W swoich wpisach chciałbym się z Państwem podzielić swoją wiedzą oraz doświadczeniem. Wpisy dedykowane są uczestnikom rynku nieruchomości jak i samym rzeczoznawcom majątkowym. Moją intencją jest dzielenie się wiedzą rynkową publikując własne raporty dotyczące poszczególnych rynków jak i ukazanie jak wygląda warsztat rzeczoznawcy majątkowego. 

Wpisy

Po dłuższym czasie wracam do Państwa z wpisem czysto merytorycznym 😉

Wpis będzie dotyczył analizy rynku wtórnego lokali mieszkalnych w Nowej Soli – moim rodzinnym mieście, gdzie aktywnie działam jako rzeczoznawca majątkowy. Wpis ten publikuję celem zobrazowania podstawowych charakterystyk nowosolskiego rynku – myślę, że będzie on przydatny dla osób chcących w niedalekiej przyszłości kupić lub sprzedać mieszkanie, agentów czy nawet rzeczoznawców majątkowych funkcjonujących na terenie Nowej Soli.

Analizę oparłem o dane, gromadzone we własnej bazie danych. Dane pochodzą z aktów notarialnych, do których jako rzeczoznawca majątkowy mam dostęp. Z uwagi na specyfikę nowosolskiego rynku, którą bezapelacyjnie jest niewielka liczba transakcji, okresem analizy objąłem pierwsze półrocze bieżącego roku, tj. h1 2024 r.

Należy zaznaczyć, że z uwagi na pewne ograniczenia, nie jest możliwe przeanalizowanie wszystkich transakcji, które odbyły się w danym okresie (pojedyncze transakcje wprowadzone są z opóźnieniem, nie stanowią one braków, które w sposób istotny wpłynęłyby na wyniki analizy). Zatem przyjmijmy, że badana próbka jest reprezentatywna dla populacji 😉

Charakterystyka analizowanego rynku wygląda następująco:

rodzaj rynku: rynek wtórny lokali mieszkalnych

dodatkowe: z analizy wyłączono lokale mieszkalne w domach (posiadające udział w nieruchomości wspólnej powyżej 0,25), lokale dwukondygnacyjne, lokale o cenach skrajnych (odbiegających o więcej niż 3 odchylenia standardowe), lokale o brakujących danych dotyczących powierzchni lub położenia na piętrze).

Czego zatem dowiedzą się Państwo z tego wpisu?

- ile lokali sprzedało się w Nowej Soli;

- w jakich budynkach sprzedawały się lokale;

- jaka była średnia cena lokalu mieszkalnego;

I sporo innych informacji przydatnych dla uczestników nowosolskiego rynku. Wpis ten ma charakter cykliczny. Będę starał się Państwu przedstawiać półroczne raporty z rynku. W kolejnych wpisach część poświęcę na analizie zmian cen w czasie – z oczywistych przyczyn ten wpis tego nie obejmie.

Większość danych będzie prezentowana z podziałem na rodzaj budynku:

kamienica – budynek zrealizowany w technologii tradycyjnej z okresu przed/powojennego;

blok mieszkalny – budynek zrealizowany w technologii tradycyjnej/wielkiej płyty z okresu lat 70-00’

blok mieszkalny nowy – budynek zrealizowany w technologii tradycyjnej wybudowany po 2000 roku.

W analizowanym okresie sprzedało się 95 lokali mieszkalnych ogółem, z czego 40 było położonych w kamienicach, 38 w blokach mieszkalnych, a 17 w nowych blokach mieszkalnych. Liczby te
w sposób całkiem poprawny oddają charakterystykę architektury Nowej Soli. Zabudowania
w naszym mieście w większości stanowią kamienice lub budynki mieszkalne z okresu lat 70-00. Oczywiście, w ostatnich latach aktywność deweloperska na terenie Nowej Soli jak i całego powiatu jest widoczna, jednak analizujemy rynek wtórny, stąd niewielka liczba sprzedanych lokali
w nowych blokach. Sugeruje to, że mieszkania są nabywane w celach mieszkaniowych, a nie w celu dalszej odsprzedaży – co jest widoczne w większych ośrodkach miejskich jak Zielona Góra czy Wrocław.

