Pomocí řady technik strojového učení skupina vědců zjistila, že FV systémy mohou výrazně zvýšit hodnotu nemovitosti ve Spojeném království. Analýza se založila na údajích o nemovitostech od společnosti Zoopla, jednoho z předních poskytovatelů výpisů nemovitostí

Pomocí řady technik strojového učení skupina vědců zjistila, že FV systémy mohou výrazně zvýšit hodnotu nemovitosti ve Spojeném království. Analýza se založila na údajích o nemovitostech od společnosti Zoopla, jednoho z předních poskytovatelů výpisů nemovitostí ve Spojeném království, a údajích o zaplacených cenách pocházejících z vládního katastru nemovitostí z let 2012–2018.

Vědci ze Spojeného království použili techniku ​​strojového učení (ML), aby posoudili, zda se nemovitosti s FV systémy spojují s vyššími prodejními cenami na britském trhu s nemovitostmi. A zjistili, že domy vybavené fotovoltaickými články mají vyšší cenu.

Energetická účinnost na prvním místě

„Panuje shoda v tom, že energetická účinnost a označení „zelené“ mají na trhu s bydlením příznivé hodnocení,“ uvedli výzkumníci. „Důkazy zaměřené výhradně na vliv solárních panelů však zůstávají relativně vzácné a soustředí se na americký a australský realitní trh. Zaměřujeme se na vliv solárních fotovoltaických systémů na prodejní ceny na trhu bydlení ve Spojeném království, pro které neexistují žádné předchozí důkazy."

Výzkumníci spustili algoritmy meta-learner na přibližně 5 milionech pozorování a údajů o majetku společnosti Zoopla, jednoho z předních poskytovatelů výpisů nemovitostí ve Spojeném království, a údajů o zaplacených cenách (PPD) z vládního katastru nemovitostí z let 2012–2018. Vybavením algoritmů klíčovými slovy jako „FV panel“ a „solární“ kategorizovali záznamy pro domy, které mají nebo nemají solární výrobu. Pak by mohli porovnat 80 % těchto záznamů se skutečnými PPD.

„V procesu výběru vzorku vylučujeme nemovitosti s více než třemi koupelnami nebo více než pěti ložnicemi,“ zdůraznila skupina. „Protože byty v budovách sdílejí stejnou střechu, vypouštíme byty z našeho vzorku. A to proto, protože majitelé bytů nemusí být schopni instalovat solární panely. Nakonec vyloučíme nemovitosti, jejichž prodejní ceny jsou v horním a dolním 1 % distribuci cen. Proto, abychom odstranili odlehlé hodnoty v datech.“

Akademici také použili pět algoritmů meta-learner, a to S-learner, T-learner, X-learner, R-learner a DR-learner. Meta-learner je technika ML, která kombinuje více modelů – nebo základních studentů – ke zlepšení prediktivního výkonu.

Návratnost FV systémů v průběhu let

Podle výzkumníků využívají S-Learner a T-Learner pouze základní studenti, a proto se považují za jednodušší. Ostatní tři používají dodatečné informace, a proto se považují za sofistikovanější.

„Průměrný léčebný efekt vypočítaný pomocí algoritmu S-learner je 0,055. Což znamená, že domy se solárními panely dosahují 5,5 % přirážky za prodejní cenu,“ uvedl tým. „Když použijeme sofistikovanější meta-learnery, zvýší se prémie spojené se solárními panely na více než 6 %, v rozmezí od 6,1 % u X-learner po 7,1 % u DR-learneru.“

Prostřednictvím další analýzy vědci také prozkoumali rozdíly mezi roky, regiony a cenovými kvintily a identifikovali klesající trend v návratnosti solárních panelů v průběhu let. Kromě toho jsou nejvyšší výnosy pozorovány ve Walesu a Yorkshire a Humber, následované regiony Severozápad a Jihozápad.

Porovnávání s tradičními modely

„Vliv solárních panelů na ceny domů se zdá výraznější v nejnižších a nejvyšších cenových kvintilech. Přičemž největší prémie se pozorovaly v těch druhých,“ uvedli. „Příplatky, které pozorujeme u nejnižšího cenového kvintilu, podporují náš argument ohledně potenciálních úspor energie a významu levnějších provozních nákladů pro kupující s nižšími příjmy. Prémie pozorované na trhu vyšší třídy mohou místo toho odrážet „teplou záři“ spojenou s investicemi do nemovitostí šetrných k životnímu prostředí, stejně jako „zelenou“ signalizaci a nápadný konzervační efekt.“

Nakonec, aby se ověřila robustnost výsledků, se navržený model porovnal s tradičnějšími modely. Jmenovitě s hedonickým cenovým modelem a hrubým přesným párováním (CEM). První se běžně používá k odhadu, do jaké míry každý faktor ovlivňuje tržní cenu nemovitosti. A druhý se využívá v pozorovacích datech.

Vědci zjistili, že hedonický cenový model vykazoval prémii 5,6 % a CEM 3,5 %. ,,Výsledky se zdají nějak citlivé na metody, které používáme," zdůraznili. ,,Ve srovnání s hedonickými modely jsou algoritmy metalearneru lépe schopny zohlednit problémy související se složitostí léčbyi vysokou dimenzionalitou. Dále taky s nelineárním vztahem mezi vlastnostmi nemovitosti a cenami domů a přítomností zmatků."

Jejich zjištění se prezentovala v dokumentu „Návraty k solárním panelům na trhu s bydlením: meta studentský přístup.“ Ten se publikoval v Energy Economics. Tým zahrnoval vědce ze Swansea University a University of Birmingham.

Zdroj: pv-magazine, TowPoint