Содержание к диссертации
Введение
1 Исследование основных аспектов стоимостной оценки на рынке недвижимости 11
1.1 Региональный рынок первичной и вторичной жилой недвижимости как объект исследования 11
1.2 Анализ методов и моделей для стоимостной оценки жилой недвижимости на региональных рынках 22
1.3 Структурно-логическая модель оценки и прогнозирования ценовой ситуации на первичном и вторичном рынках жилья в регионах 32
1.4 Статистическая информация, необходимая для исследования, и основные принципы ее формирования 38
2 Исследование механизмов и формирование моделей ценообразования объектов жилой недвижимости на региональных рынках 49
2.1 Проверка качества исходной информации и формирование панельных данных 49
2.2 Инструментарий выделения значимых показателей в панельной структуре данных 65
2.3 Моделирование стоимостной оценки жилой недвижимости 68
2.4 Интерпретация результатов моделирования 87
3 Практическая апробация разработанных моделей оценки стоимости жилой недвижимости на региональных рынках 102
3.1 Оценка прогностической ценности построенных моделей 102
3.2 Построения промежуточных прогнозов показателей обобщающей прогнозной модели 111
3.3 Описание системы информационной поддержки для автоматизации расчета прогнозных значений стоимости жилья первичного и вторичного использования для различных регионов 115
3.4 Прогнозирование стоимости жилой недвижимости с использованием программного комплекса ERPRM 126
Заключение 132
Список используемой литературы 134
- Анализ методов и моделей для стоимостной оценки жилой недвижимости на региональных рынках
- Статистическая информация, необходимая для исследования, и основные принципы ее формирования
- Инструментарий выделения значимых показателей в панельной структуре данных
- Построения промежуточных прогнозов показателей обобщающей прогнозной модели
Введение к работе
Актуальность темы исследования. Повышение результативности государственного управления на рынке недвижимости зависит от адекватных оценок, отражающих его текущее и прогнозное состояние. На стоимость объектов недвижимости влияет множество факторов, различающихся на различных уровнях оценочной деятельности: например, уровень непосредственного окружения включает характеристики конкретного объекта недвижимости, региональный уровень включает факторы непосредственно не связанные с объектом недвижимости, но оказывающих, хотя и косвенное, но достаточно сильное влияние на состояние и развитие рынка недвижимости.
Особую значимость приобретает оценка недвижимости на региональном уровне, так как рынок недвижимости по своей сути носит региональный характер и представляет собой важную сферу территориального управления. Сюда относятся разработка и реализация стратегических решений по развитию рынка недвижимости через жилищные программы, развитие строительной индустрии, включение объектов недвижимости в хозяйственный оборот через институт ипотеки, инвестиции в недвижимость и др.
Реализация со стороны государства и региональных властей конкретных мероприятий в рамках перечисленных направлений позволит эффективно управлять рынком жилья в регионах. Однако нередко конкретные мероприятия в силу отсутствия хорошо настроенного аналитического аппарата не учитывает особенности развития и специфику регионов, что снижает эффективность позитивных рыночных процессов. Тем не менее, за государством сохраняется определяющая роль в процессах планирования, функционирования и развития рынка жилья в силу его высокой социальной и экономической значимости.
Ключевой задачей при исследование жилищного рынка является оценка и прогнозирование ценовой ситуации, которая характеризуется средними ценами на первичном и вторичном рынках. В целом по России средние цены на жилищном рынке устанавливаются исходя из уровня средних цен в регионах, и используются для определения и прогнозирования рыночной стоимости жилья, которая необходима при разработке государственной социальной политики (определении выплат различного вида, выделении бюджетных средств на возведение социального жилья и т. п.); проведении межрегиональных сопоставлений, что позволяет устранить дисбаланс в развитии регионов; выработке субъектами рынка недвижимости эффективных механизмов для принятия стратегических решений по развитию и совершенствованию жилищного рынка; оценке налоговых поступлений в местные и федеральный бюджеты и др.
При этом для повышения эффективности процессов регулирования необходимо наличие оценочных моделей для проведения необходимых исследований рынка жилой недвижимости. Однако, моделирование стоимостной оценки на региональных рынках жилой недвижимости являются предметом исследования небольшого числа специалистов.
Все вышеизложенное подтверждает актуальность выбранной темы исследования.
Степень научной разработанности проблемы.
Теоретические аспекты функционирования рынка жилья, формирования характеризующих его факторов, состав, структура и тенденции развития, проблемы регулирования и управления освещены в работах таких авторов, как А.Н. Асаул, С.Н. Максимов, И.Т. Балабанов, В.А. Горемыкин, С.В. Гриненко, Е.И. Тарасевич, Д.Л. Волков, Дж. Гэлбрейт, Дж. Фридман, Г.С. Харрисон, Н. Ордуэй, Р.Н. Холт, и др.