Wartość nowosolskiego rynku mieszkaniowego

Rynek wtórny mieszkań w Nowej Soli w pierwszym półroczy 2024 r. był wart ok. 22 mln zł. Ciekawą informacją rzucającą się na pierwszy rzut oka jest wolumen sprzedaży mieszkań w nowych blokach. Z poprzedniego wykresu wiemy, że liczba sprzedanych lokali mieszkalnych w nowych blokach była stosunkowo niewielka (17 transakcji), jednak wolumen jest zbliżony do wolumenu lokali mieszkalnych położonych w kamienicach (40 transakcji). Wywnioskować zatem możemy, że średnia cena mieszkania w kamienicy jest stosunkowo niska, a mieszkania w nowym bloku stosunkowo wysoka. Jak niska i jak wysoka? Zobaczmy.

Z kolejnego wykresu widzimy, że faktycznie najniższe ceny osiągają lokale mieszkalne
w kamienicach. Widzimy tutaj pewną zależność, im „lepszy” (pod względem zużycia technicznego, które jest funkcją rosnącą od czasu) budynek, tym cena transakcyjna jest wyższa. Co do zasady badanie cen transakcyjnych nie daje nam szerszego pojęcia na temat zmiennych mających wpływ na cenę nieruchomości. No bo przecież patrząc na ten wykres nie wiemy czy niska cena transakcyjna mieszkań w kamienicach wynika ze złego stanu technicznego budynku, czy może są to małe mieszkania, o powierzchniach poniżej 30 m2 i stąd taka niska cena? Przeanalizujmy zatem średnią powierzchnię mieszkania 😉

Średnia powierzchnia użytkowa mieszkań w kamienicach i blokach mieszkalnych jest do siebie zbliżona, w zasadzie możemy uznać ją za taką samą, ponieważ nie wpływa ona na zróżnicowanie pod względem rozkładu – co do zasady są to lokal mieszkalne o dwóch pokojach, kuchni, łazience i przedpokoju. Zgoła inną sytuacja występuje wśród nowych bloków mieszkalnych, które to lokale co do zasady sprzedawane są w rozkładzie pokój z aneksem kuchennym, dwa pokoje, łazienka, przedpokój. Mając teraz wiedzę o średniej powierzchni użytkowej zbadajmy średnią ceną jednostkową lokalu mieszkalnego z podziałem na rodzaj budynku.

Mamy to! W Nowej Soli 1 m2 mieszkania na rynku wtórnym kosztuje ok. 5000 zł. Czy to dużo? Na dzień publikacji artykułu to ok. 86,5% przeciętnego miesięcznego wynagrodzenia (netto) w sektorze przedsiębiorstw. Zakładając, że taką kwotę będziemy odkładali miesięcznie (i przy okazji partner/partnerka będzie nas utrzymywał/utrzymywała 😉), na przeciętne mieszkanie (powierzchnia 46,29 m2) będziemy odkładali ok 3 lat i czterech miesięcy.

Dopiero takie dane – cenę 1 m2 warto analizować pod względem wpływu poszczególnych cech na wartość nieruchomości – jest to między innymi zadaniem rzeczoznawcy majątkowego przy opracowywaniu operatu szacunkowego.

Ostatnim (z tej części) wykresem jest zobrazowanie w jakiej części miasta sprzedawały się lokale mieszkalne w Nowej Soli.

Nowa Sól jest podzielona na 7 obrębów ewidencyjnych, które przedstawiłem poniżej.

Najwięcej lokali mieszkalnych sprzedało się w obrębie nr 2 – zdecydowaną większość stanowiły lokale mieszkalne położone w blokach mieszkalnych z okresu lat 70-00. Największą liczbę transakcji generowały mieszkania na osiedlach Konstytucji 3 Maja i Fredry. Na drugim miejscu pod względem transakcji jest obręb nr 2. Nie jest zaskoczeniem, że większość mieszkań z tego obszaru położonych jest w kamienicach 😉 Pozostałe obręby nie odnotowywały istotnej liczby transakcji. Warto jednak zerknąć na obręb nr 6, obszar gdzie widoczna jest aktywność deweloperska, tam sprzedało się kilka lokali mieszkalnych, które widać na wykresie.

Przedstawione dane dają nam ogólny pogląd jak funkcjonował wtórny rynek lokali mieszkalnych w Nowej Soli. Na tym etapie mógłbym zakończyć wpis, lecz nie byłbym sobą gdybym nie zagłębił się w dane 😉 No bo przecież nie wiemy, jak rozkładały się ceny lokali mieszkalnych w kamienicach. Było więcej lokali droższych czy tańszych? Czy średnia jest idealną miarą? Niekoniecznie. Zbadajmy to.

