Автоматизированная модель эффективности
Математическая модель для недвижимости

Автоматизированная модель эффективности (AEM) — это математическая модель , которая оценивает эффективность недвижимости (с точки зрения энергии, поездок на работу и т. д.) с использованием общедоступных данных, характерных для недвижимости, и/или характеристик жилья, которые агрегируются по заданной области, например, по почтовому индексу. AEM имеют некоторое сходство с автоматизированной моделью оценки (AVM) с точки зрения концепции, преимуществ и недостатков.

AEM вычисляют конкретные показатели эффективности, такие как местоположение, вода, энергия или солнечная эффективность. Совет по множественным листинговым службам определяет AEM как «любой алгоритм или модель оценки, которая оценивает [эффективность] дома без осмотра на месте. Они похожи на автоматизированные модели оценки (AVM), но больше полагаются на общедоступные данные, такие как площадь в квадратных футах... и предполагаемое потребление энергии. [1] ”

Большинство AEM вычисляют выбранную эффективность недвижимости, анализируя доступную общедоступную информацию, а также могут применять собственные данные или формулы и позволять пользователю, например владельцу дома, вносить дополнительные данные. Характеристики жилья, такие как возраст дома или площадь в квадратных футах, могут быть получены поставщиками данных, такими как те, что указаны в этом списке онлайн-баз данных о недвижимости или аналогичных предложениях. Оценки потребления энергии могут быть доступны из опубликованных источников, таких как Обследование потребления энергии в жилых помещениях, проводимое Управлением энергетической информации .

Примеры использования

По замыслу, вывод баллов AEM предоставляется в качестве предварительного инструмента сравнения, чтобы балл одного объекта недвижимости можно было сравнить с другими домами, со средним баллом по району и т. д. Основные пользователи могут варьироваться от покупателей и продавцов до агентов по недвижимости и оценщиков, поскольку они выполняют соответствующие сравнения. Например, REColorado, многопрофильный сервис листинга, охватывающий район метрополитена Денвера, представляет виджет UtilityScore для домов на продажу. [2] Zillow публикует баллы Sun Number в информационном листе о доме, чтобы посетители веб-сайта могли сравнивать потенциал солнечной энергии предполагаемых объектов недвижимости. [3] Trulia опубликовала отчет, использующий автоматизированные оценки UtilityScore для представления тарифов на воду, природный газ и электроэнергию в виде единой цены за квадратный фут по почтовому индексу. [4]

Помимо использования для предварительных сравнений потребителей, использование AEM варьируется в зависимости от отрасли. AEM также могут использоваться установщиками солнечных батарей, подрядчиками по благоустройству домов, инспекторами по эффективности и ипотечными кредиторами.

В фотоэлектрической промышленности установщики используют Sun Number для снижения нематериальных затрат, связанных с мотивацией потребителей инвестировать в солнечные системы и регистрацией спецификаций недвижимости для создания расценок. Министерство энергетики США обнаружило, что Sun Number исключает 7–10 дней из процесса составления расценок, когда пригодность солнечной энергии определяется в цифровом виде, и устраняет необходимость в инспекции на месте. [5]

AEM использовались в ипотечной отрасли для поддержки нишевого кредитного продукта, называемого Location Efficient Mortgage (LEM). Во время андеррайтинга AEM, такой как индекс доступности H+T, используется для расчета значения location efficient [6]

По данным журнала National Mortgage Professional Magazine, однажды AEM также могут быть включены в андеррайтинг кредитов: «Поскольку коммунальные услуги составляют такую ​​же или даже большую часть расходов на жилье, чем даже налоги на недвижимость, мы можем увидеть, как [предполагаемое потребление коммунальных услуг] начнет учитываться при андеррайтинге » . [7]

Методология

AEM генерируют оценку для конкретного объекта недвижимости на основе как общедоступных жилищных характеристик объекта недвижимости, так и математического моделирования. AEM — это технологически обоснованные оценки без инспекции на месте или оценки человеком. Для получения более точной информации, уникальной для конкретного объекта недвижимости, требуется инспекция на месте, например, энергоаудит .

