MoniT

Statistiky MoniT

Užitečné informace v záplavě dat

Rozsáhlá databáze cen nemovitostí MoniT (více než 2 000 000 zánamů) spolu s cenovým modelem MoniT, postaveným na bázi umělé inteligence umožňuje získat přesné a spolehlivé informace o trhu s nemovitostmi.

Cenové mapy

Mapy cen bytů 3+1, 64 m² vlevo: k 1. 1. 2015, vpravo: k 1. 1. 2020

V čem jsou naše cenové mapy unikátní?

Vznikly odhadem cen nemovitosti daných vlastností (např. bytu 3+1, v cihlovém domě, 64 m² k 1.1.2022) v pravidelné síti bodů pokrývající republiku pomocí modelu MoniT. Tento postup je matematicky exaktní a mnohem přesnější než naivní postup přímého vykreslování jednotlivých případů do mapy.

  • Korektně separují vlastní cenovou hladinu od šumu, neobsahují náhodné výkyvy.
    Poměr cen rodinných domů a pozemků
  • Korektně separují rozdíly v ceně od rozdílů ve skladbě trhu

    Např. v menších obcích se převážně prodávají byty jiných vlastností než v obcích větších, takže naivní průměr všech prodávaných nemovitostí by byl nerozlišeně ovlivněn jak rozdíly v kvalitě nemovitostí, tak v jejich lokální ceně.

  • Korektně zachycují časové rozlišení

    Ceny nemovitostí se neustále vyvíjejí. Pokud by byla cenová mapa naivně vytvořena pouhým aritmetickým průměrem za určité období, značná část informace o časové změně se ztratí. Cenový model dokáže přesně zachytit okamžitou úroveň cenové hladiny

  • Cenová úroveň reálných (prodejních, nikoli jen nabídkových) cen

Časové řady

Kladno
Pardubice
Karlovy vary
Časové řady (index cen) bytů v různých městech

Mnohem přesnější než konkurence

Časová řada je vypočtena odhadem vývoje cen zvoleného typu nemovitosti v daném místě v pravidelných časových intervalech pomocí modelu MoniT. Výsledkem je matematicky nejpravděpodobnější křivka růstu cen očištěná o vedlejší vlivy a specifická pro danou lokalitu.

  • Korektně sparují trend ceny od šumu.

    Pokud bychom používali jen triviální matematické postupy, které se běžně používají (jako klouzavý průměr), křivka vývoje ceny by chaoticky kolísala. S použitím pokročilých matematických technik jsme schopni určit nejpravděpodobnější průběh ceny jako hladkou křivku. To je mj. velmi žádoucí při pravidelném přeceňování – nedochází k defektům, jako např. že by přeceněná hodnota nahodile klesla i když celek trhu zjevně roste.

  • Korektně separují vývoj ceny od vývoje skladby trhu

    Kvalita nabízených nemovitostí se s časem mění, což dokáže model MoniT zachytit. Pokud bychom použili pouze aritmetické průměry všech nabízených nemovitostí, křivka vývoje cen by zároveň zahrnovala i faktor změny skladby trhu. Naše časové řady jsou očištěny od rušivých faktorů.

  • Zachycují lokálně specifický vývoj cen

    Ceny na trhu se nevyvíjejí stejně na všech místech. Vývoj cen např. v Karlových Varech, Praze a Ostravě se výrazně liší. Použít jen jeden „index cen nemovitostí“ pro celou republiku je velmi nepřesné.


Statistické přehledy na míru

Příklady statistických přehledů

Postup ve 3 krocích

  1. Filtrace

    Odfiltrujte nemovitosti, které vás zajímají. Např. byty, rodinné domy, prodeje v letech 2019-2022, objekty v malých obcích, byty 3+1 apod.

  2. Členění

    Zvolte, jak chcete statistiku členit. Např. podle okresů, podle velikosti obcí, podle výměry apod. Člení lze kombinovat a sestavovat tak tabulky

  3. Statistika

    Vyberte jeden nebo více statistických ukazatelů, které Vás zajímají. Např. aritmetický průměr, medián, graf tržních podílů apod.


Příklady statistik

Systém MoniT umožňuje vytvářet statistiky o trhu s nemovitostmi podle potřeb uživatele. Zde je uvedeno několik příkladů statistik pro ilustraci možností systému. Vždy je pro názornost uvedeno zadání výpočtu statistiky a výsledný text. Podrobnosti ke způsobu zadávání statistických výpočtů lze nalézt v Uživatelské příručce programu Delta-NEM.

Srovnání starých a nových bytů

V této statistice jsou porovnány byty v novostavbách se staršími byty ve vybraných městech. Uvedeny jsou průměrné nabídkové cena za m² a průměrné užitné plochy. Byty v novostavbách jsou určeny posle stavu „výborný“, starší byty jsou byty se stavem „velmi dobrý“ a „dobrý“.

Zadání:

Výstup:

Plochy stavebních pozemků
v závislosti na velikosti obce a čase

V následující tabulce jsou vypočteny mediány plochy nabízených stavebních pozemků rozčleněné po letech a podle velikosti obce. Je patrné, že v čase velikost pozemku mírně roste. Zároveň klesá s velikostí obce.

Zadání:

Výstup:

Byty v cihlových
a panelových domech

Zde jsou srovnány ceny bytů v cihlových a panelový domech v Brně v jednotlivých letech. Ceny jsou stanoveny podle cenového modelu MoniT – to znamená, že byly vzaty byty těch vlastností, jak byly v jednotlivých letech nabízeny na trhu, a tyto byty byly oceněny podle cenového modelu MoniT. Užití cenového modelu pro statistiku má výhodu v tom, že cenový model vyrovná nahodilé výkyvy cen. To je významné zejména pro menší soubory dat. (Pro podrobnosti viz článek Na matematice záleží.)

Zadání:

Výstup:


Co dál