Анализ рынка недвижимости на примере Краснодарского края

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования

«КУБАНСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ»

(ФГБОУ ВПО «КубГУ»)

Кафедра теоретической экономики

ДОПУСТИТЬ К ЗАЩИТЕ В ГЭК

Заведующий кафедрой

д-р экон. наук, проф.

________________ В.А. Сидоров

ВЫПУСКНАЯ КВАЛИФИКАЦИОННАЯ РАБОТА БАКАЛАВРА

анализ рынка недвижимости на примере краснодарского края

Работу выполнил М.А. Конакова

Факультет экономический

Направление 38.03.05 − Бизнес-информатика

Научный руководитель

канд. экон. наук, преп. Г.И. Фощан

Нормоконтролер

канд. экон. наук, доцент С.М. Геворкян

Краснодар 2015

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

. Теоретические основы рынка недвижимости

.1 Структура рынка недвижимости

.2 Обзор основной литературы

.3 Динамика показателей обеспеченности населения Краснодарского края жильем

. ОБЗОР КЛАССИЧЕСКИХ МЕТОДОВ ПРОГНОЗИРОВАНИЯ

.1 Интуитивные (экспертные) методы прогнозирования

.2 Адаптивные методы прогнозирования

.3 Метод Хольта

.4 Метод Хольта-Уинтерса

.5 Аддитивная модель сезонности Тейла−Вейджа

. МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ЦЕНОВОЙ СИТУАЦИИ

.1 Исследование зависимости стоимости квартиры от общей площади

.2 Исследование зависимости стоимости квартиры от площади кухни

.3 Проверка регрессионных остатков на нормальность распределения

.4 Многофакторная модель стоимости жилья на рынке недвижимости г. Краснодара

ЗАКЛЮЧЕНИЕ

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

ВВЕДЕНИЕ

Актуальность темы исследования. В настоящее время в России мы можем наблюдать формирование новой экономической среды, множество элементов которой претерпевают изменения и находятся в стадии становления. В первую очередь, можно отметить, что это главным образом имеет отношение к статистической оценке недвижимого имущества, в общем, и жилой недвижимости, в частности, с функционированием которой так или иначе связана жизнь и деятельность людей. Именно недвижимость является центральным звеном всей системы рыночных отношений. Значимую роль недвижимости в экономической и социальной сферах подтверждает и наличие обширной базы правового регулирования отношений, операций, профессиональной деятельности на рынке жилой недвижимости.

Нельзя не заметить, что недвижимость является инвестиционно-привлекательной в плане получения доходов. Современный экономический кризис показал, что такие формы денежных вложений, как собственный бизнес, вклады в банк или вложения в ценные бумаги, связаны с огромным риском, чего нельзя сказать о вложениях в недвижимость. К примеру, приобретенная в центре Краснодара на вторичном рынке квартира, сдаваемая в аренду по адекватной для данного района стоимости, окупит вложения в среднем в течение 5 лет. При учете невысокого риска (в том числе из-за возможности страховки недвижимости, чего нельзя сказать о рынке ценных бумаг), результат операции можно назвать весьма успешным. Но рынок вторичного жилья очень разнообразен, и нельзя однозначно утверждать, какой окажется доходность от вложений в недвижимость в зависимости от типа здания, престижности района, "возраста" жилья и прочих факторов. Именно поэтому выбранная проблема требует тщательного изучения.

Целью данной работы является проведение комплексного статистического исследования рынка недвижимости Краснодарского края.

Объектом исследования выступает рынок жилой недвижимости Краснодарского края.

Для достижения поставленной цели необходимо решить следующие задачи:

.        Выявление роли прогнозирования рынка недвижимости в методологии управления проектами развития недвижимости.

.        Проведение анализа существующих методов прогнозирования рынка.

.        Построение эконометрических моделей прогнозирования рынка недвижимости для рынка жилой недвижимости г. Краснодара.

.        Разработка рекомендаций по увеличению продаж нежвижимости.

Предметом исследования является совокупность показателей, факторов и методов анализа состояния и прогнозирования развития локального рынка жилой недвижимости.

Теоретической и методологической основой исследования послужили труды отечественных и зарубежных ученых, раскрывающих вопросы теории и практики формирования развития рынка недвижимости, статистики, эконометрики, а так же различные журналы, сайты, посвященные аналитике недвижимости Краснодара.

При решении поставленных задач использовались методы корреляционного, регрессионного анализа, методы, а также табличные и графические методы представления результатов исследования. При обработке результатов исследования использовался пакет прикладной программы MS Excel,.

Статистический анализ объектов рынка жилой недвижимости дает нам возможность дать им оценку не только как важнейшему товару, удовлетворяющему разнообразным личным потребностям людей, но одновременно и как капиталу в вещественной форме, приносящему доход.

Выпускная работа сотоит из трех глав. В первой главе рассматривается теоретические аспекты рынка недвижимости, приводится обзор основной литературы и проводится анализ динамики показателей обеспеченности жильем Краснодарского края. Во второй гаве рассматриваются классические методы прогнозирования цены недвижимости г. Краснодара, в третьей главе - проводится анализ отдельно для однокомнатных, двухкомнатных и трехкомнатных квартир. Обусловлено это тем, что сравнительный анализ формирования цен на недвижимость с привязкой к конкретному числу комнат в квартире позволит исключить влияние фактора числа комнат и получить более объективные результаты. Строится многофакторная модель прогнозирования.

1. Теоретические основы рынка недвижимости

.1 Структура рынка недвижимости

Реальная экономика может быть в полной мере рыночной лишь при наличии рынка недвижимости.

Рынок недвижимости является основой рыночной экономики, поскольку 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 наем и т.д.[5]

Понятие "рынок недвижимости" юридически не закреплено. В целом можно отметить, что рынок недвижимости - это сектор национальной рыночной экономики, представляющей собой совокупность объектов недвижимости, экономических субъектов, оперирующих на рынке, процессов функционирования рынка, т.е. процессов производства (создания), потребления (использования) и обмена объектов недвижимости и управления рынком, и механизмов, обеспечивающих функционирование рынка (инфраструктуры рынка).[12]

Рынок недвижимости выполняет в экономике ряд важных функций:

установление равновесных цен,

регулирующая, с помощью, которой распределяются ресурсы по сферам экономики; капитала и получения прибыли;

социальная, проявляющаяся в росте активности населения, стремящегося стать собственниками квартир, а также других капитальных и престижных объектов.[18]

Рынок недвижимости более локализован, чем другие рынки, его объекты не могут быть перемещены и подвержены воздействию физической среды. Объекты недвижимости более дифференцированы по своим характеристикам (каждый участок земли имеет свои уникальные свойства; один и тот же тип жилья, расположенный в разных местах, будет иметь разную ценность). [48]

На рынке недвижимости выделяются две его составляющие: первичный и вторичный рынок недвижимости.

На первичном рынке недвижимость как товар выступает впервые. Основными продавцами недвижимости в таком случае выступают государство в лице своих федеральных, региональных и местных органов власти, а также строительные компании - поставщики жилой и нежилой недвижимости.

На вторичном рынке недвижимость выступает как товар, ранее бывший в употреблении и принадлежащий определенному собственнику - физическому или юридическому лицу. [29]

Первичный и вторичный рынки влияют друг на друга. Например, цены вторичного рынка являются своеобразным ориентиром, показывающим, насколько рентабельно новое строительство при существующем уровне затрат.[27]

Взаимное влияние спроса и предложения на первичном и вторичном рынках недвижимости существенно осложняет анализ сферы обращения и выбор решений относительно инвестирования в недвижимость. Сложность задачи обусловлена тем, что сделки на рынке недвижимости носят частный, а зачастую - конфиденциальный характер, что серьезно затрудняет сбор необходимой информации. Но не это главное.[29]

Рынок недвижимости испытывает влияние экономической ситуации в целом, как на национальном, так и на региональном уровне. Возможности реагирования на изменение этой ситуации на первичном и вторичном рынках недвижимости различны.