Подробная информация о данных, используемых для расчета AEM, формулы моделирования и алгоритмы, как правило, не публикуются. Краткое изложение общей информации приведено в таблице ниже:

АЭМТип оценкиСчетРазрешен ли пользовательский ввод?РасположениеМетодологияПерекрестно опубликованный
UtilityScoreЭнергия, вода1–100 (от худшего к лучшему)ДаСоединенные ШтатыПрогнозирование расходов на основе местных тарифов на коммунальные услуги, личных привычек использования; [8] характеристики дома, предоставленные Zillow [9]REcolorado, [10] Хранилище данных Attom (ранее RealtyTrac) [11]
Оценка энергииЭнергия1-100 (от худшего к лучшему)ДаАвстралияОбъединяет данные о расходах и потреблении электроэнергии и газа [12]Группа REA [13]
Число СолнцаСолнечная1–100 (от худшего к лучшему)НеизвестныйСоединенные ШтатыОбъединяет данные аэрофотосъемки высокого разрешения и программное обеспечение ГИС для оценки наклона и ориентации крыши; применяет алгоритмы для учета местных погодных условий и влияния тени [14]Зиллоу [15]
Оценка потребления энергии в Tendril HomeЭнергия1–100 (от худшего к лучшему)Нет [16]Соединенные ШтатыДанные о потреблении основаны на физической модели [16] и методологии Tendril True Home [17] , характеристики дома сопоставлены с данными клиентов, например, для Realltors Property Resource.Ресурс недвижимости для риэлторов, [16] Redfin [18]
ClearlyEnergyЭнергияНеизвестныйНеизвестныйНеизвестныйСтоимость энергииПоместье [19]
Двигатель TLCЭнергия, вода, местоположение$ образа жизни (по возрастанию)ДаСоединенные ШтатыГосударственные и частные источники данных; 31 фактор, включая ставки по ипотеке, налоги на имущество, предполагаемые счета за коммунальные услуги, страховые ставки, расходы на проезд и детский сад.NorthstarMLS [20]
Оценка ходьбыРасположение1–100 (от худшего к лучшему)НетСША, Канада, Австралия«Источники данных включают Google, Education.com, Open Street Map, перепись населения США, Localeze и места, добавленные сообществом пользователей Walk Score [21] »Разные [22]
Индекс H+TРасположение$ на жилье + транспорт (по возрастанию)НетСоединенные ШтатыПубличные данные о характеристиках районов и домохозяйств; методология прошла экспертную оценку [23]Калькулятор MSP H+T, Abogo [24]

Преимущества

Как показано в разделе выше, AEMs, как правило, полагаются на общедоступную информацию, а не на информацию, которая является частной для резидента, такую ​​как фактические счета за коммунальные услуги. Счета за коммунальные услуги могут различаться в зависимости от занятости и личного имущества в пределах структуры. Публичная информация, используемая в AEMs, относительно статична, поскольку она сосредоточена на деталях структуры, местоположении и/или механических системах и, следовательно, имеет тенденцию отражать реальное имущество, переданное во время сделки с недвижимостью.

По данным Совета по множественным листинговым услугам, преимуществами являются: «AEM предоставляют потребителям быстрое сравнение всех объектов недвижимости на указанном рынке. Поскольку большинство из них сосредоточено на присоединенных системах и структуре, они предназначены только для отражения эффективности реальной собственности. [25] ”

Недостатки

По мнению Совета по множественным листинговым услугам, преимущества таковы: «AEM зависят от используемых данных, сделанных предположений и методологии модели. Поскольку модели и методологии различаются, а проверки на месте не проводятся, точность может различаться в разных системах оценки. [26] ”

