Tag Archief van: Taxaties

,

Computermodel kan vastgoedtaxateur ondersteunen, nog niet vervangen

Geautomatiseerde taxaties van vastgoedobjecten met computermodellen zijn tot nu toe niet transparant genoeg om de traditionele taxateur te vervangen. Hybride werkwijzen – waarbij mens en machine samenwerken – worden steeds vaker gebruikt en lijken de consistentie, en daardoor de kwaliteit, van waarderingen te verbeteren.

Dat stellen Daan van der Hoeven en Mark van Duijn in het artikel ‘Verkenning implementatie taxatie-expertise in geautomatiseerde waarderingen in Nederland’ in Real Estate Research Quarterly, het kwartaalblad van de Vereniging van Vastgoedonderzoekers Nederland (VOGON). Ze adviseren de in computermodellen gebruikte algoritmes openbaar beschikbaar te stellen, zodat er standaardisatie in de vastgoedtaxatiepraktijk ontstaat.

Recente onderzoeken laten zien dat zogeheten Automatic Valuation Models (AVM’s) de potentie hebben om traditionele waarderingsmethoden na te bootsen en de productiviteit van vastgoedtaxateurs te verhogen. Toch lijkt het de auteurs onwaarschijnlijk dat het gebruik van AVM’s traditionele waarderingsmethoden al op korte termijn zullen vervangen. De huidige wet- en regelgeving schrijft een fysieke opname en inspectie van het vastgoedobject voor en een validiteits- en plausibiliteitstoets die door een registertaxateur moeten worden uitgevoerd.

Om AVM’s toe te kunnen passen moet de registertaxateur de waardebepaling goed kunnen onderbouwen. In hun artikel tonen Van der Hoeven en Van Duijn hoe AVM’s in de huidige taxatiepraktijk voor taxateurs een waardevol hulpmiddel kunnen zijn door het geven van onafhankelijke, efficiënte en nauwkeurige waardebepalingen. Versoepelingen binnen de standaarden van de Europese en Internationale waarderingsstandaarden zijn echter nodig om een verdergaande verandering teweeg te brengen.

Download hier de pdf met het volledige artikel.

Over de auteurs

Daan van der Hoeven MSc is taxateur en product owner bij Envalue waar hij zich specialiseert in AVM’s en verdere automatisering van het vastgoedtaxatieproces. Van der Hoeven rondde in 2022 zijn masterscriptie af voor de opleiding MSc. Real Estate Studies, Rijksuniversiteit Groningen, waarbij hij onderzoek deed naar de potentie van taxateur-gebaseerde AVM’s. 

Dr. Mark van Duijn is universitair docent woningmarkt en vastgoed, afdeling Economische Geografie, Rijksuniversiteit Groningen, coördinator MSc Real Estate Studies en bestuurslid RSA Nederland.

,

Locatus koopt kantorendatabase Bak

Onderzoeks- en databureau Locatus in Utrecht neemt per 1 januari 2023 de kantorendatabase van Drs. R.L. Bak Property Research & Consultancy in Zeist over.

Deze database bestaat uit circa 17.500 kantoorgebouwen in Nederland met een totaal oppervlak van ruim 57,5 miljoen m². Locatus heeft twee jaar geleden besloten haar werkveld uit te breiden van retaildata naar vastgoed en locatiedata in bredere zin. Dit jaar was de introductie van een landelijke database Woningbouwplannen. Een volgende logische stap – naast winkelvastgoed en woningbouwplannen – is kantoren.

Directeur Onderzoek Gertjan Slob: ‘Natuurlijk kun je zo’n database met alle kantoren in Nederland zelf opzetten, maar dat kost veel tijd en geld. Bovendien ontbreekt dan de historie. En die geeft juist goed inzicht in trends en ontwikkelingen. Deze database past uitstekend bij ons streven om meer vastgoeddata voor de markt te ontsluiten.’ Locatus koos voor de kantorendatabase van Bak, omdat deze al lang een begrip in de Nederlandse kantorenmarkt is.

Gestart bij Vastgoedmarkt
VOGON-lid Rudolf Bak begon zijn loopbaan als redacteur bij Vastgoedmarkt. In 1993 startte hij met het verzamelen van de kantoorgegevens en hij heeft dit databestand up-to-date gehouden tot op de dag van vandaag. Van de 17.500 kantoorpanden die Bak heeft opgenomen in de database, zijn er nog steeds 15.000 min of meer in gebruik. Zo’n 2.500 zijn de afgelopen jaren getransformeerd tot bijvoorbeeld woningen of zijn gesloopt. Deze staan nog in de database om een goede historische context te behouden.

