WOZ-taxatiemodellen

Gemeente Ede

Ondersteuning bij het bepalen en controleren van de WOZ-waarde van woningen.

Laatst gewijzigd op 12 december 2024 om 13:48 | Publicatiestandaard 1.0

• Publicatiecategorie: Impactvolle algoritmes
• Impacttoetsen: Veld niet ingevuld.
• Status: In gebruik

Algemene informatie

Thema

• Overheidsfinanciën
• Wonen

Begindatum

2023-01

Contactgegevens

[e-mail]

Link naar publiekspagina

https://www.ede.nl/aanvragen-en-regelen/woz-wet-waardering-onroerende-zaken

Verantwoord gebruik

Doel en impact

De WOZ-taxatiemodellen helpen elk jaar om de WOZ-waarde van woningen in de gemeente Ede vast te stellen. Het algoritme helpt taxateurs om de waarderingen eerlijk en consistent te controleren. De WOZ-waarde is belangrijk voor de hoogte van de onroerendezaakbelasting (OZB).

Afwegingen

De WOZ-taxatiemodellen helpen taxateurs om de WOZ-waarden van woningen goed en op dezelfde manier vast te stellen.

Menselijke tussenkomst

De WOZ-waarde wordt officieel vastgesteld door de heffingsambtenaar volgens artikel 22 van de Wet WOZ. Volgens artikel 17 van de Wet WOZ wordt de waarde bepaald. In de praktijk doet de WOZ-taxateur dit. Het algoritme helpt bij het controleren en ondersteunen van de taxaties.

Risicobeheer

De taxatiefunctie in het algoritme controleert de waardes. De taxateurs controleren de resultaten met de hand en passen ze aan als dat nodig is.

Wettelijke basis

Wet Waardering Onroerende Zaken (WOZ)

Links naar wettelijke basis

Wet Waardering Onroerende Zaken (WOZ): https://wetten.overheid.nl/BWBR0007119/2024-01-01

Werking

Gegevens

Voor de waardebepaling worden de volgende gegevens gebruikt:

1. Objectkenmerken: primaire en secundaire kenmerken zoals o.a. gebruiksoppervlakte, grondoppervlakte, bouwjaar, type woning, staat van onderhoud, voorzieningenniveau.
2. Marktgegevens: verkoopprijzen van vergelijkbare woningen rondom de waardepeildatum.
3. Locatiekenmerken: afstand tot voorzieningen, sociaal-economische context en fysieke omgeving

Technische werking

De AI/ML modellen worden gebruikt om woningen te waarderen op basis van een combinatie van statistische technieken en Hedonic Pricing Model. Dit model vormt de basis van de analyse. Het uitgangspunt is dat de waarde van een woning bepaald wordt door de som van de afzonderlijke bijdragen van kenmerken zoals:

• Woningkenmerken (bijv. gebruiksoppervlakte, grondoppervlakte, bouwjaar)
• Locatiekenmerken (bijv. nabijheid van voorzieningen, demografie van de buurt).
• Marktconditie (bijv. trends in vraag en aanbod).
• Verkoopcondities

Bij het waarderen van woningen maakt het AI-model gebruik van LightGBM (beslisbomen). Het algoritme analyseert miljoenen combinaties van kenmerken (bijv. bouwjaar, type, gebruiksoppervlakte) en de invloed hiervan op de prijs. Het leert daarbij welke combinaties en patronen statistisch relevant zijn. Een beslisboom verdeelt de data in segmenten (bijv. woningen van hetzelfde type of vergelijkbare locatie) en bepaalt welke kenmerken het meeste gewicht hebben bij het voorspellen van de waarde. Er wordt vervolgens visueel gemaakt welke kenmerken het meest bijdragen aan de uiteindelijke waardering.

Het model wordt getraind en gevalideerd in twee stappen:

• Trainingset (80% van de data): het model leert hier verbanden tussen kenmerken en transactieprijzen.
• Testset (20% van de data): het model wordt hierop gevalideerd om te controleren of het ook nieuwe, onbekende data correct kan waarderen.

Als het model goed presteert wordt het toegepast op alle woningen. Zo niet, dan wordt het opnieuw getraind en bijgesteld. Om de nauwkeurigheid te borgen worden er ratiocontroles uitgevoerd en wordt het model getoetst aan internationale standaarden zoals die van de IAAO.

Leverancier

Xxllnc