Так, при падении спроса на недвижимость вторичный рынок может достаточно гибко реагировать сокращением предложения и снижением цен, при котором нижняя граница определена: ценой приобретения объекта, финансовым положением продавца и соответствием уровня его доходов уровню текущих затрат по содержанию недвижимости. Диапазон снижения цен или предложения может быть довольно широк.[42]

На первичном рынке недвижимости ситуация иная. Нижняя граница цены определяется уровнем затрат на строительство. Вместе с тем здесь сложнее как уменьшить, так и увеличить предложение. В строительный процесс вовлечены ряд организаций, каждая из них заинтересована в использовании своих мощностей и ресурсов, и прекратить строительный процесс мгновенно невозможно.

Также невозможно быстро увеличить предложение - процесс создания объектов недвижимости занимает месяцы и даже годы. Предложение на первичном рынке является абсолютно неэластичным в краткосрочном периоде.[42]

Учитывая, что потребности населения в жилье, а предпринимателей в производственной недвижимости далеки от удовлетворения, дальнейшее развитие рынка недвижимости связано с новым строительством, а, следовательно, с более быстрым развитием первичного рынка недвижимости.[50]

Если судить по такому показателю как количество сделок купли-продажи на рынке недвижимости, Краснодара, то можно констатировать, что ко второй половине 2013 года активность на рынке недвижимости по сравнению с докризисным 2007 годов увеличилась более чем в два раза. Эти показатели приведены в рисунке 1.

В общем, рынок недвижимости можно классифицировать в соответствии с рисунком 2.

Сделки с недвижимостью по своей природе носят частный характер. Поэтому открытая публичная информация по ним часто бывает неполной или неверной.

Таким образом, можно сделать вывод, что рынок недвижимости является сложной и интересной темой для изучения. И его анализ поможет облегчить задачу покупки жилья.

Рис. 1. Количество сделок купли-продажи недвижимости в Краснодаре [53]

Рис. 2 Классификационная схема видов рынка недвижимости [43]

1.2 Обзор основной литературы

Теория прогнозирования рынка недвижимости в России прогрессировала с развитием сравнительно молодого отечественного рынка. Рынок недвижимости в России появился менее чем 20 лет назад, при переходе страны к рыночным отношениям. Развитие привело к необходимости систематизации информации, анализа и прогнозирования ключевых показателей.

Для повышения доступности жилья необходимо разрабатывать инструменты управления процессами ценообразования на рынке жилья. Вместе с тем, эффективное управление процессами ценообразования на рынке жилой недвижимости требует применения современных методов анализа и прогнозирования ценовой ситуации. Одним из наиболее распространенных подходов к прогнозированию ценовой динамики рынка жилья является экономико-математическое моделирование. Именно экономико-математические методы и модели призваны помочь осмыслению современной ситуации на рынке жилья и выбору адекватных инструментов для его регулирования[1].

На основе анализа ряда работ, посвященных изучению и прогнозированию ценовой ситуации на рынке жилья - исследований Г.М. Стерника [33], Т.С. Заводовой [10], Н.А. Ярушкиной [48], нами в качестве экономико-математического метода прогнозирования цен был выбран корреляционно-регрессионный анализ. И была построена математическая модель, зависимая от внутренних факторов объекта жилой недвижимости.

Теоретические аспекты и категориальный аппарат рынка недвижимости нашли отражение в ряде научных исследований О.С. Белокрыловой, В.А. Горемыкина, П.Г. Грабового, С.В. Грибовского, В.И. Ресина, Г.С. Староверовой, Е.И. Тарасевича, Л.Н. Тэпмана, Г.С. Харрисона и др. Проблемы правового регулирования рынка недвижимости рассмотрены в работах Ю.Г. Жарикова, А.А. Маковской, М.Г. Масевича, С.А. Степанова, В.В. Чубарова и др.

Методологические основы формирования системы показателей, характеризующих рынок жилой недвижимости, состав и его структуру, тенденции развития и проблемы организации деятельности на рынке жилой недвижимости Российской Федерации анализировались в работах А.Н. Асаула, А.В. Бандурина, А.Г. Грязновой, А.В. Карасева, А. Б. Крутика, Г.М. Стерника и др.

Основы статистического анализа и прогнозирования социально-экономических явлений заложены в трудах российских ученых Т.Н. Агаповой, С.А. Айвазяна, О.Э. Башиной, И.К. Беляевского, Г.Л. Громыко, Т.А. Дубровой, И.И. Елисеевой, М.Р. Ефимовой, С. Д. Ильенковой, М.В. Карманова, В.Г. Минашкина, В.С. Мхитаряна, Т.Ю. Полховской, Б.Т. Рябушкина, Н.А. Садовниковой, А.Е. Суринова и др., а также ряда зарубежных ученых.

Проведенный анализ публикаций показал, что в научной литературе недостаточное внимание уделено методике комплексного статистического исследования развития рынка жилой недвижимости регионов и России в целом.

1.3 Динамика показателей обеспеченности населения Краснодарского края жильем

Показатели жилищных условий населения является важными для статистики рынка жилья. Этот показатель важен как сам по себе, так и в качестве основы расчета многих аналитических показателей обеспеченности населения жильем (таблица 1).

В 2014 г. по сравнению с 2009 г. число квартир в Краснодарском крае увеличилось на 28,5 тыс. или на 3,5% , что составило в 2014 г. 838,1 тыс. квартир., в том числе за счет уменьшения числа однокомнатных квартир и двухкомнатных на 2,5% и 3,7%, и за счет увеличения трехкомнатных и четырехкомнатных и более на 6,9% и 50,7% соответственно.

Таблица 1

Динамика изменения жилищных условий населения РФ[25]

Проанализировать изменения в развитии жилищных условий населения можно с помощью показателей динамики (таблица 2).

В 2014 г. по сравнению с 2009 г. общая площадь жилых помещений, приходящейся на 1 жителя увеличилось на 3,1 кв. м или на 17%.

Для характеристики средних изменений за длительные периоды используются средние показатели динамики:

Ø  средний абсолютный прирост

Ø  средний темп роста

Ø  средний темп прироста [41]

Таблица 2

Показатели динамики развития жилищных условий населения РФ[41]

В среднем ежегодно за рассмотренный период площадь жилых помещений увеличилось на 0,34 кв. м. или на 2%.

За анализируемый период с 2009 г. по 2014 г. общая площадь жилых помещений, приходящаяся в среднем на одного жителя в Краснодарского края увеличилась на 3,1 кв. м., в том числе за счет увеличения общей площади жилых помещений в городской и сельской местности, и составила в 2014 г. 21,3 кв.м. Средний размер одной квартиры в 2014 г. по сравнению с 2009 г. увеличился на 4,7 кв. м. или на 9,7%. Следует отметить, что удельный вес числа семей, состоявших на учете в качестве нуждающихся в жилых помещениях сократился на 4,3п.п. ( таблица 3)

Таблица 3

Динамика показателей обеспеченности населения жильем в РФ[32]

Проанализируем структуру ввода в действие жилых домов организациями различных форм собственности в Краснодарского края (таблица 4).

Таблица 4.

Показатели структуры ввода в действие жилых домов[54]

Результаты 2014 г. свидетельствуют о некоторых изменениях структуры ввода в действие жилых домов организациями различных форм собственности Краснодарского края по сравнению с результатами 2009 г. Во-первых, наблюдается некоторое увеличение доли введенных жилых домов государственной и частной формами собственности на 2,6 п.п. и 5,4 п.п. соответственно. Во-вторых, за период с 2009 - 2014 гг. наблюдается уменьшение доли введенных жилых домов муниципальной и смешанной российской формами собственности на 6,9 п.п. и 1,1 п.п. соответственно. Наглядно все эти изменения в структуре ввода в действие жилых домов организациями различных форм собственности Краснодарского края можно проследить на рис. 3.

Рис. 3. Структура ввода в действие жилых домов организациями различных форм собственности[52]

Несмотря на то, что в 2012 году по городу осуществилось максимальное количество сделок купли-продажи недвижимости за всю историю существования рынка - 23 118. [28] На сегодняшний день не ожидается дальнейшего повышения спроса, а скорее - наоборот, делаются прогнозы на то, что спрос на недвижимость уменьшится в 0, 5 раз. Если учесть все вышесказанное, то можно смело ожидать ярко-выраженный профицит предложения, который, как предполагается, не должен позволить рыночным ценам на жилье в Краснодаре расти.

