ο ΑΤΜ στην Εκτίμηση, Αξιοποίηση και Διαχείριση της Ακίνητης Περιουσίας Πλεονεκτήματα των ΑΤΜ σε θέματα εκτιμήσεων ακινήτων Παρουσίαση εφαρμογών DIMOPOULOS THOMAS M.Eng, MSc, MPhil, MRICS Lecturer in Real Estate, Neapolis University Paphos Managing Partner at AXIA Chartered Surveyors Expert Scientist at Cyprus University of Technology Member of the RICS Cyprus Board Member of the Board of Cyprus Property Valuers Association
PART I Επαγγελματικά δικαιώματα ΤΕΕ, RICS, TEGOVA, ΣΥΓΚΡΙΣΗ ΜΕ ΚΥΠΡΟ, ΕΤΕΚ
ΕΠΑΓΓΕΛΜΑΤΙΚΑ ΔΙΚΑΙΩΜΑΤΑ ΤΙ ΣΥΜΒΑΙΝΕΙ ΣΤΗΝ ΕΛΛΑΔΑ; ΣΥΓΚΡΙΣΗ ΜΕ ΚΥΠΡΟ Ο ΡΟΛΟΣ ΤΟΥ ΕΤΕΚ
ΠΡΟΥΠΟΘΕΣΕΙΣ ΕΓΓΡΑΦΗΣ ΣΤΟ ΕΤΕΚ 1. Ο κλάδος ονομάζεται εκτίμηση γης 2. Απαιτείται 3ετές πτυχίο (Αγγλικό BSc ή ισοδύναμα 4ετές σε Κύπρο) 3. Μόνο για το συγκεκριμένο κλάδο αποδέχονται και σχετικό μεταπτυχιακό με επιπρόσθετα όμως μαθήματα, αναλόγως του πρώτου πτυχίου
ΑΛΛΑ ΣΩΜΑΤΑ KAI O ΡΟΛΟΣ ΤΟΥΣ RICS TEGOVA ΕΠΑΓΓΕΛΜΑΤΙΚΟΙ ΣΥΝΔΕΣΜΟΙ ΕΛΙΕ
RICS (IVS) DEFINITION OF MARKET VALUE The estimated amount for which an asset or liability should exchange on the valuation date between a willing buyer and a willing seller in an arm s length transaction, after proper marketing and where the parties had each acted knowledgeably, prudently and without compulsion (see IVS 104 paragraph 30.1).
TEGOVA (EVS) DEFINITION OF MARKET VALUE The estimated amount for which the property should exchange on the date of valuation between a willing buyer and a willing seller in an arm s length transaction after proper marketing wherein the parties had each acted knowledgeably, prudently and without being under compulsion.
PART II Προγράμματα σπουδών Κατηγορίες μαθημάτων / συνάφεια με ΑΤΜ
ΘΕΜΑΤΙΚΕΣ ΕΝΟΤΗΤΕΣ ΠΡΟΓΡΑΜΜΑΤΩΝ ΣΠΟΥΔΩΝ Μαθήματα Γενικής Παιδείας Μαθηματικά, Η/Υ, Λογιστική, Οικονομικά, Business, στατιστική, κτλ Πιο εξειδικευμένα μαθήματα Κτηματολόγιο, Πολεοδομία, Αστικά Οικονομικά, GIS, Marketing, Διαχείριση Κατασκευών, κτλ Μαθήματα Real Estate Εισαγωγή στο Real Estate, Θεωρία και πρακτική εκτίμησης, Residential property analysis and valuation, Income property analysis and Valuation, Facilities Management, Ανάπτυξη ακινήτων, Επαγγελματική Πρακτική
Ο ρόλος του RICS σε ένα πρόγραμμα σπουδών Τί σημαίνει RICS accredited? Ποια η διαδικασία πιστοποίησης; Το κόστος; Τι σημαίνει για τους φοιτητές / αποφοίτους; Μπορούν και οι Τοπογράφοι;
Συνάφεια Τοπογράφου / Εκτιμητή Land surveyor Building Surveyor Quantity Surveyor Valuation Surveyor
PART III Εφαρμογές Μαζικές Εκτιμήσεις, GIS και εκτιμήσεις, Βάσεις δεδομένων, Διαφάνεια στην αγορά, άλλα
Market & Real Property Data Data ΠΩΛΗΣΕΙΣ District(NaTown/VillaQuarter(NDistricReg. No: Sheet: Plan: Parcel NParcel EDeclared PAccepted PDLODLO FilDLO File YeFiscal PSale AcceptanShaShareCOSRemSales RemMain Sbp CMain Sbp KStatEnclosed ECovered EUncovered ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΣΤΑΓΙΟΣ ΔΗΜ 1 5017 21 63W1 1620 642 200000 520000 Π 78 2015 ΔΙΑΜΕΡ 1/23/2015 1 1 ## ΤΙΜΗΜΑ ΠΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL 227 52 ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΣΤΑΓΙΟΣ ΔΗΜ 1 5016 21 63W1 1620 642 180000 230000 Π 80 2015 ΔΙΑΜΕΡ 1/23/2015 1 1 ## ΤΙΜΗΜΑ ΠΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL 255 24 ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΑΓΛΑΝΤΖΙΑΣ 1 6832 21 55E2 1184 493 115000 190000 