Analiza rozkładu cen mieszkań w Nowej Soli

W tej części poruszana będzie tematyka statystyki opisowej. Zakładam, że nie wszystkim z Państwa przyjdzie z łatwością interpretowanie tych danych, dlatego każdy z prezentowanych wykresów postaram się opisać własnymi słowami, tak aby przekazań Państwu istotne informacje w przystępnej formie.

Zajmiemy się badaniem rozkładu cen jednostkowych. Badanie to odpowie nam z jakim prawdopodobieństwem występowały ceny 1 m2 w lokali mieszkalnych w poszczególnych budynkach. Rozkład naszych danych zobrazujemy w postaci histogramu, który porównamy do funkcji gęstości prawdopodobieństwa rozkładu normalnego. Rozkład normalny jest takim rozkładem idealnym, symetrycznym. Zobrazować go można przykładem, że najwięcej lokali sprzedaje się po cenie średniej, ceny skrajnie niskie i skrajnie wysokie stanowią niewielką część ogółu transakcji. Rozkład normalny jest wykorzystywany w praktyce przez m.in. przez instytucje finansowe podczas wyceny instrumentów finansowych.

Podczas wyceny nieruchomości warto przeanalizować rozkład danych, po to aby dowiedzieć się togo co my za chwilę. Każdy z naszych rozkładów zostanie przeanalizowany pod kątem podstawowych charakterystyk, takich jak: średnia, mediana, odchylenie standardowe, wartość minimalna, wartość maksymalna, skośność i kurtoza.

Na pierwszy rzut oka widzimy, że więcej wyższych słupków mamy z lewej strony i nasze słupki nie wpasowują się w rozkład normalny. Fachowo nazywa się to rozkładem prawoskośnym (gdzie średnia jest wyższa od mediany, a parametr skośności większy od zera). Prawoskośny, ponieważ mamy długi prawy ogon rozkładu – wyższe ceny są mniej prawdopodobne. Wyższe prawdopodobieństwo niższych cen wynika z tego, że kamienice z uwagi na ich wiek cechują się wyższym zużyciem technicznym, a co za tym idzie wymagają pewnych nakładów na remonty. Można też zakładać, że odbiegają one pod względem wykończenia lokalu. Kolejnym parametrem godnym uwagi jest odchylenie standardowe. Samo niewiele nam powie, lecz w połączeniu ze średnią i tzw. regułą trzech sigm (odsyłam do cioci Wiki: 

https://en.wikipedia.org/wiki/68–95–99.7_rule

) da nam bardzo istotną informację. Otóż 68% transakcji lokalami mieszkalnymi na rynku wtórnym w Nowej Soli zawierało się w cenie od 2,886.16 zł/m2 do 5,048.64 zł/m2.

Kurtoza wynosi 0.21, co wskazuje na rozkład platykurtyczny. Oznacza to, że ceny są mniej równomiernie rozłożone, z większym prawdopodobieństwem ekstremalnych wartości.

Średnia cena jednostkowa netto dla mieszkań położonych w blokach mieszkalnych wynosi 5,292.02 zł/m2. Odchylenie standardowe wynosi 943.71 zł/m2, co oznacza, że około 68% cen transakcyjnych zawiera się w przedziale od 4,348.31 zł/m2 do 6,235.73 zł/m2, zgodnie z zasadą trzech sigm. Mediana wynosi 5,407.01 zł/m2, co jest nieco wyższe niż średnia, sugerując lewoskośność rozkładu. Kurtoza wynosi 1.21, co wskazuje na rozkład platykurtyczny.

Średnia cena jednostkowa netto mieszań położonych w nowych blokach mieszkalnych wynosi 6,818.31 zł/m2. Odchylenie standardowe wynosi 1,297.25 zł/m2, co oznacza, że około 68% cen transakcyjnych zawiera się w przedziale od 5,521.06 zł/m2do 8,115.56 zł/m2, zgodnie z zasadą trzech sigm. Mediana wynosi 6,607.60 zł/m2, co jest nieco niższe niż średnia, sugerując prawoskośność rozkładu. Kurtoza wynosi -1.35, co wskazuje na rozkład platykurtyczny. Oznacza to, że ceny są mniej równomiernie rozłożone, z większym prawdopodobieństwem ekstremalnych wartości. Skośność wynosi 0.20, co wskazuje na prawoskośność.