Методологические основы статистического анализа и эконометрического моделирования экономических процессов, в том числе и процессов на рынке недвижимости, освещены в трудах С.А. Айвазяна, С.Р. Хачатряна, В.С. Мхитаряна, Е.Ю. Фа-ермана, Т.А Дуброва, Дж. Джонсона, П. Ванга, С.В. Грибовского и др. Вопросам эконометрического панельного анализа посвящены работы В.С Мхитаряна, Т.А. Ратниковой, Е.А. Гафаровой и др.
Научно-методические вопросы оценки стоимости объектов недвижимых и методы их практического использования рассмотрены в трудах А.Г. Грязновой, Г.И. Микерина, В.Г. Гребенникова, Е.И. Неймана, И.А. Рахмана, М.А. Федотовой, С. Сейса, Дж. Смита, Р. Купера, П. Венмор-Роуланд и других исследователей.
Региональные аспекты моделирования и прогнозирования на агрегированном рынке жилья или для конкретных территорий, освещены в работах Г.М. Стерника, А.Н. Краснопольской, Н.А. Ярушкиной, И.В. Митрошковой, Е.Б. Денисенко, А.С. Ореховой, Н. К. Борисенка, К.Н. Золотухиной, Т.С. Заводовой, О.А. Мамаевой и др.
Несмотря на большое количество ученых, занимающихся проблемами развития рынка жилой недвижимости, исследования, посвященные оценке жилья на региональных рынках на основе экономико-математического моделирования, проводятся для решения отдельных аспектов изучаемой проблемы. Вместе с тем добиться качественного моделирования стоимостной оценки первичного и вторичного жилья на региональных рынках можно только в случае учета как общих факторов, влияющих на развитие рынка недвижимости, так и индивидуальных особенностей регионов.
Высокая социально-экономическая значимость стоимостной оценки, анализа и управления развитием жилой недвижимости на региональных рынках предопределили выбор объекта и предмета, обусловили цель и задачи диссертационного исследования.
Целью диссертационной работы является разработка математических моделей и инструментальных средств оценки и прогнозирования процессов ценообразования первичного и вторичного жилья на региональных рынках.
Для достижения поставленной цели потребовалось решить ряд задач:
-
Разработать структурно-логическую модель оценки и прогнозирования ценовой ситуации на первичном и вторичном рынках жилья в регионах на основе комплексного использования инструментария статистических методов обработки данных, позволяющих строить специфические для каждого региона модели.
-
Разработать инструментарий выделения значимых показателей в панельной структуре данных, характеризующих процессы ценообразования на региональных рынках жилой недвижимости.
-
Построить и исследовать модели стоимостной оценки 1 кв. метра первичной и вторичной недвижимости на региональных рынках, учитывающие индивидуальные различия каждого региона, динамическую зависимость и взаимное влияние первичного и вторичного рынков.
-
Разработать систему информационной поддержки расчета прогнозных значений стоимости жилья первичного и вторичного пользования для различных регионов и оценить эффективность результатов исследования на реальных данных.
Область исследования. Диссертационная работа соответствует пунктам 1.4 «Разработка и исследование моделей и математических методов анализа микроэкономических процессов и систем: отраслей народного хозяйства, фирм и предприятий, домашних хозяйств, рынков, механизмов формирования спроса и потребления, способов количественной оценки предпринимательских рисков и обоснования инвестиционных решений», 2.3 «Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях», Паспорта специальности 08.00.13 – Математические и инструментальные методы экономики (экономические науки).
Объектом исследования выступают региональные рынки жилой недвижимости первичного и вторичного пользования.
Предмет исследования составляют процессы ценообразования на региональных рынках жилой недвижимости с учетом взаимного влияния первичного и вторичного рынков.
Теория и методология исследования базируется на трудах отечественных и зарубежных ученых, посвященных вопросам стоимостной оценки жилой недвижимости, статистического анализа и эконометрического моделирования экономических систем.
Эмпирическую базу исследования составляют статистические данные 33 регионов Российской Федерации.
Информационная база исследования базируется на материалах Федеральной службы государственной статистики за период с 2001 по 2011 годы.
Нормативно-правовая база исследования представлена нормативно-правовыми актами Российской Федерации, экономическими обзорами, плановыми документами, программами и концепциями регионального развития, а также материалами научно-практических конференций, периодической печати по вопросам управления и прогнозирования ситуации на рынках недвижимости.
Методы исследования включают методы кластерного анализа и панельного анализа, системы рекурсивных регрессионных моделей, модели с распределенными лагами. Для обработки данных, построения моделей и прогнозов использовались компьютерные технологии обработки и хранения информации Eviews 6, MS Office Excel, Statistica 6.0. а также программный продукт, разработанный в рамках проводимого исследования на языке программирования C Sharp(C#).
