COVID-19による不動産価格への 影響とお買い得物件のご紹介

Transcript

1. !"#$%&'(による不動産価格への 影響とお買い得物件のご紹介 !"#$%!"&'#()$*#+) ,-,./)012/,345
2. 課題設定 Ø COVID-19が2020年初頭から蔓延し感染者数が増加 Ø 2020年4月の景気DIは2018年1月比で半分まで減少 Ø 2021年3月の景気DIにおいては、増加傾向にある ものの2020年4月の景気DIの15ポイント増と低調 傾向 Ø 上記の景況感、実態経済に比べ日経平均株価は上 昇傾向の一途 Ø 景況感と日経平均株価が乖離 Ø 日経平均株価と不動産価格は常に比例関係(右図) ⾐⾷住の重要な要素である住環境はこの1年でどう変化したのだろうか
3. 分析ゴール u課題： COVID-19の新規感染者が増加し出した2020/4以降私たちの生活スタイルは一変した。 一方、日経平均株価は実態経済と乖離した形で上昇している。 この日経平均株価に連動すると言われている不動産価格がどうこの1年で変化したのか を可視化したい。また予測モデルから市場の不動産価格の適正さを計りたい。 u分析ゴール： 2020/4のマンション価格や地域別の推移と一年経過した2021/3のマンション価格や地 域別の変動を可視化すると共に、重回帰分析並びにAuto MLにて予測モデルを構築し、 現在販売されているマンションの実質販売価格と予測価格を比較することによるお買 い得物件の探索を目的とする。更には、不動産屋の形態の在り方について提案する。
4. 初期仮説 都⼼マンション販売物件数は 増加したか？減少したか？ テレワークにより広い部屋を 求め郊外に購⼊する層の増加 共働き世帯の増加、⾃動⾞保 有率の低下による⽣活利便性 の住宅ニーズの増加 経済の停滞による購⼊者の減 少と海外ファンドの⽇本不動 産市場への参⼊表明による海 外マネーの触⼿
5. データの収集方法・使用データ データ ⼊⼿⽅法 データ期間 粒度 列 例 東京都世⽥⾕区の 販売マンション データ ＊都内にて⼈⼝と 物件数が最も多い 世⽥⾕区を選定 「SUUMO」ホー ムページ からのスクレイピ ング 2020/04/25 2021/02/06 2021/03/21 ⽇別 基準⽇ 2020/4/25 物件名 プラウド上北沢ディ アージュ 住所 東京都世⽥⾕区上北 沢１ 築年数 2015年1⽉ 間取り 3LDK ⾯積 76.57m2 バルコニーの広さ 11.43m2 町名 上北沢 価格 7080万円 不動産単価 92万円 標準価格 6440万円 部屋数 3 駅名 上北沢 ⼿段 徒歩 所要時間 9分
6. 分析手法 クレンジング • 行の結合 • 欠損値の確認と処理 • 「価格」列にある~の補完、文字列から数値 （万単位）に変換 • 「住所」の分割 • 「築年数」を基準日からの期間に統一 • 「バルコニーの広さ」「面積」の数値への変換 • 「間取り」から「部屋数」列を追加 • 「不動産単価」列の追加 • 最寄り駅から「路線」、「駅名」、「手段」、「時 間」にスプリット スクレイピング • データの収集 データ可視化 • ヒストグラム • 散布図 • 箱ひげ図 • クラスタリング • 時系列データ 推測統計 • Rによる重回帰分析 • 特徴量モデリング(VIF) • 自由度調整済決定係数, AIC モデルの構築 • AutoML(Pycaret)に よる予測モデル構築 • 予測データの算出 モデルの性能評価 • モデルの残差 • 学習カーブ • Shap値 Deployment • 市場マンション販売 価格と予測値を比較 検討し、お買い得度 調査
