5秒で投資判断 - 割高物件を発見!
ポストにチラシが投げ込まれていました。
不動産の広告です。
見てみると、横浜市鶴見区鶴見中央5-8-12。
あー、うちの会社の近くです。もう、目と鼻の先。
物件の広告には築年月だとか、建物の構造だとかを書かなきゃいけません。
3DKで2500万円弱。
早速調べてみます。
不動産の条件を合わせてみると960万円とでてきました。
なんと1/2以下です。この物件は買っちゃいけませんね。
リフォームしてあったとしても高すぎる。
これだったら、同じ金額で2件買って、リスク分散した方がいいですね。
リフォームして2LDKに間取り変更していたら、予測価格が2190万円なので、そこに利益のっけて2500万円弱なら分かるのですけど。
いずれにしろ、条件合わせて価格を見比べたら即決でございます。
- -
ていうか、企業が入っているビルなんだから、そこに居住用の広告を投げ込んでもリターンは悪いはず。
たぶん、根性でやらされているんでしょう。。「5000枚ポスティングするまでは帰ってくるな!」とか言われて。
もうちょっと、賃貸用のマンションに投げ込むとか、そういうことを考えた方が効率いいじゃないかと思う。
不動産投資で儲ける方法を考えてみる
不動産投資はうまくやるとすごいというのはよく聞く話です。
「じゃあ、どうやればいいんだよ!」となります。
ちょっと、考えてみます。
1. 安く買って高く売る
2. 家賃収入
当たり前ですが、これしかないです。
キャピタルゲインとインカムゲインです。
株式だとわかりやすいですよね。
今までの時系列変化を調べて、安いか高いかを判断できます。
でも、不動産だとできない。
この「できない」というのが不動産市場の歪みを作っているわけで、ここが利ざやが大きかったりする原因なわけです。
割安かどうかというのはどうしても主観的な判断になりがちです。
特に個人投資家の場合は、投資金額も限られているし時間を効率的に使わないといけない。
GEEOを使うと、一発で割安な物件かどうかがわかります。
GEEOが出している価格は市場動向や不動産の個別性を反映した価格なので、それより高いか安いかで判断することができます。
ここの物件が平成元年に建築されているSRCの3DKだった場合は540万円が予測された価格になります。
もし、この物件が540万円以下だとすれば、それは買い時と判断できます。
結局のところは、こうやって割安な物件の基準をもつというのが不動産投資のための基礎となるわけです。
続きはまた今度。
不動産価格を住所から検索してみよう!
GEEOで住所から価格を検索できるようになりました。
住んでいる人がいても家の価格がどれくらいかわかります。
一部の地域では住居番号で既にみれるようになっています。
横浜市鶴見区北寺尾7-6-7とかはこんな感じ。
条件をあわせれば戸建住宅でもわかります。
とりあえず、まずはこの界隈だけのβ版です。
そういうわけで、トップページからはリンクしておりません。
正式版は近いうちに公開します。
ちなみに、国税庁とかは家の前の道路に値段をつけています。
これが路線価というやつですね。
不動産の価格予測アプリ「GEEO」をリリースしました
GEEOは不動産の価格を予測してくれるアプリです。
Google Play ストアは下記
https://play.google.com/store/apps/details?id=com.geeo.yuichirootani
タップすると、その地点の不動産価格を表示します。
売買・投資物件の検討、自宅の資産価値の検討等に使えます。
また、2007年からの時系列で価値を表示することもできます。
さらには、地図上でヒートマップ表示をすると、地域の価格の高低が一目でわかります。
どうぞ宜しくお願いします。
日本人の民度ってどうなんでしょ。
そういや、こういう試算がありましたね。
「若者の１％投票棄権→１３万５千円損 東北大院教授試算」
http://www.asahi.com/politics/update/0720/TKY201307200009.html
今日は投票日なので、このへんのネタも投稿しておこうっと。
これ、完璧に間違ってますね。統計学的に。僕の知識はあんまりないのですが、経済学(財政学)的にも、政治学的にもどうなんでしょうね。学部生の卒論にもならない、できないと思うんだけど(原文よんでます)。ま、若者よ投票にいこうというのは間違ってないですけど。
統計学的間違い
