ООО «Стерникс Консалтинг»
(Sternik's Consulting)
+7 (495) 749-77-65
Информационный
партнер:
информационный партнер

методические материалы

методические материалы

Презентация доклада здесь

«Impact of banking real estate as an asset class on financial system stability: monitoring, forecasting, management»

Authors:

Sternik S.G., ScD (Economics), Professor of the Financial University under the Government of Russian Federation, Moscow, Russia

E-mail: sergey-sternik@yandex.ru

Teleshev G.V., Director, Department of strategy and corporate development, VTB Bank PJSC, Moscow, Russia

E-mail: gteleshev@gmail.com

1.     Introduction

Financial crisis of 2007-2008 in the United States made international community recognize the nature of risky interconnectedness between real estate markets dynamics and global financial markets health given the fact that it started as a mortgage crisis first. Due to underestimation of risks inherent for real estate markets, the worst case scenario of national and international economic crisis (as reflected in decreasing industrial indicators, employment and consumption) was not avoided, which subsequently resulted in financial (steep decline in assets prices) and finally, banking crisis (insolvency of banking institutions reflected in their ability to meet financial obligations).

One of the most important reactions to the crisis by the international financial regulators was the revision of capital requirements for banking institutions codified in revised Basel III standards, which are almost universally believed to be able to affect real estate markets dynamics due to the more conservative approach of many financial institutions towards loans secured by the real estate.  

However, realization of systemic interconnectedness between real estate markets dynamics and financial markets stability is not limited to more stringent capital requirements for real estate loans (as well as structuring of complex derivatives with real estate as collateral). Regulators (both in Russia and internationally), serving as systemically important consumers of academic research on the real estate markets and financial stability, increasingly recognize that real estate as an asset class plays a more significant role in financial system stability than was previously thought (particularly before 2007-2008 financial crisis in the United States). Given the above, we believe that financial regulators may, in setting their overall policy, greatly benefit from solution of the very important practical and scientific problem – namely, determination of the level of influence and corresponding mechanisms of the real estate markets values dynamics on financial system stability.

Additional factor, which increases the necessity for more in-depth and systemic study of the real estate markets for the purposes of setting banking sector regulations, are characteristics of real estate markets as predominantly local, cyclical in nature as well as characterized by relatively inelastic demand and considerable information asymmetry of information on real estate transactions. This, in turn, present a unique challenge for regulators in developing comprehensive regulatory instruments tailored towards complexity and considerable segmentation of banking real estate portfolios as well as factoring in potential impact of real estate markets volatility on banking sector stability.

2.     State of research on the subject internationally

Following mortgage crisis in the United States in 2007-2008, it was almost universally accepted that real estate not only represents real (i.e. tangible) asset, but also comprises a considerable portion of the debt markets (in the form of both mortgages and mortgage-backed securities) as well as equity markets (in the form REITs). Therefore, for example, Moody’s international rating agency included real estate portfolio cash flow volatility ratings into other their non-credit ratings group (Fedotova, Sternik, Latkin (2017)).

Growing recognition of the role of the real estate markets for financial markets stability is also reflected in academic activity, including organization of international expert discussions and conferences that bring together representatives of central banks, international organizations, academic community and monetary regulators who jointly seek solutions of creating adequate regulatory framework for managing risks associated with the real estate markets volatility.

On the most notable conferences on the subject matter, which underlined high level of attention to the subject of the real estate markets and financial stability was the conference jointly organized by the Bank for International Settlements and the Monetary Authority of Singapore, which brought together representatives of the South Pacific central banks, International Monetary Fund and academic circles of the United States and the United Kingdom titled “Property markets and financial stability” (BIS Papers, No 64 Property markets and financial stability, https://www.bis.org/publ/bppdf/bispap64.pdf). Conference that was organized by the “central bank of central banks” was structured around four key themes:

1.        Lessons from the crisis (Note: financial crisis of 2007-2008);

2.        House price assessment;

3.        Housing booms and busts;

4.        Property, credit and markets.

Combination of key themes, which is otherwise quite untypical of central banks’ usual research focus, is as worth noting as the thesis of particular papers presented. For example, in his paper “Dealing with real estate booms and busts”, Deniz Igan, an economist in the International Monetary Fund (IMF) Research Department’s Macro-Financial Linkages Unit, notes:

«Real estate is an important, if not the most important, storage of wealth in the economy. Additionally, the majority of households tend to hold wealth in their homes rather than in equities. Typically, in advanced economies less than half of households own stock (directly or indirectly), while the home ownership rate hovers around 65 per cent. In addition, the supply-side effects can be substantial. In most advanced economies, house price cycles tend to lead credit and business cycles (Igan et al (2009)). This suggests that fluctuations in house prices create ripples in the economy through their impact on residential investment, consumption and credit, while the reverse effect is not as prominent, implying that the housing sector can be a source of shocks. Recessions that coincide with a house price bust tend to be deeper and last longer than those that do not, and their cumulative losses are three times the damage done during recessions without busts (emphasis is ours). Again, by contrast, recessions that occur around equity price busts are not significantly more severe or persistent than those that do not (Claessens et al (2008))».

Such observations made by the author do not only illustrate a prominent role that real estate as an asset class plays in financial crises, but also recognizes the fact that real estate market volatility plays a central role plays a central role in the most protracted and damaging episodes of recessions. Such conclusions are based on the deep understanding of the most crucial characteristics of real estate markets: relative illiquidity of the real estate assets, low transparency or real estate transactions data, significant negative externalities (i.e. considerable influence on unemployment and population mobility) of real estate crises.

3.     State of research in Russian academia and financial industry practice

In analyzing state of research in the field of interconnectedness between real estate markets and financial stability in Russia one has to bear in mind that financial industry is rapidly changing due to technological change as well adoption as the adoption of Basel III regulatory framework by the banking regulator and financial industry. Russian central bank implements tools for managing risks, which are typically associated with real estate markets (for example, as part of Basel III implementation, Russian banks with considerable real estate portfolios prepare and implement risk management policies for real estate portfolio valuation risks, while Russian central bank retains the right to, for example, examine real estate assets used as a collateral under mortgage and other types of loans).

Having said that, we observe a certain shortage of studies tailored towards understanding and exploring systemic linkage between stability of financial industry and dynamics and level of development of the real estate market. Additionally, we observe, there are certain traits of Russian economy overall, real estate market and financial industry, which are otherwise untypical of more developed economies and which potentially increase the necessity for such studies, i.e.:

·                   Considerable consolidation of Russian banking sector and, as a result, corresponding concentration of real estate-related risks within the most systemically-significant financial institutions;

·                   Uneven development of the local real estate markets across Russia and, as a result, concentration of the most progressive technologies and competencies of real estate management and valuation within the most developed ones (i.e. Moscow, Saint Petersburg being at the forefront of this process, while regional markets significantly lagging behind them). This, in turn, makes development of relatively universal systemic tools particularly challenging for policy-makers, particularly for local real estate markets that are considered “narrow” (i.e. characterized by the very limited demand, level of development and available transaction data and an increased information asymmetry);

·                   Relatively high risk appetite for real estate as an asset class among Russian banks compared to international financial groups (Fedotova, Sternik, Teleshev (2015));

·                   Rapidly changing geopolitical environment and various sanctions measures and as a result, shrinking presence of international players that typically create demand for progressive methods and technologies of valuation and real estate management. On the other, potentially suppressed demand for such technologies among Russian players given lower prospects of capital raising on international markets that typically reward high level of development of such technologies in company’s intangible assets portfolios.

At the same time, we believe, that significance of studies of real estate markets impact on financial stability is amplified given their systemically significant nature, particularly under such challenging circumstances. There is also an additional degree of significance attached to developing and maintaining such expertise within the banking sector, given its potentially shrinking foothold elsewhere.

4.     Basic definitions of real estate accounting and valuation of banking real estate in Russian financial industry

Accounting and valuation of banking real estate in Russia is regulated by the Central Bank of Russian Federation, Regulation #448-P “On Credit Institutions’ Accounting of Fixed Assets, Intangible Assets, Real Estate Temporary not Used in Operational Activity, Long-Term Assets Held for Sale, Inventories, Means and Objects of Labor of Undetermined Purpose Obtained under Compensation or Pledge Agreements”, effective from 01.01.2016 (hereinafter referred to as 448-P).

According to paragraph 4 of 448-P, determination of fair value of fixed assets, intangible assets, real estate temporary not used in operational activity, long-term assets held for sale, inventories, means and objects of labor of undetermined purpose obtained under compensation or pledge agreements is undertaken in accordance with IFRS 13 “Fair Value Measurement”, which was endorsed together with other IFRS standards by the Government of Russian Federation in 2011: https://www.iasplus.com/en/binary/europe/1103russianifrsendorsementenglish.pdf.

As per IFRS 13, paragraphs 61-66, market approach valuation methodology contains reference to multiplier market models:  “The market approach uses prices and other relevant information generated by market transactions involving identical or comparable (i.e. similar) assets, liabilities or a group of assets and liabilities, such as a business.  For example, valuation techniques consistent with the market approach often use market multiples derived from a set of comparables. Multiples might be in ranges with a different multiple for each comparable. The selection of the appropriate multiple within the range requires judgement, considering qualitative and quantitative factors specific to the measurement. Valuation techniques consistent with the market approach include matrix pricing. Matrix pricing is a mathematical technique used principally to value some types of financial instruments, such as debt securities, without relying exclusively on quoted prices for the specific securities, but rather relying on the securities’ relationship to other benchmark quoted securities.».

Stated provisions of IFRS 13, in our view, de facto ignore provisions contained in Russian legislation regulating valuation methods and process in Russian Federation, which operate with such definitions as a “market” value or “cadastral” value, but not “fair” value of real estate assets. Aside from that, regulator states that banking institutions determine methods of fair value measurement in internal standards or other internal documents, which also runs contrary to valuation legislation. Quite possibly, such legal inconsistencies will be addressed in future to avoid facilitating corruption and economic conflict of interest of market participants. For the purposes of this study, we will therefore operate under the assumption that differences between “fair” and “market” value definitions are negligible and both definitions can be used interchangeably.

For the purposes of the further discussion, we need to consider basic definitions of various of types of bank’s balance sheet the can potentially contain real estate according to 448-P.

·                   In our assessment, real estate on Russian banks’ balance sheets is most commonly held within three major categories, which we will discuss further in more details:

­  fixed assets;

­  real estate temporary not used in operation activity;

­  long-term assets held for sale.

·                   Fixed assets. Asset is considered a fixed asset if it has a material form (i.e. tangible asset), intended of the use by the credit institution for the provision of services of administrative purposes for at least 12 months and the sale of such asset is not planned, while asset is deemed to be meeting the following set of criteria (simultaneously):

­  asset can provide economic benefits to the credit institution in the future;

­  asset value at recognition can be safely determined.

·                   Real estate temporary not used in operation activity (hereinafter referred to as NVNOD after Russian abbreviation of the same – Nedvizhimost’ Vremenno Neispolzuemaja v Osnovnoy Deyatelnosti). Asset is classified as NVNOD (or part of the asset – land parcel, building or its part or both), owned by the credit institution, received by the credit institution as part of its activities under credit institution charter and intended to generate rental income (excluding, however, financial leasing) or capital appreciation of the asset or both, excluding uses within credit organization as means of labor for the provision of services, administrative purposes, security measures, protection of environment or sanitation and technical regulations uses. Asset disposition should not be planned within 12 months from the date of classification of the asset as NVNOD.

Asset should meet the following set of criteria (simultaneously) to be classified as NVNOD:

­  asset can provide economic benefits to the credit institution in the future;

­  asset value can be safely determined.

·                   Long-term assets held for sale. Fixed assets, intangible assets, real estate temporary not used in operational activity, means and objects of labor of undetermined purpose obtained under compensation or pledge agreements are classified as long-term assets held for sale if reimbursement of their value will take place within 12-months period through the sale of the asset from the date of classification of the asset as long-term asset held for sale and not through the continued use of the asset and under the following conditions:

­  long-term asset is prepared for immediate disposition in its current state on prevailing market conditions for the sale of comparable assets;

­  decision regarding sale of the asset is made (long term asset disposition plan is approved) by the head of the credit institution (or his replacement or other authorized person);

­  credit institution is looking for a buyer with a price comparable with asset fair value;

­  actions of the credit institution required to complete disposition of the asset (its disposition plan) demonstrate that alterations to disposition decision or its cancelation will not take place.

·                   In the event asset contains several parts (components) with significantly varying useful lives, each part (component) is recognized as separate inventory object if its value comprises significant part of the overall fixed asset value. Part (component) may have material form or represent expenses for major repairs or technical inspection of the asset, irrespective of whether any replacement of the elements of the asset takes place. Expenses for major repairs or technical inspections are recognized as separate part (component) of the asset only if they happen on a recurring basis throughout useful life of the asset.

·                   Aggregated asset value. Aggregated asset value is defined as a sum of the items’ values integrated into one accounting unit by common characteristics and their intended use. Credit organization is within its rights to integrate several items with common characteristics and intended use, which are separately considered immaterial.

·                   Useful life of the asset. Useful life is defined as a period of time when credit organization retains the asset for purpose of extracting economic benefits. Real estate value is reimbursed throughout useful period of the asset by accrual of depreciation. Useful life period is determined by the credit organization based on the following:

­  anticipated period of the asset use based on its assessed productivity or capacity;

­  anticipated physical deterioration of the asset, depending on its operating mode, natural conditions and aggressive environment, maintenance schedule;

­  legal and regulatory limitations on the use of the asset;

­  obsolescence of the asset, resulting from improvements in industrial process or as a result of the changing demand for the services provided using the asset.

·                   Value at recognition.  Value at recognition for real estate assets received on a reimbursable basis, is recognized as a sum of actual costs incurred by the credit organization during asset construction, creation (production) and acquisition, excluding value-added tax and other reimbursable taxes.

·                   Until the moment asset is ready for the use by the credit organization in accordance with credit organization management intentions, actual costs incurred by the credit organization are recognized as fixed assets unfinished capital expenditures and categorized into separate group within fixed assets as well accounted separately as balance sheet account #60415 “Expenditures for construction, creation (production) and acquisition of the fixed assets”.

·                   Depreciation. Depreciation is defined as systematic repayment of the asset depreciable value throughout its useful life period. Depreciable value is determined as either value at recognition or revalued amount minus calculated liquidation value. Fixed assets represented by land parcels are not depreciated. Real estate temporary not used in operational activity and accounted on the fair value basis are not depreciated. Long-term assets held for sale are not depreciated.

·                   Calculated liquidation value. Calculated liquidation value is defined as amount, which credit organization would receive by the end asset useful period by its disposition minus estimated disposition costs. Calculated liquidation value, useful life period and depreciation method are revised at the end of every reporting year.

·                   Future costs for fulfillment of liabilities for dismantling, liquidation and environment restoration on occupied land parcel should be assessed by the credit organization and included as part of the fixed asset value at recognition so that the credit organization could reimburse such costs throughout the asset useful life period even if such costs are incurred at the end of useful life period of the asset. These costs are required to be recognized as non-credit estimated liabilities and accounted for on balance sheet account # 61501 “Reserves – non-credit estimated liabilities”. Aforementioned liabilities are accounted for on a discounted value basis using discount rate, factoring in prevailing financial market conditions and premiums specific to such risks and which were not factored in during future costs calculations.

·                   Credit organization may use one of two methods of valuation of its real estate assets for the groups of similar assets:  value at recognition minus accumulated depreciation and accumulated value impairment or at revalued amount.

In accordance with accounting model at revalued amount, fixed asset with fair value that can be safely determined must be accounted for at revalued amount after asset’s initial recognition. Revalued amount is understood as the asset fair value on the date of revaluation minus accumulated depreciation and value impairment.  Expenditures for construction, creation (production) and acquisition of the fixed assets, accounted for on the balance sheet account #60415 are not subject to revaluation.

In determination of revalued amount for the fixed assets, a variety of sources of information can be used, i.e.: prices for comparable assets on active market, prices published in the media or professional literature, expert judgements and so on.

·       Credit organization approves, as part of its accounting policy, one of the following methods of its real estate assets revaluation accounting:

­  proportional recalculation of the fixed asset value, reflected on the balance sheet on the reporting date as well as accumulated depreciation of the asset, which is carried out by applying recalculation coefficient. Recalculation coefficient is defined as fair value of the asset on the date divided by its book value minus accumulated depreciation on the same date. Under this accounting method, difference between book value of the asset reflected on the balance after revaluation and recalculated asset’s value using coefficient, equals to the asset fair value.

­  reduction of the revalued asset amount, reflected on the balance sheet on revaluation date by the accumulated depreciation with subsequent recalculation of the revalued amount to assets fair value. Under this accounting method, book value of the asset, reflected on the balance sheet on revaluation date equals to its fair value, while accumulated depreciation equals to zero.

·                   Restoration of the real estate asset may be carried out via repairs, modernization or reconstruction.  Costs incurred by the credit organization for restoration of real estate temporary not used in operational activity via repairs are recognized within the same period they take place as current expenditures. Costs for restoration of real estate temporary not used in operational activity via modernization or reconstruction increase restored asset’s book value.

5.     Structure and value analysis of Russian financial industry real estate assets

As demonstrated in Table, as of the end of 2017 book value of real estate assets of all types outright held by the Russian banks amounted to 1,07 trillion rubles (at fair value in accordance with 448-P),  which equaled to 1,26% of the total Russian banking system assets. Both the absolute amount and its share of the total banking system assets demonstrated stability throughout 8 quarters included into dataset (spanning 2017-2018). Variation in total real assets held on Russian banks books was between 1,04 and 1,08 trillion rubles, while in total banking assets varied between 1,26% and 1,33% (variation, most likely, is not so much due to acquisition or disposition or real estate assets by the banks is due to revaluation practice, which we will discuss further). It is noteworthy that aggregate book value of the real estate assets on banks’ balance sheets did not decrease simultaneously with the number of credit organizations in the banking system, but actually increased by almost 35 billion rubles, which in our opinion, shows that real estate assets demonstrate tendency to concentrate within fewer large banking institutions.

         Book value of the real estate held as fixed assets amounted to 811,83 billion rubles (or 75,8% or all real estate assets outright held by the Russian banks), out of which 16,91 billion rubles corresponded to land book value.

         Book value of the real estate held as long-term assets held for sale is estimated at roughly 73,77 billion rubles (or 6,9% of all real estate assets held outright by the banks).

         Finally, real estate held as NVNOD (real estate temporary not used in operational activity), estimated at “fair” value as per IFRS 13 and 448-P Regulation was 185,25 billion rubles (or 17,3% of all real estate held outright), including 6,43 billion rubles allocated by the banks for possible losses provisions .

Quite evidently, real estate temporary not used in operational activity mostly represents real estate assets repossessed by the banks as part their bad debts workout strategy and which is not used by the banks in their day-to-day activities and thereby serving as an economic encumbrance on the banking system. To a smaller extent this represents real estate previously used in operational activity, excluded from fixed assets and operational due to various reasons and not yet disposed of.

         The smallest part (13,53 billion rubles or 7,3% of the total NVNOD category) of the banking real estate assets held outright is represented by construction in progress, which we estimate to be mostly former development projects repossessed by the banks rather than construction for the banks’ own use in their operational activity.

         Another part of real estate temporary not used in operational activity are real estate assets under current leases (15,11 billion rubles or 8,2% of NVNOD as land and 61,01 billion rubles or 19,9% of NVNOD as real estate excluding land). Presence of real estate leased out by the banks may in part compensate for overall potential losses, however it does not represent banking system core activity.

         From the data discussed above, at first, one could conclude that real estate assets held outright (i.e. 1,26% of the total assets) do not represent a significant portion and therefore do not pose a significant threat of destabilizing banking sector under the worst case scenario of the real estate portfolio devaluation. However, an additional analysis has to be made to demonstrate concentration of the real estate assets held outright and corresponding risks by individual banks (at least with a focus on the biggest, systemically significant predominantly state-owned banks).

         Table 2 contains comparative analysis of book value of real estate assets held outright by Sberbank PJSC and VTB Group banks (VTB Bank PJSC, Bank VTB 24, BM-Bank) as of 01.01.2018.

         As demonstrated by the data in Table 2, total book value of the real estate assets held outright by the these banks amounts to 520,82 billion rubles or 49% of all real estate held outright by the entire Russian banking system. We also note that portfolio structures of these banks are significantly different from each other.

         Diagram 1 illustrates that majority of Sberbank PJSC real estate assets held outright are represented by real estate as part of fixed assets, whereas in VTB Bank PJSC and other VTB Group banks’ (VTB 24, BM Bank) case, only 59% of all assets is represented by the real estate as part of fixed assets, 4% as part of long-term assets held for sale and the rest 37% is held in real estate temporary not used in operational activity.   


Table 1. Analysis of selected balance sheet chapters of Russian banking institutions based on the Central Bank of Russian Federation reporting forms (Form 101)

Total

Banking system total as of reporting date, billions of rubles

Balance sheet chapter

Balance sheet account

Balance sheet account #

01.04.2016

01.07.2016

01.10.2016

01.01.2017

01.04.2017

01.07.2017

01.10.2017

01.01.2018

Fixed assets

Fixed assets (excluding land)

60401

1 365,20

1 368,84

1 360,30

1 368,32

1 268,85

1 274,55

1 319,73

1 324,87

Land

60404

14,93

15,14

14,46

15,74

16,55

16,31

16,47

16,91

Expert estimation of real estate as part of fixed assets (60%)

819,12

821,30

816,18

820,99

761,31

764,73

791,84

794,92

 

Total real estate as part of Fixed assets

 

834,05

836,44

830,64

836,74

777,86

781,04

808,31

811,83

Real estate temporary not used in operational activity

Real estate temporary not used in operational activity

 

144,59

161,23

162,74

163,60

189,43

191,90

201,63

185,25

Long-term assets held for sale

Real estate as part of Long-term assets held for sale (60%)

 

57,74

62,43

62,54

67,01

71,59

76,57

73,00

73,77

Subtotal:

 

1 036,37

1 060,10

1 055,92

1 067,36

1 038,88

1 049,51

1 082,94

1 070,85

Total assets of Russian banking institutions (Source: Banking sector overview)

81 114,70

79 545,00

79 669,00

80 063,26

79 221,83

80 778,06

82 253,73

85 191,84

Share of real estate outright held in total assets

1,28%

1,33%

1,33%

1,33%

1,31%

1,30%

1,32%

1,26%

Real estate temporary not used in operational activity

Real estate temporary not used in operational activity (land)

61905

27,43

38,04

39,36

36,67

54,92

62,74

62,14

58,72

Real estate temporary not used in operational activity (land), under leases

61906

25,78

27,52

24,50

27,48

27,71

20,43

20,77

15,11

Real estate temporary not used in operational activity (excluding land)

61907

25,67

28,51

32,62

34,53

40,50

41,02

42,86

61,01

Real estate temporary not used in operational activity (excluding land), under leases

61908

34,93

35,82

37,26

35,64

36,91

34,82

34,94

36,90

Real estate temporary not used in operational activity – capital expenditures

61911

30,77

31,34

29,01

29,29

29,39

32,89

40,93

13,53

Real estate temporary not used in operational activity (losses provisions)

61912

4,25

4,14

3,62

9,58

9,30

13,73

14,32

6,43

TOTAL NVNOD:

144,59

161,23

162,74

163,60

189,43

191,90

201,63

185,25

Losses provisions as a percent of assets book value

2,94%

2,57%

2,22%

5,85%

4,91%

7,15%

7,10%

3,47%


Table 2.

Comparative analysis of selected balance sheet chapters of Sberbank PJSC and VTB Group banks (VTB Bank PJSC, Bank VTB 24, BM Bank) as of 01.01.2018, according to reporting forms of the Central Bank of Russian Federation (Form 101), billions of rubles

Sberbank PJSC

VTB Bank PJSC, VTB 24, BM Bank

Fixed assets (excluding land), real estate is estimated to comprise 60% of fixed assets

336,85

97,69

Fixed assets (land)

4,33

2,12

Real estate temporary not used in operational activity (excluding land)

0,79

21,29

Real estate temporary not used in operational activity (excluding land), under leases

0,75

8,15

Real estate temporary not used in operational activity (land)

0,2

20,39

Real estate temporary not used in operational activity (land), under leases

0,01

8,4

Real estate temporary not used in operational activity – capital expenditures

0,005

2,96

Real estate temporary not used in operational activity (losses provisions)

0,001

1,06

Real estate as part of long term assets held for sale (estimated at 60% of total long term assets held for sale)

7,9

5,82

Real estate as part long term assets held for sale – losses provisions (estimated at 60% of total losses provisions for long term assets held for sale)

1,19

0,91

Total:

352,03

168,79

Diagram1. Book value structure of Sberbank PJSC real estate portfolio

Diagram 2. Book value structure of VTB Group banks’ real estate portfolio

It is therefore safe to assess that in VTB Group case, there are significant risks of potential losses as well as the higher share of inefficient costs associated with ownership of non-core assets compared to Sberbank PJSC. Additionally, risks associated with potential devaluation of the real estate assets utilized outside of the highest and best use concept are estimated to be significantly higher for VTB Group banks compared to Sberbank PJSC. 

Example above, we posit, provides additional reason for the necessity of developing methodological framework of strategic value management for banking real estate portfolios as part of their capital for entire Russian banking system for the purposes of enhancing overall banking system stability.

6.                 Directions for further research on strategic value management for banking real estate portfolios

As demonstrated in the previous chapters of this study, real estate as an asset class plays an important and multi-faceted role in the banking system, i.e. real estate owned or rented and used in operational activity comprises considerable portion of banks’ capital (including through the inclusion of positive revaluation of the real estate portfolios held as fixed assets as part of the banks’ Tier II capital) and represent one of the largest banks’ expense items (second only to personnel expenses – as part of the banks’ real estate portfolios referred to as “corporate real estate” in international academic studies),

On the other hand, real estate repossessed by the banks as part of working out bad debts also affects their real estate portfolios and may create a negative effect for banks’ capital when not disposed of timely due to difficulties of either determining its fair value, properties low liquidity or the necessity to create provisions for losses on the banks’ balance sheets (i.e. real estate repossessed).

Furthermore, in view of overall crisis conditions and the need to improve capital ratios, banks often identify a separate real estate category within their portfolios, i.e. investment real estate, which is intended to generate additional rental income and / or provide capital appreciation thereby improving banks’ capital adequacy.

Each aforementioned category of real estate within banks’ portfolios has its own characteristics and separate management instruments, as well as accounting and management accounting specifics that separate them from each other (i.e. corporate real estate owned is accounted for as part of fixed assets on the basis of value at recognition minus accumulated depreciation, while investment real estate is accounted for on fair value basis assessed by professional market appraisers).

Real estate multi-faceted role as an asset class in banking sector stability underlines the necessity for an in-depth academic study in the field, as well as competent management practices in order to manage risks of the banking industry instability and demands an application of systemic approach towards corporate real estate portfolio management, its analysis and risk management.

Proposed strategy of banks real estate formation and development – therefore should be a comprehensive system of value management aimed at facilitating shareholders’ interests by meeting the following conditions:

1) Quantitative and qualitative structure of the real estate portfolio is necessary and sufficient for bank’s operational activity as well as aligned with shareholders’ approved long-term plan;

2) Current return on capital, invested in real estate portfolio (current economic benefits – capital expenditures – operating expenses) is positive (P&L> 0);

3) Market liquidity and market value of the real estate portfolio is maximized during disposal though Highest and Best Use for local real estate markets (i.e. each property represents, whenever possible, prime asset within its local real estate market segment);

4) All properties comprising real estate portfolio, necessary for operational activities and not representing prime assets within their respective local market segments, are converted from ownership to leases;

5) Design, construction, fit-out as well property maintenance are centralized and undertaken in accordance with approved corporate standards ensuring positive effect on bank’s image on a contemporary requirements level (i.e. sufficient level of technology, innovation, environment protection and energy and economic efficiency as well aesthetics).

Suggested target indicators for strategic value management for banking real estate portfolios are listed in the Table 3 directly below.

Table 3. System of indicators for strategic value management for banking real estate portfolios

Indicator

Indicator methodology

Target value

1.     Share of inefficiently utilized real estate assets, %

Usable area of properties above target portfolio divided by total real estate portfolio usable area

< 5%

2.     Share of illiquid and low investment grade real estate assets owned, %

Usable area of illiquid and low investment grade real estate assets owned, divided by total usable are of the real estate portfolio

< 10%

3.     Operating efficiency

Operating costs divided by operating income

(C / I)

< 1

4.     Return on capital, adjusted for risk of real estate portfolio ownership

Operating income divided by current real estate portfolio book value, excluding revaluation of real estate portfolio and provision for losses

> Inflation rate

5.     β-coefficient (how real estate portfolio measures against the real estate market)?)

Weighted average of total market value of the real estate portfolio market value divided by average market prices in respective market segment

      >1,20%

6.     Group of the indicators of real estate portfolio size repossessed by the bank as part of the bad debt workout procedures

6.1. Size of the real estate portfolio repossessed by the bank relative to operational real estate portfolio

6.2. Size of the real estate portfolio repossessed by the bank relative to bank’s total assets

6.1. <30%

6.2. <0,5%

7.     6.      Group of the efficiency indicators for real estate portfolio repossessed by the bank as part of the bad debt workout procedures

7.1. Real estate portfolio turnover

7.2. Recovery rate for for bad debt

7.1. Average duration of the real assets residing on bank’s balance sheet <1 year

7.2. According to industry practice, but generally above 60%

System of indicators for strategic value management for banking real estate portfolios is comprehensive and balanced (i.e. includes indicators for both operational portfolio and real estate portfolio repossessed by the bank as part of the bad debt workout procedures), it is however can be adjusted and adapted to the particular bank’s business model as well as changes in banking regulations.

As a result, we propose to consider bank’s customer satisfaction in bank’s core services as one of the main factors driving overall real estate portfolio value as well the quality of management of the real estate portfolio repossessed by the bank as part of its bad debt workout procedures.

It is, however, important to note that highest and best use of each real estate asset can be different from the same determined as part of the entire portfolio or a group of assets. We therefore posit that central criteria of highest and best use of maximizing each and every asset value should be replaced with criteria of maximizing value of bank’s value a business, which, when achieved, will represent the highest real estate portfolio value as a result.

On the basis of the above, it is therefore proposed to understand highest and best use of the bank’s real estate portfolio as a legally, physically and economically complex entity, the use that  maximizes bank’s overall value as business by optimal allocation of the bank’s real estate assets.

7.                 Suggestions for development of tactical methods and instruments of banking real estate portfolios value management

Given demonstrated positive correlation between the real estate markets’ volatility and corresponding financial stability, we believe it is necessary to study subject further and resolve a set of academic and practical problems aimed at creating consistent methodological framework for managing large, geographically distributed banks’ real estate portfolios as well as building a system of real estate market monitoring, analysis and forecasting for the purposes maintaining bank’s sustainable capital base.

Table 4 demonstrates broad directions of further development of theoretical and practical instruments of facilitating strategic imperatives outlined in Chapter 6 of this study.

Table 4. Broad directions, methods and instruments of banking real estate portfolio value management

Directions

Methods

Instruments

1. Determination of quantitative and qualitative structure of the banking real estate portfolio

1.1. Preparation of banking real estate register including properties location, type of property, area, intended use, property title (including land), its legal status (quality of property rights, registration status, i.e. rights are registered or not, status of cadastral records, encumbrances etc.), total costs of property maintenance, property taxes, rental expenses for property (including land), actual occupancy rate of the property  

Information and analytical tools:

- IT-platforms for real estate portfolios management (i.e CAFM systems for corporate real estate portfolio) analytical databases

- analytical instruments for property clustering

- data visualization instruments (graphs and diagrams, spatial data visualization instruments)

1.2. Preparation of spatial diagrams and maps demonstrating portfolio distribution over various economic and geographic regions (i.e. countries, specific regions and/or large cities)

1.3. Determination of geographic focus points for drawing down or expanding portfolio and physical bank’s presence (i.e. more or less banking offices required to cover specific area of bank’s operations)

1.4. Determination of properties, which are economically not viable, but socially significant (i.e. fulfilling bank’s social responsibility role and commitments)

2. Real estate portfolio optimization

2.1. Calculation of real estate portfolio actively utilized share

Economic analysis instruments:

- comparative analysis

- correlation and regression

- cluster analysis

- spatial-parametric analysis

2.2. Calculation of underutilized share of banking real estate portfolio and further analysis of its efficiency

2.3. Prepare recommendations to optimize shares of actively utilized and underutilized shares of the bank’s real estate portfolio

2.4. Forecast of the future changes in bank’s demand for real estate for its operations in view of expanding significance of online banking solutions

2.5. Determination of future demand for physical offices by the bank’s clients – both corporate and retail

3. Portfolio efficiency indicators assessment

3.1. Calculation of the rate of return on capital invested in various groups of real estate within the bank’s real estate portfolio

Financial analysis instruments:

- return on capital rate

- liquidity measurements

- profitability rates

- real estate valuation methods and techniques

- management costs calculations

3.2. Evaluation of liquidity and market value of each property comprising bank’s real estate portfolio

3.3. Evaluation of liquidity and market value of the bank’s real estate portfolio as a whole

3.4. Calculation of the costs involved in managing the portfolio

4. Real estate portfolio legal support

4.1. Formulating standards for legal support of real estate portfolio

Legal instruments

5. Optimization of owned vs. rented real estate ratio

5.1. Determination of optimal rate of owned vs. rented real estate for banking operations based on international best practices and benchmarks (based on the comparative analysis with other banking groups as well as other operators of the large real estate portfolios with developed branch networks)

5.2. Calculation of internal rate of rent for properties owned by the bank

5.3. Roadmap preparation for transitioning from the  current state to the target state of owned vs. rented real estate ratio

6. Reengineering real estate portfolio management business processes

6.1. Determination of the most efficient business process owners or managing bank’s real estate portfolio

Business processes optimization tools:

- business processes formalization techniques

- business processes audit

- business processes modelling techniques

6.2. Determining methodology for transferring ownership of business processes from current owners to target (i.e. most efficient) owners

6.3. Preparation of the methodological support for owners of the delegated business processes

7. Evaluation and minimization of risks

7.1. Identification and evaluation of risks associated with real estate owned vs. real estate rented

Risk-management instruments

7.2. Preparation of methodology of risks’ minimization

7.3. Calculation of β coefficient value for various assets in real estate portfolio

8. Improvement of existing assets and assets under construction

8.1. Preparation of corporate standards for construction, fit-out and maintenance of all properties comprising real estate portfolio

Technical instruments

9. Instruments for efficient management of the real estate portfolio repossessed by the bank as part of the bad debt workout procedures

9.1. Development of repossessed portfolio KPIs system

9.2. Determination of KPIs target values

9.3. Implementation of KPI system for managing real estate portfolio real estate portfolio repossessed as part of the bad debt workout procedures

Portfolio-level instruments, including mass valuation methodology for revaluation of large homogenous real estate portfolios (i.e. large number of residential properties)

Concluding remarks

1.                 Monitoring, forecasting and methods of managing negative real estate markets volatility impact on financial stability are important factors in preventing banking crises.

2.                 On an international level, this subject is among the key themes for research, including efforts by the Bank of International Settlements and respective academic and research circles.

3.                 There is an objectively presupposed consolidation of the Russian banking sector, which in turn may create corresponding concentration of real-estate related risks within the most systemically significant financial institutions and subsequently drive their appetite for real-estate related risks above what is considered benchmark for international banking groups. At the same time, we note a certain shortage of relevant research and methodology development on the subject matter.

4.                 Current regulations on valuation and accounting of banking real estate in Russia, in our view, contain certain legal and methodological inconsistencies that may inhibit their ability to fulfill a strategic goal of facilitating financial sector and, in particular, banking sector stability in their  connection with systemically-significant real estate markets.

5.                 Comparative analysis of real estate assets of the Russian banking system and its most significant financial institutions provides an opportunity to evaluate risk and problem areas as well as outline further directions for research, crises prevention methods and offer strategic imperatives as well as prospective instruments and indicators for efficient management of banking real estate portfolios.

References

Fedotova M.A., Sternik S.G., Latkin F.A. 2017. “Current/actual problems of corporate real estate portfolio valuation.” Property Relations in the Russian Federation  #1(184) - P.70-77

Fedotova M.A., Sternik S.G., Teleshev G.V. 2015. “Corporate real estate management methodology for real estate as part of bank’s assets and capital.” Management Sciences #4 (17) - P.62-70

Bank of Russia Regulation No. 448-P, dated 22 December 2014, “On Credit Institutions’ Accounting of Fixed Assets, Intangible Assets, Real Estate Temporary not Used in Operational Activity, Long-Term Assets Held for Sale, Inventories, Means and Objects of Labour of Undetermined Purpose Obtained under Compensation or Pledge Agreements”

«Impact of banking real estate as an asset class on financial system stability: monitoring, forecasting, management»

(Опубликовано в Journal of Reviews on Global Economics (Канада, SCOPUS), 2018, 7)
Категория: методические материалы

Презентация доклада здесь

«Impact of banking real estate as an asset class on financial system stability: monitoring, forecasting, management»

Authors:

Sternik S.G., ScD (Economics), Professor of the Financial University under the Government of Russian Federation, Moscow, Russia

E-mail: sergey-sternik@yandex.ru

Teleshev G.V., Director, Department of strategy and corporate development, VTB Bank PJSC, Moscow, Russia

E-mail: gteleshev@gmail.com

1.     Introduction

Financial crisis of 2007-2008 in the United States made international community recognize the nature of risky interconnectedness between real estate markets dynamics and global financial markets health given the fact that it started as a mortgage crisis first. Due to underestimation of risks inherent for real estate markets, the worst case scenario of national and international economic crisis (as reflected in decreasing industrial indicators, employment and consumption) was not avoided, which subsequently resulted in financial (steep decline in assets prices) and finally, banking crisis (insolvency of banking institutions reflected in their ability to meet financial obligations).

One of the most important reactions to the crisis by the international financial regulators was the revision of capital requirements for banking institutions codified in revised Basel III standards, which are almost universally believed to be able to affect real estate markets dynamics due to the more conservative approach of many financial institutions towards loans secured by the real estate.  

However, realization of systemic interconnectedness between real estate markets dynamics and financial markets stability is not limited to more stringent capital requirements for real estate loans (as well as structuring of complex derivatives with real estate as collateral). Regulators (both in Russia and internationally), serving as systemically important consumers of academic research on the real estate markets and financial stability, increasingly recognize that real estate as an asset class plays a more significant role in financial system stability than was previously thought (particularly before 2007-2008 financial crisis in the United States). Given the above, we believe that financial regulators may, in setting their overall policy, greatly benefit from solution of the very important practical and scientific problem – namely, determination of the level of influence and corresponding mechanisms of the real estate markets values dynamics on financial system stability.

Additional factor, which increases the necessity for more in-depth and systemic study of the real estate markets for the purposes of setting banking sector regulations, are characteristics of real estate markets as predominantly local, cyclical in nature as well as characterized by relatively inelastic demand and considerable information asymmetry of information on real estate transactions. This, in turn, present a unique challenge for regulators in developing comprehensive regulatory instruments tailored towards complexity and considerable segmentation of banking real estate portfolios as well as factoring in potential impact of real estate markets volatility on banking sector stability.

2.     State of research on the subject internationally

Following mortgage crisis in the United States in 2007-2008, it was almost universally accepted that real estate not only represents real (i.e. tangible) asset, but also comprises a considerable portion of the debt markets (in the form of both mortgages and mortgage-backed securities) as well as equity markets (in the form REITs). Therefore, for example, Moody’s international rating agency included real estate portfolio cash flow volatility ratings into other their non-credit ratings group (Fedotova, Sternik, Latkin (2017)).

Growing recognition of the role of the real estate markets for financial markets stability is also reflected in academic activity, including organization of international expert discussions and conferences that bring together representatives of central banks, international organizations, academic community and monetary regulators who jointly seek solutions of creating adequate regulatory framework for managing risks associated with the real estate markets volatility.

On the most notable conferences on the subject matter, which underlined high level of attention to the subject of the real estate markets and financial stability was the conference jointly organized by the Bank for International Settlements and the Monetary Authority of Singapore, which brought together representatives of the South Pacific central banks, International Monetary Fund and academic circles of the United States and the United Kingdom titled “Property markets and financial stability” (BIS Papers, No 64 Property markets and financial stability, https://www.bis.org/publ/bppdf/bispap64.pdf). Conference that was organized by the “central bank of central banks” was structured around four key themes:

1.        Lessons from the crisis (Note: financial crisis of 2007-2008);

2.        House price assessment;

3.        Housing booms and busts;

4.        Property, credit and markets.

Combination of key themes, which is otherwise quite untypical of central banks’ usual research focus, is as worth noting as the thesis of particular papers presented. For example, in his paper “Dealing with real estate booms and busts”, Deniz Igan, an economist in the International Monetary Fund (IMF) Research Department’s Macro-Financial Linkages Unit, notes:

«Real estate is an important, if not the most important, storage of wealth in the economy. Additionally, the majority of households tend to hold wealth in their homes rather than in equities. Typically, in advanced economies less than half of households own stock (directly or indirectly), while the home ownership rate hovers around 65 per cent. In addition, the supply-side effects can be substantial. In most advanced economies, house price cycles tend to lead credit and business cycles (Igan et al (2009)). This suggests that fluctuations in house prices create ripples in the economy through their impact on residential investment, consumption and credit, while the reverse effect is not as prominent, implying that the housing sector can be a source of shocks. Recessions that coincide with a house price bust tend to be deeper and last longer than those that do not, and their cumulative losses are three times the damage done during recessions without busts (emphasis is ours). Again, by contrast, recessions that occur around equity price busts are not significantly more severe or persistent than those that do not (Claessens et al (2008))».

Such observations made by the author do not only illustrate a prominent role that real estate as an asset class plays in financial crises, but also recognizes the fact that real estate market volatility plays a central role plays a central role in the most protracted and damaging episodes of recessions. Such conclusions are based on the deep understanding of the most crucial characteristics of real estate markets: relative illiquidity of the real estate assets, low transparency or real estate transactions data, significant negative externalities (i.e. considerable influence on unemployment and population mobility) of real estate crises.

3.     State of research in Russian academia and financial industry practice

In analyzing state of research in the field of interconnectedness between real estate markets and financial stability in Russia one has to bear in mind that financial industry is rapidly changing due to technological change as well adoption as the adoption of Basel III regulatory framework by the banking regulator and financial industry. Russian central bank implements tools for managing risks, which are typically associated with real estate markets (for example, as part of Basel III implementation, Russian banks with considerable real estate portfolios prepare and implement risk management policies for real estate portfolio valuation risks, while Russian central bank retains the right to, for example, examine real estate assets used as a collateral under mortgage and other types of loans).

Having said that, we observe a certain shortage of studies tailored towards understanding and exploring systemic linkage between stability of financial industry and dynamics and level of development of the real estate market. Additionally, we observe, there are certain traits of Russian economy overall, real estate market and financial industry, which are otherwise untypical of more developed economies and which potentially increase the necessity for such studies, i.e.:

·                   Considerable consolidation of Russian banking sector and, as a result, corresponding concentration of real estate-related risks within the most systemically-significant financial institutions;

·                   Uneven development of the local real estate markets across Russia and, as a result, concentration of the most progressive technologies and competencies of real estate management and valuation within the most developed ones (i.e. Moscow, Saint Petersburg being at the forefront of this process, while regional markets significantly lagging behind them). This, in turn, makes development of relatively universal systemic tools particularly challenging for policy-makers, particularly for local real estate markets that are considered “narrow” (i.e. characterized by the very limited demand, level of development and available transaction data and an increased information asymmetry);

·                   Relatively high risk appetite for real estate as an asset class among Russian banks compared to international financial groups (Fedotova, Sternik, Teleshev (2015));

·                   Rapidly changing geopolitical environment and various sanctions measures and as a result, shrinking presence of international players that typically create demand for progressive methods and technologies of valuation and real estate management. On the other, potentially suppressed demand for such technologies among Russian players given lower prospects of capital raising on international markets that typically reward high level of development of such technologies in company’s intangible assets portfolios.

At the same time, we believe, that significance of studies of real estate markets impact on financial stability is amplified given their systemically significant nature, particularly under such challenging circumstances. There is also an additional degree of significance attached to developing and maintaining such expertise within the banking sector, given its potentially shrinking foothold elsewhere.

4.     Basic definitions of real estate accounting and valuation of banking real estate in Russian financial industry

Accounting and valuation of banking real estate in Russia is regulated by the Central Bank of Russian Federation, Regulation #448-P “On Credit Institutions’ Accounting of Fixed Assets, Intangible Assets, Real Estate Temporary not Used in Operational Activity, Long-Term Assets Held for Sale, Inventories, Means and Objects of Labor of Undetermined Purpose Obtained under Compensation or Pledge Agreements”, effective from 01.01.2016 (hereinafter referred to as 448-P).

According to paragraph 4 of 448-P, determination of fair value of fixed assets, intangible assets, real estate temporary not used in operational activity, long-term assets held for sale, inventories, means and objects of labor of undetermined purpose obtained under compensation or pledge agreements is undertaken in accordance with IFRS 13 “Fair Value Measurement”, which was endorsed together with other IFRS standards by the Government of Russian Federation in 2011: https://www.iasplus.com/en/binary/europe/1103russianifrsendorsementenglish.pdf.

As per IFRS 13, paragraphs 61-66, market approach valuation methodology contains reference to multiplier market models:  “The market approach uses prices and other relevant information generated by market transactions involving identical or comparable (i.e. similar) assets, liabilities or a group of assets and liabilities, such as a business.  For example, valuation techniques consistent with the market approach often use market multiples derived from a set of comparables. Multiples might be in ranges with a different multiple for each comparable. The selection of the appropriate multiple within the range requires judgement, considering qualitative and quantitative factors specific to the measurement. Valuation techniques consistent with the market approach include matrix pricing. Matrix pricing is a mathematical technique used principally to value some types of financial instruments, such as debt securities, without relying exclusively on quoted prices for the specific securities, but rather relying on the securities’ relationship to other benchmark quoted securities.».

Stated provisions of IFRS 13, in our view, de facto ignore provisions contained in Russian legislation regulating valuation methods and process in Russian Federation, which operate with such definitions as a “market” value or “cadastral” value, but not “fair” value of real estate assets. Aside from that, regulator states that banking institutions determine methods of fair value measurement in internal standards or other internal documents, which also runs contrary to valuation legislation. Quite possibly, such legal inconsistencies will be addressed in future to avoid facilitating corruption and economic conflict of interest of market participants. For the purposes of this study, we will therefore operate under the assumption that differences between “fair” and “market” value definitions are negligible and both definitions can be used interchangeably.

For the purposes of the further discussion, we need to consider basic definitions of various of types of bank’s balance sheet the can potentially contain real estate according to 448-P.

·                   In our assessment, real estate on Russian banks’ balance sheets is most commonly held within three major categories, which we will discuss further in more details:

­  fixed assets;

­  real estate temporary not used in operation activity;

­  long-term assets held for sale.

·                   Fixed assets. Asset is considered a fixed asset if it has a material form (i.e. tangible asset), intended of the use by the credit institution for the provision of services of administrative purposes for at least 12 months and the sale of such asset is not planned, while asset is deemed to be meeting the following set of criteria (simultaneously):

­  asset can provide economic benefits to the credit institution in the future;

­  asset value at recognition can be safely determined.

·                   Real estate temporary not used in operation activity (hereinafter referred to as NVNOD after Russian abbreviation of the same – Nedvizhimost’ Vremenno Neispolzuemaja v Osnovnoy Deyatelnosti). Asset is classified as NVNOD (or part of the asset – land parcel, building or its part or both), owned by the credit institution, received by the credit institution as part of its activities under credit institution charter and intended to generate rental income (excluding, however, financial leasing) or capital appreciation of the asset or both, excluding uses within credit organization as means of labor for the provision of services, administrative purposes, security measures, protection of environment or sanitation and technical regulations uses. Asset disposition should not be planned within 12 months from the date of classification of the asset as NVNOD.

Asset should meet the following set of criteria (simultaneously) to be classified as NVNOD:

­  asset can provide economic benefits to the credit institution in the future;

­  asset value can be safely determined.

·                   Long-term assets held for sale. Fixed assets, intangible assets, real estate temporary not used in operational activity, means and objects of labor of undetermined purpose obtained under compensation or pledge agreements are classified as long-term assets held for sale if reimbursement of their value will take place within 12-months period through the sale of the asset from the date of classification of the asset as long-term asset held for sale and not through the continued use of the asset and under the following conditions:

­  long-term asset is prepared for immediate disposition in its current state on prevailing market conditions for the sale of comparable assets;

­  decision regarding sale of the asset is made (long term asset disposition plan is approved) by the head of the credit institution (or his replacement or other authorized person);

­  credit institution is looking for a buyer with a price comparable with asset fair value;

­  actions of the credit institution required to complete disposition of the asset (its disposition plan) demonstrate that alterations to disposition decision or its cancelation will not take place.

·                   In the event asset contains several parts (components) with significantly varying useful lives, each part (component) is recognized as separate inventory object if its value comprises significant part of the overall fixed asset value. Part (component) may have material form or represent expenses for major repairs or technical inspection of the asset, irrespective of whether any replacement of the elements of the asset takes place. Expenses for major repairs or technical inspections are recognized as separate part (component) of the asset only if they happen on a recurring basis throughout useful life of the asset.

·                   Aggregated asset value. Aggregated asset value is defined as a sum of the items’ values integrated into one accounting unit by common characteristics and their intended use. Credit organization is within its rights to integrate several items with common characteristics and intended use, which are separately considered immaterial.

·                   Useful life of the asset. Useful life is defined as a period of time when credit organization retains the asset for purpose of extracting economic benefits. Real estate value is reimbursed throughout useful period of the asset by accrual of depreciation. Useful life period is determined by the credit organization based on the following:

­  anticipated period of the asset use based on its assessed productivity or capacity;

­  anticipated physical deterioration of the asset, depending on its operating mode, natural conditions and aggressive environment, maintenance schedule;

­  legal and regulatory limitations on the use of the asset;

­  obsolescence of the asset, resulting from improvements in industrial process or as a result of the changing demand for the services provided using the asset.

·                   Value at recognition.  Value at recognition for real estate assets received on a reimbursable basis, is recognized as a sum of actual costs incurred by the credit organization during asset construction, creation (production) and acquisition, excluding value-added tax and other reimbursable taxes.

·                   Until the moment asset is ready for the use by the credit organization in accordance with credit organization management intentions, actual costs incurred by the credit organization are recognized as fixed assets unfinished capital expenditures and categorized into separate group within fixed assets as well accounted separately as balance sheet account #60415 “Expenditures for construction, creation (production) and acquisition of the fixed assets”.

·                   Depreciation. Depreciation is defined as systematic repayment of the asset depreciable value throughout its useful life period. Depreciable value is determined as either value at recognition or revalued amount minus calculated liquidation value. Fixed assets represented by land parcels are not depreciated. Real estate temporary not used in operational activity and accounted on the fair value basis are not depreciated. Long-term assets held for sale are not depreciated.

·                   Calculated liquidation value. Calculated liquidation value is defined as amount, which credit organization would receive by the end asset useful period by its disposition minus estimated disposition costs. Calculated liquidation value, useful life period and depreciation method are revised at the end of every reporting year.

·                   Future costs for fulfillment of liabilities for dismantling, liquidation and environment restoration on occupied land parcel should be assessed by the credit organization and included as part of the fixed asset value at recognition so that the credit organization could reimburse such costs throughout the asset useful life period even if such costs are incurred at the end of useful life period of the asset. These costs are required to be recognized as non-credit estimated liabilities and accounted for on balance sheet account # 61501 “Reserves – non-credit estimated liabilities”. Aforementioned liabilities are accounted for on a discounted value basis using discount rate, factoring in prevailing financial market conditions and premiums specific to such risks and which were not factored in during future costs calculations.

·                   Credit organization may use one of two methods of valuation of its real estate assets for the groups of similar assets:  value at recognition minus accumulated depreciation and accumulated value impairment or at revalued amount.

In accordance with accounting model at revalued amount, fixed asset with fair value that can be safely determined must be accounted for at revalued amount after asset’s initial recognition. Revalued amount is understood as the asset fair value on the date of revaluation minus accumulated depreciation and value impairment.  Expenditures for construction, creation (production) and acquisition of the fixed assets, accounted for on the balance sheet account #60415 are not subject to revaluation.

In determination of revalued amount for the fixed assets, a variety of sources of information can be used, i.e.: prices for comparable assets on active market, prices published in the media or professional literature, expert judgements and so on.

·       Credit organization approves, as part of its accounting policy, one of the following methods of its real estate assets revaluation accounting:

­  proportional recalculation of the fixed asset value, reflected on the balance sheet on the reporting date as well as accumulated depreciation of the asset, which is carried out by applying recalculation coefficient. Recalculation coefficient is defined as fair value of the asset on the date divided by its book value minus accumulated depreciation on the same date. Under this accounting method, difference between book value of the asset reflected on the balance after revaluation and recalculated asset’s value using coefficient, equals to the asset fair value.

­  reduction of the revalued asset amount, reflected on the balance sheet on revaluation date by the accumulated depreciation with subsequent recalculation of the revalued amount to assets fair value. Under this accounting method, book value of the asset, reflected on the balance sheet on revaluation date equals to its fair value, while accumulated depreciation equals to zero.

·                   Restoration of the real estate asset may be carried out via repairs, modernization or reconstruction.  Costs incurred by the credit organization for restoration of real estate temporary not used in operational activity via repairs are recognized within the same period they take place as current expenditures. Costs for restoration of real estate temporary not used in operational activity via modernization or reconstruction increase restored asset’s book value.

5.     Structure and value analysis of Russian financial industry real estate assets

As demonstrated in Table, as of the end of 2017 book value of real estate assets of all types outright held by the Russian banks amounted to 1,07 trillion rubles (at fair value in accordance with 448-P),  which equaled to 1,26% of the total Russian banking system assets. Both the absolute amount and its share of the total banking system assets demonstrated stability throughout 8 quarters included into dataset (spanning 2017-2018). Variation in total real assets held on Russian banks books was between 1,04 and 1,08 trillion rubles, while in total banking assets varied between 1,26% and 1,33% (variation, most likely, is not so much due to acquisition or disposition or real estate assets by the banks is due to revaluation practice, which we will discuss further). It is noteworthy that aggregate book value of the real estate assets on banks’ balance sheets did not decrease simultaneously with the number of credit organizations in the banking system, but actually increased by almost 35 billion rubles, which in our opinion, shows that real estate assets demonstrate tendency to concentrate within fewer large banking institutions.

         Book value of the real estate held as fixed assets amounted to 811,83 billion rubles (or 75,8% or all real estate assets outright held by the Russian banks), out of which 16,91 billion rubles corresponded to land book value.

         Book value of the real estate held as long-term assets held for sale is estimated at roughly 73,77 billion rubles (or 6,9% of all real estate assets held outright by the banks).

         Finally, real estate held as NVNOD (real estate temporary not used in operational activity), estimated at “fair” value as per IFRS 13 and 448-P Regulation was 185,25 billion rubles (or 17,3% of all real estate held outright), including 6,43 billion rubles allocated by the banks for possible losses provisions .

Quite evidently, real estate temporary not used in operational activity mostly represents real estate assets repossessed by the banks as part their bad debts workout strategy and which is not used by the banks in their day-to-day activities and thereby serving as an economic encumbrance on the banking system. To a smaller extent this represents real estate previously used in operational activity, excluded from fixed assets and operational due to various reasons and not yet disposed of.

         The smallest part (13,53 billion rubles or 7,3% of the total NVNOD category) of the banking real estate assets held outright is represented by construction in progress, which we estimate to be mostly former development projects repossessed by the banks rather than construction for the banks’ own use in their operational activity.

         Another part of real estate temporary not used in operational activity are real estate assets under current leases (15,11 billion rubles or 8,2% of NVNOD as land and 61,01 billion rubles or 19,9% of NVNOD as real estate excluding land). Presence of real estate leased out by the banks may in part compensate for overall potential losses, however it does not represent banking system core activity.

         From the data discussed above, at first, one could conclude that real estate assets held outright (i.e. 1,26% of the total assets) do not represent a significant portion and therefore do not pose a significant threat of destabilizing banking sector under the worst case scenario of the real estate portfolio devaluation. However, an additional analysis has to be made to demonstrate concentration of the real estate assets held outright and corresponding risks by individual banks (at least with a focus on the biggest, systemically significant predominantly state-owned banks).

         Table 2 contains comparative analysis of book value of real estate assets held outright by Sberbank PJSC and VTB Group banks (VTB Bank PJSC, Bank VTB 24, BM-Bank) as of 01.01.2018.

         As demonstrated by the data in Table 2, total book value of the real estate assets held outright by the these banks amounts to 520,82 billion rubles or 49% of all real estate held outright by the entire Russian banking system. We also note that portfolio structures of these banks are significantly different from each other.

         Diagram 1 illustrates that majority of Sberbank PJSC real estate assets held outright are represented by real estate as part of fixed assets, whereas in VTB Bank PJSC and other VTB Group banks’ (VTB 24, BM Bank) case, only 59% of all assets is represented by the real estate as part of fixed assets, 4% as part of long-term assets held for sale and the rest 37% is held in real estate temporary not used in operational activity.   