7. 分析結果・考察 価格帯としては、3000~6000万円が件数としては 多い。また、2020年に⽐べ2021年の販売物件数は 減少していた。⼀⽅、1億円近くのマンションの販 売は微増に⾒える。 価格帯としては、単価70万円が件数としては多い。 こちらも不動産価格に連動しており、2020年に⽐ べ、2021年の販売物件数は⼤幅に減少しているの が確認された。 ⇨コロナ禍でも購⼊率は増えている？郊外への移住者はそこまでいない？？ ＜全間取りの価格と不動産単価の分布＞
8. 分析結果・考察 ＜間取り別の不動産価格の分布＞ 1LDK, 2LDK, 3LDKと分割し、販売物件数を価格帯毎に⽐較した。全ての間取りにおいて、2020に⽐べ、 2021は⼤幅に販売物件数は減少していた。⼀⽅、どの間取りも⾼価格帯が2021では増加している。
9. 分析結果・考察 ＜間取り別の築年数の分布＞ 1LDK, 2LDK, 3LDKと分割し、販売物件数を築年数毎に⽐較した。1LDKでは、築年数が古いものが減少傾向にある。 2LDKは築年数20年前後が減少傾向にある。3LDKは築浅物件が減少傾向にある。 ⇨間取りが広いマンション程、築浅物件が購⼊されている
10. 分析結果・考察 不動産販売件数： 2020)弦巻＞成城＞等々⼒＞南烏⼭＞池尻＞下⾺＞⽟川 2021)⽟川＞上⾺＞上野⽑＞太⼦堂＞成城＞南烏⼭＞池尻 築年数毎の不動産物件数： 2020と2021を⽐較すると築20年までの不動産件数が 明らかに2021において減少している傾向が確認された。 ⇨築年数20年程度までなら需要があるということなのか？ 2020 2021 0 10 20 30 40 50
11. 予測モデル：重回帰分析 表：重回帰分析の結果 推定値 標準誤差 p値 切⽚ 3,244 185.6 < 2e-16 ⾯積 62.05 1.756 < 2e-16 バルコニーの広さ 0.3664 2.730 0.89 築年⽉数 -5.318 0.1458 < 2e-16 部屋数 24.09 43.45 0.57 駅名⼆⼦⽟川(代表例) 929.9 164.3 1.94e-08 所要時間 -112.8 -0.2698 < 2e-16 R2 =.849 「価格」に対する上記の影響を検討するため、「価格」を⽬的変数、上記の7変数を説明変数とした重回帰分析を⾏ なった。VIFによる多重共線性の可能性を検討、全ての説明変数において2未満であり、多重共線性が⽣じてる可能性 は低いと判断した。モデルの決定係数；.849, ⾃由度調整済み決定係数；.841であり、「価格」の分散の8割を７変数 が説明する結果となった。決定係数に関するF検定は0.1%⽔準で有意であり(F(53,1080)=114.6, p<.001)、⺟集団にお いて上記の７変数の少なくとも１つは「価格」を説明している可能性が⽰唆された。 正規化し説明変数の単位が等しいので、偏回帰係数を解釈すると、推定値が最⼤であったのは、「駅名⼆⼦⽟川」 の929.9であった。他の説明変数を⼀定にした上で「駅名⼆⼦⽟川」が存在すると929.9万円の「価格」の増加が⾒込 まれる結果となった。⼀⽅、推定値が最⼩であったのは「所要時間」であり、1増加させると112.8万円の「価格」の 減少が⾒込まれる結果となった。
12. 予測モデル：重回帰分析 Fig. Q-Qプロット Fig. Cookʼs distance
13. 予測モデル：!"#$%&' ＜モデルの⽐較検討＞ ＜クロスバリデーション(10分割)＞
14. 予測モデル：!"#$%&' ＜モデルのチューニング＞ ＜予測精度の算出＞ MAE:423.1390より、 誤差の絶対値は、平均423万円 モデルの予測値の平均誤差は ±423万である
15. 予測モデル：!"#$%&' 学習データへのモデルのばらつきと予測 データに対するデータのばらつき 予測と実測がイコールになる場合、 分布が y=x の直線の付近に近づく ＜モデルの残差＞ ＜予測精度の算出エラープロット＞
16. 予測モデル：!"#$%&' ＜学習カーブ＞ どの変数が予測に強く関与しているかを確認 学習不⾜であったり、過学習を起こしてい ないかの検証 ＜特徴量重要度＞