По данным переписи населения на 2015 год население Краснодара составляет 829 677 человек. Его плотность - 2445,19 чел./км² [44]

В расчете на одного человека в Краснодаре приходится 2,8 м² , в то время как в других городах России этот показатель колеблется от 0,6 до 1,3 м². При более детальном анализе видно, что это соотношение в Краснодарской области возросло в 1,5 раза. Первопричина - активное наращивание строительных площадок.

Но не все так плохо. Геополитика оказалась фактором, сыгравшим недвижимости на руку. Как видно из таблицы, весь 2013 год на рынке недвижимости не наблюдалось никаких резких колебаний стоимости. И даже последний кварта, во время которого по обыкновению наблюдается скачок деловой активности вверх, при первом рассмотрении на, не предвещала положительных результатов в скорой активации рынка.

Подытожив данные по 2013 году, можно сделать вывод, что цены на жилье в рублях выросли лишь на 2,8%, а в долларах - пошли на спад на 2,6%. Тем не менее, прекрасно известно, что внешние факторы в любой момент могут в корне поменять ситуацию на рынке любых товаров, не говоря о жилье. Ярким тому примером является резкий подъем в геополитической напряженности в связи с ситуацией, сложившейся на Украине. Девальвация рубля вперемешку с сильным оттоком капитала дала толчок существенной активации спроса в первом квартале 2014 года. Те Россияне, чье состояние позволяло, активно начали конвертировать свои сбережения в квадратные метры, что, как говорилось ранее, является наиболее стабильным способом сохранения сбережений. Другой процент населения, не столь свободный в плане финансов, несмотря на сложную экономическую ситуацию, тоже поспешил побыстрее совершить покупку жилплощади, так как предполагался рост цен в связи ослабления рубля. Последствием всеобщей паники стал рост спроса на жилье на 30 % в первые четыре месяца 2014 года, в зависимости от сегмента. На первый взгляд, всплеск спроса является положительным проявлением. Но тем не менее, на практике, зачастую, любой искусственный всплеск активности на рынке, вызванный ажиотажем, является непродолжительным и чреват истощением спроса в будущие периоды. К тому моменту, когда вся напряженность сходит на нет, спрос тоже падает, эту картину можно наблюдать и в настоящее время.

Согласно данным РБК, по итогам 2014 года в Краснодарском крае было построено 4,7 млн. кв. м жилья. Это на 20,3% больше по сравнению с 2013годом. По данным Минстроя РФ, региона в 2014году, также как и в 2013, занял второе место в России по вводу жилья, уступив лишь Московской области. [49]

В ближайшие месяцы ситуация вряд ли улучшится - идет сезон летних отпусков, при котором активность на рынке практически при любых обстоятельствах снижается.

Тот факт, что в 2014 г. активизация рынка не сопровождалась ценовым приростом, говорит о серьезных проблемах с платежеспособностью покупателей. Продавцы с удовольствием бы проиндексировали цены на недвижимость по доллару, однако доходы покупателей - в большинстве случаев рублевые - не в состоянии угнаться за ростом курса американской валюты. Рост зарплат в коммерческом секторе фактически прекратился уже несколько лет назад, падает и доступность ипотеки (согласно подсчетам рейтинговых агентств, удорожание кредитов из-за повышения Центробанком ключевой ставки с 5,5% до 7,5% практически лишит граждан со среднестатистической зарплатой возможности брать ипотеку). В результате люди вынуждены покупать даже не столько то жилье, которое им действительно нужно, сколько то, на которое хватает денег. В этом плане ситуация в корне отличается от докризисных времен, когда доходы населения росли не по дням, а по часам, а банки предлагали кредиты с нулевым первоначальным взносом.[53]

Что касается инвестиционного спроса, то его структура тоже изменилась. Если до кризиса инвесторы были готовы переплачивать, надеясь на бурный рост цен, компенсирующий все просчеты, то сейчас в 50-100-процентное подорожание метра за год никто не верит. Поэтому нынешних инвесторов интересуют либо новостройки, которые на стадии котлована можно купить на 20-30% дешевле рынка, либо объекты, подходящие для сдачи в аренду. Но привлекательность арендного бизнеса зависит от стоимости входа, то есть, цены покупки квартиры, поэтому «арендные» инвесторы также не готовы переплачивать.[44]

В общем, первые месяцы 2014 г. в очередной раз подтвердили высокий интерес граждан к недвижимости - и для жизни, и в качестве инвестиционного инструмента. Однако покупают люди только то, что продается по адекватной цене. В связи с ограниченностью платежеспособного спроса потенциал для сколько-нибудь значимого подорожания недвижимости в обозримом будущем отсутствует: если уж цены не выросли в период активизации рынка, надеяться на их рост в период спада спроса крайне трудно. Не исключена и умеренная коррекция цен вниз в случае развития негативных факторов в геополитике или макроэкономике.[21]

По состоянию на январь 2015 года, совокупная жилая площадь возводимых объектов многоэтажного жилищного строительства (МЖС) в Краснодаре составила 4 801 512 кв. м, общее количество квартир - 96 292 ед. Активность застройщиков является довольно высокой: объем возводимого жилья в расчете на 1 чел. постоянного населения составляет 5,4 кв. м. Данный показатель намного превышает среднее значение, зафиксированное в других крупных городах России. Для сравнения, во Владивостоке на одного жителя приходится 1,4 кв. м возводимого жилья, в Ростове-на-Дону - 1,0 кв. м, в Волгограде - 0,7 кв. м.[51]

В период с 2006 по 2014 г. объем возводимого МЖС в г. Краснодар увеличился в 3,5 раза. Стоит отметить, что на протяжении 2008 - 2012 годов, количество возводимого жилья находилось на отметке около 2,5 млн. кв. м. В 2013 г. уровень строящегося жилья возрос на 13,5% и составил 2,7 млн. кв. м. По итогам 2014 г. рост рынка составил 84,4%. Увеличение объемов возводимого МЖС является прямым следствием роста строительной активности в отношении возведения и реализации новых проектов. Помимо «старых» игроков рынка, активно закладывающих новые объекты, на первичный рынок недвижимости г. Краснодар выходят новые компании с крупными проектами.

В структуре первичного рынка недвижимости в Краснодаре преобладают объекты эконом - и среднего класса. На сегодняшний день на их долю приходится 87,8% общего объема возводимого жилья. Однако, доля эконом-класса постепенно снижается и на начало 2015 г. составила 32,4% от общего объема предложения на рынке недвижимости г. Краснодар. Показатель возводимого жилья в сегменте среднего класса продолжил свой рост и составил 55,4% от общего числа строящихся на данный момент объектов на территории г. Краснодар. Сегменты бизнес - и элитного класса менее популярны среди застройщиков. В рамках бизнес-класса возводится один объект - ЖК «Платановый» (ООО «Платан-С»). В ближайшее время планируется появление на рынке нового проекта «Арбат Loft Apartments».[33]

Наиболее популярным среди компаний - строителей является район ул. Российская (15,7% совокупного МЖС), Энка совместно с районом ул. Западный Обход (13,9%), ФМР (13,1%), район улицы Восточно-Кругликовская (12,6%), ГМР (12,2%).[33]

Самыми ликвидными в структуре Краснодара являются однокомнатные квартиры. Их доля на первичном рынке составляет 63,6% от общего объема предложения. Двухкомнатные квартиры занимают 28,7% в общем количестве возводимого жилья, трехкомнатные и более - 7,7%. Следует отметить, что в среди объектов эконом - и среднего класса превалируют 1- и 3-комн. квартиры.[33]

Средняя площадь квартир, в рамках строящихся на сегодняшний день квартир, составляет 49,9 кв. м, что ниже показателя на начало 2014 г. на 6,0 кв. м. Площадь 1-комн. квартир варьируется от 35,0 до 44,5 кв. м, 2-комн. - от 58,7 до 66,3 кв. м, 3-комн. - от 86,1 до 96,7 кв. м.[33]

2. ОБЗОР КЛАССИЧЕСКИХ МЕТОДОВ ПРОГНОЗИРОВАНИЯ

Многие из базовых методов прогностики относятся скорее к отдельным приемам или процедурам прогнозирования, другие представляют набор отдельных приемов, отличающихся от базовых или друг от друга количеством частных приемов и последовательностью их применения. [39]

По степени формализации все методы прогнозирования делятся на интуитивные и формализованные. Интуитивное прогнозирование применяется тогда, когда объект прогнозирования либо слишком прост, либо настолько сложен, что аналитически учесть влияние многих факторов практически невозможно. В этих случаях прибегают к опросу экспертов. Полученные индивидуальные и коллективные экспертные оценки используют как конечные прогнозы или в качестве исходных данных в комплексных системах прогнозирования.[22]

В выборе методов прогнозирования важным показателем является глубина упреждения прогноза. При этом необходимо не только знать абсолютную величину этого показателя, но и отнести его к длительности эволюционного цикла развития объекта прогнозирования. Для этого можно использовать безразмерный показатель глубины (дальности) прогнозирования (τ).[45]

где Δt - абсолютное время упреждения; t - величина эволюционного цикла объекта прогнозирования.