Научная новизна диссертационного исследования включает следующие аспекты:
1. Предложена структурно-логическая модель оценки и прогнозирования
ценовой ситуации на первичном и вторичном рынках жилья в регионах, отличающаяся от существующих комплексным использованием инструментария статистиче-5
ской обработки данных, включая модели с распределенным лагом, эконометриче-ские инструменты панельного анализа, инструментарий выделения наиболее значимых признаков и системы рекурсивных уравнений (п. 1.4 паспорта специальности 08.00.13 ВАК РФ).
-
Разработан инструментарий выделения значимых показателей в панельной структуре данных, новизна которого состоит в сочетании таксономического показателя развития, позволяющего представить в обобщенной форме динамику изменений каждого из набора исследуемых показателей во временном разрезе, и кластеризации, позволяющей выбрать представителей каждого кластера, несущих в себе обобщенные свойства выделенных групп показателей, характеризующих процессы ценообразования (п. 1.4 паспорта специальности 08.00.13 ВАК РФ).
-
Построены модели стоимостной оценки 1 кв. метра первичной и вторичной недвижимости на региональных рынках, отличающиеся от существующих, тем, что: (п. 1.4 паспорта специальности 08.00.13 ВАК РФ)
– включают панельные эффекты как по регионам РФ, так и по времени,
что позволяете оценить влияние государственных мероприятий и программ, направленных на стимулирование развития рынка недвижимости, учитывать индивидуальную для каждого региона РФ ненаблюдаемую информацию, влияющую на формирование цены.
– представлены в виде системы рекурсивных регрессионных уравнений,
что позволяет учитывать взаимное влияние стоимости жилой недвижимости на первичном и вторичном рынках жилья;
– учитывают лаговые переменные, что позволяет определить долгосроч-
ный отклик индекса стоимости квадратного метра жилья на изменение факторов в текущий период;
– имеют мультипликативную форму записи, в которой факторная нагрузка
на результат учитывается в виде степени, что позволяет учесть закономерность убывающей эффективности.
4. Разработана система информационной поддержки расчета прогнозных
значений стоимости первичного и вторичного жилья для различных регионов, отли
чающаяся от существующих тем, что она представлена в виде программного ин
струментария, включающего построенные в диссертации модели, расчет по которым
может производиться с использованием как планирумых значений переменных мо
дели, так и прогнозных значений, полученных встроенными средствами разработан
ного программного продукта. Это позволит автоматизировать изучение ценовой си
туации на региональных рынках недвижимости и повысить эффективность прини
маемых решений (п. 2.3 паспорта специальности 08.00.13 ВАК РФ).
Теоретическая значимость научных результатов заключается в том, что основные выводы и положения диссертации дополняют теоретико-методологические аспекты стоимостной оценки жилой недвижимости в разрезе региональных рынков.
Практическая значимость исследования состоит в том, что разработанные эконометрические модели и программный комплекс могут быть использованы научно-исследовательскими организациями, федеральными и региональными органами государственной власти при разработке и оценке комплекса мер, направлен-
ных на развитие рынка недвижимости, а также, компаниями, занимающимися оценочной деятельностью объектов недвижимости.
Степень достоверности результатов исследования. Достоверность содержащихся в диссертации положений, выводов и рекомендаций подтверждается использованием достоверной исходной информации из официальных источников, обоснованного научного инструментария, корректной обработкой и интерпретацией результатов исследования. Достоверность полученных результатов основана на применении общепризнанных результатов теоретических исследований ученых в области статистического анализа и эконометрического моделирования. Достоверность результатов эконометрического анализа достигается использованием методов селекции альтернативных моделей, проведением процедуры спецификации панельных эффектов в модели и тщательным анализом адекватности построенных моделей реальным процессам.
Апробация результатов исследования. Основные положения и результаты исследования были представлены, докладывались и обсуждались на Всероссийской научно-практической конференции с международным участием «Инновационные технологии управления социально-экономическим развитием регионов России» (Уфа, 2013 г.), VII Всероссийской научно-практической internet-конференции «Проблемы функционирования и развития территориальных социально-экономических систем» (Уфа, 2013 г.), II Международной научно-практической конференции «Новое слово в науке и практике: гипотезы и апробация результатов исследований» (Новосибирск, 2012 г.), XVII Международной научно-практической конференции «Современные тенденции в экономике и управлении: новый взгляд» (Новосибирск, 2013 г.), XIV Всероссийском симпозиуме по прикладной и промышленной математике (Нижний Новгород, 2013), XXII Международной научно-практической конференции по экономике (Москва, 2014).
