White paper: Realo Schatting® voor de nieuwe EBA-richtlijnen over leningaanvraag en -monitoring
In mei 2020 publiceerde de Europese Bankautoriteit (EBA) haar definitieve rapport over de nieuwe regelgeving met betrekking tot leningaanvraag, getiteld 'Richtlijnen voor leningaanvraag en -monitoring'. Een belangrijk aspect van dit document zijn de nieuwe voorschriften voor de waardering van onroerend goed als onderpand. Het rapport stelt dat statistische modellen mogen worden gebruikt voor dit doel op het moment van aanvraag. Bovendien zullen vanaf 1 januari 2022 kredietinstellingen verplicht worden om te vertrouwen op onafhankelijke derde partijen voor de waardering van onroerend goed als onderpand voor leningen. Deze waardering zal dan dienen als de onderpandwaarde, in tegenstelling tot de aankoopprijs van het pand.
Het is zowel duur als tijdrovend om een waardebepaling te maken op basis van een fysiek bezoek aan een pand. Als zodanig scheppen de bovenstaande voorschriften de behoefte aan snellere en minder dure waarderingstechnieken zonder in te boeten aan nauwkeurigheid of robuustheid. Waarderingen op basis van statistische modellering door machine learning-algoritmen passen perfect bij deze behoefte.
De Realo Schatting®
De Schattingstool van Realo is een geavanceerd geautomatiseerd waarderingsmodel dat vastgoedwaarderingen creëert door gebruik te maken van machine learning- en artificiële intelligentietechnieken. Sinds de oprichting in 2016 heeft dit project grote verbeteringen en updates gezien in elk kwartaal en wordt momenteel beschouwd als de meest nauwkeurige vastgoedwaarderingssoftware in België, die wordt vertrouwd door financiële instellingen, overheden en vastgoedprofessionals.
De tool analyseert gegevens uit een breed scala van bronnen, maakt volledig gebruik van publiek beschikbare gegevens evenals vermeldingen en gebruikersfeedback, en kruist deze gegevenspunten met een grote dataset van transactieprijzen. De resulterende feature vectoren worden gebruikt om een machine learning-model te trainen met grondig geoptimaliseerde trainingsparameters.
Realo heeft momenteel meerdere modellen, die onderscheid maken tussen verkoopprijzen, huurprijzen, (her)bouwwaarden, grondwaarden en verschillende soorten vastgoed (zoals huizen, appartementen en grond). Bovendien is Realo actief in drie landen: België, Frankrijk en Spanje.
Elk model wordt elk kwartaal bijgewerkt met de nieuwste beschikbare gegevens en technieken. Ze worden ook regelmatig gevalideerd en hertest tegen een voortdurend bijgewerkte testset van zowel vraagprijzen als transactieprijzen. Om de kwaliteit van de modellen te kwantificeren, gebruikt Realo de Median Relative Error (MRE) -maatstaf. De huidige MRE-waarden die elk model bereikt, worden weergegeven in de onderstaande tabel.
Afgezien van het produceren van geautomatiseerde waarderingen, berekent de Schattingstool van Realo ook de statistieken voor betrouwbaarheid en feature importance. Deze vertegenwoordigen respectievelijk hoe zeker de engine is van zijn waardering en welke eigenschappen van het eigendom het meest hebben bijgedragen aan de waardering. Op deze manier biedt de engine een niveau van zekerheid en interpreteerbaarheid voor elke waardering.
EBA-vereisten voor statistische modellen
De vereisten die de EBA beschrijft voor de waardering van onroerend goed door geavanceerde statistische modellen zijn als volgt:
Instellingen moeten ervoor zorgen dat de gebruikte geavanceerde statistische modellen: - eigendom- en locatiespecifiek zijn op een voldoende niveau van detail (bijv. postcode voor onroerend goed als onderpand); - geldig en nauwkeurig zijn en worden onderworpen aan robuuste en regelmatige backtesting tegen de werkelijke waargenomen transactieprijzen; - gebaseerd zijn op een voldoende grote en representatieve steekproef, op basis van waargenomen transactieprijzen; - gebaseerd zijn op up-to-date gegevens van hoge kwaliteit.
De Valuation Engine van Realo voldoet aan deze criteria:
De EBA-richtlijnen specificeren verder dat:
Instellingen moeten de waardering die ze van de taxateur ontvangen kritisch bekijken, waarbij ze zich met name richten op aspecten zoals begrijpelijkheid (of de benaderingen en aannames duidelijk en transparant zijn), de voorzichtigheid van aannames (bijv. met betrekking tot kasstromen en discontovoeten) en de duidelijke en redelijke identificatie van vergelijkbare eigenschappen die als waardebepaling zijn gebruikt.
Realo's Schattingstool gebruikt metrics voor feature importance om af te leiden welke aspecten van een woning het meest bijdragen aan de waardering, waardoor de schattingen verklaarbaar zijn volgens de EBA-standaarden. Realo beschikt ook over een grote hoeveelheid data met betrekking tot de liquiditeit van eigendommen op meerdere niveaus van detail. Bovendien maken we gebruik van aanbevelingssystemen om vraagprijzen van vergelijkbare eigendommen te bieden die kunnen worden gebruikt als waardebepaling voor de waarderingen.
Conclusie
Vanaf 1 januari 2022 zullen kredietinstellingen verplicht zijn om derde partij taxateurs in te schakelen om onroerend goed dat als onderpand voor leningen wordt verstrekt, te waarderen. Aangezien fysieke bezoeken van experts aan woningen duur zijn, is het ideaal om in plaats daarvan statistische modellering te gebruiken voor deze waarderingen.
Dit artikel gaf een kort overzicht van Realo's Schattingstool en beschreef hoe het voldoet aan alle criteria die zijn vastgesteld door de EBA met betrekking tot waardebepaling van vastgoed door statistische modellen. Het liet zien hoe deze engine een ideale oplossing is als een third-party schattingstool voor kredietinstellingen gezien de nieuwe richtlijnen.