PODEJŚCIE PORÓWNAWCZE – OD INTUICJI DO INTELIGENCJI (SZTUCZNEJ)

Autor: Piotr Cegielski, 7 lipca 2020 r.

Uwaga: pół żartem, pół serio

Świat idzie do przodu. To, co jeszcze wczoraj było zaawansowanym rozwiązaniem, dziś trąci myszką. W XIX wieku dominowały zaprzęgi konne. W XX wieku woźniców wyparli szoferzy, a dzisiaj rozmawiamy już o samochodach autonomicznych.

Czy rzeczoznawców czeka taki sam los? Czy operat szacunkowy zastąpi „autonomiczna wycena”?

Popatrzmy, jak można opisać ewolucję sposobów wyceny nieruchomości na przykładzie podejścia porównawczego i zastanówmy się, czy sztuczna inteligencja stanowi dla rzeczoznawców zagrożenie.

GURu nieruchomości (intuicja)

Na rynku nieruchomości działa specjalista, ekspert, wręcz guru. Zna rynek jak mało kto, ma doświadczenie. Na pytania o wartość rynkową odpowiadał już setki, jeśli nie tysiące razy.

Dostaje niezbędne dane o domu lub mieszkaniu i jest w stanie podać jego wartość. Nie jest w stanie powiedzieć, w jaki sposób ją obliczył, bo też nie przeprowadził żadnych obliczeń; nie były mu (w jego ocenie) do niczego potrzebne. Wszystko dzieje się w jego głowie. Jak? Nie wiadomo. On po prostu swoje wie, i już.

Przykładowo: Ten dom jest wart 1.500.000 zł. Koniec, kropka.

Porównywanie parami - jakościowe podejście porównawcze

Rzeczoznawca zna ceny nieruchomości podobnych. Nie przeprowadza ilościowej analizy danych rynkowych, nie dokonuje żadnych skomplikowanych obliczeń. Potrafi natomiast każdą ze sprzedanych nieruchomości porównać z wycenianą i powiedzieć, która jest, jego zdaniem lepsza, a która jest gorsza. Poziom korekt cen rynkowych ustala według oceny własnej, powołując się na wiedzę ekspercką.

Przykładowo: Podobna nieruchomość została sprzedana za 1.250.000 zł. Wyceniana ma działkę o 200 m² większą, a powierzchnia domu jest o około 50 m² większa. Wydaje się (temu rzeczoznawcy), iż różnica to około 4.000 zł za 1 m² domu oraz 500 zł za 1 m² działki. Suma summarum wychodzi, że jego zdaniem nieruchomość jest warta:

1.250.000 + 50 * 4.000 + 200 * 500 = 1.550.000 zł.

Porównywanie parami - ilościowe podejście porównawcze

Rzeczoznawca zna ceny nieruchomości podobnych. Ustala atrybuty sprzedanych domów lub mieszkań i szuka zależności pomiędzy różnicą w poziomie cen, a różnicą w zakresie wartości liczbowych poszczególnych atrybutów. Innymi słowy przeprowadza ilościową analizę danych po to, by uzasadnić sposób korygowania cen rynkowych.

Udało mu się ustalić, że typowe działki mają po około 800 m², przy cenach 500 zł za 1 m², oraz że ceny jednostkowe gruntów spadają w tempie 25 zł na każde dodatkowe 100 m² powierzchni działki. Z kolei ceny jednostkowe ”całych” nieruchomości o powierzchni domu 250 m² wynoszą około 5.000 zł za 1m² i spadają w tempie równym 500 zł za każde 100 m² wzrostu powierzchni. Ponieważ wyceniany budynek ma 300 m² powierzchni (jest o 50 m² większy), a z kolei działka ma 1.000 m² (jest większa o 200 m²), to skorygowana cena nieruchomości podobnej, według tego rzeczoznawcy, wynosi:

300 * (5.000 – 250) – 800 * 500 + 1.000 * (500 – 50) = 1.475.000 zł

Ekonometryczny model regresji wielu zmiennych

Ilościowa analiza danych rynkowych doprowadziła kolejnego rzeczoznawcę do wniosku, że obserwowane zależności można przedstawić w postaci pewnego, relatywnie prostego modelu, zgodnie z którym cena całkowita nieruchomości jest funkcją powierzchni domu oraz powierzchni działki, w postaci:

gdzie Y_TOTAL to cena całkowita nieruchomości, x₁ oraz x₂ to odpowiednio: powierzchnia domu i powierzchnia działki, zaś a₀, a₁, … , a₄ to parametry modelu.