Średnia cena jednostkowa netto lokali mieszkalnych w Nowej Soli wynosi 5,007.41 zł/m2. Odchylenie standardowe wynosi 1,485.97 zł/m2, co oznacza, że około 68% cen transakcyjnych zawiera się w przedziale od 3,521.44 zł/m2do 6,493.38 zł/m2, zgodnie z zasadą trzech sigm. Mediana wynosi 5,093.92 zł/m2, co jest nieco wyższe niż średnia, sugerując prawoskośność rozkładu. Kurtoza wynosi -0.13, co wskazuje na rozkład platykurtyczny.

Gratulacje dla tego, kto dotarł do końca 😊

Poniżej podsumujmy wnioski wyciągnięte z tej analizy:

najwięcej w Nowej Soli sprzedaje się lokali mieszkalnych położonych w kamienicach i blokach z okresu lat 70-00;

średnia cena mieszkania w Nowej Soli wynosi ok. 5000 zł/m2;

przeciętne sprzedawane mieszkanie ma 2 pokoje, kuchnię, łazienkę i przedpokój;

najwięcej mieszkań sprzedaje się w obrębie nr 2 (os. Konstytucji 3 Maja, os. Fredry) i są to mieszkania w blokach z okresu lat 70-90’

najwięcej mieszkań w kamienicach sprzedaje się w centrum (obręb 3);

mieszkania w kamienicach charakteryzują się niższą ceną za 1 m2;

wartość wtórnego rynku lokali mieszkalnych w pierwszej połowie 2024 r. szacuje się na ok. 22 mln zł.

Mam nadzieję, że wpis ten dostarczył Państwu ciekawych i przydatnych informacji o rynku mieszkań w Nowej Soli. Ze swojej strony mogę obiecać, że będę publikował wpisy dotyczące nowosolskiego rynku cyklicznie. Kolejnymi wpisami jakie chciałbym poruszyć będą między innymi:

gdzie nowosolanie budują się najczęściej – analiza gruntów przeznaczonych pod zabudowę jednorodzinną;

co ma wpływ na cenę lokalu mieszkalnego – analiza statystyczna (model regresji);

Zachęcam Państwa do śledzenia mojego profilu na facebooku 😉

Analiza rynku wtórnego lokali mieszkalnych w Nowej Soli. Przegląd cen z podziałem na rodzaj budynku, analiza rozkładu i podstawowych statystyk opisowych.

Ceny mieszkań w Nowej Soli 1h2024

Po dłuższej przerwie we wpisach chciałbym Państwu przybliżyć w jaki sposób można wykorzystać język python w codziennej pracy rzeczoznawcy majątkowego. Obstawiam, że większość z rzeczoznawców wykorzystuje poczciwego Excela w trakcie sporządzania operatu szacunkowego. Co jest mniej lub bardziej efektywne? Na to pytanie będą musieli Państwo odpowiedzieć sobie sami. Z pewnością za pomocą pythona możemy usprawnić sobie pracę i wzbogacić swoje opracowania o dodatkowe analizy wykonane w krótszym czasie.

W tym wpisie nie będę poruszał samej kwestii instalacji pythona i narzędzi wymaganych do pracy. W internecie znajdą Państwo materiały, które opisują cały proces instalacji. Do zadań prezentowanych przeze mnie w tym wpisie będziemy potrzebowali pythona w najnowszej wersji oraz narzędzia Jupyter Notebook, w którym to będziemy pisali nasz kod.

Czym się zajmiemy? Zajmiemy się analizą rozkładu jednostkowych cen transakcyjnych lokali mieszkalnych. Przedstawimy rozkład w postaci histogramu, porównamy go z rozkładem normalnym oraz wskażemy podstawowe miary takiej jak średnia, mediana oraz dominanta. W jakim celu to robimy? Na podstawie takiego wykresu będziemy w stanie stwierdzić jak wygląda analizowany przez nas rynek, jaka jest najcześciej występująca cena za metr kwadratowy, a te, które najbardziej dostają od tej wartości będą przedmiotem dalszej analizy. Być może zachodzą wśród niech przesłanki do określenia tych transakcji jako nierynkowe i odrzucenia ich w dalszej procedurze wyceny.