Формализованные методы прогнозирования являются действенными, если величина глубины упреждения укладывается в рамки эволюционного цикла (τ << 1). При возникновении в рамках прогнозного периода «скачка» в развитии объекта прогнозирования (τ ≈ 1) необходимо использовать интуитивные методы, как для определения силы «скачка», так и для оценки времени его осуществления, либо теорию катастроф. В этом случае формализованные методы применяются для оценки эволюционных участков развития до и после скачка. Если же в прогнозном периоде укладывается несколько эволюционных циклов развития объекта прогнозирования (τ >> 1), то при комплексировании систем прогнозирования большее значение имеют интуитивные методы.

2.1 Интуитивные (экспертные) методы прогнозирования

жилье стоимость недвижимость прогнозирование

Прогнозные экспертные оценки отражают индивидуальное суждение специалистов относительно перспектив развития объекта и основаны на мобилизации профессионального опыта и интуиции. Методы экспертных оценок используются для анализа объектов и проблем, развитие которых либо полностью, либо частично не поддается математической формализации, т.е. для которых трудно разработать адекватную модель. Применяемые в прогнозировании методы экспертной оценки разделяют на индивидуальные и коллективные. Индивидуальные экспертные методы основаны на использовании мнений экспертов-специалистов соответствующего профиля независимо друг от друга. Наиболее часто применимыми являются следующие два метода формирования прогноза: интервью и аналитические экспертные оценки. Метод интервью предполагает беседу прогнозиста с экспертом, в ходе которой прогнозист в соответствии с заранее разработанной программой ставит перед экспертом вопросы относительно перспектив развития прогнозируемого объекта. Успех такой оценки в значительной степени зависит от способности интервьюируемого эксперта экспромтом давать заключения по самым различным фундаментальным вопросам. Аналитические экспертные оценки предполагают длительную и тщательную самостоятельную работу эксперта над анализом тенденций, оценкой состояния и путей развития прогнозируемого объекта. Этот метод дает возможность эксперту использовать всю необходимую ему информацию об объекте прогноза. Свои соображения эксперт оформляет в виде докладной записки.[45]

Основными преимуществами рассматриваемых методов является возможность максимального использования индивидуальных способностей эксперта и незначительность психологического давления, оказываемого на отдельного работника. Однако эти методы малопригодны для прогнозирования наиболее общих стратегий из-за ограниченности знаний одного специалиста-эксперта о развитии смежных областей науки. Методы коллективных экспертных оценок основываются на принципах выявления коллективного мнения экспертов о перспективах развития объекта прогнозирования. В основе применения этих методов лежит гипотеза о наличии у экспертов умения с достаточной степенью достоверности оценить важность и значение исследуемой проблемы, перспективность развития определенного направления исследований, времени свершения того или иного события, целесообразности выбора одного из альтернативных путей развития объекта прогноза и т.д. В настоящее время широкое распространение получили экспертные методы, основанные на работе специальных комиссий, когда группы экспертов за круглым столом обсуждают ту или иную проблему с целью согласования мнений и выработки единого мнения. Этот метод имеет недостаток, заключающийся в том, что группа экспертов в своих суждениях руководствуется в основном логикой компромисса. В свою очередь в методе Дельфи вместо коллективного обсуждения той или иной проблемы проводится индивидуальный опрос экспертов обычно в форме анкет для выяснения относительной важности и сроков свершения гипотетических событий. Затем производится статистическая обработка анкет и формируется коллективное мнение группы, выявляются, обобщаются аргументы в пользу различных суждений. Вся информация сообщается экспертам. Участников экспертизы просят пересмотреть оценки и объяснить причины своего несогласия с коллективным суждением. Эта процедура повторяется 3 - 4 раза. В результате происходит сужение диапазона оценок. Недостатком этого метода является невозможность учета влияния, оказываемого на экспертов организаторами опросов при составлении анкет. Как правило, основными задачами при формировании прогноза с помощью коллектива экспертов являются: формирование репрезентативной экспертной группы, подготовка и проведение экспертизы, статистическая обработка полученных документов. При формировании группы экспертов основными являются вопросы определения ее качественного и количественного состава. Отбор экспертов начинается с определения вопросов, которые охватывают решение данной проблемы; затем составляется список лиц, компетентных в этих областях. Для получения качественного прогноза к участникам экспертизы предъявляется ряд требований, основными из которых являются: высокий уровень общей эрудиции; глубокие специальные знания в оцениваемой области; способность к адекватному отображению тенденции развития исследуемого объекта; наличие психологической установки на будущее; наличие академического научного интереса к оцениваемому вопросу при отсутствии практической заинтересованности специалиста в этой области; наличие производственного и (или) исследовательского опыта в рассматриваемой области.[46]

2.2 Адаптивные методы прогнозирования

Считается, что характерной чертой адаптивных методов прогнозирования является их способность непрерывно учитывать эволюцию динамических характеристик изучаемых процессов, «подстраиваться» под эту эволюцию, придавая, в частности, тем больший вес и тем более высокую информационную ценность имеющимся наблюдениям, чем ближе они к текущему моменту прогнозирования.[26] Однако деление методов и моделей на «адаптивные» и «неадаптивные» достаточно условно. В известном смысле любой метод прогнозирования адаптивный, т.к. все они учитывают вновь поступающую информацию, в том числе наблюдения, сделанные с момента последнего прогноза. Общее значение термина заключается, по видимому, в том, что «адаптивное» прогнозирование позволяет обновлять прогнозы с минимальной задержкой и с помощью относительно несложных математических процедур.[13] Однако это не означает, что в любой ситуации адаптивные методы эффективнее тех, которые традиционно не относятся к таковым. Постановка задачи прогнозирования с использованием простейшего варианта метода экспоненциального сглаживания формулируется следующим образом.

Пусть анализируемый временной ряд  представлен в виде

 (2)

где

a0 − неизвестный параметр, не зависящий от времени,

ετ − случайный остаток со средним значением, равным нулю, и конечной дисперсией. [30]

Как известно, экспоненциально взвешенная скользящая средняя ряда xτ в точке xt (λ) с параметром сглаживания (параметром адаптации)  определяется формулой[19]

 (3)

которая дает решение задачи:

 (4)

Коэффициент сглаживания λ можно интерпретировать также как коэффициент дисконтирования, характеризующий меру обесценения наблюдения за единицу времени.

Для рядов с «бесконечным прошлым» формула сводится к виду

 (5)

В соответствии с простейшим вариантом метода экспоненциального сглаживания прогноз  для неизвестного значения xt + 1 по известной до момента времени t траектории ряда xt строится по формуле

 (6)

где значение  определено формулой или соответственно для короткого или длинного временного ряда.