Table 1. Analysis of selected balance sheet chapters of Russian banking institutions based on the Central Bank of Russian Federation reporting forms (Form 101)

Total

Banking system total as of reporting date, billions of rubles

Balance sheet chapter

Balance sheet account

Balance sheet account #

01.04.2016

01.07.2016

01.10.2016

01.01.2017

01.04.2017

01.07.2017

01.10.2017

01.01.2018

Fixed assets

Fixed assets (excluding land)

60401

1 365,20

1 368,84

1 360,30

1 368,32

1 268,85

1 274,55

1 319,73

1 324,87

Land

60404

14,93

15,14

14,46

15,74

16,55

16,31

16,47

16,91

Expert estimation of real estate as part of fixed assets (60%)

819,12

821,30

816,18

820,99

761,31

764,73

791,84

794,92

 

Total real estate as part of Fixed assets

 

834,05

836,44

830,64

836,74

777,86

781,04

808,31

811,83

Real estate temporary not used in operational activity

Real estate temporary not used in operational activity

 

144,59

161,23

162,74

163,60

189,43

191,90

201,63

185,25

Long-term assets held for sale

Real estate as part of Long-term assets held for sale (60%)

 

57,74

62,43

62,54

67,01

71,59

76,57

73,00

73,77

Subtotal:

 

1 036,37

1 060,10

1 055,92

1 067,36

1 038,88

1 049,51

1 082,94

1 070,85

Total assets of Russian banking institutions (Source: Banking sector overview)

81 114,70

79 545,00

79 669,00

80 063,26

79 221,83

80 778,06

82 253,73

85 191,84

Share of real estate outright held in total assets

1,28%

1,33%

1,33%

1,33%

1,31%

1,30%

1,32%

1,26%

Real estate temporary not used in operational activity

Real estate temporary not used in operational activity (land)

61905

27,43

38,04

39,36

36,67

54,92

62,74

62,14

58,72

Real estate temporary not used in operational activity (land), under leases

61906

25,78

27,52

24,50

27,48

27,71

20,43

20,77

15,11

Real estate temporary not used in operational activity (excluding land)

61907

25,67

28,51

32,62

34,53

40,50

41,02

42,86

61,01

Real estate temporary not used in operational activity (excluding land), under leases

61908

34,93

35,82

37,26

35,64

36,91

34,82

34,94

36,90

Real estate temporary not used in operational activity – capital expenditures

61911

30,77

31,34

29,01

29,29

29,39

32,89

40,93

13,53

Real estate temporary not used in operational activity (losses provisions)

61912

4,25

4,14

3,62

9,58

9,30

13,73

14,32

6,43

TOTAL NVNOD:

144,59

161,23

162,74

163,60

189,43

191,90

201,63

185,25

Losses provisions as a percent of assets book value

2,94%

2,57%

2,22%

5,85%

4,91%

7,15%

7,10%

3,47%


Table 2.

Comparative analysis of selected balance sheet chapters of Sberbank PJSC and VTB Group banks (VTB Bank PJSC, Bank VTB 24, BM Bank) as of 01.01.2018, according to reporting forms of the Central Bank of Russian Federation (Form 101), billions of rubles

Sberbank PJSC

VTB Bank PJSC, VTB 24, BM Bank

Fixed assets (excluding land), real estate is estimated to comprise 60% of fixed assets

336,85

97,69

Fixed assets (land)

4,33

2,12

Real estate temporary not used in operational activity (excluding land)

0,79

21,29

Real estate temporary not used in operational activity (excluding land), under leases

0,75

8,15

Real estate temporary not used in operational activity (land)

0,2

20,39

Real estate temporary not used in operational activity (land), under leases

0,01

8,4

Real estate temporary not used in operational activity – capital expenditures

0,005

2,96

Real estate temporary not used in operational activity (losses provisions)

0,001

1,06

Real estate as part of long term assets held for sale (estimated at 60% of total long term assets held for sale)

7,9

5,82

Real estate as part long term assets held for sale – losses provisions (estimated at 60% of total losses provisions for long term assets held for sale)

1,19

0,91

Total:

352,03

168,79

Diagram1. Book value structure of Sberbank PJSC real estate portfolio

Diagram 2. Book value structure of VTB Group banks’ real estate portfolio

It is therefore safe to assess that in VTB Group case, there are significant risks of potential losses as well as the higher share of inefficient costs associated with ownership of non-core assets compared to Sberbank PJSC. Additionally, risks associated with potential devaluation of the real estate assets utilized outside of the highest and best use concept are estimated to be significantly higher for VTB Group banks compared to Sberbank PJSC. 

Example above, we posit, provides additional reason for the necessity of developing methodological framework of strategic value management for banking real estate portfolios as part of their capital for entire Russian banking system for the purposes of enhancing overall banking system stability.

6.                 Directions for further research on strategic value management for banking real estate portfolios

As demonstrated in the previous chapters of this study, real estate as an asset class plays an important and multi-faceted role in the banking system, i.e. real estate owned or rented and used in operational activity comprises considerable portion of banks’ capital (including through the inclusion of positive revaluation of the real estate portfolios held as fixed assets as part of the banks’ Tier II capital) and represent one of the largest banks’ expense items (second only to personnel expenses – as part of the banks’ real estate portfolios referred to as “corporate real estate” in international academic studies),

On the other hand, real estate repossessed by the banks as part of working out bad debts also affects their real estate portfolios and may create a negative effect for banks’ capital when not disposed of timely due to difficulties of either determining its fair value, properties low liquidity or the necessity to create provisions for losses on the banks’ balance sheets (i.e. real estate repossessed).

Furthermore, in view of overall crisis conditions and the need to improve capital ratios, banks often identify a separate real estate category within their portfolios, i.e. investment real estate, which is intended to generate additional rental income and / or provide capital appreciation thereby improving banks’ capital adequacy.

Each aforementioned category of real estate within banks’ portfolios has its own characteristics and separate management instruments, as well as accounting and management accounting specifics that separate them from each other (i.e. corporate real estate owned is accounted for as part of fixed assets on the basis of value at recognition minus accumulated depreciation, while investment real estate is accounted for on fair value basis assessed by professional market appraisers).

Real estate multi-faceted role as an asset class in banking sector stability underlines the necessity for an in-depth academic study in the field, as well as competent management practices in order to manage risks of the banking industry instability and demands an application of systemic approach towards corporate real estate portfolio management, its analysis and risk management.

Proposed strategy of banks real estate formation and development – therefore should be a comprehensive system of value management aimed at facilitating shareholders’ interests by meeting the following conditions:

1) Quantitative and qualitative structure of the real estate portfolio is necessary and sufficient for bank’s operational activity as well as aligned with shareholders’ approved long-term plan;

2) Current return on capital, invested in real estate portfolio (current economic benefits – capital expenditures – operating expenses) is positive (P&L> 0);

3) Market liquidity and market value of the real estate portfolio is maximized during disposal though Highest and Best Use for local real estate markets (i.e. each property represents, whenever possible, prime asset within its local real estate market segment);

4) All properties comprising real estate portfolio, necessary for operational activities and not representing prime assets within their respective local market segments, are converted from ownership to leases;

5) Design, construction, fit-out as well property maintenance are centralized and undertaken in accordance with approved corporate standards ensuring positive effect on bank’s image on a contemporary requirements level (i.e. sufficient level of technology, innovation, environment protection and energy and economic efficiency as well aesthetics).

Suggested target indicators for strategic value management for banking real estate portfolios are listed in the Table 3 directly below.

Table 3. System of indicators for strategic value management for banking real estate portfolios

Indicator

Indicator methodology

Target value

1.     Share of inefficiently utilized real estate assets, %

Usable area of properties above target portfolio divided by total real estate portfolio usable area

< 5%

2.     Share of illiquid and low investment grade real estate assets owned, %

Usable area of illiquid and low investment grade real estate assets owned, divided by total usable are of the real estate portfolio

< 10%

3.     Operating efficiency

Operating costs divided by operating income

(C / I)

< 1

4.     Return on capital, adjusted for risk of real estate portfolio ownership

Operating income divided by current real estate portfolio book value, excluding revaluation of real estate portfolio and provision for losses

> Inflation rate

5.     β-coefficient (how real estate portfolio measures against the real estate market)?)

Weighted average of total market value of the real estate portfolio market value divided by average market prices in respective market segment

      >1,20%

6.     Group of the indicators of real estate portfolio size repossessed by the bank as part of the bad debt workout procedures

6.1. Size of the real estate portfolio repossessed by the bank relative to operational real estate portfolio

6.2. Size of the real estate portfolio repossessed by the bank relative to bank’s total assets

6.1. <30%

6.2. <0,5%

7.     6.      Group of the efficiency indicators for real estate portfolio repossessed by the bank as part of the bad debt workout procedures

7.1. Real estate portfolio turnover

7.2. Recovery rate for for bad debt

7.1. Average duration of the real assets residing on bank’s balance sheet <1 year

7.2. According to industry practice, but generally above 60%

System of indicators for strategic value management for banking real estate portfolios is comprehensive and balanced (i.e. includes indicators for both operational portfolio and real estate portfolio repossessed by the bank as part of the bad debt workout procedures), it is however can be adjusted and adapted to the particular bank’s business model as well as changes in banking regulations.

As a result, we propose to consider bank’s customer satisfaction in bank’s core services as one of the main factors driving overall real estate portfolio value as well the quality of management of the real estate portfolio repossessed by the bank as part of its bad debt workout procedures.

It is, however, important to note that highest and best use of each real estate asset can be different from the same determined as part of the entire portfolio or a group of assets. We therefore posit that central criteria of highest and best use of maximizing each and every asset value should be replaced with criteria of maximizing value of bank’s value a business, which, when achieved, will represent the highest real estate portfolio value as a result.

On the basis of the above, it is therefore proposed to understand highest and best use of the bank’s real estate portfolio as a legally, physically and economically complex entity, the use that  maximizes bank’s overall value as business by optimal allocation of the bank’s real estate assets.

7.                 Suggestions for development of tactical methods and instruments of banking real estate portfolios value management

Given demonstrated positive correlation between the real estate markets’ volatility and corresponding financial stability, we believe it is necessary to study subject further and resolve a set of academic and practical problems aimed at creating consistent methodological framework for managing large, geographically distributed banks’ real estate portfolios as well as building a system of real estate market monitoring, analysis and forecasting for the purposes maintaining bank’s sustainable capital base.

Table 4 demonstrates broad directions of further development of theoretical and practical instruments of facilitating strategic imperatives outlined in Chapter 6 of this study.

Table 4. Broad directions, methods and instruments of banking real estate portfolio value management

Directions

Methods

Instruments

1. Determination of quantitative and qualitative structure of the banking real estate portfolio

1.1. Preparation of banking real estate register including properties location, type of property, area, intended use, property title (including land), its legal status (quality of property rights, registration status, i.e. rights are registered or not, status of cadastral records, encumbrances etc.), total costs of property maintenance, property taxes, rental expenses for property (including land), actual occupancy rate of the property  

Information and analytical tools:

- IT-platforms for real estate portfolios management (i.e CAFM systems for corporate real estate portfolio) analytical databases

- analytical instruments for property clustering

- data visualization instruments (graphs and diagrams, spatial data visualization instruments)

1.2. Preparation of spatial diagrams and maps demonstrating portfolio distribution over various economic and geographic regions (i.e. countries, specific regions and/or large cities)

1.3. Determination of geographic focus points for drawing down or expanding portfolio and physical bank’s presence (i.e. more or less banking offices required to cover specific area of bank’s operations)

1.4. Determination of properties, which are economically not viable, but socially significant (i.e. fulfilling bank’s social responsibility role and commitments)

2. Real estate portfolio optimization

2.1. Calculation of real estate portfolio actively utilized share

Economic analysis instruments:

- comparative analysis

- correlation and regression

- cluster analysis

- spatial-parametric analysis

2.2. Calculation of underutilized share of banking real estate portfolio and further analysis of its efficiency

2.3. Prepare recommendations to optimize shares of actively utilized and underutilized shares of the bank’s real estate portfolio

2.4. Forecast of the future changes in bank’s demand for real estate for its operations in view of expanding significance of online banking solutions

2.5. Determination of future demand for physical offices by the bank’s clients – both corporate and retail

3. Portfolio efficiency indicators assessment

3.1. Calculation of the rate of return on capital invested in various groups of real estate within the bank’s real estate portfolio

Financial analysis instruments:

- return on capital rate

- liquidity measurements

- profitability rates

- real estate valuation methods and techniques

- management costs calculations

3.2. Evaluation of liquidity and market value of each property comprising bank’s real estate portfolio

3.3. Evaluation of liquidity and market value of the bank’s real estate portfolio as a whole

3.4. Calculation of the costs involved in managing the portfolio

4. Real estate portfolio legal support

4.1. Formulating standards for legal support of real estate portfolio

Legal instruments

5. Optimization of owned vs. rented real estate ratio

5.1. Determination of optimal rate of owned vs. rented real estate for banking operations based on international best practices and benchmarks (based on the comparative analysis with other banking groups as well as other operators of the large real estate portfolios with developed branch networks)

5.2. Calculation of internal rate of rent for properties owned by the bank

5.3. Roadmap preparation for transitioning from the  current state to the target state of owned vs. rented real estate ratio

6. Reengineering real estate portfolio management business processes

6.1. Determination of the most efficient business process owners or managing bank’s real estate portfolio

Business processes optimization tools:

- business processes formalization techniques

- business processes audit

- business processes modelling techniques

6.2. Determining methodology for transferring ownership of business processes from current owners to target (i.e. most efficient) owners

6.3. Preparation of the methodological support for owners of the delegated business processes

7. Evaluation and minimization of risks

7.1. Identification and evaluation of risks associated with real estate owned vs. real estate rented

Risk-management instruments

7.2. Preparation of methodology of risks’ minimization

7.3. Calculation of β coefficient value for various assets in real estate portfolio

8. Improvement of existing assets and assets under construction

8.1. Preparation of corporate standards for construction, fit-out and maintenance of all properties comprising real estate portfolio

Technical instruments

9. Instruments for efficient management of the real estate portfolio repossessed by the bank as part of the bad debt workout procedures

9.1. Development of repossessed portfolio KPIs system

9.2. Determination of KPIs target values

9.3. Implementation of KPI system for managing real estate portfolio real estate portfolio repossessed as part of the bad debt workout procedures

Portfolio-level instruments, including mass valuation methodology for revaluation of large homogenous real estate portfolios (i.e. large number of residential properties)

Concluding remarks

1.                 Monitoring, forecasting and methods of managing negative real estate markets volatility impact on financial stability are important factors in preventing banking crises.

2.                 On an international level, this subject is among the key themes for research, including efforts by the Bank of International Settlements and respective academic and research circles.

3.                 There is an objectively presupposed consolidation of the Russian banking sector, which in turn may create corresponding concentration of real-estate related risks within the most systemically significant financial institutions and subsequently drive their appetite for real-estate related risks above what is considered benchmark for international banking groups. At the same time, we note a certain shortage of relevant research and methodology development on the subject matter.

4.                 Current regulations on valuation and accounting of banking real estate in Russia, in our view, contain certain legal and methodological inconsistencies that may inhibit their ability to fulfill a strategic goal of facilitating financial sector and, in particular, banking sector stability in their  connection with systemically-significant real estate markets.

5.                 Comparative analysis of real estate assets of the Russian banking system and its most significant financial institutions provides an opportunity to evaluate risk and problem areas as well as outline further directions for research, crises prevention methods and offer strategic imperatives as well as prospective instruments and indicators for efficient management of banking real estate portfolios.

References

Fedotova M.A., Sternik S.G., Latkin F.A. 2017. “Current/actual problems of corporate real estate portfolio valuation.” Property Relations in the Russian Federation  #1(184) - P.70-77

Fedotova M.A., Sternik S.G., Teleshev G.V. 2015. “Corporate real estate management methodology for real estate as part of bank’s assets and capital.” Management Sciences #4 (17) - P.62-70

Bank of Russia Regulation No. 448-P, dated 22 December 2014, “On Credit Institutions’ Accounting of Fixed Assets, Intangible Assets, Real Estate Temporary not Used in Operational Activity, Long-Term Assets Held for Sale, Inventories, Means and Objects of Labour of Undetermined Purpose Obtained under Compensation or Pledge Agreements”

JEL: G01, G21, G32

структура ПОРТФЕЛЕЙ недвижимых активов НА балансе банков как фактор устойчивости банковской системы

Strusture of real estate assets portfolios on banks balance sheets as a factor of banking system stability

Сергей Геннадьевич СТЕРНИК

доктор экономических наук, профессор, ведущий научный сотрудник, Институт народнохозяйственного прогнозирования РАН, профессор Департамента корпоративных финансов и корпоративного управления, Финансовый университет при Правительстве Российской Федерации, Москва, Российская Федерация

sgs728@mail.ru

SCOPUS-ID: 6507292791

https://orcid.org/0000-0003-1411-1011

SPIN-код: 2930-4020

AUTHORID: 596056

Григорий Владимирович ТЕЛЕШЕВ

аспирант, Институт народнохозяйственного прогнозирования РАН, Москва, Российская Федерация

gteleshev@gmail.com

https://orcid.org/0000-0003-1016-6111

SPIN-код:      5148-6655

AUTHORID: 999417

Аннотация

Предмет. Рынки недвижимости способны оказывать существенное влияние на устойчивость банковской системы и способствовать возникновению кризисов, которые по своей продолжительности и потенциальному объему потерь для национальной экономики в несколько раз превосходят кризисы, возникающие на рынках акций. Взаимосвязь между рынками недвижимости и стабильностью финансовой системы в настоящее время в достаточной степени изучена в западных источниках, но требует существенной проработки и изучения применительно к российскому банковскому сектору. В данной статье исследуется частный аспект взаимосвязи рынков недвижимости со стабильностью  банковской системы, а именно взаимосвязь структуры активов недвижимости банков, находящихся на балансе банков с потенциальным убытками в случае их резкого обесценения.

Цели. Изучение связи между структурой активов недвижимости на балансах банков и устойчивостью банковской системы.

Методология. В процессе исследования применялись методы исследования временных рядов (стоимость активов банковской системы, стоимость недвижимых активов), методы логического анализа.

Результаты. В ходе исследования в банковском секторе выявлена существенная концентрация активов на балансах крупнейших банков. Вместе с тем отмечается, что доля активов недвижимости в общих активах российской банковской системы незначительна и неспособна сама по себе вызвать полномасштабный банковский кризис даже в случае резкого обесценения портфелей недвижимости банков.

Выводы. Сделаны выводы об относительно невысокой доле активов недвижимости в общих активах банковской системы и, как следствие, малой вероятности банковского кризиса только вследствие их резкого обесценения. Вместе с тем, учитывая потенциал роста портфелей недвижимости на балансах банков и их доли в активах банковской системы, а также наличие существенных различий в структуре портфелей недвижимости крупнейших системно-значимых банков, существует необходимость формирования единообразной комплексной системы показателей стоимостного управления портфелями недвижимости банков, адаптированной с учетом непрофильного характера управления недвижимостью для банковского сектора и особенностей российского рынка недвижимости.

Ключевые слова: недвижимость, риски изменения стоимости недвижимости, системно значимые банки

Abstract

Importance Real estate markets may significantly impact banking sector stability and cause banking crises, which are several times more prolonged and carry heavier potential losses for national economy than the crises originating from the stock markets. Interconnectedness between real estate markets dynamics is well-studied in Western literature, but requires and in-depth study as applied to Russian banking sector. In this article, we study particular aspect of this relationship, namely an interrelation between banking real estate portfolios structure and banking stability and potential losses in case of significant banking real estate portfolios devaluation.

Objectives To study relation between the structure of real estate portfolios on Russian banks balance sheets and banking system stability.

Methods The research employs methods of logical analysis and analysis of time series (bank assets, real estate assets on banks book), logical analysis.

Results During this study we identified significant concentration of real estate assets on largest banks balance sheets. At the same time it is noted that the share of real estate assets on banks’ balance sheets is relatively small compared to total banking system assets and as such, it has no potential  to cause a full-scale banking crisis in case of material banks’ real estate portfolios devaluation.

Conclusions and Relevance Conclusions are drawn with regards to relatively small share of real estate assets on banks’ balance sheets compared to total assets of Russian banking system and relatively small probability of banking crisis as a result of real estate portfolios devaluation. At the same time, given potential for real estate portfolios growth on the banks’ balance sheets and significant difference in portfolio structures between largest systemically-significant banks, there is a necessity for development of internally-consistent and comprehensive system of indicators for banks’ real estate portfolios value management, which is tailored to non-core nature of real estate management for banking sector and specifics of Russian real estate market.

Keywords: real estate, real estate-associated risks, systemically-significant banks

Предыдущий финансовый кризис в США заставил мировое сообщество осознать рискованную взаимосвязь динамики рынков недвижимости и глобального финансового рынка, поскольку первоначально он развился из ипотечного кризиса [1]. Из-за недооценки рисков на рынке недвижимости не удалось предотвратить наихудший сценарий развития любого национального и транснационального экономического кризиса (выражающегося изначально в падении производства, занятости и потребления) – переход в финансовый кризис (резкое снижение стоимости активов в национальной финансовой системе), а затем в банковский кризис (неспособность национальной банковской системы отвечать по своим обязательствам).

Важной управленческой реакцией мирового сообщества на этот кризис явилось повышение нормативов достаточности капитала и ужесточение требований к внутренним процедурам оценки достаточности капитала банков, нашедшие отражение в обновленном своде банковских стандартов Basel III, которые могут существенно повлиять на динамику рынка недвижимости за счёт более консервативной политики банков при кредитовании, в том числе под залог недвижимости [2], [3], [4].  

Вместе с тем, признание со стороны банковских регуляторов наличия системной связи между состоянием рынка недвижимости и стабильностью финансовой системы не ограничивается пересмотром нормативов при кредитовании под залог недвижимости (а также при структурировании сложных финансовых продуктов с преимущественной долей недвижимости в качестве обеспечения). Регуляторы, как системные заказчики академических исследований рынков недвижимости в их неразрывной связи с финансовым сектором, понимают, что недвижимость как класс активов играет более существенную роль в системной стабильности финансового сектора, чем было принято считать до последнего ипотечного финансового  кризиса в США. Поэтому регуляторы (и банковское сообщество в целом) нуждаются в решении важной научно-практической задачи – определении механизмов и степени влияния рыночной стоимости недвижимых активов банков на устойчивость финансовой системы.

Дополнительным фактором, повышающим необходимость формирования более глубокого и системного понимания рынков недвижимости для целей регулирования банковского сектора, является характеристика указанных рынков как преимущественно локальных, цикличных, отличающихся относительной неэластичностью предложения и «ассиметрией» информации о сделках, что существенно затрудняет выработку инструментов регулирования, в полной мере учитывающих сложность и сегментированность портфелей недвижимости банков и потенциальное воздействие рынков недвижимости на стабильность банковской системы.

Степень проработанности проблемы в зарубежной науке и практике

После ипотечного кризиса в США 2006-2008 гг. общее признание во всем мире получила точка зрения, что на развитых рынках недвижимость представляет собой не только реальный (материальный) капитал, но может формировать и существенную часть рынка заимствований (первичная и вторичная ипотека), и существенную часть фондового рынка – акции трастов недвижимости и котируемых паевых инвестиционных фондов (ПИФов). Поэтому, например, международное рейтинговое агентство Moody’s включило рейтинг «волатильности денежных потоков по портфелям недвижимости» в группу «Прочие некредитные рейтинги» [5].

Отражением растущего признания роли рынков недвижимости (и недвижимости как класса активов) в стабильности банковской системы со стороны регуляторов, в частности, является организация международных дискуссионных мероприятий, ставящих целью поиск и создание адекватной системы регулирования банковского сектора применительно к рискам, возникающим в результате существенных изменений на рынках недвижимости.

Одним из таких мероприятий безусловно является международная конференция, организованная в 2012 г. Банком Международных Расчетов совместо с Центральным банком Сингапура, объединившая представителей большинства центральных банков Азиатско-Тихоокеанского региона, представителей Международного Валютного Фонда и академических кругов США и Великобритании и озаглавленная «Рынки недвижимости и финансовая стабильность» [6]. Организованная основным международным законодателем банковского регулирования (примечание: Банк Международных Расчетов является разработчиком системы Базельских стандартов) конференция, была организована вокруг следующих ключевых тем:

1.         Уроки кризиса (примечание: международного финансового кризиса 2008-09 гг.);

2.         Анализ цен на рынке недвижимости;

3.         Взрывной рост и кризисы на рынках недвижимости;

4.         Недвижимость, кредит и рынки капитала.

Примечателен в этом смысле не только состав ключевых тем конференции, но и тезисы отдельных докладов. В частности, в докладе «Преодолевая последствия бума и кризиса на рынках недвижимости» (Dealing with real estate booms and busts), автор Дениз Иган[1], отмечает:

«Недвижимость является важным, если не наиболее важным  средством сбережения в экономике. Дополнительно, большинство домохозяйств проявляют тенденцию к сбережению основной части своего  состояния в недвижимости в противоположность к сбережениям в акциях. Обычно, в развитых экономиках, менее половины домохозяйств владеют акциями (в прямую или опосредованно), в то время как доля домохозяйств имеющих недвижимость в собственности составляет в среднем около 65%. Кроме того, имеет место существенный «эффект предложения». В большинстве развитых экономик, цены на рынке недвижимости предвосхищают кредитные и бизнес-циклы. Это указывает на то, что флуктуации цен на рынке недвижимости создают «волны» в экономике путем воздействия на инвестиции в недвижимость, потребление и кредит, в то время как обратный эффект не настолько выражен, имея в виду что рынок недвижимости может быть источником шоков (в экономике). Рецессии, которые совпадают с кризисами на рынке недвижимости имеют тенденцию быть более глубокими и продолжаться дольше, чем те, которые не совпадают (с кризисом на рынке недвижимости), а их совокупный эффект потерь для экономики в среднем в три раза выше. В завершение, рецессии, которые возникают в результате спадов на рынке акций не наносят больший урон и не продолжаются дольше, чем рецессии, не совпадающие со спадом на рынках акций».

Очевидно, что в данном случае признается не только важная роль недвижимости и рынков недвижимости в финансовых кризисах, но и практически центральная – в наиболее серьезных из них. Выводы при этом базируются в существенной мере на глубоком понимании особенностей рынков недвижимости: относительной неликвидности, непрозрачности и «негативных экстерналиях» (например, воздействие на занятость и мобильность) кризисов на рынке недвижимости.

Очевидно, что в западных академических источниках и общей методологии прогнозирования банковских кризисов, индикаторы рынка недвижимости занимают одной из центральных мест наряду с показателями достаточности капитала, ликвидности и счета текущих операций [7], [8]. При этом также признаётся существенная инертность рынков недвижимости и долгосрочность их воздействия на экономику [9], а также способность секьюритизации ипотеки вызывать «кредитные шоки» [10] и способность циклов на рынке недвижимости оказывать существенное влияние на доходность банковского сектора [11].

Степень проработанности проблемы в российской науке и практике

Переходя к анализу российской банковской системы и развитости регулирования в данной области, следует отметить, что банковская система стремится модернизироваться в соответствии со стандартами Базельского комитета и адаптирует многие передовые технологии по управлению банковскими продуктами. При этом, Банк России способствует внедрению новых инструментов управления рисками (в частности, в соответствии с системой стандартов Basel III кредитные организации при существенности данной категории рисков, разрабатывают и внедряют политики управления риском изменения стоимости недвижимости[2]).

Тем не менее, на наш взгляд присутствует определенный дефицит исследований, обосновывающих очевидный системный характер связи между динамикой и развитостью рынка недвижимости и присущих ему характеристик с устойчивостью финансового, в частности, банковского сектора. Кроме того, исследователями констатируется необходимость совершенствования методологических подходов Банка России к макропруденциоальному регулированию посредством внедрения показателей развития рынка недвижимости [12]. К этому добавляются такие особенности российской экономики, которые в отдельных аспектах могут быть нехарактерны для более развитых экономик:

·                Консолидация российского банковского сектора в том числе за счёт ужесточения обязательных нормативов [13] и иных институциональных различий [14] и, как следствие, концентрация рисков, связанных с изменением стоимости недвижимости;

·                Неравномерная развитость локальных рынков недвижимости Российской Федерации и, как следствие,  концентрация технологий и компетенций по анализу, оценке и управлению недвижимостью на наиболее развитых из них, затрудняющая выработку относительно универсальных системных инструментов регулирования в данной области, а также существенная доля недвижимости на «узких», наименее информационно-симметричных локальных рынках недвижимости [15];

·                Более высокий аппетит к риску, связанному с недвижимостью, среди российских банковских игроков по сравнению с международными финансовыми группами [16];

·                Изменяющиеся геополитические условия, санкционный режим в отношении Российской Федерации и, как следствие с одной стороны – уход международных игроков традиционно формирующих спрос на передовые технологии оценки, анализа и управления недвижимостью, с другой стороны – потенциальное снижение аналогичного спроса со стороны российских игроков в условиях, когда выход на международные рынки капитала де-факто закрыт и наличие указанных технологий в портфеле нематериальных активов не создает осязаемого эффекта для их капитализации, а также другие эффекты санкций на рынок недвижимости (см. в частности [17], [18]).

Основные понятия об учете и оценке недвижимых активов банковской системы России

Регламентирование балансового учета и оценки недвижимости банков осуществляется Положением Банка России  от 22 декабря 2014 г. № 448-П  (далее ПБУ[3]).

Согласно п.4 ПБУ оценка справедливой стоимости основных средств, нематериальных активов, недвижимости, временно неиспользуемой в основной деятельности, долгосрочных активов, предназначенных для продажи, запасов, средств труда и предметов труда, полученных по договорам отступного, залога, назначение которых не определено, осуществляется в порядке, определенном Международным стандартом финансовой отчетности (IFRS) 13 «Оценка справедливой стоимости», введенным в действие на территории Российской Федерации приказом Минфина России от 18 июля 2012 года № 106н «О введении в действие и прекращении действия документов Международных стандартов финансовой отчетности на территории Российской Федерации», зарегистрированным Министерством юстиции Российской Федерации 3 августа 2012 года № 25095 (Российская газета от 15 августа 2012 года).

В свою очередь, в пп. 61-66 МСФО[4], в части методологии оценки внимание акцентируется на мультипликативных рыночных моделях: «при рыночном подходе используются цены и другая уместная информация, генерируемая рыночными операциями с идентичными или сопоставимыми (то есть аналогичными) активами, обязательствами или группой активов и обязательств, такой как бизнес…  Например, в методах оценки, совместимых с рыночным подходом, часто используются рыночные множители, возникающие из комплекта сопоставимых показателей. Множители могут находиться в одних диапазонах с другим множителем по каждому сопоставимому показателю. Для выбора надлежащего множителя из диапазона требуется использовать суждение с учетом качественных и количественных факторов, специфических для оценки…Методы оценки, совместимые с рыночным подходом, включают матричное ценообразование. Матричное ценообразование – это математический метод, используемый преимущественно для оценки некоторых видов финансовых инструментов, таких как долговые ценные бумаги, не основываясь лишь на котируемых ценах на определенные ценные бумаги, а скорее на отношении ценных бумаг к другим котируемым ценным бумагам, используемым как ориентир».

Приведенные нормы, на наш взгляд, игнорируют действующее законодательство об оценочной деятельности в РФ, оперирующее понятиями «рыночная» стоимость и «кадастровая» стоимость, но не «справедливая» стоимость недвижимых активов[5]. Кроме того, регулятор, в противоречие указанному законодательству устанавливает, что кредитная организация самостоятельно определяет методы оценки, применяемые при определении справедливой стоимости, в стандартах экономического субъекта или иных внутренних документах. Возможно, данные правовые коллизии будут устранены в будущем, во избежание коррупционных практик и конфликта экономических интересов разных участников рынка. Надо при этом отметить, что в международной оценочной практике понятие «справедливой» стоимости также дискутируется. В частности, во избежание терминологической путаницы, в Международных стандартах оценки в основных видам стоимости понятие «справедливой стоимости» упоминается именно применительно к IFRS 13 в подразделе «иные виды стоимости», аналогичное определение стандарта основных (базовых видов) стоимости при этом видоизменено на «равноправную стоимость» (equitable value)[6].

Тем не менее, в целях дальнейшего обсуждения продолжим анализ действующей практики, исходя из допущения о равнозначности «справедливой» и «рыночной» стоимости.

Рассмотрим также некоторые основные понятия и определения об учете недвижимости банков, установленные Положением по ведению бухгалтерского учёта №448-П (далее – ПБУ[7]), в частности недвижимые активы в собственности банков включают следующие основные категории:

·                основные средства;

·                недвижимость, временно неиспользуемая в основной деятельности (далее – НВНОД);

·                долгосрочные активы, предназначенные для продажи (далее – ДАПП).

Приведенные категории включают основной объем недвижимых активов в собственности кредитных организаций, при этом недвижимость учитываемая в составе основных средств – это преимущественно операционная (используемая в основной деятельности или «корпоративная» недвижимость), учитываемая в составе НВНОД и ДАПП – неиспользуемая в основной деятельности (в том числе выведенная из использования в основной деятельности, либо полученная при урегулировании проблемной задолженности). Не останавливаясь более подробно на особенностях бухгалтерского учёта каждой категории, проведём анализ стоимостной структуры недвижимых активов[8].

Рисунок 1.

Динамика балансовой стоимости недвижимых активов банковской системы России

Источник: расчёты авторов по данным Банка России

По состоянию на 01.10.2018 балансовая стоимость всех видов недвижимых активов приведенных выше категорий в банковской системе РФ (оцененных по справедливой стоимости в соответствии с ПБУ) составляла 1,33 трлн руб., что составляло долю в 1,27% от балансовой стоимости всех активов российских банков. Данная величина и указанная доля являются весьма устойчивыми показателями за исследованный период 11 кварталов (2016-2018 гг.). Разброс стоимости в динамике составлял от 1,04 до 1,13 трлн.руб., доля – 1,24-1,33% (немонотонные колебания этого показателя связаны, вероятно, не столько с приходом/выбытием недвижимых активов, сколько с обычной практикой их переоценки, о чем подробнее будет сказано ниже). Примечательно также, что абсолютный показатель балансовой стоимости недвижимых активов банковской системы не только не снижался с уменьшением числа кредитных организаций в банковской системе, но даже увеличился примерно приблизительно на 97 млрд руб. за аналогичный период, что указывает на то, что при консолидации банковского сектора недвижимость как класс активов имеет тенденцию к концентрации у меньшего количества кредитных организаций.

Рисунок 2.

Структура балансовой стоимости недвижимости на балансах банков в российской банковской системе по состоянию на 01.10.2018, млрд руб.

Источник: расчёты авторов по данным Банка России

Балансовая стоимость недвижимости на счете основных средств (земля, здания, сооружения и др.) в структуре недвижимых активов банковской системы РФ составляет по оценкам авторов 833,45 млрд руб (73,5% от всей стоимости недвижимых активов), из них стоимость земли 16,55 млрд руб.

Балансовая стоимость недвижимости в составе долгосрочных активов на продажу составляет округленно 62,28 млрд руб. (5,49% от всей стоимости недвижимых активов).

И, наконец, самым интересным подразделом баланса (в части недвижимых активов) является недвижимость, временно неиспользуемая в основной деятельности (НВНОД), «справедливая» стоимость которой составила 238,16 млрд руб. (21% от всей стоимости недвижимых активов), на которые начислено 6,44 млрд руб. т.н. резервов на возможные потери (2,71% от балансовой стоимости данной категории).

Очевидно, что НВНОД большей частью –  нереализованные недвижимые объекты залога перешедшие на балансы банков в рамках урегулирования проблемной задолженности, которые не используются в операционной деятельности банков и являются экономическим обременением банковской системы. В меньшей степени это собственные площади, выведенные по разным причинам из портфеля операционной недвижимости банков, но еще не реализованные на рынке.

Малая часть (на сумму 8,15 млрд.руб. или 3,4% стоимости НВНОД) представлена объектами незавершенного строительства. По нашему мнению это не только (и не столько) строительство для собственных операционных нужд банков, сколько принятые на баланс активы девелоперов.

Дополнительно, присутствует часть временно неиспользуемой земли (14,73 млрд руб., 43% в составе НВНОД) и временно неиспользуемых площадей (64,01 млрд руб., 27,08% в составе НВНОД) которые сданы банками в аренду, что частично может компенсировать убытки, но не является профильной деятельностью для банковской системы.

Из рассмотренных данных, на первый взгляд, можно сделать промежуточный вывод о том, что незначительность доли балансовой стоимости недвижимых активов от полной балансовой стоимости всех активов банковской системы (1,27%) исключает угрозу банковского кризиса даже при их резком обесценивании. Однако при анализе рисков банковского кризиса необходимо учитывать не только суммарные показатели по банковской системе в целом, но и потенциал увеличения размера портфеля недвижимости на балансах банков в случае существенного ухудшения состояния кредитных портфелей банков, а также показатели по отдельным банкам (по крайней мере – крупнейшим системным банкам с существенной долей государства в акционерном капитале).

В целях оценки потенциального увеличения размеров портфелей недвижимости банков на Рисунке 3 представлен совокупный объем имущества, принятого в обеспечение по размещенным средствам банков, представляющий собой пул активов (по стоимости в значительной степени недвижимости) потенциально способных существенно увеличить размер портфелей недвижимости банков в случае реализации наиболее неблагоприятного сценария развития банковского сектора.

Рисунок 3.

Имущество, принятое в обеспечение по размещенным средствам, кроме ценных бумаг и  драгоценных  металлов по состоянию на 01.10.2018, трлн руб.

Источник: расчёты авторов по данным Банка России[9]

На Рисунке 4 представлен сравнительный анализ структуры балансовой стоимости недвижимых активов ПАО Сбербанк и Банка ВТБ (ПАО), включая балансы АО «БМ-Банк» на 01.10.2018 г.

Рисунок 4.

Стоимостная структура портфелей ПАО Сбербанк и банков Группы ВТБ (Банк ВТБ (ПАО), АО «БМ-Банк»)

Источник: расчёты авторов по данным Банка России

Суммарная балансовая стоимость недвижимости указанных банков составляет оценочно 581,61 млрд. или 51,29% от стоимости недвижимости всей банковской системы РФ. Причем структура балансовой стоимости недвижимости у этих банков заметно отличается.

Диаграмма на рисунке 2 наглядно показывает, что подавляющая доля недвижимых активов ПАО Сбербанк (95,93%) представлена основными средствами, в то время как у Банка ВТБ (ПАО), как видно из диаграммы на рисунке 3, основные средства составляют только 46,88% балансовой стоимости недвижимых активов, 2,59% представлены в активах, предназначенных для продажи и целых 52,27% составляет недвижимость, временно неиспользуемая в основной деятельности. Справедливо предположить, что в управлении портфелем недвижимости Банка ВТБ (ПАО), по сравнению с портфелем ПАО Сбербанк, имеют место потенциально более значительные риски убытков вследствие неэффективных затрат и обременений в составе стоимости владения значительной долей непрофильных активов, а также вероятного рыночного обесценивания объектов, эксплуатируемых без системного учета концепции наиболее эффективного использования (НЭИ).

Приведенный пример позволяет сделать вывод о необходимости разработки методологии стоимостного управления портфелями недвижимости банков в интересах повышения финансовой устойчивости банковской системы России.

Некоторые предложения по разработке методологии стратегического стоимостного управления портфелями недвижимости банков

Как видно из изложенного выше в предыдущих разделах настоящей работы, недвижимость играет важную и многостороннюю роль в банковской системе, объекты в собственности или аренде банка предназначенные для использования в основной деятельности формируют часть его капитала (в частности за счёт включения переоценки основных средств в состав капитала второго уровня) и представляют вторую по размеру статью расходов после расходов на персонал  (традиционно в западной литературе данная категория обозначается как  корпоративная недвижимость).

С другой стороны, недвижимость поступающая в рамках урегулирования проблемной задолженности может также увеличивать портфель недвижимости и создавать дополнительную нагрузку на капитал при невозможности её реализации и установления справедливой стоимости за счёт необходимости формирования дополнительных резервов (залоговая недвижимость).

Кроме того, в особенности в свете кризисных явлений, банки всё чаще в целях повышения ликвидности выделяют в консолидированной отчётности по МСФО отдельную категорию недвижимости, а именно инвестиционную недвижимость – портфель которой предназначен для получения арендных доходов и улучшения банковских нормативов от повышения стоимости.

Указанные категории имеют свои особенности и инструментарий управления, и, кроме того, по-разному учитываются в бухгалтерском и управленческом учёте банковских организаций (корпоративная недвижимость в составе основных средств за минусом накопленной амортизации, инвестиционная – на базе текущей справедливой стоимости на основе рыночной оценки (как правило, у ведущих профессиональных участников рынка недвижимости).

Указанная многогранная роль недвижимости как актива в банковской отрасли, подчеркивает необходимость научно обоснованного компетентного управления портфелем для предотвращения рисков неустойчивости национальной банковской системы, применения системного подхода к решению задач управления портфелем, анализу и управлению рисками изменения её стоимости.

Предлагаемая стратегия формирования и развития портфеля недвижимости (ПН) банка – система комплексного стоимостного управления недвижимым имуществом как частью активов, направленная на обеспечение интересов акционеров банка путем выполнения следующих условий:

1.             количественный и качественный состав объектов ПН является необходимым и достаточным для операционной деятельности и согласованного акционерами перспективного развития на заданный период;

2.             текущая рентабельность вложенного в ПН капитала (капитальные затраты + операционные расходы) положительна;

3.             ликвидность и рыночная стоимость каждого объекта ПН отчуждении (выбытии) максимальна в варианте НЭИ для данного локального рынка (каждый объект ПН относится к первоклассной недвижимости в соответствующем сегменте каждого локального рынка);

4.             все объекты ПН, необходимые для операционной деятельности, но не являющиеся первоклассной недвижимостью для данного локального рынка, переведены из режима владения (собственности) в режим аренды;

5.             проектирование, строительство (реконструкция), инженерное оснащение и техническая эксплуатация всех объектов ПН осуществляются централизовано, в соответствии с утвержденными корпоративными стандартами, обеспечивающими имиджевую функцию ПН банка на современном уровне (технологичность, инновационность, эргономичность, экологичность, энергоэффективность, экономичность и эстетичность).

Предлагаемые целевые индикаторы ПН представлены в Таблице 1 (по аналогии со сбалансированной системой показателей по корпоративной недвижимости, принятой в западной практике [19], [20]), с учетом российских исследований в области управления портфелями корпораций [21] и концепции управления стоимостным потенциалом недвижимости [22], а также на основе опыта авторов по анализу крупных портфелей недвижимости банков и адаптированных с учетом непрофильности управления недвижимостью для банковского сектора.

Таблица 1

Система показателей стоимостного управления ПН банка

Индикатор

Содержание

Целевой показатель[10]

1.       Доля неиспользуемых (неэффективно используемых) площадей, %

Отношение полезной площади объектов ПН, превышающей нормативно необходимую, к суммарной полезной площади ПН

< 5%

2.       Доля второсортных и неликвидных площадей в собственности, %

Отношение полезной площади неликвидных для данного локального рынка объектов к суммарной полезной площади ПН (из числа находящихся в собственности)

< 10%

3.       Рентабельность операционных затрат портфеля недвижимости

Отношение операционных затрат к операционным доходам

(C / I)

< 1

4.       Рентабельность вложенного капитала, с учетом рисков владения ПН

Отношение операционной прибыли к текущей балансовой стоимости ПН, за вычетом рыночной уценки и стоимости резервирования рисков 

> Текущего коэффициента инфляции

5.       Коэффициент β (насколько ПН лучше рынка?)

Средневзвешенное отношение суммарной рыночной стоимости ПН к текущим средним рыночным ценам в соответствующих сегментах локальных рынков

      >1,20

6.       Показатели объёма ПН,  сформированного в результатам урегулирования проблемной задолженности

6.1. Отношение ПН, сформированного в результате урегулирования проблемной задолженности к операционному портфелю

6.2. Отношение ПН сформированного в результате урегулирования проблемной задолженности к общим активам банка

6.1. <30%

6.2. <0,5%

7.       Показатели эффективности управления ПН, сформированного в результате урегулирования проблемной задолженности

7.1. Показатель оборачиваемости ПН, сформированного в результате урегулирования проблемной задолженности

7.2. Показатель возмещения стоимости проблемных активов (проблемных кредитов под залог недвижимости[11])

7.1. Средний период нахождения на балансе до реализации <1 года

7.2. Исходя из отраслевой практики, в среднем >60%

Источник: предложения авторов

Система показателей стоимостного управления ПН является комплексной и сбалансированной (включающей показатели по различным категориям недвижимых активов на балансе кредитной организации, влияющие на различные аспекты её деятельности), при этом состав показателей и их целевые значения могут адаптироваться с учётом специфики отдельных кредитных организаций, их финансового состояния, а также параметров банковского регулирования (в случае их изменения).

Таким образом, в качестве главного фактора формирования стоимости ПН предлагается рассматривать степень удовлетворения потребностей кредитной организации в объектах недвижимости в целях её уставной операционной деятельности, а также качество управления активами ПН, поступившими в рамках урегулирования проблемной задолженности.

При этом необходимо подчеркнуть, что НЭИ объекта, оцениваемого изолированно, может отличаться от его НЭИ в составе группы активов, когда необходимо учитывать вклад актива в общую стоимость. Поэтому основная предпосылка анализа НЭИ при оценке стоимости ПН требует замены критерия максимальной стоимости конкретного объекта недвижимости на максимальную стоимость банка в целом, которая будучи достигнутой будет отражать и максимальную стоимость ПН.

На основании изложенного предлагается понимать в качестве НЭИ портфеля недвижимости банка как физически, юридически и экономически сложного системного объекта (имущественного комплекса) такое использование, которое максимизирует стоимость банка в части оптимального распределения ресурсов в виде недвижимого имущества.

Некоторые предложения по развитию тактических методов и инструментов управления стоимостью ПН банков

С учётом продемонстрированной положительной обратной связи между состоянием рынка недвижимости и финансовой системы, для обеспечения устойчивости последней необходимо решение комплекса научно-практических задач, связанных с формированием единоообразной методологической базы управления крупными, территориально распределенными портфелями недвижимости банков, системы мониторинга, анализа и прогнозирования рынка(ов) недвижимости для целей управления рисками и формирования устойчивой капитальной базы банковского сектора.

В таблице 2 представлены общие направления развития теоретических и практических инструментов реализации стратегических положений, необходимых для формирования комплексной системы управления недвижимостью банков, охватывающей как компонент корпоративной (операционной, используемой в основной деятельности), так и недвижимости неиспользуемой в основной деятельности (в том числе инвестиционной недвижимости). Применение указанных инструментов необходимо не только с точки зрения управления текущими портфелями недвижимости (уже находящимися на балансах банков), но и ставит целью сформировать инструментарий управления на случай существенного увеличения размеров портфелей недвижимости (и доли недвижимости в активах банковского сектора) вследствие реализации неблагоприятного сценария развития банковской системы – банковского кризиса, вызванного существенными изменениями в динамике рынка недвижимости). Указанные основные направления, методы и инструменты реализации стратегии стоимостного управления портфелями недвижимости банков сформулированы авторами на основе опыта анализа и опыта работы с крупными портфелями недвижимости банков.

Таблица 2

Основные направления, методы и инструменты реализации стратегии стоимостного управления ПН банка

Направления

Методы

Инструменты

1. Определение количественного и качественного состава объектов ПН

1.1. Формирование реестра недвижимости банка с учётом местоположения, вида объекта, площади, цели использования, юридических прав на недвижимость (включая земельные участки), юридического статуса объектов (право на объект и земельный участок зарегистрировано/не зарегистрировано, объект и участок поставлены/не поставлены на кадастровый учёт), полной стоимости эксплуатации, арендной платы за объект, фактической загруженности объекта

Информационно-аналитические инструменты:

- автоматизированные системы управления портфеля недвижимости (см. пример[12])

- аналитические базы данных

- аналитические инструменты кластеризации объектов ПН

- аналитические инструменты визуализации больших массивов данных о ПН (диаграммы, графики, карты данных)

1.2. Формирование экономико-географической карты расположения объектов по стране/регионам/крупным городам

1.3. Определение географических точек роста (необходимо больше офисов банка и сопутствующей недвижимости) и регионов снижения присутствия банка

1.4. Выделение экономически не оправданных, но социально значимых объектов недвижимости банка

2. Оптимизация структуры ПН

2.1. Определение объема активной части ПН

Инструменты экономического анализа:

- сравнительный анализ

- корреляционно-регрессионный анализ

- кластерный анализ

- пространственно-параметрический анализ

2.2. Определение объема неактивной части ПН и анализ эффективности её текущего использования

2.3. Выработка рекомендаций по изменению соотношения активной и неактивной частей ПН

2.4. Прогноз изменения потребности в офисах банка в связи с предполагаемым развитием онлайн услуг банка

2.5. Влияние предполагаемого изменения соотношения клиентов банка - физических и юридических лиц - на потребность в офисах банка

3. Оценка показателей эффективности ПКН

3.1. Определение рентабельности капитала, вложенного в отдельные группы активов ПН

Инструменты финансового анализа:

- коэффициенты рентабельности

- коэффициенты ликвидности

- коэффициенты доходности

- инструменты стоимостной оценки недвижимости

- калькуляция управленческих затрат

3.2. Оценка ликвидности и рыночной стоимости каждого объекта ПН

3.3. Оценка уровня ликвидности, стоимости и доходности ПН в целом

3.4. Оценка затрат на управление ПН

4. Юридическое сопровождение ПН

4.1. Формирование стандартов юридического сопровождения ПН

Правовые инструменты

5. Оптимизация ПН с точки зрения прав собственности и аренды

5.1. Определение оптимального соотношения собственной и арендуемой недвижимости банка на основе лучших международных практик (сравнение с банками и другими организациями с развитыми филиальными сетями)

5.2. Расчет вмененной арендной платы за собственные объекты банка

5.3. Разработка этапов перехода от текущего к оптимальному соотношению собственной и арендуемой недвижимости

6. Оптимизация архитектуры бизнес-процессов по управлению ПН

6.1. Поиск наиболее эффективных владельцев для всех бизнес-процессов управления недвижимостью

Организационных инструменты:

- формализация бизнес-процессов

- аудит бизнес-процессов

- моделирование бизнес-процессов

6.2. Разработка методики передачи бизнес-процессов от текущих владельцев к наиболее эффективным владельцам

6.3. Разработка способов методической поддержки владельцев бизнес-процессов

7. Оценка и минимизация рисков

7.1. Выявление и оценка рисков, связанных с эксплуатацией собственной и арендованной недвижимости

Инструменты риск-менеджмента

7.2. Разработка методики снижения выявленных рисков

7.3. Определение значения коэффициента β для различных групп активов ПН

8. Повышение качества существующих и строящихся объектов ПН

8.1. Разработка корпоративных стандартов строительства, реконструкции, оснащения и технической эксплуатации всех объектов ПН

Технические регламенты, стандарты

9. Оптимальное управление  портфелем недвижимости, сформированным при урегулировании проблемной задолженности

9.1. Разработка системы показателей эффективности управления ПН, сформированных в результате урегулирования проблемной задолженности

Портфельные инструменты управления ПН в результате урегулирования проблемной задолженности, в том числе инструменты массовой оценки, система КПЭ реализации объектов ПН

9.2. Установление целевых значений показателей

9.3. Внедрение системы мониторинга эффективностью процесса реализации активов ПН, сформированного в результате урегулирования проблемной задолженности

Источник: предложения авторов

Список литературы

1.        Malpezzi S.. Residential Real Estate in the U.S. Financial Crisis, the Great Recession, and their Aftermath. Taiwan Economic Review, no. 45:1, 2017, pp. 5–56. doi: 10.6277/TER.2017.451.1

2.        Sutorova B., Teply P. The Impact of Basel III on Lending Rates of EU Banks. – Czech Journal of Economics and Finance, Charles University Prague, 2013, no. 63(3). pp. 226-243.

3.        Hoesli M., Milcheva S., Moss A. Is Financial Regulation Good or Bad for Real Estate Companies? – An Event Study. Swiss Finance Institute Research Paper, no. 16-20. doi: 10.1007/s11146-017-9634-z

4.        Ferrari S., Pirovano M., Kaltwasser P.R. Systemic risk, macroprudential policy, bank capital requirements, real estate. Working Paper Research 306, National Bank of Belgium.

5.        Федотова М.А., Стерник С.Г., Латкин Ф.А. Актуальные проблемы оценки портфеля корпоративной недвижимости. // Имущественные отношения в РФ N1 (184). 2017.  C. 70-77.

6.        Igan D. Dealing with real estate booms and busts. BIS Papers, No 64 Property markets and financial stability. pp. 59-67. Available at: https://www.bis.org/publ/bppdf/bispap64.pdf

7.        Barrell, R., Davis, E.P., Karim, D. and Liadze I. Calibrating macropduential policy. Working Paper 2017-17. Federal Reserve Bank of San Francisco Working Paper 2017-17. doi: 10.24148/wp2017-17

8.        Barrell R., Davis P., Karim D., Liadze I. Bank and regulation, property prices and early warning systems for banking crises in OECD. Available at: http://www.niesr.ac.uk/sites/default/files/publications/310309_111955.pdf

9.        Carmen M. Reinhart & Kenneth S. Rogoff. This Time Is Different – Eight Centuries of Financial Folly. Princeton University Press. 2009. 496 P.

10.    Mian a., Sufi A. Household Leverage and the Recession of 2007 to 2009. Paper presented at the 10th Jacques Polak Annual Research Conference Hosted by the International Monetary Fund Washington, DC─November 5–6, 2009.

11.    Zhu. H. The importance of property markets for monetary policy and financial stability. BIS Papers No. 21. pp. 9-19. Available at: https://www.bis.org/publ/bppdf/bispap21.pdf

12.    Котляров М.А. Рынок недвижимости в системе обеспечения финансовой стабильности Центральным банком РФ // Финансовая аналитика: проблемы и решения. т. 8, вып. 39. 2015. С.21-31

13.    Койка К.А. Роль Центрального Банка в регулировании процессов консолидация в банковском секторе России // Наука и бизнес: пути развития. № 8 (74). 2017. С. 51-54.

14.    Блохин А.А. (рук.авт.кол-ва), д-р экон.наук Стерник С.Г., Близняк А.Б., Дранев С.Я., Телешев Г.В. Научный доклад “Эффекты институциональных различий и институциональной ренты в российской экономике”. Москва: Изд-во ИД «Международные отношения», 2018. – 74 с.

15.    Стерник Г.М., Стерник С.Г. Оценка ставок аренды коммерческой недвижимости на узких рынках. // Финансы: теория и практика/Finance: Theory and Practice. 2015;(5): С. 73-79.

16.    Федотова М.А., Стерник С.Г., Телешев Г.В. Методология управления портфелем недвижимости в составе собственного капитала и активов банка // Управленческие науки N4 (17). 2015. C.62-70

17.    Пархоменко М.С. Влияние международных санкций на рынок жилой недвижимости в  России. Сборник научных трудов XI Международной научно-практической конференции, посвященной 110-летию экономического образования в Томском политехническом университете. Томск: Изд-во Национального исследовательского Томского политехнического университета, 2014, С. 242-247.

18.    Болочев С.А, Алиева А.И, Бороденко А.А. Оценка влияния международных санкций на рынок недвижимости России // Астрахань: Инженерно-строительный вестник Прикаспия, 4 (10), 2014. С. 46-49.

19.    Apgar. M. Managing Real Estate to Build Value. Harward Business Review, November 1995. Available at: https://hbr.org/1995/11/managing-real-estate-to-build-value

20.    Lindholm A., Gibler K., Levainen K. Modeling the Value-Adding Attributes of Real Estate to the Wealth Maximization of the Firm. Journal of real estate research, 2006, vol. 28, no. 4. pp. 445-475. Available at: https://pages.jh.edu/jrer/papers/pdf/past/vol28n04/05.445_476.pdf

21.    Жуков Е.В. Стратегическое управление недвижимым имуществом в российских корпорациях // Экономика и предпринимательство. №5-2 (82). 2017. С. 1119-1124.

22.    Озеров Е.С., Пупенцова С.В. Управление стоимостью и инвестиционным потенциалом недвижимости. Санкт-Петербург: издательство Политехнического университета. 2015 – 600 с.

References

1.        Malpezzi S.. Residential Real Estate in the U.S. Financial Crisis, the Great Recession, and their Aftermath. Taiwan Economic Review, 45:1, 2017, pp. 5–56. doi: 10.6277/TER.2017.451.1

2.        Sutorova B., Teply P. The Impact of Basel III on Lending Rates of EU Banks. – Czech Journal of Economics and Finance, Charles University Prague, 2013, no. 63(3). pp. 226-243.

3.        Hoesli M., Milcheva S., Moss A. Is Financial Regulation Good or Bad for Real Estate Companies? – An Event Study. Swiss Finance Institute Research Paper, no. 16-20. doi: 10.1007/s11146-017-9634-z

4.        Ferrari S., Pirovano M., Kaltwasser P.R. Systemic risk, macroprudential policy, bank capital requirements, real estate. Working Paper Research 306, National Bank of Belgium.

5.        Fedotova M.A., Sternik S.G., Latkin F.A. [Current problems of corporate real estate portfolio valuation]. Property Relations in the Russian Federation,  2017, no. 1 (184), pp.70-77 (In Russ.)

6.        Igan D. Dealing with real estate booms and busts. BIS Papers, No 64 Property markets and financial stability. pp. 59-67. Available at: https://www.bis.org/publ/bppdf/bispap64.pdf

7.        Barrell, R., Davis, E.P., Karim, D. and Liadze I. Calibrating macropduential policy. Working Paper 2017-17. Federal Reserve Bank of San Francisco Working Paper 2017-17. doi: 10.24148/wp2017-17

8.        Barrell R., Davis P., Karim D., Liadze I. Bank and regulation, property prices and early warning systems for banking crises in OECD. Available at: http://www.niesr.ac.uk/sites/default/files/publications/310309_111955.pdf

9.        Carmen M. Reinhart & Kenneth S. Rogoff. This Time Is Different – Eight Centuries of Financial Folly. Princeton University Press. 2009. 496 p.

10.    Mian a., Sufi A. Household Leverage and the Recession of 2007 to 2009. Paper presented at the 10th Jacques Polak Annual Research Conference Hosted by the International Monetary Fund Washington, DC─November 5–6, 2009.

11.    Zhu. H. The importance of property markets for monetary policy and financial stability. BIS Papers No. 21. pp. 9-19. Available at: https://www.bis.org/publ/bppdf/bispap21.pdf

12.    Kotlyarov M.A. [Real estate market in facilitating financial system stability by the Central Bank]. Finansovaya analitika: problemy i resheniya = Financial analytics: problems and solutions. vol. 8, no. 39, 2015., pp.21-31 (In Russ.)

13.    Koyka K.A. [Role of Central Bank in regulating consolidation processes in Russian banking sector]. Nauka i biznes: puti razvitija = Science and business: paths of development, no. 8 (74), 2017, pp. 51-54. (In Russ.)

14.    Blohin A.A., Sternik S.G., Bliznyak A.B., Dranev S.Ya., Teleshev G.V. Nauchnyi doklad «Effekty institutsional'nykh razlichii i institutsional'noi renty v rossiiskoi ekonomike» [Scientific report: effects of institutional differences and institutional rent in Russian economy]. Moscow, Mezhdunarodnye otnosheniya Publ., 2018. – 74 p.

