Первичный рынок представляет собой недвижимость, которая выступает на рынке как товар впервые, и которая не находилась в чьей-то собственности. В данную категорию входят преимущественно новостройки. У первичного рынка недвижимости рынка есть ряд специфических особенностей - например, риск долгостроя или недостроя дома, так как покупатель жилья на первичном рынке превращается в инвестора. Также новостройки в настоящее время характеризуются плохо развитой инфраструктурой (не везде есть налаженное транспортное сообщение), большой отдаленностью от центра по умолчанию. Если рассматривать первичный рынок с экономической стороны, то он показывает объем созданной недвижимости.
Вторичный рынок - это недвижимость, которая уже находилась в эксплуатации и была в частной или муниципальной собственности.
Важно отметить, что первичный и вторичный рынки неразрывно связаны между собой, так как увеличение предложения на вторичном рынке неминуемо вызовет спад спроса, а, следовательно, и цены на первичном рынке.
Стоимость жилья на вторичном рынке отражает насколько выгодно в настоящее время заниматься строительством, именно ей руководствуются застройщики. И, если вкладываемые застройщиком средства не окупятся и строительство объектов недвижимости не принесет дополнительной прибыли, то ему это будет не выгодно. Если повысятся затраты на строительство, повысятся цены на первичном рынке, который характеризует объем созданной недвижимости, а это неизбежно повлечет рост цен на вторичном рынке.
На формирование цен на рынке влияют следующие факторы:
- макроэкономические факторы;
- мезоэкономические факторы;
- микроэкономические факторы.
Происходящие перемены в жизни различных групп населения могут оказывать влияние на вторичный рынок. Например, сокращение сотрудников на работе, закрытие заводов и фабрик, и др. Также к таким переменам можно отнести миграционные процессы вследствие изменения политической ситуации в стране, экологические проблемы в каком-либо регионе, и демографический рост [9].
Рассматривая рынок жилой недвижимости, можно сказать, что он является низкоэластичным в цене - при изменении диапазона цен на жилье количество предложений фактически не изменяется. Так происходит в связи с затяжной стадией строительства, когда получается удовлетворить возникший спрос на жилые объекты только спустя 1-2 года. А если спрос падает, то строительные работы соответственно не прекращаются, так как это повлечет огромные затраты. Такая связь между спросом и предложением влечет за собой необходимость рассмотрения стоимости объекта недвижимости как главного фактора, который позволяет регулировать и уравновешивать спрос и предложение на рынке.
Следует отметить, что на рынке жилой недвижимости может сложиться ситуация, когда предлагаемая рыночная стоимость объекта недвижимости станет превышать его реальную справедливую цены. В таких случаях государство проводит корректирующую политику для сглаживания возникшего положения на рынке, которая также включает в себя мероприятия для стимулирования интереса к приобретению жилья.
Однако, на рынке недвижимости может сложиться и обратная ситуация - слишком большие инвестиции в сфере строительства во время экономического кризиса в стране, могут привести к потере денег инвесторов из-за спада спроса у населения. Поэтому здесь также необходимы меры, которые принимает государство для того, чтобы стабилизировать процессы на рынке недвижимости, а также в строительстве.
1.2. Факторы влияния на стоимость недвижимости
Ценообразующие факторы могут быть разделены по трем иерархическим уровням влияния:
- региональный уровень;
- местный уровень;
- уровень объекта.
Перечисленные факторы полностью коррелируют с факторами, выделенными Стерником Г.М.
1.2.1 Региональный уровень
На этом уровне рассматриваются глобальные факторы, которые влияют на экономику страны в целом. Такие факторы можно рассматривать как рычаг влияния извне, так как на какой-либо конкретный объект недвижимости они прямого влияния не оказывают, но оказывают непосредственное влияние на весь рынок недвижимости в целом.
К первому уровню относится следующая совокупность факторов:
- экономических;
- политических;
- социально-культурных;
- физических.
В таблице ниже приведены факторы, разделенные по сферам влияния регионального уровня (см. Таблица 1).
Таблица 1. Региональный уровень
1.2.2 Местный уровень
Местный уровень включает в себя факторы в рамках города или района, которые имеют прямое отношение к объекту недвижимости. Преимущественно цены на недвижимость зависят от фактора местоположения, т.е. находится ли объект в районе с хорошо развитой инфраструктурой. Этот фактор включает в себя местоположение объекта недвижимости - наличие парков, зеленой зоны поблизости, наличие образовательных учреждений, а также учреждений здравоохранения, торговых центров. На местном уровне можно выделить следующие группы (см. Таблица 2):
Таблица 2. Местный уровень
Кроме этого, инфраструктурное развитие в этом районе является еще одним важным фактором, влияющим на цены недвижимости. Наличие основных дорог, эстакад, автовокзалов, станций метро и другой инфраструктуры приведет к эскалации ценностей собственности.
Общие параметры объекта играют важную роль в ценообразовании, также как доступность и качество предоставления коммунальных услуг.
1.2.3 Уровень объекта
Уровень объекта характеризуется архитектурно-строительными и финансово-эксплуатационными факторами.
Здесь можно выделить следующие группы факторов, влияющих на стоимость жилой недвижимости (см. Таблица 3):
Таблица 3. Уровень объекта
Влияние приведенных факторов следует учитывать в зависимости от уровня детализации оценки, поскольку оказываемое воздействие может осуществляться на отдельных этапах.
1.3. Основные подходы к решению поставленных задач
Как было отмечено выше, исследований по данной тематике достаточно много, однако, посвященных разработке прогностических моделей стоимости жилой недвижимости для конкретных регионов довольно мало.
