Jak počítáme a odkud jsou data

Ceny nemovitostí odhaduje cenu z toho, za kolik se nemovitosti skutečně prodávají, ne jen z toho, za kolik se nabízejí. Tady je u každého čísla na webu popsané, z jakých dat vzniká a jak se počítá.

Schéma dat

Vlevo zdroje, uprostřed tabulky v databázi, vpravo čísla, která vidíš na webu. Najeď na kterýkoli rámeček nebo na něj klikni a zvýrazní se cesta dat. Přerušované čáry jsou výpočty uvnitř databáze (párování, index, trénink modelu).

Schéma datZdroje dat vlevo, tabulky v databázi uprostřed, čísla na webu vpravo. Čáry ukazují, z čeho se které číslo počítá.ZdrojeDatabáze (PostgreSQL + PostGIS)Čísla na webuCenové údaje ČÚZKkupní smlouvy, čtvrtletněAPI katastru ČÚZKřízení, LV, parcely, denněRÚIAN – adresyadresní body, měsíčněRÚIAN – budovysítě, vytápění, půdorys, měsíčněRealitní portálynabídky a změny cen, průběžněOpenStreetMapdálnice, železnice, měsíčněNPÚpamátkové rezervace a zónyZÚR, správci povodí, SPÚkoridory, záplavy, půdyPolicie ČR, ČSÚkriminalita, obyvatelé obcítransakceprodeje z katastrukn_rizeni, kn_cacheřízení a data katastruadresa, uzemiadresy a obce, okresy, krajeruian_so, obec_sitebudovy a souhrny obcílisting, listing_priceinzeráty a historie cenlisting_matchpárování nabídka ↔ prodejprice_indexměsíční medián Kč/m²model_runnatrénované modelyvrstvadoprava, památky, vodaocenovani_logauditní stopa oceněníkrim_index, krim_deliktkriminalita po územích a oblastechOdhad ceny a rozpětíSpolehlivost a chyba modeluProjekce na 4 čtvrtletíOdhad k datuSleva proti nabídce, doba prodejeCenová mapa, vývoj a analýzySignál „pravděpodobně prodáno“Místo a stavbaRozpočet na dostavbuÚdaje z katastru k adreseAuditní stopaIndex kriminality

data tečou do tabulky nebo do číslavýpočet z jiných tabulekNa mobilu schéma posuneš do strany.