Основные результаты исследования доведены до практической реализации в форме программного продукта «Оценка жилой недвижимости на региональных рынках», на который получено свидетельство об официальной регистрации программы для ЭВМ №2014612131. Полученные в диссертационной работе результаты приняты к использованию Агентством развития профессиональных квалификаций РБ при реализации «дорожных карт» Национальной предпринимательской инициативы по улучшению инвестиционного климата в РФ и в УГАТУ при чтении лекционного курса по дисциплинам «Разработка управленческих решений» и «Основы математического моделирования социально-экономических процессов».
Публикации. По теме диссертации автором опубликовано 9 научных работ общим объемом 7,82 п.л. (авторский объем 6,85 п.л.), в том числе 3 статьи общим объемом 4,04 п.л. (авторский объем 3,64 п.л.) в журналах, определенных ВАК Ми-нобрнауки России.
Структура работы отражает логику, порядок исследования и решения поставленных задач. Диссертация состоит из введения, 3 глав, заключения, списка использованной литературы, включающего 130 наименований. Основное содержание исследования изложено на 133 страницах, работа включает 11 таблиц, 52 рисунка. Диссертационное исследование дополняют 8 приложений.
Анализ методов и моделей для стоимостной оценки жилой недвижимости на региональных рынках
В настоящем разделе обоснована сущность рынка недвижимости и его роль в экономике государства, показана необходимость стоимостной оценки жилья на региональных рынках.
Рынок недвижимости является основой рыночной экономики, так как охватывает важные сферы экономики: вложение капитала в объекты недвижимости и складывающиеся при этом экономические отношения.
Поскольку определение"рынка недвижимости" юридически не закреплено, авторами предлагаются различные понятия рынка недвижимости. «Рынок недвижимости – это взаимоувязанная система рыночных механизмов, обеспечивающих создание, передачу, эксплуатацию и финансирование объектов недвижимости». [19, 61] «Рынок недвижимости – это определенный набор механизмов, посредством которых передаются права на собственность и связанные с ней интересы, устанавливаются цены и распределяется пространство между различными конкурирующими вариантами землепользования». [19, 124] «Рынок недвижимости - это система организационных мер, при помощи которых покупатели и продавцы сводятся вместе для определения конкретной цены, по которой может произойти обмен таким специфическим товаром, как недвижимость». [19, 120]
Рынок недвижимости - это «экономико-правовое пространство, в котором происходит взаимодействие между спросом и предложением всех имеющихсяна данный момент времени покупателей и продавцов недвижимости и где осуществляется совокупность всех текущих операций с ней». [19, 29]
Рынок - это «институт осуществления контакта между покупателями или предъявителями спроса и продавцами или поставщиками товаров и услуг. Предпочтение и результаты решений продавцов и покупателей образуют систему цен на товары, услуги или ресурсы». [19, 30]
«Рынок недвижимости представляет собой сферу вложения капитала в объекты недвижимости и систему экономических отношений, возникающих при операциях с недвижимостью. Эти отношения появляются между инвесторами при купле-продаже недвижимости, ипотеке, сдаче объектов недвижимости в траст, в аренду, в наем». [19, 20]
Перечисленные трактовки характеризуют рынок недвижимости как важный сектор национальной рыночной экономики, включающий объекты и субъекты рынка недвижимости, процессы, связанные с функционированием и управлением рынка недвижимости, инфраструктуру рынка.
Рынок недвижимости, в том числе и рынок жилой недвижимости, играет важную роль в экономике любого государства, являясь значительной частью его национального богатства, что подтверждается данными, приведенными в Приложении А и на рис. 1. Основные индикаторы рынка жилой недвижимости
Поступление налоговых платежей и сборовот операций с недвижимостью в консолидированный бюджет РФ, млрд.руб.
Доля от операций с недвижимостью в консолидированном бюджете РФ, % Основные индикаторы, характеризующие роль рынка недвижимости в экономике государства Так, например, по данным на 2011 год:
На долю недвижимости приходится 51,9% стоимости национального богатства, что составляет 151,1 трлн. руб. Часть этого богатства, вовлеченная в рыночный оборот, может приносить доход владельцам и предпринимателям, а также, налоговые и другие платежи в бюджеты разных уровней, федеральный, региональный, муниципальный.
На долю операций с недвижимостью в структуре внутренней добавленной стоимости приходится 11,7% или 5,9трлн. руб., что характеризует высокую долю рынка недвижимости в валовом национальном продукте. Доля доходов в бюджет от операций на рынке недвижимости находится в пределах 10-11%.