Bak: ‘Ik hou me al heel lang bezig met het bijeen brengen en controleren van deze data, maar heb ook niet het eeuwige leven. Het voelt wel als het afscheid nemen van een kindje. Ik ga me niet vervelen. Ik hou me verder nog bezig met een zeer grote transactiedatabase en een voorraaddatabase voor logistieke gebouwen. Die activiteiten blijven bij mij.’

Welke data bevat de kantorendatabase?
De database van Bak is een digitaal bestand met alle zelfstandige kantoorgebouwen in Nederland. Van elk pand vermeldt de database onder meer het adres, de vierkante meters, de eigenaar, het bouwjaar en de leegstand. Dit sinds 1993.

Automated valuation models: Exploration of a machine learning approach

Automated valuation models (AVMs) provide efficient means for local government to determine fair and equitable property taxes, for mortgage providers to limit risks, and for asset owners to make complex investment decisions. Traditionally, AVMs have been econometric models, such as linear regression models. However, recent advancements in the field of machine learning (ML) have opened up a new, and in many fields successful toolbox, providing additional methods for the same data, as well as approaches to access new sources of information and to create new variables.
An important distinction between traditionally applied methods and more recently introduced techniques lies in the structure definition of a model. Econometric models require a model specification – transformation of variables, selection of functional form, interaction effects, and distributional assumptions – prior to estimating parameter values, whereas most ML algorithms determine the model’s structure and parameter values simultaneously (Athey, 2018).
This fundamental difference has theoretical consequences that are naturally reflected in practical applications. The main goal of this paper is therefore to discuss how ML algorithms compare to econometric models for residential real estate valuation in theory and to show what these theoretical differences mean in practice.

In Section 2 we discuss the position of ML algorithms within the landscape of AVMs by comparing econometric models and ML algorithms from a theoretical perspective. Section 3 shows two different ML applications within residential property valuation to highlight the advantages and disadvantages of ML algorithms. Finally, Section 4 concludes and provides routes for future research.

To read the full version of the article please download the PDF

Authors: David Kroon and Marc Francke

Complexiteit in taxeren

Percepties van taakcomplexiteit in de Nederlandse taxatiesector
Vastgoedtaxateurs produceren waardebepalingen in een relatief complexe omgeving, waarbij zij moeten omgaan met informatieambiguïteit, een ondoorzichtige markt en de commerciële belangen van klanten. Deze waarderingsprocessen vereisen maatwerk en oordeels- en besluitvorming van taxateurs. Wetenschappelijk onderzoek naar oordeelsvorming in taxeren verwijst met name naar het verschijnsel oordeelsbias, vanwege de veronderstelde effecten ten aanzien van taxatienauwkeurigheid en de kwaliteit van taxatiediensten. Onder oordeelsbias wordt hier verstaan een (bewuste/onbewuste) cognitieve beperking die resulteert in een onzuivere oordeelsvorming.

Met ons onderzoek richten we ons op de oordeels- en besluitvorming door Nederlandse commerciële vastgoedtaxateurs, vanuit de invalshoek van het begrip ‘taakcomplexiteit’? Om een diepgaande verkenning mogelijk te maken is als onderzoeksmethode gekozen voor een gefundeerde theoriebenadering, uitgevoerd via diepte-interviews met ervaren Nederlandse taxateurs met diverse achtergronden. Onze bevindingen wijzen erop dat taakcomplexiteit zich op diverse wijzen manifesteert in het taxatieproces en sterk situationeel geladen is. Taxateurs die werkzaam zijn in grote organisaties hebben andere ervaringen met taakcomplexiteit in hun werk dan collega’s uit kleinere organisaties of zelfstandige taxateurs. Bovendien verschillen handelwijzen inzake taakcomplexiteit aanzienlijk per type taxateurs. De taakomgeving blijkt sterk mee bewegen met percepties van taakcomplexiteit.

Dit onderzoek beoogt bij te dragen aan een beter begrip van de totstandkoming van oordeelsvorming in de dagelijkse taxatiepraktijk. Dit onderzoek legt weliswaar verband tussen taakomgeving en taakcomplexiteit, maar het verklaart niet waarom gedragingen van taxateurs binnen categorieën verschillen. Ook voorzien wij gevolgen voor het taxatieonderwijs. Het gegeven dat zowel analytische als communicatieve vaardigheden als belangrijke taxatiecompetenties worden gezien in de omgang met taakcomplexiteit, wijst op de behoefte aan (continue) professionele ontwikkeling.

auteurs drs. Pim Klamer, prof. dr. Cok Bakker, prof. dr. Vincent Gruis

 

Voor het volledige artikel downloadt u de PDF