15.    Sternik G.M., Sternik. S.G. [Evaluation of commercial rental rates on narrow markets]. Finansy: teoriya i praktika = Finance: Theory and Practice. 2015, no. 5, pp. 73-79. (In. Russ.)

16.    Fedotova M.A., Sternik S.G., Teleshev G.V. [Methodology for managing real estate as part of bank assets and capital]. Upravlencheskie nauki = Management sciences. 2015, no. 4 (17), pp. 62-70 (In. Russ.)

17.    Parhomenko M.S. [Impact of international sanctions on residential real estate market in Russia]. Vliyanie mezhdunarodnykh sanktsii na rynok zhiloi nedvizhimosti v Rossii. Sbornik nauchnykh trudov XI Mezhdunarodnoi nauchno-prakticheskoi konferentsii, posvyashchennoi 110-letiyu ekonomicheskogo obrazovaniya v Tomskom politekhnicheskom universitete. Tomsk, NITPU Publ, 2014, pp. 242-247.

18.    Bolochev S.A., Alieva A.I., Borodenko A.A. [Evaluation of international sanctions impact on Russian real estate market]. Inzhenerno-stroitel'nyi vestnik Prikaspiya = Engineering and construction herald of Near-Kaspian region, no. 4 (10), 2014. pp. 46-49. (In. Russ.)

19.    Apgar. M. Managing Real Estate to Build Value. Harward Business Review, November 1995. Available at: https://hbr.org/1995/11/managing-real-estate-to-build-value

20.    Lindholm A., Gibler K., Levainen K. Modeling the Value-Adding Attributes of Real Estate to the Wealth Maximization of the Firm. Journal of real estate research, 2006, vol. 28, no. 4. pp. 445-475. Available at: https://pages.jh.edu/jrer/papers/pdf/past/vol28n04/05.445_476.pdf

21.    Zhukov E.V. [Strategic management of real esate in Russian corporations]. Ekonomika i prepdrinimatel’stvo = Economy and entrepreneurship, no. 5-2 (82). 2017. pp. 1119-1124.

22.    Ozerov E.S., Pupentsova S.V. Upravlenie stoimost'yu i investitsionnym potentsialom nedvizhimosti. [Management of value and investment potential of real estate]. Saint Petersburg, Polytechnical University Publ., 2016, 600 p.



[1] Экономист Международного валютного фонда.

[2] См. в частности перечень существенных риском Группы Сбербанк – Годовой Отчет ПАО Сбербанк за 2017 г. URL: https://www.sberbank.com/common/img/uploaded/files/pdf/yrep/sberbank_annual_report_2017_rus.pdf

[3] Положение Банка России  от 22 декабря 2014 г. № 448-П  «О порядке бухгалтерского учета основных средств, нематериальных активов, недвижимости, временно неиспользуемой в основной деятельности, долгосрочных активов, предназначенных для продажи, запасов, средств труда и предметов труда, полученных по договорам отступного, залога, назначение которых не определено, в кредитных организациях».

[4] Международный стандарт финансовой отчетности (IFRS) 13 «Оценка справедливой стоимости». URL: https://www.minfin.ru/common/upload/library/no_date/2013/prilozhenie_%E2%84%96_7_-_ru_gvt_ifrs_13_may_2011.pdf

[5] Аналогичные замечания к понятию «справедливая стоимость» (и к наличию деривативов понятий, к примеру «объективная рыночная стоимость» и пр.) высказывались и международными экспертами, в частности Международным комитетом по стандартам оценки в их письме в адрес Базельского комитета. URL: https://www.bis.org/bcbs/cp3/invastco.pdf.

[6] International Valuation Standards 2017. Pre-publication draft. P. 20. URL: https://www.ivsc.org/files/file/view/id/811

[7] «Положение о порядке бухгалтерского учета основных средств, нематериальных активов, недвижимости, временно неиспользуемой в основной деятельности, долгосрочных активов, предназначенных для продажи, запасов, средств труда и предметов труда, полученных по договорам отступного, залога, назначение которых не определено, в кредитных организациях», утверждено Банком России 22.12.2014, № 448-П.

[8] На основе данных публикуемых Банком России формы 101 во всем банкам в банковской системе Российской Федерации (неконсолидированные данные) по следующим категориям: основные средства, ДАПП, НВНОД (остатки по соответствующим счетам на 01.10.2018) в соответствии с ПБУ. Формы 101 по всем банкам РФ, URL: http://www.cbr.ru/credit/forms/

[9] На основе формы 101 - счёту второго уровня №91312 «Имущество, принятое в обеспечение по размещенным средствам, кроме ценных бумаг и  драгоценных  металлов» кредитных организаций по состоянию на 01.10.2018 (форма 101). Данные Банка России. URL: http://www.cbr.ru/credit/forms/

[10] Целевые показатели приведены на основании мнения авторов относительно и могут быть изменены с учетом специфики конкретных кредитных организаций и на основе анализа лучших и бенчмаркинга по отдельным показателям управления портфелем недвижимости.

[11] Показатель, чаще всего упоминаемый в Западных источниках как “recovery rate”.

[12] Система управления корпоративной недвижимостью ValMaster™ FM/FacilitiesManagement. URL: valmaster.ru

С. Г. Стерник, Г. В. Телешев. СТРУКТУРА ПОРТФЕЛЕЙ НЕДВИЖИМЫХ АКТИВОВ НА БАЛАНСЕ БАНКОВ КАК ФАКТОР УСТОЙЧИВОСТИ БАНКОВСКОЙ СИСТЕМЫ

(Опубликовано в журнале "Финансы и кредит" — 2019. — Т. 25, № 2. — С. 293 — 311)
Категория: методические материалы

JEL: G01, G21, G32

структура ПОРТФЕЛЕЙ недвижимых активов НА балансе банков как фактор устойчивости банковской системы

Strusture of real estate assets portfolios on banks balance sheets as a factor of banking system stability

Сергей Геннадьевич СТЕРНИК

доктор экономических наук, профессор, ведущий научный сотрудник, Институт народнохозяйственного прогнозирования РАН, профессор Департамента корпоративных финансов и корпоративного управления, Финансовый университет при Правительстве Российской Федерации, Москва, Российская Федерация

sgs728@mail.ru

SCOPUS-ID: 6507292791

https://orcid.org/0000-0003-1411-1011

SPIN-код: 2930-4020

AUTHORID: 596056

Григорий Владимирович ТЕЛЕШЕВ

аспирант, Институт народнохозяйственного прогнозирования РАН, Москва, Российская Федерация

gteleshev@gmail.com

https://orcid.org/0000-0003-1016-6111

SPIN-код:      5148-6655

AUTHORID: 999417

Аннотация

Предмет. Рынки недвижимости способны оказывать существенное влияние на устойчивость банковской системы и способствовать возникновению кризисов, которые по своей продолжительности и потенциальному объему потерь для национальной экономики в несколько раз превосходят кризисы, возникающие на рынках акций. Взаимосвязь между рынками недвижимости и стабильностью финансовой системы в настоящее время в достаточной степени изучена в западных источниках, но требует существенной проработки и изучения применительно к российскому банковскому сектору. В данной статье исследуется частный аспект взаимосвязи рынков недвижимости со стабильностью  банковской системы, а именно взаимосвязь структуры активов недвижимости банков, находящихся на балансе банков с потенциальным убытками в случае их резкого обесценения.

Цели. Изучение связи между структурой активов недвижимости на балансах банков и устойчивостью банковской системы.

Методология. В процессе исследования применялись методы исследования временных рядов (стоимость активов банковской системы, стоимость недвижимых активов), методы логического анализа.

Результаты. В ходе исследования в банковском секторе выявлена существенная концентрация активов на балансах крупнейших банков. Вместе с тем отмечается, что доля активов недвижимости в общих активах российской банковской системы незначительна и неспособна сама по себе вызвать полномасштабный банковский кризис даже в случае резкого обесценения портфелей недвижимости банков.

Выводы. Сделаны выводы об относительно невысокой доле активов недвижимости в общих активах банковской системы и, как следствие, малой вероятности банковского кризиса только вследствие их резкого обесценения. Вместе с тем, учитывая потенциал роста портфелей недвижимости на балансах банков и их доли в активах банковской системы, а также наличие существенных различий в структуре портфелей недвижимости крупнейших системно-значимых банков, существует необходимость формирования единообразной комплексной системы показателей стоимостного управления портфелями недвижимости банков, адаптированной с учетом непрофильного характера управления недвижимостью для банковского сектора и особенностей российского рынка недвижимости.

Ключевые слова: недвижимость, риски изменения стоимости недвижимости, системно значимые банки

Abstract

Importance Real estate markets may significantly impact banking sector stability and cause banking crises, which are several times more prolonged and carry heavier potential losses for national economy than the crises originating from the stock markets. Interconnectedness between real estate markets dynamics is well-studied in Western literature, but requires and in-depth study as applied to Russian banking sector. In this article, we study particular aspect of this relationship, namely an interrelation between banking real estate portfolios structure and banking stability and potential losses in case of significant banking real estate portfolios devaluation.

Objectives To study relation between the structure of real estate portfolios on Russian banks balance sheets and banking system stability.

Methods The research employs methods of logical analysis and analysis of time series (bank assets, real estate assets on banks book), logical analysis.

Results During this study we identified significant concentration of real estate assets on largest banks balance sheets. At the same time it is noted that the share of real estate assets on banks’ balance sheets is relatively small compared to total banking system assets and as such, it has no potential  to cause a full-scale banking crisis in case of material banks’ real estate portfolios devaluation.

Conclusions and Relevance Conclusions are drawn with regards to relatively small share of real estate assets on banks’ balance sheets compared to total assets of Russian banking system and relatively small probability of banking crisis as a result of real estate portfolios devaluation. At the same time, given potential for real estate portfolios growth on the banks’ balance sheets and significant difference in portfolio structures between largest systemically-significant banks, there is a necessity for development of internally-consistent and comprehensive system of indicators for banks’ real estate portfolios value management, which is tailored to non-core nature of real estate management for banking sector and specifics of Russian real estate market.

Keywords: real estate, real estate-associated risks, systemically-significant banks

Предыдущий финансовый кризис в США заставил мировое сообщество осознать рискованную взаимосвязь динамики рынков недвижимости и глобального финансового рынка, поскольку первоначально он развился из ипотечного кризиса [1]. Из-за недооценки рисков на рынке недвижимости не удалось предотвратить наихудший сценарий развития любого национального и транснационального экономического кризиса (выражающегося изначально в падении производства, занятости и потребления) – переход в финансовый кризис (резкое снижение стоимости активов в национальной финансовой системе), а затем в банковский кризис (неспособность национальной банковской системы отвечать по своим обязательствам).

Важной управленческой реакцией мирового сообщества на этот кризис явилось повышение нормативов достаточности капитала и ужесточение требований к внутренним процедурам оценки достаточности капитала банков, нашедшие отражение в обновленном своде банковских стандартов Basel III, которые могут существенно повлиять на динамику рынка недвижимости за счёт более консервативной политики банков при кредитовании, в том числе под залог недвижимости [2], [3], [4].  

Вместе с тем, признание со стороны банковских регуляторов наличия системной связи между состоянием рынка недвижимости и стабильностью финансовой системы не ограничивается пересмотром нормативов при кредитовании под залог недвижимости (а также при структурировании сложных финансовых продуктов с преимущественной долей недвижимости в качестве обеспечения). Регуляторы, как системные заказчики академических исследований рынков недвижимости в их неразрывной связи с финансовым сектором, понимают, что недвижимость как класс активов играет более существенную роль в системной стабильности финансового сектора, чем было принято считать до последнего ипотечного финансового  кризиса в США. Поэтому регуляторы (и банковское сообщество в целом) нуждаются в решении важной научно-практической задачи – определении механизмов и степени влияния рыночной стоимости недвижимых активов банков на устойчивость финансовой системы.

Дополнительным фактором, повышающим необходимость формирования более глубокого и системного понимания рынков недвижимости для целей регулирования банковского сектора, является характеристика указанных рынков как преимущественно локальных, цикличных, отличающихся относительной неэластичностью предложения и «ассиметрией» информации о сделках, что существенно затрудняет выработку инструментов регулирования, в полной мере учитывающих сложность и сегментированность портфелей недвижимости банков и потенциальное воздействие рынков недвижимости на стабильность банковской системы.

Степень проработанности проблемы в зарубежной науке и практике

После ипотечного кризиса в США 2006-2008 гг. общее признание во всем мире получила точка зрения, что на развитых рынках недвижимость представляет собой не только реальный (материальный) капитал, но может формировать и существенную часть рынка заимствований (первичная и вторичная ипотека), и существенную часть фондового рынка – акции трастов недвижимости и котируемых паевых инвестиционных фондов (ПИФов). Поэтому, например, международное рейтинговое агентство Moody’s включило рейтинг «волатильности денежных потоков по портфелям недвижимости» в группу «Прочие некредитные рейтинги» [5].

Отражением растущего признания роли рынков недвижимости (и недвижимости как класса активов) в стабильности банковской системы со стороны регуляторов, в частности, является организация международных дискуссионных мероприятий, ставящих целью поиск и создание адекватной системы регулирования банковского сектора применительно к рискам, возникающим в результате существенных изменений на рынках недвижимости.

Одним из таких мероприятий безусловно является международная конференция, организованная в 2012 г. Банком Международных Расчетов совместо с Центральным банком Сингапура, объединившая представителей большинства центральных банков Азиатско-Тихоокеанского региона, представителей Международного Валютного Фонда и академических кругов США и Великобритании и озаглавленная «Рынки недвижимости и финансовая стабильность» [6]. Организованная основным международным законодателем банковского регулирования (примечание: Банк Международных Расчетов является разработчиком системы Базельских стандартов) конференция, была организована вокруг следующих ключевых тем:

1.         Уроки кризиса (примечание: международного финансового кризиса 2008-09 гг.);

2.         Анализ цен на рынке недвижимости;

3.         Взрывной рост и кризисы на рынках недвижимости;

4.         Недвижимость, кредит и рынки капитала.

Примечателен в этом смысле не только состав ключевых тем конференции, но и тезисы отдельных докладов. В частности, в докладе «Преодолевая последствия бума и кризиса на рынках недвижимости» (Dealing with real estate booms and busts), автор Дениз Иган[1], отмечает:

«Недвижимость является важным, если не наиболее важным  средством сбережения в экономике. Дополнительно, большинство домохозяйств проявляют тенденцию к сбережению основной части своего  состояния в недвижимости в противоположность к сбережениям в акциях. Обычно, в развитых экономиках, менее половины домохозяйств владеют акциями (в прямую или опосредованно), в то время как доля домохозяйств имеющих недвижимость в собственности составляет в среднем около 65%. Кроме того, имеет место существенный «эффект предложения». В большинстве развитых экономик, цены на рынке недвижимости предвосхищают кредитные и бизнес-циклы. Это указывает на то, что флуктуации цен на рынке недвижимости создают «волны» в экономике путем воздействия на инвестиции в недвижимость, потребление и кредит, в то время как обратный эффект не настолько выражен, имея в виду что рынок недвижимости может быть источником шоков (в экономике). Рецессии, которые совпадают с кризисами на рынке недвижимости имеют тенденцию быть более глубокими и продолжаться дольше, чем те, которые не совпадают (с кризисом на рынке недвижимости), а их совокупный эффект потерь для экономики в среднем в три раза выше. В завершение, рецессии, которые возникают в результате спадов на рынке акций не наносят больший урон и не продолжаются дольше, чем рецессии, не совпадающие со спадом на рынках акций».

Очевидно, что в данном случае признается не только важная роль недвижимости и рынков недвижимости в финансовых кризисах, но и практически центральная – в наиболее серьезных из них. Выводы при этом базируются в существенной мере на глубоком понимании особенностей рынков недвижимости: относительной неликвидности, непрозрачности и «негативных экстерналиях» (например, воздействие на занятость и мобильность) кризисов на рынке недвижимости.

Очевидно, что в западных академических источниках и общей методологии прогнозирования банковских кризисов, индикаторы рынка недвижимости занимают одной из центральных мест наряду с показателями достаточности капитала, ликвидности и счета текущих операций [7], [8]. При этом также признаётся существенная инертность рынков недвижимости и долгосрочность их воздействия на экономику [9], а также способность секьюритизации ипотеки вызывать «кредитные шоки» [10] и способность циклов на рынке недвижимости оказывать существенное влияние на доходность банковского сектора [11].

Степень проработанности проблемы в российской науке и практике

Переходя к анализу российской банковской системы и развитости регулирования в данной области, следует отметить, что банковская система стремится модернизироваться в соответствии со стандартами Базельского комитета и адаптирует многие передовые технологии по управлению банковскими продуктами. При этом, Банк России способствует внедрению новых инструментов управления рисками (в частности, в соответствии с системой стандартов Basel III кредитные организации при существенности данной категории рисков, разрабатывают и внедряют политики управления риском изменения стоимости недвижимости[2]).

Тем не менее, на наш взгляд присутствует определенный дефицит исследований, обосновывающих очевидный системный характер связи между динамикой и развитостью рынка недвижимости и присущих ему характеристик с устойчивостью финансового, в частности, банковского сектора. Кроме того, исследователями констатируется необходимость совершенствования методологических подходов Банка России к макропруденциоальному регулированию посредством внедрения показателей развития рынка недвижимости [12]. К этому добавляются такие особенности российской экономики, которые в отдельных аспектах могут быть нехарактерны для более развитых экономик:

·                Консолидация российского банковского сектора в том числе за счёт ужесточения обязательных нормативов [13] и иных институциональных различий [14] и, как следствие, концентрация рисков, связанных с изменением стоимости недвижимости;

·                Неравномерная развитость локальных рынков недвижимости Российской Федерации и, как следствие,  концентрация технологий и компетенций по анализу, оценке и управлению недвижимостью на наиболее развитых из них, затрудняющая выработку относительно универсальных системных инструментов регулирования в данной области, а также существенная доля недвижимости на «узких», наименее информационно-симметричных локальных рынках недвижимости [15];

·                Более высокий аппетит к риску, связанному с недвижимостью, среди российских банковских игроков по сравнению с международными финансовыми группами [16];

·                Изменяющиеся геополитические условия, санкционный режим в отношении Российской Федерации и, как следствие с одной стороны – уход международных игроков традиционно формирующих спрос на передовые технологии оценки, анализа и управления недвижимостью, с другой стороны – потенциальное снижение аналогичного спроса со стороны российских игроков в условиях, когда выход на международные рынки капитала де-факто закрыт и наличие указанных технологий в портфеле нематериальных активов не создает осязаемого эффекта для их капитализации, а также другие эффекты санкций на рынок недвижимости (см. в частности [17], [18]).

Основные понятия об учете и оценке недвижимых активов банковской системы России

Регламентирование балансового учета и оценки недвижимости банков осуществляется Положением Банка России  от 22 декабря 2014 г. № 448-П  (далее ПБУ[3]).

Согласно п.4 ПБУ оценка справедливой стоимости основных средств, нематериальных активов, недвижимости, временно неиспользуемой в основной деятельности, долгосрочных активов, предназначенных для продажи, запасов, средств труда и предметов труда, полученных по договорам отступного, залога, назначение которых не определено, осуществляется в порядке, определенном Международным стандартом финансовой отчетности (IFRS) 13 «Оценка справедливой стоимости», введенным в действие на территории Российской Федерации приказом Минфина России от 18 июля 2012 года № 106н «О введении в действие и прекращении действия документов Международных стандартов финансовой отчетности на территории Российской Федерации», зарегистрированным Министерством юстиции Российской Федерации 3 августа 2012 года № 25095 (Российская газета от 15 августа 2012 года).

В свою очередь, в пп. 61-66 МСФО[4], в части методологии оценки внимание акцентируется на мультипликативных рыночных моделях: «при рыночном подходе используются цены и другая уместная информация, генерируемая рыночными операциями с идентичными или сопоставимыми (то есть аналогичными) активами, обязательствами или группой активов и обязательств, такой как бизнес…  Например, в методах оценки, совместимых с рыночным подходом, часто используются рыночные множители, возникающие из комплекта сопоставимых показателей. Множители могут находиться в одних диапазонах с другим множителем по каждому сопоставимому показателю. Для выбора надлежащего множителя из диапазона требуется использовать суждение с учетом качественных и количественных факторов, специфических для оценки…Методы оценки, совместимые с рыночным подходом, включают матричное ценообразование. Матричное ценообразование – это математический метод, используемый преимущественно для оценки некоторых видов финансовых инструментов, таких как долговые ценные бумаги, не основываясь лишь на котируемых ценах на определенные ценные бумаги, а скорее на отношении ценных бумаг к другим котируемым ценным бумагам, используемым как ориентир».

Приведенные нормы, на наш взгляд, игнорируют действующее законодательство об оценочной деятельности в РФ, оперирующее понятиями «рыночная» стоимость и «кадастровая» стоимость, но не «справедливая» стоимость недвижимых активов[5]. Кроме того, регулятор, в противоречие указанному законодательству устанавливает, что кредитная организация самостоятельно определяет методы оценки, применяемые при определении справедливой стоимости, в стандартах экономического субъекта или иных внутренних документах. Возможно, данные правовые коллизии будут устранены в будущем, во избежание коррупционных практик и конфликта экономических интересов разных участников рынка. Надо при этом отметить, что в международной оценочной практике понятие «справедливой» стоимости также дискутируется. В частности, во избежание терминологической путаницы, в Международных стандартах оценки в основных видам стоимости понятие «справедливой стоимости» упоминается именно применительно к IFRS 13 в подразделе «иные виды стоимости», аналогичное определение стандарта основных (базовых видов) стоимости при этом видоизменено на «равноправную стоимость» (equitable value)[6].

Тем не менее, в целях дальнейшего обсуждения продолжим анализ действующей практики, исходя из допущения о равнозначности «справедливой» и «рыночной» стоимости.

Рассмотрим также некоторые основные понятия и определения об учете недвижимости банков, установленные Положением по ведению бухгалтерского учёта №448-П (далее – ПБУ[7]), в частности недвижимые активы в собственности банков включают следующие основные категории:

·                основные средства;

·                недвижимость, временно неиспользуемая в основной деятельности (далее – НВНОД);

·                долгосрочные активы, предназначенные для продажи (далее – ДАПП).

Приведенные категории включают основной объем недвижимых активов в собственности кредитных организаций, при этом недвижимость учитываемая в составе основных средств – это преимущественно операционная (используемая в основной деятельности или «корпоративная» недвижимость), учитываемая в составе НВНОД и ДАПП – неиспользуемая в основной деятельности (в том числе выведенная из использования в основной деятельности, либо полученная при урегулировании проблемной задолженности). Не останавливаясь более подробно на особенностях бухгалтерского учёта каждой категории, проведём анализ стоимостной структуры недвижимых активов[8].

Рисунок 1.

Динамика балансовой стоимости недвижимых активов банковской системы России

Источник: расчёты авторов по данным Банка России

По состоянию на 01.10.2018 балансовая стоимость всех видов недвижимых активов приведенных выше категорий в банковской системе РФ (оцененных по справедливой стоимости в соответствии с ПБУ) составляла 1,33 трлн руб., что составляло долю в 1,27% от балансовой стоимости всех активов российских банков. Данная величина и указанная доля являются весьма устойчивыми показателями за исследованный период 11 кварталов (2016-2018 гг.). Разброс стоимости в динамике составлял от 1,04 до 1,13 трлн.руб., доля – 1,24-1,33% (немонотонные колебания этого показателя связаны, вероятно, не столько с приходом/выбытием недвижимых активов, сколько с обычной практикой их переоценки, о чем подробнее будет сказано ниже). Примечательно также, что абсолютный показатель балансовой стоимости недвижимых активов банковской системы не только не снижался с уменьшением числа кредитных организаций в банковской системе, но даже увеличился примерно приблизительно на 97 млрд руб. за аналогичный период, что указывает на то, что при консолидации банковского сектора недвижимость как класс активов имеет тенденцию к концентрации у меньшего количества кредитных организаций.

Рисунок 2.

Структура балансовой стоимости недвижимости на балансах банков в российской банковской системе по состоянию на 01.10.2018, млрд руб.

Источник: расчёты авторов по данным Банка России

Балансовая стоимость недвижимости на счете основных средств (земля, здания, сооружения и др.) в структуре недвижимых активов банковской системы РФ составляет по оценкам авторов 833,45 млрд руб (73,5% от всей стоимости недвижимых активов), из них стоимость земли 16,55 млрд руб.

Балансовая стоимость недвижимости в составе долгосрочных активов на продажу составляет округленно 62,28 млрд руб. (5,49% от всей стоимости недвижимых активов).

И, наконец, самым интересным подразделом баланса (в части недвижимых активов) является недвижимость, временно неиспользуемая в основной деятельности (НВНОД), «справедливая» стоимость которой составила 238,16 млрд руб. (21% от всей стоимости недвижимых активов), на которые начислено 6,44 млрд руб. т.н. резервов на возможные потери (2,71% от балансовой стоимости данной категории).

Очевидно, что НВНОД большей частью –  нереализованные недвижимые объекты залога перешедшие на балансы банков в рамках урегулирования проблемной задолженности, которые не используются в операционной деятельности банков и являются экономическим обременением банковской системы. В меньшей степени это собственные площади, выведенные по разным причинам из портфеля операционной недвижимости банков, но еще не реализованные на рынке.

Малая часть (на сумму 8,15 млрд.руб. или 3,4% стоимости НВНОД) представлена объектами незавершенного строительства. По нашему мнению это не только (и не столько) строительство для собственных операционных нужд банков, сколько принятые на баланс активы девелоперов.

Дополнительно, присутствует часть временно неиспользуемой земли (14,73 млрд руб., 43% в составе НВНОД) и временно неиспользуемых площадей (64,01 млрд руб., 27,08% в составе НВНОД) которые сданы банками в аренду, что частично может компенсировать убытки, но не является профильной деятельностью для банковской системы.

Из рассмотренных данных, на первый взгляд, можно сделать промежуточный вывод о том, что незначительность доли балансовой стоимости недвижимых активов от полной балансовой стоимости всех активов банковской системы (1,27%) исключает угрозу банковского кризиса даже при их резком обесценивании. Однако при анализе рисков банковского кризиса необходимо учитывать не только суммарные показатели по банковской системе в целом, но и потенциал увеличения размера портфеля недвижимости на балансах банков в случае существенного ухудшения состояния кредитных портфелей банков, а также показатели по отдельным банкам (по крайней мере – крупнейшим системным банкам с существенной долей государства в акционерном капитале).

В целях оценки потенциального увеличения размеров портфелей недвижимости банков на Рисунке 3 представлен совокупный объем имущества, принятого в обеспечение по размещенным средствам банков, представляющий собой пул активов (по стоимости в значительной степени недвижимости) потенциально способных существенно увеличить размер портфелей недвижимости банков в случае реализации наиболее неблагоприятного сценария развития банковского сектора.

Рисунок 3.

Имущество, принятое в обеспечение по размещенным средствам, кроме ценных бумаг и  драгоценных  металлов по состоянию на 01.10.2018, трлн руб.

Источник: расчёты авторов по данным Банка России[9]

На Рисунке 4 представлен сравнительный анализ структуры балансовой стоимости недвижимых активов ПАО Сбербанк и Банка ВТБ (ПАО), включая балансы АО «БМ-Банк» на 01.10.2018 г.

Рисунок 4.

Стоимостная структура портфелей ПАО Сбербанк и банков Группы ВТБ (Банк ВТБ (ПАО), АО «БМ-Банк»)

Источник: расчёты авторов по данным Банка России

Суммарная балансовая стоимость недвижимости указанных банков составляет оценочно 581,61 млрд. или 51,29% от стоимости недвижимости всей банковской системы РФ. Причем структура балансовой стоимости недвижимости у этих банков заметно отличается.

Диаграмма на рисунке 2 наглядно показывает, что подавляющая доля недвижимых активов ПАО Сбербанк (95,93%) представлена основными средствами, в то время как у Банка ВТБ (ПАО), как видно из диаграммы на рисунке 3, основные средства составляют только 46,88% балансовой стоимости недвижимых активов, 2,59% представлены в активах, предназначенных для продажи и целых 52,27% составляет недвижимость, временно неиспользуемая в основной деятельности. Справедливо предположить, что в управлении портфелем недвижимости Банка ВТБ (ПАО), по сравнению с портфелем ПАО Сбербанк, имеют место потенциально более значительные риски убытков вследствие неэффективных затрат и обременений в составе стоимости владения значительной долей непрофильных активов, а также вероятного рыночного обесценивания объектов, эксплуатируемых без системного учета концепции наиболее эффективного использования (НЭИ).

Приведенный пример позволяет сделать вывод о необходимости разработки методологии стоимостного управления портфелями недвижимости банков в интересах повышения финансовой устойчивости банковской системы России.

Некоторые предложения по разработке методологии стратегического стоимостного управления портфелями недвижимости банков

Как видно из изложенного выше в предыдущих разделах настоящей работы, недвижимость играет важную и многостороннюю роль в банковской системе, объекты в собственности или аренде банка предназначенные для использования в основной деятельности формируют часть его капитала (в частности за счёт включения переоценки основных средств в состав капитала второго уровня) и представляют вторую по размеру статью расходов после расходов на персонал  (традиционно в западной литературе данная категория обозначается как  корпоративная недвижимость).

С другой стороны, недвижимость поступающая в рамках урегулирования проблемной задолженности может также увеличивать портфель недвижимости и создавать дополнительную нагрузку на капитал при невозможности её реализации и установления справедливой стоимости за счёт необходимости формирования дополнительных резервов (залоговая недвижимость).

Кроме того, в особенности в свете кризисных явлений, банки всё чаще в целях повышения ликвидности выделяют в консолидированной отчётности по МСФО отдельную категорию недвижимости, а именно инвестиционную недвижимость – портфель которой предназначен для получения арендных доходов и улучшения банковских нормативов от повышения стоимости.

Указанные категории имеют свои особенности и инструментарий управления, и, кроме того, по-разному учитываются в бухгалтерском и управленческом учёте банковских организаций (корпоративная недвижимость в составе основных средств за минусом накопленной амортизации, инвестиционная – на базе текущей справедливой стоимости на основе рыночной оценки (как правило, у ведущих профессиональных участников рынка недвижимости).

Указанная многогранная роль недвижимости как актива в банковской отрасли, подчеркивает необходимость научно обоснованного компетентного управления портфелем для предотвращения рисков неустойчивости национальной банковской системы, применения системного подхода к решению задач управления портфелем, анализу и управлению рисками изменения её стоимости.

Предлагаемая стратегия формирования и развития портфеля недвижимости (ПН) банка – система комплексного стоимостного управления недвижимым имуществом как частью активов, направленная на обеспечение интересов акционеров банка путем выполнения следующих условий:

1.             количественный и качественный состав объектов ПН является необходимым и достаточным для операционной деятельности и согласованного акционерами перспективного развития на заданный период;

2.             текущая рентабельность вложенного в ПН капитала (капитальные затраты + операционные расходы) положительна;

3.             ликвидность и рыночная стоимость каждого объекта ПН отчуждении (выбытии) максимальна в варианте НЭИ для данного локального рынка (каждый объект ПН относится к первоклассной недвижимости в соответствующем сегменте каждого локального рынка);

4.             все объекты ПН, необходимые для операционной деятельности, но не являющиеся первоклассной недвижимостью для данного локального рынка, переведены из режима владения (собственности) в режим аренды;

5.             проектирование, строительство (реконструкция), инженерное оснащение и техническая эксплуатация всех объектов ПН осуществляются централизовано, в соответствии с утвержденными корпоративными стандартами, обеспечивающими имиджевую функцию ПН банка на современном уровне (технологичность, инновационность, эргономичность, экологичность, энергоэффективность, экономичность и эстетичность).

Предлагаемые целевые индикаторы ПН представлены в Таблице 1 (по аналогии со сбалансированной системой показателей по корпоративной недвижимости, принятой в западной практике [19], [20]), с учетом российских исследований в области управления портфелями корпораций [21] и концепции управления стоимостным потенциалом недвижимости [22], а также на основе опыта авторов по анализу крупных портфелей недвижимости банков и адаптированных с учетом непрофильности управления недвижимостью для банковского сектора.

Таблица 1

Система показателей стоимостного управления ПН банка

Индикатор

Содержание

Целевой показатель[10]

1.       Доля неиспользуемых (неэффективно используемых) площадей, %

Отношение полезной площади объектов ПН, превышающей нормативно необходимую, к суммарной полезной площади ПН

< 5%

2.       Доля второсортных и неликвидных площадей в собственности, %

Отношение полезной площади неликвидных для данного локального рынка объектов к суммарной полезной площади ПН (из числа находящихся в собственности)

< 10%

3.       Рентабельность операционных затрат портфеля недвижимости

Отношение операционных затрат к операционным доходам

(C / I)

< 1

4.       Рентабельность вложенного капитала, с учетом рисков владения ПН

Отношение операционной прибыли к текущей балансовой стоимости ПН, за вычетом рыночной уценки и стоимости резервирования рисков 

> Текущего коэффициента инфляции

5.       Коэффициент β (насколько ПН лучше рынка?)

Средневзвешенное отношение суммарной рыночной стоимости ПН к текущим средним рыночным ценам в соответствующих сегментах локальных рынков

      >1,20

6.       Показатели объёма ПН,  сформированного в результатам урегулирования проблемной задолженности

6.1. Отношение ПН, сформированного в результате урегулирования проблемной задолженности к операционному портфелю

6.2. Отношение ПН сформированного в результате урегулирования проблемной задолженности к общим активам банка

6.1. <30%

6.2. <0,5%

7.       Показатели эффективности управления ПН, сформированного в результате урегулирования проблемной задолженности

7.1. Показатель оборачиваемости ПН, сформированного в результате урегулирования проблемной задолженности

7.2. Показатель возмещения стоимости проблемных активов (проблемных кредитов под залог недвижимости[11])

7.1. Средний период нахождения на балансе до реализации <1 года

7.2. Исходя из отраслевой практики, в среднем >60%

Источник: предложения авторов

Система показателей стоимостного управления ПН является комплексной и сбалансированной (включающей показатели по различным категориям недвижимых активов на балансе кредитной организации, влияющие на различные аспекты её деятельности), при этом состав показателей и их целевые значения могут адаптироваться с учётом специфики отдельных кредитных организаций, их финансового состояния, а также параметров банковского регулирования (в случае их изменения).

Таким образом, в качестве главного фактора формирования стоимости ПН предлагается рассматривать степень удовлетворения потребностей кредитной организации в объектах недвижимости в целях её уставной операционной деятельности, а также качество управления активами ПН, поступившими в рамках урегулирования проблемной задолженности.

При этом необходимо подчеркнуть, что НЭИ объекта, оцениваемого изолированно, может отличаться от его НЭИ в составе группы активов, когда необходимо учитывать вклад актива в общую стоимость. Поэтому основная предпосылка анализа НЭИ при оценке стоимости ПН требует замены критерия максимальной стоимости конкретного объекта недвижимости на максимальную стоимость банка в целом, которая будучи достигнутой будет отражать и максимальную стоимость ПН.

На основании изложенного предлагается понимать в качестве НЭИ портфеля недвижимости банка как физически, юридически и экономически сложного системного объекта (имущественного комплекса) такое использование, которое максимизирует стоимость банка в части оптимального распределения ресурсов в виде недвижимого имущества.

Некоторые предложения по развитию тактических методов и инструментов управления стоимостью ПН банков

С учётом продемонстрированной положительной обратной связи между состоянием рынка недвижимости и финансовой системы, для обеспечения устойчивости последней необходимо решение комплекса научно-практических задач, связанных с формированием единоообразной методологической базы управления крупными, территориально распределенными портфелями недвижимости банков, системы мониторинга, анализа и прогнозирования рынка(ов) недвижимости для целей управления рисками и формирования устойчивой капитальной базы банковского сектора.

В таблице 2 представлены общие направления развития теоретических и практических инструментов реализации стратегических положений, необходимых для формирования комплексной системы управления недвижимостью банков, охватывающей как компонент корпоративной (операционной, используемой в основной деятельности), так и недвижимости неиспользуемой в основной деятельности (в том числе инвестиционной недвижимости). Применение указанных инструментов необходимо не только с точки зрения управления текущими портфелями недвижимости (уже находящимися на балансах банков), но и ставит целью сформировать инструментарий управления на случай существенного увеличения размеров портфелей недвижимости (и доли недвижимости в активах банковского сектора) вследствие реализации неблагоприятного сценария развития банковской системы – банковского кризиса, вызванного существенными изменениями в динамике рынка недвижимости). Указанные основные направления, методы и инструменты реализации стратегии стоимостного управления портфелями недвижимости банков сформулированы авторами на основе опыта анализа и опыта работы с крупными портфелями недвижимости банков.

Таблица 2

Основные направления, методы и инструменты реализации стратегии стоимостного управления ПН банка

Направления

Методы

Инструменты

1. Определение количественного и качественного состава объектов ПН

1.1. Формирование реестра недвижимости банка с учётом местоположения, вида объекта, площади, цели использования, юридических прав на недвижимость (включая земельные участки), юридического статуса объектов (право на объект и земельный участок зарегистрировано/не зарегистрировано, объект и участок поставлены/не поставлены на кадастровый учёт), полной стоимости эксплуатации, арендной платы за объект, фактической загруженности объекта

Информационно-аналитические инструменты:

- автоматизированные системы управления портфеля недвижимости (см. пример[12])

- аналитические базы данных

- аналитические инструменты кластеризации объектов ПН

- аналитические инструменты визуализации больших массивов данных о ПН (диаграммы, графики, карты данных)

1.2. Формирование экономико-географической карты расположения объектов по стране/регионам/крупным городам

1.3. Определение географических точек роста (необходимо больше офисов банка и сопутствующей недвижимости) и регионов снижения присутствия банка

1.4. Выделение экономически не оправданных, но социально значимых объектов недвижимости банка

2. Оптимизация структуры ПН

2.1. Определение объема активной части ПН

Инструменты экономического анализа:

- сравнительный анализ

- корреляционно-регрессионный анализ

- кластерный анализ

- пространственно-параметрический анализ

2.2. Определение объема неактивной части ПН и анализ эффективности её текущего использования

2.3. Выработка рекомендаций по изменению соотношения активной и неактивной частей ПН

2.4. Прогноз изменения потребности в офисах банка в связи с предполагаемым развитием онлайн услуг банка

2.5. Влияние предполагаемого изменения соотношения клиентов банка - физических и юридических лиц - на потребность в офисах банка

3. Оценка показателей эффективности ПКН

3.1. Определение рентабельности капитала, вложенного в отдельные группы активов ПН

Инструменты финансового анализа:

- коэффициенты рентабельности

- коэффициенты ликвидности

- коэффициенты доходности

- инструменты стоимостной оценки недвижимости

- калькуляция управленческих затрат

3.2. Оценка ликвидности и рыночной стоимости каждого объекта ПН

3.3. Оценка уровня ликвидности, стоимости и доходности ПН в целом

3.4. Оценка затрат на управление ПН

4. Юридическое сопровождение ПН

4.1. Формирование стандартов юридического сопровождения ПН

Правовые инструменты

5. Оптимизация ПН с точки зрения прав собственности и аренды

5.1. Определение оптимального соотношения собственной и арендуемой недвижимости банка на основе лучших международных практик (сравнение с банками и другими организациями с развитыми филиальными сетями)

5.2. Расчет вмененной арендной платы за собственные объекты банка

5.3. Разработка этапов перехода от текущего к оптимальному соотношению собственной и арендуемой недвижимости

6. Оптимизация архитектуры бизнес-процессов по управлению ПН

6.1. Поиск наиболее эффективных владельцев для всех бизнес-процессов управления недвижимостью

Организационных инструменты:

- формализация бизнес-процессов

- аудит бизнес-процессов

- моделирование бизнес-процессов

6.2. Разработка методики передачи бизнес-процессов от текущих владельцев к наиболее эффективным владельцам

6.3. Разработка способов методической поддержки владельцев бизнес-процессов

7. Оценка и минимизация рисков

7.1. Выявление и оценка рисков, связанных с эксплуатацией собственной и арендованной недвижимости

Инструменты риск-менеджмента

7.2. Разработка методики снижения выявленных рисков

7.3. Определение значения коэффициента β для различных групп активов ПН

8. Повышение качества существующих и строящихся объектов ПН

8.1. Разработка корпоративных стандартов строительства, реконструкции, оснащения и технической эксплуатации всех объектов ПН

Технические регламенты, стандарты

9. Оптимальное управление  портфелем недвижимости, сформированным при урегулировании проблемной задолженности

9.1. Разработка системы показателей эффективности управления ПН, сформированных в результате урегулирования проблемной задолженности

Портфельные инструменты управления ПН в результате урегулирования проблемной задолженности, в том числе инструменты массовой оценки, система КПЭ реализации объектов ПН

9.2. Установление целевых значений показателей

9.3. Внедрение системы мониторинга эффективностью процесса реализации активов ПН, сформированного в результате урегулирования проблемной задолженности

Источник: предложения авторов

Список литературы

1.        Malpezzi S.. Residential Real Estate in the U.S. Financial Crisis, the Great Recession, and their Aftermath. Taiwan Economic Review, no. 45:1, 2017, pp. 5–56. doi: 10.6277/TER.2017.451.1

2.        Sutorova B., Teply P. The Impact of Basel III on Lending Rates of EU Banks. – Czech Journal of Economics and Finance, Charles University Prague, 2013, no. 63(3). pp. 226-243.

3.        Hoesli M., Milcheva S., Moss A. Is Financial Regulation Good or Bad for Real Estate Companies? – An Event Study. Swiss Finance Institute Research Paper, no. 16-20. doi: 10.1007/s11146-017-9634-z

4.        Ferrari S., Pirovano M., Kaltwasser P.R. Systemic risk, macroprudential policy, bank capital requirements, real estate. Working Paper Research 306, National Bank of Belgium.

5.        Федотова М.А., Стерник С.Г., Латкин Ф.А. Актуальные проблемы оценки портфеля корпоративной недвижимости. // Имущественные отношения в РФ N1 (184). 2017.  C. 70-77.

6.        Igan D. Dealing with real estate booms and busts. BIS Papers, No 64 Property markets and financial stability. pp. 59-67. Available at: https://www.bis.org/publ/bppdf/bispap64.pdf

7.        Barrell, R., Davis, E.P., Karim, D. and Liadze I. Calibrating macropduential policy. Working Paper 2017-17. Federal Reserve Bank of San Francisco Working Paper 2017-17. doi: 10.24148/wp2017-17

8.        Barrell R., Davis P., Karim D., Liadze I. Bank and regulation, property prices and early warning systems for banking crises in OECD. Available at: http://www.niesr.ac.uk/sites/default/files/publications/310309_111955.pdf

9.        Carmen M. Reinhart & Kenneth S. Rogoff. This Time Is Different – Eight Centuries of Financial Folly. Princeton University Press. 2009. 496 P.

10.    Mian a., Sufi A. Household Leverage and the Recession of 2007 to 2009. Paper presented at the 10th Jacques Polak Annual Research Conference Hosted by the International Monetary Fund Washington, DC─November 5–6, 2009.

11.    Zhu. H. The importance of property markets for monetary policy and financial stability. BIS Papers No. 21. pp. 9-19. Available at: https://www.bis.org/publ/bppdf/bispap21.pdf

12.    Котляров М.А. Рынок недвижимости в системе обеспечения финансовой стабильности Центральным банком РФ // Финансовая аналитика: проблемы и решения. т. 8, вып. 39. 2015. С.21-31

13.    Койка К.А. Роль Центрального Банка в регулировании процессов консолидация в банковском секторе России // Наука и бизнес: пути развития. № 8 (74). 2017. С. 51-54.

14.    Блохин А.А. (рук.авт.кол-ва), д-р экон.наук Стерник С.Г., Близняк А.Б., Дранев С.Я., Телешев Г.В. Научный доклад “Эффекты институциональных различий и институциональной ренты в российской экономике”. Москва: Изд-во ИД «Международные отношения», 2018. – 74 с.

15.    Стерник Г.М., Стерник С.Г. Оценка ставок аренды коммерческой недвижимости на узких рынках. // Финансы: теория и практика/Finance: Theory and Practice. 2015;(5): С. 73-79.

16.    Федотова М.А., Стерник С.Г., Телешев Г.В. Методология управления портфелем недвижимости в составе собственного капитала и активов банка // Управленческие науки N4 (17). 2015. C.62-70

17.    Пархоменко М.С. Влияние международных санкций на рынок жилой недвижимости в  России. Сборник научных трудов XI Международной научно-практической конференции, посвященной 110-летию экономического образования в Томском политехническом университете. Томск: Изд-во Национального исследовательского Томского политехнического университета, 2014, С. 242-247.

18.    Болочев С.А, Алиева А.И, Бороденко А.А. Оценка влияния международных санкций на рынок недвижимости России // Астрахань: Инженерно-строительный вестник Прикаспия, 4 (10), 2014. С. 46-49.

19.    Apgar. M. Managing Real Estate to Build Value. Harward Business Review, November 1995. Available at: https://hbr.org/1995/11/managing-real-estate-to-build-value

20.    Lindholm A., Gibler K., Levainen K. Modeling the Value-Adding Attributes of Real Estate to the Wealth Maximization of the Firm. Journal of real estate research, 2006, vol. 28, no. 4. pp. 445-475. Available at: https://pages.jh.edu/jrer/papers/pdf/past/vol28n04/05.445_476.pdf

21.    Жуков Е.В. Стратегическое управление недвижимым имуществом в российских корпорациях // Экономика и предпринимательство. №5-2 (82). 2017. С. 1119-1124.

22.    Озеров Е.С., Пупенцова С.В. Управление стоимостью и инвестиционным потенциалом недвижимости. Санкт-Петербург: издательство Политехнического университета. 2015 – 600 с.

References

1.        Malpezzi S.. Residential Real Estate in the U.S. Financial Crisis, the Great Recession, and their Aftermath. Taiwan Economic Review, 45:1, 2017, pp. 5–56. doi: 10.6277/TER.2017.451.1

2.        Sutorova B., Teply P. The Impact of Basel III on Lending Rates of EU Banks. – Czech Journal of Economics and Finance, Charles University Prague, 2013, no. 63(3). pp. 226-243.

3.        Hoesli M., Milcheva S., Moss A. Is Financial Regulation Good or Bad for Real Estate Companies? – An Event Study. Swiss Finance Institute Research Paper, no. 16-20. doi: 10.1007/s11146-017-9634-z

4.        Ferrari S., Pirovano M., Kaltwasser P.R. Systemic risk, macroprudential policy, bank capital requirements, real estate. Working Paper Research 306, National Bank of Belgium.

5.        Fedotova M.A., Sternik S.G., Latkin F.A. [Current problems of corporate real estate portfolio valuation]. Property Relations in the Russian Federation,  2017, no. 1 (184), pp.70-77 (In Russ.)

6.        Igan D. Dealing with real estate booms and busts. BIS Papers, No 64 Property markets and financial stability. pp. 59-67. Available at: https://www.bis.org/publ/bppdf/bispap64.pdf

7.        Barrell, R., Davis, E.P., Karim, D. and Liadze I. Calibrating macropduential policy. Working Paper 2017-17. Federal Reserve Bank of San Francisco Working Paper 2017-17. doi: 10.24148/wp2017-17

8.        Barrell R., Davis P., Karim D., Liadze I. Bank and regulation, property prices and early warning systems for banking crises in OECD. Available at: http://www.niesr.ac.uk/sites/default/files/publications/310309_111955.pdf

9.        Carmen M. Reinhart & Kenneth S. Rogoff. This Time Is Different – Eight Centuries of Financial Folly. Princeton University Press. 2009. 496 p.

10.    Mian a., Sufi A. Household Leverage and the Recession of 2007 to 2009. Paper presented at the 10th Jacques Polak Annual Research Conference Hosted by the International Monetary Fund Washington, DC─November 5–6, 2009.

11.    Zhu. H. The importance of property markets for monetary policy and financial stability. BIS Papers No. 21. pp. 9-19. Available at: https://www.bis.org/publ/bppdf/bispap21.pdf

12.    Kotlyarov M.A. [Real estate market in facilitating financial system stability by the Central Bank]. Finansovaya analitika: problemy i resheniya = Financial analytics: problems and solutions. vol. 8, no. 39, 2015., pp.21-31 (In Russ.)

13.    Koyka K.A. [Role of Central Bank in regulating consolidation processes in Russian banking sector]. Nauka i biznes: puti razvitija = Science and business: paths of development, no. 8 (74), 2017, pp. 51-54. (In Russ.)

14.    Blohin A.A., Sternik S.G., Bliznyak A.B., Dranev S.Ya., Teleshev G.V. Nauchnyi doklad «Effekty institutsional'nykh razlichii i institutsional'noi renty v rossiiskoi ekonomike» [Scientific report: effects of institutional differences and institutional rent in Russian economy]. Moscow, Mezhdunarodnye otnosheniya Publ., 2018. – 74 p.

15.    Sternik G.M., Sternik. S.G. [Evaluation of commercial rental rates on narrow markets]. Finansy: teoriya i praktika = Finance: Theory and Practice. 2015, no. 5, pp. 73-79. (In. Russ.)

16.    Fedotova M.A., Sternik S.G., Teleshev G.V. [Methodology for managing real estate as part of bank assets and capital]. Upravlencheskie nauki = Management sciences. 2015, no. 4 (17), pp. 62-70 (In. Russ.)

17.    Parhomenko M.S. [Impact of international sanctions on residential real estate market in Russia]. Vliyanie mezhdunarodnykh sanktsii na rynok zhiloi nedvizhimosti v Rossii. Sbornik nauchnykh trudov XI Mezhdunarodnoi nauchno-prakticheskoi konferentsii, posvyashchennoi 110-letiyu ekonomicheskogo obrazovaniya v Tomskom politekhnicheskom universitete. Tomsk, NITPU Publ, 2014, pp. 242-247.

18.    Bolochev S.A., Alieva A.I., Borodenko A.A. [Evaluation of international sanctions impact on Russian real estate market]. Inzhenerno-stroitel'nyi vestnik Prikaspiya = Engineering and construction herald of Near-Kaspian region, no. 4 (10), 2014. pp. 46-49. (In. Russ.)

19.    Apgar. M. Managing Real Estate to Build Value. Harward Business Review, November 1995. Available at: https://hbr.org/1995/11/managing-real-estate-to-build-value

20.    Lindholm A., Gibler K., Levainen K. Modeling the Value-Adding Attributes of Real Estate to the Wealth Maximization of the Firm. Journal of real estate research, 2006, vol. 28, no. 4. pp. 445-475. Available at: https://pages.jh.edu/jrer/papers/pdf/past/vol28n04/05.445_476.pdf

21.    Zhukov E.V. [Strategic management of real esate in Russian corporations]. Ekonomika i prepdrinimatel’stvo = Economy and entrepreneurship, no. 5-2 (82). 2017. pp. 1119-1124.

22.    Ozerov E.S., Pupentsova S.V. Upravlenie stoimost'yu i investitsionnym potentsialom nedvizhimosti. [Management of value and investment potential of real estate]. Saint Petersburg, Polytechnical University Publ., 2016, 600 p.



[1] Экономист Международного валютного фонда.

[2] См. в частности перечень существенных риском Группы Сбербанк – Годовой Отчет ПАО Сбербанк за 2017 г. URL: https://www.sberbank.com/common/img/uploaded/files/pdf/yrep/sberbank_annual_report_2017_rus.pdf

[3] Положение Банка России  от 22 декабря 2014 г. № 448-П  «О порядке бухгалтерского учета основных средств, нематериальных активов, недвижимости, временно неиспользуемой в основной деятельности, долгосрочных активов, предназначенных для продажи, запасов, средств труда и предметов труда, полученных по договорам отступного, залога, назначение которых не определено, в кредитных организациях».

[4] Международный стандарт финансовой отчетности (IFRS) 13 «Оценка справедливой стоимости». URL: https://www.minfin.ru/common/upload/library/no_date/2013/prilozhenie_%E2%84%96_7_-_ru_gvt_ifrs_13_may_2011.pdf

[5] Аналогичные замечания к понятию «справедливая стоимость» (и к наличию деривативов понятий, к примеру «объективная рыночная стоимость» и пр.) высказывались и международными экспертами, в частности Международным комитетом по стандартам оценки в их письме в адрес Базельского комитета. URL: https://www.bis.org/bcbs/cp3/invastco.pdf.

[6] International Valuation Standards 2017. Pre-publication draft. P. 20. URL: https://www.ivsc.org/files/file/view/id/811

[7] «Положение о порядке бухгалтерского учета основных средств, нематериальных активов, недвижимости, временно неиспользуемой в основной деятельности, долгосрочных активов, предназначенных для продажи, запасов, средств труда и предметов труда, полученных по договорам отступного, залога, назначение которых не определено, в кредитных организациях», утверждено Банком России 22.12.2014, № 448-П.

[8] На основе данных публикуемых Банком России формы 101 во всем банкам в банковской системе Российской Федерации (неконсолидированные данные) по следующим категориям: основные средства, ДАПП, НВНОД (остатки по соответствующим счетам на 01.10.2018) в соответствии с ПБУ. Формы 101 по всем банкам РФ, URL: http://www.cbr.ru/credit/forms/

[9] На основе формы 101 - счёту второго уровня №91312 «Имущество, принятое в обеспечение по размещенным средствам, кроме ценных бумаг и  драгоценных  металлов» кредитных организаций по состоянию на 01.10.2018 (форма 101). Данные Банка России. URL: http://www.cbr.ru/credit/forms/

[10] Целевые показатели приведены на основании мнения авторов относительно и могут быть изменены с учетом специфики конкретных кредитных организаций и на основе анализа лучших и бенчмаркинга по отдельным показателям управления портфелем недвижимости.

[11] Показатель, чаще всего упоминаемый в Западных источниках как “recovery rate”.

[12] Система управления корпоративной недвижимостью ValMaster™ FM/FacilitiesManagement. URL: valmaster.ru

А. А. Блохин

главный научный сотрудник Института народнохозяйственного прогнозирования Российской академии наук, профессор Финансового университета при Правительстве Российской Федерации, доктор экономических наук (г. Москва)

С.Г. Стерник

ведущий научный сотрудник Института народнохозяйственного прогнозирования Российской академии наук, профессор Департамента корпоративных финансов и корпоративного управления Финансового университета при Правительстве Российской Федерации, профессор, доктор экономических наук (г. Москва)

Г. В. Телешев

аспирант Института народнохозяйственного прогнозирования Российской академии наук (г. Москва)

Сергей Геннадьевич Стерник, sgs728@mail.ru

Авторами анализируется процесс трансформации институциональной ренты застройщиков многоквартирного жилья, возникающей в свете изменения порядка доступа застройщиков к средствам дольщиков (использование счетов эскроу) и введения института проектного финансирования. Приводятся существующие и вновь возникающие институциональные барьеры, постулируется перераспределение институциональной ренты в пользу банковского сектора в результате указанных изменений. Предложены направления для дальнейшего мониторинга институциональных изменений сектора строительства многоквартирного жилья в целях сохранения его устойчивости и достижения приоритетных показателей развития отрасли (объем строительства, доступность жилья и т. д.).

Ключевые слова: трансформация институциональной ренты застройщиков, коррупционная рента, институциональные ограничения, рентный капитализм, многоквартирное строительство, институт уполномоченных банков, банковское сопровождение застройщиков; institutional barriers, institutional rent, off-plan real estate development, designated banks

A.A. Blokhin, S.G. Sternik, G.V. Teleshev. TRANSFORMATION OF THE INSTITUTIONAL RENT OF DEVELOPERS OF MULTI-FAMILY HOUSING INTO INSTITUTIONAL RENT OF CREDIT ORGANIZATIONS

Authors of the article analyze the process of institutional rent transformation for multi-family housing builders resulting from recent changes in access by builders to off-plan buyers funds (introduction of escrow accounts) and introduction of project financing. Analysis is undertaken in institutional framework, existing and newly arising institutional barriers are discussed, while redistribution of institutional rent in favor of banking sector is postulated as a result of these changes. Authors of the article propose directions for further monitoring of institutional changes in multi-family housing construction sector in order to maintain its stability and ability to achieve the high-level priority target indicators (construction volume, housing affordability etc.).

Различные аспекты феномена институциональной ренты в России последние два десятка лет являются предметом внимания многих направлений фундаментальной и прикладной науки, а также обсуждаются практическими экспертами и управленцами различных уровней и специальностей (юристами, экономистами, политологами, философами, психологами, журналистами, государственными и корпоративными менеджерами, политиками и т. д.).

По нашему мнению, для того чтобы кратко (не претендуя на полноту обзора) сформулировать основные устоявшиеся результаты этого направления работы научной и общественной мысли, стоит отметить условную «точку начала координат» в работах известного российского экономиста, академика Российской академии наук В.М. Полтеровича, который рассматривает элементы теории институциональной трансформации (см. [1]).

Существуют открытые экономические системы (рынки), допускающие вход и выход участников деятельности на основе добровольных контрактов между ними, и закрытые (привилегированные), вход/выход из которых связан с высокими издержками. Институциональная ловушка по Полтеровичу образуется в виде системных условий деятельности привилегированных групп экономических агентов, когда в периоды институциональной трансформации усиливается перераспределительная активность – различные формы захвата прав на присвоение ренты (лоббирование законов, выгодных группе, коррупция и т. д.).

Рассмотрим кратко сложившиеся в российской науке исходные понятия.

Институт – совокупность норм или правил поведения.

Институциональная рента – разница между прибылью при наличии привилегий и нормальной прибылью при тех же расходах (подробнее см. [2]).

Несмотря на многочисленные исследования по теории ренты, многие авторы тяготеют к унификации этого понятия как «дохода от использования земли, территории страны, ее природных ресурсов, магистральных трубопроводов, средств сообщения, монопольного использования производителей важных видов продукции, пользующихся повышенным спросом на рынке» [3].

В соответствии с таким подходом экономическая система, сформировавшаяся в постсоветском пространстве на основе несбалансированной системы власти, – это рентная экономика перераспределительного типа с доминированием рентных интересов, рентоориентированного поведения и рентного капитализма.

Сутью ренты является перераспределение сверхприбыли в пользу сильнейшего.

Ослабление России по сравнению с передовыми по темпам экономического развития странами обусловлено присвоением первичной земельной ренты (в широком понимании) узким кругом лиц и перераспределением рентных потоков как первичного, так и вторичного (квазирентного) уровней за пределы России (см. [4]).