Формула удобна, в частности, тем, что при появлении следующего (t + 1)-го наблюдения xt-1 пересчёт прогнозирующей функции  производится с помощью простого соотношения

 (7)

Метод экспоненциального сглаживания можно обобщить на случай полиномиальной неслучайной составляющей анализируемого временного ряда:

 (8)

где k ≥ 1. В данном соотношении начальная точка отсчета времени сдвинута в текущий момент времени t, что облегчает дальнейшие вычисления. [36]

2.3 Метод Хольта

Хольт ослабил ограничения метода Брауна, связанные с его однопараметричностью, введением двух параметров сглаживания в его модели прогноза  и  , на l такт времени в текущий момент t также определяется линейным трендом вида

 (9)

где обновление прогнозирующих коэффициентов производится по формулам

Таким образом, прогноз по данному методу является функцией прошлых и текущих данных, параметров  и , а также начальных значений  и .[39]

2.4 Метод Хольта-Уинтерса

Уинтерс развил метод Хольта так, чтобы он охватывал еще и сезонные эффекты. Прогноз, сделанный в момент t на l такт времени вперед, равен

 (10)

где

ωτ - коэффициент сезонности,

N - число временных тактов, содержащихся в полном сезонном цикле. Сезонность в этой формуле представлена мультипликативно. Метод использует три параметра сглаживания  а его формулы обновления имеют вид

 (11)

Как и в предыдущем случае, прогноз строится на основании прошлых и текущих значений временного ряда, параметров адаптации , и , а также начальных значений и [39]

2.5 Аддитивная модель сезонности Тейла−Вейджа

В экономической практике чаще встречаются экспоненциальные тенденции с мультипликативно-наложенной сезонностью. Поэтому перед использованием аддитивной модели члены анализируемого временного ряда обычно заменяют их логарифмами, преобразуя экспоненциальную тенденцию в линейную, а мультипликативную сезонность в аддитивную. Преимущество аддитивной модели заключается в относительной простоте ее вычислительной реализации. Рассмотрим модель вида (в предположении, что исходные данные прологарифмированы) где a0(τ) - уровень процесса после элиминирования сезонных колебаний, a1(τ) - аддитивный коэффициент роста, ωt - аддитивный коэффициент сезонности, δt - белый шум.

Прогноз, сделанный в момент t на l временной такт вперед, подсчитывается по формуле

 (12)

где коэффициенты ,  и ω вычисляются рекуррентным образом с помощью следующих формул обновления

В этих соотношениях, как и прежде, N − число временных тактов, содержащихся в полном сезонном цикле, а , и  − параметры адаптации.[39]

2.6 Многофакторная модель цены на рынке недвижимости

Одна из проблем современного анализа данных на рынке недвижимости - автоматизированный поиск ведущих факторов, определяющих поведение системы. Актуальной и практически значимой является задача определения ведущих факторов, оказывающих максимальное влияние на рынок недвижимости и разработка методов многофакторного статистического анализа, которые позволяют учитывать одновременное влияние на рынок большого числа ценообразующих факторов.

Исходя из вышесказанного, приведем формальную постановку задачи построения многофакторной модели цены на рынке недвижимости, исходя из некоторого набора независимых факторов. Пусть есть исходная выборка:[39]

 (13)

где  - независимые факторы,- зависимая переменная (средняя цена жилья, у. е.),- максимальная длина ряда

Задача многофакторного моделирования и прогнозирования сводится к идентификации структуры и параметров модели:

 (13)

Где:

а - вектор параметров модели,- структура на классе моделей вида

 (14)

где l1 , l2, ..., lm - лаги, максимальной кросс-корреляции между соответствующей независимой переменной и зависимой; a - вектор параметров линейной модели с учетом кросс-корреляционного анализа, c - вектор параметров полиномиальной модели с учетом дисперсионного анализа, b - вектор параметров линейной модели, полученной методом группового учета аргументов.[39]

Первая часть модели получается в виде линейной модели с учетом кросс-корреляционного анализа, полученная методом регрессионного анализа. Вторая часть модели - полиномиальная модель, полученная в результате структурной и параметрической идентификации моделей отдельно для каждой независимой переменной. Третья часть модели - полиномиальная модель, учитывающая сочетания переменных, полученная методом группового учета аргументов, при использовании частичных описаний вида:

 (15)

Объединив данные метода в одну комбинированную модель, мы сможем недостатки отдельных методов скомпенсировать достоинствами других и в результате получить более точную и эффективную модель.[39]

3. МОДЕЛЬ ПРОГНОЗИРОВАНИЯ ЦЕНОВОЙ СИТУАЦИИ НА РЫНКЕ ЖИЛЬЯ КРАСНОДАРА

3.1 Исследование зависимости стоимости квартиры от общей площади

Рассмотрим первый из исследуемых факторов - общую площадь квартиры (применительно ко всему городу; влияние фактора для центра города будет рассмотрено далее). Полученные результаты представлены в таблице 5.

Таблица 5 - Основные характеристики моделей регрессии, фактор общей площади

Начнем с корреляционного анализа. Из представленных результатов видно, что коэффициент корреляции в зависимости от материала стен дома и числа комнат в квартире принимает значения от 0,42 до 0,77. Очевидно, что разброс довольно существенный, и каждый случай требует отдельного рассмотрения, но с уверенностью можно сказать, что связь между стоимостью квартиры и ее общей площадью как минимум умеренная. Значит, даже если фактор общей площади квартиры и не будет решающим, то заметное влияние на стоимость квартиры он в любом случае будет оказывать. Не будем забывать, что поскольку коэффициент корреляции принимает, положительные значения, то связь прямая, и с увеличением общей площади квартиры будет происходить увеличение ее стоимости. Так, в панельных домах наибольшая зависимость стоимости квартиры от ее общей площади наблюдается для трехкомнатных квартир, степень зависимости растет с ростом числа комнат. В кирпичных же домах наибольшее значение коэффициента корреляции приходится на двухкомнатные квартиры, при этом, несмотря на то, что коэффициент корреляции уменьшается при увеличении числа комнат до трех, он все равно остается выше, чем для однокомнатных квартир. В целом же, для кирпичных домов наблюдается более высокий уровень зависимости.

Теперь взглянем на полученные коэффициенты уравнений регрессии. Как было отмечено выше в теоретической части, непосредственный содержательный смысл несет в себе коэффициент b1, т.е. коэффициент регрессии. Чем выше коэффициент регрессии, тем круче наклон линии регрессии, тем на большую величину увеличивается стоимость квартиры при увеличении ее общей площади на единицу.

Так, в панельных домах коэффициент регрессии увеличивается последовательно с увеличением числа комнат в квартире, принимая минимальное значение в случае однокомнатных квартир и достигая максимального значения для трехкомнатных квартир. Значит, чем больше в квартире комнат в панельном доме, тем быстрее будет расти ее стоимость с ростом общей площади. А в кирпичных домах пик коэффициента регрессии приходится на двухкомнатные квартиры, именно для них будет наблюдаться наибольшее увеличение стоимости квартиры при покупке дополнительного квадратного метра жилья. Для “однушек” и “трёшек” коэффициент регрессии примерно одинаков, при этом он незначительно больше для однокомнатных квартир. Опять же, покупка дополнительного квадратного метра жилья в кирпичном доме обойдется нам дороже, нежели в панельном доме, поскольку для кирпичных домов коэффициент регрессии принимает более высокие значения.

И, наконец, отметим, что средняя относительная ошибка аппроксимации у всех шести моделей регрессии не превышает 30%, и держится в среднем на уровне 22 - 23%. Это говорит нам о том, что построенные модели весьма объективно отражают реальную ситуацию на рынке недвижимости Краснодара.

Итак, подытожим результаты. Стоимость квартиры на рынке недвижимости Краснодара довольно тесно связана с ее общей площадью и растет с ростом общей площади. При этом наблюдаемая зависимость выше для кирпичных домов и растет с ростом числа комнат. Покупка дополнительного квадратного метра жилья в кирпичном доме обойдется нам дороже, нежели в панельном доме. Та же зависимость прослеживается и при покупке квартиры с большим числом комнат. Также, рост стоимости квартиры в кирпичном доме обусловлен приблизительно в равной степени как увеличением площади, так и другими факторами. В панельном же доме внешние факторы оказывают на динамику стоимости квартиры большее влияние, чем рост ее площади. Для наглядности приведем графики уравнения регрессии для двухкомнатных квартир в кирпичном и панельном доме, представленные на рисунках 5 и 6. Можно заметить, что поле корреляции для кирпичных домов носит более вытянутый характер, что говорит о более высокой степени зависимости между показателями (рис.4).

