Gebruikmaken van geautomatiseerd waarderingsmodel
Nils Kok - blog auteur portret Dr. Nils Kok, Chief Economist
Kalender icoon
24 Maart 2020

Er worden vaak talloze uren besteed aan traditionele vastgoedtaxaties. Dit omdat taxaties essentieel zijn voor meer dan alleen het taxeren van een object. Taxaties bepalen belastingen, verzekeringen, financieringsmogelijkheden en meer.

De “waarde” van onroerend goed betekent doorgaans de contante waarde van de toekomstige kasstromen (in het geval van commercieel onroerend goed: de huren) die het onroerend zal genereren. Deze kasstromen zijn doorgaans voor een lange termijn. Taxaties nemen daarom veel datapunten mee die wat zeggen over de aantrekkelijkheid van een gebied, zoals de kwaliteit van lokale scholen en de aanwezigheid van voorzieningen zoals supermarkten, openbaar vervoer, enz. Voor commercieel vastgoed kunnen taxaties ook rekening houden met macro-economische gegevens, zoals de huidige rentetarieven, of bijvoorbeeld een pandemie...

Traditionele taxatiemethoden die sommige (of alle) van dergelijke gegevens meenemen, zijn onder meer:

Deze taxatiemethoden gebruiken slechts een deel van de grote hoeveelheid aan beschikbare gegevens, vereisen vele uren en veel beoordelingsvermogen van een taxateur.

Wat is een geautomatiseerd waarderingsmodel (AVM)?

Geautomatiseerde waarderingsmodellen gebruiken gigantische hoeveelheden gegevens, meestal een combinatie van bijvoorbeeld het Kadaster, vastgoeddata van platforms zoals Zillow (of in Nederland: Funda) en gegevens die de aantrekkelijkheid van het gebied aangeven. AVM's gebruiken doorgaans geavanceerde analyses, zoals machine learning modellen, om veel verschillende datapunten voor een bepaald object te analyseren, en om daarmee de huidige of toekomstige waarde van een object te voorspellen.

Data voor geautomatiseerd waarderen van vastgoed

AVM's voor de woningmarkt analyseren doorgaans openbare registers om de huidige waarde van een woning te berekenen. Het AVM-programma voert een regressie- of machine learning algoritme uit dat rekening houdt met de grootte van de woning, het aantal kamers, de kenmerken van de woningkwaliteit (type keuken, installatiejaar van de CV, garage, grootte van de tuin, enz.) En natuurlijk de locatie. Het resultaat van al die gegevens wordt meestal gecombineerd met de prijsgeschiedenis van de woning (voor hoeveel werd de woning voor het laatst verkocht?). Het eindresultaat is een schatting van de waarde van het huis. Veel bedrijven in binnen- en buitenland bieden een vorm van AVM aan. Zillow's Zestimate is misschien wel het bekendste voorbeeld is van een geautomatiseerd residentieel waarderingsmodel, althans in de VS. In Nederland biedt GeoPhy automatische woningwaarderingen aan middels het GeoPhy WOZ platform.

Met commercieel vastgoed profiteren AVM's van een breed scala aan belangrijke maar arbeidsintensieve processen: voorlopige waarderingen (zogenoemde “Broker Price Opinions”), portefeuilletaxaties, beoordelingen van zekerheden wanneer leningen achterstallig worden, risicobeheer en meer. Net als bij woningen, vertegenwoordigt een geautomatiseerd waarderingsmodel in commercieel vastgoed een reeks algoritmen die inputs (de leeftijd van het onroerend goed, het aantal scholen in de buurt, voorzieningen, enz.) combineren om de waarde van onroerend goed te berekenen -- hierbij houdt het model ook rekening met de kasstroom die door een object gegenereerd wordt. Voorlopig is GeoPhy een van de weinige leveranciers van AVM's voor commercieel gebruik; twee andere bedrijven die de manier proberen te veranderen waarop taxaties voor commercieel vastgoed worden uitgevoerd zijn Bowery Valuation en Skyline AI.

Hoe AVM's de uitdagingen van traditionele waarderingsmethoden aanpakken

De basis voor het berekenen van de waarde van onroerend goed is al tientallen jaren (misschien zelfs wel eeuwen) hetzelfde: vergelijk het onroerend goed met andere, vergelijkbare transacties (comps) in het gebied, waar de "kunst" is om de juiste comps te selecteren. Taxaties zullen zeker nog andere methoden bevatten, maar de marktwaarde van een gebouw hangt nog altijd in grote mate af van de geselecteerde referentieobjecten.

Net als elk ander handmatig proces zijn traditionele taxaties onderhevig aan menselijke fouten. Uit recent onderzoek van GeoPhy is gebleken dat traditionele waarderingen hoge foutpercentages hebben -- tot wel 16% voor gebouwen met een waarde van $1 miljoen of minder. Handmatige, menselijke processen zijn ook (onbewust) subjectief. Comp-selectie wordt bijvoorbeeld vaak beïnvloed door hoe vertrouwd een waarderingsdeskundige is met een object of gebied. Wat nog belangrijker is, de comp-selectie kan worden beïnvloed door de klant van de taxateur (voor leendoeleinden wil een klant dat de waardering hoog is; voor belastingdoeleinden wil de klant dat de waardering laag is).

Beleggers en kredietverstrekkers zijn zich daarnaast ook in toenemende mate bewust van het tijdsverloop bij het zoeken naar een waardering door derden. De vertraging tussen het bestellen van een taxatie en het ontvangen van een rapport is vaak drie tot vier weken, waarbij de gebruikte referentieobjecten vaak al maanden oud zijn. Zeker in de huidige volatiele markt is dat een probleem.

Door gebruik te maken van een AVM duurt het waarderingsproces echter maar enkele seconden, Er is verder er geen handmatige inspanning nodig, dus veel potentieel voor tijdsbesparing voor gebruikers. Minder handmatige inspanning betekent tevens een lager risico op menselijke fouten. We hebben geconstateerd dat de absolute foutmarge van het geautomatiseerde model minder dan 6% is voor commercieel vastgoed. Dat is veel minder dan de foutmarge van traditionele taxaties.

Een AVM werkt altijd en overal. Sommige markten zijn bijvoorbeeld te klein om een ​​traditionele waardering goed te kunnen uitvoeren, maar met een AVM zijn er altijd voldoende datapunten om waardering uit te voeren. En tenslotte, misschien wel het meest waardevol voor gebruikers: een AVM is objectief. Een waardering op basis van puur en alleen data verhoogt de nauwkeurigheid van de waardering en maakt het een betrouwbaardere keuze voor investeerders of kredietverstrekkers.

Meer data, nauwkeuriger, minder tijd

Taxateurs, beleggers en kredietverstrekkers kunnen in toenemende mate gebruik maken van AVM's om een ​​nauwkeurigere waarde te verkrijgen voor hun vastgoed -- zowel woningen als commerciële objecten. Door veel grotere hoeveelheden data in veel minder tijd te verzamelen dan een traditionele taxatie zijn AVM’s accuraat en objectief, en dat in een kwestie van seconden. Hiermee maakt de taxateur tijd vrij voor inspecties en voor die objecten die voorlopig nog lastig met AVM’s te waarderen zijn -- maatschappelijk vastgoed bijvoorbeeld. Zo is de AVM net een zelfrijdende auto: op autopilot, maar met de handen aan het stuur.

Oorspronkelijke publicatie op Forbes Real Estate Council (Engels).