Поэтому ниже перечислены методы анализа, которые могут быть использованы для построения прогностических моделей стоимости недвижимости для конкретных регионов:
- Сценарные модели
Выделяются и описываются несколько вариантов сценариев - обычно оптимистичный, умеренный, и пессимистический, а также может быть добавлен еще один дополнительный сценарий - кризисный. Такие модели требуют постоянного отслеживания региональных экономических и политических показателей для корректировки сценариев. Полностью основываются на экспертной оценке и не предполагают математических вычислений.
- Трендовые модели
Трендовые модели строятся на основе значений цен на жилье, которые интерполируются функциями различной сложности. Часто такие модели не гарантируют высокую точность прогноза поведения цен в дальнейшем из-за интерполяции полиномом слишком высокого порядка.
- Авторегрессионные модели
Авторегресионные модели наиболее эффективно применяются в рамках стабильных процессов - когда известно, что в прогнозируемый период не возникнет существенных событий и изменение цен будет происходить с учетом тенденций предыдущих годов. Прогнозирование с использованием модели авторегрессии опирается на предыдущие значения рассматриваемого временного ряда в некоторые предшествующие моменты времени. Перед тем как использовать авторегрессионную модель для прогнозирования должно наблюдаться равновесие спроса и предложения на рынке недвижимости.
Таким образом, прогнозы, полученные с использованием авторегресионной модели можно рассматривать в рамках стабильных процессов.
- Модели статистического подобия процессов
Многие полагают, что экономическая система циклична, и поэтому ее использование эффективно, как во время, так и после кризиса. Однако, такие модели не учитывают особенности регионов - географическое положение, природные условия, климат. А именно они оказывают влияние на формирование цен на рынке недвижимости.
- Модели кластерного и факторного анализа
Кластерный анализ предназначен для разбиения исходной выборки на однородные группы (кластеры) по ценоопределяющим факторам, которые в значительной степени коррелируют с ценами объектов. Для каждого кластера вычисляется средняя цена, которая при определенных условиях может быть установлена в качестве рыночной для элементов этой группы. Модели данной категории не предоставляют возможности определить факторы, которые воздействуют на механизм ценообразования в сфере недвижимости.
Модель факторного анализа позволяет описать предмет измерения компактно и в то же время всесторонне за счет перехода от наблюдаемых показателей к обобщающим факторам, которые в дальнейшем можно применить в корреляционно-регрессионном анализе. В первую очередь факторный анализ работает как первичная обработка и анализ данных для дальнейшей оценки и не предполагает функционирование как самодостаточный метод прогнозирования.
Использование факторного и кластерного анализа сокращает число наблюдаемых переменных за счет выделения из общего объема информации средних и факторных данных. Это позволяет снизить объем случайных отклонений от «истинных» данных.
Таким образом, с помощью факторного и кластерного анализов можно эффективно выявить закономерности на рынке недвижимости и, впоследствии на их основе построить более надежные модели оценки.
- Логистические модели
Логистические модели используются, когда все переменные имеют двоичную природу - в особенности, в алгоритмах определения количественных показателей. Такая модель не может быть использована для прогнозирования непосредственно стоимости жилой единицы, но может использоваться как вспомогательная для прогнозирования переменной, входящей в итоговую модель прогнозирования стоимости недвижимости.
- Нейросетевое прогнозирование
Для моделирования нейронной сети необходима обучающая выборка довольно большого объема, которая имеет одну моду. Также следует заметить, что нейросетевое моделирование будет не самым эффективным решением для построения моделей для конкретных регионов, так как для каждого региона потребуется переобучение нейронной сети и построение новой модели.
- Экспертная оценка
Основана на персональном опыте эксперта, поэтому надежность такого подхода зависит исключительно от его квалификации. Обычно представляет собой многоступенчатый опрос экспертов по специальным схемам и обработку полученных результатов с помощью статистического инструментария. Отсюда вытекает и недостаток метода - прогноз будет носить субъективный характер.
Глава 2. Эконометрическое моделирование цен на недвижимость
В рамках данной работы предлагается для прогнозирования стоимости жилой недвижимости разработка комплексной модели, базирующейся на моделях трех видов: линейной регрессионной модели, многофакторной модели порядковой регрессии, и деревья классификаций. Ниже рассмотрены принципы и эконометрические основы построения и анализа данных моделей прогнозирования.
2.1 Линейная регрессионная модель и ее особенности
Уравнение регрессии - это функция, предоставляющая возможность по средней величине некоторого признака найти среднюю величину другого признака, причем эти признаки должны быть корреляционно связаны [12]. Целью регрессионного анализа является обнаружение аналитической зависимости некоторого числа результативных показателей от определенного числа признаков-факторов, основываясь на регрессионном уравнении (при наличии линейной связи между зависимой переменной и набором независимых). Вывод регрессионного уравнения основывается на исследовании связи среднего уровня какой-то случайной величины y от набора неслучайных величин xj.
В регрессионном анализе, в отличие от корреляционного анализа, только одна переменная является случайной - зависимая переменная. К тому же зависимой переменной соответствует нормальное распределение с условным математическим ожиданием и постоянством дисперсии, не зависящей от аргументов. Общий вид модели линейной регрессии можно представить в виде:
,
где - некоторая функция от заданных параметров, а - случайная величина с нулевым математическим ожиданием и дисперсией у2.
Далее будет рассматриваться множественный регрессионный анализ, в ходе которого изучается зависимость целевой переменной от нескольких факторов.
Значимость коэффициентов линейной регрессии можно оценить, используя t-критерий Стьюдента. Далее приведен алгоритм оценки:
1. Первоначально выдвигается гипотеза H0 о том, что коэффициент регрессионного уравнения является статистически незначимым;