Отдельной строкой фигурирует понятие статусной ренты как продукта институционального монополизма. В условиях так называемого анархофеодального капитализма и сохранения пережитков феодальных отношений в управлении государственная и муниципальная служба расценивается в качестве «кормления», бизнеса, доходного места. В этой сфере формируется статусно-административная рента, которая может приобретать как легитимные, так и нелигитимные формы. Условием возникновения этой ренты является контроль доступа к трансакциям (см. [5]).

В некоторых научных публикациях описанное понятие статусной ренты трансформировалось в термин «коррупционная рента»: «Одним из основных проявлений коррупционной деятельности является формирование коррупционной ренты. Термин «рента» широко используется в экономической теории и применяется к факторам производства – труду, земле, капиталу. Образование ренты связано с владением редким ресурсом и его с ограниченным предложением. Таким ресурсом для коррупционеров различных уровней государственной власти (федеральной, региональной, муниципальной) выступает доступ к государственным ресурсам (включая инвестиционные и финансовые ресурсы). Системная коррупция имеет возможность гарантировать бизнесу получение государственного либо муниципального заказа, обеспечив тем самым стабильный источник финансирования его предпринимательской деятельности (с помощью выигранного тендера, участия в реализации соответствующей программы или конкретного инвестиционного проекта). Коррупция часто намеренно создает барьеры бизнесу, искусственно ограничивая ему доступ к государственным ресурсам, т. е. ограничивая их предложение и извлекая при этом значительную выгоду. Подобное положение можно сравнить с ситуацией, обозначенной в экономической теории как формирование монопольной прибыли или монопольной ренты» [6].

А.А. Блохиным было показано, что в России фактор усиливающихся институциональных различий недооценивается и роль институциональной ренты в перераспределении доходов и воздействии на экономическое равновесие и экономический рост пока не принимается во внимание, в то время как действие на участника рынка определенных факторов в значительной мере связано с размерами бизнеса, то есть по-разному проявляется для крупнейших, крупных и остальных компаний (такая классификация компаний обоснована и предложена автором в работе [7]).

Таким образом, в российской экономике сложилась как минимум трехуровневая иерархия бизнеса, сектора (уровни) которой различаются по группам факторов, определяющим различия институциональных условий для компаний, их образующих.

Существенным индикатором состояния национальной макроэкономики является рынок строительства и продажи городского многоквартирного жилья. Мониторинг и прогнозирование тенденций указанного сектора актуальны не только для прикладного планирования жилищной политики государства и регионов, но и для оценки перспектив социально-экономического развития страны в целом (см. [8]).

На конец 2017 года объем ввода нового многоквартирного жилья составлял примерно 45 миллионов квадратных метров в год (из 80 миллионов квадратных метров общего ввода жилья в России). Президентом Российской Федерации установлена программная цель увеличить приведенные цифры в полтора раза (110–120 миллионов квадратных метров в год общего ввода жилья, что в стоимостной оценке составляет от 5,7 до 6,8 триллиона рублей в год в средних ценах 2017 года и при неизменной региональной структуре ввода жилья).

По данным портала «Единый реестр застройщиков» (www.erzrf.ru), ТОП застройщиков городского многоквартирного жилья Российской Федерации по текущему строительству вот уже полгода возглавляет Группа ЛСР. О принадлежности Группы ЛСР к уровню крупнейших бизнесов (или альфа-бизнеса по А.А. Блохину (см. [2]) косвенно свидетельствует то, что экс-министр транспорта Максим Соколов вошел в ее совет директоров. В рейтинге Эксперт 400 за 2016 год эта компания занимает 120 место. В предшествующие годы она также занимала места в середине третьей полусотни компаний этого рейтинга. В течение 2018 года лидер рынка увеличил объем текущего строительства на 11 810 квадратных метров (с 4 487 647 до 4 499 457 квадратных метров). Застройщиком возводится 28 жилых комплексов, в которые входят 280 многоквартирных домов, 1 дом блокированной застройки и 3 дома с апартаментами. ГК «ПИК» (занимает 189 место в рейтинге Эксперт 400 за 2016 год) остается второй, несмотря на увеличение объема текущего жилищного строительства на 83 969 квадратных метров (с 4 267 556 до 4 351 525 квадратных метров). Однако разрыв между лидерами сократился до 3,3 процента (с 4,9 процента в предыдущем месяце). По итогам 9 месяцев Группа ЛСР занимает в ТОП по объемам ввода жилья (не путать с объемами текущего строительства) лишь десятое место. Между тем по данным проектных деклараций она планирует ввести до конца года еще более 1 миллиона квадратных метров жилья, так что скорее всего ЛСР будет, как и в 2016–2017 годах, претендовать на второе место после ГК «ПИК» в ранжировании застройщиков по объему ввода жилья по итогам 2018 года.

По состоянию на 1 июля 2018 года всего десять крупнейших застройщиков возводят 18,28 миллиона квадратных метров жилья (15,24 процентов от объема текущего строительства всех застройщиков России). Месяцем ранее эти же компании имели в текущем строительстве 18,00 миллиона квадратных метров жилья (15,06%). На тройку лидеров приходится 11,24 миллиона квадратных метров (9,37%) строящегося в Российской Федерации жилья.

Очевидным трендом 2018 года является рост доли рынка крупнейших застройщиков. Власти трех регионов (Москва, Санкт-Петербург и Ленинградская область) практически одновременно воспользовались положениями реформированного законодательства о долевом строительстве и внесли в Федеральную службу государственной регистрации, кадастра и картографии (далее – Росреестр) списки застройщиков, в отношении которых введен запрет на привлечение средств дольщиков. Сразу 95 застройщиков из трех крупнейших регионов утратили право регистрировать в Росреестре договоры долевого участия в строительстве. Похоже, новые правила долевого строительства начинают приводить к достижению поставленной цели по удалению с рынка слабых игроков.

Изменение порядка финансирования многоквартирного строительства как фактор перераспределения институциональной ренты в строительном секторе

Если ранее основным механизмом непосредственного финансирования жилищного строительства являлось долевое строительство (инвестиционные взносы граждан), то с 2018 года оно начинает неуклонно замещаться специально регулируемым государством «банковским сопровождением», включающим накопление взносов граждан в уполномоченных банках и пропорциональное целевое проектное кредитование застройщиков. При этом если ранее смысловая граница возникновения институциональной ренты (в том числе институционально-обусловленная селекция сильнейших игроков) на рынке в основном проходила по фронтам выделения землеотводов, присоединения к городским коммуникациям и особенностям градостроительного регулирования (например, допустимая плотность застройки, социальная нагрузка проекта и т. п.), то теперь фронт сосредотачивается в доступе к регулируемому финансированию.

При этом в описанном процессе застройщик как бизнес-институт все в большей степени становится подчиненным правилам, устанавливаемым основным бенефициаром процесса – уполномоченным банком, а процесс распределения институциональной ренты в строительном секторе все в большей степени перемещается в банковскую систему (конкретно в законодательно ограниченный перечень уполномоченных банков). Речь, таким образом, идет о перераспределении веса институциональных факторов и направлений конкуренции застройщиков из отраслевых в экономические и правовые группы факторов (см. [9]). Происходит этот процесс на фоне существующих диспропорций в экономике, традиционно создающих ограничения для развития сектора жилищного строительства, в том числе существенные региональные диспропорции и административные барьеры (подробнее см. [10–12]).

Основные изменения, получившие широкую огласку на строительном рынке, связаны, как указано ранее, с введением института уполномоченных банков для работы со средствами дольщиков. Критерии определения уполномоченных банков установлены постановлением Правительства Российской Федерации от 18 июня 2018 года № 697 «Об утверждении критериев (требований), которым в соответствии с Федеральным законом «Об участии в долевом строительстве многоквартирных домов и иных объектов недвижимости и о внесении изменений в некоторые законодательные акты Российской Федерации» должны соответствовать уполномоченные банки и банки, которые имеют право на открытие счетов эскроу…» (далее – Постановление). В соответствии с Постановлением с 1 июля 2018 года в Российской Федерации начинают применяться нормы, регулирующие деятельность уполномоченных банков – банков, наделенных компетенцией по осуществлению банковского сопровождения девелоперских проектов, строящихся с привлечением средств дольщиков. Критерии, установленные для уполномоченных банков, правительство распространило и на банки, которые имеют право на работу со счетами эскроу для дольщиков. Вступившим в силу 6 июля 2018 года Постановлением установлено, что в общем случае уполномоченный банк должен в совокупности соответствовать четырем критериям:

1) иметь универсальную лицензию;

2) быть участником обязательного страхования вкладов;

3) не участвовать в санкциях, вводимых в отношении отраслей Российской Федерации, а также должен отсутствовать риск такого участия. Список таких банков утверждается Правительством Российской Федерации и направляется в Центральный банк Российской Федерации (далее – Банк России);

4) наличие рейтинга не ниже «A-(RU)» по шкале АКРА либо не ниже «ruA-» по национальной рейтинговой шкале «Эксперт РА».

От соблюдения четвертого критерия освобождаются:

·        банк единого института развития в жилищной сфере (Банк «Российский капитал»);

·        банки, в отношении которых Банком России осуществляются меры по предупреждению банкротства или принято решение о гарантировании Банком России непрерывности деятельности такого банка;

·        банки (контролирующие лица банков), которые находятся под действием санкций иностранных государств. Список таких банков утверждается Правительством Российской Федерации.

Распоряжение Правительства Российской Федерации № 2465-р, предусматривающее передачу 100 процентов акций банка «Российский капитал» из казны Российской Федерации в Агентство ипотечного жилищного кредитования, премьер-министр Дмитрий Медведев подписал 8 ноября 2017 года. Всего за год совокупная доля АО «ДОМ.РФ» и дочернего банка «Российский капитал» на рынке ипотеки увеличилась в 2 раза – с 1,4 до 2,8 процента. Этот процесс проходил, несмотря на завершающиеся структурные преобразования в банке – АО «ДОМ.РФ» завершает оптимизацию банка «Российский Капитал» («РосКап»), переданного ей в конце прошлого года в качестве инструмента ипотечного кредитования. В итоге этой оптимизации по состоянию на середину июня сокращено две трети отделений Банка (со 132 до 54) и около половины его сотрудников (с 4,3 до 2,5 тысячи человек). Руководящий состав Банка уменьшился на 30 процентов. Скорее всего, одной из основных причин реформирования работы банка стали результаты его финансовой деятельности, так как согласно финансовой отчетности Банка по итогам 2017 года «РосКап» понес убыток в размере 16,3 миллиарда рублей (см. [18]).

Между тем, несмотря на негативную динамику в целом ряде показателей экономической эффективности, в ближайшие годы «РосКап» претендует выйти на третье место среди ведущих игроков на рынке ипотечного кредитования в стране (после Сбербанка и ВТБ). В частности, в 2018 году планируется выдать ипотечных займов на 100 миллиардов рублей.

Теперь рассмотрим список 55 уполномоченных банков по обслуживанию застройщиков жилья, опубликованный Банком России по состоянию на 1 июля 2018 года. Но прежде обратим внимание на первоисточники одного из решающих критериев допуска банков в этот список.

RAEX (Эксперт РА) – крупнейшее в России рейтинговое агентство c 20-летней историей, в 2017 году включено в реестр кредитных рейтинговых агентств Банка России в соответствии с требованиями Федерального закона № 222-ФЗ[1], является лидером в области рейтингования, а также исследовательско-коммуникационной деятельности. Акционерами агентства наряду с небанковскими компаниями и физическими лицами являются два банка: «Открытие» (9,9%) и «ПЕРЕСВЕТ» (4,2%).

Аналитическое кредитное рейтинговое агентство (далее – АКРА) учреждено 20 ноября 2015 года. Акционерами АКРА стали 27 крупнейших российских компаний и финансовых институтов с долями 3,7 уставного капитала, общий объем которого составил более 3 миллиардов рублей. Деятельность агентства строится в соответствии с новейшими регулятивными требованиями и своей основной задачей видит обеспечение российского рынка качественным рейтинговым продуктом. Наряду с крупнейшими небанковскими корпорациями акционерами АКРА являются следующие банки (в алфавитном порядке): Альфа-банк, ВТБ, Газпромбанк, Московский кредитный банк, Открытие, Промсвязьбанк, Райффайзенбанк, РОСБАНК, Россельхозбанк, Сбербанк, Совкомбанк, ЮниКредит Банк.

Отметим, что в обоих случаях уполномоченные рейтинговые агентства, по нашему мнению, не являются абсолютно независимыми от своих банков-акционеров или крупнейших клиентов[2], которые также входят в указанный список банков, допущенных к банковскому сопровождению застройщиков жилья (см. табл.).

55 банков, которые могут быть допущены к банковскому сопровождению застройщиков жилья по состоянию на 1 июля 2018 года [3]

Банк

Рейтинг

Иные критерии

Учредитель АКРА или Эксперт РА

Эксперт РА

АКРА

Российский капитал

ruBBB–

BBB+(RU)

ДОМ.РФ

нет

ПАО Банк «ФК Открытие»

ruA

A+(RU)

*

**

ПАО Промсвязьбанк

ruA–

поддержка Банка России

АКРА

ПАО БИНБАНК

ruBBB

нет

ПАО «Банк ВТБ»

ruAAA

санкции

АКРА

ПАО Сбербанк

AAA(RU)

АО ЮниКредит Банк

ruAAA

AAA(RU)

АО «Райффайзенбанк»

AAA(RU)

АО «Данске банк»

AAA(RU)

нет

АО «Мидзухо Банк (Москва)»

AAA(RU)

АО «БНП ПАРИБА Банк»

AAA(RU)

ООО «Дойче Банк»

AAA(RU)

АО АКБ «РосЕвроБанк»

A(RU)

АО «КБ ДельтаКредит»

AAA(RU)

ООО «Русфинанс Банк»

AAA(RU)

АО «Тойота Банк»

AAA(RU)

АО «КОММЕРЦБАНК (ЕВРАЗИЯ)»

AAA(RU)

АО «Натиксис Банк»

AAA(RU)

АО КБ «Ситибанк»

AAA(RU)

АО Креди Агриколь КИБ

AAA(RU)

АО ИНГ БАНК (ЕВРАЗИЯ)

AAA(RU)

АО «Нордеа Банк»

AAA(RU)

АО «СЭБ Банк»

AAA(RU)

АО «Газпромбанк»

ruAA+

AA(RU)

санкции

АКРА

АО «РН Банк»

AA+(RU)

нет

АЛЬФА–БАНК

ruAA

AA(RU)

АКРА

РОСЭКСИМБАНК

санкции

нет

АКБ «БЭНК ОФ ЧАЙНА»

ruAA

АйСиБиСи Банк

ruAA

ПАО РОСБАНК

ruAAA

AAA(RU)

Челиндбанк

ruAA–

АО Банк «ВБРР»

ruAA

AA–(RU)

Кредит Урал Банк

ruA+

санкции

Банк «Аверс»

ruA–

АО «ОТП Банк»

ruA

A+(RU)

Банк «Интеза»

ruA

ПАО «Связь–Банк»

ruA

BBB+(RU)

санкции

Челябинвестбанк

ruA

СДМ–Банк

ruA–

BBB+(RU)

ПАО «Совкомбанк»

ruA

A(RU)

АКРА

ПАО «Московский кредитный банк»

ruA–

A(RU)

АО «Тинькофф Банк»

ruA

A(RU)

нет

ПАО РНКБ Банк

ruA–

A(RU)

санкции

СМП Банк

ruA–

Банк ЗЕНИТ

ruA–

Банк Ак Барс

ruA–

Бест Эффортс Банк

ruA–

ООО «Хоум Кредит энд Финанс Банк»

ruA–

ПАО «Запсибкомбанк»

ruBBB+

A–(RU)

ПАО «Банк «Санкт–Петербург»

ruA–

A–(RU)

АКРА

АО «Россельхозбанк»

AA(RU)

санкции

АО «Сургутнефтегазбанк»

ruA+

нет

АО «АБ «РОССИЯ»

ruAA

A+(RU)

АО «МСП БАНК»

A+(RU)

ПАО «Азиатско-Тихоокеанский Банк»

* Поддержка Банка России (участие в капитале 99,99 процента, санация через механизм Фонда консолидации банковского сектора).

** Бывшая головная компания Банка (АО «Открытие Холдинг») является учредителем АКРА и Эксперт РА.

Необходимо еще раз отметить, что наличие рейтинга на уровне минимального от одного из указанных рейтинговых агентств является одним из критериев (по сути, необязательным) наряду с другими (к примеру, нахождение банка в санкционном списке одного из иностранных государств, что само по себе является фактором, способным отрицательно повлиять на платежеспособность кредитной организации). Таким образом, из приведенных в Постановлении критериев самым существенным ограничивающим число участников является наличие универсальной банковской лицензии (размер собственных средств должен составлять не менее 1 миллиарда рублей) и связанные с наличием универсальной банковской лицензии повышенные требования к управлению рисками, раскрытию информации и распространению требований международных стандартов (подробнее см. [21]).

Вместе с тем Постановление смягчает требования к банкам, допущенным к открытию счетов эскроу, по сравнению с предыдущей редакцией аналогичного постановления (постановление Правительства Российской Федерации от 27 апреля 2017 года № 498), которое уравнивало требования к уполномоченным банкам для открытия счетов эскроу с требованиями к банкам для размещения средств федерального бюджета. При этом требования к банкам для размещения средств федерального бюджета являются значительно более жесткими, в частности, с точки зрения требований к размеру собственных средств на уровне не менее 25 миллиардов рублей[4].В связи с этим следует ожидать дальнейшего расширения списка уполномоченных банков в соответствии с критериями, указанными в Постановлении (так, за время написания настоящей статьи в список были включены еще 3 банка – ПАО КБ «Центр-инвест», АО «РОСЭКСИМБАНК», ООО «Эйч-эс-би-си Банк (РР)») [5].

Вследствие столь существенных изменений законодательства о порядке финансирования строительства многоквартирного жилья с 2018 года ожидается не только дальнейшее увеличение доли крупнейших застройщиков на рынке [6], но и упомянутое ранее перемещение институциональной ренты рынка от этих застройщиков к уполномоченным банкам (де-факто – основным бенефициарам указанного процесса). Механизм перемещения ренты в банковский сектор пока окончательно не сформирован и будет трансформироваться с изменением регулирования, в том числе с учетом практической отработки новых требований. При этом, учитывая общую логику преобразований, самые существенные изменения будут происходить по следующим направлениям:

1) размещение средств дольщиков на счетах в уполномоченных банках создаст для уполномоченных банков дополнительный объем пассивов (причем в отличие от депозитов на остатки по счетам эскроу не начисляются проценты, отделяя таким образом застройщика от получения наиболее привлекательного источника финансирования строительства напрямую от дольщиков), параллельно усилятся позиции уполномоченных банков на строительном рынке, а также потенциально увеличится концентрацию недвижимости как класса активов на балансах крупнейших банков (см. [13]);

2) в стремлении минимизировать свои риски, связанные с изменением стоимости недвижимости и потенциальным банкротством застройщиков, уполномоченные банки все в большей степени будут отдавать предпочтение «финансово-устойчивым» и «надежным» застройщикам. В связи с этим следует ожидать появления дополнительных требований к застройщикам со стороны банков для включения в число таковых в дополнение к критериям, предусмотренным в законе;

3) уход с рынка застройщиков, которые не смогут по разным причинам соответствовать вновь установленным критериям, и перераспределение рынка в пользу игроков, уже имеющих стабильные связи с уполномоченными банками. Таким образом, следует ожидать не только банкротства небольших застройщиков, но и увеличения активности на рынке слияний и поглощений в пользу более сильных игроков (в том числе при участии инвестиционно-банковских подразделений уполномоченных банков).

В целом за последние годы расслоение компаний на рынках финансирования многоквартирного жилья на альфа- и бета-бизнес резко усилилось. Оно стало естественным результатом предшествующей концентрации бизнеса крупными застройщиками и крупными банками, ростом их совокупной институциональной силы, позволяющей перенести акценты имевшихся институциональных барьеров с уровня муниципалитетов (землеотводы и разрешения, доступ к инфраструктуре) на уровень границы бизнеса, выделившегося в строительном секторе альфа-бизнеса.

Указанные изменения правового поля в публичном пространстве позиционируются как вызванные социальными причинами и отчетливой необходимостью повышения надежности и прозрачности системы финансирования строительства многоквартирного жилья, в том числе в свете неисполнения обязательств крупными застройщиками и банкротств (СУ-155, Urban Group и другие). В то же время указанные требования создают будущие риски для банков и застройщиков, не попавших в число участников трансформированной системы. Экономические показатели последних будут объективно снижаться, при этом упущенные ими доля рынка и прибыль будут преимущественно перераспределены между банками и застройщикам первой группы. При этом в последующем социальные и иные риски для клиентов «отстающих» банков и компаний в других сегментах рынков могут существенно возрасти.

Вместе с тем необходимо отметить, что выделение альфа-бизнеса на рынке застройщиков многоквартирного жилья происходит с заметным отставанием от других секторов экономики (топливно-энергетический комплекс (ТЭК), металлургия), что определяется:

·        более скромными размерами этого рынка по сравнению с указанными секторами;

·        «вторичностью» рынка – рынок застройщиков многоквартирного жилья, по сути, вырос на «второй волне» после компаний ТЭК и металлургии, в том числе благодаря полученным ими экспортным доходам, трансформировавшимся впоследствии в спрос населения на жилье;

·        более высокой, по экспертным оценкам, чем на других рынках, теневой составляющей в приобретении жилья, затрудняющей консолидацию рынка (в частности доли наличных расчетов при покупке недвижимости, общей доли строительного сектора в объеме сомнительных операций в представлении Банка России [7]);

·        существенно большей сегментацией рынка недвижимости по сравнению с остальными рынками (в том числе за счет наличия земельной и «разрешительной/инфраструктурной» ренты у муниципальных и городских властей), что объективно ограничивает возможности быстрой централизации и укрупнения отрасли.

Следует отметить и то, что в рейтинге уполномоченных банков, формально подходящих к работе с застройщиками по критериям Правительства Российской Федерации, особое место занимает банковская группа под брендом ДОМ.РФ (включающая банк «Российский капитал»), не отличавшаяся до сих пор высоким уровнем в российских банковских рейтингах. Остальные места по российским рейтингам в подавляющей доле занимают, во-первых, крупнейшие системные и преимущественно государственные банки (в первую очередь Сбербанк и ВТБ. Однако и в отношении рейтинговых агентств, на которые ориентируется законодатель, возникают вопросы об их аффилированности с банками-бенефициарами и о соответствии международным стандартам их деятельности (некоторые банки с позитивным внутрироссийским рейтингом имеют негативные рейтинги у международных агентств).

Тенденции, риски и показатели для дальнейшего мониторинга

Представляется, что в ближайшие годы процессы консолидации рынка строительства многоквартирного жилья будут только усиливаться (как за счет банкротств застройщиков, так и за счет усиления тенденции к слияниям-поглощениям в отрасли). Оценить конкретные последствия для населения указанной консолидации банков, строительных компаний, теневого рынка пока трудно из-за разнонаправленных трендов, присутствующих на этом рынке (подробнее см [14]), а также из-за ранней стадии указанного процесса (по разным оценкам процесс может развиваться на протяжении следующих 3–5 лет при непосредственном участии государства). В то же время концепция институциональной ренты и институциональных ограничений в многоуровневой экономике позволяет усовершенствовать мониторинг этого процесса для своевременного выявления рисков, связанных со столь масштабной консолидацией и структурировать анализ происходящих процессов в целях выработки решений, направленных на сохранение стабильности отрасли и достижения приоритетных показателей ее развития (в том числе по заявленным целевым объемам ввода жилья, обеспеченности и доступности жилья для населения).

На наш взгляд, основные изменения и эффекты указанного процесса будут структурироваться по следующим основным направлениям, требующим дальнейшего мониторинга:

1) экономические, связанные с потенциально более быстрым ростом объема строительства жилья за счет поддержки лидеров строительной отрасли, потенциальным сокращением издержек за счет эффектов масштаба (в том числе за счет типизации или даже «коммодитизации» массового жилья, оценка крупных портфелей которой будет для банков наиболее удобна). В т о же время эти изменения будут связаны с рисками передела рынков строительства жилья, их явной или неявной монополизацией, банкротствами небольших строительных компаний и обусловленным этим повышением нагрузки на рынок труда (что особенно болезненно для небольших городов и отчетливо депрессивных регионов, строительство в которых для крупных застройщиков не является приоритетом);

2) социальные, обусловленные, с одной стороны, снижением рисков обмана граждан (дольщиков) за счет сокращения доли наличных расчетов и размещения средств в устойчивых банках, с другой – повышением рисков для клиентов банков, не попавших в число уполномоченных по этой системе, снижением нелегального рынка труда в строительной сфере;

3) технологические, связанные с большими возможностями крупных консолидированных игроков строительной отрасли осваивать и внедрять достижения в инновационной сфере (в том числе наличие компетенций по разработке и внедрению типовых проектов жилья, подходящих для массовой застройки микрорайонов, «волновой застройки» в рамках программ реновации);

4) финансовые, обусловленные возможным усилением банковского контроля за происхождением средств и постепенным выводом из теневого оборота средств населения, следовательно, с расширением налогооблагаемой базы, а также повышением устойчивости бюджетной системы. Внедрение банковскими институтами новых инструментов мониторинга строительного сектора (методология оценки устойчивости застройщиков, связанное с этим рейтингование застройщиков, совершенствование методологии массовой оценки и прочее).

ЛИТЕРАТУРА И ИНФОРМАЦИОННЫЕ ИСТОЧНИКИ

1.        Полтерович В. М. Элементы теории реформ. М. : Издательство «Экономика», 2007.

2.        Сироткин В. Б. Совмещение целей и средств при институциональной трансформации экономических систем: проблема «безбилетника» и проблема «принципал-агент» // Экономическое возрождение России. 2013. № 4 (38). С. 67–73.

3.        Комолева С. А. Особенности перераспределения рентных доходов в социально ориентированной экономике // Вестник Саратовского государственного социально-экономического университета. 2009. № 3 (27).

4.        Федотов А. М. Финансовая рента и экономическая безопасность России // Вестник Саратовского государственного социально-экономического университета. 2012. № 5 (44). С. 84–87.

5.        Рассоха Р. Р. Трансформация институционального монополизма в российской социально-экономической системе // Вестник Саратовского государственного социально-экономического университета. 2012. № 5 (44). С. 52–55.

6.        Котова Н. Н. Теневой сектор отечественной экономики (проблемы и особенности) // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. 2015. Т. 9. № 2. С. 58–64.

7.        Блохин А. А. Институциональные рамки и факторы экономического роста в перспективе // Проблемы прогнозирования. 2012. № 6. C. 52–58.

8.        Стерник Г. М., Стерник С. Г. Методология моделирования и прогнозирования жилищного рынка : монография. М. : РГ-Пресс, 2018. 584 с.

9.        Эффекты институциональных различий и институциональной ренты в российской экономике: научный доклад / рук. авт. кол. А. А. Блохин, С. Г. Стерник, А. Б. Близняк, С. Я. Дранев, Г. В. Телешев. М. : Международные отношения, 2018. 74 с.

10.    Кузьмич Н. П. Влияние институциональных факторов на развитие предпринимательства в строительстве // Наука и бизнес: пути развития. 2013. № 7(25). С. 74–77.

11.    Захарова Ж. А. Жилищное строительство и перспективы его развития в условиях неоптимальности российской экономики // Региональная экономика: теория и практика. 2016. № 1. С. 182–90.

12.    Золотухин С. Л., Фадеева Н. С. Институциональные факторы и регуляторы модернизации строительства // Экономика строительства. 2010. № 4 (4). С. 23–29.

13.    Sternik S. G., Teleshev G. V. Impact of Banking Real Estate as an Asset Class on Financial System Stability: Monitoring, Forecasting, Management // Journal of Reviews on Global Economics. 2018. No. 7. P. 851864.

14.    Стерник Г. М., Стерник С. Г. Факторы и тренды развития российского рынка многоквартирного жилья по итогам 2017 года // Жилищные стратегии. 2018. № 3.

15.    Портал «Единый реестр застройщиков». UTL: www.erzrf.ru

16.    Об утверждении критериев (требований), которым в соответствии с Федеральным законом «Об участии в долевом строительстве многоквартирных домов и иных объектов недвижимости и о внесении изменений в некоторые законодательные акты Российской Федерации» должны соответствовать уполномоченные банки и банки, которые имеют право на открытие счетов эскроу для расчетов по договорам участия в долевом строительстве : постановление Правительства Российской Федерации от 18 июня 2018 года № 697. Доступ из справочной правовой системы «КонсультантПлюс».

17.    Распоряжение Правительства Российской Федерации от 8 ноября 2017 года № 2465-р. Доступ из справочной правовой системы «КонсультантПлюс».

18.    Ипотечный банк уплотнили // Коммерсант. 2018. 20 июня. URL: https://www.kommersant.ru/doc/3662584

19.    О внесении изменений в отдельные законодательные акты Российской Федерации : Федеральный закон от 23 июня 2016 года № 222-ФЗ. Доступ из справочной правовой системы «КонсультантПлюс».

20.    Рейтинговое агентство «Эксперт РА» : [сайт]. URL: https://raexpert.ru/docbank//572/6f1/30f/80b3b08df9dbe46e6a38ca6.pdf

21.    Пропорциональное регулирование банковского сектора. URL: http://www.cbr.ru/Press/press_centre/events/02062017.pdf

22.    О требованиях к банкам, которые имеют право на открытие счетов эскроу для расчетов по договорам участия в долевом строительстве : постановление Правительства Российской Федерации от 27 апреля 2017 года № 498. Доступ из справочной правовой системы «КонсультантПлюс».

23.    О порядке размещения средств федерального бюджета на банковских депозитах : постановление Правительства Российской Федерации от 24 декабря 2011 года № 1121. Доступ из справочной правовой системы «КонсультантПлюс».

24.    URL: http://www.cbr.ru/vfs/credit/fzlist/fz697list-20180901.xls

25.    URL: https://erzrf.ru/news/uzhe-143-zastroyshchikam-zapreshcheno-privlekat-sredstva-dolshchikov-po-ddu?search=%D0%95%D1%89%D0%B5

26.    РБК: «ЦБ впервые назвал лидирующие на теневом рынке обналички отрасли». URL: https://www.rbc.ru/finances/12/11/2018/5be59fb69a7947ce92493f2e?from=main


[1] Федеральный закон от 13 июля 2015 года №222-ФЗ «О деятельности кредитных рейтинговых агентств в Российской Федерации, о внесении изменения в статью 76.1 Федерального закона «О Центральном банке Российской Федерации (Банке России)» и признании утратившими силу отдельных положений законодательных актов Российской Федерации»

[2] Эксперт РА в списке потенциальных конфликтов интересов своих аналитиков раскрывает часть банков указанного списка (см. URL: https://raexpert.ru/docbank//572/6f1/30f/80b3b08df9dbe46e6a38ca6.pdf ), в то время как в выручке АКРА два банка из приведенного списка генерируют не менее 5 процентов выручки (Банк ГПБ (АО), АО «АЛЬФА-БАНК»). При этом политика и АКРА, и Эксперт РА направлена на избежание конфликтов – агентства декларируют отсутствие конфликтов интересов с рейтингуемыми компаниями.

[3] В таблице использованы данные портала erzrf.ru

[4] Постановление Правительства Российской Федерации от 24 декабря 2011 года № 1121 «О порядке размещения средств федерального бюджета на банковских депозитах».

[5] URL: http://www.cbr.ru/vfs/credit/fzlist/fz697list-20180901.xls

[6] По оценкам экспертов, непосредственное несоблюдение требования к открытию специальных счетов в уполномоченных банках не выполнили ~10 процентов застройщиков. Так, по состоянию на 15октября 2018 года указанное требование не выполнили 143 застройщика Москвы, Московской области и Санкт-Петербурга. URL: https://erzrf.ru/news/uzhe-143-zastroyshchikam-zapreshcheno-privlekat-sredstva-dolshchikov-po-ddu?search=%D0%95%D1%89%D0%B5

[7] РБК: «ЦБ впервые назвал лидирующие на теневом рынке обналички отрасли». URL: https://www.rbc.ru/finances/12/11/2018/5be59fb69a7947ce92493f2e?from=main

А. А. Блохин, С.Г. Стерник, Г. В. Телешев. Трансформация институциональной ренты застройщиков многоквартирного жилья в институциональную ренту кредитных организаций

(Статья опубликована в первом номере журнала «Имущественные отношения в РФ» (январь, 2019 г.))
Категория: методические материалы

А. А. Блохин

главный научный сотрудник Института народнохозяйственного прогнозирования Российской академии наук, профессор Финансового университета при Правительстве Российской Федерации, доктор экономических наук (г. Москва)

С.Г. Стерник

ведущий научный сотрудник Института народнохозяйственного прогнозирования Российской академии наук, профессор Департамента корпоративных финансов и корпоративного управления Финансового университета при Правительстве Российской Федерации, профессор, доктор экономических наук (г. Москва)

Г. В. Телешев

аспирант Института народнохозяйственного прогнозирования Российской академии наук (г. Москва)

Сергей Геннадьевич Стерник, sgs728@mail.ru

Авторами анализируется процесс трансформации институциональной ренты застройщиков многоквартирного жилья, возникающей в свете изменения порядка доступа застройщиков к средствам дольщиков (использование счетов эскроу) и введения института проектного финансирования. Приводятся существующие и вновь возникающие институциональные барьеры, постулируется перераспределение институциональной ренты в пользу банковского сектора в результате указанных изменений. Предложены направления для дальнейшего мониторинга институциональных изменений сектора строительства многоквартирного жилья в целях сохранения его устойчивости и достижения приоритетных показателей развития отрасли (объем строительства, доступность жилья и т. д.).

Ключевые слова: трансформация институциональной ренты застройщиков, коррупционная рента, институциональные ограничения, рентный капитализм, многоквартирное строительство, институт уполномоченных банков, банковское сопровождение застройщиков; institutional barriers, institutional rent, off-plan real estate development, designated banks

A.A. Blokhin, S.G. Sternik, G.V. Teleshev. TRANSFORMATION OF THE INSTITUTIONAL RENT OF DEVELOPERS OF MULTI-FAMILY HOUSING INTO INSTITUTIONAL RENT OF CREDIT ORGANIZATIONS

Authors of the article analyze the process of institutional rent transformation for multi-family housing builders resulting from recent changes in access by builders to off-plan buyers funds (introduction of escrow accounts) and introduction of project financing. Analysis is undertaken in institutional framework, existing and newly arising institutional barriers are discussed, while redistribution of institutional rent in favor of banking sector is postulated as a result of these changes. Authors of the article propose directions for further monitoring of institutional changes in multi-family housing construction sector in order to maintain its stability and ability to achieve the high-level priority target indicators (construction volume, housing affordability etc.).

Различные аспекты феномена институциональной ренты в России последние два десятка лет являются предметом внимания многих направлений фундаментальной и прикладной науки, а также обсуждаются практическими экспертами и управленцами различных уровней и специальностей (юристами, экономистами, политологами, философами, психологами, журналистами, государственными и корпоративными менеджерами, политиками и т. д.).

По нашему мнению, для того чтобы кратко (не претендуя на полноту обзора) сформулировать основные устоявшиеся результаты этого направления работы научной и общественной мысли, стоит отметить условную «точку начала координат» в работах известного российского экономиста, академика Российской академии наук В.М. Полтеровича, который рассматривает элементы теории институциональной трансформации (см. [1]).

Существуют открытые экономические системы (рынки), допускающие вход и выход участников деятельности на основе добровольных контрактов между ними, и закрытые (привилегированные), вход/выход из которых связан с высокими издержками. Институциональная ловушка по Полтеровичу образуется в виде системных условий деятельности привилегированных групп экономических агентов, когда в периоды институциональной трансформации усиливается перераспределительная активность – различные формы захвата прав на присвоение ренты (лоббирование законов, выгодных группе, коррупция и т. д.).

Рассмотрим кратко сложившиеся в российской науке исходные понятия.

Институт – совокупность норм или правил поведения.

Институциональная рента – разница между прибылью при наличии привилегий и нормальной прибылью при тех же расходах (подробнее см. [2]).

Несмотря на многочисленные исследования по теории ренты, многие авторы тяготеют к унификации этого понятия как «дохода от использования земли, территории страны, ее природных ресурсов, магистральных трубопроводов, средств сообщения, монопольного использования производителей важных видов продукции, пользующихся повышенным спросом на рынке» [3].

В соответствии с таким подходом экономическая система, сформировавшаяся в постсоветском пространстве на основе несбалансированной системы власти, – это рентная экономика перераспределительного типа с доминированием рентных интересов, рентоориентированного поведения и рентного капитализма.

Сутью ренты является перераспределение сверхприбыли в пользу сильнейшего.

Ослабление России по сравнению с передовыми по темпам экономического развития странами обусловлено присвоением первичной земельной ренты (в широком понимании) узким кругом лиц и перераспределением рентных потоков как первичного, так и вторичного (квазирентного) уровней за пределы России (см. [4]).

Отдельной строкой фигурирует понятие статусной ренты как продукта институционального монополизма. В условиях так называемого анархофеодального капитализма и сохранения пережитков феодальных отношений в управлении государственная и муниципальная служба расценивается в качестве «кормления», бизнеса, доходного места. В этой сфере формируется статусно-административная рента, которая может приобретать как легитимные, так и нелигитимные формы. Условием возникновения этой ренты является контроль доступа к трансакциям (см. [5]).

В некоторых научных публикациях описанное понятие статусной ренты трансформировалось в термин «коррупционная рента»: «Одним из основных проявлений коррупционной деятельности является формирование коррупционной ренты. Термин «рента» широко используется в экономической теории и применяется к факторам производства – труду, земле, капиталу. Образование ренты связано с владением редким ресурсом и его с ограниченным предложением. Таким ресурсом для коррупционеров различных уровней государственной власти (федеральной, региональной, муниципальной) выступает доступ к государственным ресурсам (включая инвестиционные и финансовые ресурсы). Системная коррупция имеет возможность гарантировать бизнесу получение государственного либо муниципального заказа, обеспечив тем самым стабильный источник финансирования его предпринимательской деятельности (с помощью выигранного тендера, участия в реализации соответствующей программы или конкретного инвестиционного проекта). Коррупция часто намеренно создает барьеры бизнесу, искусственно ограничивая ему доступ к государственным ресурсам, т. е. ограничивая их предложение и извлекая при этом значительную выгоду. Подобное положение можно сравнить с ситуацией, обозначенной в экономической теории как формирование монопольной прибыли или монопольной ренты» [6].

А.А. Блохиным было показано, что в России фактор усиливающихся институциональных различий недооценивается и роль институциональной ренты в перераспределении доходов и воздействии на экономическое равновесие и экономический рост пока не принимается во внимание, в то время как действие на участника рынка определенных факторов в значительной мере связано с размерами бизнеса, то есть по-разному проявляется для крупнейших, крупных и остальных компаний (такая классификация компаний обоснована и предложена автором в работе [7]).

Таким образом, в российской экономике сложилась как минимум трехуровневая иерархия бизнеса, сектора (уровни) которой различаются по группам факторов, определяющим различия институциональных условий для компаний, их образующих.

Существенным индикатором состояния национальной макроэкономики является рынок строительства и продажи городского многоквартирного жилья. Мониторинг и прогнозирование тенденций указанного сектора актуальны не только для прикладного планирования жилищной политики государства и регионов, но и для оценки перспектив социально-экономического развития страны в целом (см. [8]).

На конец 2017 года объем ввода нового многоквартирного жилья составлял примерно 45 миллионов квадратных метров в год (из 80 миллионов квадратных метров общего ввода жилья в России). Президентом Российской Федерации установлена программная цель увеличить приведенные цифры в полтора раза (110–120 миллионов квадратных метров в год общего ввода жилья, что в стоимостной оценке составляет от 5,7 до 6,8 триллиона рублей в год в средних ценах 2017 года и при неизменной региональной структуре ввода жилья).

По данным портала «Единый реестр застройщиков» (www.erzrf.ru), ТОП застройщиков городского многоквартирного жилья Российской Федерации по текущему строительству вот уже полгода возглавляет Группа ЛСР. О принадлежности Группы ЛСР к уровню крупнейших бизнесов (или альфа-бизнеса по А.А. Блохину (см. [2]) косвенно свидетельствует то, что экс-министр транспорта Максим Соколов вошел в ее совет директоров. В рейтинге Эксперт 400 за 2016 год эта компания занимает 120 место. В предшествующие годы она также занимала места в середине третьей полусотни компаний этого рейтинга. В течение 2018 года лидер рынка увеличил объем текущего строительства на 11 810 квадратных метров (с 4 487 647 до 4 499 457 квадратных метров). Застройщиком возводится 28 жилых комплексов, в которые входят 280 многоквартирных домов, 1 дом блокированной застройки и 3 дома с апартаментами. ГК «ПИК» (занимает 189 место в рейтинге Эксперт 400 за 2016 год) остается второй, несмотря на увеличение объема текущего жилищного строительства на 83 969 квадратных метров (с 4 267 556 до 4 351 525 квадратных метров). Однако разрыв между лидерами сократился до 3,3 процента (с 4,9 процента в предыдущем месяце). По итогам 9 месяцев Группа ЛСР занимает в ТОП по объемам ввода жилья (не путать с объемами текущего строительства) лишь десятое место. Между тем по данным проектных деклараций она планирует ввести до конца года еще более 1 миллиона квадратных метров жилья, так что скорее всего ЛСР будет, как и в 2016–2017 годах, претендовать на второе место после ГК «ПИК» в ранжировании застройщиков по объему ввода жилья по итогам 2018 года.

По состоянию на 1 июля 2018 года всего десять крупнейших застройщиков возводят 18,28 миллиона квадратных метров жилья (15,24 процентов от объема текущего строительства всех застройщиков России). Месяцем ранее эти же компании имели в текущем строительстве 18,00 миллиона квадратных метров жилья (15,06%). На тройку лидеров приходится 11,24 миллиона квадратных метров (9,37%) строящегося в Российской Федерации жилья.

Очевидным трендом 2018 года является рост доли рынка крупнейших застройщиков. Власти трех регионов (Москва, Санкт-Петербург и Ленинградская область) практически одновременно воспользовались положениями реформированного законодательства о долевом строительстве и внесли в Федеральную службу государственной регистрации, кадастра и картографии (далее – Росреестр) списки застройщиков, в отношении которых введен запрет на привлечение средств дольщиков. Сразу 95 застройщиков из трех крупнейших регионов утратили право регистрировать в Росреестре договоры долевого участия в строительстве. Похоже, новые правила долевого строительства начинают приводить к достижению поставленной цели по удалению с рынка слабых игроков.

Изменение порядка финансирования многоквартирного строительства как фактор перераспределения институциональной ренты в строительном секторе

Если ранее основным механизмом непосредственного финансирования жилищного строительства являлось долевое строительство (инвестиционные взносы граждан), то с 2018 года оно начинает неуклонно замещаться специально регулируемым государством «банковским сопровождением», включающим накопление взносов граждан в уполномоченных банках и пропорциональное целевое проектное кредитование застройщиков. При этом если ранее смысловая граница возникновения институциональной ренты (в том числе институционально-обусловленная селекция сильнейших игроков) на рынке в основном проходила по фронтам выделения землеотводов, присоединения к городским коммуникациям и особенностям градостроительного регулирования (например, допустимая плотность застройки, социальная нагрузка проекта и т. п.), то теперь фронт сосредотачивается в доступе к регулируемому финансированию.

При этом в описанном процессе застройщик как бизнес-институт все в большей степени становится подчиненным правилам, устанавливаемым основным бенефициаром процесса – уполномоченным банком, а процесс распределения институциональной ренты в строительном секторе все в большей степени перемещается в банковскую систему (конкретно в законодательно ограниченный перечень уполномоченных банков). Речь, таким образом, идет о перераспределении веса институциональных факторов и направлений конкуренции застройщиков из отраслевых в экономические и правовые группы факторов (см. [9]). Происходит этот процесс на фоне существующих диспропорций в экономике, традиционно создающих ограничения для развития сектора жилищного строительства, в том числе существенные региональные диспропорции и административные барьеры (подробнее см. [10–12]).

Основные изменения, получившие широкую огласку на строительном рынке, связаны, как указано ранее, с введением института уполномоченных банков для работы со средствами дольщиков. Критерии определения уполномоченных банков установлены постановлением Правительства Российской Федерации от 18 июня 2018 года № 697 «Об утверждении критериев (требований), которым в соответствии с Федеральным законом «Об участии в долевом строительстве многоквартирных домов и иных объектов недвижимости и о внесении изменений в некоторые законодательные акты Российской Федерации» должны соответствовать уполномоченные банки и банки, которые имеют право на открытие счетов эскроу…» (далее – Постановление). В соответствии с Постановлением с 1 июля 2018 года в Российской Федерации начинают применяться нормы, регулирующие деятельность уполномоченных банков – банков, наделенных компетенцией по осуществлению банковского сопровождения девелоперских проектов, строящихся с привлечением средств дольщиков. Критерии, установленные для уполномоченных банков, правительство распространило и на банки, которые имеют право на работу со счетами эскроу для дольщиков. Вступившим в силу 6 июля 2018 года Постановлением установлено, что в общем случае уполномоченный банк должен в совокупности соответствовать четырем критериям:

1) иметь универсальную лицензию;

2) быть участником обязательного страхования вкладов;

3) не участвовать в санкциях, вводимых в отношении отраслей Российской Федерации, а также должен отсутствовать риск такого участия. Список таких банков утверждается Правительством Российской Федерации и направляется в Центральный банк Российской Федерации (далее – Банк России);

4) наличие рейтинга не ниже «A-(RU)» по шкале АКРА либо не ниже «ruA-» по национальной рейтинговой шкале «Эксперт РА».

От соблюдения четвертого критерия освобождаются:

·        банк единого института развития в жилищной сфере (Банк «Российский капитал»);

·        банки, в отношении которых Банком России осуществляются меры по предупреждению банкротства или принято решение о гарантировании Банком России непрерывности деятельности такого банка;

·        банки (контролирующие лица банков), которые находятся под действием санкций иностранных государств. Список таких банков утверждается Правительством Российской Федерации.

Распоряжение Правительства Российской Федерации № 2465-р, предусматривающее передачу 100 процентов акций банка «Российский капитал» из казны Российской Федерации в Агентство ипотечного жилищного кредитования, премьер-министр Дмитрий Медведев подписал 8 ноября 2017 года. Всего за год совокупная доля АО «ДОМ.РФ» и дочернего банка «Российский капитал» на рынке ипотеки увеличилась в 2 раза – с 1,4 до 2,8 процента. Этот процесс проходил, несмотря на завершающиеся структурные преобразования в банке – АО «ДОМ.РФ» завершает оптимизацию банка «Российский Капитал» («РосКап»), переданного ей в конце прошлого года в качестве инструмента ипотечного кредитования. В итоге этой оптимизации по состоянию на середину июня сокращено две трети отделений Банка (со 132 до 54) и около половины его сотрудников (с 4,3 до 2,5 тысячи человек). Руководящий состав Банка уменьшился на 30 процентов. Скорее всего, одной из основных причин реформирования работы банка стали результаты его финансовой деятельности, так как согласно финансовой отчетности Банка по итогам 2017 года «РосКап» понес убыток в размере 16,3 миллиарда рублей (см. [18]).

Между тем, несмотря на негативную динамику в целом ряде показателей экономической эффективности, в ближайшие годы «РосКап» претендует выйти на третье место среди ведущих игроков на рынке ипотечного кредитования в стране (после Сбербанка и ВТБ). В частности, в 2018 году планируется выдать ипотечных займов на 100 миллиардов рублей.

Теперь рассмотрим список 55 уполномоченных банков по обслуживанию застройщиков жилья, опубликованный Банком России по состоянию на 1 июля 2018 года. Но прежде обратим внимание на первоисточники одного из решающих критериев допуска банков в этот список.

RAEX (Эксперт РА) – крупнейшее в России рейтинговое агентство c 20-летней историей, в 2017 году включено в реестр кредитных рейтинговых агентств Банка России в соответствии с требованиями Федерального закона № 222-ФЗ[1], является лидером в области рейтингования, а также исследовательско-коммуникационной деятельности. Акционерами агентства наряду с небанковскими компаниями и физическими лицами являются два банка: «Открытие» (9,9%) и «ПЕРЕСВЕТ» (4,2%).

Аналитическое кредитное рейтинговое агентство (далее – АКРА) учреждено 20 ноября 2015 года. Акционерами АКРА стали 27 крупнейших российских компаний и финансовых институтов с долями 3,7 уставного капитала, общий объем которого составил более 3 миллиардов рублей. Деятельность агентства строится в соответствии с новейшими регулятивными требованиями и своей основной задачей видит обеспечение российского рынка качественным рейтинговым продуктом. Наряду с крупнейшими небанковскими корпорациями акционерами АКРА являются следующие банки (в алфавитном порядке): Альфа-банк, ВТБ, Газпромбанк, Московский кредитный банк, Открытие, Промсвязьбанк, Райффайзенбанк, РОСБАНК, Россельхозбанк, Сбербанк, Совкомбанк, ЮниКредит Банк.

Отметим, что в обоих случаях уполномоченные рейтинговые агентства, по нашему мнению, не являются абсолютно независимыми от своих банков-акционеров или крупнейших клиентов[2], которые также входят в указанный список банков, допущенных к банковскому сопровождению застройщиков жилья (см. табл.).

55 банков, которые могут быть допущены к банковскому сопровождению застройщиков жилья по состоянию на 1 июля 2018 года [3]

Банк

Рейтинг

Иные критерии

Учредитель АКРА или Эксперт РА

Эксперт РА

АКРА

Российский капитал

ruBBB–

BBB+(RU)

ДОМ.РФ

нет

ПАО Банк «ФК Открытие»

ruA

A+(RU)

*

**

ПАО Промсвязьбанк

ruA–

поддержка Банка России

АКРА

ПАО БИНБАНК

ruBBB

нет

ПАО «Банк ВТБ»

ruAAA

санкции

АКРА

ПАО Сбербанк

AAA(RU)

АО ЮниКредит Банк

ruAAA

AAA(RU)

АО «Райффайзенбанк»

AAA(RU)

АО «Данске банк»

AAA(RU)

нет

АО «Мидзухо Банк (Москва)»

AAA(RU)

АО «БНП ПАРИБА Банк»

AAA(RU)

ООО «Дойче Банк»

AAA(RU)

АО АКБ «РосЕвроБанк»

A(RU)

АО «КБ ДельтаКредит»

AAA(RU)

ООО «Русфинанс Банк»

AAA(RU)

АО «Тойота Банк»

AAA(RU)

АО «КОММЕРЦБАНК (ЕВРАЗИЯ)»

AAA(RU)

АО «Натиксис Банк»

AAA(RU)

АО КБ «Ситибанк»

AAA(RU)

АО Креди Агриколь КИБ

AAA(RU)

АО ИНГ БАНК (ЕВРАЗИЯ)

AAA(RU)

АО «Нордеа Банк»

AAA(RU)

АО «СЭБ Банк»

AAA(RU)

АО «Газпромбанк»

ruAA+

AA(RU)

санкции

АКРА

АО «РН Банк»

AA+(RU)

нет

АЛЬФА–БАНК

ruAA

AA(RU)

АКРА

РОСЭКСИМБАНК

санкции

нет

АКБ «БЭНК ОФ ЧАЙНА»

ruAA

АйСиБиСи Банк

ruAA

ПАО РОСБАНК

ruAAA

AAA(RU)

Челиндбанк

ruAA–

АО Банк «ВБРР»

ruAA

AA–(RU)

Кредит Урал Банк

ruA+

санкции

Банк «Аверс»

ruA–

АО «ОТП Банк»

ruA

A+(RU)

Банк «Интеза»

ruA

ПАО «Связь–Банк»

ruA

BBB+(RU)

санкции

Челябинвестбанк

ruA

СДМ–Банк

ruA–

BBB+(RU)

ПАО «Совкомбанк»

ruA

A(RU)

АКРА

ПАО «Московский кредитный банк»

ruA–

A(RU)

АО «Тинькофф Банк»

ruA

A(RU)

нет

ПАО РНКБ Банк

ruA–

A(RU)

санкции

СМП Банк

ruA–

Банк ЗЕНИТ

ruA–

Банк Ак Барс

ruA–

Бест Эффортс Банк

ruA–

ООО «Хоум Кредит энд Финанс Банк»

ruA–

ПАО «Запсибкомбанк»

ruBBB+

A–(RU)

ПАО «Банк «Санкт–Петербург»

ruA–

A–(RU)

АКРА

АО «Россельхозбанк»

AA(RU)

санкции

АО «Сургутнефтегазбанк»

ruA+

нет

АО «АБ «РОССИЯ»

ruAA

A+(RU)

АО «МСП БАНК»

A+(RU)

ПАО «Азиатско-Тихоокеанский Банк»

* Поддержка Банка России (участие в капитале 99,99 процента, санация через механизм Фонда консолидации банковского сектора).

** Бывшая головная компания Банка (АО «Открытие Холдинг») является учредителем АКРА и Эксперт РА.

Необходимо еще раз отметить, что наличие рейтинга на уровне минимального от одного из указанных рейтинговых агентств является одним из критериев (по сути, необязательным) наряду с другими (к примеру, нахождение банка в санкционном списке одного из иностранных государств, что само по себе является фактором, способным отрицательно повлиять на платежеспособность кредитной организации). Таким образом, из приведенных в Постановлении критериев самым существенным ограничивающим число участников является наличие универсальной банковской лицензии (размер собственных средств должен составлять не менее 1 миллиарда рублей) и связанные с наличием универсальной банковской лицензии повышенные требования к управлению рисками, раскрытию информации и распространению требований международных стандартов (подробнее см. [21]).

Вместе с тем Постановление смягчает требования к банкам, допущенным к открытию счетов эскроу, по сравнению с предыдущей редакцией аналогичного постановления (постановление Правительства Российской Федерации от 27 апреля 2017 года № 498), которое уравнивало требования к уполномоченным банкам для открытия счетов эскроу с требованиями к банкам для размещения средств федерального бюджета. При этом требования к банкам для размещения средств федерального бюджета являются значительно более жесткими, в частности, с точки зрения требований к размеру собственных средств на уровне не менее 25 миллиардов рублей[4].В связи с этим следует ожидать дальнейшего расширения списка уполномоченных банков в соответствии с критериями, указанными в Постановлении (так, за время написания настоящей статьи в список были включены еще 3 банка – ПАО КБ «Центр-инвест», АО «РОСЭКСИМБАНК», ООО «Эйч-эс-би-си Банк (РР)») [5].

Вследствие столь существенных изменений законодательства о порядке финансирования строительства многоквартирного жилья с 2018 года ожидается не только дальнейшее увеличение доли крупнейших застройщиков на рынке [6], но и упомянутое ранее перемещение институциональной ренты рынка от этих застройщиков к уполномоченным банкам (де-факто – основным бенефициарам указанного процесса). Механизм перемещения ренты в банковский сектор пока окончательно не сформирован и будет трансформироваться с изменением регулирования, в том числе с учетом практической отработки новых требований. При этом, учитывая общую логику преобразований, самые существенные изменения будут происходить по следующим направлениям:

1) размещение средств дольщиков на счетах в уполномоченных банках создаст для уполномоченных банков дополнительный объем пассивов (причем в отличие от депозитов на остатки по счетам эскроу не начисляются проценты, отделяя таким образом застройщика от получения наиболее привлекательного источника финансирования строительства напрямую от дольщиков), параллельно усилятся позиции уполномоченных банков на строительном рынке, а также потенциально увеличится концентрацию недвижимости как класса активов на балансах крупнейших банков (см. [13]);

2) в стремлении минимизировать свои риски, связанные с изменением стоимости недвижимости и потенциальным банкротством застройщиков, уполномоченные банки все в большей степени будут отдавать предпочтение «финансово-устойчивым» и «надежным» застройщикам. В связи с этим следует ожидать появления дополнительных требований к застройщикам со стороны банков для включения в число таковых в дополнение к критериям, предусмотренным в законе;

3) уход с рынка застройщиков, которые не смогут по разным причинам соответствовать вновь установленным критериям, и перераспределение рынка в пользу игроков, уже имеющих стабильные связи с уполномоченными банками. Таким образом, следует ожидать не только банкротства небольших застройщиков, но и увеличения активности на рынке слияний и поглощений в пользу более сильных игроков (в том числе при участии инвестиционно-банковских подразделений уполномоченных банков).

В целом за последние годы расслоение компаний на рынках финансирования многоквартирного жилья на альфа- и бета-бизнес резко усилилось. Оно стало естественным результатом предшествующей концентрации бизнеса крупными застройщиками и крупными банками, ростом их совокупной институциональной силы, позволяющей перенести акценты имевшихся институциональных барьеров с уровня муниципалитетов (землеотводы и разрешения, доступ к инфраструктуре) на уровень границы бизнеса, выделившегося в строительном секторе альфа-бизнеса.

Указанные изменения правового поля в публичном пространстве позиционируются как вызванные социальными причинами и отчетливой необходимостью повышения надежности и прозрачности системы финансирования строительства многоквартирного жилья, в том числе в свете неисполнения обязательств крупными застройщиками и банкротств (СУ-155, Urban Group и другие). В то же время указанные требования создают будущие риски для банков и застройщиков, не попавших в число участников трансформированной системы. Экономические показатели последних будут объективно снижаться, при этом упущенные ими доля рынка и прибыль будут преимущественно перераспределены между банками и застройщикам первой группы. При этом в последующем социальные и иные риски для клиентов «отстающих» банков и компаний в других сегментах рынков могут существенно возрасти.

Вместе с тем необходимо отметить, что выделение альфа-бизнеса на рынке застройщиков многоквартирного жилья происходит с заметным отставанием от других секторов экономики (топливно-энергетический комплекс (ТЭК), металлургия), что определяется:

·        более скромными размерами этого рынка по сравнению с указанными секторами;

·        «вторичностью» рынка – рынок застройщиков многоквартирного жилья, по сути, вырос на «второй волне» после компаний ТЭК и металлургии, в том числе благодаря полученным ими экспортным доходам, трансформировавшимся впоследствии в спрос населения на жилье;

·        более высокой, по экспертным оценкам, чем на других рынках, теневой составляющей в приобретении жилья, затрудняющей консолидацию рынка (в частности доли наличных расчетов при покупке недвижимости, общей доли строительного сектора в объеме сомнительных операций в представлении Банка России [7]);

·        существенно большей сегментацией рынка недвижимости по сравнению с остальными рынками (в том числе за счет наличия земельной и «разрешительной/инфраструктурной» ренты у муниципальных и городских властей), что объективно ограничивает возможности быстрой централизации и укрупнения отрасли.