17. 予測モデル：!"#$%&' ＜Shap値＞ ある特徴変数の値の増減が与える影響を検証 ＜Label:予想価格の算出＞
18. ご提案!（"#$"%&#） 徒歩圏内築浅お買い得物件 3,480 (万円) 所要 時間(分) 条件：築5年以内 (2021.3.21現在) ：予測価格(予測値の平均誤差は±423万) 6,980
19. ご提案!（'%&#） 徒歩圏内築浅お買い得物件 所要 時間(分) (万円) 6,250 5,380 5,980 5,980 5,980 6,180 7,180 条件：築5年以内 (2021.3.21現在) ：予測価格 (予測値の平均誤差は±423万)
20. ご提案!（(%&#$） 徒歩圏内築浅お買い得物件 所要 時間(分) (万円) 7,080 6,580 4,780 5,980 7,580 7,480 条件：築5年以内 (2021.3.21現在) ：予測価格 (予測値の平均誤差は±423万)
21. 地図から見たお買い得物件の分布 ：3LDK~ ：2LDK ：1K~1LDK お買い得物件 条件：築5年未満 ー京王線 ー⼩⽥急線 ー東急⽥園都市線 ー東急東横線 次ページ： 駅別のお買い得物件の⽐較 にて路線を検証
22. 祐天寺 松陰神社前 ⼆⼦⽟川 上北沢 上野⽑ 代⽥橋 成城学園前 三軒茶屋 芦花公園 千歳烏⼭ 学芸⼤学 ⼋幡⼭ 千歳船橋 下北沢 ⽤賀 経堂 等々⼒ 駒沢⼤学 尾⼭台 ⾃由が丘 池尻⼤橋 祖師ヶ⾕⼤蔵 若林 桜新町 池ノ上 富⼠⾒ヶ丘 九品仏 ⽥園調布 東松原 代々⽊上原 東北沢 桜上⽔ 明⼤前 世⽥⾕代⽥ 新代⽥ ⻄太⼦堂 世⽥⾕ 仙川 笹塚 奥沢 下⾼井⼾ 豪徳寺 上町 松原 宮の坂 久我⼭ 都⽴⼤学 等々⼒7丁⽬ 駒場東⼤前 緑が丘 梅ヶ丘 -4000 -3000 -2000 -1000 0 1000 2000 3000 お買い得度 駅別のお買い得物件 京王線 京王線 東急 世⽥⾕線 ⼩⽥急線 築年数を限定しないと どの路線にもお買い得 物件は存在する
23. 課題、調査した技術のビジネスインパクト 過去 提供情報） ・マンション名 ・住所・価格 ・最寄駅 ・間取り図⾯ ・物件概要 現在 提供情報） ・QRコード ・室内360°動画閲覧 ・VR対応もあり 将来 提供情報）＊内⾒ ・VRでの閲覧 ・予測モデルに基づく 価格提⽰ 予測モデル VR ❌
24. ビジネスインパクトを調査する方法 Øモデルを導入した場合と導入しなかった場合の利益を算出 Ø具体的には、モデルが算出した予測価格に+5%を上乗せし、不 動産会社にどれ位の利益を齎したかを算出 Ø不動産会社はモデルが安いか高いかの判断が出来、モデルの導 入判断の可否が可能 Øモデル自身の価格がビジネスインパクト
25. 結論 １）マンション販売件数は、どの価格帯、間取りにおいても減少していた。 ２）マンション販売数は、玉川地域に密集していた。 ３）築浅（築5年未満）徒歩15分圏内のお買い得物件は、京王線の「桜上水〜千歳烏 山」、小田急線の「下北沢、千歳船橋」、東急田園都市線の「駒澤大学、二子玉川」 に存在していた。東急東横線エリアは「学芸大学」のみであった。 コロナ禍において、テレワーク等で郊外の一軒家の需要が増加してるというニュース とは相反し、世田谷区のマンションは非常に好調な売れ行きである事が示唆された。 また、共働き世帯の増加等による生活利便性の高い駅チカ物件もニーズがあることも 示唆された。 2020住みたい街ランキング⾃治体別第4位世⽥⾕区。その⼈気をけん引する⼆⼦⽟川をはじめ、三軒茶屋、成城学 園といった⼈気の⾼い街が点在。世⽥⾕住まいのステータスは未だ強⼒のようで、シングルからファミリーまで、 幅広い層から好感度⾼。近年では再開発による新しいエリアにも注⽬。代表格といえば⼆⼦⽟川。