Amikor tavaly bemutattuk az Instant Ingatlan Érték automatizált értékbecslőjét, a hangsúly a végeredményen volt: 91% pontosság ±10%-os eltérésen belül, 96% ±15%-on belül, 6–8%-os átlagos eltérés (MAPE). Ez a cikk azt mutatja meg, mi történik ez alatt a szám alatt — hogyan épül fel egy ilyen modell nulláról, milyen adatokon tanul, hol csúszik el a legkönnyebben, és milyen mérnöki döntések vezettek a jelenlegi architektúráig.
Mi az az AVM, és miért nehezebb, mint elsőre tűnik?
Az AVM (automated valuation model, azaz automatizált értékbecslő modell) egy olyan algoritmus, amely ingatlanjellemzők alapján becsüli meg egy adott ingatlan piaci értékét, emberi közreműködés nélkül. Elsőre egyszerű regressziós feladatnak tűnik: bemenet a méret, a fekvés, az állapot, kimenet egy forintösszeg. A gyakorlatban azonban az ingatlanpiac három tulajdonsága teszi ezt nehéz feladattá.
Egyrészt az ingatlan heterogén termék — nincs két teljesen egyforma lakás, ellentétben egy tőzsdei termékkel. Másrészt a tranzakciók ritkák: egy adott utcában, adott méretkategóriában évente csak néhány valós eladás történik, így a modellnek kevés, de minőségi adatból kell általánosítania. Harmadrészt a piac nem stacionárius: a kamatkörnyezet, a szabályozás és a keresleti oldal hónapról hónapra elmozdítja az árszintet, tehát egy tavaly tanított modell ma már torzít, ha nem frissítjük.
Milyen adatokon tanul a modell — és miért nem hirdetési árakon?
A piacon elérhető értékbecslő szolgáltatások jelentős része hirdetési árakból dolgozik, mert azokhoz könnyű hozzáférni scraperrel. Ennek van egy komoly torzítása: a hirdetési ár nem a valós tranzakciós ár, hanem a kiinduló alkupozíció — Magyarországon jellemzően 5–10%-kal magasabb, mint amennyiért a lakás ténylegesen elkel.
Az Instant Ingatlan Érték modellje ezt tovább bővítette a lezárt adatokkal, azokból is tanul: olyan ingatlanokon, amelyeknél ismert a piacról való kivonáskor ismert vételár, nem csak az aktív állomány hirdetett ára. Ez lassabbá és drágábbá teszi az adatgyűjtést — a tranzakciós adat nem publikus, összesítésekből és partneri adatforrásokból kell felépíteni —, de ez az egyetlen módja annak, hogy a modell azt tanulja meg, mennyiért kel el valószínűleg valójában egy ingatlan, nem azt, mennyiért próbálják eladni.
Hogyan néz ki az adattisztítási folyamat?
A nyers tranzakciós és ingatlanjellemző adat gyakorlatilag sosem használható közvetlenül. A pipeline nálunk nagyjából ezen lépéseken megy végig:
- Duplikátumszűrés — ugyanaz az ingatlan több forrásból, eltérő formátumban is bekerülhet a rendszerbe.
- Kiugró érték (outlier) kezelés — extrém alacsony vagy magas árak kiszűrése, amik jellemzően adminisztratív hibából (pl. rokoni átruházás névleges áron) vagy elírásból erednek, nem valós piaci tranzakcióból.
- Geokódolás és térbeli normalizálás — cím alapú koordináta-illesztés, hogy a modell a fekvést ne csak kerület, hanem pontos térbeli távolság és elérhetőség (tömegközlekedés, iskola, zöldterület) alapján is tudja értékelni.
- Hiányzó érték kezelése — egy jelentős hányadnál hiányzik például az emelet vagy az építés éve; ezeket vagy imputáljuk konzervatív becsléssel, vagy explicit "ismeretlen" kategóriaként kezeljük, hogy a modell ne találjon ki hamis mintázatot.
- Időbeli normalizálás — a régebbi tranzakciókat egy árindex mentén "mai árra" számítjuk át, különben a modell a piaci trendet tévesen az ingatlan jellemzőinek tulajdonítaná.
Milyen jellemzőkből (feature-ökből) épül fel a becslés?
A modell bemenete négy nagy kategóriába sorolható. Az ingatlan-specifikus jellemzők közé tartozik az alapterület, a szobaszám, az emelet, az építés éve, az állapot és a tájolás. A fekvési jellemzők a mikrolokációt írják le: kerület, szomszédság, távolság a tömegközlekedéstől, iskolai körzet, zöldfelület-közelség. A piaci kontextus jellemzők az adott térségben és időszakban megfigyelt árszintet és tranzakciós volument rögzítik — ez teszi lehetővé, hogy a modell érzékeny legyen a lokális piaci mozgásokra. Végül az összehasonlító (comps) jellemzők a legutóbbi, hasonló ingatlanok tranzakciós áraiból származnak, hasonlóság szerint súlyozva.
A gyakorlatban a legnagyobb pontosságjavulást nem egy egzotikus új feature hozta, hanem a meglévő jellemzők — elsősorban a fekvés — sokkal finomabb, térbeli felbontású kezelése.
Miért fut két modell párhuzamosan — és mit árul el az eltérésük?
Az Instant Ingatlan Érték motorja két, egymástól független modellt futtat minden becslésnél. Az egyik egy statisztikai/regressziós modell, amely lineáris és könnyen értelmezhető hatásokat ragad meg — például hogy egy plusz négyzetméter nagyjából mennyivel emeli az árat egy adott kerületben. A másik egy neurális háló, amely a nemlineáris és interakciós hatásokat kezeli — például azt, hogy a magas emelet lifttel felértékelő, lift nélkül viszont leértékelő tényező.
