Особливості аналізу ринку нерухомості під час війни. ФАКТИЧНІ УГОДИ, ПОПРАВКИ ТА МОЖЛИВОСТІ ЗАСТОСУВАННЯ ШТУЧНОГО ІНТЕЛЕКТУ НА ПРИКЛАДІ БАЗИ ОБ’ЄКТІВ КИЄВА ТА КИЇВСЬКОЇ ОБЛАСТІ

 

Сімонова Людмила, к.т.н.

Особливості аналізу ринку нерухомості під час війни. ФАКТИЧНІ УГОДИ, ПОПРАВКИ ТА МОЖЛИВОСТІ ЗАСТОСУВАННЯ ШТУЧНОГО ІНТЕЛЕКТУ НА ПРИКЛАДІ БАЗИ ОБ‘ЄКТІВ КИЄВА ТА КИЇВСЬКОЇ ОБЛАСТІ

Анотація

У статті розглянуто практичні аспекти використання ринкових даних під час оцінки нерухомості в умовах високої невизначеності та обмеженої доступності інформації про фактичні угоди. Проаналізовано співвідношення цін фактичних угод і цін пропонування, питання формування та очищення бази порівняльних об’єктів, а також можливості застосування штучного інтелекту для структурування великих масивів ринкової інформації. Особливу увагу приділено емпіричному визначенню поправки на масштаб (площу) методом попарного порівняння. На основі 68 пар порівнянних квартир досліджено розподіл показника «х», який характеризує вплив площі на ціну 1 м². Отримано медіанне значення «х», близьке до 0,45, що істотно відрізняється від значення 0,10, використаного у досліджуваній методиці [3]. Стійкість результату додатково перевірено шляхом вилучення крайніх спостережень. Окремо розглянуто методологію відбору пар для визначення поправки на укриття як приклад необхідності нейтралізації впливу інших факторів. Результати дослідження свідчать про необхідність переходу від механічного використання традиційних коефіцієнтів до їх емпіричного обґрунтування на основі конкретних ринкових даних.

Ключові слова: оцінка нерухомості, ринкові дані, фактичні угоди, ціни пропонування, попарне порівняння, поправки, масштаб, площа, штучний інтелект, база аналогів.

 

1. Вступ

Порівняльний підхід традиційно є одним із основних інструментів оцінки нерухомості. Його практичне застосування, однак, безпосередньо залежить від якості та достатності ринкової інформації. В умовах стабільного ринку оцінювач може спиратися на відносно велику кількість доступних пропозицій. В умовах воєнного часу структура ринку, інтенсивність операцій, поведінка продавців і покупців та доступність інформації істотно змінюються і використання фактичних угод стає більш важливим.

Міжнародні стандарти оцінки (IVS 2025) передбачають можливість використання цін ідентичних або подібних активів, запропонованих до продажу, якщо релевантність такої інформації встановлена, критично проаналізована та задокументована; при цьому ціна пропонування не повинна бути єдиним показником вартості.

IVS 2025, A10 Market Approach Methods:

«Якщо нещодавніх угод відбулося мало, оцінювач може розглядати ціни ідентичних або подібних активів, які виставлені або запропоновані до продажу, за умови, що релевантність цієї інформації чітко встановлена, критично проаналізована та задокументована.

Така інформація не повинна використовуватися як єдиний показник вартості, але може бути доречною разом з іншими методами».

Отже, окільки ціна, зазначена в оголошенні, відображає намір продавця, тоді як завершена угода є результатом реальної взаємодії сторін на ринку, особливого значення набуває питання веріфікації ціни пропонування  ціною фактичної угоди, .

Також, IVSC у чинній редакції IVS, що набрала чинності 31 січня 2025 року, окремо посилив увагу до Data & Inputs, професійного судження та якості даних. [1].

Отже, проблема полягає не лише у пошуку максимальної кількості аналогів. Необхідно встановити, які саме дані є релевантними ринковими доказами, наскільки вони співставні та яким чином їхні відмінності впливають на ціну.

 

2. Фактичні угоди як основа аналізу ринку

Першим етапом дослідження було визначення джерел інформації про фактичні операції з нерухомістю. До таких джерел можуть належати платні професійні бази даних, зокрема MLS та база реальних угод СЕТ АФНУ, державні та електронні системи, зокрема Prozorro.Продажі, судові рішення, доступні дані Єдиної бази ФДМУ, а також інформація професійних учасників ринку за умови можливості її перевірки.

