Waarom data science steeds belangrijker wordt voor de waardebepaling van vastgoed

Door de jaren heen is er ongekend veel data over de vastgoedmarkt verzameld. Al deze informatie over historische transacties, waardeontwikkelingen en markttrends bieden een schat aan inzichten waarmee de waarde van vastgoed beter kan worden onderbouwd. Ook vastgoedinvesteerders kunnen dankzij big data en data analyses een accuratere inschatting maken van het verwachte rendement. Maar hoe vertaal je deze data succesvol naar concrete beleggingskeuzes voor uw vastgoedportefeuille?

Veel beleggers geven de voorkeur aan een tastbare belegging zoals vastgoed boven aandelen of obligaties, of willen graag dat vastgoed een substantiële weging heeft in de totale beleggingsportefeuille. Bovendien kan beleggen in vastgoed zeer lucratief zijn en een mooi rendement bieden.

Een van de uitdagingen die hierbij komt kijken is de waardering van met name individuele vastgoedobjecten. Bij het bezit van meerdere aandelen in één bedrijf zijn alle aandelen onderling

etzelfde en bewegen mee met de koers. Voor vastgoedbeleggingen is ieder object uniek en zijn er veel meer variabelen van invloed op de waarde. Zelfs wanneer een belegger meerdere appartementen binnen één pand beschikt, kan de waardering per appartement wezenlijk verschillen.

Big data maakt het mogelijk om alle variabelen te stroomlijnen en zodoende tot een betere waardebepaling te komen voor een complete vastgoedportefeuille.

Data science voor de beleggingsmarkt

Uit onderzoek van KPMG blijkt dat steeds meer vastgoedbedrijven en grote investeringsmaatschappijen voor het maken van strategische beleggingsbeslissingen gebruikmaken van big data. Het analyseren van alle data vanuit de vastgoedmarkt om tot waardevolle inzichten te komen vraagt echter om expertise en slimme rekenmodellen.

Binnen andere investeringsmarkten is het gebruik van computergestuurde data science al langer een belangrijke trend. Voor het handelen op de aandelenbeurzen wordt bijvoorbeeld steeds vaker kunstmatige intelligentie ingezet. Op basis van computer gestuurde data-analyses en rekenmodellen worden er in minder dan secondes beleggingsbeslissingen genomen. In dat proces komt geen mens meer aan te pas. De grote vraag is of de vastgoedmarkt dezelfde ontwikkeling zal doormaken en welke rol big data hierin gaat spelen.

Gelijktrekken van variabelen

De waardering van individuele vastgoedobjecten is afhankelijk van meerdere variabelen, waardoor ieder object uniek is. Denk aan belangrijke kenmerken zoals locatie, bouwjaar, bestemming, omvang en constructie. Bovendien komen daar in de loop der jaren steeds meer variabelen bij, zoals duurzaamheid en energiezuinigheid. Hoe kunnen deze variabelen gelijk worden getrokken om op basis van data-analyse belangrijke trends en waardeontwikkelingen te bepalen?  Daarvoor bestaan er momenteel al een aantal methodes.

In landen als Singapore wordt er bijvoorbeeld gebruikgemaakt van een ‘Hedonic Regression’ techniek. Met deze methode worden belangrijke vastgoedkenmerken en variabelen individueel gewaardeerd. Op basis van deze kenmerken en bijbehorende waarde worden vastgoedobjecten onderverdeeld.

In de Verenigde Staten wordt er vaak gebruikgemaakt van de zogenoemde ‘repeat sales’ methode. Hierin ligt de focus op de historische transacties van een vastgoedobject om daarmee de huidige waarde te bepalen.

Naast deze twee methodes wordt de waarde van meerdere vastgoedobjecten ook steeds vaker bepaald op basis van postcode of de historische waardeontwikkeling van een complete wijk of regio.

Geautomatiseerde valuation tools

Net als op de beurs wordt het handelen in vastgoed ook meer en meer geautomatiseerd. Hiervoor worden ‘Automated Valutation Tools’ ingezet die vooral werken op basis van actuele statistieken. Het gaat dan bijvoorbeeld om websites waarmee direct een waarde-inschatting voor een vastgoedobject kan worden verkregen.

Praktijkvoorbeelden hiervan zijn onder andere de Amerikaanse website Zillow, Urbanzoom in Singapore en het Finse Skenariolabs. Naar verwachting zal de techniek achter deze tools nog verder ontwikkelen, waarmee nog nauwkeuriger de waarde van vastgoed bepaald kan worden.

Ook voor vastgoedinvesteerders kunnen dergelijke tools helpen om een goede inschatting van de huidige waarde te maken. In de Verenigde Staten bestaan er inmiddels zelfs websites en tools waarmee ook het biedingsproces volledig geautomatiseerd wordt. Een voorbeeld daarvan is de tool van de website Opendoor. Data en informatie uit dergelijke waarderingstools worden doorgaans ook vaak gebruikt door hypotheekverstrekkers, verzekeraars en andere financiële instellingen.

De vastgoedmarkt voorspellen

Data science geeft vastgoedbeleggers toegang tot data over historische transacties en actuele waarderingen van individuele vastgoedobjecten. Maar hoe zit het met het inschatten van het te verwachte rendement? Ook daarvoor biedt data science een mogelijke oplossing. Hiervoor zijn grofweg twee methoden van data-analyse te onderscheiden.

De versimpelde methode is het verzamelen en analyseren van statistieken over de lokale huizenmarkt, waar het vastgoedobject is gelokaliseerd. Dit kan informatie betreffen over de ontwikkeling van de gemiddelde vastgoedwaarde binnen een regio, maar ook ontwikkeling van de WOZ-waarde. Met behulp van het ‘Autoregressive Integrated Moving Average’ model, kunnen op basis van deze informatie trends en patronen worden vastgesteld. Vervolgens kan er een inschatting worden gemaakt van de waardeontwikkeling van vastgoed op korte termijn.

De tweede methode om de vastgoedmarkt te voorspellen is uitgebreider en complexer, maar daardoor ook nauwkeuriger en geeft een beter zicht op de lange termijn. In dit geval wordt er niet alleen rekening gehouden met de waardeontwikkeling van de lokale vastgoedmarkt. Er wordt ook gekeken naar de ontwikkeling van demografische kenmerken van de betreffende regio, de ontwikkeling van het gemiddeld inkomen, werkloosheidscijfers tot aan de grotere macro-economische variabelen. Deze methode gaat uit van het principe dat uiteindelijk alle wereldwijde economische ontwikkelingen van invloed kunnen zijn op de waardeontwikkeling van vastgoed. Door gebruik te maken van het ‘Vector Autoregression’ en ‘Vector Error Correction’ model, kan op basis van deze data een goede prognose over de vastgoedmarkt worden gemaakt.

De waarde van data science

Het gebruik van data science binnen de vastgoedmarkt staat nog in de kinderschoenen, maar kan in de komende jaren een vlucht nemen. Steeds meer vastgoedbeleggers zullen direct of indirect toegang hebben tot enorme hoeveelheden data en op basis daarvan beslissingen nemen. Laat u uw vastgoedportefeuille beheren door een externe partij? Informeer dan welke rol big data en data-analyse op dit moment spelen bij het maken van beleggingsbeslissingen en hoe zij hier in de toekomst mee om zullen gaan.

Ondanks deze ontwikkelingen blijft ook de vastgoedmarkt kwetsbaar voor onvoorspelbare gebeurtenissen waar modellen en statistieken geen rekening mee kunnen houden. Gebruik data-analyse daarom vooral om ontwikkelde hypotheses te onderbouwen.