Rzeczoznawca, wykorzystując do tego arkusz Excel, wprowadził dane, a potem wykonał niezbędne obliczenia, uzyskując następujące wartości liczbowe parametrów modelu:

Każda z tych ww. wartości liczbowych ma określoną interpretację. Przykładowo: (700) to jest niejako wartość 1 m² działki o „zerowej” powierzchni, (-0,25) to tempo spadku cen jednostkowych wraz z jednostkowym wzrostem powierzchni działki, a tzw. wyraz wolny (130.000) są to inne walory nieruchomości, nie uwzględnione w modelu, jak np. lokalizacja w określonym mieście lub dzielnicy. Innymi słowy autor tego modelu jest w stanie wytłumaczyć, co oznacza wartość liczbowa każdego z wyznaczonych parametrów.

Zgodnie z tym modelem, wartość wycenianej nieruchomości wynosi 1.450.000 zł

Nieliniowe modele wielorównaniowe

Jeśli na postać funkcyjną modelu nie wprowadzi się pewnych ograniczeń, np. zgodności z określonymi fundamentalnymi modelami ekonomicznymi, to teoretycznie możliwe jest testowanie wielu przeróżnych postaci funkcyjnych, w tym nieliniowych, jak też modeli wielorównaniowych. Wszystko to w celu znalezienia takiej zależności, by uzyskiwane przy użyciu modelu wyniki były jak najbardziej zbieżne z obserwacjami rynkowymi.

Postać funkcyjna modelu z reguły jest nieinterpretowalna. Innymi słowy rzeczoznawca jest w stanie przedstawić „wzór” i wykazać, iż wyniki uzyskiwane przy użyciu przyjętego modelu są wysoce zbieżne z obserwacjami rynkowymi, ale nie potrafi uzasadnić postaci funkcyjnej tego modelu, jak również przedstawić interpretacji wartości liczbowych parametrów.

Przyjmijmy, że zgodnie z tym skomplikowanym modelem (postać funkcyjna pominięta) wartość nieruchomości jest równa 1.450.000 zł.

Sztuczna inteligencja (sieć neuronowa)

Wyobraźmy sobie, że mamy zbiór obserwacji rynkowych (ceny i cechy nieruchomości), wrzucamy te dane do komputera, następnie naciskamy klawisz, a komputer sam zaczyna testować różne możliwe warianty. Tak, jakby próbował sam dopasować różne funkcje i równania, sprawdzając każdorazowo efekt. Teraz jest to jednak coś znacznie więcej – tutaj następują pewne sprzężenia pomiędzy możliwymi rozwiązaniami, informacja o „jakości” wyników jest przesyłana zwrotnie, powodując zmiany pewnych założeń wejściowych. Jedne połączenia między neuronami stopniowo ulegają wzmocnieniu, z kolei inne ulegają wygaszeniu. Sieć się uczy, by wreszcie obwieścić nam, że „potrafi” wyceniać nieruchomości.

To jest taka czarna skrzynka (warstwa ukryta neuronów). Nie wiemy co tam w środku się dzieje; nie wiemy, jak sieć dokonuje wycen. Nie wiemy i się tego nigdy nie dowiemy, bo nie powstaje tu żaden algorytm, który można by było przedstawić w postaci wzoru lub układu równań. Pozostaje nam jedynie wierzyć, iż sieć prawidłowo szacuje nieruchomości, zaś według sieci wartość nieruchomości wynosi: 1.500.000 zł.

GURU RYNKU NIERUCHOMOŚCI A SIEĆ neuronowa

Zauważmy, że zatoczyliśmy swoiste koło. Naszemu guru z intuicją, który „wiedział” ile co jest warte, chociaż nie potrafił nam powiedzieć skąd to wie (wszystko bowiem zadziało się w jego głowie) wierzyliśmy dokładnie tak, jak teraz chcemy (albo musimy) uwierzyć sieci neuronowej. Ona również podaje nam sam wynik, nie tłumacząc, jak do tego wyniku doszła.

Wykorzystanie sieci neuronowych w praktyce

Jeżeli dla odbiorców wycen nie jest istotne, jak powstał wynik oszacowania, wystarczy im wiara, że wynik jest „prawidłowy”, to sieć neuronowa im w zupełności wystarczy. Taka sieć jest w stanie zastąpić „guru rynku nieruchomości”, bo w zasadzie robi to samo, co on. Jeżeli jednak odbiorcy wycen potrzebują swoistego dowodu obrazującego proces wyceny (operatu szacunkowego) sieć neuronowa jest rozwiązaniem niewystarczającym. Wyniki wycen uzyskanych przy użyciu sieci neuronowej nie mają bowiem zdolności dowodowej. Chyba że odbiorcy wystarczy „dowód” w postaci stwierdzenia:

„Ten dom jest wart 1.500.000 zł. Koniec, kropka”.

PIOTR CEGIELSKI

Współzałożyciel spółki ICCS

Dziękuję za lekturę!