Практична перевірка показала, що інформація про фактичні угоди може бути отримана і з відкритих електронних систем.

Наприклад, у завершених аукціонах Prozorro.Продажі були встановлені фактичні ціни продажу квартир у Києві. За об’єктом на вул. Ярославів Вал, 8 площею 138,5 м² стартова ціна становила 10 583 400 грн, а фактична ціна продажу — 13 500 001 грн, або близько 97 473 грн/м². За об’єктом на вул. Ованеса Туманяна, 15-А площею 125,5 м² фактична ціна становила 3 750 001 грн, або близько 29 881 грн/м². В обох випадках інформація стосувалася завершених аукціонів та укладених договорів.

Аналогічно було встановлено можливість отримання фактичних цін продажу об’єктів комерційної нерухомості. При цьому сам факт наявності завершеної угоди не означає автоматичної придатності об’єкта для використання як аналога. Функціональне призначення, характеристики об’єкта, конкурентність аукціону та інші умови формування ціни мають бути проаналізовані окремо.

Таким чином, фактична угода є не кінцевою відповіддю, а більш якісною вихідною точкою для подальшого аналізу.

 

3. Ціна пропонування та фактична ціна угоди

Для практичної демонстрації було зіставлено фактичну угоду та актуальну пропозицію практично співставного об’єкта.

За фактичною угодою в Новосілках, у ЖК «Одеський бульвар», квартира площею 70 м² була продана за 90 000 дол. США, що відповідає 1 286 дол. США/м². Інша квартира аналогічної площі в тому самому житловому комплексі пропонувалася за 140 000 дол. США, або 2 000 дол. США/м². Таким чином, ціна пропонування була приблизно на 55,6% вищою за фактичну ціну угоди.

Цей приклад демонструє методологічну проблему механічного використання цін пропонування. Застосування умовної поправки на торг, наприклад 5%, до ціни пропонування у цьому випадку не забезпечило б адекватного наближення до фактичної ринкової ціни.

Отже, ціна пропонування потребує перевірки та підтвердження або аналогами фактичного продажу або іншими методами, а величина відмінності між ціною пропонування та фактичною ціною не може бути апріорі прийнята як стала для всього ринку.

 

4. Формування бази ринкових даних та застосування штучного інтелекту

Проблема дослідження ринку полягає не тільки у відсутності інформації. Не менш важливою є проблема її масштабу та неструктурованості.

У практичній роботі може формуватися база, що містить тисячі оголошень. У межах проведеного дослідження було сформовано масив приблизно з 6 000 потенційних аналогів. Обробка такого обсягу інформації вручну потребує значних трудових ресурсів і створює ризик пропуску релевантних об’єктів.

У цьому випадку штучний інтелект може використовуватися як інструмент первинного пошуку, вилучення, структурування, класифікації та очищення інформації. Проте його застосування не усуває необхідності професійного контролю.

Практичний алгоритм формування бази може включати:

1. відбір релевантних оголошень із OLX, Telegram та інших джерел;
2. збереження інформації у формі, доступній для машинного аналізу;
3. структурування інформації у визначених полях;
4. класифікацію об’єктів за встановленими критеріями;
5. перевірку джерел;
6. очищення та верифікацію бази оцінювачем.

Важливим практичним прийомом є збереження веб-сторінки у файл за допомогою Ctrl+S та подальше передавання файлу штучному інтелекту. Саме веб-посилання не гарантує доступу до всього вмісту сторінки, тоді як збережений файл дозволяє передати інформацію безпосередньо для аналізу.

Для формування бази недостатньо поставити завдання «створити базу квартир в екселі для цього файлу». Необхідно визначити критерії відбору, перелік полів, правила класифікації, порядок роботи з відсутніми даними та позначення сумнівної інформації. Наприклад, база може містити адресу, площу, ціну всього об’єкту, ціну за 1 м², дату продажу, строк експозиції, поверх, тип будинку, стан ремонту, наявність газу, ліфта, укриття, автономності і інших параметрів.

За необхідності масового відкриття сотень URL та автоматизованого вилучення даних доцільним стає використання програмних засобів, зокрема Python. У цьому випадку роль оцінювача полягає у визначенні того, яку інформацію необхідно зберегти та як перевірити отриманий результат.

IVS окремо наголошує на ролі професійного судження та професійного скептицизму при виборі й оцінці даних; у матеріалах IVS щодо застосування AI також підкреслюється, що штучний інтелект може підтримувати процес оцінки, але не замінює професійного судження оцінювача [2].

