Automatiseret boligvurdering: hvor præcis er den egentlig?

Et prisestimat kan leveres på sekunder. Det er den nemme del. Den svære del er at vide, hvor meget du kan læne dig op ad det — for et tal uden kontekst er lige så farligt, som det er nyttigt. Spørgsmålet er sjældent, om en automatiseret boligvurdering kan ramme rigtigt, men hvornår den gør det, og hvordan du selv kan se forskel på de to situationer.

For en mægler, valuar, kreditmedarbejder eller investor er pointen ikke at erstatte en konkret vurdering med en algoritme. Pointen er at vide, hvornår estimatet er solidt nok til at stå alene, hvornår det skal kvalificeres, og hvornår du bør gå ud og se ejendommen med egne øjne. Det handler om at læse konfidensen lige så omhyggeligt som selve tallet.

Hvad en automatiseret model faktisk gør

En automatiseret boligvurdering — internationalt kendt som en AVM (Automated Valuation Model) — estimerer en handelspris ud fra mønstre i tidligere handler. Modellen finder sammenlignelige ejendomme, vægter dem efter lighed og nærhed, og justerer for de forskelle der findes mellem dem og den ejendom, du kigger på: areal, alder, stand, beliggenhed, grundstørrelse og en række andre faktorer.

Det er i princippet den samme øvelse, en valuar laver manuelt, når der findes referencer på det eksisterende marked — bare gennemført på langt flere handler og langt hurtigere. Logikken bag den metode er den samme, uanset om den udføres af et menneske eller en model; vi har beskrevet den i detaljer i artiklen om hvordan en ejendom værdiansættes på det eksisterende marked.

Forskellen ligger i skala og i konsistens. En model kan tygge gennem tusindvis af handler i et område og holde den samme metodik fra adresse til adresse. Til gengæld kan den kun se det, der står i registrene. Den kan ikke gå ind ad døren.

Tre ting der afgør træfsikkerheden

Boligvurderingens præcision er ikke en fast egenskab ved modellen. Den varierer fra adresse til adresse, og den afhænger af tre forhold.

1. Datatæthed — hvor mange sammenlignelige handler findes der?

Det vigtigste enkeltforhold er, hvor meget relevant handelsdata der findes omkring den konkrete ejendom. En lejlighed i et stort etagebyggeri i en større by har typisk snesevis af nærmest identiske nabohandler inden for kort tid og afstand. Her har modellen et stærkt grundlag.

En arkitekttegnet villa på en stor grund i et tyndt befolket område er den modsatte yderlighed: få handler, stor spredning, og hver enkelt ejendom er reelt unik. Her bliver estimatet pr. definition mere usikkert — ikke fordi modellen er dårlig, men fordi virkeligheden giver den lidt at gå efter.

Tommelfingerregel: jo mere ensartet et boligsegment er, og jo flere handler der findes omkring ejendommen, jo mere kan du regne med estimatet.

2. Datakvalitet — er registrene retvisende?

En model er kun så god som de data, den fodres med. BBR’s arealer, bygningens opførelsesår og anvendelseskoder er fundamentet — og hvis de er forkerte, forplanter fejlen sig direkte til estimatet. Et forkert registreret boligareal eller en uregistreret tilbygning kan flytte vurderingen mærkbart.

Det er præcis derfor, registerdata aldrig bør tages for pålydende uden et kritisk blik; vi har samlet de typiske faldgruber i gennemgangen af faldgruberne i BBR-data. For en automatiseret vurdering gælder den simple regel: garbage in, garbage out. Et estimat på en adresse med tvivlsomme registerdata fortjener et ekstra øjekast.

3. Stand og det modellen ikke kan se

Den sværeste faktor at fange automatisk er bygningens fysiske stand. To ejendomme med identiske registerdata kan have vidt forskellig værdi, hvis den ene er nyrenoveret og den anden er nedslidt. Standen kan flytte kvadratmeterprisen betydeligt — vi har behandlet sammenhængen i artiklen om hvad bygningens standniveau gør ved værdien.