Π 90 2015 ΔΙΑΜΕΡ 1/23/2015 1 1 ## ΤΙΜΗΜΑ ΠΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL 137 8 21 ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΣΤΑΓΙΟΣ ΔΗΜ 1 3567 21 63W1 2059 716 50000 70000 Π 106 2015 ΔΙΑΜΕΡ 1/29/2015 1 1 ΤΙΜΗΜΑ ΠΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL 71 8 ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΛΕΑΓΙΟΣ ΑΝΤ 1 2554 21 470403 1102 670 130000 130000 Π 109 2015 ΔΙΑΜΕΡ 1/29/2015 1 1 ΔΙΑΜΕΡ.3ΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΕΓΚΩΜΗΣ 1 8509 21 52E1 874 521 65000 65000 Π 126 2015 ΔΙΑΜΕΡ 2/3/2015 1 1 ΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL 36 9 ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΛΕΠΑΝΑΓΙΑ 1 898 21 470104 51 805 75000 95000 Π 132 2015 ΔΙΑΜΕΡ 2/4/2015 1 1 ΤΙΜΗΜΑ ΠΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL 79 15 ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΛΕΑΓΙΟΣ ΑΝΤ 1 2612 21 470403 1127 676 130000 150000 Π 148 2015 ΔΙΑΜΕΡ 2/6/2015 1 1 ΤΙΜΗΜΑ ΠΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΕΓΚΩΜΗΣ 1 7841 21 52E2 1123 511 145000 145000 Π 160 2015 ΔΙΑΜΕΡ 2/10/2015 1 1 ## ΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL 93 14 62 ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΣΤΑΓΙΟΣ ΔΗΜ 1 2516 21 63W1 1886 1115 60000 105000 Π 203 2015 ΔΙΑΜΕΡ 2/17/2015 1 1 ΤΙΜΗΜΑ ΠΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL 94 5 6 ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΣΤΧΡΥΣΕΛΕΟ 1 3055 21 62W2 2293 1543 65000 75000 Π 223 2015 ΔΙΑΜΕΡ 2/19/2015 1 1 ΤΙΜΗΜΑ ΠΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΕΓΚΩΜΗΣ 1 4725 21 53W2 612 530 130000 250000 Π 260 2015 ΔΙΑΜΕΡ 2/25/2015 1 1 ## ΧΡΗΣΕΙ ΑΝΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΣΤΧΡΥΣΕΛΕΟ 1 629 21 1012V04 480 906 57000 95000 Π 285 2015 ΔΙΑΜΕΡ 2/27/2015 1 1 ΤΙΜΗΜΑ ΠΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΣΤΑΓΙΟΣ ΒΑΣ 1 13586 30 06W1 4450 1664 110000 110000 Π 352 2015 ΔΙΑΜΕΡ 3/9/2015 1 1 ΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL 78 21 ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΛΕΑΓΙΟΙ ΟΜΟ 1 1789 21 540203 712 1304 55000 55000 Π 356 2015 ΔΙΑΜΕΡ 3/10/2015 1 1 ΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL 49 5 ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΛΕΑΓΙΟΙ ΟΜΟ 1 1117 21 540501 701 760 70000 105000 Π 417 2015 ΔΙΑΜΕΡ 3/16/2015 1 1 ΤΙΜΗΜΑ ΠΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL ΛΕΥΚΩΣΙΑ ΔΗΜΟΣ ΣΤΑΓΙΟΣ ΔΗΜ 1 2499 21 63W1 1886 1115 26000 32000 Π 471 2015 ΔΙΑΜΕΡ 3/23/2015 1 1 ## ΤΙΜΗΜΑ ΠΜΟΝΑΔΑ ΔΙΑΜΕΡΙΣΜL 31 2
Συλλογή δεδομένων DATA CAPTURE PROJECT * Yellow = Fiscal units without fiscal characteristics * Pink = registered units without fiscal characteristics * Orange = horizontally divided units without fiscal characteristics * Delineated in red = Units in ruins
Ποιοτικός έλεγχος QUALITY ASSURANCE
Multiple Correlation matrix
Πολλαπλή γραμμική παλινδρόμηση Regression Analysis Linear Regression is a widely used statistical technique to investigate the relationship between a dependent variable and one or more independent ones. The estimated linear regression is of the form: Y i = a + b 1 X 1i + b 2 X 2i + b 3 X 3i +... +b m X mi + e i Where Y is the dependent variable X 1, X 2, X 3, X m are the independent ones a, b 1, b 2, b 3, b m are the estimated regression coefficients, and e i are independent error terms, with a mean of zero, a constant variance and a normal distribution
