Immobilienbewertung in Märkten mit geringen Transaktionen – Möglichkeiten statistischer Auswertungen

Matthias Soot

doi:10.12902/zfv-0397-2022

Zusammenfassung

Die Bewertung von Immobilien in Märkten mit geringen Transaktionen stellt eine Herausforderung dar. Im Rahmen des Beitrags werden diese Märkte näher beleuchtet und ausgewählte Untersuchungen zur Verbesserung der Auswertung von Kaufpreisen aus der Kaufpreissammlung vorgestellt. Es kann gezeigt werden, dass Kauffalldaten, die Lücken in den beschreibenden Faktoren aufweisen, durch einfache und komplexe Methoden vervollständigt werden können, aber auch die Ergebnisse bei Vorliegen von zufällig auftretenden Datenlücken denen von vollständig erfassten Datensätzen entsprechen. Ebenso kann gezeigt werden, dass überregionale Auswertungen mit räumlichen Auswertemethoden sowie nicht-parametrischen Verfahren (Künstliche Neuronale Netze) bessere Ergebnisse erzielen können als herkömmliche multiple lineare Regressionsanalysen. Dies spricht für einen Einsatz in Märkten mit geringen Transaktionen sowie eine Weiterentwicklung der Methoden zu einer kombinierten Methode (räumlich und nicht-parametrisch). Abschließend wird ein Konzept zur gemeinsamen Auswertung von unterschiedlichen Daten (Kaufpreise, Expertenwissen, Angebotsdaten) angesprochen. Eine vertiefte Auseinandersetzung der Thematik erfolgt in der gleichnamigen Dissertation von Soot (2021).

Summary

The valuation of real estate in markets with few transactions is a challenge. This paper takes a closer look at these markets and presents some research to improve the evaluation of purchase prices from the purchase price database. It can be shown that purchase cases with gaps in descriptive factors can be completed using simple and complex methods, and that the results obtained in the presence of randomly occurring data gaps are equivalent to those obtained from fully collected data sets. Similarly, it can be shown that cross-regional evaluations using spatial evaluation methods as well as non-parametric methods (artificial neural networks) can generate better results than conventional multiple linear regression analyses. This indicates a usage in markets with few transactions. Besides a method to combine spatial and non-parametric methods should be developed. Finally, a concept for the joint evaluation of different data (purchase prices, expert knowledge, offer data) is addressed. A more in-depth discussion of the topic is given in the dissertation of the same name by Soot (2021).