Жилищный рынок - это объект, который имеет двойственную структуру управления, поэтому систему экономических методов управления жилищным рынком условно можно разделить на два уровня:
Микроуровень - это управление жилищным рынком с точки зрения строительных компаний, банков, финансовых организаций, населения. Они формируют общую внутреннюю экономическую систему управления функционированием и развитием рынка жилья, воздействуя на него с точки зрения своих интересов, решая свои собственные задачи. Данное воздействие осуществляется посредством применения набора инструментов, которыми располагают экономические субъекты на микроуровне. Так, строительные организации воздействуют на рынок жилья с помощью использования такого основного инструмента, как установление цен на жилье; банковские организации влияют на рынок жилья посредством использования инструмента процентных ставок по ипотеке. [103]
Макроуровень - это управление жилищным рынком с точки зрения государства. Оно формирует внешнюю экономическую систему управления функционированием и развитием рынка жилья, воздействуя на него с точки зрения интересов общества, формируя социальную политику, обеспечивающую улучшение жилищных условий и повышение обеспеченности жильем населения Российской Федерации, что является одним из наиболее значимых показателей качества жизни населения и залогом улучшения демографической ситуации в стране.
Относительно уровня обеспеченности жильем населения, Российская Федерация отстает от уровня аналогичного показателя экономически развитых и некоторых развивающихся стран, что подтверждается данными, приведенными на рис. 2. Так, например, в США обеспеченность жильем превышает РФ в 3 раза, а в Великобритании, Германии, Австрии и Нидерландах почти в 2 раза.
Государственное управление жилищным рынком взаимосвязано с экономической политикой государства, так как развитие жилищного сектора влечет развитие транспортной, коммунальной и социальной инфраструктуры. Это означает, что государство заинтересовано в управлении рынком жилья, для чего использует административные (прямые) и экономические (косвенные) методы управления, ведомственный метод, отраслевой метод, программно-целевые методы. [3,6,19,39,48,108]
Экономические методы, оказывая опосредованное воздействие, призваны создавать благоприятные условия для развития жилищного рынка, и осуществляются через функции регулирования и стимулирования:
Налоговые инструменты. Например, введение налоговых льгот инвесторам, занимающимся возведением социального жилья, поддержанием объектов недвижимости, представляющих культурные и исторические ценности, предприятиям, стремящимся обеспечить льготное кредитование сотрудников, осуществляющих приобретение и строительство жилья, а также, населению по доходам, связанным с расходами на решение своих жилищных проблем.
Косвенное регулирование цен на жилье. Например, за счет разработки партнерских взаимодействий государства и частных компаний в строительстве, в результате которого можно добиться снижения цен на жилье, если государство берет на себя создание инженерной и социальной инфраструктуры
Статистическая информация, необходимая для исследования, и основные принципы ее формирования
В разделе проведен критический анализ методов и моделей, используемых для стоимостной оценки жилой недвижимости на региональных рынках Анализ литературы [16,17,18,21,37,38,41,45,60,66,79,89,90,103,106,107, 109,114,117,122] показал, что индивидуальной оценке конкретного объекта или массовой оценке групп объектов недвижимости по состоянию на определенную дату посвящено достаточно много публикаций, разработаны стандартные модели, методы и приемы статистического анализа и методики их грамотного применения. Моделирование стоимостной оценки на региональных рынках жилой недвижимости является предметом исследования небольшого числа специалистов. Методы моделирования и модели для прогнозирования, применяемые на региональном рынке недвижимости представлены ниже. 1) Модели, полученные на анализе трендов, представляют собой инструмент для анализа и прогнозирования цен на рынке недвижимости в период «спокойного» развития процессов на рынке недвижимости. 1.1) Модели, основанные на выявлении трендов, составленным по данным цен на жилье, которые затем интерполируются функциями различной сложности.
Интерполяция временного ряда с помощью полинома высокого порядка, не отражающего внутренние механизмы движения цен, не гарантируют высокую точность прогноза дальнейшего поведения цен. При высоких степенях полинома такой прогноз становится неустойчивым и, наоборот, приводит к большим ошибкам, чем модели более простой структуры (низкой размерности). Разделение ряда на части (использование кусочного тренда) приводит к уменьшению объема исследуемой выборки (внутри каждого отрезка), что отражается на снижении точности приближения и последующего прогноза. Такое разделение оправдано только в том случае, если можно выделить интервалы времени, внутри которых сохраняется единый механизм изменения цен, а также при использовании методов компонентного разложения временного ряда для дальнейшей оценки сезонной составляющей.
Авторегрессионные модели, основанные на выявлении взаимосвязей между значением анализируемого временного ряда yt в текущий момент времени и рядом значений, соответствующих предыдущим моментам времени: yt_x,yt_2,.. .
Выявление тренда и прогнозирование цен в предположении, что общий характер движения цен не изменяется, составляет основу трендового анализа. При этом сохраняется устойчивое соотношение между спросом и предложением, характерное для типичной ситуации саморегулирующегося рыночного баланса. Такой прогноз можно использовать в условиях установившихся процессов (авторегрессионные модели используются только для стационарных временных рядов), когда есть основания ожидать, что никаких радикальных событий в прогнозный период не произойдет, и цены будут изменяться, сохраняя установившиеся тенденции. Однако возможность непредвиденных кризисных состояний, нарушающих установившиеся тенденции требует анализа скрытых механизмов, управляющих динамикой цен на рынке недвижимости.
