Bayesische Bewertung kaufpreisarmer Lagen mit Markov-Chain-Monte-Carlo Verfahren

Das Vergleichswertverfahren hat als marktnächstes Verfahren eine herausragende Stellung in der Immobilienwertermittlung. Allerdings bedarf es, wie alle statistischen Methoden, einer geeigneten Stichprobengröße. In Gebieten mit wenigen Kauffällen steht den Sachverständigen oft nur sehr wenig Vergleichsmaterial zur Verfügung, wodurch die standardmäßige Anwendung des Vergleichswertverfahrens nicht möglich ist. In diesem Fall wird die Wertermittlung unteranderem durch die Expertise des Sachverständigen durchgeführt. Die wenigen vorhandenen Kauffälle werden hierbei nur indirekt als zusätzliche Informationsquelle hinzugezogen.
Als Alternative zu diesem Vorgehen ist am Geodätischen Institut in Forschungsarbeiten ein robuster Bayesscher Ansatz für kaufpreisarme Lagen entwickelt worden. In diesem Ansatz wird auf Grundlage des Bayes-Theorems die klassische Regres-sionsanalyse mit dem Experten-wissen kombiniert. Ziel dieser Masterarbeit war die Weiterentwicklung und Validierung dieses Ansatzes.
Für die Arbeit wurde der  Kandidatin eine Datengrundlage des Teilmarktes Osnabrück zur Verfügung gestellt. Mithilfe dieser hat sie unteranderem die nummerische Stabilität und die Robustheit des entwickelten Ansatzes untersucht. Der Fokus der Masterarbeit lag auf der Entwicklung einer optimalen Gewichtung für die Kombination der unterschiedlichen Datenquellen (AKS-Daten, Pseudokauffälle aus Expertenbefragungen und Gutachten) in dem Algorithmus. Auf Grundlage der Varianzkomponentenschätzung hat die Kandidatin einen Ansatz zur Optimierung der Gewichtungsbestimmung entwickelt. In ersten Validierungsergebnissen ist das Potential dieser Weiterentwicklung gegenüber des zuvor verwendeten Gewichtungsansatzes mit einer Student-Verteilung zu erkennen. Für eine abschließende Beurteilung der Weiterentwicklung werden noch weiterer umfangreicher Untersuchungen und Optimierungen am Algorithmus benötigt.