En model kan estimere et sandsynligt standniveau ud fra alder, seneste ombygningsår og områdets karakter, men den kan ikke se et nyt køkken eller en utæt kælder. Det er her, den menneskelige besigtigelse stadig er uundværlig — og det er en af grundene til, at et estimat skal læses som et udgangspunkt, ikke en facit.

Konfidensniveauet er vigtigere end tallet

Det er her, mange læser en automatiseret boligvurdering forkert. De fokuserer på prisen og overser det, der står ved siden af: konfidensniveauet.

Konfidensniveauet er modellens egen vurdering af, hvor sikker den er på sit estimat — udledt af netop de tre forhold ovenfor. Et højt konfidensniveau betyder typisk mange sammenlignelige handler, ensartet segment og solide registerdata. Et lavt konfidensniveau er et signal om det modsatte: tynd data, stor spredning eller en atypisk ejendom.

I praksis kan du tænke på det sådan her:

• Høj konfidens: Estimatet kan i mange tilfælde stå alene som første indikation — fx til en hurtig screening, en porteføljegennemgang eller en indledende prisindikation.
• Middel konfidens: Brug estimatet som udgangspunkt, men kvalificér det. Tjek registerdata, kig på de konkrete referencer, og vær opmærksom på, hvad der trækker usikkerheden op.
• Lav konfidens: Behandl tallet som en grov pejling. Her er en besigtigelse og en manuel vurdering reelt nødvendig, før du baserer en beslutning på det.

At læse konfidensniveauet er det, der adskiller den professionelle bruger fra den, der bare aflæser et tal. Et estimat med lav konfidens er ikke et dårligt estimat — det er et ærligt estimat, der fortæller dig, at du skal gøre mere arbejde.

Hvornår kan et estimat stå alene — og hvornår ikke?

Den ærlige konklusion er, at det afhænger af formålet. Til en hurtig indikation, en første sortering af en lang liste ejendomme eller en samtale med en sælger er et estimat med høj konfidens ofte rigeligt. Til en kreditbeslutning, en endelig prissætning eller en handel af betydeligt omfang bør et estimat aldrig stå alene — uanset konfidens. Her er det et effektivt udgangspunkt, der sparer tid og sætter retning, men ikke en erstatning for en konkret vurdering.

Det er også værd at huske, at et estimat er et øjebliksbillede af det eksisterende marked. Det er ikke en forudsigelse om, hvor priserne bevæger sig hen. Det estimerer, hvad ejendommen sandsynligvis ville kunne handles til nu — på de handler markedet rent faktisk har leveret. Forstår man kvadratmeterprisen som et områdebegreb, bliver det også tydeligere, hvorfor estimater varierer geografisk; det har vi udfoldet i artiklen om hvordan kvadratmeterprisen for et område beregnes og læses.

Sådan ser øvelsen ud i Arcili

Alt det ovenstående — find referencerne, vægt dem efter lighed, justér for areal, alder og stand, og afgør hvor sikker konklusionen er — er en øvelse, der tager tid, hvis den laves manuelt. Det er den øvelse, Arcili automatiserer i modulet Boligvurdering.

Vurderingen bygger på offentlige registre og handelsdata fra det eksisterende marked, vægter et stort antal faktorer pr. adresse og angiver et standniveau. Frem for blot at give ét tal returnerer den et estimat med et konfidensniveau, så du med det samme kan se, om grundlaget er solidt eller tyndt — og dermed selv afgøre, om estimatet kan stå alene eller skal kvalificeres med en besigtigelse. Det erstatter ikke valuarens dømmekraft; det giver dig et velfunderet udgangspunkt på sekunder i stedet for timer.

Vil du se, hvordan konfidensniveauet og standvurderingen ser ud på dine egne adresser, kan du book en gennemgang og få vist modulet på konkrete ejendomme.