StudiumAbschlussarbeiten
Adaption der bayesischen Regression in der Wertermittlung für den Teilmarkt der Eigentumswohnungen in Hannover

Adaption der bayesischen Regression in der Wertermittlung für den Teilmarkt der Eigentumswohnungen in Hannover

Betreuung:  Alexandra Weitkamp
Bearbeitung:  Stefanie Arand
Jahr:  2012
Laufzeit:  2012
Ist abgeschlossen:  ja

In der Immobilienbewertung werden immer wieder Verfahren gefordert, die einerseits den Nachweis erlauben, dass die Unsicherheit der Verkehrswerte bestimmte Grenzen nicht übersteigen. Die Rechtsprechung fordert regelmäßig die Einhaltung der Streuung der Verkehrswerte von ± 20 %. Andererseits stellen datenarme Regionen – die so genannten kaufpreis­armen Lagen – die Wertermittlungsverfahren vor besondere Heraus­forderungen. Aufgrund der wenigen Informationen ist hier oftmals nur eine (inter-) subjektive Einschätzung unter sachverständiger Inaugen­schein­nahme der vorhandenen Daten möglich. Hier setzt die Arbeit an.

In ersten Untersuchungen erweist sich die Bayesische Regression als ein zielführendes Verfahren, das es ermöglicht, datengetrieben die Stichprobe mit wenigen Kauffällen aufzuwerten, indem Vorwissen in das Modell eingeführt wird.

In der vorliegenden Arbeit wurde die Verwendung der Bayesischen Re­gression auf einen weiteren Teilmarkt, Eigentumswohnungen in Hannover, übertragen. Mittels einer Expertenbefragung von Mitgliedern des Gutachter­ausschusses für Grundstückswerte Hannover wurden Pseudo-Kauffälle erstellt, die als Vorwissen mit realen Kaufpreisen kombiniert werden. Systematisch wurden kleine Stichproben der Daten, z. B. nur Kauffälle mit hohen Wohnflächenpreisen, gebildet und sowohl klassisch in der Regressionsanalyse untersucht als auch in der Bayesischen Regression mit Vorwissen kombiniert.

Für den untersuchten Teilmarkt konnten die Vorteile der Methodik für wenige Daten (Kauffälle) nachgewiesen werden. Daneben konnte festgestellt werden, dass die Gutachter die räumlichen Einflussgrößen (Distanz vom Zentrum) anders einschätzen als eine reine Datenanalyse ergibt. Dies lässt erkennen, dass bestimmte Einflussgrößen ggf. ohne Vorwissen (nicht-informativ) modelliert werden sollten.