Рис. 4. Зависимость стоимости квартиры от общей площади для двухкомнатных квартир в кирпичном доме

Также на рисунке 5 видно, что линия регрессии для кирпичных домов имеет больший наклон, чем для панельных домов, значит, покупка дополнительного квадратного метра жилья в кирпичном доме обойдется нам дороже, нежели в панельном доме.

Рис 5. Зависимость стоимости квартиры от общей площади для двухкомнатных квартир в панельном доме

Рис. 6. Линии регрессии для двухкомнатных квартир в кирпичном и панельном доме

Рассмотрим теперь зависимости стоимости квартиры от общей площадидля центр города Краснодар.

Для начала поговорим о степени связи между показателями. Полученные результаты говорят нам о том, что коэффициент корреляции варьируется от 0,43 до 0,74. Имеет место некоторый разброс значений, но связь между показателями умеренная, и влияние фактора не останется незамеченным. Более того, для некоторых случаев (однокомнатные и двухкомнатные квартиры в кирпичных домах) значения коэффициента корреляции достигают уровня 0,70 и 0,74, откуда можно сделать вывод о высокой степени прямой взаимосвязи между стоимостью квартиры и ее общей площадью в центре города Краснодара.

Таблица .6 - Основные характеристики моделей регрессии. Фактор общей площади (центр города)

В отличие от всего города, в центральном районе в панельных домах наибольшая зависимость стоимости квартиры от ее общей площади наблюдается для однокомнатных квартир, и с ростом числа комнат, наоборот, уменьшается. Хотя, для трехкомнатных квартир зависимость все-таки несколько выше, чем для двухкомнатных. А в кирпичных домах в центре, как и во всем городе, пик зависимости приходится на двухкомнатные квартиры. Однако, теперь степень зависимости для однокомнатных квартир выше, чем для трехкомнатных. В целом же для кирпичных домов наблюдается более высокий уровень взаимосвязи показателей.

Если сравнивать результаты для центра города с общими результатами, то в целом нельзя говорить, что в центре города наблюдается более высокий уровень зависимости стоимости квартиры от ее общей площади. Произошла лишь небольшая “смена полюсов”, то есть если в общем случае более высокий уровень взаимосвязи показателей наблюдается для квартир с большим числом комнат, то в центре города - наоборот, для квартир с меньшим числом комнат.

Мы получим аналогичные выводы, обратившись и к коэффициентам регрессии. Теперь дополнительный квадратный метр площади обойдется нам дороже в более маленькой (по числу комнат) квартире, потому что с ростом числа комнат коэффициенты регрессии принимают меньшие значения. Хотя тот факт, что в кирпичном доме дополнительный квадратный метр площади будет стоить дороже, чем в панельном, остается неизменным.

Также отметим, что значения стандартной ошибки оценки и средней относительной ошибки аппроксимации в целом лежат в допустимых пределах. Поэтому и результаты анализа будут достаточно объективны, чтобы судить о ситуации на рынке недвижимости в Краснодаре.

Подытожим результаты. Основной вывод заключается в том, что в отличие от общей картины на рынке недвижимости, в центре города более ходовым товаром являются небольшие квартиры. Продавцы таким образом устанавливают цены, что именно для однокомнатных квартир дополнительный квадратный метр жилья будет стоить дороже, чем в более крупных квартирах. Поэтому для однокомнатных квартир наблюдается наибольшая степень зависимости стоимости квартиры и ее общей площади. Результат наглядно представлен на рисунке 7.

Рис.7. Зависимость стоимости квартиры от общей площади в кирпичных домах в центре города

3.2 Исследование зависимости стоимости квартиры от площади кухни

Следующий фактор, влияние которого мы постараемся исследовать, это площадь кухни (опять же, применительно ко всему городу, влияние фактора для центра города будет рассмотрено далее). Проведем корреляционный анализ. Из полученных результатов видно, что коэффициент корреляции для квартир с разным числом комнат, а также для квартир в домах разного типа, варьируется в пределах от 0,33 до 0,77. Разброс значений довольно широкий, более широкий, чем для фактора общей площади. Несмотря на это, мы гарантированно наблюдаем умеренную связь между исследуемыми показателями, и площадь кухни будет оказывать заметное влияние на стоимость квартиры. Отметим, что поскольку коэффициент корреляции принимает положительные значения, то связь прямая, и с увеличением площади кухни будет происходить увеличение стоимости квартиры.

Динамика коэффициента корреляции для фактора площади кухни в точности повторяет динамику коэффициента для фактора общей площади. В панельных домах зависимость между показателями увеличивается с ростом числа комнат и достигает наибольшего значения для трехкомнатных квартир, а для кирпичных домов пик зависимости приходится на двухкомнатные квартиры. Опять же, для кирпичных домов наблюдается более высокий уровень взаимосвязи показателей.

Проведем сравнительный анализ коэффициентов корреляции для факторов общей площади и площади кухни. Сопоставив данные для конкретных вариантов квартир, получим, что коэффициенты корреляции для фактора площади кухни принимают меньшие значения, чем для фактора общей площади квартиры. Значит, площадь кухни в меньшей степени влияет на стоимость квартиры, нежели ее общая площадь.

Проанализируем полученные коэффициенты регрессии. Мы наблюдаем аналогичную динамику значений коэффициентов регрессии с коэффициентами, рассмотренными ранее. Коэффициент растет с ростом числа комнат в квартирах панельных домов (значит, чем больше комнат в квартире в панельном доме, тем быстрее будет расти ее стоимость с ростом площади кухни), в кирпичных домах коэффициент достигает максимального значения для двухкомнатных квартир, а затем немного снижается. Для кирпичных домов коэффициенты регрессии принимают более высокие значения.

Если сравнить коэффициенты регрессии для факторов общей площади и площади кухни, сопоставляя квартиры одинакового типа (тип квартиры определяется материалом стен дома и числом комнат), то очевидно, что для фактора площади кухни коэффициенты регрессии принимают значительно более высокие значения. Из этого можем сделать следующий вывод: независимо от материала стен дома и числа комнат в квартире можем наблюдать, что дополнительный квадратный метр общей площади квартиры вызовет менее значительный прирост в стоимости квартиры, нежели дополнительный квадратный метр площади кухни.

И, наконец, значения стандартной ошибки оценки и средней относительной ошибки аппроксимации хоть и показывают некоторую неточность модели, но лежат в допустимых пределах. Значит результаты, полученные в ходе анализа, достаточно объективно отражают реальную ситуацию на рынке недвижимости Краснодара.

Итак. На данном этапе анализа уже возможно сделать более содержательные выводы. Во-первых, на стоимость квартиры значительное влияние оказывает не только ее общая площадь, но и площадь кухни, хотя влияние второго фактора все-таки несколько ниже, чем первого. Площадь кухни в большинстве случаев обуславливает разницу в стоимости квартир лишь на 20 - 30 %, более существенное влияние можно отнести скорее к исключениям из правил. Хотя, посмотрев с другой стороны, дополнительный квадратный метр площади кухни скажется на стоимости квартиры более существенно, чем дополнительный квадратный метр общей площади (это станет очевидно, если посмотреть на рисунок 2.4). Опять же, чем больше в квартире комнат, тем сильнее площадь кухни будет влиять на стоимость квартиры, и тем дороже обойдется дополнительный квадратный метр площади кухни. В заключении отметим, что стоимость квартир в кирпичных домах больше, чем в панельных, подвержена влиянию факторов площадей. Дополнительная единица, как общей площади, так и площади кухни в таких домах обойдется покупателю в большую сумму, нежели в панельном доме (рис. 8), результаты для двухкомнатных квартир).

Рис. 8. Уравнение регрессии для двухкомнатных квартир в кирпичных домах

Рис. 9. Уравнения регрессии для двухкомнатных квартир в кирпичных и панельных домах, фактор площади кухни

Рассмотрим, каким образом влияет площадь кухни на стоимость квартиры в центре города. Необходимые для анализа результаты представлены в таблице 8.