MRA Y = accepted price (0,81)
MRA Y = declared (0,78)
MRA Y = TAX 2013 (0,84) Multicollinearity
Οι γνωστοί / άγνωστοι Conceptual Insight Mass Appraisal
Νευρωνικά δίκτυα Το μαύρο κουτί Neural networks Neural network analysis describes the calculations done using a circuit of interconnected neurons. The philosophy is based on biological neurons, which form a nervous tissue section. In the case of artificial neural, it is an abstract algorithmic construction, which fall within the area of computational intelligence, when the goal of the neural network is to solve a computer problem, or computational neuroscience. The aim is to achieve computational simulation of the operation of biological neural networks based on some mathematical models. Human s brain neurons Artificial neural network
Εκπαίδευση και βελτιστοποίηση It uses the idea of evolution by genetic mutation, natural selection, and crossover. The Genetic Algorithms values for the parameters of the system must be coded so be represented by a variable that contains character or bit string (0/1). This variable mimics the genetic code that exists in living organisms Initially, the Genetic Algorithm produces multiple copies of variable / genetic code, usually by random values, generating a population of solutions. Learning Process: Optimization
Εκπαίδευση και βελτιστοποίηση Optimization where F(s) and g j (s) denote the objective and constraints functions respectively, R d is a given set of discrete values, while the design variables s i (i=1,...,n) can take values only from this set
Εντοπίζοντας τα βάρη των παραμέτρων An ANN is typically defined by three types of parameters: The activation function that converts a neuron's weighted input to its output activation. The learning process for updating the weights of the interconnections Activation Function Artificial neural network
Η εφαρμογή The Case Study PROPERTY MASS APPRAISAL 3,500 APPARTMENTS COMPARABLE EVIDENCE IN NICOSIA
GWR: Statistical Analysis Statistical analysis Declared Price Accepted Price General Valuation Multiple R 0,746010699 0,773377707 0,839131637 R Square 0,556531963 0,598113078 0,704141904 Adjusted R Square 0,554562245 0,596328047 0,702827813 Standard Error 39297,27477 37202,75271 33390,0713 Observations 1584 Statistically Significant Variables Quarter, Block, Condition, Age, Enclosed Area, Covered Area, Uncovered Area Quarter, Block, Condition, Age, Enclosed Area, Covered Area, Uncovered Area Quarter, Block, Planning Zone Category, Age, Enclosed Area, Covered Area, Uncovered Area
GIS & Real Estate GWR for Declared Price property points age variable condition variable enclosed extent variable covered extent variable uncovered extent variable
GIS & Real Estate GWR for Accepted Price property points age variable condition variable enclosed extent variable covered extent variable uncovered extent variable
GIS & Real Estate GWR for General Valuation property points age variable enclosed extent variable covered extent variable uncovered extent variable
Βάσεις Δεδομένων MLS - Διαφάνεια Τι είναι το MLS? Ποιος μπορεί να το κάνει; Διαφάνεια στην αγορά Υγιής αγορά ακινήτων Υγιής οικονομία