色々ありすぎ。こういった時系列データを扱うなら、せめて階差をとりましょう。数学的仮定が崩れすぎて、推定された係数が信用できない。135,000に数学的根拠がないってことです。
ちなみに、金額は基本的に正規分布しません。これは国債の発行額でも、不動産の価格でも同じだけど、絶対に0より大きくなるからです。国債の発行額が-1000億円とかはありえません。もちろん、理屈上は平均値が1000億円で標準偏差が10億円みたない形で正規分布することは可能です(0円が発生する確率が無視できるくらい小さい)。ただし、経験上、正規分布したケースはみたことがほぼありません。株価、不動産の価格、売上、給料(年収とか)等、なんでもいいので、価格を表したデータを適当にひっぱてきてヒストグラムをかくと、大体冪乗則に従うことがわかるはずです。Amazonのロングテール等がいい例です。
経済学(財政学?)的観点から
国債を発行するのは、税収と支出のバランスが損なわれている状態、というのが基本です。国の会計と家計は根本的な構造は異なりますが、足りないから、どこかから調達して埋めあわせるということは間違っていません。家計の場合は、足りない資金の調達は借入、会社の場合も出資(株式を発行)と借入です。国の場合が国債発行(増税というのもありますが)になりますが、これは意味合いが少し異なります。というのも、家計の場合、借入をして支出した場合、これは誰か(例えば隣の八百屋さん)の所得になります。これは企業の場合も同じですが、借入をおこして土地を買ったりした場合、固定資産として計上することになります。借入金という負債があれど、資産もあるわけです。この負債と資産の関係ですが、国債(円建て)を発行すると、政府予算として組み込まれ、名目はなんであれ、最終的には民間に支出されます。国の場合は国債発行= 最終的な民間全体の資産の増加という形式が存在するわけです。
前置きが長くなりましたが、この国債発行額の増加=マネーサプライ(マネーストック)の増加という原理からすると、「国債発行額が増えると問題があるんだ」ということ自体が「ん?」ということになってしまうわけです。
最後に、政治学的な観点
別に、若者の投票率が増えても、社会保障給付の問題が若者に対して有利になるわけではありません。というのも、選挙自体があくまで代議士を選ぶ手段の一つで、これは立法機関に対するジャッジということで、実際に政策を行うのは行政機関(「行政」ですから)です。若者が自分たちに有利な政策を訴えている政治家・政党を選び、若者の民意を反映させ、それらの政策が立法化・予算化されることで社会保障給付の問題等がはじめて解決に向かうということになります。では、行政立法と議員立法のどちらのほうが多いかということですが、これは下記ページで確認できます。
http://www.clb.go.jp/contents/all.html
行政立法の方が多いので、若者にとって合理的な選択はどちらということですね。
最後に言いたいのですが、ジャーナリズムは第四の権力、とも呼ばれるわけなので、こういった試算を適切に扱い、適切なところを批判することをして欲しいものです。
とあるデータの予測。
とあるデータを個人的に分析している。
で、予測した結果がこのグラフ。1つは時系列のグラフで、意外と当っている。黒が実測値。赤が予測値。下のヒストグラム二つは予測値と実測値。ま、そこそこ当っている。ちなみに修正済R二乗が0.55だ。
話はそれるけど、修正済R二乗が0.3だと低いとか、0.8だと高いとか解釈する人がいるけど、それは違う。適用させる分野によって使い分けなければいけない。ある分野では限りなく1に近くないとおかしい場合もあるし、0.3でも十分な場合もある。要は、集めたデータを分析した場合の誤差項に何が含まれるかという解釈をしなくてはいけないのであって、修正済R二乗はそれ単独では絶対的な指標というわけではない。ちなみに、昨日のモデルで0.9以上出ていたのは、同じ手法、同じサンプリングプロセス、同じ分野でやっている。
まあ、いいや。ちなみに、この予測はニューラルネットを使っているんだけど、同じデータ(時系列)でVARモデルと単純な重回帰モデルでもやっている。どれも、大体似たような結果になる(ま、そらそうなんだけど)。モデル間にあまり大差はない。
ただ、この結果はかなりクレンジングとかの作業に気を使っている。生データをそのまま使っても、同じ手法は適用できるけど、違った結果がでると思う。いい結果を得るのであれば、分析の前処理の段階(ほんとはサンプリングプロセスの決定の段階)から、気を使うことがたいせつだ。