2) Модели, основанные на статистическом подобии процессов.
Методы статистического подобия, основанные на фундаментальном предположении цикличности экономической системы, представляют собой удобный инструмент для анализа и прогнозирования цен на рынке недвижимости в период кризиса и непосредственно в посткризисный период. Недостатком данного подхода является отсутствие возможности учета индивидуальных характеристик региона (географическое положение, климатические условия), влияющих на процессы ценообразования в сфере недвижимости.
3) Модели оценки на основе кластерного и факторного анализа.
Основная идея кластерного анализа состоит в том, что модель оценки создается путем последовательных или параллельных сечений (группировки, стратификации) исходного множества данных о ценах объектов недвижимости по ценообразующим факторам, в наибольшей степени коррелирующим с ценами объектов, и расчета коэффициентов модели путем сравнения средних значений исходного и усеченного множеств. При использовании кластерного анализа отдельные данные о ценах объектов недвижимости по каким-то общим для всех признакам объединяются в группы (кластеры). В каждой группе рассчитывается средняя групповая цена, которая при некоторых допущениях принимается в качестве рыночной стоимости объекта недвижимости, представляющим конкретную группу. Средняя групповая цена («средняя стоимость») и используется для построения моделей оценки стоимости. Подобный подход к оценке стоимости объектов недвижимости не позволяет выявить факторы, влияющие на процессы ценообразования на рынке жилой и коммерческой недвижимости.
Основная идея факторного анализа состоит в том, что модель оценки создается путем перехода от наблюдаемых показателей к обобщающим факторам, которые в дальнейшем могут использоваться в корреляционно-регрессионном анализе. Как правило, факторный анализ служит лишь целям первичной обработки и анализа информации для последующего проведения процедуры оценки и не является самодостаточным методом прогнозирования ситуации, сложившейся на рынке недвижимости.
Применение кластерного и факторного анализа позволяет «сжать» информацию, полученную в ходе наблюдений, так как вместо всей собранной совокупности наблюдений для построения моделей используются групповые средние или факторные данные, за счет чего минимизируются случайные отклонения данных от «истинных» их значений. В конечном итоге это позволяет достаточно эффективно выявить закономерности, присущие рынку недвижимости, и построить более достоверные модели оценки стоимости.
Моделирование на основе нейронных сетей.
При использовании нейронных сетей для прогнозирования развития рынка недвижимости выборка, по которой производится «обучение» сети, должна быть довольно большого объема и иметь одну моду. Кроме того, нейронную сеть требуется или "переобучать" для каждого региона, или строить свою сеть для каждого региона. Также прогностические свойства нейронных сетей, применительно к сектору недвижимости, оставляют желать лучшего [49].
Пространственно-параметрическое моделирование.
Суть метода заключается в предположении, что основная доля стоимости объектов недвижимости определяется небольшим кругом значимых факторов, для которых проводится проверка статистической значимости их средних значений. Использование модели для неоднородных рынков и слабо развитых рынков дает плохие результаты. Может использоваться для развитых рынков.
Инструментарий выделения значимых показателей в панельной структуре данных
В настоящем разделе разработана структурно-логическую модель оценки и прогнозирования ценовой ситуации на первичном и вторичном рынках жилья в регионах, включающая модели с распределенным лагом, эконометрические инструменты панельного анализа, инструментарий выделения наиболее значимых признаков и системы рекурсивных уравнений.
Анализ научной литературы [4,6,19,20,30,39,61,103,120,124] показывает, что исследования на региональном рынке жилой недвижимости на основе экономико-математического моделирования, проводятся для решения отдельных аспектов изучаемой проблемы. Вместе с тем добиться качественного моделирования стоимостной оценки первичного и вторичного жилья на региональных рынках можно только в случае учета как общих факторов, влияющих на развитие рынка недвижимости, так и индивидуальных особенностей регионов.
Инерционность рынка недвижимости требует при разработке политики государства знать, как текущее значение фактора отразится на величине стоимости объектов недвижимости в будущем [74]. Поэтому для моделирования стоимостной оценки в работе предлагается использовать модели с распределенным лагом, которые в качестве лаговых переменных используют значения переменных за прошлые периоды. Подобные модели позволяют на основе расчета краткосрочных и долгосрочных мультипликаторов определить моментальный и накопленный эффект влияния какого-либо фактора (например, валового регионального продукта) на формирование текущей цены объектов недвижимости.