Jak vzniká každé číslo

Číslo na webuJak se počítáZ jakých tabulekJak často
Odhad cenyModel gradient boosting (LightGBM) odhaduje cenu za m² a ta se násobí plochou. Vstupy: poloha, cenová hladina nejbližšího okolí, plocha, pozemek, podlaží, rok dokončení, dispozice, stav, konstrukce, vlastnictví, energetický štítek a vybavení. Kupní smlouvy mají v učení váhu 3, stažené nabídky 1, aktivní nabídky 0,5.transakce, listing, listing_match, adresa → model_runmodel se učí každou neděli; nasadí se, jen když není horší
Rozpětí odhaduStejný model učený zvlášť na 10. a 90. percentil. Do rozpětí by se měly vejít zhruba 4 z 5 skutečných prodejů.model_runs modelem
SpolehlivostVysoká: polovina srovnávaných nemovitostí leží do 400 m a horní mez rozpětí je nejvýš 1,35× dolní. Střední: do 1 500 m a nejvýš 1,7×. Jinak nízká.model_run, poloha referencípři každém odhadu
Medián chyby modeluMedián rozdílu odhadu a skutečné ceny na nejnovějších 15 % dat, která model při učení neviděl (test do budoucna, ne náhodný vzorek).transakce, listings modelem
Prodeje v okolíKupní smlouvy do 500 m od adresy, nejnovější nahoře, nejvýš 20.transakcepo importu cenových údajů
Sleva proti nabídceKupní cena ze smlouvy děleno poslední nabídkovou cenou, minus 1. Párují se jen dvojice: stejný typ, do 50 m, plocha ±10 %, cena 50–130 % nabídky, smlouva od 30 dní před zveřejněním do 270 dní po stažení. Skóre z blízkosti (40 %), plochy (30 %), času (20 %) a stejné adresy (10 %) musí být aspoň 0,55; každá nabídka i smlouva se použije jen jednou. Za obec a čtvrtletí se bere medián, když je aspoň 5 párů.listing, transakce → listing_match, discount_factordenně v noci
Doba prodejeDny od prvního zveřejnění do stažení inzerátu. Není to doba do podpisu smlouvy.listingprůběžně
Cenový index a vývoj Kč/m²Měsíční medián Kč/m² zvlášť z nabídek (měsíc stažení nebo posledního výskytu) a z kupních smluv (měsíc smlouvy), za obec a za celou ČR. Jen skupiny s aspoň 5 záznamy; smlouvy jen s jednou nemovitostí a plochou nad 10 m².listing, transakce → price_indexdenně v noci
Projekce na 4 čtvrtletíMedián mezičtvrtletní změny indexu v obci (jinak ČR) za poslední 2 roky, omezený na ±5 % za čtvrtletí. Prodloužení trendu, ne předpověď.price_indexpři každém odhadu
Odhad k datuDnešní odhad × (index v měsíci zadaného data / index v posledním měsíci). Index z kupních smluv v obci, jinak v ČR; klouzavý medián 3 měsíců.price_indexpři každém odhadu
Pravděpodobně prodánoPo stažení inzerátu přišel do katastru vklad na stejnou budovu. Kupní cena se objeví až s čtvrtletními cenovými údaji.API katastru → kn_rizeni, listing_kn_signaldenně ráno
Trh v číslechPočet aktivních a ukončených inzerátů bez duplicit, počet kupních smluv, průměrná sleva ze spárovaných dvojic, medián chyby modelu.listing, transakce, listing_match, model_runprůběžně
Sítě a vytápění budovyKódy připojení na kanalizaci, plyn a vodovod a způsob vytápění, jak je vedou stavební úřady v RÚIAN, přeložené číselníky ČÚZK. Doplněno o údaje z inzerátu.RÚIAN → ruian_so; listingměsíčně
Připojení v obci (%)Podíl připojených budov mezi budovami v obci, které mají údaj vyplněný. Počet vyplněných je uvedený vedle.ruian_so → obec_siteměsíčně
Vzdálenost od dálnice, železnice, koridoruNejkratší vzdálenost po povrchu Země od bodu adresy k nejbližší linii nebo ploše a směr k ní.OSM, ZÚR → vrstvaměsíčně / při nahrání
Orientace budovyKolem půdorysu z RÚIAN se opíše nejmenší natočený obdélník; delší fasády míří kolmo na jeho delší strany. Když jsou strany skoro stejné (poměr nad 0,85), směr neurčujeme.ruian_soměsíčně
Zamokřené půdyZ kódu BPEJ se vezme hlavní půdní jednotka: 64–76 jsou glejové půdy s vysokou hladinou podzemní vody, 47–50 oglejené s občasným zamokřením. Nepřímý ukazatel, ne měření.SPÚ → vrstvapři nahrání
Index kriminalityTrestné činy za posledních 12 měsíců vážené závažností (násilná 3, vloupání, zbraně a extremismus 2, obecně nebezpečná 1,5, krádeže, jiná majetková a toxikománie 1, podvody 0,5) na 1 000 obyvatel; ČR = 100. Přestupky, dopravní nehody a požáry se nezapočítávají. Obce pod zhruba 2 000 obyvatel se úměrně stahují k průměru okresu, aby jeden skutek v malé vsi nevytvořil extrém. U adresy: podíl skutků v policejní oblasti proti podílu adres obce, který v oblasti leží.Policie ČR → krim_souhrn, krim_delikt, krim_bunka; ČSÚ → obyvatele → krim_indextýdně
Rozpočet na dostavbuPodlahová plocha × náklady na m² podle standardu × (1 − podíl hotových prací ve fázi) × krajský koeficient + rezerva. Nejvyšší rozumná cena = hodnota hotového domu podle modelu − dostavba − rezerva − přirážka za riziko.nastavení, model_runpři výpočtu
Údaje z textu inzerátuPravidla na slova a parametry portálu (topení, plyn, odpad, voda, orientace, vlhkost, stodola, fáze stavby). U každého údaje je zdroj a úryvek. Je to tvrzení prodávajícího.listingpři uložení inzerátu

Zdroje dat

Jak přesné to je

Přesnost měříme na nejnovějších 15 % dat, která model při učení neviděl. Jde o test „do budoucna“, ne o náhodný vzorek. Aktuální čísla pro každý typ nemovitosti jsou na stránce Vývoj trhu a v API /api/stav.

Odhad je nejméně spolehlivý tam, kde se málo prodává, a u neobvyklých nemovitostí (vily, historické domy, byty s velkou terasou). U nich ukazujeme nižší spolehlivost a širší rozpětí.

Co odhad není

Není to znalecký posudek podle zákona č. 254/2019 Sb. ani ocenění pro banku. Nevidíme vnitřní stav, výhled ani právní vady. Ty mohou cenu změnit o desítky procent.