Zatem do dzieła. Po otworzeniu nowego projektu w JupyterNotebook musimy zaimportować niezbędne biblioteki, z których będziemy korzystać. Zrobimy to za pomocą poniższych linii kodu:

import pandas as pd #umożliwia pracę z plikami excel i tworzenie obiektów data frame


import numpy as np #wspomagające obliczenia matematyczne oraz pracę na wektorach


import matplotlib.pyplot as plt #umożliwiająca wizualizację danych


import statistics #obliczenia miar statystycznych

Kolejnym krokiem będzie wczytanie danych, zrobimy to za pomocą poniższej linii kodu:

dane = pd.read_excel(r”ścieżka_do_pliku_excel”)

Możemy sprawdzić załadowane przez nas dane transakcyjne nieruchomości za pomocą:

dane.head() # wyświetli to nam 5 pierwszych wierszy wczytanej zmiennej dane



Następnie za pośrednictwem wymienionych przeze mnie bibliotek powyżej stworzymy histogram dla analizowanych transakcji. Dodatkowo naniesiemy wykres dla funkcji gęstości prawdopodobieństwa rozkładu normalnego oraz średnią, medianę i dominantę analizowanych przez nas cen jednostkowych mieszkań.Histogram cen transakcyjnych stworzymy dzięki bibliotece seaborn, a dokładnie za pomocą modułu distplot. Przykład użytego przeze mnie kodu:

hist = sb.distplot(kol_anl,bins=np.arange(round(min(kol_anl),-3), round(max(kol_anl),3) + binwidth, binwidth),norm_hist=True)



Pod zmienną kol_anl znajduje się wybrana kolumna z cenami jednostkowymi z załadowanych przez danych (zmienna dane). W tym momencie posiadamy histogram przedstawiający nam jak często dane ceny transakcyjne występują na analizowanym przez nas rynku. Co ważne zmienna norm_hist ustawiona jako True ukazuje nam częstość występowania cen nie jako konkretną ilość, a jako prawdopodobieństwo. Zatem suma częstości występowania cen transakcyjnych będzie równa 1 (100%).Dodajmy teraz wykres funkcji gęstości prawdopodobieństwa rozkładu normalnego, tak aby porównać go do naszego histogramu. W tym celu musimy najpierw stworzyć próbkę danych oraz zestandaryzować tę próbkę aby jej rozkład był rozkładem normalnym o średniej i odchyleniu standardowym identycznym jak badana przez nas próbka jednostkowych cen transakcyjnych nieruchomości.

x = np.linspace(port_mean - 3*port_stdev, port_mean+3*port_stdev,500)
plt.plot(x,scipy.stats.norm.pdf(x,port_mean,port_stdev),"g--",label='rozkład normalny')

Zmienna x zawiera 500 obserwacji, z której najmniejsza wynosi średnia - 3*odchylenie standardowe, a największa średnia + 3*odchylenie standardowe. Przy czym średnia i odchylenie standardowe są obserwacjami z pierwotnie badanego przez nas rozkładu. Dzięki funkcji scipty.stats.norm.pdf standaryzujemy rozkład reprezentujący nasze 500 obserwacji, a dzięki pkt.plot nanosimy go na histogram.
Poza wyżej wymienionymi elementami naszego wykresu dodajemy średnią, medianę oraz dominantę. W rezultacie powinniśmy otrzymać wykres wyglądające tak:

Tak wyglądający wykres możemy załączyć do operatu szacunkowego jako element analizy rynku. Z pewnością wzbogaci on nasze opracowanie. Dane zaprezentowane w formie graficznej są cześciej zapamiętywane od tych zapisach surowym tekstem.

Z przyczyn oczywistych nie zamieszczałem pełnego kodu na stronie. Jeżeli ktoś z państwa będzie miał problem ze stworzeniem podobnego narzędzia do analizowania rozkładu danych zapraszam do kontaktu.

W kolejnych wpisach będziemy poruszali inne aspekty wyceny nieruchomości, w których rzeczoznawca majątkowy może wykorzystać języki programowania. Oczywiście nie będziemy się zabierali za pełną automatyzację wyceny - choć jest to ciekawy temat do dyskusji. Skupimy się raczej na analizach niezbędnych do wyceny nieruchomości w podejściu porównawczym oraz dochodowym.


Po pewnym czasie bez nowych wpisów, chciałbym podzielić się z Państwem informacjami na temat wykorzystania języka Python w codziennych obowiązkach rzeczoznawcy majątkowego. Przypuszczam, że znaczna część rzeczoznawców korzysta z niezawodnego Excela podczas tworzenia operatu szacunkowego.

Wpisy

Czyli kilka słów od rzeczoznawcy majątkowego

Ceny mieszkań w Nowej Soli 1h2024

Python w wycenie nieruchomości