Следует отметить и то, что в рейтинге уполномоченных банков, формально подходящих к работе с застройщиками по критериям Правительства Российской Федерации, особое место занимает банковская группа под брендом ДОМ.РФ (включающая банк «Российский капитал»), не отличавшаяся до сих пор высоким уровнем в российских банковских рейтингах. Остальные места по российским рейтингам в подавляющей доле занимают, во-первых, крупнейшие системные и преимущественно государственные банки (в первую очередь Сбербанк и ВТБ. Однако и в отношении рейтинговых агентств, на которые ориентируется законодатель, возникают вопросы об их аффилированности с банками-бенефициарами и о соответствии международным стандартам их деятельности (некоторые банки с позитивным внутрироссийским рейтингом имеют негативные рейтинги у международных агентств).

Тенденции, риски и показатели для дальнейшего мониторинга

Представляется, что в ближайшие годы процессы консолидации рынка строительства многоквартирного жилья будут только усиливаться (как за счет банкротств застройщиков, так и за счет усиления тенденции к слияниям-поглощениям в отрасли). Оценить конкретные последствия для населения указанной консолидации банков, строительных компаний, теневого рынка пока трудно из-за разнонаправленных трендов, присутствующих на этом рынке (подробнее см [14]), а также из-за ранней стадии указанного процесса (по разным оценкам процесс может развиваться на протяжении следующих 3–5 лет при непосредственном участии государства). В то же время концепция институциональной ренты и институциональных ограничений в многоуровневой экономике позволяет усовершенствовать мониторинг этого процесса для своевременного выявления рисков, связанных со столь масштабной консолидацией и структурировать анализ происходящих процессов в целях выработки решений, направленных на сохранение стабильности отрасли и достижения приоритетных показателей ее развития (в том числе по заявленным целевым объемам ввода жилья, обеспеченности и доступности жилья для населения).

На наш взгляд, основные изменения и эффекты указанного процесса будут структурироваться по следующим основным направлениям, требующим дальнейшего мониторинга:

1) экономические, связанные с потенциально более быстрым ростом объема строительства жилья за счет поддержки лидеров строительной отрасли, потенциальным сокращением издержек за счет эффектов масштаба (в том числе за счет типизации или даже «коммодитизации» массового жилья, оценка крупных портфелей которой будет для банков наиболее удобна). В т о же время эти изменения будут связаны с рисками передела рынков строительства жилья, их явной или неявной монополизацией, банкротствами небольших строительных компаний и обусловленным этим повышением нагрузки на рынок труда (что особенно болезненно для небольших городов и отчетливо депрессивных регионов, строительство в которых для крупных застройщиков не является приоритетом);

2) социальные, обусловленные, с одной стороны, снижением рисков обмана граждан (дольщиков) за счет сокращения доли наличных расчетов и размещения средств в устойчивых банках, с другой – повышением рисков для клиентов банков, не попавших в число уполномоченных по этой системе, снижением нелегального рынка труда в строительной сфере;

3) технологические, связанные с большими возможностями крупных консолидированных игроков строительной отрасли осваивать и внедрять достижения в инновационной сфере (в том числе наличие компетенций по разработке и внедрению типовых проектов жилья, подходящих для массовой застройки микрорайонов, «волновой застройки» в рамках программ реновации);

4) финансовые, обусловленные возможным усилением банковского контроля за происхождением средств и постепенным выводом из теневого оборота средств населения, следовательно, с расширением налогооблагаемой базы, а также повышением устойчивости бюджетной системы. Внедрение банковскими институтами новых инструментов мониторинга строительного сектора (методология оценки устойчивости застройщиков, связанное с этим рейтингование застройщиков, совершенствование методологии массовой оценки и прочее).

ЛИТЕРАТУРА И ИНФОРМАЦИОННЫЕ ИСТОЧНИКИ

1.        Полтерович В. М. Элементы теории реформ. М. : Издательство «Экономика», 2007.

2.        Сироткин В. Б. Совмещение целей и средств при институциональной трансформации экономических систем: проблема «безбилетника» и проблема «принципал-агент» // Экономическое возрождение России. 2013. № 4 (38). С. 67–73.

3.        Комолева С. А. Особенности перераспределения рентных доходов в социально ориентированной экономике // Вестник Саратовского государственного социально-экономического университета. 2009. № 3 (27).

4.        Федотов А. М. Финансовая рента и экономическая безопасность России // Вестник Саратовского государственного социально-экономического университета. 2012. № 5 (44). С. 84–87.

5.        Рассоха Р. Р. Трансформация институционального монополизма в российской социально-экономической системе // Вестник Саратовского государственного социально-экономического университета. 2012. № 5 (44). С. 52–55.

6.        Котова Н. Н. Теневой сектор отечественной экономики (проблемы и особенности) // Вестник Южно-Уральского государственного университета. Серия: Экономика и менеджмент. 2015. Т. 9. № 2. С. 58–64.

7.        Блохин А. А. Институциональные рамки и факторы экономического роста в перспективе // Проблемы прогнозирования. 2012. № 6. C. 52–58.

8.        Стерник Г. М., Стерник С. Г. Методология моделирования и прогнозирования жилищного рынка : монография. М. : РГ-Пресс, 2018. 584 с.

9.        Эффекты институциональных различий и институциональной ренты в российской экономике: научный доклад / рук. авт. кол. А. А. Блохин, С. Г. Стерник, А. Б. Близняк, С. Я. Дранев, Г. В. Телешев. М. : Международные отношения, 2018. 74 с.

10.    Кузьмич Н. П. Влияние институциональных факторов на развитие предпринимательства в строительстве // Наука и бизнес: пути развития. 2013. № 7(25). С. 74–77.

11.    Захарова Ж. А. Жилищное строительство и перспективы его развития в условиях неоптимальности российской экономики // Региональная экономика: теория и практика. 2016. № 1. С. 182–90.

12.    Золотухин С. Л., Фадеева Н. С. Институциональные факторы и регуляторы модернизации строительства // Экономика строительства. 2010. № 4 (4). С. 23–29.

13.    Sternik S. G., Teleshev G. V. Impact of Banking Real Estate as an Asset Class on Financial System Stability: Monitoring, Forecasting, Management // Journal of Reviews on Global Economics. 2018. No. 7. P. 851864.

14.    Стерник Г. М., Стерник С. Г. Факторы и тренды развития российского рынка многоквартирного жилья по итогам 2017 года // Жилищные стратегии. 2018. № 3.

15.    Портал «Единый реестр застройщиков». UTL: www.erzrf.ru

16.    Об утверждении критериев (требований), которым в соответствии с Федеральным законом «Об участии в долевом строительстве многоквартирных домов и иных объектов недвижимости и о внесении изменений в некоторые законодательные акты Российской Федерации» должны соответствовать уполномоченные банки и банки, которые имеют право на открытие счетов эскроу для расчетов по договорам участия в долевом строительстве : постановление Правительства Российской Федерации от 18 июня 2018 года № 697. Доступ из справочной правовой системы «КонсультантПлюс».

17.    Распоряжение Правительства Российской Федерации от 8 ноября 2017 года № 2465-р. Доступ из справочной правовой системы «КонсультантПлюс».

18.    Ипотечный банк уплотнили // Коммерсант. 2018. 20 июня. URL: https://www.kommersant.ru/doc/3662584

19.    О внесении изменений в отдельные законодательные акты Российской Федерации : Федеральный закон от 23 июня 2016 года № 222-ФЗ. Доступ из справочной правовой системы «КонсультантПлюс».

20.    Рейтинговое агентство «Эксперт РА» : [сайт]. URL: https://raexpert.ru/docbank//572/6f1/30f/80b3b08df9dbe46e6a38ca6.pdf

21.    Пропорциональное регулирование банковского сектора. URL: http://www.cbr.ru/Press/press_centre/events/02062017.pdf

22.    О требованиях к банкам, которые имеют право на открытие счетов эскроу для расчетов по договорам участия в долевом строительстве : постановление Правительства Российской Федерации от 27 апреля 2017 года № 498. Доступ из справочной правовой системы «КонсультантПлюс».

23.    О порядке размещения средств федерального бюджета на банковских депозитах : постановление Правительства Российской Федерации от 24 декабря 2011 года № 1121. Доступ из справочной правовой системы «КонсультантПлюс».

24.    URL: http://www.cbr.ru/vfs/credit/fzlist/fz697list-20180901.xls

25.    URL: https://erzrf.ru/news/uzhe-143-zastroyshchikam-zapreshcheno-privlekat-sredstva-dolshchikov-po-ddu?search=%D0%95%D1%89%D0%B5

26.    РБК: «ЦБ впервые назвал лидирующие на теневом рынке обналички отрасли». URL: https://www.rbc.ru/finances/12/11/2018/5be59fb69a7947ce92493f2e?from=main


[1] Федеральный закон от 13 июля 2015 года №222-ФЗ «О деятельности кредитных рейтинговых агентств в Российской Федерации, о внесении изменения в статью 76.1 Федерального закона «О Центральном банке Российской Федерации (Банке России)» и признании утратившими силу отдельных положений законодательных актов Российской Федерации»

[2] Эксперт РА в списке потенциальных конфликтов интересов своих аналитиков раскрывает часть банков указанного списка (см. URL: https://raexpert.ru/docbank//572/6f1/30f/80b3b08df9dbe46e6a38ca6.pdf ), в то время как в выручке АКРА два банка из приведенного списка генерируют не менее 5 процентов выручки (Банк ГПБ (АО), АО «АЛЬФА-БАНК»). При этом политика и АКРА, и Эксперт РА направлена на избежание конфликтов – агентства декларируют отсутствие конфликтов интересов с рейтингуемыми компаниями.

[3] В таблице использованы данные портала erzrf.ru

[4] Постановление Правительства Российской Федерации от 24 декабря 2011 года № 1121 «О порядке размещения средств федерального бюджета на банковских депозитах».

[5] URL: http://www.cbr.ru/vfs/credit/fzlist/fz697list-20180901.xls

[6] По оценкам экспертов, непосредственное несоблюдение требования к открытию специальных счетов в уполномоченных банках не выполнили ~10 процентов застройщиков. Так, по состоянию на 15октября 2018 года указанное требование не выполнили 143 застройщика Москвы, Московской области и Санкт-Петербурга. URL: https://erzrf.ru/news/uzhe-143-zastroyshchikam-zapreshcheno-privlekat-sredstva-dolshchikov-po-ddu?search=%D0%95%D1%89%D0%B5

[7] РБК: «ЦБ впервые назвал лидирующие на теневом рынке обналички отрасли». URL: https://www.rbc.ru/finances/12/11/2018/5be59fb69a7947ce92493f2e?from=main

Статья опубликована в третьем номере журнала «Мир новой экономики» за 2018 год

DOI: 10.26794/2220-6469-2018-12-3-Х-Х

УДК 332.85 (470.311):[332.64:330.322](045)

Оценка среднерыночной доходности инвестиций в девелопмент жилой недвижимости в Московской области

С.Г. Стерник,

Финансовый университет,

Москва, Россия

Я.С. Мирончук,

Ассоциация застройщиков,

Московская область, Россия

Е. М. Филатова,

Финансовый университет, Москва, Россия

Аннотация. Ранее Стерником Г.М. и Стерником С.Г. обоснованы варианты методики оценки среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости в зависимости от характера и содержания исходных данных о затратах в используемых источниках (себестоимость строительства или полные инвестиционные затраты) [1]. На основании анализа состава элементов затрат на девелопмент, используемого в различных источниках, получены корректирующие коэффициенты, позволяющие перейти от оценки текущей годовой доходности инвестиций в девелопмент по отношению к себестоимости (полной сметной стоимости) строительства к оценке текущей годовой доходности по отношению к полным инвестиционным затратам. Методика апробирована на примере рынка жилья Москвы, в результате чего доказана возможность ее использования для управления инвестициями на рынке жилья. В настоящей работе на основании методики по оценке доходности девелопмента Стерника Г. М. и Стерника С. Г. и с учетом повышения информационной открытости рынка недвижимости доработаны формулы расчета с использованием новых источников исходных данных и произведен расчет среднерыночной доходности инвестиций в девелопмент жилой недвижимости в Московской области по данным за 2014-2017 гг. Сделан вывод, что, начиная с 2015 года, показатель среднерыночной доходности принимает отрицательные значения, т.е. объем капиталовложений в строительство превышает выручку от продаж на первичном рынке. Однако, во 2 полугодии 2017 года показатель вырос до положительных значений, что связано, в большей степени со снижением объемов жилого строительства в регионе. Полученные данные в совокупности с усовершенствованной методикой исследования позволяют с высокой достоверностью прогнозировать потенциал развития региональных рынков первичного жилья в целях инвестиционного и государственного планирования жилищно-строительных программ.

Ключевые слова: рынок жилья; ценовая динамика; прогнозирование рынка; доходность инвестиций: затраты на строительство; индекс доходности; индикатор макроэкономики

_____________

Для цитирования: Стерник С.Г., Мирончук Я.С., Филатова Е.М. Оценка среднерыночной доходности инвестиций в девелопмент жилой недвижимости в Московской области. Мир новой экономики. 2018;12(3)Х-Х.

DOI: 10.26794/2220-6469-2018-12-3-Х-Х

UDC 332.85 (470.311):[332.64:330.322](045)

Assessment of average market profitability of investments into development of the residential real estate in the Moscow region

                                                                                                                        S. G. Sternik,

Financial University,

                                                                                                                    Moscow, Russia

                                                                                                 Ya. S. Mironchuk,

Association of builders of the Moscow region,

                                                                                                         Moscow region, Russia

E.M. Filatova,

Financial University,

                                                                                                                    Moscow, Russia

Abstract. Earlier Sternik G.M. and Sternikom has proved Of this year options of a technique of assessment of average market current annual profitability of investments into development of the residential real estate depending on character and the maintenance of basic data about expenses in the used sources (cost of construction or full investment expenses). On the basis of the analysis of the structure of elements of costs of development used in various sources the correcting coefficients allowing to pass from assessment of the current annual profitability of investments into development in relation to cost (overall estimated cost) of construction to assessment of the current annual profitability in relation to full investment expenses are received. The technique is approved on the example of the housing market of Moscow therefore the possibility of her use for management of investments in the housing market is proved. In the real work on the basis of a technique according to profitability of development of Sternik G. M. and Sternika Of this year and taking into account increase in information openness of the real estate market calculation formulas with use of new sources of basic data are finished and calculation of average market profitability of investments into development of the residential real estate in the Moscow region by data for 2014-2017 is made. It is concluded that, since 2015, the average market yield takes negative values, i.e. the volume of investment in construction exceeds the revenue from sales in the primary market. However, in the second half of 2017, the indicator increased to positive values, which is due to a greater extent to the decrease in the volume of residential construction in the region. The obtained data in total with an advanced technique of a research allow to predict with high reliability the potential of development of the regional markets of primary housing for investment and state planning of building programs.

Keywords: housing market; price dynamics; market forecasting; profitability of investments;  costs of construction; index of profitability; macroeconomic indicator

For citation: Sternik S. G., Mironchuk Ya. S., Filatova E.M. Assessment of average market profitability of investments into development of the residential real estate in the Moscow region. Mir novoj ekonomoki = Word of the new economy. 2018;12(3):Х-Х.(In Russ.).


Актуальность темы

Среднерыночная текущая доходность инвестиций в девелопмент жилой недвижимости является важным и востребованным индикатором при социально-экономическом и градостроительном планировании и инвестиционном прогнозировании развития жилищной сферы.

Показатель доходности позволяет оценить состояние отрасти жилищного строительства и выявить текущие тенденции на рынке жилья, оценить факторы, влияющие на доходность девелопмента.

На государственном уровне данный индикатор будет способствовать более точному прогнозированию развития отрасли, национальной экономики и экономики регионов, а также планированию объемов строительства, ввода и продажи жилья.

Результаты ранее выполненных исследований

В России методология научного прогнозирования рынка жилья начала развиваться более 20 лет назад, с момента старта рынка в новейшей экономической истории, в том числе – с участием авторов настоящей работы.

Авторами были разработаны и обоснованы варианты методики оценки среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости в зависимости от характера и содержания исходных данных о затратах в используемых источниках (себестоимость строительства или полные инвестиционные затраты) [2].

Принципиально расчет индекса доходности инвестиций (Iд) авторы описали выражением:

 

где Pav – средневзвешенная удельная цена продажи объекта, руб./кв. м; Qc – количество зарегистрированных договоров участия в долевом строительстве (ДДУ) по данным Росреестра, шт.; Saaсредняя площадь квартиры в новостройках, кв. м; Kр – поправочный коэффициент объема продаж; Кд.з.1 – коэффициент дополнительных затрат при использовании данных Росстата; Sp  – объем поглощения площадей по рыночным данным, кв. м;  Кд.з.2 – коэффициент дополнительных затрат при использовании данных ПД; Сс1 – средняя стоимость строительства 1 кв. м по данным Росстата, руб.;  Sс – годовой объем строительства по рыночным данным, кв.м.

Нерешенные задачии пути их решения

Для проведения исследований рынка недвижимости аналитику приходится сталкиваться с проблемой закрытости данных о рынке. Открытая информация из официальных источников ограничена, и достоверность некоторых из них вызывает сомнение. Информация в различных источниках также может значительно отличаться.

Однако информационная открытость рынка растет, и уже сейчас специалистами проведена большая работа по улучшению и расширению данных официальной статистики. Так, в 2016 г. стартовал ресурс ЕМИСС, позволяющий отследить не только статистические показатели, но и дающий пояснения о технологии расчета, а также о контактах исполнителя, если возникнет необходимость уточнения. Увеличилась также частота публикаций данных.

При этом список показателей включает статистические данные многих министерств и ведомств, в том числе Федеральной службы государственной статистики. В табл. 1 приведены новые источники информации и ссылки на них.


Таблица 1 / Table 1

Статистические показатели/ Statistical indicators

Показатель

Источник

Ссылка

Количество зарегистрированных сделок на первичном рынке за период в регионе

Росреестр

https://rosreestr.ru/site/open-service/statistika-i-analitika/statisticheskaya-otchetnost/

Средняя фактическая стоимость строительства одного квадратного метра общей площади отдельно стоящих жилых домов без пристроек, надстроек и встроенных помещений (оперативные данные)

Федеральная служба государственной статистики

https://www.fedstat.ru/indicator/43242

http://www.gks.ru/free_doc/new_site/business/stroit/uk-c1.pdf

Средняя цена 1 кв. м общей площади квартир на рынке жилья

Федеральная служба государственной статистики

https://www.fedstat.ru/indicator/31452

Введено в действие общей площади жилых домов (Отдельно стоящие здания жилого назначения квартирного типа)

Федеральная служба государственной статистики, Минстройкомплекс МО

https://www.fedstat.ru/indicator/34118

http://msk.mosreg.ru/dokumenty/gosudarstvennye_uslugi

Объем новых разрешений на строительство на многоэтажное жилье в Московской области

Минстройкомплекс МО

http://msk.mosreg.ru/dokumenty/gosudarstvennye_uslugi

Источник: данные Росреестра; ФСГС; Минстройкомплекс МО

Появление новых данных позволило авторам усовершенствовать методику в следующих направлениях:

·                   Использование для расчета объема профинансированного строительства (в знаменателе) текущего объема строительства, отнесенного к средней продолжительности строительства;

·                   Использование данных о продлении разрешений на строительство для уточнения информации о сроках;

·                   Получение данных об объемах текущего строительства по данным о полученных разрешениях на строительство;

·                   Переход на ежеквартальный расчет показателя среднерыночной доходности инвестиций в девелопмент для получения оперативной информации о состоянии рынка.

В результате формула расчета принимает следующий вид:

I_d=((P_av×S_aa×Q_c)/(〖Cc〗_1×S_c/t ×K_(д.з.) )-1)×100%

                                                                                                                            

где Pav – средняя цена 1 кв. м общей площади квартир, руб./кв. м; Qc – количество зарегистрированных договоров участия в долевом строительстве (ДДУ), шт.; Saaсредняя площадь квартиры в новостройках, кв. м; Сс1 – средняя стоимость строительства 1 кв. м по данным Росстата, руб.; Sс – объем строительства жилья по рыночным данным, кв. м; t – средний срок строительства жилых объектов, кварталов; Кд.з. – коэффициент дополнительных затрат при использовании данных Росстата.

Исходные данные

При расчете выручки (числитель) средняя удельная цена реализации площадей умножается на объем реализации.

Данные об объемах реализации многоквартирных жилых домов на первичном рынке были получены из официальной статистики Росреестра о количестве зарегистрированных договоров участия в долевом строительстве (ДДУ) на жилые помещения, умноженном на среднюю площадь квартиры в строящихся домах.

В соответствии с последними изменениями в законодательстве, можно говорить о том, что более 95% всех зарегистрированных сделок производится через заключение ДДУ. Доля других легальных схем (жилищно-строительные кооперативы и др.) стремиться к нулю, в связи с усилением контроля государства за деятельностью застройщиков. Поэтому в данном исследовании они не учитывались.

При расчете средней удельной цены реализации квартир использовались данные Росстата с 1 квартала 2014 г. по 4 квартал 2017 г. [3].

Для определения затрат на строительство по себестоимости (сметной стоимости) данные о стоимости строительства 1 кв. м по Росстату умножаются на объем строящихся площадей, деленный на средний срок строительства жилых объектов. Для расчета по инвестиционной стоимости данные умножаются на коэффициент дополнительных затрат.

Объем строительства рассчитан на основании информации по действующим разрешениям на строительство многоэтажных жилых домов в Московской области. Так, объем жилья на этапе строительства в 4 квартале 2017 г. составил 16,9 млн. кв. м без учета проблемных объектов (замороженных и/или снятых с продажи из-за нехватки финансирования).

Для расчета объемов строительства в каждом квартале использовались данные о квартальных объемах ввода жилья и о новых разрешениях на строительство жилья, полученных за квартал. Расчет осуществлялся по следующей формуле:

где Sс – объем строительства жилья, млн кв. м; Si – объем ввода жилья, млн кв. м; Snpобъем жилья, на строительство которого получено разрешение, за период; млн кв. м; n – расчетный период, квартал.

В табл. 2 приведены исходные данные для расчета объемов строительства жилья в Подмосковье.


Таблица 2 / Table 2

Данные для расчета объемов строительства жилья в Подмосковье / Data for calculating the volume of housing construction in the suburbs

Дата

Объем строительства Sс, млн кв. м

Объем новых разрешений на строительство, млн. кв. м

Объем ввода, млн кв. м

1 кв. 2014

20,7

0,5

1,03

2 кв. 2014

20,7

1,0

1

3 кв. 2014

19,6

1,6

2,7

4 кв. 2014

19,3

3,2

3,5

1 кв. 2015

19,5

0,8

0,5

2 кв. 2015

19,9

1,7

1,3

3 кв. 2015

20,3

1,6

1,1

4 кв. 2015

18,9

2,0

3,5

1 кв. 2016

18,9

0,9

0,9

2 кв. 2016

18,9

1,4

1,4

3 кв. 2016

18,5

1,1

1,5

4 кв. 2016

17,9

1,8

2,4

1 кв. 2017

17,9

0,9

0,9

2 кв. 2017

17,3

1,2

1,8

3 кв. 2017

17,1

1,4

1,6

4 кв. 2017

16,9

1,2

1,4

Источник: Данные Росстата

Средний срок действия этих разрешений на строительство в 2017 г. составил 3,4 года (13,7 кварталов). Срок строительства вырос на 14% по сравнению с 2014 г., так как большинство застройщиков не успевают строить в установленные сроки и оформляют продления на действующие разрешения на строительство.

Для оценки среднерыночной стоимости строительства были использованы данные о планируемой стоимости строительства, указанные в проектных декларациях на сайтах застройщиков. Выборочно для исследования было взято 25 объектов в различных муниципальных образованиях Московской области. Основные характеристики этих жилых комплексов приведены в табл. 3.

Таблица 3 / Table 3

Данные проектных деклараций для оценки средней стоимости строительства в Московской области / Data of project declarations for estimating the average cost of construction in the Moscow region

Застройщик

Населенный пункт

Название ЖК

Площадь объекта, кв. м

Общая стоимость строительства

Стоимость на 1 кв. м, руб.

Самолет Девелопмент

Химки

Химки 2019

27 835

1 242 354 288

44 633

Самолет Девелопмент

Люберцы

Люберцы 2019

55 696

4 139 551 216

74 324

Самолет Девелопмент

Ленинский район

Пригород Лесное

55 857

2 353 167 818

42 129

Урбан Групп

Одинцовский район

Лайково

9 474

627 788 000

66 266

Урбан Групп

Красногорский район

Митино О2

19 692

936 997 819

47 583

Урбан Групп

Ленинский район

Видный город

17 297

889 942 511

51 449

МИЦ

Балашиха

Новоград Павлино

37 175

2 283 454 971

61 424

МИЦ

Ленинский район

Зеленые аллеи

56 529

3 363 812 441

59 506

ДСК 1

Солнечногорский район

Первый Андреевский

55 144

1 969 408 000

35 714

ДСК 1

Домодедово

Домодедовский парк

23 206

970 096 431

41 803

ФСК Лидер

Одинцовский район

Сколковский

57 981

2 442 761 000

42 130

ФСК Лидер

Ленинский район

Римский

44 224

2 177 382 780

49 235

ФСК Лидер

Красногорский район

Новое Тушино

49 347

2 935 157 000

59 480

Гранель

Ленинский район

Государев дом

4 731

235 000 000

49 671

Гранель

Мытищи

Императорские мытищи

106 054

5 300 000 000

49 975

Гранель

Балашиха

Алексеевская роща

4 313

160 000 000

37 099

ПИК

Котельники

Оранж Парк

47 638

1 927 080 622

40 453

ПИК

Красногорск

Митино Парк

20 890

1 364 215 026

65 304

ПИК

Химки

Левобережный

10 863

454 763 231

41 863

ПИК

Химки

Путилково

28 800

1 764 289 719

61 260

RDI

Ленинский район

Ново-Молоково

28 259

1 971 764 310

69 774

RDI

Ленинский район

Южное Видное

16 702

970 224 171

58 090

Инград

Пушкинский район

Новое Пушкино

11 224

485 380 945

43 245

Инград

Мытищи

Новое Медведково

21 324

1 381 486 400

64 786

Эталон

Красногорск

Изумрудные холмы

37 588

1 704 965 000

45 359

Средняя стоимость 1 кв. м, руб.

51 957

Источник: данные о планируемой стоимости строительства, указанные в проектных декларациях на сайтах застройщиков, расчеты авторов

Средняя стоимость строительства по проектным декларациям составила 51 957 руб. за кв. м.

Однако в дальнейших расчетах в этой статье данные проектных деклараций использоваться не будут, так как показатель планируемой стоимости строительства не имеет четкой структуры включаемых в него затрат и поэтому может рассчитываться застройщиками по-разному.  Основным источником информации для определения стоимости строительства будут данные Росстата и информация ведущего действующего застройщика в Подмосковье. Преимущество показателя средней фактической стоимости строительства заключается в четкой методологии расчета на основании данных бухгалтерского учета.

Средняя фактическая стоимость строительства[1] одного квадратного метра общей площади отдельно стоящих жилых домов без пристроек, надстроек и встроенных помещений рассчитывается на основе данных застройщиков о фактической стоимости строительства общей площади введенных в действие жилых помещений в жилых и нежилых зданиях. Основанием для заполнения фактической стоимости строительства объекта являются документы бухгалтерского учета застройщика и информация об объеме введенных жилых помещений.

Фактическая стоимость зданий (жилые и нежилые) и сооружений[2] – расходы на строительство зданий и сооружений, которые складываются из выполненных строительных работ и приходящихся на них прочих капитальных затрат (проектно-изыскательских работ, затрат по отводу земельных участков под строительство, расходов на содержание застройщика, выплаты земельного налога (аренды) в период строительства и др.), включаемых при вводе объекта в эксплуатацию в инвентарную стоимость здания (сооружения).

В инвентарную стоимость здания включают также затраты на авторский надзор;  затраты на возмещение убытков землепользователям (компенсация за сносимые строения и ущерб, наносимым природной среде, на отчуждаемой территории); затраты по переселению в связи со строительством; налоги и сборы, связанные с осуществлением строительства; затраты, связанные с регистрацией законченных объектов; взносы и отчисления на развитие инфраструктуры города; затраты на нежилые здания, назначением которых является создание условий для труда, социально-культурного обслуживания населения, хранения материальных ценностей и др. (в том числе парковка, школы и детские сады).

Плата за землю при покупке, изъятии (выкупе) земельных участков для строительства в стоимости не отражается.

Для определения полной (инвестиционной) стоимости строительства 1 кв. м на рынке жилья в Московской области в нашем примере использовалась также информация по текущим затратам на проекты одного из ведущих застройщиков Московской области.

Анализ состава элементов затрат, учитываемых при расчете полной (инвестиционной) стоимости строительства 1 кв. метра жилья

Инвестиционная стоимость строительства включает все затраты, связанные с приобретением, сопровождением, строительством и управлением объектом строительства с момента приобретения прав на земельный участок до полной реализации (продажи) проекта.

Укрупненно инвестиционная стоимость строительства состоит из следующих статей затрат [3]:

1.                 Затраты на приобретение прав на объект, в т.ч. покупка земельного участка и прав на жилую застройку.

2.                 Расселение и прочие обременения по проекту.

3.                 Инженерная инфраструктура, в т.ч. выкуп технических условий на подключение.

4.                 Прединвестиционные затраты на разработку концепции и бизнес-плана инвестиционного проекта.

5.                 Проектные работы.

6.                 Строительно-монтажные работы.

7.                 Прочие расходы по сопровождению проекта.

8.                 Стоимость финансирования проекта.

9.                 Затраты на рекламу, маркетинг и реализацию площадей.

10.            Налоги.

В табл. 4 приведена структура полной инвестиционной стоимости строительства по отдельным статьям затрат. [5].

Таблица 4 / Table 4

Структура полных затрат на девелопмент / Structure of total development costs

Приобретение земельного участка и прав на застройку

Стоимость прав на земельный участок

Изменение назначения земли

Расселение

Расселение / другие обременения по проекту

Инженерная инфраструктура

Выкуп мощностей ТУ

Прединвестиционные расходы

Разработка и утверждение концепции проекта, бизнес-планирование

Прочие затраты на прединвестиционной стадии проекта

Проектные работы

Содержание службы заказчика до утверждения экспертизы 

Создание и Утверждение ППТ-ПМТ-ГПЗУ

Затраты на градостроительные изыскания (экология- топография-геология- геодезия-гидрогеология—гидроэкология - геоподоснова)

Разработка и утверждение Стадия П, Экспертиза, РД, Разрешения на строительство

Авторский надзор

Строительные работы

Затраты на подготовку участка застройки (вынос инженерных сетей, снос нежилых строений, рекультивация земли и пр.)

Строительство жилой части

Строительство коммерческих площадей

Строительство помещений соц-быт назначения

Строительство парковки

Строительство внеплощадочных сетей и выполнение ТУ

Строительство инженерных сооружений и подключение внутри площадки к зданиям и сооружениям

Служба заказчика и технадзор

Прочие затраты на строительство

Прочие расходы по сопровождению проекта

Страхование объекта

Затраты на сдачу объекта в эксплуатацию и оформление имущественных прав

Налог на землю и имущество

Управление инвестиционным проектом

Прочие расходы

Стоимость финансирования проекта

Оформление кредитной линии

Процентные платежи по кредиту

Затраты на IPO и привлечение других источников финансирования

Затраты на рекламу, маркетинг и продажи

Агентское вознаграждение

Реклама, маркетинг

Налог на прибыль

Налог на прибыль

Источник: [2].

Таблица 5 / Table 5

Доля статей затрат в полной стоимости строительства жилья в Московской области (по данным о 7 объектах застройщика) / The share of cost items in the total cost of housing construction in the Moscow region (according to data on 7 properties of the developer)

Составляющая затрат

Затраты, руб./кв. м

Доля затрат в полной стоимости строительства, %

Приобретение земельного участка и прав на застройку

5 458

8%

Расселение

0

0%

Формирование земельного участка (ПИР)

671

1%

Проектирование

1 974

3%

Инженерная инфраструктура, в т.ч. плата за технологическое присоединение к сетям

5 124

8%

Себестоимость (строительно-монтажные работы)

32 951

50%

Себестоимость строительства детского сада

1 607

2%

Себестоимость строительства школы

3 399

5%

Себестоимость строительства наземной парковки

8 478

13%

Маркетинг и продажи

2 904

4%

Накладные (управленческие) расходы девелопера

555

1%

Стоимость финансирования проекта

1 001

2%

Налог на прибыль

1 390

2%

Инвестиционная стоимость строительства

65 512

100%

Источник: Расчеты авторов

Согласно данному исследованию, доля строительно-монтажных работ в полной стоимости строительства составила 50%, затраты на строительство паркинга, ДОУ и СОШ – 20%, доля затрат на землю и обременения по проекту – 9%, доля затрат на инженерную инфраструктуру – 8%, доля затрат на финансирование – 2%.

Другие расходы (маркетинг и продажи, управленческие расходы и налоги) составляют около 10% общего бюджета проекта.

Далее приведено сравнение стоимости строительства в различных источниках информации: данные застройщиков, официальная статистика Росстата (по данных бухгалтерской отчетности застройщика) и информация о планируемой стоимости из публикуемых на сайтах проектных деклараций.

В табл. 6 представлен расчет доли учтенных затрат на строительство объекта в различных источниках информации.

Таблица 6 / Table 6

Расчет доли учтенных затрат на строительство объекта в различных источниках информации / Calculation of the share of recorded costs for the construction of the facility in various sources of information

Содержание составляющей затрат

Учет статей затрат в различных источниках

Доля стоимости затрат, %

Росстат

Застройщик

1

Приобретение проекта

-

+/-

8%

2

Прединвестиционные затраты

+

+/-

1%

3

Проектные работы

+

+

3%

4

Строительные работы (в т.ч. получение ТУ)

+

+

58%

5

Строительные работы по социальной инфраструктуре и парковке

+/-

+

21%

6

Прочие расходы по сопровождению проекта

+

+

1%

7

Стоимость финансирования проекта

+

+

2%

8

Затраты на рекламу, маркетинг и продажи

+

+

4%

9

Налоги

-

+

2%

Всего доля учтенных затрат, %

80%

95%

100%

Источник: Расчеты авторов

Полученные данные позволяют использовать поправочный коэффициент 1,28 для приведения фактической стоимости строительства, по данным Росстата, к полной (инвестиционной) стоимости строительства.

Расчет индекса текущей доходности инвестиций в девелопмент жилой недвижимости  

Методика оценки текущей доходности инвестиций в девелопмент жилой недвижимости апробирована на примере жилищного строительства в Московской области в 2014-2017 гг. Исходные данные для расчета приведены в табл. 7.

Таблица 7 / Table 7

Исходные данные для оценки доходности инвестиций в девелопмент / Initial data for assessing the return on investment in development

Дата

Средне-взвешенная удельная цена Pav, тыс. руб./кв. м

Количество зареги-стриро-ванных ДДУ Qc, шт.

Средняя площадь квартиры Saa, кв. м

Объем строительства Sс, млн кв. м

Средний срок строитель-ства, кварталов

Средняя фактическая стоимость строительства в МО, по данным Росстата

1 кв. 2014

76,3

22300

55,7

20,7

12,0

52,2

2 кв. 2014

82,5

22516

52,5

20,7

12,0

56,5

3 кв. 2014

81,7

23017

50,2

19,6

12,0

49,1

4 кв. 2014

80,4

33866

48,4

19,3

12,0

41,8

1 кв. 2015

81,8

20744

48,2

19,5

12,0

52,1

2 кв. 2015

80,4

22250

49,0

19,9

12,0

54,4

3 кв. 2015

80,6

19562

48,0

20,3

12,5

42,9

4 кв. 2015

80,8

23587

48,6

18,9

12,5

42,5

1 кв. 2016

76,6

22591

47,2

18,9

13,0

59,1

2 кв. 2016

78,7

18666

47,6

18,9

13,0

46,9

3 кв. 2016

78,7

20490

48,1

18,5

13,0

46,0

4 кв. 2016

78,8

19962

48,0

17,9

13,0

46,4

1 кв. 2017

76,8

19080

47,5

17,9

13,7

54,1

2 кв. 2017

77,7

21919

46,9

17,3

13,7

54,0

3 кв. 2017

78,6

20844

46,7

17,1

13,7

47,3

4 кв. 2017

78,7

23014

46,7

16,9

13,7

47,2

Источник: Расчеты авторов

Итоговые результаты исследования в виде динамики объемов выручки и затрат в Московской области в 2014-2017 гг. приведены в табл. 8.

Таблица 8 / Table 8

Результаты расчета среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости Московской области (%) / The results of calculating the average market annual return on investment in the development of residential real estate in the Moscow Region (%)

Дата

Объем выручки от продаж, млрд руб. в год

Объем профинансированного строительства, млрд. руб. Росстат

Среднерыночная доходность девелопмента в МО,%

1 кв. 2014

94,8

115,2

-18%

2 кв. 2014

97,4

124,7

-22%

3 кв. 2014

94,3

102,5

-8%

4 кв. 2014

131,9

85,9

54%

1 кв. 2015

81,8

108,2

-24%

2 кв. 2015

87,7

115,2

-24%

3 кв. 2015

75,7

89,2

-15%

4 кв. 2015

92,6

82,1

13%

1 кв. 2016

81,7

109,8

-26%

2 кв. 2016

69,9

87,1

-20%

3 кв. 2016

77,6

84,0

-8%

4 кв. 2016

75,5

81,8

-8%

1 кв. 2017

69,6

90,4

-23%

2 кв. 2017

79,8

87,2

-9%

3 кв. 2017

76,6

75,6

1%

4 кв. 2017

84,7

74,5

14%

Источник: Расчеты авторов

На рисунке представлена квартальная динамика среднерыночной доходности инвестиций в девелопмент в Московской области в 2014-2017 гг.

Рис. / Рисунок/Fig. Динамика среднерыночной доходности инвестиций в девелопмент жилой недвижимости в Московской области / Dynamics of average market return on investment in the development of residential real estate in the Moscow region

Источник: данные Росстата

Интерпретация результатов исследования

Анализ среднерыночной доходности инвестиций в девелопмент в Подмосковье с 2014 по 2017 гг. показывает, что самым прибыльным для застройщиков был 2014 г., когда годовая доходность на первичном рынке составила в среднем 9%. Это произошло за счет 4 квартала, который был рекордным по продажам вследствие макроэкономического шока – обвала курса рубля вслед за обвалом цен на нефть. В этот период строительство большинства проектов могло осуществляться только за счет привлеченных средств граждан. В 2014 г. застройщиками было получено также рекордное количество разрешений на строительство 6,3 млн кв. м и введено 9,9 млн кв. м жилья. Поэтому во второй половине 2015 г. при заявленном объеме строительства и сокращении объема выручки на 20% многие девелоперы стали испытывать недостаток финансирования. Это выразилось в приостановлении и заморозке строительства по многим проектам на различных стадиях готовности. Так, по оценкам авторов, основная доля проблемных объектов приходится на проекты, получившие разрешения на строительство в 2013 и 2014 гг. (более 2 млн кв. м. жилья).

В 2016 г. объем поглощения на рынке снизился еще на 7% по сравнению с 2015 г. В 2017 г. объем продаж по ДДУ находится на уровне 2016 г.

Объем ввода жилья (многоквартирных домов) в Московской области в 2015 г. сократился на 22%, в 2016 – еще на 5% (6,1 млн кв.м). В 2017 г. объем ввода снова уменьшился на 6% – до 5,7 млн кв.м.

В 2015 и 2016 гг. среднерыночная доходность девелоперов на первичном рынке упала до минусовых значений -8% и -10% соответственно. Это произошло из-за больших объемов строительства и уменьшения выручки от продаж на первичном рынке. В 2017 г. ситуация улучшилась во многом благодаря сокращению объемов строительства в регионе и в 3 и 4 кварталах 2017 г. составила 1% и 14% соответственно.

Всего за 2017 г. объем поглощения квартир остался на уровне 2016 г. и составил 3,9 млн кв.м. Без изменений за последние 2 года осталась также и средневзвешенная цена продажи в области – 78 тыс. руб. за 1 кв.м.

Сильное влияние на рынок жилья оказывает введение новых поправок по ужесточению требований к застройщикам и необходимости привлечения ими дополнительных источников финансирования проектов[3]. Это приведет к значительному сокращению числа мелких и средних застройщиков в области. Уже сейчас число застройщиков, получивших разрешение на привлечение средств дольщиков для финансирования проектов, сократилось: чуть более половины всех полученных разрешений на строительство жилья в Московской области в 2017 г. получили ЗОСТ (заключение о соответствии застройщика требованиям) на заключение ДДУ.

Возможно, в скором времени рынок жилья Московской области будет перераспределен между крупными игроками, которые будут нести дополнительную нагрузку по достройке проблемных объектов и строительству социальной инфраструктуры.

Выводы

1.                 Методика оценки среднерыночной доходности инвестиций в девелопмент, усовершенствованная благодаря наличию новых источников информации,  позволила рассчитать показатели доходности в Московской области в 2014-2017 гг. в поквартальной динамике. Полученные результаты хорошо объясняются ситуацией на рынке в рассмотренные периоды.

2.                 Доходность инвестиций в девелопмент жилой недвижимости после 2014 г. упала до отрицательных значений, но в 2017 г. росла и достигла в 4 квартале 2017 г. 14%.

3.                 Полученные данные в совокупности с усовершенствованной методикой исследования позволяют с высокой достоверностью прогнозировать потенциал развития региональных рынков первичного жилья в целях инвестиционного и государственного планирования жилищно-строительных программ.

СПИСОК ИСТОЧНИКОВ

1.                 Стерник Г.М., Стерник С.Г. Оценка среднерыночной доходности девелопмента при прогнозировании рынков жилья. Проблемы прогнозирования. 2017;(2):106-116.

2.                 G. M. Sternik and S. G. Sternik. Evaluation of the Mid-Market Return of Developments When Forecasting the Housing Market. - Studies on Russian Economic Development, Pleiades Publishing, Ltd, 2017, Vol. 28, No. 2, pp. 204–212.

3.                 Методологические рекомендации по наблюдению за уровнем и динамикой цен на рынке жилья, утвержденные приказом Росстата от 20 января 2009 г. № 7

4.                 Стерник Г.М., Стерник С.Г., Преминина М. В. Анализ методов определения затрат на девелопмент и направлений их совершенствования // Механизация строительства и ЖКХ;2011(2).

5.                 Вотолевский В.Л. Работа девелоперских компаний в условиях кризиса // Имущественные отношения в РФ. 2009. №8.

REFERENCES

1.                 G. M. Sternik and S. G. Sternik. Evaluation of the Mid-Market Return of Developments When Forecasting the Housing Market. - Studies on Russian Economic Development, Pleiades Publishing, Ltd, 2017, Vol. 28, No. 2, p. 204–212.

2.                 Sternik G.M., Sternik S.G., Preminina M. V. Analysis of existing methods of determining of the development costs and directions of their improvement // Mechanization of construction and housing and public utilities = Analiz metodov opredeleniya zatrat na development i napravlenii ikh sovershenstvovaniya // Mekhanizatsiya stroitel'stva i ZhKKh. 2011. № 2 (In Russ.).

3.                 Methodological recommendations for monitoring the level and dynamics of prices in the housing market, approved by the order of Rosstat on January 20, 2009 № 7

4.                 Sternik G.M., Sternik S.G. Assessment of average market profitability of development when forecasting the housing markets. – Forecasting problems = Otsenka srednerynochnoi dokhodnosti developmenta pri prognozirovanii rynkov zhil'ya. – Problemy prognozirovaniya, 2017, №2, p. 106-116 (In Russ.).

5.                 Votolevsky V. L. Work real estate companies in crisis // Property relations in the Russian Federation. 2009. No. 8.


ИНФОРМАЦИЯ ОБ АВТОРАХ

Стерник Сергей Геннадьевич - профессор Департамента корпоративных финансов и корпоративного управления Финансового университета при Правительстве РФ

sgsternik@fa.ru

Мирончук Янина Сергеевна - ведущий аналитик Ассоциации застройщиков Московской области

mironch@mail.ru

Филатова Екатерина Михайловна - студентка 4 курса финансово-экономического факультета Финансового университета при Правительстве РФ

katri96@rambler.ru

ABOUT THE AUTHORS

Sternik Sergey Gennadyevich - professor of Department of corporate finance and corporate management of Financial University under the Government of the Russian Federation

sgsternik@fa.ru

Mironchuk Yanina Sergeyevna - the leading analyst of Association of builders of the Moscow region

mironch@mail.ru

Filatova Ekaterina Mikhaelovna - the student 4 courses of financial and economic faculty of Financial University under the Government of the Russian Federation

katri96@rambler.ru



1 Приказ Федеральной службы государственной статистики от 25 ноября 2016 года N 746 Об утверждении официальной статистической методологии определения инвестиций в основной капитал на федеральном уровне

2 Приказ Министерства экономического развития Российской Федерации от 30 августа 2017 года N 562 Об утверждении статистического инструментария для организации федерального статистического наблюдения за строительством, инвестициями в нефинансовые активы и жилищно-коммунальным хозяйством (с изменениями на 5 сентября 2017 года)

[3]Федеральный закон "Об участии в долевом строительстве многоквартирных домов и иных объектов недвижимости и о внесении изменений в некоторые законодательные акты Российской Федерации" от 30.12.2004 N 214-ФЗ

С.Г. Стерник, Я.С. Мирончук, Е. М. Филатова. Оценка среднерыночной доходности инвестиций в девелопмент жилой недвижимости в Московской области

(Статья опубликована в третьем номере журнала «Мир новой экономики» за 2018 год)
Категория: методические материалы

Статья опубликована в третьем номере журнала «Мир новой экономики» за 2018 год

DOI: 10.26794/2220-6469-2018-12-3-Х-Х

УДК 332.85 (470.311):[332.64:330.322](045)

Оценка среднерыночной доходности инвестиций в девелопмент жилой недвижимости в Московской области

С.Г. Стерник,

Финансовый университет,

Москва, Россия

Я.С. Мирончук,

Ассоциация застройщиков,

Московская область, Россия

Е. М. Филатова,

Финансовый университет, Москва, Россия

Аннотация. Ранее Стерником Г.М. и Стерником С.Г. обоснованы варианты методики оценки среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости в зависимости от характера и содержания исходных данных о затратах в используемых источниках (себестоимость строительства или полные инвестиционные затраты) [1]. На основании анализа состава элементов затрат на девелопмент, используемого в различных источниках, получены корректирующие коэффициенты, позволяющие перейти от оценки текущей годовой доходности инвестиций в девелопмент по отношению к себестоимости (полной сметной стоимости) строительства к оценке текущей годовой доходности по отношению к полным инвестиционным затратам. Методика апробирована на примере рынка жилья Москвы, в результате чего доказана возможность ее использования для управления инвестициями на рынке жилья. В настоящей работе на основании методики по оценке доходности девелопмента Стерника Г. М. и Стерника С. Г. и с учетом повышения информационной открытости рынка недвижимости доработаны формулы расчета с использованием новых источников исходных данных и произведен расчет среднерыночной доходности инвестиций в девелопмент жилой недвижимости в Московской области по данным за 2014-2017 гг. Сделан вывод, что, начиная с 2015 года, показатель среднерыночной доходности принимает отрицательные значения, т.е. объем капиталовложений в строительство превышает выручку от продаж на первичном рынке. Однако, во 2 полугодии 2017 года показатель вырос до положительных значений, что связано, в большей степени со снижением объемов жилого строительства в регионе. Полученные данные в совокупности с усовершенствованной методикой исследования позволяют с высокой достоверностью прогнозировать потенциал развития региональных рынков первичного жилья в целях инвестиционного и государственного планирования жилищно-строительных программ.

Ключевые слова: рынок жилья; ценовая динамика; прогнозирование рынка; доходность инвестиций: затраты на строительство; индекс доходности; индикатор макроэкономики

_____________

Для цитирования: Стерник С.Г., Мирончук Я.С., Филатова Е.М. Оценка среднерыночной доходности инвестиций в девелопмент жилой недвижимости в Московской области. Мир новой экономики. 2018;12(3)Х-Х.

DOI: 10.26794/2220-6469-2018-12-3-Х-Х

UDC 332.85 (470.311):[332.64:330.322](045)

Assessment of average market profitability of investments into development of the residential real estate in the Moscow region

                                                                                                                        S. G. Sternik,

Financial University,

                                                                                                                    Moscow, Russia

                                                                                                 Ya. S. Mironchuk,

Association of builders of the Moscow region,

                                                                                                         Moscow region, Russia

E.M. Filatova,

Financial University,

                                                                                                                    Moscow, Russia

Abstract. Earlier Sternik G.M. and Sternikom has proved Of this year options of a technique of assessment of average market current annual profitability of investments into development of the residential real estate depending on character and the maintenance of basic data about expenses in the used sources (cost of construction or full investment expenses). On the basis of the analysis of the structure of elements of costs of development used in various sources the correcting coefficients allowing to pass from assessment of the current annual profitability of investments into development in relation to cost (overall estimated cost) of construction to assessment of the current annual profitability in relation to full investment expenses are received. The technique is approved on the example of the housing market of Moscow therefore the possibility of her use for management of investments in the housing market is proved. In the real work on the basis of a technique according to profitability of development of Sternik G. M. and Sternika Of this year and taking into account increase in information openness of the real estate market calculation formulas with use of new sources of basic data are finished and calculation of average market profitability of investments into development of the residential real estate in the Moscow region by data for 2014-2017 is made. It is concluded that, since 2015, the average market yield takes negative values, i.e. the volume of investment in construction exceeds the revenue from sales in the primary market. However, in the second half of 2017, the indicator increased to positive values, which is due to a greater extent to the decrease in the volume of residential construction in the region. The obtained data in total with an advanced technique of a research allow to predict with high reliability the potential of development of the regional markets of primary housing for investment and state planning of building programs.

Keywords: housing market; price dynamics; market forecasting; profitability of investments;  costs of construction; index of profitability; macroeconomic indicator

For citation: Sternik S. G., Mironchuk Ya. S., Filatova E.M. Assessment of average market profitability of investments into development of the residential real estate in the Moscow region. Mir novoj ekonomoki = Word of the new economy. 2018;12(3):Х-Х.(In Russ.).


Актуальность темы

Среднерыночная текущая доходность инвестиций в девелопмент жилой недвижимости является важным и востребованным индикатором при социально-экономическом и градостроительном планировании и инвестиционном прогнозировании развития жилищной сферы.

Показатель доходности позволяет оценить состояние отрасти жилищного строительства и выявить текущие тенденции на рынке жилья, оценить факторы, влияющие на доходность девелопмента.

На государственном уровне данный индикатор будет способствовать более точному прогнозированию развития отрасли, национальной экономики и экономики регионов, а также планированию объемов строительства, ввода и продажи жилья.

Результаты ранее выполненных исследований

В России методология научного прогнозирования рынка жилья начала развиваться более 20 лет назад, с момента старта рынка в новейшей экономической истории, в том числе – с участием авторов настоящей работы.

Авторами были разработаны и обоснованы варианты методики оценки среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости в зависимости от характера и содержания исходных данных о затратах в используемых источниках (себестоимость строительства или полные инвестиционные затраты) [2].

Принципиально расчет индекса доходности инвестиций (Iд) авторы описали выражением:

 

где Pav – средневзвешенная удельная цена продажи объекта, руб./кв. м; Qc – количество зарегистрированных договоров участия в долевом строительстве (ДДУ) по данным Росреестра, шт.; Saaсредняя площадь квартиры в новостройках, кв. м; Kр – поправочный коэффициент объема продаж; Кд.з.1 – коэффициент дополнительных затрат при использовании данных Росстата; Sp  – объем поглощения площадей по рыночным данным, кв. м;  Кд.з.2 – коэффициент дополнительных затрат при использовании данных ПД; Сс1 – средняя стоимость строительства 1 кв. м по данным Росстата, руб.;  Sс – годовой объем строительства по рыночным данным, кв.м.

Нерешенные задачии пути их решения

Для проведения исследований рынка недвижимости аналитику приходится сталкиваться с проблемой закрытости данных о рынке. Открытая информация из официальных источников ограничена, и достоверность некоторых из них вызывает сомнение. Информация в различных источниках также может значительно отличаться.

Однако информационная открытость рынка растет, и уже сейчас специалистами проведена большая работа по улучшению и расширению данных официальной статистики. Так, в 2016 г. стартовал ресурс ЕМИСС, позволяющий отследить не только статистические показатели, но и дающий пояснения о технологии расчета, а также о контактах исполнителя, если возникнет необходимость уточнения. Увеличилась также частота публикаций данных.

При этом список показателей включает статистические данные многих министерств и ведомств, в том числе Федеральной службы государственной статистики. В табл. 1 приведены новые источники информации и ссылки на них.


Таблица 1 / Table 1

Статистические показатели/ Statistical indicators

Показатель

Источник

Ссылка

Количество зарегистрированных сделок на первичном рынке за период в регионе

Росреестр

https://rosreestr.ru/site/open-service/statistika-i-analitika/statisticheskaya-otchetnost/

Средняя фактическая стоимость строительства одного квадратного метра общей площади отдельно стоящих жилых домов без пристроек, надстроек и встроенных помещений (оперативные данные)

Федеральная служба государственной статистики

https://www.fedstat.ru/indicator/43242

http://www.gks.ru/free_doc/new_site/business/stroit/uk-c1.pdf

Средняя цена 1 кв. м общей площади квартир на рынке жилья

Федеральная служба государственной статистики

https://www.fedstat.ru/indicator/31452

Введено в действие общей площади жилых домов (Отдельно стоящие здания жилого назначения квартирного типа)

Федеральная служба государственной статистики, Минстройкомплекс МО

https://www.fedstat.ru/indicator/34118

http://msk.mosreg.ru/dokumenty/gosudarstvennye_uslugi

Объем новых разрешений на строительство на многоэтажное жилье в Московской области

Минстройкомплекс МО

http://msk.mosreg.ru/dokumenty/gosudarstvennye_uslugi

Источник: данные Росреестра; ФСГС; Минстройкомплекс МО

Появление новых данных позволило авторам усовершенствовать методику в следующих направлениях:

·                   Использование для расчета объема профинансированного строительства (в знаменателе) текущего объема строительства, отнесенного к средней продолжительности строительства;

·                   Использование данных о продлении разрешений на строительство для уточнения информации о сроках;

·                   Получение данных об объемах текущего строительства по данным о полученных разрешениях на строительство;

·                   Переход на ежеквартальный расчет показателя среднерыночной доходности инвестиций в девелопмент для получения оперативной информации о состоянии рынка.

В результате формула расчета принимает следующий вид:

I_d=((P_av×S_aa×Q_c)/(〖Cc〗_1×S_c/t ×K_(д.з.) )-1)×100%

                                                                                                                            

где Pav – средняя цена 1 кв. м общей площади квартир, руб./кв. м; Qc – количество зарегистрированных договоров участия в долевом строительстве (ДДУ), шт.; Saaсредняя площадь квартиры в новостройках, кв. м; Сс1 – средняя стоимость строительства 1 кв. м по данным Росстата, руб.; Sс – объем строительства жилья по рыночным данным, кв. м; t – средний срок строительства жилых объектов, кварталов; Кд.з. – коэффициент дополнительных затрат при использовании данных Росстата.

Исходные данные

При расчете выручки (числитель) средняя удельная цена реализации площадей умножается на объем реализации.

Данные об объемах реализации многоквартирных жилых домов на первичном рынке были получены из официальной статистики Росреестра о количестве зарегистрированных договоров участия в долевом строительстве (ДДУ) на жилые помещения, умноженном на среднюю площадь квартиры в строящихся домах.

В соответствии с последними изменениями в законодательстве, можно говорить о том, что более 95% всех зарегистрированных сделок производится через заключение ДДУ. Доля других легальных схем (жилищно-строительные кооперативы и др.) стремиться к нулю, в связи с усилением контроля государства за деятельностью застройщиков. Поэтому в данном исследовании они не учитывались.

При расчете средней удельной цены реализации квартир использовались данные Росстата с 1 квартала 2014 г. по 4 квартал 2017 г. [3].

Для определения затрат на строительство по себестоимости (сметной стоимости) данные о стоимости строительства 1 кв. м по Росстату умножаются на объем строящихся площадей, деленный на средний срок строительства жилых объектов. Для расчета по инвестиционной стоимости данные умножаются на коэффициент дополнительных затрат.

Объем строительства рассчитан на основании информации по действующим разрешениям на строительство многоэтажных жилых домов в Московской области. Так, объем жилья на этапе строительства в 4 квартале 2017 г. составил 16,9 млн. кв. м без учета проблемных объектов (замороженных и/или снятых с продажи из-за нехватки финансирования).

Для расчета объемов строительства в каждом квартале использовались данные о квартальных объемах ввода жилья и о новых разрешениях на строительство жилья, полученных за квартал. Расчет осуществлялся по следующей формуле:

где Sс – объем строительства жилья, млн кв. м; Si – объем ввода жилья, млн кв. м; Snpобъем жилья, на строительство которого получено разрешение, за период; млн кв. м; n – расчетный период, квартал.

В табл. 2 приведены исходные данные для расчета объемов строительства жилья в Подмосковье.


Таблица 2 / Table 2

Данные для расчета объемов строительства жилья в Подмосковье / Data for calculating the volume of housing construction in the suburbs

Дата

Объем строительства Sс, млн кв. м

Объем новых разрешений на строительство, млн. кв. м

Объем ввода, млн кв. м

1 кв. 2014

20,7

0,5

1,03

2 кв. 2014

20,7

1,0

1

3 кв. 2014

19,6

1,6

2,7

4 кв. 2014

19,3

3,2

3,5

1 кв. 2015

19,5

0,8

0,5

2 кв. 2015

19,9

1,7

1,3

3 кв. 2015

20,3

1,6

1,1

4 кв. 2015

18,9

2,0

3,5

1 кв. 2016

18,9

0,9

0,9

2 кв. 2016

18,9

1,4

1,4

3 кв. 2016

18,5

1,1

1,5

4 кв. 2016

17,9

1,8

2,4

1 кв. 2017

17,9

0,9

0,9

2 кв. 2017

17,3

1,2

1,8

3 кв. 2017

17,1

1,4

1,6

4 кв. 2017

16,9

1,2

1,4

Источник: Данные Росстата

Средний срок действия этих разрешений на строительство в 2017 г. составил 3,4 года (13,7 кварталов). Срок строительства вырос на 14% по сравнению с 2014 г., так как большинство застройщиков не успевают строить в установленные сроки и оформляют продления на действующие разрешения на строительство.

