Metodologia

Filtros de Transação

• Valor mínimo: transações abaixo de R$ 10.000 são descartadas (doações, transmissões simbólicas, erros de lançamento)
• Proporção transmitida mínima: registros com fração inferior a 1% do imóvel são ignorados, pois geralmente representam cessões de fração ideal de terreno, não venda de unidade residencial
• Faixa de preço por m²: valores fora da faixa de R$ 100–R$ 80.000/m² são excluídos dos cálculos agregados como outliers extremos
• Tipo de uso: somente imóveis residenciais (apartamentos e casas) são incluídos nos índices gerais de mercado

Deduplicação

O ITBI pode conter múltiplos registros para uma mesma transferência (e.g., registros de cartório duplicados). Identificamos e consolidamos duplicatas usando um identificador externo quando disponível, ou pela combinação de endereço, complemento, valor e data. Para anúncios de mercado, mantemos no máximo uma entrada por unidade por dia.

Ajuste de Proporção

Quando uma transação envolve proporção parcial (e.g., 50% do imóvel), o valor declarado é ajustado para refletir o valor total implícito. Porém, esse ajuste é validado comparando o valor resultante com o preço de referência do edifício — se a escala produz um valor implausível, o dado é sinalizando e pode ser excluído das agregações.

Agrupamento de Tamanhos

Para identificar os tamanhos típicos de unidades em um edifício, agrupamos áreas em clusters com tolerância de ±5 m². A moda (valor mais frequente) é usada como tamanho representativo de cada tipologia, o que reduz o impacto de áreas cadastradas incorretamente.

Taxas de Condomínio e IPTU

Para valores de condomínio e IPTU, usamos a moda (valor mais frequente) em vez da média ou mediana. Isso torna os valores menos sensíveis a erros de digitação ou lançamentos atípicos que frequentemente ocorrem nesses campos.

Mês mais Recente (Dados Incompletos)

O mês mais recente da base frequentemente está incompleto no momento da extração. Quando detectamos que o volume de transações do último mês é inferior a 40% da média dos meses anteriores, sinalizamos esse período como possivelmente incompleto e o excluímos dos índices de tendência.

Valor declarado vs. valor de mercado

O ITBI registra o valor declarado pelo comprador para fins fiscais, que não deveria, mas pode diferir do valor efetivamente negociado. Por exemplo, alguns casos podem refletir uma compra parcial ou parcelada (e eventualmente até aparecer como duas compras separadas nos dados).

Área cadastrada no ITBI

A área construída registrada no ITBI é imprecisa, especialmente em imóveis mais antigos. Geralmente a área no ITBI inclui áreas comuns e está superestimada. Por isso, quando disponível, priorizamos a área informada em anúncios de mercado, que em geral reflete melhor a área útil real da unidade.

Transações em etapas (step transactions)

Alguns imóveis passam por múltiplas transferências em sequência em curto período — por exemplo, incorporação seguida de venda imediata. Esses registros podem distorcer o histórico de um imóvel específico e são identificados, mas nem sempre possível excluir sem perder dados legítimos.

Transferências de baixa proporção

Cessões de pequenas frações ideais de terreno ou partilhas de herança envolvendo proporções baixíssimas podem aparecer como transações com valores muito abaixo do mercado. Aplicamos filtro de proporção mínima, mas casos limítrofes podem permanecer nos dados.

Cobertura de anúncios

Os dados de área e informações complementares de anúncio cobrem principalmente imóveis verticais (apartamentos) em São Paulo. Casas e imóveis em regiões com menor volume de anúncios podem ter menos informações enriquecidas, resultando em análises menos precisas.

Latência dos dados

A base é atualizada mensalmente. O mês mais recente tende a ter volume menor por ainda estar sendo processado pela Prefeitura. Índices de tendência são calculados excluindo períodos com dados incompletos.

Imóveis sem histórico

Imóveis que nunca foram objeto de ITBI (e.g., primeira transmissão ainda não registrada, imóvel nunca vendido) não aparecem na base. A ausência de dados não significa ausência de imóvel.

Índice de Crescimento de Preço

Calculado como a variação percentual da mediana de preço por m² ao longo do tempo, usando janelas móveis suavizadas para reduzir ruído mensal. Apenas apartamentos residenciais são incluídos. O índice é sempre nominal (sem ajuste inflacionário) na série base.

Preço Real vs. Nominal

Para o gráfico de comparação real vs. nominal, aplicamos o IPCA acumulado sobre o índice nominal base 100, permitindo visualizar se o preço dos imóveis cresceu acima ou abaixo da inflação ao longo do período selecionado.

Volume e Valor de Transações

Contagem e soma de transações por mês (ou ano), com separação entre financiadas e à vista. O mês mais recente é sinalizado caso esteja incompleto.

Rankings de Bairros

Bairros são rankeados pela variação percentual da mediana de preço por m² no período selecionado, calculada sobre os dados do próprio bairro (mínimo de transações para inclusão: TBU). Rankings de destaque identificam bairros com maior valorização e maior desvalorização relativa.

Agregados por Edifício e Rua

Os relatórios de edifício e rua usam agregados pré-calculados (mediana e média ponderada de preço por m²) derivados de transações filtradas e enriquecidas com área de anúncio. Para ruas, utilizamos a mediana das medianas dos edifícios, ponderada pelo volume de transações.

Arquitetura do Modelo

Utilizamos um ensemble de dois modelos, cujas predições são combinadas por média:

• Modelo Hedônico: regressão log-linear (OLS) com features padronizadas — o modelo mais interpretável, baseado em preços implícitos de cada atributo
• XGBoost: gradient boosting treinado sobre os mesmos dados — captura não-linearidades e interações entre variáveis que o modelo linear não consegue

A predição final é o exponencial da média das predições log-transformadas de ambos os modelos.

Variáveis Utilizadas

Treinamento e Validação

• Dados de treino: 80% das transações históricas (split temporal — dados mais antigos para treino)
• Dados de teste: 20% mais recentes (garante que o modelo é validado em dados que não viu)
• Variável alvo: log(preço) — transformação logarítmica para estabilizar a variância
• Métricas de avaliação: MAPE, R², MAE e RMSE
• Intervalo de predição típico: ±12% (baseado no MAPE observado)

Sanidade e Confiança

Para evitar estimativas absurdas, aplicamos verificações de sanidade comparando a predição com uma estimativa ingênua (área × preço de referência por m²):

• Se a predição for inferior a 50% da estimativa ingênua: blend de 70% ingênua + 30% ML
• Se a predição superar 200% da estimativa ingênua: limitada a 150% do prêmio

O nível de confiança é derivado da dispersão entre as predições dos dois modelos — quanto mais próximas, maior a confiança (faixa: 50%–95%).

Limitações do Modelo

• Mercados rasos: bairros ou tipologias com poucas transações têm estimativas menos precisas, pois o modelo depende de referências locais
• Imóveis de alto padrão / atípicos: propriedades com características muito específicas (cobertura, duplex, plantas atípicas) podem estar fora da distribuição de treino
• Construções muito recentes: edifícios sem histórico de transações forçam o modelo a usar referências de rua/bairro, com menor granularidade
• Preços nominais: o modelo é treinado em preços nominais, portanto estimativas para datas futuras não incorporam projeções de inflação
• Reformas e benfeitorias: o modelo não captura melhorias internas não refletidas no padrão IPTU cadastrado
• Uso indicativo: a estimativa deve ser usada como referência de mercado, não como avaliação formal (laudo de engenharia/avaliação oficial)