Для анализа сложившейся за последнее десятилетие ситуации на региональном рынке жилой недвижимости предлагается использовать эконометрические инструменты панельного анализа данных. Выбор в пользу подобного подхода обусловлен следующими обстоятельствами: – панельные данные предоставляют большее количество наблюдений (за счет одновременного учета кросс-секций и временных рядов), увеличивая число степеней свободы, и как следствие, снижая неэффективность оценок. – панельные данные позволяют учесть ненаблюдаемые индивидуальные характеристики объектов исследования за счет специфических эффектов, имеющих место в панельных моделях. – панельные данные, за счет временных измерений позволяют проанализировать индивидуальные характеристики объектов во времени (например, учесть кризисные явления в экономике). – за счет учета кросс-секционного измерения данных прогностические свойства панельных моделей значительно лучше, чем у обычных моделей временных рядов; – панельные модели позволяют количественно измерить эффект от принимаемых мер, связанных с регулированием исследуемого процесса.
Для учета взаимного влияния первичного и вторичного рынка на стоимость объектов жилой недвижимости в работе предлагается использовать систему одновременных регрессионных уравнений.
На основе предложенных подходов разработана структурно-логическая модель оценки и прогнозирования ценовой ситуации на первичном и вторичном рынках жилья в регионах, приведенная на рис. 7:
На первом этапе происходит сбор статистической информации, необходимой для построения прогнозной модели. Формируются критерии отбора объектов наблюдения (в нашем случае это численность населения городов, превышающая 350 тысяч). Факторы, определяющие прогнозную модель, представляются в виде панели. Панельные данные представляют собой совокупность наблюдений за однотипными объектами, прослеженные в определенные периоды времени (в диссертации - ежегодные показатели за 11 лет).
На втором этапе происходит первичная обработка информации. Отсекаются аномальные наблюдения на основании правила «3», восполняются пропущенные данные. На основе анализа графического представления панельных данных делаются априорные предположения о спецификации панельной модели и о выборе аналитической формы связи переменных в уравнениях модели. Осуществляется отбор наиболее значимых показателей, влияющих на процесс ценообразования, с использованием инструментов математико-статистического моделирования.
Третий этап является непосредственным моделированием. Использование системы одновременных рекурсивных уравнений основано на разделении рынка жилой недвижимости на объкты первичного и вторичного пользования. Согласно [66,115] формирование стоимости квадратного метра жилья на первичном рынке недвижимости во многом обусловлено не только спросом, но и издержками, связанными со строительством объектов. Цена вторичного объекта недвижимости зависит, как от спроса, так и от установившейся цены на объекты первичного пользования [90]. Такого рода зависимости можно описать с помощью рекурсии, где в качестве рекурсивного фактора, определяющего цену м2 на вторичном рынке, является стоимость объекта первичного рынка недвижимости. В качестве подэтапов спецификации модели можно отметить выбор формы зависимости и ее линеаризация. Так, например, можно выбрать степенную мультипликативную модель связи факторов, формирующих стоимость объектов жилья, а на этапе линеаризации перейти к линейной форме с помощью процедуры логарифмирования.
Процедура спецификации панельных моделей, заключается в определении наличия эффектов модели [13]. Выбор между панельными моделями с эффектами и без них (обобщенная модель) производится на основе теста Фишера. Выбор между моделями с эффектам по специфике самих эффектов – фиксированных или случайных – проводится на основе теста Хаусмана [13].
В случае значимости фиксированных эффектов панельной модели их внутреннюю селекцию между эффектами по периоду, эффектами по кросс 37 секциям и эффектами по кросс-секциям и периоду проводят на основе информационных критериев Акайке и Шварца [12]. В случае значимости фиксированных панельных эффектов по периоду целесообразно пересмотреть спецификацию модели в пользу включения фиктивной переменной, отвечающей за период. Еще одним подэтапом методики является проверка качества полученной модели: проверяется качество подгонки модели под реальные данные; тестируются факторы на значимость, проверяется достоверность (несмещенность, состоятельность и эффективность) оценок параметров модели.
В случае нарушения какого-либо требования, предъявляемого к качеству модели, пересматривается либо спецификация модели, либо применяется другой метод оценки параметров (например, вместо панельного метода наименьших квадратов применяется метод инструментальных переменных).
Далее производится формирование прогнозных моделей для каждого региона с учетом рассчитанных панельных эффектов модели. Дается оценка эффективности мер государственного регулирования рынка недвижимости для каждого региона.
На четвертом этапе определяется прогностическая ценность моделей. Анализируется средняя ошибка предсказания, коэффициент неравенства Тейла, доля систематической ошибки. Если прогностические свойства модели признаются удовлетворяющими заданным критериям, то осуществляется переход к следующему этапу.
Пятый этап связан с непосредственной эксплуатацией модели. Здесь интерпретируются и визуализируются результаты полученных прогнозных оценок стоимости квадратного метра жилья первичного и вторичного пользования.
Построения промежуточных прогнозов показателей обобщающей прогнозной модели
Прогнозные модели ВРП и Индекса строительства для всех 33 регионов РФ, участвующих в проводимом исследовании, представлены в приложении G.