Ссылки

  1. ^ "CMLS Green Sheet: Automated Efficiency Models" (PDF) . Council of Multiple Listing Services . Council of Multiple Listing Services. 9 мая 2016 г. . Получено 1 марта 2017 г. .
  2. ^ Макферсон, Мэриан (19 сентября 2016 г.). «UtilityScore приходит на REcolorado.com». Inman News . Получено 28 февраля 2017 г. .
  3. ^ "Партнерство Sun Number с Zillow приносит оценки солнечного потенциала миллионам американцев". История успеха EERE . Министерство энергетики США. 24 октября 2016 г. Получено 28 февраля 2017 г.
  4. ^ Грант, Келли (26 октября 2016 г.). «Прежде чем купить этот дом, избегайте шока от счета за коммунальные услуги». CNBC . Получено 28 февраля 2017 г.
  5. ^ Герман, Дэвид (сентябрь–октябрь 2013 г.). «Новый план анализа солнечной энергии на крыше» (PDF) . Журнал Solar Builder. стр.  20–23 . Получено 28 февраля 2017 г. .
  6. ^ Birdsell, T.; Dewar, J.; Sommers, K.; Zeidman, M. (2012). «Обзор двух инструментов планирования землепользования: эффективное размещение ипотечных кредитов и инклюзивное зонирование». Вашингтонский университет . Вашингтонский университет. стр. 2. Архивировано из оригинала (Thesis) 23 марта 2017 г. Получено 28 февраля 2017 г.Альтернативный URL-адрес
  7. ^ Советник, Дж. (20 октября 2016 г.). «Новости от NAMP: 20 октября 2016 г. Счета за коммунальные услуги могут появиться в Интернете». National Mortgage Professional Magazine . Получено 28 февраля 2017 г.
  8. ^ Макферсон, Мэриан (19 сентября 2016 г.). «UtilityScore приходит на REcolorado.com». Inman News.
  9. ^ "Как это работает". MyUtilityScore . GTI International . Получено 28 февраля 2017 г. .
  10. ^ Макферсон, Мэриан (19 сентября 2016 г.).«UtilityScore приходит на REcolorado.com»". Новости Инмана.
  11. ^ "Неделя в сфере недвижимости: 10–14 октября". Inman News. 15 октября 2016 г. Получено 28 февраля 2017 г.
  12. ^ «Насколько энергоэффективен ваш дом?». Queensland Times. 26 ноября 2016 г. Получено 28 февраля 2017 г.
  13. ^ "Неделя в сфере недвижимости: 14-18 ноября". Inman News. 19 ноября 2016 г. Получено 1 марта 2017 г.
  14. ^ Герман, Дэвид (сентябрь–октябрь 2013 г.). «Новый план анализа солнечной энергии на крыше» (PDF) . Журнал Solar Builder. стр.  20–23 . Получено 1 марта 2017 г. .
  15. ^ "Zillow добавляет оценки солнечной энергии на страницы недвижимости". Inman News. 25 октября 2016 г. Получено 1 марта 2017 г.
  16. ^ abc "Каковы данные по потреблению энергии в доме? "Изменится ли моя оценка?"". Realtors Property Resource . Архивировано из оригинала 26 августа 2017 г. . Получено 25 августа 2017 г. .
  17. ^ "Tendril Energy Intelligence". Tendril . Получено 25 августа 2017 г.
  18. ^ "Tendril Customers". Tendril . Получено 25 августа 2017 г. .
  19. ^ "Неделя сделок в сфере недвижимости: 21-25 ноября". Inman News. 24 ноября 2016 г.
  20. ^ Brambila, Andrea (12 ноября 2014 г.). «MLS предлагает приложение, которое показывает, сколько на самом деле будет стоить владение этим домом». Inman News . Получено 1 марта 2017 г.
  21. ^ "Методология". Walk Score . Redfin . Получено 1 марта 2017 г.
  22. ^ "Профессионалы в сфере недвижимости". Walk Score . Redfin . Получено 1 марта 2017 г.
  23. ^ "О нас". Индекс H+T . Центр технологий соседства . Получено 1 марта 2017 г.
  24. ^ "Приложения". Индекс H+T . Центр технологий соседства . Получено 1 марта 2017 г.
  25. ^ "CMLS Green Sheet: Automated Efficiency Models" (PDF) . Council of Multiple Listing Services . Council of Multiple Listing Services. 9 мая 2016 г. . Получено 1 марта 2017 г. .
  26. ^ "CMLS Green Sheet: Automated Efficiency Models" (PDF) . Council of Multiple Listing Services . Council of Multiple Listing Services. 9 мая 2016 г. . Получено 1 марта 2017 г. .
Взято с "https://en.wikipedia.org/w/index.php?title=Автоматизированная_модель_эффективности&oldid=1146354225"