Таблица 8 - Основные характеристики моделей регрессии, фактор площади кухни (центр города)

Проведем корреляционный анализ. Согласно приведенным в таблице результатам, коэффициент корреляции в зависимости от типа квартиры изменяется в пределах от 0,25 до 0,72. Разброс значений в этом случае существенный, более широкий, чем для фактора общей площади в центре города. При этом минимальные значения коэффициента корреляции опускаются ниже 0,3, то есть в отдельных случаях можно говорить о слабой связи между показателями, хотя для большинства случаев связь все же остается умеренной, а также прямой, поскольку коэффициент корреляции не принимает отрицательные значения.

Обратим внимание, что динамика коэффициента корреляции для фактора площади кухни в центре города не совпадает с динамикой для фактора общей площади в центре города. Так же, как и в общем случае, коэффициент корреляции для фактора площади кухни в центре города увеличивается с ростом числа комнат (для панельных домов), а для кирпичных домов пик зависимости приходится на двухкомнатные квартиры. Опять же, для кирпичных домов наблюдается более высокий уровень зависимости.

Если сопоставить результаты таблиц 7 и 8, то придем к выводу, что площадь кухни в меньшей степени влияет на стоимость квартиры в центре города, нежели ее общая площадь. При этом наблюдается, что с увеличением числа комнат в квартире в панельном доме от одной до двух возрастает влияние фактора площади кухни и уменьшается влияние фактора общей площади, в остальных случаях их динамика совпадает.

Аналогичным образом ведут себя и коэффициенты регрессии. В панельных домах их значения растут с ростом числа комнат, в кирпичных домах максимальное значение коэффициента приходится на двухкомнатные квартиры, а затем немного снижается с дальнейшим ростом числа комнат. В сравнении с фактором общей площади для центра города коэффициенты регрессии изменяются в противоположных направлениях с ростом числа комнат. В сравнении с фактором площади кухни для всего города - динамика коэффициентов более плавная, и их изменения при увеличении числа комнат менее резкие. В целом же, дополнительная единица общей площади вызовет более слабые по абсолютной величине изменения в стоимости квартиры в центре города, нежели дополнительная единица площади кухни, так как для фактора площади кухни коэффициенты регрессии принимают более высокие значения.

Отметим, что значения средней относительной ошибки аппроксимации в большинстве случаев лежат ниже уровня 30%, что говорит о достаточно объективных результатах анализа. Но в случае трехкомнатных квартир в панельных домах и однокомнатных квартир в кирпичных домах значения ошибки достигают уровня в 40%, и при необходимости возможно проведение дополнительного исследования.

Итак, систематизируем полученные выводы. Во-первых, для центра города возможны ситуации, когда площадь кухни не оказывает существенного влияния на стоимость квартиры. Во-вторых, в центре города площадь кухни в меньшей степени влияет на стоимость квартиры, чем вне его пределов. В-третьих, с ростом числа комнат в квартире в центре города снижается влияние общей площади и увеличивается влияние площади кухни на стоимость квартиры (эта зависимость прослеживается не во всех случаях). Не забудем, что чем больше в квартире комнат в центре города, тем дороже будет стоить дополнительный квадратный метр кухни и тем дешевле будет дополнительный квадратный метр общей площади (за исключением трехкомнатных квартир в кирпичных домах). Разница в наклонах линии регрессии, отражающая данный факт, представлена на рисунках 10 и 11.

Рис. 10.Зависимость стоимости квартиры от общей площади для кирпичных домов в центре города

Рис.11 Зависимость стоимости квартиры от площади кухни

3.3 Проверка регрессионных остатков на нормальность распределения

Проведем необходимый анализ на примере двухкомнатных квартир в кирпичных домах для фактора общей площади. Требуется проверить гипотезу H0: остатки регрессии подчиняются нормальному закону распределения ,против H1: конкурирующей гипотезы остатки регрессии не подчиняются нормальному закону распределениия. Для того, чтобы найти наблюдаемое значение статистики  , на осоновании рассчитанных значений остатков построим вариационный ряд и найдём значения эмпирических и теоретических частот распределения. Построенные по интервальному ряду гистограмма и полигон представлены на рисунках 12 и 13.

Рис.12. Гистограмма

Рис. 13 Полигон. Теоретичекие и эмпирические частоты распределения

Поскольку теоретические частоты не должны принимать значения меньше пяти, объединим необходимые интервалы. Полученные результаты представлены в таблице 9.

Таблица 9 - Эмпирические и теоретические частоты распределения остатков регрессии, двухкомнатные квартиры в кирпичных домах, фактор общей площади

На основе полученных данных расчитывается значение  = 16, 042. Число степеней свободы ν = 4. Тогда на уровне значимости α = 0,001 можем утверждать, что гипетеза Н0 не отвергается и остатки регрессии не противоречат нормальному закону распределения, поскольку (α = 0,001; ν = 4) = 18, 465, и выполняется условие <.

Рассмотрим пример двухкомнатных квартир вкирпичных домах для фактора площади кухни , используя результаты, представленные в табл.. 10.

Таблица 10 - Эмпирические и теоретические частоты распределения остатков регрессии, двухкомнатные квартиры в кирпичных домах, фактор площади кухни

Построенные по интервальному ряду гистограмма и полигон представлены на рисунках 14 и 15.

Рис. 14. Гистограмма

Рис. 15. Полигон, теоретические и эмпирические законы распределения

Таким образом, построенные модели регрессии отличается высокой точностью и довольно объективно отражает реальную ситуацию на рынке недвижимости Краснодара

3.4 Многофакторная модель стоимости жилья на рынке недвижимости г. Краснодара

С помощью корреляционно-регрессионного анализа были разработана модель прогнозирования цен в зависимости от внутренних факторов объекта жилой недвижимости на рынке жилья в г. Краснодара (рис.1).

Рис. 1. Динамика цен на первичном и вторичном рынке жилья г. Краснодара

Для построения модели вначале были выявлены факторы, обуславливающие динамику цен на рынке жилья. В перечень внутренних факторов для построения модели вошли: количество комнат в квартире, район, общая площадь квартиры, материал стен жилого дома, год постройки жилого дома, этаж.

Нами была разработана с помощью пакета МExcel следующая модель прогнозирования цен на первичном рынке жилья:

,

где:

х1 - количество комнат;

х2 - район города Краснодара;

х3 - общая площадь квартиры, кв. м.;

х4 - площадь кухни;

х5 - материал стен;

Для построения модели многофакторной регрессии качественным факторам (таким, как «район города», «материал стен жилого дома», «год постройки жилого дома») были присвоены бальные значения. Например, переменная «район города» может принимать следующие бальные значения: Комсомольский 1 балл, Фестивальный район - 2 балла, Юбилейный - 3 балла, Центральный - 4 балла.

Верификация модели на основе расчета коэффициента аппроксимации и F-критерия Фишера показала, что уравнение регрессии является достоверным. Так, значение коэффициента аппроксимации составило для первичного рынка R2 = 0,7697.Также для уравнения регрессии расчетное значение F-критерия превышает критическое значение F-критерия: Fрасч = 7,24, Fкрит = 2,92.

Модель прогнозирования цен в зависимости от внутренних факторов объекта жилой недвижимости была апробирована с использованием данных риэлтерских агентств о четырех квартирах в разных объектах недвижимости г. Краснодара. Уравнение многофакторной регрессии было построено с использованием имеющейся информации о квартирах и была определена расчетная цена 1 кв. м. на первичном рынке жилья для данных квартир. На основе выполненных расчетов было произведено сравнение расчетных цен модели с фактическими ценами на квартиры. Сравнение показало адекватность модели небольшое отклонение расчетных цен от их фактического уровня.

Предложенные в работе модели могут быть использованы различными субъектами рынка жилья - риэлтерскими агентствами для анализа и прогнозирования цен на жильё, потенциальными инвесторами и покупателями, а также Агентством ипотечного жилищного кредитования Краснодарского края, органами управления различных уровней власти для оценки перспектив развития рынка жилья и стратегического планирования.