Для оценки среднерыночной стоимости строительства были использованы данные о планируемой стоимости строительства, указанные в проектных декларациях на сайтах застройщиков. Выборочно для исследования было взято 25 объектов в различных муниципальных образованиях Московской области. Основные характеристики этих жилых комплексов приведены в табл. 3.

Таблица 3 / Table 3

Данные проектных деклараций для оценки средней стоимости строительства в Московской области / Data of project declarations for estimating the average cost of construction in the Moscow region

Застройщик

Населенный пункт

Название ЖК

Площадь объекта, кв. м

Общая стоимость строительства

Стоимость на 1 кв. м, руб.

Самолет Девелопмент

Химки

Химки 2019

27 835

1 242 354 288

44 633

Самолет Девелопмент

Люберцы

Люберцы 2019

55 696

4 139 551 216

74 324

Самолет Девелопмент

Ленинский район

Пригород Лесное

55 857

2 353 167 818

42 129

Урбан Групп

Одинцовский район

Лайково

9 474

627 788 000

66 266

Урбан Групп

Красногорский район

Митино О2

19 692

936 997 819

47 583

Урбан Групп

Ленинский район

Видный город

17 297

889 942 511

51 449

МИЦ

Балашиха

Новоград Павлино

37 175

2 283 454 971

61 424

МИЦ

Ленинский район

Зеленые аллеи

56 529

3 363 812 441

59 506

ДСК 1

Солнечногорский район

Первый Андреевский

55 144

1 969 408 000

35 714

ДСК 1

Домодедово

Домодедовский парк

23 206

970 096 431

41 803

ФСК Лидер

Одинцовский район

Сколковский

57 981

2 442 761 000

42 130

ФСК Лидер

Ленинский район

Римский

44 224

2 177 382 780

49 235

ФСК Лидер

Красногорский район

Новое Тушино

49 347

2 935 157 000

59 480

Гранель

Ленинский район

Государев дом

4 731

235 000 000

49 671

Гранель

Мытищи

Императорские мытищи

106 054

5 300 000 000

49 975

Гранель

Балашиха

Алексеевская роща

4 313

160 000 000

37 099

ПИК

Котельники

Оранж Парк

47 638

1 927 080 622

40 453

ПИК

Красногорск

Митино Парк

20 890

1 364 215 026

65 304

ПИК

Химки

Левобережный

10 863

454 763 231

41 863

ПИК

Химки

Путилково

28 800

1 764 289 719

61 260

RDI

Ленинский район

Ново-Молоково

28 259

1 971 764 310

69 774

RDI

Ленинский район

Южное Видное

16 702

970 224 171

58 090

Инград

Пушкинский район

Новое Пушкино

11 224

485 380 945

43 245

Инград

Мытищи

Новое Медведково

21 324

1 381 486 400

64 786

Эталон

Красногорск

Изумрудные холмы

37 588

1 704 965 000

45 359

Средняя стоимость 1 кв. м, руб.

51 957

Источник: данные о планируемой стоимости строительства, указанные в проектных декларациях на сайтах застройщиков, расчеты авторов

Средняя стоимость строительства по проектным декларациям составила 51 957 руб. за кв. м.

Однако в дальнейших расчетах в этой статье данные проектных деклараций использоваться не будут, так как показатель планируемой стоимости строительства не имеет четкой структуры включаемых в него затрат и поэтому может рассчитываться застройщиками по-разному.  Основным источником информации для определения стоимости строительства будут данные Росстата и информация ведущего действующего застройщика в Подмосковье. Преимущество показателя средней фактической стоимости строительства заключается в четкой методологии расчета на основании данных бухгалтерского учета.

Средняя фактическая стоимость строительства[1] одного квадратного метра общей площади отдельно стоящих жилых домов без пристроек, надстроек и встроенных помещений рассчитывается на основе данных застройщиков о фактической стоимости строительства общей площади введенных в действие жилых помещений в жилых и нежилых зданиях. Основанием для заполнения фактической стоимости строительства объекта являются документы бухгалтерского учета застройщика и информация об объеме введенных жилых помещений.

Фактическая стоимость зданий (жилые и нежилые) и сооружений[2] – расходы на строительство зданий и сооружений, которые складываются из выполненных строительных работ и приходящихся на них прочих капитальных затрат (проектно-изыскательских работ, затрат по отводу земельных участков под строительство, расходов на содержание застройщика, выплаты земельного налога (аренды) в период строительства и др.), включаемых при вводе объекта в эксплуатацию в инвентарную стоимость здания (сооружения).

В инвентарную стоимость здания включают также затраты на авторский надзор;  затраты на возмещение убытков землепользователям (компенсация за сносимые строения и ущерб, наносимым природной среде, на отчуждаемой территории); затраты по переселению в связи со строительством; налоги и сборы, связанные с осуществлением строительства; затраты, связанные с регистрацией законченных объектов; взносы и отчисления на развитие инфраструктуры города; затраты на нежилые здания, назначением которых является создание условий для труда, социально-культурного обслуживания населения, хранения материальных ценностей и др. (в том числе парковка, школы и детские сады).

Плата за землю при покупке, изъятии (выкупе) земельных участков для строительства в стоимости не отражается.

Для определения полной (инвестиционной) стоимости строительства 1 кв. м на рынке жилья в Московской области в нашем примере использовалась также информация по текущим затратам на проекты одного из ведущих застройщиков Московской области.

Анализ состава элементов затрат, учитываемых при расчете полной (инвестиционной) стоимости строительства 1 кв. метра жилья

Инвестиционная стоимость строительства включает все затраты, связанные с приобретением, сопровождением, строительством и управлением объектом строительства с момента приобретения прав на земельный участок до полной реализации (продажи) проекта.

Укрупненно инвестиционная стоимость строительства состоит из следующих статей затрат [3]:

1.                 Затраты на приобретение прав на объект, в т.ч. покупка земельного участка и прав на жилую застройку.

2.                 Расселение и прочие обременения по проекту.

3.                 Инженерная инфраструктура, в т.ч. выкуп технических условий на подключение.

4.                 Прединвестиционные затраты на разработку концепции и бизнес-плана инвестиционного проекта.

5.                 Проектные работы.

6.                 Строительно-монтажные работы.

7.                 Прочие расходы по сопровождению проекта.

8.                 Стоимость финансирования проекта.

9.                 Затраты на рекламу, маркетинг и реализацию площадей.

10.            Налоги.

В табл. 4 приведена структура полной инвестиционной стоимости строительства по отдельным статьям затрат. [5].

Таблица 4 / Table 4

Структура полных затрат на девелопмент / Structure of total development costs

Приобретение земельного участка и прав на застройку

Стоимость прав на земельный участок

Изменение назначения земли

Расселение

Расселение / другие обременения по проекту

Инженерная инфраструктура

Выкуп мощностей ТУ

Прединвестиционные расходы

Разработка и утверждение концепции проекта, бизнес-планирование

Прочие затраты на прединвестиционной стадии проекта

Проектные работы

Содержание службы заказчика до утверждения экспертизы 

Создание и Утверждение ППТ-ПМТ-ГПЗУ

Затраты на градостроительные изыскания (экология- топография-геология- геодезия-гидрогеология—гидроэкология - геоподоснова)

Разработка и утверждение Стадия П, Экспертиза, РД, Разрешения на строительство

Авторский надзор

Строительные работы

Затраты на подготовку участка застройки (вынос инженерных сетей, снос нежилых строений, рекультивация земли и пр.)

Строительство жилой части

Строительство коммерческих площадей

Строительство помещений соц-быт назначения

Строительство парковки

Строительство внеплощадочных сетей и выполнение ТУ

Строительство инженерных сооружений и подключение внутри площадки к зданиям и сооружениям

Служба заказчика и технадзор

Прочие затраты на строительство

Прочие расходы по сопровождению проекта

Страхование объекта

Затраты на сдачу объекта в эксплуатацию и оформление имущественных прав

Налог на землю и имущество

Управление инвестиционным проектом

Прочие расходы

Стоимость финансирования проекта

Оформление кредитной линии

Процентные платежи по кредиту

Затраты на IPO и привлечение других источников финансирования

Затраты на рекламу, маркетинг и продажи

Агентское вознаграждение

Реклама, маркетинг

Налог на прибыль

Налог на прибыль

Источник: [2].

Таблица 5 / Table 5

Доля статей затрат в полной стоимости строительства жилья в Московской области (по данным о 7 объектах застройщика) / The share of cost items in the total cost of housing construction in the Moscow region (according to data on 7 properties of the developer)

Составляющая затрат

Затраты, руб./кв. м

Доля затрат в полной стоимости строительства, %

Приобретение земельного участка и прав на застройку

5 458

8%

Расселение

0

0%

Формирование земельного участка (ПИР)

671

1%

Проектирование

1 974

3%

Инженерная инфраструктура, в т.ч. плата за технологическое присоединение к сетям

5 124

8%

Себестоимость (строительно-монтажные работы)

32 951

50%

Себестоимость строительства детского сада

1 607

2%

Себестоимость строительства школы

3 399

5%

Себестоимость строительства наземной парковки

8 478

13%

Маркетинг и продажи

2 904

4%

Накладные (управленческие) расходы девелопера

555

1%

Стоимость финансирования проекта

1 001

2%

Налог на прибыль

1 390

2%

Инвестиционная стоимость строительства

65 512

100%

Источник: Расчеты авторов

Согласно данному исследованию, доля строительно-монтажных работ в полной стоимости строительства составила 50%, затраты на строительство паркинга, ДОУ и СОШ – 20%, доля затрат на землю и обременения по проекту – 9%, доля затрат на инженерную инфраструктуру – 8%, доля затрат на финансирование – 2%.

Другие расходы (маркетинг и продажи, управленческие расходы и налоги) составляют около 10% общего бюджета проекта.

Далее приведено сравнение стоимости строительства в различных источниках информации: данные застройщиков, официальная статистика Росстата (по данных бухгалтерской отчетности застройщика) и информация о планируемой стоимости из публикуемых на сайтах проектных деклараций.

В табл. 6 представлен расчет доли учтенных затрат на строительство объекта в различных источниках информации.

Таблица 6 / Table 6

Расчет доли учтенных затрат на строительство объекта в различных источниках информации / Calculation of the share of recorded costs for the construction of the facility in various sources of information

Содержание составляющей затрат

Учет статей затрат в различных источниках

Доля стоимости затрат, %

Росстат

Застройщик

1

Приобретение проекта

-

+/-

8%

2

Прединвестиционные затраты

+

+/-

1%

3

Проектные работы

+

+

3%

4

Строительные работы (в т.ч. получение ТУ)

+

+

58%

5

Строительные работы по социальной инфраструктуре и парковке

+/-

+

21%

6

Прочие расходы по сопровождению проекта

+

+

1%

7

Стоимость финансирования проекта

+

+

2%

8

Затраты на рекламу, маркетинг и продажи

+

+

4%

9

Налоги

-

+

2%

Всего доля учтенных затрат, %

80%

95%

100%

Источник: Расчеты авторов

Полученные данные позволяют использовать поправочный коэффициент 1,28 для приведения фактической стоимости строительства, по данным Росстата, к полной (инвестиционной) стоимости строительства.

Расчет индекса текущей доходности инвестиций в девелопмент жилой недвижимости  

Методика оценки текущей доходности инвестиций в девелопмент жилой недвижимости апробирована на примере жилищного строительства в Московской области в 2014-2017 гг. Исходные данные для расчета приведены в табл. 7.

Таблица 7 / Table 7

Исходные данные для оценки доходности инвестиций в девелопмент / Initial data for assessing the return on investment in development

Дата

Средне-взвешенная удельная цена Pav, тыс. руб./кв. м

Количество зареги-стриро-ванных ДДУ Qc, шт.

Средняя площадь квартиры Saa, кв. м

Объем строительства Sс, млн кв. м

Средний срок строитель-ства, кварталов

Средняя фактическая стоимость строительства в МО, по данным Росстата

1 кв. 2014

76,3

22300

55,7

20,7

12,0

52,2

2 кв. 2014

82,5

22516

52,5

20,7

12,0

56,5

3 кв. 2014

81,7

23017

50,2

19,6

12,0

49,1

4 кв. 2014

80,4

33866

48,4

19,3

12,0

41,8

1 кв. 2015

81,8

20744

48,2

19,5

12,0

52,1

2 кв. 2015

80,4

22250

49,0

19,9

12,0

54,4

3 кв. 2015

80,6

19562

48,0

20,3

12,5

42,9

4 кв. 2015

80,8

23587

48,6

18,9

12,5

42,5

1 кв. 2016

76,6

22591

47,2

18,9

13,0

59,1

2 кв. 2016

78,7

18666

47,6

18,9

13,0

46,9

3 кв. 2016

78,7

20490

48,1

18,5

13,0

46,0

4 кв. 2016

78,8

19962

48,0

17,9

13,0

46,4

1 кв. 2017

76,8

19080

47,5

17,9

13,7

54,1

2 кв. 2017

77,7

21919

46,9

17,3

13,7

54,0

3 кв. 2017

78,6

20844

46,7

17,1

13,7

47,3

4 кв. 2017

78,7

23014

46,7

16,9

13,7

47,2

Источник: Расчеты авторов

Итоговые результаты исследования в виде динамики объемов выручки и затрат в Московской области в 2014-2017 гг. приведены в табл. 8.

Таблица 8 / Table 8

Результаты расчета среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости Московской области (%) / The results of calculating the average market annual return on investment in the development of residential real estate in the Moscow Region (%)

Дата

Объем выручки от продаж, млрд руб. в год

Объем профинансированного строительства, млрд. руб. Росстат

Среднерыночная доходность девелопмента в МО,%

1 кв. 2014

94,8

115,2

-18%

2 кв. 2014

97,4

124,7

-22%

3 кв. 2014

94,3

102,5

-8%

4 кв. 2014

131,9

85,9

54%

1 кв. 2015

81,8

108,2

-24%

2 кв. 2015

87,7

115,2

-24%

3 кв. 2015

75,7

89,2

-15%

4 кв. 2015

92,6

82,1

13%

1 кв. 2016

81,7

109,8

-26%

2 кв. 2016

69,9

87,1

-20%

3 кв. 2016

77,6

84,0

-8%

4 кв. 2016

75,5

81,8

-8%

1 кв. 2017

69,6

90,4

-23%

2 кв. 2017

79,8

87,2

-9%

3 кв. 2017

76,6

75,6

1%

4 кв. 2017

84,7

74,5

14%

Источник: Расчеты авторов

На рисунке представлена квартальная динамика среднерыночной доходности инвестиций в девелопмент в Московской области в 2014-2017 гг.

Рис. / Рисунок/Fig. Динамика среднерыночной доходности инвестиций в девелопмент жилой недвижимости в Московской области / Dynamics of average market return on investment in the development of residential real estate in the Moscow region

Источник: данные Росстата

Интерпретация результатов исследования

Анализ среднерыночной доходности инвестиций в девелопмент в Подмосковье с 2014 по 2017 гг. показывает, что самым прибыльным для застройщиков был 2014 г., когда годовая доходность на первичном рынке составила в среднем 9%. Это произошло за счет 4 квартала, который был рекордным по продажам вследствие макроэкономического шока – обвала курса рубля вслед за обвалом цен на нефть. В этот период строительство большинства проектов могло осуществляться только за счет привлеченных средств граждан. В 2014 г. застройщиками было получено также рекордное количество разрешений на строительство 6,3 млн кв. м и введено 9,9 млн кв. м жилья. Поэтому во второй половине 2015 г. при заявленном объеме строительства и сокращении объема выручки на 20% многие девелоперы стали испытывать недостаток финансирования. Это выразилось в приостановлении и заморозке строительства по многим проектам на различных стадиях готовности. Так, по оценкам авторов, основная доля проблемных объектов приходится на проекты, получившие разрешения на строительство в 2013 и 2014 гг. (более 2 млн кв. м. жилья).

В 2016 г. объем поглощения на рынке снизился еще на 7% по сравнению с 2015 г. В 2017 г. объем продаж по ДДУ находится на уровне 2016 г.

Объем ввода жилья (многоквартирных домов) в Московской области в 2015 г. сократился на 22%, в 2016 – еще на 5% (6,1 млн кв.м). В 2017 г. объем ввода снова уменьшился на 6% – до 5,7 млн кв.м.

В 2015 и 2016 гг. среднерыночная доходность девелоперов на первичном рынке упала до минусовых значений -8% и -10% соответственно. Это произошло из-за больших объемов строительства и уменьшения выручки от продаж на первичном рынке. В 2017 г. ситуация улучшилась во многом благодаря сокращению объемов строительства в регионе и в 3 и 4 кварталах 2017 г. составила 1% и 14% соответственно.

Всего за 2017 г. объем поглощения квартир остался на уровне 2016 г. и составил 3,9 млн кв.м. Без изменений за последние 2 года осталась также и средневзвешенная цена продажи в области – 78 тыс. руб. за 1 кв.м.

Сильное влияние на рынок жилья оказывает введение новых поправок по ужесточению требований к застройщикам и необходимости привлечения ими дополнительных источников финансирования проектов[3]. Это приведет к значительному сокращению числа мелких и средних застройщиков в области. Уже сейчас число застройщиков, получивших разрешение на привлечение средств дольщиков для финансирования проектов, сократилось: чуть более половины всех полученных разрешений на строительство жилья в Московской области в 2017 г. получили ЗОСТ (заключение о соответствии застройщика требованиям) на заключение ДДУ.

Возможно, в скором времени рынок жилья Московской области будет перераспределен между крупными игроками, которые будут нести дополнительную нагрузку по достройке проблемных объектов и строительству социальной инфраструктуры.

Выводы

1.                 Методика оценки среднерыночной доходности инвестиций в девелопмент, усовершенствованная благодаря наличию новых источников информации,  позволила рассчитать показатели доходности в Московской области в 2014-2017 гг. в поквартальной динамике. Полученные результаты хорошо объясняются ситуацией на рынке в рассмотренные периоды.

2.                 Доходность инвестиций в девелопмент жилой недвижимости после 2014 г. упала до отрицательных значений, но в 2017 г. росла и достигла в 4 квартале 2017 г. 14%.

3.                 Полученные данные в совокупности с усовершенствованной методикой исследования позволяют с высокой достоверностью прогнозировать потенциал развития региональных рынков первичного жилья в целях инвестиционного и государственного планирования жилищно-строительных программ.

СПИСОК ИСТОЧНИКОВ

1.                 Стерник Г.М., Стерник С.Г. Оценка среднерыночной доходности девелопмента при прогнозировании рынков жилья. Проблемы прогнозирования. 2017;(2):106-116.

2.                 G. M. Sternik and S. G. Sternik. Evaluation of the Mid-Market Return of Developments When Forecasting the Housing Market. - Studies on Russian Economic Development, Pleiades Publishing, Ltd, 2017, Vol. 28, No. 2, pp. 204–212.

3.                 Методологические рекомендации по наблюдению за уровнем и динамикой цен на рынке жилья, утвержденные приказом Росстата от 20 января 2009 г. № 7

4.                 Стерник Г.М., Стерник С.Г., Преминина М. В. Анализ методов определения затрат на девелопмент и направлений их совершенствования // Механизация строительства и ЖКХ;2011(2).

5.                 Вотолевский В.Л. Работа девелоперских компаний в условиях кризиса // Имущественные отношения в РФ. 2009. №8.

REFERENCES

1.                 G. M. Sternik and S. G. Sternik. Evaluation of the Mid-Market Return of Developments When Forecasting the Housing Market. - Studies on Russian Economic Development, Pleiades Publishing, Ltd, 2017, Vol. 28, No. 2, p. 204–212.

2.                 Sternik G.M., Sternik S.G., Preminina M. V. Analysis of existing methods of determining of the development costs and directions of their improvement // Mechanization of construction and housing and public utilities = Analiz metodov opredeleniya zatrat na development i napravlenii ikh sovershenstvovaniya // Mekhanizatsiya stroitel'stva i ZhKKh. 2011. № 2 (In Russ.).

3.                 Methodological recommendations for monitoring the level and dynamics of prices in the housing market, approved by the order of Rosstat on January 20, 2009 № 7

4.                 Sternik G.M., Sternik S.G. Assessment of average market profitability of development when forecasting the housing markets. – Forecasting problems = Otsenka srednerynochnoi dokhodnosti developmenta pri prognozirovanii rynkov zhil'ya. – Problemy prognozirovaniya, 2017, №2, p. 106-116 (In Russ.).

5.                 Votolevsky V. L. Work real estate companies in crisis // Property relations in the Russian Federation. 2009. No. 8.


ИНФОРМАЦИЯ ОБ АВТОРАХ

Стерник Сергей Геннадьевич - профессор Департамента корпоративных финансов и корпоративного управления Финансового университета при Правительстве РФ

sgsternik@fa.ru

Мирончук Янина Сергеевна - ведущий аналитик Ассоциации застройщиков Московской области

mironch@mail.ru

Филатова Екатерина Михайловна - студентка 4 курса финансово-экономического факультета Финансового университета при Правительстве РФ

katri96@rambler.ru

ABOUT THE AUTHORS

Sternik Sergey Gennadyevich - professor of Department of corporate finance and corporate management of Financial University under the Government of the Russian Federation

sgsternik@fa.ru

Mironchuk Yanina Sergeyevna - the leading analyst of Association of builders of the Moscow region

mironch@mail.ru

Filatova Ekaterina Mikhaelovna - the student 4 courses of financial and economic faculty of Financial University under the Government of the Russian Federation

katri96@rambler.ru



1 Приказ Федеральной службы государственной статистики от 25 ноября 2016 года N 746 Об утверждении официальной статистической методологии определения инвестиций в основной капитал на федеральном уровне

2 Приказ Министерства экономического развития Российской Федерации от 30 августа 2017 года N 562 Об утверждении статистического инструментария для организации федерального статистического наблюдения за строительством, инвестициями в нефинансовые активы и жилищно-коммунальным хозяйством (с изменениями на 5 сентября 2017 года)

[3]Федеральный закон "Об участии в долевом строительстве многоквартирных домов и иных объектов недвижимости и о внесении изменений в некоторые законодательные акты Российской Федерации" от 30.12.2004 N 214-ФЗ

ВВЕДЕНИЕ

Настоящее исследование продолжает серию ранее опубликованных авторских квартальных и годовых научных исследований состояния и тенденций жилищного рынка городов России [19]. Основными источниками данных являются порталы Росстата, Росреестра, ЦБ РФ, ЕРЗ (Единый реестр застройщиков), аналитических центров и компаний-участников рынка, включая собственные данные ООО «Стерникс Консалтинг». В исследованную выборку настоящей работы входят 27 городов и один регион (Московская область, по которой приводятся усредненные по городам данные), в том числе 21 город, являющийся центром субъектов РФ, с совокупной численностью населения более 43 млн чел.

Для удобства чтения изложение разбито на 5 смысловых частей:

- методология исследования;

- макроэкономические и институциональные условия развития рынка недвижимости: состояние и перспективы;

- показатели и тенденции спроса, включая мониторинг ипотечного рынка; 

- строительство, ввод, предложение;

- ценовая ситуация и прогноз отраслевой доходности инвестиций на рынке городского жилья.

1.                  Методика исследования

1.1. Термины и определения, используемые в работе

Обработка и интерпретация данных в работе осуществляется в соответствии с положениями работы: Стерник Г.М., Стерник С.Г. Методология моделирования и прогнозирования жилищного рынка: монография. — Москва: РГ-Пресс, 2018. - 584 стр. [4], включая единообразное трактование и применение следующих понятий:

1.                  Объем спроса на недвижимость — средний в заданном периоде объем спроса соответствующей категории. Используется для расчета соотношения спрос/предложение.

2.                  Категории спроса на рынке жилой недвижимости: спрос-потребность, совокупный платежеспособный спрос, потенциальный платежеспособный спрос, предъявленный спрос, предъявленный спрос с перетеканием между смежными рынками (первичным и вторичным, арендным), удовлетворенный (реализованный) спрос.

Спрос-потребность — разность между желаемым (по европейским и мировым стандартам стиля жизни) и фактическим (объем жилищного фонда за исключением ветхого, аварийного и требующего капитального ремонта) уровнем средней обеспеченности качественным и комфортным жильем населения города.

Совокупный платежеспособный спрос — объем жилой недвижимости, которое население могло бы приобрести на рынке за счет своих накоплений.

Потенциальный спрос — объем жилой недвижимости, который покупатели предполагают приобрести на рынке в течение ближайших 3–5 лет за счет всех источников финансирования (собственные сбережения, кредиты, зачет имеющегося жилья, государственные сертификаты и т. д.).

Предъявленный спрос — объем жилой недвижимости, который покупатели предполагают приобрести на рынке в ближайшие полгода-год при текущем уровне цен за счет всех источников финансирования, с учетом изменения склонности населения к расходованию сбережений при изменении экономической ситуации в стране и регионе, степени недоверия к застройщикам, условий ипотечного кредитования, ожиданий изменения уровня цен.

Предъявленный спрос с перетеканием между смежными рынками — объем спроса, формирующийся на каждом из рынков в результате перетекания от рынка с дефицитом предложения к рынку с избыточным предложением.

Удовлетворенный (реализованный) спрос — предъявленный в текущем периоде спрос, удовлетворенный в форме сделки, направленной на приобретение жилой недвижимости (прав требования на строящийся объект). Приблизительно равен объему поглощения.

3.                  Текущий объем строительства жилья — объем строящегося в исследуемом периоде жилья (в количестве корпусов, помещений и площадей). Разделяется на объем строительства муниципального (социального) жилья и объем строительства коммерческой жилой недвижимости.

4.                  Объем незавершенного строительства — публикуется Росстатом по итогам года.

5.                  Суммарный объем строительства за период — объем незавершенного строительства за предшествующий год плюс суммарный объем нового (вновь начатого) строительства за прошедшие месяцы. Используется для расчета объема инвестиций в строительство и соотношений ввод/строительство и строительство/предложение.

6.                  Объем ввода жилья — суммарный за период объем завершенного строительства (сдачи объектов в эксплуатацию).

7.                  Суммарный объем предложения недвижимости — объем предложения на конец предшествующего периода плюс объем нового бесповторного предложения за прошедшие месяцы минус объем поглощения. Используется для расчета соотношения строительство/предложение.

8.                  Объем нового бесповторного предложения — объем вновь появившегося в заданном периоде предложения.

9.                  Средний за период объем предложения — среднее значение объема предложения за период по данным об объеме предложения на продажу или вакантного предложения в аренду в каждом месяце периода. Используется для расчета соотношения спрос/предложение.

10.              Объем поглощения недвижимости — суммарный за период объем продажи строящихся объектов/помещений (прав требования на объекты/помещения в соответствии с 214-ФЗ) на первичном рынке, купли-продажи (мены) на вторичном рынке, сдачи в аренду на рынке аренды, выраженный в количестве сделок и/или объеме площадей.

11.              Показатели ликвидности объектов недвижимости в различных сегментах рынка:

— на вторичном рынке купли-продажи/аренды отдельных зданий или помещений — средний период экспозиции, т. е. среднее по рынку время между первым выставлением объекта (помещения или дома) на рынок и уходом с рынка;

— на первичном рынке продажи/аренды помещений в строящихся зданиях — доля поглощенных помещений (площадей) от общего количества помещений (площадей) в объектах;

— на первичном и вторичном рынке аренды помещений в БЦ, ТЦ, складских комплексах — изменение за период доли вакантных помещений (площадей) от общего количества помещений (площадей) в объектах.

12.              Доступное жилье — это жилье определенного качества и размера, которое семья с определенным уровнем доходов может приобрести по рыночной стоимости, используя свои сбережения, накопленные из своих текущих доходов за разумный период времени при необходимом уровне текущих расходов, возможно, с учетом стоимости имеющейся квартиры, а также используя при необходимости ипотечное кредитование и/или государственную поддержку, и при этом ее текущих доходов достаточно для обслуживания полученного кредита с момента приобретения жилья.

13.              Коэффициент доступности жилья для населения определенной доходной группы — срок, в течение которого семья (домохозяйство) может накопить средства, достаточные для приобретения доступной по цене и площади квартиры, возможно, с зачетом имеющейся квартиры.

14.              Доля населения определенной доходной группы, которой доступно жилье — доля населения города в составе домохозяйств, для которой коэффициент доступности жилья определенного качества/размера не превышает три года.

15.              Доля населения определенной доходной группы, которой доступен ипотечный кредит — доля населения города, которая может выполнить условия банковского андеррайтинга при покупке квартиры определенного размера/качества по уровню доходов домохозяйства.

16.              Планируемый объем ипотечного кредитования — планируемый властями (на основе прогнозов АИЖК) объем кредитования в денежном выражении.

17.              Объем предложения ипотеки в натуральном выражении — рассчитанный с учетом прогнозируемой динамики цен потенциальный объем прокредитованных площадей.

18.              Объем предложения ипотечных кредитов — потенциальное количество выданных кредитов (с учетом площади приобретаемого жилья на вторичном и первичном рынке).

19.              Предъявленный объем спроса на ипотеку — суммарная доля населения различных доходных групп, которым доступен ипотечный кредит при покупке квартир различного качества/размера, скорректированная на величину предъявленного спроса на квартиры.

20.              Объем поглощения ипотечных кредитов — количество выданных ипотечных кредитов с учетом ограничений по доступности (в силу уровня доходов населения) и по наличию ипотечного предложения, а также предложения квартир на рынке.

21. Соотношение суммарного дохода от всех операций данного вида на рынке к суммарным затратам.

22. Виды операций инвестирования в недвижимость: дилерские (покупка объекта и последующая продажа), рентные (покупка объекта и последующая сдача в аренду), девелоперские (строительство объекта и последующая продажа объекта/помещений или сдача в аренду).

23. Под прогнозом понимается методически обоснованное описание возможных состояний системы в будущем и сроков достижения этих состояний, а процесс разработки прогнозов называют прогнозированием. Высказывания экспертов о будущем системы, не основанные на расчетах, принято называть предсказанием или экспертным прогнозированием.

22. Область прогнозного исследования – диапазон изменения изученных фактических (исторических) данных и прогнозируемых показателей.

Глубина предыстории – протяженность (количество интервалов) имеющихся/изученных наблюдений (по параметру или по времени).

Горизонт прогноза – количество интервалов за пределами изученного, на которое производится прогноз.

23. В зависимости от горизонта прогноза, прогнозирование может быть сверхкраткосрочным, краткосрочным, среднесрочным, долгосрочным, сверхдолгосрочным.

Конкретная величина допустимого горизонта для каждого из этих видов прогноза зависит от физического (экономического) содержания задачи, общеэкономической ситуации, состояния конкретного сегмента рынка, и может существенно меняться. Так, правительственные среднесрочные прогнозы развития экономики России имеют горизонт в 3 года. В настоящее время на рынке недвижимости России мы рассматриваем в качестве сверхкраткосрочного – прогноз на 1-3 месяца, краткосрочного – на год-полтора, среднесрочного – на три-пять лет, долгосрочного – на 5-10 лет, сверхдолгосрочного – на 25-30 лет.

24. Достоверность прогноза оценивается погрешностью прогноза и ошибкой прогноза.

Погрешность прогноза – это ожидаемая или фактическая величина (оцениваемая с заданной доверительной вероятностью) отклонения прогнозируемой величины от среднего прогнозного значения.

Ошибка прогноза – это ожидаемая вероятность реализации прогноза с погрешностью более заданной.

Достоверность прогноза может быть ожидаемой, прогнозируемой (априорной), а также фактической (апостериорной), рассчитанной после истечения периода прогнозирования на основе накопленных фактических данных за этот период.

Необходимо отличать понятие погрешности (ошибки) прогноза от понятия ошибки статистической модели (аппроксимации). Вторая выражает степень приближения модели к фактическим данным в период предыстории, в то время как первая – возможное в будущем отклонение фактических данных от прогноза.

25. Ретроспективная проверка и корректировка прогноза – это сопоставление фактических данных с ранее рассчитанным прогнозом и пересчет (при необходимости) прогноза до истечения срока его действия (горизонта прогноза) при изменении ситуации и/или отклонении фактической динамики от прогнозируемой. Корректировка может проводиться в любой момент, но обязательным является анализ динамики и принятие решения о проведении или непроведении корректировки по истечении половины срока прогноза.

26. Методика прогнозирования – документ, описывающий перечень и порядок подготовки исходных данных (экзогенных переменных), перечень выходных показателей (эндогенных переменных), а также модель для прогнозирования, ее допущения и ограничения, структуру и порядок расчетов по модели.

1.2. Основные положения методологии исследования

Содержание общего анализа рынка недвижимости

Общий анализ рынка недвижимости (РН) включает ряд этапов: сбор и верификация данных, создание и наполнение аналитических баз данных (АБД); статистическая обработка данных и построение дискретной пространственно-параметрической модели (ДППМ) состояния сегмента рынка в рассматриваемом периоде; исследование факторов ценообразования и закономерностей функционирования РН; прогнозирование развития РН (рис. 1).

Рисунок. 1. Общий алгоритм (этапы и продукты) АРН

Результаты общего (универсального) анализа используются не только для объявленной цели (анализ рынка в интересах различных операторов рынка), но и в качестве данных для последующего специализированного анализа рынка (например, в интересах инвестиционного анализа конкретных проектов, оценки объектов недвижимости и др.).

Содержание отдельных этапов общего анализа рынка сводится к следующему:

1. Сбор и верификация данных, создание и наполнение АБД.

1) Сбор данных о строительстве объектов и предложении объектов/помещений на продажу (в аренду), о проведенных сделках. Источники данных - риэлторские базы данных (БД) агентств недвижимости, объединенных БД ассоциаций, мультилистинговые системы (МЛС), публикации на сайтах компаний, в СМИ, проектные декларации застройщиков и т.д.

2) Сбор данных о внешних макро- и мезоэкономических условиях функционирования рынка недвижимости. Источники данных - публикации Росстата, региональных и местных статорганов, ЦБ РФ, Минэкономразвития РФ, специализированных институтов макроэкономического анализа и т.д.

3) Сбор данных о развитии, а также планах и намерениях властей по развитию территории и отрасли. Источники данных - публикации Росстата, региональных и местных статорганов, федеральных, региональных и местных властей.

4) Построение аналитических баз данных (АБД), включая Реестры строящихся и существующих объектов, БД предложения, сделок.

5) Верификация данных.

2. Статистическая обработка данных и построение дискретной пространственно-параметрической модели (ДППМ) состояния сегмента рынка в рассматриваемом периоде.

1) Расчленение выборки строящихся объектов, предложений, сделок на подгруппы (кластеры) в соответствии с принятой методикой классификации по местоположению (зонам), качеству (классам или типам), размеру, стадии строительства и другим признакам.

2) Статобработка каждой выборки.

3) Построение ДППМ и ее оптимизация.

3. Аналитическое описание состояния сегмента рынка.

1) Описание (в текстовом и графическом виде) состояния показателей сегмента рынка в текущем периоде и накопленной динамики за предшествующие периоды.

2) Описание состояния внешних условий, влияющих на показатели сегмента рынка.

3) Качественный анализ влияния внешних факторов и выявление причин полученных изменений состояния рынка.

4. Исследование факторов ценообразования и закономерностей функционирования рынка.

1) Выявление закономерностей функционирования РН с учетом специфики состояния отечественной экономики и рынка по результатам статистического мониторинга.

2) Эконометрические исследования взаимодействия различных показателей РН и влияющих на них факторов.

3) Социологические исследования поведенческих закономерностей субъектов рынка.

4) Квалиметрические исследования показателей качества информационных объектов (зон местоположения по привлекательности для проживания, территорий по инвестиционной привлекательности, объектов недвижимости по качеству проекта) и их рейтинговая оценка.

5) Разработка методического обеспечения исследований РН.

5. Прогнозирование развития РН.

1) Выявление тенденций развития РН.

2) Разработка экспертных и расчетных прогнозов развития РН (долгосрочных, среднесрочных, краткосрочных).

3) Разработка и совершенствование математических моделей функционирования РН и методик прогнозирования.

Содержание регулярных годовых обзоров жилищного рынка России, публикуемых с 1996 года, определялось наличием данных, которые удавалось собрать – в первую очередь это данные о ценовой ситуации на вторичном, а затем и на первичном рынке, в последующем - данные об объемах предложения и поглощения, и лишь в последние 8-10 лет были охвачены практически все показатели, характеризующие рынок.  При этом, по мере расширения перечня анализируемых показателей приходилось отказываться от изложения результатов всех этапов исследования, а также от детализации анализа, т.е. дифференциации показателей по кластерам местоположения в городе, класса качества объектов и др. факторам (эти данные приводились в отдельных ежемесячных мониторинговых отчетах по отдельному городу). В настоящей работе излагаются результаты этапов 3 и 5 общего анализа жилищного рынка. 

Индикаторы (показатели) рынка недвижимости, подлежащие определению и прогнозированию

Моделирование такой сложной системы, как рынок недвижимости, требует накопления данных и изучения динамики показателей всех основных свойств рынка. К ним относятся:

- ценовая ситуация на первичном и вторичном рынке;

- объем строительства и ввода объектов – коммерческих и муниципальных;

- объем предложения на первичном и вторичном рынке;

- объем спроса различных категорий (спрос-потребность, потенциальный платежеспособный спрос, предъявленный спрос);

- размер объектов;

- объем операций (оборот рынка, объем поглощения); емкость, денежный оборот рынка;

- ликвидность объектов на вторичном, первичном рынке, рынке аренды;

- доступность объектов различного качества и размера для различных по доходам групп населения;

- доходность инвестиций в недвижимость (при дилерских, рентных, девелоперских операциях на рынке).

Методики определения исследуемых показателей приведены в следующих подразделах.

1.3. Верификация данных

Верификация данных включает 5 этапов.

Актуализация текущего листинга. По мере приема и учета информации о предложении объектов недвижимости в базе агентств недвижимости, с определенной периодичностью производится актуализация заявок (как правило, телефонным звонком лицу, выставившему заявку). В настоящее время во многих городах эту работу выполняют специализированные информационные компании, ведущие объединенные базы данных (мультилистинговые системы, МЛС). Однако, перед включением предложений из риэлторской базы в АБД необходимо провести актуализацию хотя бы предложений с наибольшим сроком экспозиции.

Чистка от артефактов (пропусков и ошибок). Содержание этапа заключается в проверке ключевых параметров объекта и предложения, без которых невозможна обработка БД: проверка на нуль цены, проверка соотношения общей и полезной площади, и т.д. Если запись об объекте не соответствует предъявленным требованиям, он исключается из БД.

Выделение «уникальных объектов» (очистка от «повторов» и «дублей», фиктивных заявок). При сборе данных из различных источников возможно появление в АБД т.н. «повторов» (записей предложения одного и того же объекта от различных фирм) и «дублей» (нескольких записей предложения одного и того же объекта в течение одного заданного для анализа периода). «Дубли» появляются при несовпадении периода актуализации информации (например, неделя) с периодом, заданным для анализа (например, месяц). Кроме того, необходимо по возможности исключать т.н. «фиктивные» заявки, которые формируются риэлторами для «прощупывания» рынка (например, одна и та же квартира с разной ценой предложения).

При этом возможны некоторые отличия в параметрах объекта (площадь, высота потолка и т.п.), цене предложения (зависящие от ценовой политики различных фирм, а также возникающих вследствие корректировки цены предложения продавцом). Кроме того, даже при совпадении всех параметров нескольких записей (например, при объединении четырех недельных баз данных в общую месячную) возникает искусственное увеличение объема выборки и несоответствие этой величины реальному объему предложения на рынке.

Сущность этапа состоит в выделении уникального объекта для последующей замены нескольких записей о его предложении на продажу (или в аренду) на одно предложение. В зависимости от формата описания объекта применяются различные варианты алгоритма: «строгая» (при наличии в базе точного адреса) и «мягкая» очистка.

Восполнение недостающей информации. Как правило, в риэлторских базах данных отсутствует (либо представлена в неявном виде) информация, необходимая для определения сроков экспозиции объектов (дата первого выставления на продажу и снятия с продажи), для классифицирования объекта по качеству (детальные характеристики объекта) или по местоположению (номер дома). Восполнение недостающей информации – самая сложная задача аналитика при создании и ведении АБД.

Исключение объектов по «выскакивающим» значениям цены. Одним из способов очистки БД от артефактов, привлекательных по легкости автоматизации, является дополнительная проверка записи цены предложения (или удельной цены), даже если она не равна нулю. Необходимо исключить из БД предложения с заведомо неверной записью цены, или заведомо заниженной или завышенной ценой. Для этого применяются различные приемы: вводятся ограничения на минимум и максимум удельной цены (самый простой, но грубый способ), производится принудительное исключение по одному объекту с самой малой и самой большой удельной ценой, наконец, на основе применения методов математической статистики производят исключение по правилу «трех сигм». Последний, наиболее правильный способ применяется после предварительного разбиения совокупности предложений на кластеры и статистической обработки каждой выборки. Особенности его применения на рынке недвижимости приведены ниже.

1.3. Ценовая ситуация

Определение ценовых показателей производится выборочным методом.

Статистическая обработка выборок стандартными методами математической статистики затрудняется тем, что, по опыту многолетних исследований, характер распределений цен в различных сегментах рынка отличается от нормального (гауссовского) – они имеют выраженную левую асимметричность (поджаты слева, растянуты справа). Опыт показал, что принудительное приведение выборок к нормальности отсекает самые дорогие объекты, которые хотя и имеют малую долю по количеству в распределении, но она весьма значительна в суммарном ценовом объеме рынка и дает значительную погрешность в определении средних цен в выборке. Есть и другие особенности данных о рынке недвижимости по сравнению с другими товарными рынками, потребовавшие специальных приемов обработки первичных данных.

В связи с этим методология выборочного статистического анализа детализирована для рынка недвижимости в нескольких направлениях: расчет средних величин, оценка дисперсии и среднеквадратичного отклонения, оценка погрешности в определении среднего, проверка значимости различия выборок, исключение выскакивающих значений в выборке, определение рыночного диапазона цен, учет бивалютности рынка, укрупнение объемных показателей, расчет ликвидности объектов в сегменте.

1) Расчет средних величин.

Для расчета средней полной цены объектов в выборке применяется формула средней арифметической величины. Но для расчета средней удельной цены необходимо определять средневзвешенную (по площади помещений) величину. Расчет для выделенного периода (предпочтительно месяц) производится по формулам:

 - либо отношение суммы полных цен к сумме площадей

Суд.взв = Ʃ Спi / Ʃ Sпi, , тыс. руб./кв. м ($/кв. м),

где Суд.взв.i – средневзвешенная удельная цена объектов в i-й выборке;

         Спi – полная цена каждого объекта;

         Sпi – полезная площадь объектов;

- либо отношение суммы произведений средней удельной цены на площадь помещения к сумме площадей

Суд.взв = Ʃ Сi х Sпi / Ʃ Sпi, , тыс. руб./кв. м ($/кв. м),

где Сi – удельная цена помещения.             

Аналогично (по второму варианту формулы) вычисляется средняя (средневзвешенная) арендная ставка Авзв:

Авзв = Ʃ Аi х Sпi / Ʃ Sпi , $/кв. м в год (тыс. руб./кв. м в год).

Необходимо отметить, что получившая широкое распространение оценка средней удельной цены (арендной ставки) как среднеарифметической может привести к существенным ошибкам (5-12%).

2) Оценка дисперсии и среднеквадратического (стандартного) отклонения.

Оценка дисперсии D и стандартного отклонения (СКО, СО) S производятся по стандартным формулам:

                                      ,        

 s = √ (Ʃ (C уд.i - Суд.cр.)2 / (N-1), тыс. руб./кв. м.

3) Оценка погрешности в определении среднего.

Среднее значение случайной величины по данным репрезентативной выборки ее случайных значений всегда рассчитывается с погрешностью, величина которой зависит от двух факторов: собственного разброса значений в выборке и ее объема. Если разброс измерен величиной среднеквадратического отклонения S, то приближенная оценка погрешности в определении средневыборочного при доверительной вероятности 0,95 равна

                                                                                      , тыс. руб. /кв. м.

При наличии данных об объеме генеральной совокупности Ng случайная погрешность может быть скорректирована на множитель √ (1- N/Ng).

Рассчитанное значение погрешности δ дает возможность определения необходимого объема выборки при данной величине разброса (имманентно присущего выборке) и при заданной допустимой ошибке (например, 10% от среднего):

Nmin = (δ / 2s)2 – 1 при δ ≤ 0,10, шт.

Более строго величина среднеквадратического отклонения и погрешности в определении математического ожидания средневзвешенной удельной цены по средневыборочному значению рассчитывается относительно средневзвешенной величины по следующим формулам:

s = √ (∑Si (Ci Cуд.взв )2 / ∑Si) , тыс. руб./кв. м,

где      Ci = Спi / Si – удельная цена помещения;

            Спi – полная цена помещения;  

            Si – площадь помещения;

            Cуд.взв = ∑ Спi / ∑ Si – средневзвешенная удельная цена помещений в выборке:

δ = +/-(2s / √ ∑ Si )  , или

δ = +/-2 (√(∑ Si (Ci Cуд.взв )2 ) / ∑ Si , тыс. руб./кв. м .

Погрешность в определении среднего значения в выборке используется для:

а) проверки значимости различия выборок.

Если разность средних меньше полусуммы погрешностей:

|xср.1 - xср.2| <(δ1/2 + δ2/2),

то выборки считаются различающимися незначимо. Это – необходимое условие объединения выборок, полученных из различных источников, либо за смежные периоды времени, либо для смежных локаций, либо для различных классов качества и т.п.

Вариант условия -

|xср.1 - xср.2| / (δ1/2 + δ2/2) <1;

б) исключения выскакивающих значений в выборке по эмпирическому правилу

Значение Ci отбрасывается, если Ci <(-2) s;      Ci > 4s.

4) Определение рыночного диапазона цен.

Под рыночным диапазоном цен понимается диапазон, границы которого определяются как границы доверительного интервала при заданной доверительной вероятности. В нормальных (симметричных) распределениях принято доверительная вероятность 95%, тогда доверительный интервал составляет +/-2s. В несимметричных распределениях, какими являются ценовые распределения на рынке недвижимости, рекомендован смещенный интервал (-1,0) s …+ (3,0) s.

Возможное более строгое определение доверительного интервала с учетом величины асимметрии выборки на основе неравенства Чебышева, которое определяет вероятность того, что значения случайной величины (х) отклонятся от матожидания (μ) на расстояние, большее a (которое справедливо для распределений с любой асимметричностью). Эта вероятность не превышает отношение квадрата среднеквадратического отклонения к заданному расстоянию:

P (|X - µ| >= α) <= σ2 / α.

На основании этого получены следующие значения границ доверительных интервалов для типичного распределения цен на жилую недвижимость:

(-1,5) s … (+2,5) s при ДВ=0,95.

5) Учет бивалютности рынка.

Бивалютность рынка жилой недвижимости России создает определенные трудности в моделировании и прогнозировании рынка: поведение потребителей, реакция объема спроса и цен на рынке существенно различаются для городов с долларовой и с рублевой номинацией цен, особенно в периоды резкой девальвации рубля к доллару. В связи с этим исследование рынка в кризисные периоды проводится в валюте номинирования, а для сопоставления различных рынков производится пересчет цен в единый (долларовый либо рублевый) эквивалент. Расчет индексов реальных (очищенных от инфляции) цен производится по формулам:

 - для цен, номинированных в рублях (национальной валюте)

IGS = Iцр / Iир,

где IGS – индекс изменения стоимости объектов относительно базового периода, очищенный от инфляции рубля; Iцр – индекс рублевой цены; Iир – индекс инфляции рубля;

- для цен, номинированных в долларах

IGS = Iцд / Iид,

где Iцд – индекс долларовой цены; Iид – индекс локальной инфляции доллара в России.

В свою очередь, индекс локальной инфляции доллара рассчитывается по формуле

Iид = Iир / Iдр;

Iдр = Кдт / Кдб ,

где Iдр – индекс девальвации рубля относительно доллара;

      Кдт – курс доллара к рублю в текущем периоде;

      Кдб – курс доллара к рублю в базовом периоде.

1.4. Расчет объемных показателей

1) Объем строительства

Текущий объем строительства жилья (в количестве корпусов, помещений и площадей) определяется на основе анализа Реестра строящихся жилых домов (собственной базы данных авторов или Единого реестра застройщиков РФ Национальной ассоциации застройщиков жилья НОЗА, erzrf.ru). При этом из перечня объектов, получивших разрешение на строительство, исключаются муниципальные (социальные) объекты, не подлежащие продаже, объекты с просроченными разрешениями (строительство не начато), замороженные объекты (не продаются и не строятся).

Объем строительства за период (в количестве квартир или суммарной площади квартир) — объем строительства за предшествующий период минус объем ввода за этот период плюс объем нового (вновь начатого) строительства за исследуемый период:

Ni = N(i-1) – W(i-1) + Ni(new) , шт.,

Si = (N(i-1) – W(i-1) + Ni(new) ) х Sкв. ср.

где Ni - объем строительства за период, шт.;

      N(i-1) – объем строительства за предшествующий период, шт.;

      W(i-1) - объем ввода за предшествующий период, шт.;

      Ni(new) - объем нового (вновь начатого) строительства за исследуемый период, шт.;

      Si - объем строительства за период, кв. м.

Объем профинансированного строительства за период – часть текущего объема строительства, финансируемая в исследуемом периоде, вычисляемая как  отношение объема текущего строительства к среднему сроку строительства объектов (в количестве периодов):

NiF = Ni / Mср., шт.;

SiF = NiF х Sкв. ср. , кв. м,

где NiFсредний объем профинансированного строительства в текущем периоде (в количестве квартир);

        SiF - средний объем профинансированного строительства в текущем периоде (в суммарной площади строящихся квартир);

        Sкв. ср. – средняя площадь строящейся квартиры;

        Mср. – среднее количество периодов строительства объектов.

2) Объем ввода.

Объем ввода жилья публикуется Росстатом.

3) Объем предложения.

Объем предложения на вторичном рынке в количестве квартир определяется по количеству лотов в очищенной базе предложений в исследуемом периоде. Переход к объему предложения в площадях производится суммированием площадей квартир в предложении либо умножением количества квартир на среднюю площадь квартиры.

На первичном рынке применение такого способа иногда затруднено в силу специфики формулировок рекламы в новостройках. Тогда допустимо определять объем предложения по собственной базе данных - приравнивать объем предложения к количеству нераспроданных квартир, вычитая из общего количества строящихся квартир количество реализованных (ушедших с рынка):

NiS = Ni - NiR , шт.;

SiS = NiS х Sкв. ср. , кв. м,

где NiS – объем предложения (в количестве лотов);

       NiR – объем поглощения (количество ушедших с рынка квартир);

       SiS – объем предложения (в суммарной площади квартир).

4) Объем спроса.

Объем спроса-потребности вычисляется как разность между желаемым (по европейским и мировым стандартам стиля жизни) и фактическим (объем жилищного фонда за исключением ветхого, аварийного и требующего капительного ремонта) уровнем средней обеспеченности качественным и комфортным жильем населения города (региона):

Sпотр. i = (Жоб.жел. - Жоб.i) х Nгор.;

Жоб.i = Ж.ф.i / Ni , кв. м/чел.;

Ж.ф.i = Ж.ф.(i-1) + W(i-1) – Sснос(i-1)  – Sнекач. (i-1)  ,

где Sпотр. i – объем спроса-потребности в городе в исследуемом году, кв. м;

      Жоб.жел. – жилищная обеспеченность желаемая, кв. м/чел.;

       Жоб.i  – жилищная обеспеченность фактическая в исследуемом году, кв. м/ чел;

       Ж.ф.i  -   жилищный фонд в исследуемом году, кв. м;

       Ni – численность населения города (региона) в исследуемом году, чел.;

       Ж.ф.(i-1) – жилищный фонд в предыдущем году, кв. м;

       W(i-1) – объем ввода в предыдущем году, кв. м;

       Sснос(i-1)  – объем сноса, выбытия жилого фонда в предыдущем году, кв. м;

       Sнекач(i-1). – объем некачественного (ветхого, некомфортного, не прошедшего капитальный ремонт) фонда в предыдущем году.

Объем совокупного платежеспособного спроса определяется через расчет совокупных накоплений за 3 года выделенной по доступному объекту группы приобретателей жилья (альтернативные покупки массового жилья (с зачетом имеющейся квартиры),  прямые покупки массового и престижного жилья):

Dпл.i = Ʃ Dпл. ji, млн кв. м;

Dпл.ji = СПСji / Рji, млн кв. м;

СПСji = Кд х Ij(i-1) х НС х Ктд х Nj, млрд. руб.;

СПСi = ƩСПСji, млрд. руб.

где      Di – совокупный платежеспособный спрос на площади в натуральном выражении в исследуемом году, кв. м;

            Dпл.ji – платежеспособный спрос в натуральном выражении в j-й группе приобретателей, кв. м;

            Рji – средняя удельная цена жилья j-й группы, тыс. руб./кв. м;

            СПСi – совокупные накопления населения города (региона), руб.;

            СПСji – совокупные накопления населения j-й группы, руб.;

            Кд = 3 года – коэффициент доступности жилья (при котором объект доступен);

            Iji – среднедушевой доход в группе в исследуемом году, руб.;

           НСj – норма сбережений населения;

           Ктд – коэффициент теневых доходов;

           Nj – численность группы, чел.

Предъявленный спрос определяется по результатам социологических опросов (ВЦИОМ, НАМИ) как объем жилой недвижимости, который покупатели предполагают приобрести на рынке в ближайшие полгода-год при текущем уровне цен за счет всех источников финансирования, с учетом изменения склонности населения к расходованию сбережений при изменении экономической ситуации в стране и регионе, степени недоверия к застройщикам, условий ипотечного кредитования, ожиданий изменения уровня цен:

Dпред.спр. i = δВЦИОМi х Nдом.,

где Dпред.спр.  - объем предъявленного спроса на квартиры в исследуемом периоде, шт.;

       δВЦИОМ i – доля предъявленного спроса по результатам опросов в исследуемом периоде;

       Nдом. – количество домохозяйств (семей), шт.

Необходимо отметить, что социологи чаше включают вопрос о готовности к приобретению жилья «в ближайшие 3-5 лет», но такой показатель мы рассматриваем как «потенциальный спрос», а не предъявленный.

5) Объем поглощения.

Объем поглощения жилой недвижимости публикуется Росреестром.

На первичном рынке – в виде количества зарегистрированных договоров участия в долевом строительстве (ДДУ). Этот показатель – запаздывающий, он фиксирует момент регистрации ДДУ, в то время как квартира уходит с рынка в момент подписания договора (лаг может составлять 1-3 месяца и более), а также не учитывает продажи квартир в ЖСК.

На вторичном рынке Росреестр ранее публиковал количество сделок купли-продажи, затем – купли-продажи и мены, сейчас форма представления данных снова меняется, и публикуется количество регистраций прав собственности. В связи с этим целесообразно использовать собственную базу данных о предложении и вычислять количество ушедших с рынка квартир.

6) Укрупнение периода.

При мониторинге и исследовании динамики показателей рынка недвижимости, а также краткосрочном прогнозировании наиболее целесообразный шаг расчета – месяц. Однако, при среднесрочном и долгосрочном прогнозировании применяется годовой шаг расчета. В этом случае необходимо осуществлять переход от месячного к годовому шагу – укрупнять данные. Средние цены за год рассчитываются путем объединения месячных выборок и нового расчета. Что касается объемных показателей, то способ расчета зависит от цели получения укрупненных данных:

- суммарный объем строительства за период определяется как объем незавершенного строительства за предшествующий год (публикуется Росстатом) плюс суммарный объем нового (вновь начатого) строительства за прошедшие месяцы;

- объем ввода жилья – суммарный за период объем завершенного строительства (сдачи объектов в эксплуатацию);

- суммарный объем предложения недвижимости – объем предложения на конец предшествующего периода плюс объем нового бесповторного предложения за прошедшие месяцы. Используется для расчета соотношения строительство/предложение;

- объем нового бесповторного предложения – объем вновь появившегося в заданном периоде предложения.

- средний за период объем предложения – среднее значение объема предложения за период по данным об объеме предложения на продажу или вакантного предложения в аренду в каждом месяце периода. Используется для расчета соотношения спрос/предложение;

- объем спроса на недвижимость – средний в заданном периоде объем спроса соответствующей категории. Используется для расчета соотношения спрос/предложение;

- объем поглощения недвижимости – суммарный за период объем продажи строящихся объектов/помещений (прав требования на объекты/помещения в соответствии с 214-ФЗ) на первичном рынке, купли-продажи (мены) на вторичном рынке, сдачи в аренду на рынке аренды.

1.5. Расчет ликвидности объектов

Ликвидность объектов в текущем периоде оценивается разными показателями в разных сегментах (на первичном рынке продажи в строящихся жилых домах, на рынке аренды помещений в бизнес-центрах и торговых центрах, на вторичном рынке купли-продажи/аренды отдельных помещений):

- на вторичном рынке – средний период экспозиции

Тэ = ∑ (Тк – Т0) / n, дней,

где Тэ – средний период экспозиции, дней;

       Тк – дата ухода объекта с рынка;

       Т0 – дата первого выставления объекта на продажу (в аренду);

       n – число объектов в выборке;

- на первичном рынке – доля поглощенных помещений (площадей), от общего количества помещений (площадей) в объектах

Δп = Si / Soб ,

где Siсуммарный объем поглощения помещений в текущем периоде;

      Soб – суммарный объем предложения помещений в объектах, представленных на рынке;

- на рынке аренды помещений в БЦ, ТЦ, складских комплексах – доля вакантных помещений (площадей), от общего количества помещений (площадей) в объектах

Δв = Si / Soб ,

где Siсуммарный объем предложения помещений в текущем периоде;

      Soб – суммарный объем помещений в объектах, представленных на рынке.