Тому принцип використання ШІ у дослідженні можна сформулювати так:

ШІ → перевірка джерела → перевірка даних → професійне судження → документування.

 

5. Попарне порівняння як спосіб визначення поправок

Наступним етапом дослідження було визначення величини поправок на основі ринкових даних.

Попарне порівняння передбачає не механічне порівняння двох цін, а пошук таких об’єктів, у яких досліджуваний фактор є єдиною відмінністю, а всі інші характеристики ідентичні, або дуже близькі або їх можна скоригувати.

Для формування пари необхідно враховувати:

• сегмент ринку;
• локацію та мікролокацію;
• тип будинку;
• стан об’єкта;
• площу;
• дату угоди;
• інші характеристики, здатні впливати на ціну.

Таким чином, алгоритм визначення поправки може бути представлений як послідовність: визначення фактора → пошук пар → перевірка співставності → виявлення інших відмінностей → їх нейтралізація або відбракування пари → розрахунок впливу фактора → перевірка результату на інших парах.

Цікавим у цьому відношенні виявився аналіз впливу наявності укриття.

Поправка на укриття не повинна розглядатися як просте порівняння об’єктів за ознакою «укриття є / укриття немає». Передусім необхідно довести, що укриття є суттєвою відмінністю, яка впливає на ринкову поведінку покупців.

В нашому дослідження із 12 потенційних пар, сформованих для аналізу, після перевірки залишилися лише дві придатні пари. Інші були відхилені через наявність додаткових факторів: дахову котельню, різний стан ремонту, недобудованість, наявність укриття в обох об’єктах, специфіку мікролокації, генератор у одному з об’єктів, нелогічний результат або відсутність фактичної угоди.

Отриманий результат є методологічно важливим: якість попарного порівняння визначається не кількістю пар, а ступенем ізоляції досліджуваного фактора.

За двома чистими парами вплив укриття після коригування на відмінність площі становив відповідно близько +14% та +12%. Для першої пари ціна об’єкта без укриття після коригування на масштаб становила 2 361 дол. США/м² проти 2 690 дол. США/м² для об’єкта з укриттям. Для другої — відповідно 1 125 та 1 260 дол. США/м².

Отримані дві величини не були механічно усереднені, оскільки для формування стійкого висновку необхідне подальше накопичення чистих пар.

6. Емпіричне визначення показника масштабу

Найбільш детально в межах дослідження було проаналізовано вплив площі квартири на ціну 1 м².

Для цього сформовано пари фактично проданих квартир, які максимально подібні за іншими характеристиками, але відрізняються площею. Об’єкт оцінки у парі має більшу площу, а аналог — меншу.

Для кожної пари визначався коефіцієнт співвідношення вартостей 1 м²:

K= Co / Ca

де Co — фактична вартість 1 м² об’єкта оцінки, а Ca — фактична вартість 1 м² аналога.

Відповідно до степеневої моделі коефіцієнт масштабу визначається:

K = (So /Sa) ^x

де So — площа об’єкта оцінки, Sa — площа аналога, а x — показник впливу масштабу.

Для кожної пари показник x визначався зворотним розрахунком:

x= Ln (Co /Ca) / Ln (Sa/So)

Таким чином, ціна використовується для визначення фактичного співвідношення K, після чого через співвідношення площ визначається індивідуальне значення x.

Тобто,  дослідження не передбачало наперед заданого x. Навпаки, показник визначався емпірично для кожної пари, після чого аналізувався його розподіл.

7. Статистичний аналіз показника x

Для основного аналізу була сформована очищена вибірка з 68 пар порівнянних квартир.

Отримані індивідуальні значення x утворюють неоднорідний, але виражений розподіл. Найбільша концентрація спостережень припадає на нижчі та середні значення показника, тоді як крайні значення зустрічаються значно рідше.

Для характеристики центральної тенденції було використано медіану. Це обумовлено тим, що середнє арифметичне є більш чутливим до крайніх значень і, крім того, саме по собі не вирішує проблему неоднорідності вибірки. Медіана є стійкішою характеристикою центрального положення розподілу, хоча також не замінює аналізу самої структури вибірки. На малюнку 1 наведений статистичний розподіл результатів.

