有料コンテンツの購読
現在、Web上での有料コンテンツ購読機能は準備中です。
ご不便をおかけしますが、有料コンテンツを購読希望の方は
モバイルアプリ上で購読の手続きを行ってください
認証方法を選んでください
ご協力いただきありがとうございます。
いただいた情報は実名認証のみに使用いたします。
利用可能になる機能
コメントの公開範囲が
すべてのユーザーまで開放されます
フォロー中トピックスの投稿にコメント・返信ができるようになります
Facebookで認証を行う
LinkedInで認証を行う
名刺・学生証で認証を行う
お名前の変更には
再度実名認証が必要です
Facebookで認証を行う
LinkedInで認証を行う
名刺・学生証で認証を行う
名刺または学生証を利用して
実名認証を行いましょう
名刺または学生証をアップロード
※ 名刺等の情報は照合にのみ利用します
※ アップロードされた資料は公開されません
入力された情報に虚偽があった場合、認証が取り消されることがあります。
これに同意の上、下記のチェックボックスにチェックして登録を完了してください。
実名認証を行う
を利用して
実名認証を行いましょう
入力された情報に虚偽があった場合、認証が取り消されることがあります。
これに同意の上、下記のチェックボックスにチェックして登録を完了してください。
実名認証を行う
実名認証が完了しました
ご協力いただきありがとうございました。
一層のコミュニティ活性化に取り組んで参ります。引き続きNewsPicksをご活用ください。
利用をつづける
実名認証をして
コメントを発信しよう
現在あなたのコメント公開範囲は
フォロワーのみに限定されています
信頼性の高いコメントコミュニティをつくっていくために、実名認証にご協力をお願いします。設定を行うことでコメントの公開範囲が「すべての利用ユーザー」に開放されます。
実名認証を行う
あとで
学割プラン継続確認
学割プランは毎年月に更新の確認を行っております。
月以降も学割プランを継続されたい方は、
学生情報を更新してください。
学生情報を更新されない場合、
次回更新時に自動解約となります。
卒業される方等、プレミアムプランに移行される方には
1ヶ月無料期間をサービスいたします。
学割プランを更新されない場合
学生の場合
学生の間であれば、またいつでも学割プランにお申込み頂けます。
社会人になる場合
いま、アンケートに答えてプレミアムプランに移行すると1ヶ月無料の特典が受けられます。
ここで「更新しない」を選択すると、後からは1ヶ月無料の特典は受けられなくなりますのでご注意ください。
メール認証をしてください
ご登録いただいたメールアドレス宛に届くメールから
URLをクリックし本人確認をお願い致します。
届いてない場合、見つからない場合は下記から再送と認証をお願い致します。
再送設定する
閉じる
新しいトップページへの
フィードバックのお願い フィードバックを受けて改善いたしますので、ご意見・ご要望をいただけませんか?
物件を借りる人よりも、オーナーにとって参考になる情報かと思います。
下落率が大きいところは、オシャレなところが多く、そこに住みたいと意思を持って家計を配分するケースが多そう。それゆえに物件としての魅力度が影響しやすい街で、築年数が経つほど安くなりやすい。逆に、下落率が小さいところは、元々価格感応度で勝負をしているところが多く、築浅だからと強気な値付けができない分、年数が経ってもそこまで変わらないという印象。
また、結果を前提としたときには、デフレだなぁと感じる。人気の町は、家賃の高さや意思を持って家計を家賃に充てられるという観点で、高所得者が多めだと思う。そういった人たちを集める町であっても、経年で値下がりが結構発生してしまう。
ちなみに、個人的には実際には10年後は案外違った結果になっているのではないかと思う。
たとえば、田園調布に関しては、今は武蔵小杉が人気でも、高層なのか低層なのかと街の雰囲気が違う。そこで暮らして、改めて低層の魅力で再起するようなことが定性的には起こりうると思う。また、アルゴリズムは実績の家賃データと関数をフィッティングしているような説明が最後に書かれているが、過去データに関しては武蔵小杉の需要がタイトになって、田園調布から「吸っていった」実績を含む。そのトレンドが持続するなら正しいが、既に顕在化したものが過去と同じペースで持続していくかというとそうでもない。