A két modell eredményét nem egyszerűen átlagoljuk. A köztük lévő eltérés önmagában is információ: ha a két, egymástól függetlenül tanult modell közel azonos becslést ad, a rendszer magabiztosabb; ha jelentősen eltérnek, az azt jelzi, hogy az adott ingatlan a tanítóadat "ritkább" régiójába esik — például egyedi elrendezésű, felújítatlan vagy szokatlan fekvésű —, és a becslést szélesebb bizonytalansági sávval érdemes kezelni. Ez a felhasználó felé is megjelenik, ahelyett hogy egyetlen, hamis pontosságot sugalló számot mutatnánk.
Hogyan mértük a pontosságot?
A validáció visszatesztelésen (backtesting) alapul: olyan, korábban lezárt tranzakciókat futtattunk a modellen, amelyeknek a tényleges vételárát a fejlesztés során nem használtuk fel a tanításhoz. A modell becslését minden esetben összevetettük a valós, ismert vételárral, és a hibát az alábbi mutatókkal összesítettük.
| Mutató | Eredmény | Mit jelent |
|---|---|---|
| Pontosság ±10%-on belül | 91% | A becslések 91%-a a valós vételár 10%-os sávján belül volt |
| Pontosság ±15%-on belül | 96% | A becslések 96%-a a valós vételár 15%-os sávján belül volt |
| Átlagos eltérés (MAPE) | 6–8% | A becslések átlagosan ennyivel térnek el a valós vételártól |
Fontos módszertani döntés volt, hogy a teszthalmazt időben is elválasztottuk a tanítóhalmaztól — vagyis a modellt korábbi tranzakciókon tanítottuk, és későbbieken teszteltük, nem véletlenszerűen kevert adatokon. Ez sokkal valósághűbb képet ad arról, hogyan teljesítene a modell éles, előre irányuló használatban, mint egy egyszerű véletlenszerű train/test split.
Hol téved leginkább a modell — és miért?
Egy AVM sosem lesz egyformán pontos minden ingatlantípusnál, és szerintünk fontosabb ezt kimondani, mint elhallgatni. A modell ott a legerősebb, ahol sok, egymáshoz hasonló, gyakran forgó ingatlan van — jellemzően a standardizált lakótelepi és újépítésű lakáspiacon, ahol rengeteg összehasonlítható tranzakció áll rendelkezésre.
A pontosság ott csökken, ahol kevés az összehasonlítható tranzakció: egyedi tervezésű családi házaknál, ritka fekvésű vagy szokatlan alaprajzú ingatlanoknál, illetve olyan mikropiacokon, ahol évente csak néhány eladás történik. Egy másik vak folt a felújítás minősége: két, papíron azonos alapterületű és építési évű lakás ára jelentősen eltérhet aszerint, hogy mikor és milyen színvonalon újították fel — ezt az adatot jelenleg nem lehet strukturáltan, nagy volumenben begyűjteni, így a modell ezt csak közvetetten, a comps-okon keresztül tudja megközelíteni.
Mit tanultunk a fejlesztés közben?
A legnagyobb tanulság nem modellezési, hanem adatminőségi volt: a kezdeti pontossági problémák túlnyomó része nem a neurális háló architektúrájából, hanem tisztítatlan, torzított bemeneti adatból fakadt. Egy jóval egyszerűbb modell tiszta, valós tranzakciós adaton következetesen jobban teljesített, mint egy kifinomultabb modell zajos, hirdetési árból származó adaton.
A második tanulság a bizonytalanság kezelése volt. Az első verziókban egyetlen számot adtunk vissza, ami hamis precizitást sugallt. A két modell közötti eltérés explicit megjelenítése — vagyis annak felvállalása, hogy a rendszer néha kevésbé biztos a dolgában — a felhasználói visszajelzések alapján növelte, nem csökkentette a bizalmat a szolgáltatás iránt.
Gyakran ismételt kérdések
Mennyire pontos egy AI-alapú ingatlan-értékbecslés?
A saját visszateszteléseink alapján a becslések 91%-a ±10%-os, 96%-a ±15%-os eltérésen belül van a valós vételárhoz képest, 6–8%-os átlagos eltérés (MAPE) mellett. A pontosság ingatlantípusonként és fekvésenként eltér: a sűrűbben forgó, standardizált lakáspiacon jellemzően pontosabb, mint egyedi ingatlanoknál.
Helyettesítheti egy AI-modell a hivatalos, hitelesített értékbecslést?
Nem közvetlenül. Egy AVM néhány perc alatt ad statisztikai alapú, adatvezérelt becslést, amely kiválóan alkalmas gyors tájékozódásra, portfólió-szintű elemzésre vagy előszűrésre — de nem veszi figyelembe a helyszíni bejárás során látható, egyedi tényezőket (pl. tényleges felújítási állapot, jogi terhek), amiket egy hitelesített értékbecslő személyesen mér fel.
Miért nem elég hirdetési árakból tanítani egy értékbecslő modellt?
Mert a hirdetési ár az eladó kiinduló alkupozíciója, nem a tényleges tranzakciós ár — Magyarországon jellemzően magasabb, mint amennyiért az ingatlan végül elkel. Egy hirdetési áron tanított modell szisztematikusan felülbecsüli a piaci értéket.
Miért fut két különböző modell egy becslésen belül?
Mert a statisztikai és a neurális háló alapú modell más-más típusú összefüggéseket ragad meg, és a két, egymástól független becslés eltérése önmagában jelzi a becslés megbízhatóságát: nagy eltérésnél a rendszer szélesebb bizonytalansági sávval kezeli az eredményt.