Для отриманої вибірки медіанне значення показника x становить приблизно:

x=0,45

Отриманий результат істотно перевищує значення x=0,1 використане у досліджуваній методиці. Гістограма розподілу показує, що значення 0,10 знаходиться за межами основної концентрації спостережень.

Для перевірки стійкості результату було вилучено два мінімальні та два максимальні значення. При цьому медіана практично не змінилася, що свідчить про достатню стійкість центрального результату до крайніх спостережень.

Таким чином, отриманий результат не є наслідком кількох екстремальних значень.

Водночас отримане значення x≈0,45x не слід автоматично трактувати як універсальний коефіцієнт для всього ринку нерухомості. Воно характеризує досліджену вибірку квартир та умови конкретного ринку. Для остаточного узагальнення необхідні подальше розширення вибірки, сегментація за типами житла та перевірка результату на незалежних масивах даних.

8. Обговорення результатів

Отримані результати дозволяють зробити декілька методологічних висновків.

По-перше, використання цін пропонування без перевірки їхньої релевантності може призводити до суттєвих похибок. Різниця між ціною пропонування та фактичною ціною угоди в окремих випадках значно перевищує традиційні умовні поправки на торг.

По-друге, наявність великої бази аналогів не гарантує якості результату. Збільшення кількості оголошень саме по собі не усуває неоднорідності. Потрібні структуризація, сегментація та перевірка характеристик.

По-третє, попарне порівняння дозволяє перейти від загальних припущень про вплив факторів до їх емпіричного вимірювання. При цьому відбір чистих пар є не менш важливим, ніж математична процедура розрахунку.

По-четверте, дослідження показало можливість використання штучного інтелекту для роботи з великими масивами ринкової інформації. Його найбільша практична цінність полягає не у заміні оцінювача, а у скороченні часу на пошук, структурування, класифікацію та первинний аналіз даних.

По-п’яте, результати аналізу масштабу демонструють, що величина поправки може бути істотно чутливою до конкретної структури ринку. Застосування універсального коефіцієнта без перевірки його відповідності актуальному ринку може не відображати фактичну залежність між площею та ціною одиниці площі.

9. Висновки

Проведене дослідження підтверджує доцільність переходу від механічного використання ринкових показників до їх емпіричного аналізу.

Основним джерелом інформації для порівняльного підходу мають бути перевірені ринкові дані, причому фактичні угоди мають особливе значення як свідчення реалізованих ринкових рішень. Ціни пропонування можуть використовуватися за умови встановлення та документування їхньої релевантності.

Використання штучного інтелекту створює можливість працювати з такими масивами даних, які практично неможливо якісно опрацювати вручну. Проте ШІ є інструментом обробки інформації, а не джерелом професійного судження. Відповідальність за вибір даних, їх перевірку та висновок залишається за оцінювачем. Цей підхід відповідає загальному напрямку розвитку IVS, у якому посилюється увага до якості даних, професійного судження та прозорості процесу оцінки [1].

Попарне порівняння показало, що значна частина потенційних пар не може бути використана для ізоляції конкретного фактора через наявність інших суттєвих відмінностей. Тому якість вибірки повинна мати пріоритет над її формальним обсягом.

Найбільш детальний аналіз впливу площі на ціну 1 м² на основі 68 пар порівнянних квартир дав медіанне значення показника x, близьке до 0,45. Отриманий результат істотно відрізняється від значення 0,1, рекомендованого  у досліджуваній методиці, а перевірка після вилучення крайніх спостережень підтвердила стійкість медіанного результату.

Таким чином, результати дослідження свідчать про необхідність емпіричного визначення та періодичної перевірки поправок на основі актуальних ринкових даних, а не їх автоматичного перенесення з раніше розроблених методик на інші ринкові умови.

Подальші дослідження доцільно спрямувати на розширення вибірки, сегментацію за типами нерухомості та окреме дослідження впливу інших характеристик, зокрема автономності, укриттів, типу будинку, мікролокації та стану об’єкта.

Джерела та нормативна база

1. International Valuation Standards (IVS), effective 31 January 2025. International Valuation Standards Council. IVS 103 Valuation Approaches; IVS 104 Data & Inputs; Appendix A10 Market Approach Methods. (IVSC)
2. IVSC. Navigating the Rise of AI in Valuation: Opportunities, Risks, and Standards. 2025. (IVSC)
3. FAQ 06. Поправка на масштаб (площу). Асоціація фахівців оцінки.
4. Дані фактичних угод та цін пропонування, використані у дослідженні; база сформована автором з даних сайту МЛС.