1.6.                       Расчет доступности для населения улучшения жилищных условий

Доступность для населения улучшения жилищных условий оценивается долей населения, которой доступно приобретение жилья на рынке. Под доступным понимается жилье, которое семья может приобрести по рыночной стоимости, используя свои сбережения, накопленные из своих текущих доходов не более чем за 3 года при необходимом уровне текущих расходов, возможно, с учетом стоимости имеющейся квартиры, а также используя при необходимости ипотечное кредитование и/или государственную поддержку, и при этом ее текущих доходов достаточно для обслуживания полученного кредита с момента приобретения жилья.

В соответствии с данным определением, оценка доступности жилья проводится по дифференцированным по доходности группам населения (децильным, квинтильным и любым доступным в статистике) и дифференцированным по классу качества размерам квартир и средним удельным ценам. Для каждой выделенной группы населения по доходам и классам качества квартир производится расчет коэффициента доступности по формулам:

Кд = (αпв x V Vсуб. + Vдоп.) / (1- 2ПМ) при Ас х Iс > 12PMT(n, j), иначе  ,

где                      - средняя полная цена выделенной квартиры, тыс. руб.;

P – средняя удельная цена квартиры, тыс. руб./кв. м;

S – средняя площадь квартиры, кв. м;

            S = (SнSи) в альтернативных сделках;

            Sн – площадь новой (приобретаемой) квартиры, кв. м;

            Sи – площадь имеющегося жилья, кв. м;

            Ас – максимальная доля дохода семьи для получения кредита;

            Iс = Iд х nс - средний годовой доход семьи в выделенной группе населения, тыс. руб.;

            Iд – средний душевой доход в выделенной группе;

nс – средний размер домохозяйства (семьи), чел.;

ПМ – годовой прожиточный минимум семьи, руб.;

 – доля первоначального взноса в стоимости квартиры, %;

Vсуб. – часть стоимости квартиры, субсидируемая государством;

             – дополнительные затраты заемщика при получении кредита, руб.

Размер ежемесячного взноса за ипотеку рассчитывается по формулам:

PMT (n, j) = B0 x j / m / (1- (1 / (1 + jm)mn,

где       – сумма ежемесячных выплат по обслуживанию кредита, руб.;

            – срок кредитования, лет;

           – годовая ставка кредита, %;

           - размер ипотечной ссуды;

           - номинальная годовая ставка процента;

           - число начислений/ выплат в год (m=12).

Далее для каждого варианта жилья определяются группы населения, которым жилье доступно (коэффициент доступности не превышает 3 года), и суммарная доля этих групп населения дает оценку доступности данного варианта улучшения жилищных условий (прямой покупки, мены с учетом имеющейся квартиры, покупки/мены с использованием ипотечного кредита). Обобщенным показателем доступности улучшения жилищных условий для населения является доля населения, способная приобрести квартиру наиболее низкого класса с учетом ипотеки и зачетом имеющейся квартиры.

1.7.                       Расчет доходности инвестиций в недвижимость

Под среднерыночной доходностью инвестиций в недвижимость понимается отношение прибыли от инвестирования в совокупность операций данного вида на локальном рынке за данный период времени к совокупному объему инвестиций (затрат).

Основная формула расчета индекса среднерыночной доходности инвестиций в различные виды операций на рынке недвижимости имеет вид:

Iд = Пр./З = (В – З)/З = В/З – 1,

где Пр. – прибыль от реализации совокупности инвестиционных проектов, руб.;

       В – выручка от реализации инвестиционных проектов, руб.;

       З – затраты на реализацию проектов, руб.

Виды инвестиционных операций на рынке недвижимости:

- спекулятивное инвестирование в приобретение готового объекта недвижимости на вторичном или первичном рынке с целью дальнейшей дилерской продажи без внесения изменений в объект в расчете на рост рыночной стоимости (извлечение дохода только от роста капитала – дилерские операции);

- консервативное инвестирование в приобретение готового объекта недвижимости на вторичном рынке без внесения изменений в объект в течение инвестиционного срока с целью извлечения дохода от эксплуатации (например – сдачи в аренду) и последующей продажи (рентные операции);

- инновационное инвестирование в создание нового или изменение существующего объекта недвижимости с целью извлечения дохода от реализации на первичном рынке нового продукта в виде продажи, сдачи в аренду и др. (девелоперские операции).

Для дилерских и рентных операций, где инвестирование производится в виде одномоментных затрат на приобретение объекта недвижимости, основная формула расшифровывается в виде:

Iд = Пр./З = (В – З)/З = В/З – 1 = (Рс / (Рб х Кд.з.) – 1), 1/год,

где Рс – средняя по рынку в текущем периоде удельная цена продажи недвижимости, руб./кв. м, или средняя арендная ставка, руб./кв. м в год;

      Рб – средние удельные затраты в базовом периоде на приобретение недвижимости, руб./кв. м;

      Кд.з. – коэффициент дополнительных затрат.

Коэффициент дополнительных затрат Кд.з. при дилерских операциях отражает транзакционные затраты, коммунальные расходы и может быть принят равным 1,05-1,10. При рентных операциях дополнительные затраты включают также ремонт помещений, меблировку и ремонт мебели, и кроме того – снижение выручки в связи с наличием вакантных площадей. Значения коэффициента могут достигать 1,3-1,4.

Индекс может выражаться в процентах годового дохода:  

Iд = (Рс / Рб х Кд.з.) -1) х 100%,  %/год.

Индекс доходности инвестиций в девелопмент рассчитывается как отношение суммарного дохода от все реализуемых проектов на рынке к суммарным затратам за период:

Iд = (((Рс х Q x Sкв.ср.) / (Сс х SF х Кдз)) – 1), %/год,

где Рс – средняя удельная цена на первичном рынке;

      Q – объем поглощения на первичном рынке, шт.;

      Sкв.ср. – средняя площадь квартиры;

      Сс – средняя стоимость строительства 1 кв. м жилья, руб.;

      SF – суммарная площадь профинансированного строительства, кв. м;

      Кдз – коэффициент дополнительных затрат девелопера, отражающий различие между стоимостью строительства 1 кв. м по методике Росстата и полной (инвестиционной) стоимостью строительства для девелопера.

1.8. Среднесрочное и краткосрочное прогнозирование развития жилищного рынка

Комплексное среднесрочное (на 3-5 лет) прогнозирование жилищного рынка производится по специальной методике, позволяюшей рассчитать прогноз ценовой ситуации, объемов строительства, ввода, предложения, поглощения жилья и ипотеки на первичном и вторичном рынке. В отдельных случаях эта методика используется для краткосрочного прогнозирования (на глубину 1 года).

Методика основана на использовании блочно-модульной имитационной (пошаговой) итерационной модели с обратными связями.

Имитационный тип модели отражается в последовательном расчете всех показателей на глубину одного шага (один календарный год) и использовании результатов расчета в качестве исходных данных на следующем шаге.

Итерационный характер модели заключается в том, что на каждом шаге сначала рассчитываются предварительные значения прогнозируемых показателей на текущий год по данным о состоянии рынка  по соотношению спрос/предложение в конце предшествующего года, а затем они в одной или более итерациях корректируются на основе последовательного уточнения прогноза состояния рынка и типа рынка в текущем году.

Блочно-модульная структура модели подразумевает включение наряду с одноуровневыми блоками также автономных блоков-модулей, позволяющих при необходимости рассчитывать исходные данные к основным блокам (двух-трехуровневая структура модели).

Методика использует в качестве базовых исходных данных объявленные планы и прогнозы федеральных, региональных, муниципальных властей в части макроэкономических параметров и отраслевых показателей развития рынка недвижимости.

Возрастание роли государства в экономике, особенно в период кризиса, сопровождалось в последние годы повышенным вниманием к стратегическому и среднесрочному прогнозированию как на федеральном, так и на региональном и местном уровне. Параметры прогнозов развития экономики в целом и отдельных отраслей и сегментов становятся жестким ориентиром для всех руководителей и нацеливают их внимание на безусловное достижение заданного уровня. Однако, в части параметров рынка недвижимости эти прогнозы недостаточно детализированы. Кроме того, недостаточная обоснованность прогнозов, сопровождаемая изменением внешних условий функционирования экономики и рынка недвижимости, приводит к их неожиданным и слишком частым корректировкам. Поэтому одной из особенностей разрабатываемой методики является, наряду с использованием официальных прогнозов в качестве предварительных ориентиров, их детализация и проверка. 

Кроме того, условием работы методики является наличие еще одного вида исходных данных - результатов регулярного мониторинга первичного и вторичного рынка жилья региона (по показателям объемов ввода, строительства, предложения, поглощения жилья, спроса, доли ипотечных сделок, размеров предлагаемых на рынке квартир, уровня цен, эластичности предложения на вторичном рынке по цене и др.) и результатов углубленного исследования рынка (типология рынка, закономерности циклического развития рынка, классификация жилья, сегментация спроса по уровню доходов покупателей, потребительским предпочтениям относительно классов качества жилья, желаемой площади приобретения в прямых и альтернативных сделках, доли нерезидентов в общем количестве домохозяйств – приобретателей жилья, доли инвестиционного (спекулятивного) спроса на жилье).

Подготовка рыночных исходных данных представляет собой достаточно сложную задачу, но результаты прогнозирования, получаемые с помощью данной методики, оправдывают произведенные затраты.

Основная идея методики: объем продаж (поглощения площадей) всегда ниже минимальной из трех величин - спроса-потребности, предъявленного платежеспособного спроса и объема предложения.

По результатам прогнозирования на текущий год производится расчет и сопоставление этих показателей, и минимальное значение из них используется как ограничение для прогноза объема поглощения.

В соответствии с итерационным характером модели, это позволяет в порядке обратной связи корректировать заданные на следующий прогнозный год исходные данные об объеме предложения и ввода жилья, потребности в жилье с учетом индикатора соотношения спрос/предложение (4 значения индикатора).

Кроме того, индикатор соотношения спрос/предложение, темп роста цен на жилье в предшествующем году и темп роста доходов в текущем году используются для определения индикатора типа рынка (6 значений индикатора), что служит основанием для прогнозирования темпов роста цен в текущем году. Эта величина также передается в порядке обратной связи для корректировки заданных исходных данных о покупательной способности населения на рынке жилья, спросе на ипотечное кредитование, доступности жилья и ипотечных кредитов.

Структура модели включает 7 блоков (рис. 4).

Рисунок 4. Структура модели развития локального рынка жилой недвижимости

В Блоке 1 определения объема жилфонда, потребности городского населения в жилье и объема предложения на вторичном рынке рассчитывается потребность городского населения в жилье как разность желаемой обеспеченности качественным и комфортным жильем городского населения и текущей обеспеченности, с учетом прогнозируемого (в блоке 5) изменения объёма жилищного фонда за счет нового строительства, а также планируемых объемов сносимого/выводимого (ветхого, под переселение и т.д.) жилья и планируемого объема реконструкции, капитального ремонта. Рассчитывается потенциальный объем предложения на вторичном рынке как произведение объема жилфонда и доли квартир в обороте.

Желаемый (на период прогнозирования) средний уровень обеспеченности определяется на основании утвержденной Стратегии развития жилищного строительства и уточняется с использованием социологических опросов населения.

Фактический (на начало периода прогнозирования) средний уровень обеспеченности жильем городского населения рассчитывается как отношение прогнозируемого на текущий год объема жилого фонда городов (поселений городского типа) минус объем некачественного жилья (подлежащего капитальному ремонту и реконструкции) с учетом планируемого объема ремонтируемого и выводимого (ветхого, под переселение и т.д.) жилого фонда к численности населения. 

Потенциальный объем предложения квартир (площадей) на вторичном рынке  для базового года задается в исходных данных, для остальных в исходной итерации вычисляется как произведение объема жилфонда на долю квартир в обороте в предшествующем году (задается в исходных данных в зависимости от состояния рынка по соотношению спрос/предложение):

Результаты расчета в блоке 1 передаются в Блок 5.

В Блоке 2 на основании данных о планируемом властями объеме ввода жилья определяется потенциальный (предварительный) объем ввода, строительства, предложения жилья в текущем году с учетом состояния рынка по соотношению спрос/предложение. Выходные данные блока 2 передаются в Блок 5.

В Блоке 3 определения объема предложения ипотеки (в натуральном выражении) по данным о планируемом денежном объеме кредитования рассчитываются объемы предложения в натуральном выражении (в кредитуемых площадях – с учетом текущих цен и в количестве кредитов – с учетом площади квартир) на первичном и вторичном рынках.

Выходные данные блока 3 передаются в Блок 5.

В Блоке 4 производится определение объема предъявленного платежеспособного спроса населения, с учетом уровня доходов населения в текущем году и его дифференциации по различным доходным группам. Производится расчет объема спроса  населения (собственные сбережения, зачет имеющегося жилья, ипотечное кредитование), нерезидентов (иммигрантов) и инвесторов (спекулятивный спрос) на городское жилье в натуральном выражении (с учетом размеров квартир и уровня цен на жилье) и доли предъявленного спроса от общего количества, а также с учетом доли нерезидентов/инвесторов относительно спроса резидентов, заданной в исходных данных в зависимости от типа рынка.

Результаты расчетов в Блоке 3 передаются в Блок 5.

В Блоке 5 производится сопоставление объема потребности населения региона в жилье, объема потенциального предложения жилья и объема предъявленного спроса на жилье. Выполняется сопоставление спроса на ипотечные услуги и объема предъявленного предложения ипотечных кредитов, а также объема предложения квартир, и по минимальному значению фиксируется объем поглощения ипотеки. Определяется объем спроса с перетеканием (с первичного рынка на вторичный или наоборот в случае избыточного спроса на одном и дефицита спроса на другом сегменте), затем выполняются логические операции по сопоставлению рассчитанных в Блоках 1-4 объемов спроса-потребности, спроса с перетеканием и предложения на рынке, и по результатам сопоставления выбирается минимальное значение (ограничение), затем вычисляется объем поглощения площадей с учетом коэффициента поглощение/ограничение, соответствующего ранее определенному значению индикатора состояния рынка по соотношению спрос/предложение. Вычисляется предварительный уровень доходности инвестиций в девелопмент и изменение предварительного объема строительства и предложения жилья. По данным о предварительных значениях объема предъявленного спроса, предложения, строительства, ввода и выбранным значениям коэффициентов, соответствующих ранее определенному состоянию рынка, рассчитываются прогнозные значения объемов предъявленного спроса на жилье и ипотеку, предложения, строительства, ввода с дифференциацией по категории рынков и классам качества.

В Блоке 6 определяется тип рынка и выполняется прогноз динамики цен на жилье на конец исследуемого года. По данным о состоянии рынка по соотношению спрос/предложение (из Блока 4), темпах роста цен в предшествующем году и планируемых государством темпах роста доходов населения в текущем году производятся логические операции по определению типа рынка. Производится выбор соответствующей регрессионной модели. По выбранной модели рассчитываются прогнозируемые на конец текущего года средние удельные цены на жилье в дифференциации по категории рынков и классу качества. Результаты передаются в Блок 7.

В блоке 7 производится сопоставление значения индикатора спрос/предложение, полученного в предыдущем и новом цикле, и организуются итерационные циклы по уточнению прогноза.

После окончания расчетов в блоках 1-6 (исходная итерация) производится итерация 1 – выходные данные Блоков 4-5 передаются в Блоки 1-3, и рассчитывается уточненный прогноз (при одинаковом или изменившемся относительно предыдущего года индикаторе состояния рынка). 

Далее сравнивается значение индикатора на текущий год – исходного и полученного в итерации 1. Если они различаются, то новое значение индикатора спрос/предложение передается в блоки 2-3, и  выбираются в исходных данных новые коэффициенты ввод/строительство, строительство/предложение, предложение/поглощение, спрос/ поглощение, а также другие зависящие от этого соотношения параметры (доли предъявленного спроса населения, нерезидентов, инвесторов и др.) для использования при расчетах уточненных показателей в Блоках 3-5. Одновременно в блоках 1-3 используются новые значения уровня цен на жилье.

Расчет следующей итерации проводится при условии изменения индикатора состояния и/или индикатора типа рынка в предыдущей итерации. Если же изменения индикаторов не произошло, то результаты данной итерации принимаются за окончательный прогноз соответствующего года (рис.3).

да

 
Рисунок  3. Алгоритм Блока 7 (организация интераций) модели развития локального рынка жилой недвижимости

2. Макроэкономические и институциональные условия развития рынка городского жилья: состояние и перспективы

По данным МВФ [20], в 2017 году начался синхронный рост мировой экономики: все семь крупнейших экономик мира – США, Китай, Германия, Япония, Франция, Великобритания, Индия – выросли более чем на 1,5%. И впервые после финансового кризиса росли все 45 стран, которые отслеживает ОЭСР. МВФ повысил прогноз по росту мирового ВВП до 3,9% в 2018 и 2019 гг., отметив «наиболее полномасштабное синхронное ускорение мирового роста с 2010 г.».

На этом фоне, по мнению экспертов Института народнохозяйственного прогнозирования РАН [21], фактическое развитие российской экономики в 2017 г. во многом не совпало с теми ожиданиями, которые сформировались в экспертном сообществе в конце 2016 г. Прежде всего, в прошедшем году не произошло устойчивого восстановления макроэкономической динамики. Хотя по итогам года рост ВВП составил 1,5%, сохранялась значительная волатильность внутригодовой экономической динамики (рис. 5).

 


Рисунок 5. Динамика ВВП РФ по данным Росстата

В то же время, в обновленном трехлетнем прогнозе Минэкономразвития [22] в качестве стартового показателя используется рост ВВП за 2017 г. в 2,1%. Базовый и целевой сценарии прогноза Минэкономразвития предполагал, что ВВП в 2018 году тоже будет на уровне около 2,1%, а дальше будет расти до 2,5-3%. Консервативный сценарий включал падение до 0,8% в 2018 году и выход на 1,5% к 2020. С учетом фактического результата за 2017 год, прогноз 1,5% выглядит наиболее сбалансированным на ближайшие 3 года.

В экономическом мониторинге РАНХиГС [23] говорится, что экономика России возвращается к циклическому росту, но без структурных реформ он будет невысоким – около 1,5–2% в год. Рост ускорится, считают эксперты, если власти решатся на бюджетный маневр: сократят непроизводительные расходы и увеличат расходы на образование, здравоохранение и инфраструктуру.

Одновременно Внешэкономбанк опубликовал свои данные за четвертый квартал 2017 г. [24]. По ним рост ВВП в 2017 г. оказался меньше, чем у Росстата - 1,4% [25].

По данным Росстата, потребление домашних хозяйств выросло на 3,4%. Дефлятор ВВП вырос на 5,5%, дефлятор потребления – на 3,3%. Номинальные доходы населения составили 55,1 трлн.руб. (прирост 1,8%), в т.ч. оплата труда 22,7 трлн.руб.(прирост 2,3%) и оплата труда, включая скрытые доходы – 44,0 трлн.руб. (прирост 7%). Сбережения населения по итогам 2017 г. оцениваются в 4,6 трлн.руб. (падение на 24,6%).

Как было показано авторами в работе [5] - одна из макроэкономических функций рынка недвижимости заключается в возврате скрытых доходов населения в ВВП страны. Поэтому представленная картина почти трехкратного увеличения доли скрытых доходов населения по отношению к доле оплаты труда и критического расходования сбережений населения в 2017 году является макрофинансовым фактором возможного роста платежеспособного спроса на рынке недвижимости.

Вместе с тем, значительно более существенным фактором для рынка недвижимости является динамика не номинальных, а реальных располагаемых доходов населения, которые, по данным Росстата, в годовом выражении падали последние 4 года (за исключением января 2017 года, когда произошла выплата единовременного пособия пенсионерам). Необходимо отметить, что в 2017 году падение составило только 1,7%, что значительно меньше, чем в 2016 году, когда падение достигло 5,8%. И стало вторым благоприятным макроэкономическим сигналом для рынка недвижимости, хотя и пока весьма слабым.

С мая 2017 года скорость падения реальных доходов населения заметно снизилась. Если в 2015—2016 годах доходы падали на 4—6%, то в последние месяцы 2017 года величина падения в среднем составляла 1—2%.

Инфляция в России к концу 2017 года достигла исторического минимума, но инфляционные ожидания россиян по-прежнему выражаются в двузначных числах. Это связано как с продолжающимся падением реальных доходов населения, так и с недостатками информационной политики ЦБ. В январе 2018 года Росстат подтвердил предварительную оценку инфляции по итогам 2017 года в 2,7%. Это минимум с начала рыночных реформ. До этого рекордным был 2016 год, когда инфляция составила 5,4% — показатель, низкий для России, но высокий для развитых стран. Теперь же темп роста цен близок к значениям, характерным для США и еврозоны, у которых он составил по итогам прошлого года соответственно 2,1% и 1,4%. Несмотря на это, ЦБ не спешил резко смягчать монетарную политику. Даже после декабрьского сокращения ключевой ставки на 50 базисных пунктов (до 7,75%) она по-прежнему сильно превышала инфляцию. Консерватизм регулятора во многом связан с высокими инфляционными ожиданиями.

По мнению экспертов ИНП РАН [21], в экономике сформировались условия для «инфляционных качелей», то есть такой ситуации, при   которой   инфляция, опустившись до минимальных значений, может вернуться к фоновым показателям в 3,5-4%. Это создает риски очередного тура снижения реальных зарплат в частном секторе, так как бизнес реагирует на такие колебания, как правило, с определенным запаздыванием.

Подводя итоги оценки макроэкономической среды 2017 года с точки зрения прогноза ситуации на рынке недвижимости, отметим, что наиболее важным интегральным макроэкономическим показателем является рост доходов населения. Динамика прироста реальных располагаемых и номинальных доходов населения РФ, инфляции и индекса роста номинальных доходов показана на рис. 6.

 


Источник: Росстат.

Рисунок 6. Благоприятная макроэкономическая динамика 2017 года

Таким образом, в 2016-2017 году на фоне общей стабилизации и даже начала роста экономики РФ в ней еще наблюдались негативные явления. При этом пик кризиса (когда впервые отмечалось падение номинальных доходов населения) оказался пройден годом раньше, но перспективы начала восстановления с точки зрения влияния на рынок недвижимости противоречивы: реальные доходы далеки от базового уровня 2013 года и растут неустойчиво.

Изучение теоретических работ зарубежных [7-18] и отечественных [1-3,6] авторов о цикличности экономики, видах кризисов, их периодичности и продолжительности, а также собственных исследований динамики рынка недвижимости России в 1990-2016 годах [4,5] позволило прояснить ситуацию на рынке недвижимости и показать, что третий (после кризисов 1998 и 2008 года) десятилетний инвестиционный кризис экономики и рынка недвижимости, ожидаемый по аналогии в 2017 году (с продолжительностью фазы спада около двух лет), был замещен в 2014 году более мощным, структурным кризисом – кризисом смены экономической модели развития страны (рис. 7).

Источник: ООО «Стерникс Консалтинг»

Рис. 7. Виды, периодичность и продолжительность циклов и кризисов в экономике и на рынке недвижимости России

Можно показать, что, начиная с отмены крепостного права в 1861 году, структурные циклы в экономике России занимали 25-30 лет, при этом фаза роста продолжалась 20-25 лет, фаза спада – 5-7 лет. Последний (после кризиса 1990 года) структурный кризис, начавшийся в 2015 году, может быть преодолен при условии реализации необходимых структурных преобразований в 2020-2022 годах. При этом апериодические, рукотворные кризисы, наслаивающиеся на циклические (например, кризисы внешних шоков) способны существенно сдвинуть границы цикла и повлиять на амплитуду индикаторов рынка.

Мы предполагаем, что при достаточных усилиях государства, бизнеса и общества текущий структурный кризис, который является составной частью 30-летнего цикла развития экономики России, может быть преодолен к 2020-2022 году, после чего начнется новая фаза роста экономики РФ. Однако этот рост не будет быстрым, его темпы сохранятся на уровне 2-3%. К сожалению, такое явление для рынка недвижимости может быть охарактеризовано как стагнация с неопределенным горизонтом.

3. Поглощение жилья и ипотеки как характеристика динамики спроса

Объем поглощения жилья и ипотеки – один из основных количественных показателей (индикаторов) состояния и тенденций жилищного рынка со стороны спроса.

На первичном рынке строительства и продажи жилья в институциональных условиях 2017 года главным показателем остается количество зарегистрированных договоров долевого строительства (ДДУ), которое за год по Российской Федерации составило 699 508 единиц.

По итогам 12 месяцев 2017 года в ТОП‑10 регионов по количеству зарегистрированных договоров участия в долевом строительстве вошли Московская область, Москва, Санкт‑Петербург, Краснодарский край, Ленинградская область, Новосибирская область, Ростовская область, Республика Башкортостан, Республика Татарстан и Красноярский край. Из десяти ключевых регионов рост количества ДДУ зафиксирован в семи субъектах, в трех регионах — падение. Наилучшую динамику изменения количества ДДУ по отношению к аналогичному периоду прошлого года (с учетом ДДУ на квартиры и на нежилые помещения в многоквартирных домах) демонстрирует г. Москва, где по данным Росреестра за 12 месяцев 2017 года число договоров увеличилось на 45,9%. Худшую динамику показала Новосибирская область, где по сравнению с аналогичным периодом прошлого года количество ДДУ уменьшилось на 19,0% (табл.1, по данным erzrf.ru).

Таблица 1. Динамика регистрации ДДУ ТОП-10 регионов за 2016-2017 гг.

Регион

Количество ДДУ

Прирост, %

За 12 мес. 2016 г.

За 12 мес. 2017 г.

1

Московская область

92 138

94 592

2,7%

2

г. Москва

48 867

71 298

45,9%

3

г. Санкт‑Петербург

57 518

62 959

9,5%

4

Краснодарский край

52 324

49 331

-5,7%

5

Ленинградская область

40 249

35 689

-11,3%

6

Новосибирская область

31 569

25 585

-19,0%

7

Ростовская область

16 682

21 183

27,0%

8

Республика Башкортостан

14 948

17 198

15,1%

9

Республика Татарстан

14 059

16 820

19,6%

10

Красноярский край

12 816

15 014

17,2%

         

По данным Банка России, за январь-декабрь 2017 года объем ипотечного кредитования для долевого строительства накопленным итогом в Российской Федерации составил 661,2 млрд. руб., что на 15,9% больше аналогичного показателя 2016 года (570,7 млрд. руб.). В декабре 2017 года побит рекорд месячного объема выданной ипотеки для долевого строительства, который ранее был установлен в феврале 2016 года. 

Объем ипотечных кредитов, выданных для долевого строительства в Российской Федерации в декабре 2017 года, увеличился на 18,4% по сравнению с декабрем 2016 года (85,0 против 71,8 млрд. руб. годом ранее).

Накопленным итогом за январь‑декабрь 2017 года объем ипотечного кредитования для долевого строительства в Российской Федерации составил 661,2 млрд. руб., что больше аналогичного показателя 2016 года (570,7 млрд. руб.) на 15,9%.

Рост объема ипотечных кредитов для долевого строительства на 18,4% в декабре 2017 года по сравнению с декабрем 2016 года сопровождался ростом объема всех видов кредитов на 39,9% (1065,4 против 761,8 млрд. руб. годом ранее), а также ростом всех видов ипотечных жилищных кредитов на 58,1% (290,5 против 183,7 млрд. руб. годом ранее). Динамика прироста представлена на рис. 7.

По данным Росреестра

Рисунок 7. Динамика объема ипотечного кредитования по кварталам 2015 - 2017 гг. по России

Очевидно, что рост ипотечного рынка следовал за снижением инфляции, ключевой ставки ЦБ и ставки ипотеки (рис.9).

По данным ЦБ РФ

Рисунок 9 ─ Динамика помесячного изменения средневзвешенной ставки по ИЖК и ключевой ставки ЦБ РФ за 2014-17 гг, %

Рассмотрим динамику сделок на жилищном рынке Московского региона.

В декабре 2017 года Росреестр по Москве зарегистрировал 6 689 договоров участия в долевом строительстве (ДДУ) жилья, что на 37% больше, чем в декабре 2016 года (4 859). Всего же по итогам 2017 года в столице зарегистрировано 54 207 ДДУ на жилье, против 35 621 – в 2016 году (рост +52%) – рис.10.

Анализ факторов прогрессивной динамики на жилищном рынке позволяет объяснить, каким образом после падения объемов регистрации ДДУ в 2015 году, уже с 1 квартала 2016 года начался рост объемов поглощения: резко упавшие цены на первичном рынке Москвы и начало макроэкономической стабилизации привели к возвращению отложенного спроса, в том числе за счет перетока покупателей из области. В 1 и 2 квартале 2017 года при росте цен на нефть, укреплении рубля, снижении инфляции, уменьшении темпов падения доходов продолжался рост числа сделок на первичном рынке – до 10,5 и 13,4 тыс. соответственно, что больше того же периода прошлого года на 15,8% и 73,0%. В 3 квартале рост объема поглощения продолжался: объем сделок составил 12,8 тыс. ДДУ, что больше аналогичного периода прошлого года на 39,5%.

По данным Росреестра

Рисунок 10 ─ Динамика изменения количества зарегистрированных ДДУ в Москве по кварталам в 2014 - 2017 гг., шт.

Причину такой тенденции эксперты видят в снижении темпов падения доходов населения, инфляции и ставок по ИЖК, что уменьшает склонность к сбережению и стимулирует потребление, увеличении доли ипотеки в общем объеме поглощения на первичном рынке. Кроме того, некоторые эксперты отмечают, что в последние год-два девелоперы вследствие ужесточения ФЗ-214 отказываются от схем ЖСК, продажи по предварительным договорам в пользу ДДУ, а также резко сократили время между заключением Договора и его регистрацией в Росреестре, что в целом значительно увеличивает количество зарегистрированных ДДУ. Однако, одновременно в связи с увеличением доли квартир, продаваемых после ввода объектов в эксплуатацию (не по ДДУ, а по договору купли-продажи), количество зарегистрированных ДДУ снижается.

При этом объем сделок с квартирами на вторичном рынке Москвы последние три года сохраняет относительную стабильность. По итогам 2017 года в столице зарегистрировано 123 894 прав на основании договоров купли-продажи (мены) жилья. В 2016 году таковых было 126 045, в 2015 - 113 769.

Значительный рост отмечен и на московском рынке ипотечного жилищного кредитования. Если в 2016 году столичным Управлением Росреестра было зарегистрировано 43 876 ипотечных сделок, то в 2017 – 54 402 (+23%). При этом конец года всегда характеризуется повышенной покупательской активностью: в декабре зарегистрирован 6 961 ипотечный контракт, что на 15% больше, чем в ноябре 2017 года (рис.11).

По данным Росреестра

Рис.11 ─ Динамика регистрации ипотечных сделок по кварталам 2014 - 2017 гг. по Москве, шт.

Рост ипотечного кредитования во многом связан со снижением Центральным банком ключевой ставки, которая в течение 2017 года уменьшалась шесть раз и достигла уровня 7,75% годовых.

В то же время на вторичном рынке жилья Москвы динамика сделок купли-продажи (мены) была противоположна: снижение до минимальных значений от уровня первых кварталов за последние 3 года: в 1 квартале до 23,5 тыс., во 2 квартале до 31,2 тыс. - на 16,7% и 9,6% меньше прошедшего года. Но в 3 квартале объем поглощения на вторичном рынке Москвы вырос до 29,8 тыс., что на 5,7% больше того же периода прошлого года. И в четвертом квартале достиг 39,4 тыс. (прирост 12% по отношению к 4 кварталу 2016 г.). Причину такого изменения тенденции эксперты видят в снижении ипотечных ставок и стабилизации спроса на вторичном рынке. Вместе с тем: в декабре имело место снижение на 6% по отношению к уровню декабря 2016 г. и общий готовой итог – снижение на 2%, что свидетельствует об активном оттоке покупателей на первичный рынок.

В Московской области динамика регистрации ДДУ принципиально отличалась от Москвы (рис.12): с конца 2015 года наблюдалось снижение объема поглощения на первичном рынке от квартала к кварталу в условиях снижающихся доходов населения и оттока покупателей на подешевевший первичный рынок Москвы. В 1 квартале 2017 года объем поглощения на первичном рынке снизился относительно аналогичного периода прошлого года до 21,8 тыс. (на 13,3%). Но во втором-третьем кварталах наметилось изменение тенденции – объем поглощения вырос до 22,7 тыс. (на 8,1%) и 23,8 тыс. (на 2,4%). Эксперты объясняют этот факт изменением структуры предложения в пользу более дешевых и ликвидных квартир среднего и дальнего Подмосковья. Однако в 4 квартале поглощение ДДУ вновь снизилось до 22,8 тыс. (-4,2%).

По данным Росреестра

Рис.12 ─ Динамика изменения количества зарегистрированных ДДУ в Московской области в 2015 - 2017 гг.

Соотношение объемов поглощения на первичном рынке Москвы и Московской за 2017 год составило, соответственно 44 / 56%, т.е. доля Москвы растет, начиная с 2016 года, демонстрируя переориентирование потока покупателей на относительно дешевеющий рынок (с учетом факторов качества и местоположения).

На вторичном рынке Московской области число зарегистрированных сделок с жильем третий год подряд (начиная с 1 кв. 2015 года) продолжало снижаться, и по итогам за год составило 49 392 единиц (- 20% к 2016 г.).

4. СТРОИТЕЛЬСТВО, ВВОД, ПРЕДЛОЖЕНИЕ

4.1. Объем текущего строительства

Объем текущего строительства есть разность двух противоположно направленных величин – объема вновь начатого строительства и объема ввода. Объем вновь начатого строительства в РФ в последние два года снижался, но еще более быстрыми темпами снижался объем ввода, в результате до середины 2017 года текущий объем строительства повышался.

Так, по данным ЕРЗ, каждый из застройщиков жилья, входящих в ТОП-10, допустил перенос изначально объявленных в проектных декларациях сроков ввода жилья хотя бы по одному из домов, сданных в 2017 году. 74% введенного лидерами рынка жилья имеют переносы сроков ввода. Уточнение запланированных сроков ввода жилья, как правило, составляет до 3-х месяцев, что пока не приводит к срыву указанных в договорах с участниками долевого строительства сроков передачи квартир.

После достижения рекордного значения в объеме текущего строительства сентябре 2017 года (120,0 млн м²) в последние месяцы объем ввода начал расти, а объем нового и соответственно общего строительства – снижаться. По данным отчета ЕРЗ «Строительство жилья профессиональными застройщиками», за декабрь 2017 года объем текущего строительства сократился сразу на 2,8% или на 3,3 млн м².

По состоянию на декабрь 2017 г. в строительстве у застройщиков находилось 14,5 тыс. жилых домов (многоквартирные дома, дома блокированной застройки, дома с апартаментами), в которых строилось 2,35 млн жилых единиц (квартир, блоков, апартаментов) совокупной площадью 115,8 млн м². Объем текущего строительства годом ранее был равен 111,0 млн м².

Основной объем текущего жилищного строительства застройщиками приходится на многоквартирные дома. В таких домах находится 97,4% строящихся жилых единиц. На дома с апартаментами приходится 2,2% строящихся жилых единиц. Доля блокированных домов составляет 0,5% строящихся жилых единиц (табл. 2, по данным erzrf.ru).

Таблица 2. Объем текущего строительства городского жилья в РФ (дек. 2017 г.)

Вид дома

Строящихся

домов

Жилых единиц

Совокупная S

жилых единиц

ед.

%

ед.

%

м2

%

многоквартирный дом

13 115

88,7%

2 354 726

97,4%

115 437 600

96,9%

дом с апартаментами

180

1,2%

52 152

2,2%

2 624 054

2,2%

блокированный дом

1 492

10,1%

9 950

0,4%

1 053 582

0,9%

Общий итог

14 787

100%

2 416 828

100%

119 115 236

100%

В целом в декабре застройщики жилья в РФ осуществляли строительство 5 074 жилых комплексов в 82 регионах.

При этом более половины жилищного строительства по-прежнему сосредоточено всего в шести регионах. Наибольший объем жилищного строительства ведется в Московской области — 13,4% совокупной площади жилых единиц. На второе место вышла Москва с долей текущего строительства 10,8%. Санкт‑Петербург опустился на третье место (10,5%). Далее с большим отрывом идут Краснодарский край (7,1%), Ленинградская (5,6%) и Новосибирская области (3,0%).

В Москве в 2017 г. продолжилась ощутимая консолидация рынка строительства жилья. Почти половину жилья в столице ввели пять компаний, отмечал портал «Вести. Недвижимость». В их числе мэрия Москвы назвала ГК ПИК, MR Group, Управление гражданского строительства (казенное предприятие, строит за счет бюджетного финансирования), ГК «Абсолют» и Группу ЛСР. Поэтому неудивительно, что, несмотря на скромную динамику рынка в целом, практически все лидеры отрасли в Москве, отчитавшиеся за прошлый год, заявили о высоких темпах роста и о двузначном росте выручки.

Переход к проектному финансированию в этом контексте — еще один шаг властей, который в долгосрочной перспективе приведет к тому, что отрасль жилищного строительства будет представлена несколькими десятками крупных игроков, а не тысячами, как сейчас.

В таких условиях объемы ввода нового жилья на какое-то время сократятся, однако этот временный негативный эффект строительство преодолеет. Впрочем, риск низкой девелоперской активности сохранится, поскольку теперь финансирование всей отрасли будет находиться в прямой зависимости от ситуации в экономике и кредитно-денежной политики регулятора. Девальвация и резкий рост ставок по кредитам могут остановить все новые проекты.

В контексте данного прогноза Надежда Косарева, президент Фонда «Институт экономики города», в интервью порталу ЕРЗ отметила, что меняется институциональное устройство рынка, он должен к этому адаптироваться, поэтому объемы строительства могут снизиться на 10-20%, и для полного перехода от долевого строительства жилья к проектному финансированию потребуется не менее пяти лет.

4.2. Объем ввода жилья

Снижение объемов вновь начатого строительства привело с снижению с 2016 года и объемов ввода жилья. По данным Росстата, объем ввода жилья в России за 12 месяцев 2017 года составил 78,6 млн кв. м, что на 2% меньше, чем годом ранее, когда было введено в строй 80,2 млн кв. м (рис. 13). Речь идет о суммарном вводе как многоквартирного жилья, так и частных односемейных домов.

 


Источник: Росстат

Рис. 13. Динамика ввода многоквартирного жилья по столичным регионам РФ за 2005-2017 гг.

Ввод многоквартирных домов за январь-декабрь 2017 года в РФ составил 45,9 млн м2, что на 5,3% или на 2,5 млн м2 меньше аналогичного значения за 2016 год. На рис. 13 отражена сравнительная семилетняя динамика общего ввода жилья по РФ и столичным регионам.

По данным Росстата в Москве наблюдалось повышение объемов ввода многоквартирного жилья в 2017 году с 3,39 до 3,42 млн кв. м – на 1,0% (при этом в Новой Москве – снижение с 1,7 до 1,0 млн кв. м), в Московской области – снижение с 8,91 до 8,80 млн кв. м – на 1,1%. В Санкт-Петербурге – рост с 3,12 млн до 3,54 млн кв. м – на 13,5% (рис. 13).

Полученные данные позволяют сделать вывод, что объем ввода индивидуальных домов по РФ в 2016 тоже снизился, а в 2017 несколько вырос на фоне снижения общего объема ввода за счет многоквартирных домов.

4.3. Объем предложения

Динамика объемов поглощения жилья и ипотеки отражает динамику предъявленного платежеспособного спроса населения на рынке недвижимости. Вместе с тем, для анализа ценовой ситуации на рынке необходимо предварительно проанализировать динамику объема предложения, поскольку изменение цен определяется соотношением спрос/предложение.

Снижение спроса и поглощения жилья в 2015 году привело к росту объема «зависшего» в прайсах предложения в Московском регионе (рис. 14, 15).

На жилищном рынке Москвы (рис. 14) рост предложения на вторичном рынке произошел с апреля-мая и продолжался до конца 2015 года (с 38-40 тыс. до 52-56 тыс. квартир в месяц). В январе-августе 2016 года объем предложения несколько снизился (до уровня апреля 2015 года). «Зависание» предложений вследствие снижения темпов поглощения вместе со снизившимся спросом привело к снижению цен на рынке, а в 2016 году сокращение объема предложения вследствие роста поглощения способствовало стабилизации ценового тренда. В 1 квартале 2017 года среднемесячный объем предложения снизился до 42,5 тыс. – до уровня начала 2015 года, в апреле  – до 40,5 тыс., в мае – 42,4 тыс., в июне – 42,8 тыс. Это связано, по мнению экспертов, со снятием квартир с продажи в условиях низкого спроса.

В июле объем предложения вырос – до 44,5 тысяч, в августе составил 44,1 тыс., в сентябре подрос до 45,9 тыс., а затем с октября по декабрь 2017 г. последовательно снижался, соответственно, до 43,9-41,8-38,9 тыс. квартир.

Такое снижение свидетельствует об ожиданиях продавцами существенного роста цен в неизвестном будущем, т.е. в настоящее время владельцы считают свои квартиры недооцененными рынком. Это ожидание основано исключительно на недавних исторических данных и не учитывает возможности длительной стагнации рынка и даже «тектонического» сдвига уровня рынка вниз навсегда, как результата общеэкономического структурного сдвига, при котором квадратный метр жилья, вслед за баррелем нефти, перестает быть сверхприбыльным спекуляционным инструментом.

На первичном рынке продолжающееся увеличение объема предложения произошло с августа 2015 года (с 17-18 тыс. до 30-38 тыс. квартир в месяц), во втором полугодии 2016 года выросло до 40-43 тыс., а затем в декабре – до 48,7 тыс., а в 1 квартале 2017 года составило рекордные 50,4 тыс., в июне достигло 52,5 тыс.

В июле-сентябре объем предложения продолжал увеличиваться – до 53,7-53,1-53,3 тыс. соответственно. Это произошло за счет выхода на рынок новых очередей (корпусов) в проектах, начатых в благополучные годы, даже несмотря на снижение количества вновь начатых проектов и рост объемов поглощения.

Однако далее до конца года объем последовательно снижался с октября по декабрь до 52,6-52,1-51,1 тыс. квартир, что связано с увеличением в конце года объема поглощения.

 


Источник: ГК МИЭЛЬ

Рисунок 14. Динамика предложения на первичном и вторичном рынках Москвы за три года

На вторичном рынке Московской области (рис. 15) объем предложения повышался с 34,8 тыс. в январе 2015 года до 53-54 тыс. в мае-июне, и далее сохранялся на уровне 50-52 тыс. квартир в месяц, но с января по декабрь 2016 года снизился до 45-46 тыс. В 1 кв. 2017 года объем предложения сначала снизился, но к июню вырос до 50,3 тыс., а в июле до 51,8 тыс. Далее объем предложения снижался и в декабре составил 46,4 тыс.

На первичном рынке увеличение объема предложения происходило плавно в течение 2015 года (с 78 тыс. до 86,6 тыс. в октябре), затем началось снижение (до 63,9 тыс. в декабре 2016 года). В 2017 г. снижение объема предложения продолжалось и в декабре составило 48,8 тыс. Такая динамика обусловлена постепенным снижением объемов нового строительства при чуть снижающемся объеме поглощения.

 


Источник: ГК «МИЭЛЬ», «МИЭЛЬ-Новостройки»

Рис. 15. Динамика предложения квартир на первичном и вторичном рынках Московской области за три года

5. Ценовая ситуация и ОТРАСЛЕВАЯ доходность на жилищном рынке городов России

5.1. Динамика цен на вторичном и первичном рынке жилой недвижимости городов России

В Москве (рис. 16) на первичном рынке после взлета цен в конце 2014 года, в январе 2015 года продолжался рост цен предложения жилья как реакция населения на макроэкономический шок декабря, но далее цены снижались, и в декабре 2016 снизились до 176,7 тыс. руб./кв. м (за год -3,2%). На вторичном рынке повышение цен продолжалось до марта, но затем цены снижались, с июня 2016 года стабилизировались (снижение в декабре 2016 года за год на 3,7%).

В 2017 году на вторичном и первичном рынке цены предложения были практически стабильны (незначительно колебались), и в декабре составили 210,2 и 179,9 тыс. руб./кв. м соответственно. Прирост за год составил соответственно -0,1% и -1,8%, за 2 года -3,8% и -1,5%, за три года -7,2% и -16,7%. От верхней точки перед кризисом (на вторичном рынке март 2015, на первичном январь 2015) прирост составил соответственно -14% и -17,1%.

 


Источник: Комитет МАР по аналитике и консалтингу по данным ГК МИЭЛЬ, «МИЭЛЬ-Новостройки», ООО «Стерникс Консалтинг»

Рис. 16. Динамика средних цен предложения квартир на первичном и вторичном рынках Москвы за три года

В других регионах ценовая динамика на жилищном рынке показана на рис. 17-19.

Динамика цен в городах с уровнем цен 80-110 тыс. руб./кв. м показана на рис. 17. В Санкт-Петербурге цены на жилую недвижимость были достаточно стабильны, а на вторичном рынке даже начали расти. В Московской области на вторичном рынке цены в 2015-2016 годах снижались, в 2017 году – стабилизировались, на первичном – незначительно снижались, в 2016 году сравнялись с ценами вторичного рынка, в 2017 году стабилизировались. Во Владивостоке цены на вторичном рынке в 2015-2016 годах снижались, в 2017 г. стабилизировались.

 


Источники: Комитет МАР по аналитике и консалтингу (МО), ГК «Бюллетень недвижимости» (Санкт-Петербург), ООО «Индустрия-Р» (Владивосток).

Рис. 17. Динамика цен предложения на жилищном рынке СПб, Мособласти и Владивостока

В других регионах на вторичном рынке (рис. 18) цены в 2015-2016 годах и до середины 2017 года в основном снижались, во втором полугодии 2017 года – в основном стабилизировались, а в Казани, Екатеринбурге, Тюмени, Новосибирске, Самаре, Иркутске, Тобольске, Ставрополе, Первоуральске началось повышение цен.

По итогам года из 27 городов выборки цены снизились на 4-6% в Сызрани, Тольятти, Ярославле, Нижнем Новгороде, Кемерово, Самаре, на 2-3% в Тюмени, Омске, Шахтах, Ульяновске, Первоуральске, Тюмени, Омске, Ульяновске, на 1-2% в Екатеринбурге, Воронеже, Рязани, Московской области, изменились в пределах +/-1% в Москве, Барнауле, Казани, Санкт-Петербурге, выросли на 1-2,5% в Сургуте, Ставрополе, Новосибирске, Владивостоке, Красноярске, на 5-8,5% в Перми, Иркутске, на 15,7% в Тобольске (табл. 3).

 


Источник: Публичный график динамики средних цен предложения жилой недвижимости на вторичном рынке городов России http://realtymarket.ru/Publi-nii-grafik-cen-vtori-noi-nedvijimosti-gorodo/

Рис. 18. Динамика цен предложения жилья в городах России за три года.

Таблица 3. Цены на вторичном рынке жилья городов России

(по возрастанию степени снижения)

Город

Численность населения, тыс. чел.

Средняя удельная цена предложения, тыс. руб./кв. м

Изменение, %

12.2015

12.2016

12.2017

1

Тобольск (Тюм. об.)

110,0

44,3

42,6

49,3

+15,7

2

Иркутск

606,1

57,9

52,0

56,4

+8,5

3

Пермь

1013,9

52,7

49,8

49,3

+5,0

4

Красноярск

1017,2

54,8

51,3

52,6

+2,5

5

Владивосток

603,2

96,8

93,8

95,9

+2,2

6

Новосибирск

1523,8

60,4

58,4

59,6

+2,1

7

Ставрополь

412,3

37,6

38,9

39,5

+1,5

8

Сургут (Тюм. об.)

340,0

71,3

69,0

69,8

+1,2

9

Санкт-Петербург

5128,0

103,0 

106,0

107,4

+0,8

10

Казань

1176,2

65,3

68,4

68,9

+0,7

11

Барнаул

691,1

46,5

44,0

44,0

0

12

Москва*

11979,5

218,5

212,0

210,2

-0,8

13

Московская обл.**

5800,0

90,9

81,9

81,0

-1,1

15

Рязань

534,8

45,8

44,2

43,7

-1,1

15

Воронеж

1032,4

45,8

44,4

43,6

-1,2

16

Екатеринбург

1429,4

70,7

68,1

67,3

-1,2

17

Первоуральск (Сверд. об.)

125,4

38,6

36,8

36,1

-1,9

18

Ульяновск

638,1

41,2

39,6

38,7

-2,3

19

Шахты (Рост. об.)

237,6

34,8

34,6

33,8

-2,3

20

Омск

1178,1

46,7

44,3

43,2

-2,5

21

Тюмень

657,0

58,9

60,8

59,3

-2,5

22

Самара

1171,7

62,6

62,1

59,6

-4,0

23

Кемерово

540,1

49,1

45,7

44,3

-4,1

24

Нижний Новгород

1266,9

68,4

64,9

62,3

-5,0

25

Ярославль

604,0

53,6

51,3

48,6

-5,3

26

Тольятти (Сам. об.)

719,1

44,8

41,2

39,3

-5,3

27

Сызрань (Сама. обл.)

174,6

42,4

39,0

36,7

-5,9

28

Владимир

350,5

52,7

51,1

н/д

-

29

Смоленск

331,0

46,9

43,4

н/д

-

30

Киров

508,1

47,7

44,1

н/д

-

        Примечание: *Москва – с учетом присоединенных территорий

                             **Московская область – численность городского населения.

На первичном рынке изменения средних цен предложения жилья в 13 городах выборки в 2017 году были разнонаправленными (рис. 19). В декабре по отношению к декабрю прошлого года цены снизились в Самаре (на 13,1%), Кемерово и Санкт-Петербурге (на 1-3%). выросли на 1-2% в Ставрополе, Ярославле, Ростове-на-Дону, Москве, Новосибирске, на 3-4% в Сургуте, Казани, Московской области, на 6-7% в Тюмени и Тобольске (табл. 4).

 


Источники: Екатеринбург - ООО "Риэлтерский информационный центр", Новосибирск – RID Analytics, Сургут, Тобольск - ФРК «Этажи», Казань - www.tatre.ru, Уфа – САН «Эксперт», Тюмень - «UPConsAllt», ФРК «Этажи», Самара – СОФЖИ, Ростов-на-Дону – ЕМТ Консалтинг, Ярославль – ООО «Метро-Оценка», Красноярск – АН «Аревера-Недвижимость», Омск – ООО  «ОМЭКС»,  Кемерово - ООО «Сибград-девелопмент», Рязань - Агентство Печати и информации, Ульяновск – ООО «Центр недвижимости», Ставрополь – ООО «Центр Илекта»,.

Рис. 19. Динамика цен предложения жилья в городах России за три года. Ч.2

Таблица 4. Цены на первичном рынке жилья городов России

(упорядочено по снижению прироста за 2017 год)

Город

Средняя удельная цена предложения, тыс. руб./кв. м

Изменение, %

12.2015

12.2016

12.2017

1

Тобольск

44,7

46,3

49,3

+6,5

2

Тюмень

55,1

53,4

56,6

+6,0

3

Московская обл.

81,3

81,9

85

+3,8

4

Казань

62,9

66,7

69,1

+3,6

5

Сургут

60,2

61,0

63,2

+3,6

6

Новосибирск

60,4

58,8

59,9

+1,9

7

Москва

216,0

176,7

179,9

+1,8

8

Ростов-на-Дону

50,6

51,3

52,0

+1,4

9

Ярославль

52,9

49,8

50,6

+1,6

10

Ставрополь

34,8

35,9

36,3

+1,1

11

Санкт-Петербург

100,4

101,7

100,6

-1,1

12

Кемерово

42,0

40,7

39,6

-2,7

13

Самара

57,0

53,3

46,3

-13,1

14

Екатеринбург

66,4

63,1

н/д

-

15

Рязань

38,0

38,5

н/д

-

16

Ульяновск

36,4

36,2

н/д

-

17

Омск

42,8

40,5

н/д

-

18

Уфа

57,0

58,3

н/д

-

5.2. Динамика арендных ставок

На рынке аренды квартир в Москве после снижения в 2015-2016 годах, в 2017 году наблюдается (рис. 20) стабильность средней стоимости найма (колебания в пределах статистической погрешности).

Источник: ГК «МИЭЛЬ»

Рис. 20. Динамика ставок аренды квартир в Москве за три года

5.3. Доходность инвестиций в жилую недвижимость

Доход рантье от сдачи в аренду принадлежащей ему квартиры (не требующей инвестирования - приватизированной, унаследованной, давно приобретенной), вычисляемый как сумма арендной платы за 12 предшествующих месяцев (без учета операционных расходов), в 2017 году составил в среднем по Москве 509,1 тыс. руб., в том числе в массовом сегменте 422,4 тыс. руб., в престижном – 1027,5 руб. Относительно предшествующего года он вырос на 1,6%, 1,2% и 0,6% соответственно (рис. 21).

Источник: ООО «Стерникс Консалтинг» по данным ГК «МИЭЛЬ»

Рис. 21. Динамика доходности рынка аренды квартир в Москве за три года

Доходность инвестиций в недвижимость определяется динамикой объемов поглощения, цен и арендных ставок, а также затратами на строительство объектов недвижимости.

В течение последних двух лет снижалась доходность инвестиций во все виды операций на рынке недвижимости – дилерские операции на рынке купли-продажи квартир, рентные операции на рынке приобретения и сдачи в аренду, девелоперские операции на рынке строительства и продажи.

Доходность инвестиций в дилерские операции, вычисляемая как отношение средней удельной цены на вторичном рынке в текущем месяце (в момент возврата инвестиций) к средней удельной цене в том же месяце прошлого года (в момент инвестирования) без учета операционных затрат, в марте 2017 года повысилась до -0,7%, хотя и осталась отрицательной, а в апреле-мае перешла в положительную плоскость и далее колебалась вблизи нуля (рис. 22).

Источник: ООО «Стерникс Консалтинг», ГК МИЭЛЬ

Рис. 22. Динамика доходности инвестиций в куплю-продажу квартир на вторичном рынке Москвы за три года

Доходность инвестиций в рентные операции, вычисляемая как отношение годового дохода от аренды к средней полной цене квартир в текущем месяце (без учета операционных расходов), в 1 квартале 2017 года снизилась до 3,1%, срок окупаемости вырос до 32,3 года. В апреле доходность выросла, но в июне-июле опять снизилась до 2,7%, срок окупаемости 37 лет. В декабре доходность составила 3,2%, срок окупаемости снизился до 31,2 года (рис. 23).

Источник: ООО «Стерникс Консалтинг», ГК «МИЭЛЬ»

Рис. 23. Динамика доходности инвестиций в рентные операции на рынке жилья в Москве

Доходность инвестиций в девелоперские операции (рис. 30), вычисляемая как отношение суммарной годовой прибыли от всех продаж на рынке к суммарным затратам на строительство жилой недвижимости, в Москве после кризиса 2008 года в 2010 году составляла -92,4% (достраивались отдельные объекты с высокой степенью готовности, новые объекты практически не выводились на рынок), в 2011 году  -49,0% (началось новое строительство и продажи).

 


Источник: ООО «Стерникс Консалтинг»

Рис. 23. Динамика доходности инвестиций в девелопмент жилой недвижимости Москвы за семь лет

В 2012 году доходность выросла до 18,5% (строительный бум на рынке Москвы), в 2013 году – 3,9% (снижение потока прибыли после присоединения к Москве новых территорий с вдвое меньшими ценами реализации), в 2014 году – 11,4% (высокая активность на рынке, рост продаж). В 2015 году доходность упала до -5,5% в связи с падением объема продаж и цен реализации. В 2016 году доходность продолжала несколько снижаться (-5,6%) вследствие роста стоимости строительства.

В 2017 году в связи со стабилизацией цен, повышением объемов поглощения и несмотря на увеличение объемов строительства доходность относительно себестоимости выросла до 69,5%, а относительно полной (инвестиционной) стоимости перешла в положительную зону и составила +9,3%. Это предвещает дальнейшее увеличение количества вновь строящихся объектов и в перспективе – повышение объемов ввода жилья.

Необходимо отметить, что расчет доходности относительно себестоимости (сметной стоимости проектов) по данным Росстата дает в 2012 году величину 81,9%, и к 2017 году она составила до 69,5%, что, по общему мнению девелоперов, не отражает соотношение их выручки и затрат. Это еще раз подчеркивает необходимость перехода к расчету по полным затратам при управлении проектами как для девелоперов, так и для муниципальных органов управления.

5.4. Сопоставление основных индикаторов жилищного рынка

Анализ динамики отдельных показателей жилищного рынка дает неоднозначную картину тенденций и перспектив рынка. Его необходимо дополнить сопоставлением различных показателей (индикаторов) с целью определения соотношения спрос/предложение как ключевого фактора ценообразования.

Ниже показаны графики основных индикаторов жилищного рынка Москвы – предложения, спроса, поглощения, цен. Видно, что на первичном рынке предложение со середины 2015 года росло и оставалось выше спроса, но с сентября 2017 года начало снижаться, при этом спрос в 2016-2017 годах рос и в последние полгода почти сравнялся с предложением и превзошел его. В соответствии с этим цены перестали снижаться (рис. 24).

 


Источник: Комитет по аналитике МАР, ООО «Стерникс Консалтинг»

Рис. 24. Динамика предложения, поглощения, спроса и цен на первичном рынке жилья Москвы

На вторичном рынке предложение незначительно снижалось последние три года, спрос вначале снижался, с конца прошлого года начал повышаться и в последние полгода приблизился к предложению, а в последние даже превысил предложение. Это способствовало стабилизации цен и предвещает возможное их повышение (рис. 26).

 


Источник: Комитет по аналитике МАР, ООО «Стерникс Консалтинг»

Рис. 25. Динамика предложения, поглощения, спроса и цен на рынке вторичного жилья Москвы

Необходимо отметить, что в ряде публикаций специалистов рынка недвижимости под термином «спрос» понимается «поглощение» (количество сделок), что недопустимо прежде всего для первичного рынка и в какой-то степени для вторичного. В применяемой в настоящем исследовании методологии используется понятие «предъявленный спрос» — это количество покупателей, готовых приобрести жилье на рынке за собственные и заемные средства в течение ближайшего года-полугодия. При этом учитывается, что объем предложения на первичном рынке включает все (почти все) помещения в строящихся домах, не распроданные к текущему месяцу. А механизм продаж таков, что даже при избыточном спросе ежемесячно реализуется 5-10% выставленных на продажу лотов (вышедший на рынок дом распродается за год-полтора). Поэтому соотношение ежемесячного поглощения и предъявленного спроса составляет 0,2-0,3 в зависимости от состояния рынка (на вторичном рынке – 0,3-0,9).