В качестве второго способа прогнозирования предлагается использовать метод адаптивного сглаживания. А именно метод Хольта. Адаптивными методами прогнозирования (или моделями экспоненциального сглаживания) называется методы, позволяющие строить самокорректирующиеся модели, которые учитывают результат реализации прогноза, сделанного на предыдущем шаге, и строят прогноз с учетом полученных результатов [105]. Суть метода заключается в подборе адаптируемых коэффициентов на основе «обучения» модели по всей ретроспективе имеющихся данных с заранее заданными коэффициентами адаптации.
Получены прогнозные модели, с высокой точностью предсказывающие значения ВРП и Индекса строительства для каждого из рассматриваемых в исследовании регионов. Предложено два подхода к построению промежуточных прогнозов, необходимых для построения прогноза стоимости жилья на первичном и вторичном рынке: трендовая модель и модель адаптивного сглаживания.
Описание системы информационной поддержки для автоматизации расчета прогнозных значений стоимости жилья первичного и вторичного использования для различных регионов
В настоящем разделе приведено описание функциональной и информационной моделей, алгоритмы работы системы информационной поддержки «Оценка жилой недвижимости на региональных рынках» (ERPRM 116 evaluation of residential property on the regional markets), а также, алгоритмы для построения промежуточных прогнозных значений параметров модели. В разделе также приводятся элементы интерфейса программного продукта.
Основу системы информационной поддержки составляет программный продукт «Оценка жилой недвижимости на региональных рынках» (ERPRM -evaluation of residential property on the regional markets).
Программа осуществляет оценку жилой недвижимости первичного и вторичного использования для различных регионов РФ на основе встроенных в систему разработанных в настоящем диссертационном исследовании моделей (2.15)-(2.18). ERPRM представляет собой однопользовательское настольное приложение, реализованное на языке C Sharp [119], имеет возможность интеграции с табличным процессором MS Excel и предназначена для работы на базе компьютеров типа IBM PC под управлением MS Windows 7 и выше.
На рис. 39 приведены фрагменты функциональной модели системы ERPRM, позволяющей выполнять следующие функции:
Построение моделей для прогноза ВРП и ИС для каждого региона. Построение осуществляется встроенными в систему методом продления линейного тренда, рассчитанного методом наименьших квадратов, и методом адаптивного прогнозирования Хольта. Полученные значения параметров сохраняются в базу данных системы. На рис. 39 а) приведена контекстная диаграмма функциональной модели процесса прогнозирования стоимости жилой недвижимости на региональных рынках. На рис. 39 б) представлена диаграмма декомпозиции процесса. Приведенные диаграммы выполнены с помощью средств пакета CA AllFusion Process Modeler r7.
Оценка параметров полученных прогнозных моделей. Оцениваются статистическая значимость уравнения регрессии в целом по F-критерию Фишера, значимость коэффициентов регрессии согласно критерию Стьюдента, выполнение предпосылок по остаткам, для получения достоверных оценок методом наименьших квадратов. Значения соответствующих статистических оценок необходимы для выбора модели, для которого предусмотрены два способа построения промежуточных прогнозов: ручной – принимающим решение лицом и автоматизированный – предлагаемый системой.
В качестве исходных данных для системы выступает различная информация о стоимости недвижимости по регионам за предыдущие года. На выходе системы формируются спрогнозированные данные по стоимости региональной недвижимости. Механизмами системы являются все программно-технические средства, задействованные в процессе ее функционирования, а также пользователи системы, которые контролируют ее работу и воздействуют на нее.
В качестве управляющих воздействий в информационной системе выступают математические методы прогнозирования, методы оценки точности прогноза, модель оценки стоимости недвижимости.
На рис. 40 представлена информационная модель, разработанная с применением пакета ERWin [58], которая включает:
Тип сущности Стоимость недвижимости содержит информацию по первичной и вторичной стоимости недвижимости по регионам и годам. Отдельно выделяются сущности фактической стоимости (индекса), и сущности стоимостей, полученных в результате расчета по различным параметрам.
Тип сущности Параметры расчета содержит информацию о параметрах, необходимых для расчета стоимостей недвижимости: индекс строительства и ВРП по регионам и годам. Выделяются сущности фактические, планируемые государством, полученные в результате работы программы.
Тип сущности Прогнозные модели включает информацию о моделях, по которым программно рассчитываются значения их параметров.
Алгоритм работы программы по построению промежуточных прогнозов ВРП и Индекса строительства, необходимых для построения прогноза по модели (3), (рис. 41) состоит из следующих шагов:
Ввод исходных фактических данных по выбранному региону: Y-значения индекса строительства или ВРП, Х-года. Построение прогнозной модели на основе линейного тренда с оценкой коэффициентов методом МНК.