あと、不動産投資のリアリティとしては、家賃だけでなく稼働率も重要で、家賃が下がっても稼働率が維持できるのか、家賃が下がらなくても稼働率が低めなのかは重要。その意味では、値下がり率が高い地域のほうが、コンスタントな収入は期待できそう(その収入が投資として見合うかは、仕入れ値による)。
せめてどんな技術を使って、学習データは何をつかってどれくらいの規模で、何を予測をしたのかを明記しませんか。
また、今回の予測は東京五輪とは無関係な予測をしています。ライフルの清田さんがすでに指摘されていますが(昨日一緒に飲んでました。また、GAさんには関係者が昨日訪問させていただきまして、ありがとうございました)、ただ単に地域ごとの物件築年数の家賃に与える影響度を算出しているように見えます。
【追記】
学習の詳細は最後に書いてあったとのこと。失礼しました。薄い文字だったので読んでいませんでした。反省します。
トレーニングデータの量と、予測精度(相関やMSE)が明記されていれば説得力が増すと思いました。
また、機械学習は過去のデータに基づく予測なので、新駅や新しいモールの誕生による影響は予測できません。
特徴は、家賃が下がりやすい街に人気の街が多いこと。その一方で、下がりにくい街は、興味深いことに、比較的無名の地区がランクインしています。「知名度は低いけど住んでみると満足度が高いため、家賃が下がりにくいのでは」と思いました。
このランキングでは、2020年開業予定の「品川新駅(仮)」、2027年に終わる「渋谷駅周辺の開発」、2028年開業見込みの「羽田アクセス線」、「各私立大学の都心回帰」などは考慮に入れていません。そういった“変数”を考えながらランキングを眺めても面白いと思います。
今回のランキングは、東京23区に絞っていますが、他の道府県に住んでいる方々にも「気づき」があればうれしいです。
【追記】今回の計算式ですが、最後の図版に注を入れています。念のため、再掲いたします。
↓↓↓
注:①データの対象とした物件は、東京23区内で最寄り駅から徒歩5~10分、広さ20~25平米(標準的な単身者向けのワンルームマンション)に限る、②家賃データは公募価格(実際の成約価格ではない)、③アルゴリズム(計算式)は、家賃の下落が、「1:長期的な家賃の値下がり幅」「2:家賃の下限」「3:新築物件と下限までの家賃値下がり幅が、半分になるまでの時期」「4:家賃下落の傾き」の4つの関数で説明されると仮定、⑤4つの関数は、実際の家賃データとの誤差の和が最小になるよう最適化、⑥過去2年分のデータをもとに算出
あくまでもワンルームマンション。
ワンルームマンションは供給過多なわけで、古いものの人気がなくなるのは当然なので、今人気のエリア=すでに供給量が多い。今人気のないエリア=供給しても仕方ないから供給しない。
な訳でAIにやらせたらそうなるのでしょう。
実際はそう単純ではなく、
人気のあるエリアの供給が増えると、人気のあるエリアにより人が集まり人気のないエリアから人が出て行きます。
そうすると人気のないエリアは人が入らなくなるので家賃は下がります。
おそらく実際はこのデータと逆の動きをする可能性すらあると思います。
いずれにしてもワンルームマンションだけで全体の相場観は測れないです。
後、インフレになれば希少価値が高いエリアから
家賃上がるわけなので、人気だけど供給量が少ないエリアで限定的に家賃は上がると思います。
門前仲町、西大島・東大島・大島、方南町・笹塚、落合・中井、練馬・桜台、落合南長崎、田端、矢口渡、練馬高野台、武蔵新田、森下のエリアが下がらない駅とのことです。
不動産の立地というものの奥深さを実感しました。
住宅の値段ほど、不可解なものはないというのが実感。
1980年台には、住宅は今後、下がる事はないといわれていたし、1990年にバブルが破裂したら、今後は二度と上がる事はないと言われていた。
間違える要因は、土地を購入するのは個人だけではないこと、住宅を購入するのは日本人だけではない事、ライフスタイルの変化。
子供を持たず、夫婦共稼ぎなら、とにかく駅近がいい。
個人的には、もっと都心近くに、家を買えば良かったかなと思うけど、それだったら、狭くて、苦労したかもしれないとも思う。
ビジネス雑誌が定期的に特集するマンション情報。売れ行きは良いようだけど、信頼性は全くない。
不動産は、立地が全て、という原理だけは当たっていると思う。