参考相場価格の精度・算出方法

参考相場価格の推定精度

Median APE※1
5.66%※2
東京都23区(1980年以降築のマンション)
※1 実際に事例における成約価格(実測値)と、同条件のパラメータを用いて不動産価格推定エンジンの算出した価格(予測値)との差額の絶対値を実測値で除算した値を誤差率とし、MERは誤差率の中央値となります。
当該物件の誤差率(Error Rate) = |(実測値) - (予測値)| / (実測値)
MERの値が小さいほど推定精度が高いことを意味し、MER=5%の場合、全体の50%の物件について誤差率が5%以内であるということがいえます。
※2 東京23区内、かつ1980年以降築のマンションを対象とした数値であり、変動します。1980年以降築の建物は新耐震基準に対応したものとなっており、不動産の査定において大きな変更点になるため分けて記載しています。

東京都23区のマンション

価格推定の対象エリアMedian APE※1誤差5%以内の物件割合誤差10%以内の物件割合誤差20%以内の物件割合
1980年以降築
(1979年築以前も含む場合)
5.66%
(6.24%)
45.08%
(41.72%)
72.98%
(68.67%)
93.29%
(90.76%)

1都3県のマンション

価格推定の対象エリアMedian APE※1誤差5%以内の物件割合誤差10%以内の物件割合誤差20%以内の物件割合
1980年以降築
(1979年築以前も含む場合)
6.08%
(6.62%)
42.57%
(39.75%)
70.12%
(66.41%)
91.51%
(89.03%)
※ 2024年03月18日時点での推定精度

IESHILの価格推定エンジン

IESHIL(イエシル)の各種データは、既存の不動産の価値計測に用いられる手法をベースに、独自の説明変数や数値化した環境特性を加えて改良した機械学習によって算出されています。(特許登録済 特許第6837739号・特許第6837740号・特許第6744702号)
これにより、様々な地域、特性毎に最適化されたダイナミックかつ最先端の価格推定エンジンをWebサービス上に導入することができています。
また、機械学習のアルゴリズムとしてLightGBMという決定木と勾配ブースティングを組み合わせた手法を採用しています。
LightGBMはMicroSoftが開発するMITライセンスの機械学習フレームワークであり、様々な分野で非常に高い精度の機械学習を行うことができます。IESHILでは機械学習に有用な特徴量、及び有効なアルゴリズムを日々研究し、また9,000万件のビッグデータから傾向を導き出すことで、高精度な市場価値算出を実現しています。

データについて

Webクローリングによる収集

Webクローリングによる収集

IESHIL(イエシル)の自社開発されたWebクローラーはあらゆるインターネット上のデータファイルを収集しています。柔軟性と更新性が高いクロール技術によって不動産に関連する詳細なデータを幅広く収集しています。

独自調査の実施

独自調査の実施

オンライン上では限界がある不動産データの収集はオフラインデータを収集することで補っています。現地の取材活動やユーザーからの提供データ、紙データの収集などで蓄積されたデータを全てデジタル加工することで、高い品質を維持しています。

オープンデータの利用

オープンデータの利用

昨今は政府、総務省、自治体が取組むオープンデータ戦略の推進によって、幅広い統計データが公開されるようになりました。IESHIL(イエシル)では機械判読に適したデータ形式で、二次利用が可能な利用ルールで公開されたオープンデータを収集し、独自の不動産評価指標として利用しています。また、紙媒体から収集できる統計データや随時発表される都市計画なども収集しデータ化を進めています。

注意事項

皆様に、より適正な参考相場価格をご提供できるよう、日々、算出理論・方法の研究と改善を続けていますが、次のような条件に該当するマンションの一部においては、評価の精度が低くなる場合がありますので、予めご了承ください。

  • 不明な部屋情報が著しく多いマンション

  • 周辺マンションとの比較では想定し難い、顕著な価格決定要因があるマンション

  • 築年数が著しく古いアパートやマンション、高級マンションの中でも設備等に独自性や特殊性が強いマンション

さらに精度の高い価格推定エンジンの実現を目的とし、IESHIL(イエシル)をご利用いただいている皆様からご提供されるデータも積極的に活用をさせていただいております。
ぜひ情報提供にご協力をお願いいたします。