver att en skräddarsydd värdering av en fastighet ska utföras personligen av en certifierad värderingsman. På grund av oro över deras noggrannhet föreslår vissa branschdeltagare att man ser resultat från flera AVM:er som ett sätt att få en mer komplett bild och öka förtroendet för sina rapporter.

##Höjdpunkter

– Automatiserade värderingsmodeller (AVM) är mjukvarubaserade prismodeller som används på fastighetsmarknaden för att värdera fastigheter.

• AVM-leverantörer inkluderar kommersiella plattformar som CoreLogic, Freddie Mac och Equifax, samt gratis konsumentsajter som Zillow och Trulia.

• AVM:er är mer effektiva och konsekventa än en mänsklig värderingsman, men de är också bara lika exakta som data bakom dem, vilket innebär att de kan vara föråldrade eller felaktiga.