ЗАКЛЮЧЕНИЕ

Подводя итоги исследования, можно сделать выводы о том, что:

рынок недвижимости (в том числе и рынок жилья) обладает специфическими особенностями, отличающими его от других рынков, причем, эти особенности вызваны не только спецификой обращающегося на этом рынке товара, но и особенностями развития системы;

рынок недвижимости является сложной системой, функционирование которой обеспечивается многими элементами и подсистемами, кроме того, он находится в постоянном изменении, развитии;

рынок недвижимости не может быть абстрагирован от влияния внешних факторов, он должен рассматриваться в среде сторонних рынков, как

Был проведен корреляционный и регрессионный анализ зависимости стоимости квартиры от общей площади и площади кухни на рынке недвижимости.

В результате исследования были полученны следующие результаты:

1)      Построенны эконометрические модели зависимости стоимости квартиры от общей площади, от общей площади. Общая площадь квартиры оказывает умеренное воздействие на ее стоимость независимо от того, находится ли квартира в центре города или вне его пределов. Покупка дополнительного квадратного метра жилья в кирпичном доме обойдется покупателю дороже, чем в панельном доме.

)        Проведена проверка регрессионных остатков на нормальность распределения.

3)      Таким образом, полученные в результате исследования выводы могут быть на практике использованы субъектами рынка недвижимости и инвестиционно - строительных компаний при принятии ими управленческих решений.

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

1.      Абрамов С.И. Инвестирование. - М: Центр экономики и маркетинга, 2000

.        Антонова Л.М. Основы информационной культуры Л.М. Антонова. - Красноярск: Изд-во СибГТУ, 2005. 16 с.

.        Аньшин В.М. Инвестиционный анализ: учебно-практическое пособие. - М: Дело, 2000.

.        Асаул А.Н. Экономика недвижимости: учебник / А.Н. Асаул. СПб.: Питер, 2004. 512 с.

.        Беренс В., Хавренек П.М. Руководство по оценке эффективности инвестиций: Пер. с англ. - М.: Инфра-М, 1995.

.        Бочаров В.В. Инвестиции: Учебник. - СПб.: Питер, 2002.

.        Бочаров В.В. Современный финансовый менеджмент. - СПб.: Питер, 2004.

.        Виноградов Д. В. Экономика недвижимости: Учебное пособие. Владимир, 2007.

.        Волков Ю.Ф. Экономика бизнеса: Учебное пособие Р н/Д.: Феникс, 2005.

.        Гитман Л.Д., Джоник М.Д. Основы инвестирования. - М.: Дело, 1997.

.        Голубничий А.И Тенденции правового регулирования предпринимательской деятельности// Материалы Первой всероссийской научно-практической конференции «Актуальные проблемы интеллектуальной собственности» 19-20 октября 2006 г. в 3-х томах. Т.3. - М, РГИИС. 2006.

.        Гольдштейн Г. Основы менеджмента: учебное пособие. - Таганрог: Изд-во ТРТУ, 2008.

.        Горемыкин В.А. Экономика недвижимости: учебник. - 5-е изд., перераб. и доп. / В.А. Горемыкин. - М.: Высшее образование, 2008. - 808 с.

.        Грязнова А.Г. Оценка недвижимости: учебник /А.Г. Грязнова М.: Финансы и статистика, 2005. - 496 с.

.        Гусаков А.Л. Системотехника строительства. Энциклопедический словарь. - М.: Новое тысячелетие, 2009.

16.    Грибовский, C. B. Математические методы оценки стоимости недвижимого имущества [Текст] / C. B. Грибовский, С. А. Сивец. - М.: Финансы и статистика, 2008. - 368 с.

17.    Зимин А.И. Инвестиции: вопросы и ответы. - М: ИД «Юриспруденция,2006.

.        Зимин И.А Анализ проектных рисков. - М.: Экмос, 2000.

19.    Заводова, Т. С. Экономико-математическое моделирование ценообразования и доступности жилья на региональном рынке:, 2009. - 19с.

20.    Заводова, Т.С. Опыт прогнозирования динамики цен на жилье в России Успехи современного естествознания. - 2008. - № 3. - С. 34 - 38 - www.rae.ru/use/?section=content&op=show_article&article_id=7782759

21.    Инвестиции: Учебник / С.В. Валдайцев, П.В. Воробьев и др.; под. ред. В.В. Ковалева, В.В. Иванова, В.А. Лялина. - М: Проспект, 2005.

.        Ковалев В.В. Методы оценки инвестиционных проектов. - М.: Финансы и статистика, 1999.

.        Мазурова Е.Н. Экономика недвижимости / Е.Н. Мазурова, Ю.А. Безруких. - Красноярск: СибГТУ, 2006. - 20 с.

.        Озеров Е. С. Экономика и менеджмент недвижимости. - СПб.: Издетельство «МКС», 2009.

25.    Обзор рынка недвижимости России - Режим доступа: www/ URL: http://www.colliers. com/~/media/ B2ECBCBA6E0B49809 B7A2474C451F73D.ashx

.        Оценка развития регионального рынка URL: http://uecs.ru/uecs-54-542013/ item/2197-2013-06-18-06-14-00

27.    Петрова О. Антикризисные меры строительного сообщества // Эксперт. - 2009. №2.

28.       Показатели рынка жилищного (ипотечного жилищного) кре- дитования

29.        Прайс-лист агентства недвижимости «Аякс-Риэлт»

30.    Резниченко В.С. Системный подход к совершенствованию ценообразования и управления стоимостью в строительстве // Экономика и учет в строительстве. - 2007. - №4.

.        Садков В.Г. О тенденциях развития рынка жилья и выявлении монополизма, определяющего рост цен на строительные материалы и жилую недвижимость / В.Г. Садков // Региональная экономика: теория и практика. - 2008. - №30.

.        Самойлов А. Саморегулирование на старте // Строительный мир. - 2008. - №9.

33.    Стерник, Г. М. Концепция анализа рынка недвижимости, единая для стран членов СЕРЕАН / Г. М. Стерник. \www/ URL: http:// realtymarket.ru/konferencii/Sternik-G.M.-Koncepciya-analiza-rinka-nedvijimosti-edinaya-dlya-stran-lenov-SEREAN.html

34.    Стерник, Г. М. Математические основы методологии дискретного пространственно-параметрического моделирования рынка недвижимости 2009 - 93 с.

35.       Стерник, Г. М. Математические основы методологии построения дискретных пространственно-параметрических моделей рынка жилья

36.    Стерник, Г. М. Цены предложения на рынке жилья городов России: анализ и прогноз [Текст] / Г. М. Стерник. -М.: СтерниксКонсалтинг, 2007. - 180 с.

37.    Тарасевич Е.И. Оценка недвижимости. - СПб.: СПбГТУ, 2007.

.        Толмачев Е. А., Монахов Б. Е. Экономика строительства. Учебное пособие - Москва: Юриспруденция, 2009.

.        Тэпман Л. Н. Оценка недвижимости: Учебное пособие для вузов. - М.: ЮНИТИ-ДАНА, 2008.

.        Управление инвестиционными строительными проектами: Учебное пособие/Под общ. ред. В.М Васильева, Ю.П. Панибратова. - М.: Изд-во ЛВС, 2007.

.        Федеральный закон от 29.07.1998 №135 - ФЗ «Об оценочной деятельности в Российской Федерации»

.        Фисун В.А. Экономика строительства. - Москва: РГОТУПС, 2009.

.        Фридман Дж., Ордуэй Ник.«Анализ и оценка приносящей доход недвижимости. Пер. с англ. М.: Дело, 2007.

44.       Федеральная служба государственной статистики:

45.    Шеремет А.Д., Сайфулин Р.С., Негашев Е.В. Методика финансового анализа: Учебное пособие. изд.3-е - М.: ИНФРА - М, 2008.

.        Шундулиди А. И., Нагибина Н. В. Экономика отрасли (строительства). Учебное пособие - Кемерово: КузГТУ, 2006.

.        Щербакова Н.А. Оценка недвижимости. - М.: Феникс, 2006..

48.        Ярушкина, Н. А.Прогнозирование ценовой динамики рынка жилья на основе эконометрических моделей:. 2006. - 26 с.

49.    http://www.gdeetotdom.ru.

50.    http://www.gdeetotdom.ru.

.        http://www.irn.ru

52.    http://www.metrinfo.ru

53.    www.blackwood.ru.