ITBI São Paulo — dataset e análise

Transações imobiliárias com recolhimento de ITBI na cidade de São Paulo, 2019–2026, extraídas das planilhas oficiais da Secretaria Municipal da Fazenda, limpas, agregadas em negócios e geocodificadas.

Gerado em 2026-08-15 · valores reais deflacionados pelo IPCA, base 202607 · 2026 é um ano parcial (a fonte cobre apenas os primeiros meses), então comparações que terminam em 2026 comparam um ano incompleto com anos completos

Preço por m² — apartamentos em condomínio

Série is_clean_price: compra e venda de 100% do imóvel, com valor venal de referência, dentro dos limites absolutos e sem outliers contra o próprio mercado local. Uso IPTU 20, área construída acima de 20 m². É a mesma definição usada pelo explorador e pela CLI.

Volume transacionado

Preço por distrito

Apartamentos, negócios a partir de 2025, distritos com pelo menos 40 negócios (91 distritos qualificados).

Ágio sobre o valor venal de referência

Razão entre o valor declarado e o valor venal de referência da Prefeitura. Serve como termômetro de mercado e também de pressão por subdeclaração.

Financiamento

Agregação de transações — o que foi feito e o quanto importa

A fonte não tem identificador de negócio: cada linha é uma DTI de um único SQL. Um apartamento vendido com sua vaga são duas linhas sem nenhum vínculo explícito. A agregação é inferida em tiers, e cada negócio carrega o tier que o produziu.

O efeito sobre os negócios afetados

Nos 29 017 negócios efetivamente agregados (tiers A e B, residenciais), a mediana de R$/m² passa de R$ 5 410 sem agregação para R$ 6 280 com agregação — uma diferença de +16.1%. Somar a vaga ao valor sem somá-la à área é o que corrige o número.

O efeito sobre o agregado

No total da cidade o deslocamento é pequeno, porque só uma fração dos negócios é agregada. Isso é um resultado, não uma decepção: para estatística agregada a agregação quase não muda nada; para o preço de um imóvel específico muda muito. A política agressiva é mostrada apenas para quantificar o erro que ela cometeria.

Precisão medida em amostra rotulada

Amostra estratificada de grupos reais, rotulada manualmente a partir de complemento, uso, valores, áreas e proximidade de matrícula. A matrícula é um sinal independente: o algoritmo de agregação nunca a consulta.

Amostra pequena e rotulada por uma única pessoa — trate como indicativo, não como medida definitiva. A planilha completa de rotulagem está em validation/labeling_sheet.csv para ampliar a amostra.

Corroboração independente pela matrícula

Matrículas das unidades de um mesmo prédio são abertas em bloco, e as unidades transferidas na mesma escritura ficam próximas nesse bloco. O algoritmo de agregação nunca consulta a matrícula, então ela é uma evidência independente. Comparamos pares principal+acessório que foram agregados contra pares principal+acessório do mesmo prédio que não foram.

Pares agregados ficam 234× mais próximos no registro do que pares não agregados no mesmo prédio (mediana 5 contra 1 171). Se a agregação fosse arbitrária as duas distribuições coincidiriam.

Distribuição por tier

Geocodificação

Cada SQL é resolvido para uma coordenada pela camada de lotes do GeoSampa, em ordem decrescente de confiança. Unidades de condomínio não têm polígono próprio — o prédio aparece como lote 0000 com código de condomínio — então elas são resolvidas por endereço dentro do próprio setor/quadra.

Validação independente

A área do lote registrada pelo GeoSampa é comparada com a área do lote registrada na própria planilha do ITBI, e SQLs resolvíveis por duas regras diferentes são comparados por distância.

área do lote: {"n_compared": 179413, "pct_lot_area_within_2pct": 99.68, "median_abs_area_diff_m2": 0.0}
concordância entre regras: {"n_compared": 163653, "median_distance_m": 0.0, "p90_distance_m": 0.0, "pct_within_100m": 99.96}

Qualidade dos dados

Nada é descartado silenciosamente: linhas problemáticas são mantidas e sinalizadas, e a contagem de cada flag é recalculada a cada execução.

Verificações automáticas — 25 ok · 1 avisos · 0 falhas

Ressalvas

A fonte identifica a transação pela guia paga, não pela escritura: a aba mensal da planilha é o mês de pagamento, e a data de transação pode ser bem anterior. Todas as séries aqui usam a data de transação.

Valores são declarados pelo contribuinte. Subdeclaração existe e o ágio sobre o valor venal de referência é um indicador indireto dela.

Unidades de lançamento ainda não individualizadas aparecem com uso “terreno” e, às vezes, com a área construída do prédio inteiro; essas linhas são sinalizadas e excluídas das estatísticas de preço.

A área construída é a do cadastro do IPTU. Em condomínio ela é a fração ideal aplicada à área construída total do empreendimento — o rateio das áreas comuns vem incluído — e por isso é maior que a área privativa dos anúncios: na R. Canário 130, 675–789 m² no cadastro contra 406–463 m² anunciados, um fator de ~1,6. O R$/m² daqui sai menor que o R$/m² “privativo” dos portais; a comparação entre imóveis dentro da base permanece consistente.

Nomes de compradores e vendedores não são divulgados, o que torna impossível provar que duas linhas pertencem ao mesmo negócio. Daí a estrutura em tiers.