「⼆⼦⽟川ライ ズ」と隣接する⼆⼦⽟川公園も拡張され、まさに都市と⾃然が調和した新しい街が誕⽣。「キュープラザ⼆⼦⽟ 川」は、⼆⼦⽟川らしい⾼級感溢れる建物と植物が共⽣した商業施設。また楽天が本社機能を⼆⼦⽟川に移転。 2017年は世⽥⾕区の待機児童は1000⼈を超え、全国でワーストワン。そこで解決をはかるべく、区によって0歳か ら2歳児を対象とした⼈材の確保と育成、保育⼠等に向けた個⼈給付、拠点保育園の整備など対応が進められ、202 0年には待機児童０を達成した⾃治体の努⼒もマンション販売価格、販売物件数が衰えない理由の⼀つであろう。
26. 工夫したこと ØDue dateが設定されているので、まずは構成の全体像を掴み課題に対してのアウト プット、目的を意識しながら、いかにシンプル且つ効率的よく予測モデル構築まで 持っていくかを考慮し課題に向き合ったこと Ø経験者など聞ける人にはとことん聞き(自分でまず調べた上で)、使えるツール (例:Tableau publicなど）も取り入れていき、自分の糧にしていったこと Øモデル構築においては、更に発展していくであろうAutoMLを実際にモデリングの過 程に取り入れることで、クレンジングなどに時間を割いたこと ØAutoMLを実行する前に、重回帰分析にて「オッカムの剃刀」を意識し、最低限の説 明変数で目的変数が説明できるようにVIF、AIC、Cook’s distance等を用いながら説明変 数を簡素化したこと Øデータは人間が作成した以上、何某かのバイアスがかかっていることが多いため、 人間の煩悩がデータに隠れていないかを意識しながら分析に望んだこと
27. ü前処理において、相当の時間を要したこと ⇨前処理で8割程時間が割かれると⾔われる理由を実感できた ü説明変数の選別において下記の情報を⼊れるか迷ったこと ⇨⼈間は書⾯だけで判断をせず、肌で感じる部分も⼤事にする⽣き物 であり住環境、スーパーや病院の近さ、近隣住⺠や肌感覚でしか 分からない事柄も説明変数に⼊れないとバイアスがかかるのではな いかと感じた üAutoMLを使いこなすこと ⇨Pycaretの可視化において、⽇本語変換することに時間を要した 難しかったこと
28. 今後さらに実施してみたいこと Ø⾃然⾔語処理、ディープラーニングについて課題の中で実施しなかった ため、上記のコーディングについてマスターしたい Ø品質部⾨はバラつきを抑えることが業務の主であり、誤差を⼩さくする データサイエンスと考え⽅は似てるように感じた。更に統計学を理解して いき、堅⽥様に助⾔されたようにRをマスターしたい Ø課題をやって感じたのは、場数をいかに踏むかが⼤事であるかという事。 様々なビジネス課題を実務で⾏うことにより、感覚を掴んでいけるという ⼿応えを感じた 様々な業界のドメイン知識 ビジネススキル データ サイエンス ❌ ＝ ビジネストランスレータ へとキャリアチェンジ!!!
29. !(()*+,-
30. 分析結果・考察 2020 2021 ⾼価格帯の物件のみならず、築年数に限らず販売物件数が減少傾向 ⇨都⼼マンションはコロナ禍にも関わらず成約件数が増加？
31. 分析結果・考察 2021 2020 町名別不動産価格） ⾼価格帯順： 2020)祖師⾕＞宮坂＞瀬⽥＞新町＞粕⾕＞尾⼭台＞中町＞駒沢 2021)⽟川台＞桜上⽔＞⽤賀＞中町＞粕⾕＞桜新町＞北沢＞深沢 ⇨町別のランクが⼤きく変動してることから、区内全域で不動産需要があるのではないか？
32. 分析結果・考察
33. 分析結果・考察 築年数毎の平⽶辺りの不動産単価推移： 2020,2021共に築年数が増えると共に単価は下がる傾向。 単価で⽐較してもコロナ禍において極端な減少傾向は無し。
34. 分析結果・考察
35. 分析結果・考察 築年数毎の不動産平均価格推移： 2020,2021共に築年数が増えると共に平均価格は下がる傾向。 上⾺、上野⽑の物件において築20年のマンション価格減少。