5.5. Сопоставление прогноза ценовой динамики с фактическими данными и прогноз на 2018 год

Ретроспективная поверка прогноза ценовой динамики на жилищном рынке Москвы, рассчитанного в июне 2014 г., фактическими данными показала, что в декабре 2014 г. и начале 2015 г., в связи с макроэкономическим шоком и ажиотажным спросом на жилье, цены на вторичном и первичном рынке оказались выше прогноза на 15-16% (рис. 26). В декабре 2015 г. и 2016 г. фактические и прогнозные цены практически совпали.

В 2017 г. прогнозировалось снижение цен на 2-3% на вторичном рынке и 3-5% на первичном. Из данных рис. следует, что наш прогноз на 2017 год, рассчитанный при цене нефти 40 $/баррель (снижение цен на 3-5%), а также прогнозы остальных московских аналитиков (снижение от 10 до 20%) не подтвердились. Фактические данные показали снижение всего на 0,8% на вторичном и повышение на 1,8% на первичном. Их отклонение от прогноза составило 1-2% на вторичном рынке и 5-7% на первичном.

В 2018 г. ожидается разнонаправленное действие следующих факторов, влияющих на ценовую динамику.

Как было показано выше, цены на нефть и обменный курс основными мировыми аналитиками прогнозируются относительно стабильными с колебаниями в интервале 60-65 долл./баррель и 60-65 руб./доллар. Рост ВВП РФ прогнозируется чуть выше предыдущего года – 1,7-2,0%.

Официальные прогнозы не обещают быстрого роста экономики с наиболее вероятными темпами на уровне 2-3%. Базовый и целевой сценарии прогноза Минэкономразвития предполагают, что ВВП в 2018 г. вырастет примерно на 2,1-2,2%, как предварительно ожидалось по итогам минувшего года, а дальше может превысить 2,5-3% (только в случае реализации целевого сценария). Консервативный сценарий исходит из ежегодных темпов роста менее 1% и выход на 1,5% к 2020 г.

В экономическом мониторинге РАНХиГС [23] высказано мнение о возврате российской экономики к циклическому росту (около 1,5–2% в год). Возможности его ускорения связываются со структурными реформами, включая бюджетный маневр, заключающийся в увеличении расходов на образование, здравоохранение и инфраструктуру при сокращении непроизводительных расходов.

В 2017 году не реализовался прогноз роста реальных располагаемых доходов населения, но в текущем году это возможно ввиду начавшегося подтягивания МРОТ до величины прожиточного минимума, повышения пенсий и других выплат населению после окончания президентского электорального цикла. Кроме того, повышению спроса и предотвращению снижения цен будет способствовать новая программа субсидирования процентных ставок по ипотеке (до 6%) для отдельных групп населения.

С другой стороны, в условиях усиления санкционного давления возможно начало реализации ряда непопулярных мер, связанных с сокращением доли самозанятого населения, высвобождением работников с реорганизуемых неэффективных предприятий, что будет снижать темпы роста денежных доходов населения [3].

При таких исходных данных с учетом фактического результата в 2017 г. ценовой прогноз для жилищного рынка Москвы на 2018 г. состоит в вероятном изменении цен в пределах +/-1,5-2,0%, что означает продолжение стагнации с неопределенным горизонтом (рис. 26).

 


Источник: данные – Комитет по аналитике МАР, прогноз – ООО «Стерникс Консалтинг»

Рис. 26. Сопоставление фактических данных и прогноза цен на жилищном рынке Москвы в 2013-2017 гг.

ВЫВОДЫ

1.      Предложенная авторами методология научного анализа рынка многоквартирного жилья городов России позволила выявить факторы и тренды развития в 2017 году и спрогнозировать ожидаемые изменения 2018 года.

2.      Ценовая ситуация на жилищном рынке городов России в 2017 году определялась таким основным фактором, как рост нефтяных цен (на 30-40%), позволивший денежным регуляторам снизить ключевую ставку Центробанка до 7,75% и таргетировать инфляцию до 2,5%, а кредитным организациям – снизить ставку ипотечных кредитов до 9,5-10%. Это привело к рекордному росту объемов и доли ипотечных кредитов в общем объеме финансирования покупок, при том, что душевые доходы населения продолжали снижаться. Как следствие – в городах России в 2017 году наблюдалось повсеместное прекращение снижения цен на квартиры и переход к стагнации (стабилизации на нижнем уровне цикла).

3.      С учетом фактического результата 2017 года, ценовой прогноз для жилищного рынка большинства городов России на 2018 г. состоит в вероятном изменении цен в пределах +/-1,5-2,0%, что означает продолжение стагнации с неопределенным горизонтом. Исключение могут составлять единичные локальные рынки с высоким региональным валовым продуктом (ВРП), где может наблюдаться рост цен значительно выше средних по стране.

ЛИТЕРАТУРА

1.                  Гринин Л. Е. Кондратьевские волны, технологические уклады и теория производственных революций. Кондратьевские волны: Аспекты и перспективы / отв. ред. А. А. Акаев, Р. С. Гринберг, Л. Е. Гринин, А. В. Коротаев, С. Ю. Малков. Волгоград: Учитель, 2012. С. 222–262.

2.                  Дробышевский С. М. Анализ возможности возникновения «пузыря» на российском рынке недвижимости // Научные труды ИЭПП. 2009. № 128. 136 с.

3.                  С. Дробышевский, С. Синельников-Мурылев. Особенности роста экономики России в 2017 и 2018 годах: стимулы и ограничения // Мониторинг экономической ситуации в России. Тенденции и вызовы социально-экономического развития. № 2 (63). Февраль 2018 г., с. 7-11.

4.                  Стерник Г.М., Стерник С.Г. Методология моделирования и прогнозирования жилищного рынка: монография. — Москва: РГ-Пресс, 2018. - 584 с.

5.                  Стерник Г. М., Стерник С.Г. Анализ рынка недвижимости для профессионалов – Москва: ЭКОНОМИКА, 2009 – 606 с.

6.                  Хабибрахманов Р. Р. Влияние мирового финансового кризиса на развитие рынка недвижимости г. Казани. URL: http://realtymarket.ru/stati-kolleg/Vliyanie-mirovogo-finansovogo-krizisa-na-razvitie-rinkanedvijimosti-g.Kazani.html.

7.                  Шиллер Р. Иррациональный оптимизм: как безрассудное поведение управляет рынками / пер. с англ. М.: Альпина Паблишер, 2013. 421 с.

8.                  Brooks C., Tsolacos S. Real Estate Modelling and Forecasting Cambridge: Cambridge University Press, 2010. - 458 р.

9.                  Gotham K. F. The Secondary Circuit of Capital Reconsidered: Globalization and the U. S. Real Estate Sector / Gotham K. F. // American Journal of Sociology. 2006. No. 1.

10.              Gottlieb M. Long Swings in Urban Development / M. Gottlieb. N. Y.: National Bureau of Economic Research, 1976.

11.              Greeen R., Malpezzi S. Primer on U. S. Housing market and housing policy. Washington D. C.: The Urban Institute Press, 2003.

12.              Green R. К. Follow the leader: how changes in residential and nonresidential investment predict changes in GDP / Richard К. Green // Real Estate Economics. 1997. No. 25 (2). P. 253–270.

13.              Green R. К. Imperfect information and the housing finance crisis. A descriptive overview / Richard К. Green // Journal of Housing Economics. 2008. No. 17.

14.              Greenwood J. The allocation of capital and time over the business cycle / J. Greenwood, Z. Hercowitz // Journal of Political Economy. 1991. No. 99.P. 1188–1214.

15.              Sanders A. The Subprime crisis and its role in the financial crisis / Anthony Sanders // Journal of Housing Economics. 2008. No. 17.

16.              Seth J. Forecasting the real estate market: a cointegrated approach / J. Seth // The Faculty of the Department of Economics University of Houston. 2011. 32 p.

17.              Šmihula D. The waves of the technological innovations of the modern age and the present crisis as the end of the wave of the informational technological revolution / Daniel Šmihula. 2009.

18.              Zarnowitz V. Business Cycles: Theory, History, Indicators, and Forecasting. Chicago; London: University of Chicago Press, 1992. - 614 p.

19.               http://realtymarket.ru/monitor.html

20.              https://www.imf.org/external/pubs/ft/ar/2017/eng/pdfs/AR17-RUS.pdf

21.              https://ecfor.ru/nauchnye-izdaniya/kvartalnye-prognozy-makroekonomicheskih-pokazatelej-rf/

22.              http://economy.gov.ru/minec/about/structure/depmacro/201815011

23.              https://www.ranepa.ru/images/docs/monitoring/2018_1-62_January.pdf

24.              https://new.veb.ru/analitika/vvp-rossii-indeks-veb/

25.              http://www.gks.ru/

Г.М.Стерник, С.Г.Стерник. Факторы и тренды развития российского рынка многоквартирного жилья по итогам 2017 года

(Статья опубликована в третьем номере журнала «Жилищные стратегии» за 2018 год)
Категория: методические материалы

ВВЕДЕНИЕ

Настоящее исследование продолжает серию ранее опубликованных авторских квартальных и годовых научных исследований состояния и тенденций жилищного рынка городов России [19]. Основными источниками данных являются порталы Росстата, Росреестра, ЦБ РФ, ЕРЗ (Единый реестр застройщиков), аналитических центров и компаний-участников рынка, включая собственные данные ООО «Стерникс Консалтинг». В исследованную выборку настоящей работы входят 27 городов и один регион (Московская область, по которой приводятся усредненные по городам данные), в том числе 21 город, являющийся центром субъектов РФ, с совокупной численностью населения более 43 млн чел.

Для удобства чтения изложение разбито на 5 смысловых частей:

- методология исследования;

- макроэкономические и институциональные условия развития рынка недвижимости: состояние и перспективы;

- показатели и тенденции спроса, включая мониторинг ипотечного рынка; 

- строительство, ввод, предложение;

- ценовая ситуация и прогноз отраслевой доходности инвестиций на рынке городского жилья.

1.                  Методика исследования

1.1. Термины и определения, используемые в работе

Обработка и интерпретация данных в работе осуществляется в соответствии с положениями работы: Стерник Г.М., Стерник С.Г. Методология моделирования и прогнозирования жилищного рынка: монография. — Москва: РГ-Пресс, 2018. - 584 стр. [4], включая единообразное трактование и применение следующих понятий:

1.                  Объем спроса на недвижимость — средний в заданном периоде объем спроса соответствующей категории. Используется для расчета соотношения спрос/предложение.

2.                  Категории спроса на рынке жилой недвижимости: спрос-потребность, совокупный платежеспособный спрос, потенциальный платежеспособный спрос, предъявленный спрос, предъявленный спрос с перетеканием между смежными рынками (первичным и вторичным, арендным), удовлетворенный (реализованный) спрос.

Спрос-потребность — разность между желаемым (по европейским и мировым стандартам стиля жизни) и фактическим (объем жилищного фонда за исключением ветхого, аварийного и требующего капитального ремонта) уровнем средней обеспеченности качественным и комфортным жильем населения города.

Совокупный платежеспособный спрос — объем жилой недвижимости, которое население могло бы приобрести на рынке за счет своих накоплений.

Потенциальный спрос — объем жилой недвижимости, который покупатели предполагают приобрести на рынке в течение ближайших 3–5 лет за счет всех источников финансирования (собственные сбережения, кредиты, зачет имеющегося жилья, государственные сертификаты и т. д.).

Предъявленный спрос — объем жилой недвижимости, который покупатели предполагают приобрести на рынке в ближайшие полгода-год при текущем уровне цен за счет всех источников финансирования, с учетом изменения склонности населения к расходованию сбережений при изменении экономической ситуации в стране и регионе, степени недоверия к застройщикам, условий ипотечного кредитования, ожиданий изменения уровня цен.

Предъявленный спрос с перетеканием между смежными рынками — объем спроса, формирующийся на каждом из рынков в результате перетекания от рынка с дефицитом предложения к рынку с избыточным предложением.

Удовлетворенный (реализованный) спрос — предъявленный в текущем периоде спрос, удовлетворенный в форме сделки, направленной на приобретение жилой недвижимости (прав требования на строящийся объект). Приблизительно равен объему поглощения.

3.                  Текущий объем строительства жилья — объем строящегося в исследуемом периоде жилья (в количестве корпусов, помещений и площадей). Разделяется на объем строительства муниципального (социального) жилья и объем строительства коммерческой жилой недвижимости.

4.                  Объем незавершенного строительства — публикуется Росстатом по итогам года.

5.                  Суммарный объем строительства за период — объем незавершенного строительства за предшествующий год плюс суммарный объем нового (вновь начатого) строительства за прошедшие месяцы. Используется для расчета объема инвестиций в строительство и соотношений ввод/строительство и строительство/предложение.

6.                  Объем ввода жилья — суммарный за период объем завершенного строительства (сдачи объектов в эксплуатацию).

7.                  Суммарный объем предложения недвижимости — объем предложения на конец предшествующего периода плюс объем нового бесповторного предложения за прошедшие месяцы минус объем поглощения. Используется для расчета соотношения строительство/предложение.

8.                  Объем нового бесповторного предложения — объем вновь появившегося в заданном периоде предложения.

9.                  Средний за период объем предложения — среднее значение объема предложения за период по данным об объеме предложения на продажу или вакантного предложения в аренду в каждом месяце периода. Используется для расчета соотношения спрос/предложение.

10.              Объем поглощения недвижимости — суммарный за период объем продажи строящихся объектов/помещений (прав требования на объекты/помещения в соответствии с 214-ФЗ) на первичном рынке, купли-продажи (мены) на вторичном рынке, сдачи в аренду на рынке аренды, выраженный в количестве сделок и/или объеме площадей.

11.              Показатели ликвидности объектов недвижимости в различных сегментах рынка:

— на вторичном рынке купли-продажи/аренды отдельных зданий или помещений — средний период экспозиции, т. е. среднее по рынку время между первым выставлением объекта (помещения или дома) на рынок и уходом с рынка;

— на первичном рынке продажи/аренды помещений в строящихся зданиях — доля поглощенных помещений (площадей) от общего количества помещений (площадей) в объектах;

— на первичном и вторичном рынке аренды помещений в БЦ, ТЦ, складских комплексах — изменение за период доли вакантных помещений (площадей) от общего количества помещений (площадей) в объектах.

12.              Доступное жилье — это жилье определенного качества и размера, которое семья с определенным уровнем доходов может приобрести по рыночной стоимости, используя свои сбережения, накопленные из своих текущих доходов за разумный период времени при необходимом уровне текущих расходов, возможно, с учетом стоимости имеющейся квартиры, а также используя при необходимости ипотечное кредитование и/или государственную поддержку, и при этом ее текущих доходов достаточно для обслуживания полученного кредита с момента приобретения жилья.

13.              Коэффициент доступности жилья для населения определенной доходной группы — срок, в течение которого семья (домохозяйство) может накопить средства, достаточные для приобретения доступной по цене и площади квартиры, возможно, с зачетом имеющейся квартиры.

14.              Доля населения определенной доходной группы, которой доступно жилье — доля населения города в составе домохозяйств, для которой коэффициент доступности жилья определенного качества/размера не превышает три года.

15.              Доля населения определенной доходной группы, которой доступен ипотечный кредит — доля населения города, которая может выполнить условия банковского андеррайтинга при покупке квартиры определенного размера/качества по уровню доходов домохозяйства.

16.              Планируемый объем ипотечного кредитования — планируемый властями (на основе прогнозов АИЖК) объем кредитования в денежном выражении.

17.              Объем предложения ипотеки в натуральном выражении — рассчитанный с учетом прогнозируемой динамики цен потенциальный объем прокредитованных площадей.

18.              Объем предложения ипотечных кредитов — потенциальное количество выданных кредитов (с учетом площади приобретаемого жилья на вторичном и первичном рынке).

19.              Предъявленный объем спроса на ипотеку — суммарная доля населения различных доходных групп, которым доступен ипотечный кредит при покупке квартир различного качества/размера, скорректированная на величину предъявленного спроса на квартиры.

20.              Объем поглощения ипотечных кредитов — количество выданных ипотечных кредитов с учетом ограничений по доступности (в силу уровня доходов населения) и по наличию ипотечного предложения, а также предложения квартир на рынке.

21. Соотношение суммарного дохода от всех операций данного вида на рынке к суммарным затратам.

22. Виды операций инвестирования в недвижимость: дилерские (покупка объекта и последующая продажа), рентные (покупка объекта и последующая сдача в аренду), девелоперские (строительство объекта и последующая продажа объекта/помещений или сдача в аренду).

23. Под прогнозом понимается методически обоснованное описание возможных состояний системы в будущем и сроков достижения этих состояний, а процесс разработки прогнозов называют прогнозированием. Высказывания экспертов о будущем системы, не основанные на расчетах, принято называть предсказанием или экспертным прогнозированием.

22. Область прогнозного исследования – диапазон изменения изученных фактических (исторических) данных и прогнозируемых показателей.

Глубина предыстории – протяженность (количество интервалов) имеющихся/изученных наблюдений (по параметру или по времени).

Горизонт прогноза – количество интервалов за пределами изученного, на которое производится прогноз.

23. В зависимости от горизонта прогноза, прогнозирование может быть сверхкраткосрочным, краткосрочным, среднесрочным, долгосрочным, сверхдолгосрочным.

Конкретная величина допустимого горизонта для каждого из этих видов прогноза зависит от физического (экономического) содержания задачи, общеэкономической ситуации, состояния конкретного сегмента рынка, и может существенно меняться. Так, правительственные среднесрочные прогнозы развития экономики России имеют горизонт в 3 года. В настоящее время на рынке недвижимости России мы рассматриваем в качестве сверхкраткосрочного – прогноз на 1-3 месяца, краткосрочного – на год-полтора, среднесрочного – на три-пять лет, долгосрочного – на 5-10 лет, сверхдолгосрочного – на 25-30 лет.

24. Достоверность прогноза оценивается погрешностью прогноза и ошибкой прогноза.

Погрешность прогноза – это ожидаемая или фактическая величина (оцениваемая с заданной доверительной вероятностью) отклонения прогнозируемой величины от среднего прогнозного значения.

Ошибка прогноза – это ожидаемая вероятность реализации прогноза с погрешностью более заданной.

Достоверность прогноза может быть ожидаемой, прогнозируемой (априорной), а также фактической (апостериорной), рассчитанной после истечения периода прогнозирования на основе накопленных фактических данных за этот период.

Необходимо отличать понятие погрешности (ошибки) прогноза от понятия ошибки статистической модели (аппроксимации). Вторая выражает степень приближения модели к фактическим данным в период предыстории, в то время как первая – возможное в будущем отклонение фактических данных от прогноза.

25. Ретроспективная проверка и корректировка прогноза – это сопоставление фактических данных с ранее рассчитанным прогнозом и пересчет (при необходимости) прогноза до истечения срока его действия (горизонта прогноза) при изменении ситуации и/или отклонении фактической динамики от прогнозируемой. Корректировка может проводиться в любой момент, но обязательным является анализ динамики и принятие решения о проведении или непроведении корректировки по истечении половины срока прогноза.

26. Методика прогнозирования – документ, описывающий перечень и порядок подготовки исходных данных (экзогенных переменных), перечень выходных показателей (эндогенных переменных), а также модель для прогнозирования, ее допущения и ограничения, структуру и порядок расчетов по модели.

1.2. Основные положения методологии исследования

Содержание общего анализа рынка недвижимости

Общий анализ рынка недвижимости (РН) включает ряд этапов: сбор и верификация данных, создание и наполнение аналитических баз данных (АБД); статистическая обработка данных и построение дискретной пространственно-параметрической модели (ДППМ) состояния сегмента рынка в рассматриваемом периоде; исследование факторов ценообразования и закономерностей функционирования РН; прогнозирование развития РН (рис. 1).

Рисунок. 1. Общий алгоритм (этапы и продукты) АРН

Результаты общего (универсального) анализа используются не только для объявленной цели (анализ рынка в интересах различных операторов рынка), но и в качестве данных для последующего специализированного анализа рынка (например, в интересах инвестиционного анализа конкретных проектов, оценки объектов недвижимости и др.).

Содержание отдельных этапов общего анализа рынка сводится к следующему:

1. Сбор и верификация данных, создание и наполнение АБД.

1) Сбор данных о строительстве объектов и предложении объектов/помещений на продажу (в аренду), о проведенных сделках. Источники данных - риэлторские базы данных (БД) агентств недвижимости, объединенных БД ассоциаций, мультилистинговые системы (МЛС), публикации на сайтах компаний, в СМИ, проектные декларации застройщиков и т.д.

2) Сбор данных о внешних макро- и мезоэкономических условиях функционирования рынка недвижимости. Источники данных - публикации Росстата, региональных и местных статорганов, ЦБ РФ, Минэкономразвития РФ, специализированных институтов макроэкономического анализа и т.д.

3) Сбор данных о развитии, а также планах и намерениях властей по развитию территории и отрасли. Источники данных - публикации Росстата, региональных и местных статорганов, федеральных, региональных и местных властей.

4) Построение аналитических баз данных (АБД), включая Реестры строящихся и существующих объектов, БД предложения, сделок.

5) Верификация данных.

2. Статистическая обработка данных и построение дискретной пространственно-параметрической модели (ДППМ) состояния сегмента рынка в рассматриваемом периоде.

1) Расчленение выборки строящихся объектов, предложений, сделок на подгруппы (кластеры) в соответствии с принятой методикой классификации по местоположению (зонам), качеству (классам или типам), размеру, стадии строительства и другим признакам.

2) Статобработка каждой выборки.

3) Построение ДППМ и ее оптимизация.

3. Аналитическое описание состояния сегмента рынка.

1) Описание (в текстовом и графическом виде) состояния показателей сегмента рынка в текущем периоде и накопленной динамики за предшествующие периоды.

2) Описание состояния внешних условий, влияющих на показатели сегмента рынка.

3) Качественный анализ влияния внешних факторов и выявление причин полученных изменений состояния рынка.

4. Исследование факторов ценообразования и закономерностей функционирования рынка.

1) Выявление закономерностей функционирования РН с учетом специфики состояния отечественной экономики и рынка по результатам статистического мониторинга.

2) Эконометрические исследования взаимодействия различных показателей РН и влияющих на них факторов.

3) Социологические исследования поведенческих закономерностей субъектов рынка.

4) Квалиметрические исследования показателей качества информационных объектов (зон местоположения по привлекательности для проживания, территорий по инвестиционной привлекательности, объектов недвижимости по качеству проекта) и их рейтинговая оценка.

5) Разработка методического обеспечения исследований РН.

5. Прогнозирование развития РН.

1) Выявление тенденций развития РН.

2) Разработка экспертных и расчетных прогнозов развития РН (долгосрочных, среднесрочных, краткосрочных).

3) Разработка и совершенствование математических моделей функционирования РН и методик прогнозирования.

Содержание регулярных годовых обзоров жилищного рынка России, публикуемых с 1996 года, определялось наличием данных, которые удавалось собрать – в первую очередь это данные о ценовой ситуации на вторичном, а затем и на первичном рынке, в последующем - данные об объемах предложения и поглощения, и лишь в последние 8-10 лет были охвачены практически все показатели, характеризующие рынок.  При этом, по мере расширения перечня анализируемых показателей приходилось отказываться от изложения результатов всех этапов исследования, а также от детализации анализа, т.е. дифференциации показателей по кластерам местоположения в городе, класса качества объектов и др. факторам (эти данные приводились в отдельных ежемесячных мониторинговых отчетах по отдельному городу). В настоящей работе излагаются результаты этапов 3 и 5 общего анализа жилищного рынка. 

Индикаторы (показатели) рынка недвижимости, подлежащие определению и прогнозированию

Моделирование такой сложной системы, как рынок недвижимости, требует накопления данных и изучения динамики показателей всех основных свойств рынка. К ним относятся:

- ценовая ситуация на первичном и вторичном рынке;

- объем строительства и ввода объектов – коммерческих и муниципальных;

- объем предложения на первичном и вторичном рынке;

- объем спроса различных категорий (спрос-потребность, потенциальный платежеспособный спрос, предъявленный спрос);

- размер объектов;

- объем операций (оборот рынка, объем поглощения); емкость, денежный оборот рынка;

- ликвидность объектов на вторичном, первичном рынке, рынке аренды;

- доступность объектов различного качества и размера для различных по доходам групп населения;

- доходность инвестиций в недвижимость (при дилерских, рентных, девелоперских операциях на рынке).

Методики определения исследуемых показателей приведены в следующих подразделах.

1.3. Верификация данных

Верификация данных включает 5 этапов.

Актуализация текущего листинга. По мере приема и учета информации о предложении объектов недвижимости в базе агентств недвижимости, с определенной периодичностью производится актуализация заявок (как правило, телефонным звонком лицу, выставившему заявку). В настоящее время во многих городах эту работу выполняют специализированные информационные компании, ведущие объединенные базы данных (мультилистинговые системы, МЛС). Однако, перед включением предложений из риэлторской базы в АБД необходимо провести актуализацию хотя бы предложений с наибольшим сроком экспозиции.

Чистка от артефактов (пропусков и ошибок). Содержание этапа заключается в проверке ключевых параметров объекта и предложения, без которых невозможна обработка БД: проверка на нуль цены, проверка соотношения общей и полезной площади, и т.д. Если запись об объекте не соответствует предъявленным требованиям, он исключается из БД.

Выделение «уникальных объектов» (очистка от «повторов» и «дублей», фиктивных заявок). При сборе данных из различных источников возможно появление в АБД т.н. «повторов» (записей предложения одного и того же объекта от различных фирм) и «дублей» (нескольких записей предложения одного и того же объекта в течение одного заданного для анализа периода). «Дубли» появляются при несовпадении периода актуализации информации (например, неделя) с периодом, заданным для анализа (например, месяц). Кроме того, необходимо по возможности исключать т.н. «фиктивные» заявки, которые формируются риэлторами для «прощупывания» рынка (например, одна и та же квартира с разной ценой предложения).

При этом возможны некоторые отличия в параметрах объекта (площадь, высота потолка и т.п.), цене предложения (зависящие от ценовой политики различных фирм, а также возникающих вследствие корректировки цены предложения продавцом). Кроме того, даже при совпадении всех параметров нескольких записей (например, при объединении четырех недельных баз данных в общую месячную) возникает искусственное увеличение объема выборки и несоответствие этой величины реальному объему предложения на рынке.

Сущность этапа состоит в выделении уникального объекта для последующей замены нескольких записей о его предложении на продажу (или в аренду) на одно предложение. В зависимости от формата описания объекта применяются различные варианты алгоритма: «строгая» (при наличии в базе точного адреса) и «мягкая» очистка.

Восполнение недостающей информации. Как правило, в риэлторских базах данных отсутствует (либо представлена в неявном виде) информация, необходимая для определения сроков экспозиции объектов (дата первого выставления на продажу и снятия с продажи), для классифицирования объекта по качеству (детальные характеристики объекта) или по местоположению (номер дома). Восполнение недостающей информации – самая сложная задача аналитика при создании и ведении АБД.

Исключение объектов по «выскакивающим» значениям цены. Одним из способов очистки БД от артефактов, привлекательных по легкости автоматизации, является дополнительная проверка записи цены предложения (или удельной цены), даже если она не равна нулю. Необходимо исключить из БД предложения с заведомо неверной записью цены, или заведомо заниженной или завышенной ценой. Для этого применяются различные приемы: вводятся ограничения на минимум и максимум удельной цены (самый простой, но грубый способ), производится принудительное исключение по одному объекту с самой малой и самой большой удельной ценой, наконец, на основе применения методов математической статистики производят исключение по правилу «трех сигм». Последний, наиболее правильный способ применяется после предварительного разбиения совокупности предложений на кластеры и статистической обработки каждой выборки. Особенности его применения на рынке недвижимости приведены ниже.

1.3. Ценовая ситуация

Определение ценовых показателей производится выборочным методом.

Статистическая обработка выборок стандартными методами математической статистики затрудняется тем, что, по опыту многолетних исследований, характер распределений цен в различных сегментах рынка отличается от нормального (гауссовского) – они имеют выраженную левую асимметричность (поджаты слева, растянуты справа). Опыт показал, что принудительное приведение выборок к нормальности отсекает самые дорогие объекты, которые хотя и имеют малую долю по количеству в распределении, но она весьма значительна в суммарном ценовом объеме рынка и дает значительную погрешность в определении средних цен в выборке. Есть и другие особенности данных о рынке недвижимости по сравнению с другими товарными рынками, потребовавшие специальных приемов обработки первичных данных.

В связи с этим методология выборочного статистического анализа детализирована для рынка недвижимости в нескольких направлениях: расчет средних величин, оценка дисперсии и среднеквадратичного отклонения, оценка погрешности в определении среднего, проверка значимости различия выборок, исключение выскакивающих значений в выборке, определение рыночного диапазона цен, учет бивалютности рынка, укрупнение объемных показателей, расчет ликвидности объектов в сегменте.

1) Расчет средних величин.

Для расчета средней полной цены объектов в выборке применяется формула средней арифметической величины. Но для расчета средней удельной цены необходимо определять средневзвешенную (по площади помещений) величину. Расчет для выделенного периода (предпочтительно месяц) производится по формулам:

 - либо отношение суммы полных цен к сумме площадей

Суд.взв = Ʃ Спi / Ʃ Sпi, , тыс. руб./кв. м ($/кв. м),

где Суд.взв.i – средневзвешенная удельная цена объектов в i-й выборке;

         Спi – полная цена каждого объекта;

         Sпi – полезная площадь объектов;

- либо отношение суммы произведений средней удельной цены на площадь помещения к сумме площадей

Суд.взв = Ʃ Сi х Sпi / Ʃ Sпi, , тыс. руб./кв. м ($/кв. м),

где Сi – удельная цена помещения.             

Аналогично (по второму варианту формулы) вычисляется средняя (средневзвешенная) арендная ставка Авзв:

Авзв = Ʃ Аi х Sпi / Ʃ Sпi , $/кв. м в год (тыс. руб./кв. м в год).

Необходимо отметить, что получившая широкое распространение оценка средней удельной цены (арендной ставки) как среднеарифметической может привести к существенным ошибкам (5-12%).

2) Оценка дисперсии и среднеквадратического (стандартного) отклонения.

Оценка дисперсии D и стандартного отклонения (СКО, СО) S производятся по стандартным формулам:

                                      ,        

 s = √ (Ʃ (C уд.i - Суд.cр.)2 / (N-1), тыс. руб./кв. м.

3) Оценка погрешности в определении среднего.

Среднее значение случайной величины по данным репрезентативной выборки ее случайных значений всегда рассчитывается с погрешностью, величина которой зависит от двух факторов: собственного разброса значений в выборке и ее объема. Если разброс измерен величиной среднеквадратического отклонения S, то приближенная оценка погрешности в определении средневыборочного при доверительной вероятности 0,95 равна

                                                                                      , тыс. руб. /кв. м.

При наличии данных об объеме генеральной совокупности Ng случайная погрешность может быть скорректирована на множитель √ (1- N/Ng).

Рассчитанное значение погрешности δ дает возможность определения необходимого объема выборки при данной величине разброса (имманентно присущего выборке) и при заданной допустимой ошибке (например, 10% от среднего):

Nmin = (δ / 2s)2 – 1 при δ ≤ 0,10, шт.

Более строго величина среднеквадратического отклонения и погрешности в определении математического ожидания средневзвешенной удельной цены по средневыборочному значению рассчитывается относительно средневзвешенной величины по следующим формулам:

s = √ (∑Si (Ci Cуд.взв )2 / ∑Si) , тыс. руб./кв. м,

где      Ci = Спi / Si – удельная цена помещения;

            Спi – полная цена помещения;  

            Si – площадь помещения;

            Cуд.взв = ∑ Спi / ∑ Si – средневзвешенная удельная цена помещений в выборке:

δ = +/-(2s / √ ∑ Si )  , или

δ = +/-2 (√(∑ Si (Ci Cуд.взв )2 ) / ∑ Si , тыс. руб./кв. м .

Погрешность в определении среднего значения в выборке используется для:

а) проверки значимости различия выборок.

Если разность средних меньше полусуммы погрешностей:

|xср.1 - xср.2| <(δ1/2 + δ2/2),

то выборки считаются различающимися незначимо. Это – необходимое условие объединения выборок, полученных из различных источников, либо за смежные периоды времени, либо для смежных локаций, либо для различных классов качества и т.п.

Вариант условия -

|xср.1 - xср.2| / (δ1/2 + δ2/2) <1;

б) исключения выскакивающих значений в выборке по эмпирическому правилу

Значение Ci отбрасывается, если Ci <(-2) s;      Ci > 4s.

4) Определение рыночного диапазона цен.

Под рыночным диапазоном цен понимается диапазон, границы которого определяются как границы доверительного интервала при заданной доверительной вероятности. В нормальных (симметричных) распределениях принято доверительная вероятность 95%, тогда доверительный интервал составляет +/-2s. В несимметричных распределениях, какими являются ценовые распределения на рынке недвижимости, рекомендован смещенный интервал (-1,0) s …+ (3,0) s.

Возможное более строгое определение доверительного интервала с учетом величины асимметрии выборки на основе неравенства Чебышева, которое определяет вероятность того, что значения случайной величины (х) отклонятся от матожидания (μ) на расстояние, большее a (которое справедливо для распределений с любой асимметричностью). Эта вероятность не превышает отношение квадрата среднеквадратического отклонения к заданному расстоянию:

P (|X - µ| >= α) <= σ2 / α.

На основании этого получены следующие значения границ доверительных интервалов для типичного распределения цен на жилую недвижимость:

(-1,5) s … (+2,5) s при ДВ=0,95.

5) Учет бивалютности рынка.

Бивалютность рынка жилой недвижимости России создает определенные трудности в моделировании и прогнозировании рынка: поведение потребителей, реакция объема спроса и цен на рынке существенно различаются для городов с долларовой и с рублевой номинацией цен, особенно в периоды резкой девальвации рубля к доллару. В связи с этим исследование рынка в кризисные периоды проводится в валюте номинирования, а для сопоставления различных рынков производится пересчет цен в единый (долларовый либо рублевый) эквивалент. Расчет индексов реальных (очищенных от инфляции) цен производится по формулам:

 - для цен, номинированных в рублях (национальной валюте)

IGS = Iцр / Iир,

где IGS – индекс изменения стоимости объектов относительно базового периода, очищенный от инфляции рубля; Iцр – индекс рублевой цены; Iир – индекс инфляции рубля;

- для цен, номинированных в долларах

IGS = Iцд / Iид,

где Iцд – индекс долларовой цены; Iид – индекс локальной инфляции доллара в России.

В свою очередь, индекс локальной инфляции доллара рассчитывается по формуле

Iид = Iир / Iдр;

Iдр = Кдт / Кдб ,

где Iдр – индекс девальвации рубля относительно доллара;

      Кдт – курс доллара к рублю в текущем периоде;

      Кдб – курс доллара к рублю в базовом периоде.

1.4. Расчет объемных показателей

1) Объем строительства

Текущий объем строительства жилья (в количестве корпусов, помещений и площадей) определяется на основе анализа Реестра строящихся жилых домов (собственной базы данных авторов или Единого реестра застройщиков РФ Национальной ассоциации застройщиков жилья НОЗА, erzrf.ru). При этом из перечня объектов, получивших разрешение на строительство, исключаются муниципальные (социальные) объекты, не подлежащие продаже, объекты с просроченными разрешениями (строительство не начато), замороженные объекты (не продаются и не строятся).

Объем строительства за период (в количестве квартир или суммарной площади квартир) — объем строительства за предшествующий период минус объем ввода за этот период плюс объем нового (вновь начатого) строительства за исследуемый период:

Ni = N(i-1) – W(i-1) + Ni(new) , шт.,

Si = (N(i-1) – W(i-1) + Ni(new) ) х Sкв. ср.

где Ni - объем строительства за период, шт.;

      N(i-1) – объем строительства за предшествующий период, шт.;

      W(i-1) - объем ввода за предшествующий период, шт.;

      Ni(new) - объем нового (вновь начатого) строительства за исследуемый период, шт.;

      Si - объем строительства за период, кв. м.

Объем профинансированного строительства за период – часть текущего объема строительства, финансируемая в исследуемом периоде, вычисляемая как  отношение объема текущего строительства к среднему сроку строительства объектов (в количестве периодов):

NiF = Ni / Mср., шт.;

SiF = NiF х Sкв. ср. , кв. м,

где NiFсредний объем профинансированного строительства в текущем периоде (в количестве квартир);

        SiF - средний объем профинансированного строительства в текущем периоде (в суммарной площади строящихся квартир);

        Sкв. ср. – средняя площадь строящейся квартиры;

        Mср. – среднее количество периодов строительства объектов.

2) Объем ввода.

Объем ввода жилья публикуется Росстатом.

3) Объем предложения.

Объем предложения на вторичном рынке в количестве квартир определяется по количеству лотов в очищенной базе предложений в исследуемом периоде. Переход к объему предложения в площадях производится суммированием площадей квартир в предложении либо умножением количества квартир на среднюю площадь квартиры.

На первичном рынке применение такого способа иногда затруднено в силу специфики формулировок рекламы в новостройках. Тогда допустимо определять объем предложения по собственной базе данных - приравнивать объем предложения к количеству нераспроданных квартир, вычитая из общего количества строящихся квартир количество реализованных (ушедших с рынка):

NiS = Ni - NiR , шт.;

SiS = NiS х Sкв. ср. , кв. м,

где NiS – объем предложения (в количестве лотов);

       NiR – объем поглощения (количество ушедших с рынка квартир);

       SiS – объем предложения (в суммарной площади квартир).

4) Объем спроса.

Объем спроса-потребности вычисляется как разность между желаемым (по европейским и мировым стандартам стиля жизни) и фактическим (объем жилищного фонда за исключением ветхого, аварийного и требующего капительного ремонта) уровнем средней обеспеченности качественным и комфортным жильем населения города (региона):

Sпотр. i = (Жоб.жел. - Жоб.i) х Nгор.;

Жоб.i = Ж.ф.i / Ni , кв. м/чел.;

Ж.ф.i = Ж.ф.(i-1) + W(i-1) – Sснос(i-1)  – Sнекач. (i-1)  ,

где Sпотр. i – объем спроса-потребности в городе в исследуемом году, кв. м;

      Жоб.жел. – жилищная обеспеченность желаемая, кв. м/чел.;

       Жоб.i  – жилищная обеспеченность фактическая в исследуемом году, кв. м/ чел;

       Ж.ф.i  -   жилищный фонд в исследуемом году, кв. м;

       Ni – численность населения города (региона) в исследуемом году, чел.;

       Ж.ф.(i-1) – жилищный фонд в предыдущем году, кв. м;

       W(i-1) – объем ввода в предыдущем году, кв. м;

       Sснос(i-1)  – объем сноса, выбытия жилого фонда в предыдущем году, кв. м;

       Sнекач(i-1). – объем некачественного (ветхого, некомфортного, не прошедшего капитальный ремонт) фонда в предыдущем году.

Объем совокупного платежеспособного спроса определяется через расчет совокупных накоплений за 3 года выделенной по доступному объекту группы приобретателей жилья (альтернативные покупки массового жилья (с зачетом имеющейся квартиры),  прямые покупки массового и престижного жилья):

Dпл.i = Ʃ Dпл. ji, млн кв. м;

Dпл.ji = СПСji / Рji, млн кв. м;

СПСji = Кд х Ij(i-1) х НС х Ктд х Nj, млрд. руб.;

СПСi = ƩСПСji, млрд. руб.

где      Di – совокупный платежеспособный спрос на площади в натуральном выражении в исследуемом году, кв. м;

            Dпл.ji – платежеспособный спрос в натуральном выражении в j-й группе приобретателей, кв. м;

            Рji – средняя удельная цена жилья j-й группы, тыс. руб./кв. м;

            СПСi – совокупные накопления населения города (региона), руб.;

            СПСji – совокупные накопления населения j-й группы, руб.;

            Кд = 3 года – коэффициент доступности жилья (при котором объект доступен);

            Iji – среднедушевой доход в группе в исследуемом году, руб.;

           НСj – норма сбережений населения;

           Ктд – коэффициент теневых доходов;

           Nj – численность группы, чел.

Предъявленный спрос определяется по результатам социологических опросов (ВЦИОМ, НАМИ) как объем жилой недвижимости, который покупатели предполагают приобрести на рынке в ближайшие полгода-год при текущем уровне цен за счет всех источников финансирования, с учетом изменения склонности населения к расходованию сбережений при изменении экономической ситуации в стране и регионе, степени недоверия к застройщикам, условий ипотечного кредитования, ожиданий изменения уровня цен:

Dпред.спр. i = δВЦИОМi х Nдом.,

где Dпред.спр.  - объем предъявленного спроса на квартиры в исследуемом периоде, шт.;

       δВЦИОМ i – доля предъявленного спроса по результатам опросов в исследуемом периоде;

       Nдом. – количество домохозяйств (семей), шт.

Необходимо отметить, что социологи чаше включают вопрос о готовности к приобретению жилья «в ближайшие 3-5 лет», но такой показатель мы рассматриваем как «потенциальный спрос», а не предъявленный.

5) Объем поглощения.

Объем поглощения жилой недвижимости публикуется Росреестром.

На первичном рынке – в виде количества зарегистрированных договоров участия в долевом строительстве (ДДУ). Этот показатель – запаздывающий, он фиксирует момент регистрации ДДУ, в то время как квартира уходит с рынка в момент подписания договора (лаг может составлять 1-3 месяца и более), а также не учитывает продажи квартир в ЖСК.

На вторичном рынке Росреестр ранее публиковал количество сделок купли-продажи, затем – купли-продажи и мены, сейчас форма представления данных снова меняется, и публикуется количество регистраций прав собственности. В связи с этим целесообразно использовать собственную базу данных о предложении и вычислять количество ушедших с рынка квартир.

6) Укрупнение периода.

При мониторинге и исследовании динамики показателей рынка недвижимости, а также краткосрочном прогнозировании наиболее целесообразный шаг расчета – месяц. Однако, при среднесрочном и долгосрочном прогнозировании применяется годовой шаг расчета. В этом случае необходимо осуществлять переход от месячного к годовому шагу – укрупнять данные. Средние цены за год рассчитываются путем объединения месячных выборок и нового расчета. Что касается объемных показателей, то способ расчета зависит от цели получения укрупненных данных:

- суммарный объем строительства за период определяется как объем незавершенного строительства за предшествующий год (публикуется Росстатом) плюс суммарный объем нового (вновь начатого) строительства за прошедшие месяцы;

- объем ввода жилья – суммарный за период объем завершенного строительства (сдачи объектов в эксплуатацию);

- суммарный объем предложения недвижимости – объем предложения на конец предшествующего периода плюс объем нового бесповторного предложения за прошедшие месяцы. Используется для расчета соотношения строительство/предложение;

- объем нового бесповторного предложения – объем вновь появившегося в заданном периоде предложения.

- средний за период объем предложения – среднее значение объема предложения за период по данным об объеме предложения на продажу или вакантного предложения в аренду в каждом месяце периода. Используется для расчета соотношения спрос/предложение;

- объем спроса на недвижимость – средний в заданном периоде объем спроса соответствующей категории. Используется для расчета соотношения спрос/предложение;

- объем поглощения недвижимости – суммарный за период объем продажи строящихся объектов/помещений (прав требования на объекты/помещения в соответствии с 214-ФЗ) на первичном рынке, купли-продажи (мены) на вторичном рынке, сдачи в аренду на рынке аренды.

1.5. Расчет ликвидности объектов

Ликвидность объектов в текущем периоде оценивается разными показателями в разных сегментах (на первичном рынке продажи в строящихся жилых домах, на рынке аренды помещений в бизнес-центрах и торговых центрах, на вторичном рынке купли-продажи/аренды отдельных помещений):

- на вторичном рынке – средний период экспозиции

Тэ = ∑ (Тк – Т0) / n, дней,

где Тэ – средний период экспозиции, дней;

       Тк – дата ухода объекта с рынка;

       Т0 – дата первого выставления объекта на продажу (в аренду);

       n – число объектов в выборке;

- на первичном рынке – доля поглощенных помещений (площадей), от общего количества помещений (площадей) в объектах

Δп = Si / Soб ,

где Siсуммарный объем поглощения помещений в текущем периоде;

      Soб – суммарный объем предложения помещений в объектах, представленных на рынке;

- на рынке аренды помещений в БЦ, ТЦ, складских комплексах – доля вакантных помещений (площадей), от общего количества помещений (площадей) в объектах

Δв = Si / Soб ,

где Siсуммарный объем предложения помещений в текущем периоде;

      Soб – суммарный объем помещений в объектах, представленных на рынке.

1.6.                       Расчет доступности для населения улучшения жилищных условий

Доступность для населения улучшения жилищных условий оценивается долей населения, которой доступно приобретение жилья на рынке. Под доступным понимается жилье, которое семья может приобрести по рыночной стоимости, используя свои сбережения, накопленные из своих текущих доходов не более чем за 3 года при необходимом уровне текущих расходов, возможно, с учетом стоимости имеющейся квартиры, а также используя при необходимости ипотечное кредитование и/или государственную поддержку, и при этом ее текущих доходов достаточно для обслуживания полученного кредита с момента приобретения жилья.

В соответствии с данным определением, оценка доступности жилья проводится по дифференцированным по доходности группам населения (децильным, квинтильным и любым доступным в статистике) и дифференцированным по классу качества размерам квартир и средним удельным ценам. Для каждой выделенной группы населения по доходам и классам качества квартир производится расчет коэффициента доступности по формулам:

Кд = (αпв x V Vсуб. + Vдоп.) / (1- 2ПМ) при Ас х Iс > 12PMT(n, j), иначе  ,

где                      - средняя полная цена выделенной квартиры, тыс. руб.;

P – средняя удельная цена квартиры, тыс. руб./кв. м;

S – средняя площадь квартиры, кв. м;

            S = (SнSи) в альтернативных сделках;

            Sн – площадь новой (приобретаемой) квартиры, кв. м;

            Sи – площадь имеющегося жилья, кв. м;

            Ас – максимальная доля дохода семьи для получения кредита;

            Iс = Iд х nс - средний годовой доход семьи в выделенной группе населения, тыс. руб.;

            Iд – средний душевой доход в выделенной группе;

nс – средний размер домохозяйства (семьи), чел.;

ПМ – годовой прожиточный минимум семьи, руб.;

 – доля первоначального взноса в стоимости квартиры, %;

Vсуб. – часть стоимости квартиры, субсидируемая государством;

             – дополнительные затраты заемщика при получении кредита, руб.

Размер ежемесячного взноса за ипотеку рассчитывается по формулам:

PMT (n, j) = B0 x j / m / (1- (1 / (1 + jm)mn,

где       – сумма ежемесячных выплат по обслуживанию кредита, руб.;

            – срок кредитования, лет;

           – годовая ставка кредита, %;

           - размер ипотечной ссуды;

           - номинальная годовая ставка процента;

           - число начислений/ выплат в год (m=12).

Далее для каждого варианта жилья определяются группы населения, которым жилье доступно (коэффициент доступности не превышает 3 года), и суммарная доля этих групп населения дает оценку доступности данного варианта улучшения жилищных условий (прямой покупки, мены с учетом имеющейся квартиры, покупки/мены с использованием ипотечного кредита). Обобщенным показателем доступности улучшения жилищных условий для населения является доля населения, способная приобрести квартиру наиболее низкого класса с учетом ипотеки и зачетом имеющейся квартиры.

1.7.                       Расчет доходности инвестиций в недвижимость

Под среднерыночной доходностью инвестиций в недвижимость понимается отношение прибыли от инвестирования в совокупность операций данного вида на локальном рынке за данный период времени к совокупному объему инвестиций (затрат).

Основная формула расчета индекса среднерыночной доходности инвестиций в различные виды операций на рынке недвижимости имеет вид:

Iд = Пр./З = (В – З)/З = В/З – 1,

где Пр. – прибыль от реализации совокупности инвестиционных проектов, руб.;

       В – выручка от реализации инвестиционных проектов, руб.;

       З – затраты на реализацию проектов, руб.

Виды инвестиционных операций на рынке недвижимости:

- спекулятивное инвестирование в приобретение готового объекта недвижимости на вторичном или первичном рынке с целью дальнейшей дилерской продажи без внесения изменений в объект в расчете на рост рыночной стоимости (извлечение дохода только от роста капитала – дилерские операции);

- консервативное инвестирование в приобретение готового объекта недвижимости на вторичном рынке без внесения изменений в объект в течение инвестиционного срока с целью извлечения дохода от эксплуатации (например – сдачи в аренду) и последующей продажи (рентные операции);

- инновационное инвестирование в создание нового или изменение существующего объекта недвижимости с целью извлечения дохода от реализации на первичном рынке нового продукта в виде продажи, сдачи в аренду и др. (девелоперские операции).

Для дилерских и рентных операций, где инвестирование производится в виде одномоментных затрат на приобретение объекта недвижимости, основная формула расшифровывается в виде:

Iд = Пр./З = (В – З)/З = В/З – 1 = (Рс / (Рб х Кд.з.) – 1), 1/год,

где Рс – средняя по рынку в текущем периоде удельная цена продажи недвижимости, руб./кв. м, или средняя арендная ставка, руб./кв. м в год;

      Рб – средние удельные затраты в базовом периоде на приобретение недвижимости, руб./кв. м;

      Кд.з. – коэффициент дополнительных затрат.

Коэффициент дополнительных затрат Кд.з. при дилерских операциях отражает транзакционные затраты, коммунальные расходы и может быть принят равным 1,05-1,10. При рентных операциях дополнительные затраты включают также ремонт помещений, меблировку и ремонт мебели, и кроме того – снижение выручки в связи с наличием вакантных площадей. Значения коэффициента могут достигать 1,3-1,4.

Индекс может выражаться в процентах годового дохода:  

Iд = (Рс / Рб х Кд.з.) -1) х 100%,  %/год.

Индекс доходности инвестиций в девелопмент рассчитывается как отношение суммарного дохода от все реализуемых проектов на рынке к суммарным затратам за период:

Iд = (((Рс х Q x Sкв.ср.) / (Сс х SF х Кдз)) – 1), %/год,

где Рс – средняя удельная цена на первичном рынке;

      Q – объем поглощения на первичном рынке, шт.;

      Sкв.ср. – средняя площадь квартиры;

      Сс – средняя стоимость строительства 1 кв. м жилья, руб.;

      SF – суммарная площадь профинансированного строительства, кв. м;

      Кдз – коэффициент дополнительных затрат девелопера, отражающий различие между стоимостью строительства 1 кв. м по методике Росстата и полной (инвестиционной) стоимостью строительства для девелопера.

1.8. Среднесрочное и краткосрочное прогнозирование развития жилищного рынка

Комплексное среднесрочное (на 3-5 лет) прогнозирование жилищного рынка производится по специальной методике, позволяюшей рассчитать прогноз ценовой ситуации, объемов строительства, ввода, предложения, поглощения жилья и ипотеки на первичном и вторичном рынке. В отдельных случаях эта методика используется для краткосрочного прогнозирования (на глубину 1 года).

Методика основана на использовании блочно-модульной имитационной (пошаговой) итерационной модели с обратными связями.

Имитационный тип модели отражается в последовательном расчете всех показателей на глубину одного шага (один календарный год) и использовании результатов расчета в качестве исходных данных на следующем шаге.

Итерационный характер модели заключается в том, что на каждом шаге сначала рассчитываются предварительные значения прогнозируемых показателей на текущий год по данным о состоянии рынка  по соотношению спрос/предложение в конце предшествующего года, а затем они в одной или более итерациях корректируются на основе последовательного уточнения прогноза состояния рынка и типа рынка в текущем году.

Блочно-модульная структура модели подразумевает включение наряду с одноуровневыми блоками также автономных блоков-модулей, позволяющих при необходимости рассчитывать исходные данные к основным блокам (двух-трехуровневая структура модели).

Методика использует в качестве базовых исходных данных объявленные планы и прогнозы федеральных, региональных, муниципальных властей в части макроэкономических параметров и отраслевых показателей развития рынка недвижимости.

Возрастание роли государства в экономике, особенно в период кризиса, сопровождалось в последние годы повышенным вниманием к стратегическому и среднесрочному прогнозированию как на федеральном, так и на региональном и местном уровне. Параметры прогнозов развития экономики в целом и отдельных отраслей и сегментов становятся жестким ориентиром для всех руководителей и нацеливают их внимание на безусловное достижение заданного уровня. Однако, в части параметров рынка недвижимости эти прогнозы недостаточно детализированы. Кроме того, недостаточная обоснованность прогнозов, сопровождаемая изменением внешних условий функционирования экономики и рынка недвижимости, приводит к их неожиданным и слишком частым корректировкам. Поэтому одной из особенностей разрабатываемой методики является, наряду с использованием официальных прогнозов в качестве предварительных ориентиров, их детализация и проверка. 

Кроме того, условием работы методики является наличие еще одного вида исходных данных - результатов регулярного мониторинга первичного и вторичного рынка жилья региона (по показателям объемов ввода, строительства, предложения, поглощения жилья, спроса, доли ипотечных сделок, размеров предлагаемых на рынке квартир, уровня цен, эластичности предложения на вторичном рынке по цене и др.) и результатов углубленного исследования рынка (типология рынка, закономерности циклического развития рынка, классификация жилья, сегментация спроса по уровню доходов покупателей, потребительским предпочтениям относительно классов качества жилья, желаемой площади приобретения в прямых и альтернативных сделках, доли нерезидентов в общем количестве домохозяйств – приобретателей жилья, доли инвестиционного (спекулятивного) спроса на жилье).

Подготовка рыночных исходных данных представляет собой достаточно сложную задачу, но результаты прогнозирования, получаемые с помощью данной методики, оправдывают произведенные затраты.

Основная идея методики: объем продаж (поглощения площадей) всегда ниже минимальной из трех величин - спроса-потребности, предъявленного платежеспособного спроса и объема предложения.

По результатам прогнозирования на текущий год производится расчет и сопоставление этих показателей, и минимальное значение из них используется как ограничение для прогноза объема поглощения.

В соответствии с итерационным характером модели, это позволяет в порядке обратной связи корректировать заданные на следующий прогнозный год исходные данные об объеме предложения и ввода жилья, потребности в жилье с учетом индикатора соотношения спрос/предложение (4 значения индикатора).

Кроме того, индикатор соотношения спрос/предложение, темп роста цен на жилье в предшествующем году и темп роста доходов в текущем году используются для определения индикатора типа рынка (6 значений индикатора), что служит основанием для прогнозирования темпов роста цен в текущем году. Эта величина также передается в порядке обратной связи для корректировки заданных исходных данных о покупательной способности населения на рынке жилья, спросе на ипотечное кредитование, доступности жилья и ипотечных кредитов.

Структура модели включает 7 блоков (рис. 4).

Рисунок 4. Структура модели развития локального рынка жилой недвижимости

В Блоке 1 определения объема жилфонда, потребности городского населения в жилье и объема предложения на вторичном рынке рассчитывается потребность городского населения в жилье как разность желаемой обеспеченности качественным и комфортным жильем городского населения и текущей обеспеченности, с учетом прогнозируемого (в блоке 5) изменения объёма жилищного фонда за счет нового строительства, а также планируемых объемов сносимого/выводимого (ветхого, под переселение и т.д.) жилья и планируемого объема реконструкции, капитального ремонта. Рассчитывается потенциальный объем предложения на вторичном рынке как произведение объема жилфонда и доли квартир в обороте.

Желаемый (на период прогнозирования) средний уровень обеспеченности определяется на основании утвержденной Стратегии развития жилищного строительства и уточняется с использованием социологических опросов населения.

Фактический (на начало периода прогнозирования) средний уровень обеспеченности жильем городского населения рассчитывается как отношение прогнозируемого на текущий год объема жилого фонда городов (поселений городского типа) минус объем некачественного жилья (подлежащего капитальному ремонту и реконструкции) с учетом планируемого объема ремонтируемого и выводимого (ветхого, под переселение и т.д.) жилого фонда к численности населения. 

Потенциальный объем предложения квартир (площадей) на вторичном рынке  для базового года задается в исходных данных, для остальных в исходной итерации вычисляется как произведение объема жилфонда на долю квартир в обороте в предшествующем году (задается в исходных данных в зависимости от состояния рынка по соотношению спрос/предложение):

Результаты расчета в блоке 1 передаются в Блок 5.

В Блоке 2 на основании данных о планируемом властями объеме ввода жилья определяется потенциальный (предварительный) объем ввода, строительства, предложения жилья в текущем году с учетом состояния рынка по соотношению спрос/предложение. Выходные данные блока 2 передаются в Блок 5.

В Блоке 3 определения объема предложения ипотеки (в натуральном выражении) по данным о планируемом денежном объеме кредитования рассчитываются объемы предложения в натуральном выражении (в кредитуемых площадях – с учетом текущих цен и в количестве кредитов – с учетом площади квартир) на первичном и вторичном рынках.

Выходные данные блока 3 передаются в Блок 5.

В Блоке 4 производится определение объема предъявленного платежеспособного спроса населения, с учетом уровня доходов населения в текущем году и его дифференциации по различным доходным группам. Производится расчет объема спроса  населения (собственные сбережения, зачет имеющегося жилья, ипотечное кредитование), нерезидентов (иммигрантов) и инвесторов (спекулятивный спрос) на городское жилье в натуральном выражении (с учетом размеров квартир и уровня цен на жилье) и доли предъявленного спроса от общего количества, а также с учетом доли нерезидентов/инвесторов относительно спроса резидентов, заданной в исходных данных в зависимости от типа рынка.

Результаты расчетов в Блоке 3 передаются в Блок 5.

В Блоке 5 производится сопоставление объема потребности населения региона в жилье, объема потенциального предложения жилья и объема предъявленного спроса на жилье. Выполняется сопоставление спроса на ипотечные услуги и объема предъявленного предложения ипотечных кредитов, а также объема предложения квартир, и по минимальному значению фиксируется объем поглощения ипотеки. Определяется объем спроса с перетеканием (с первичного рынка на вторичный или наоборот в случае избыточного спроса на одном и дефицита спроса на другом сегменте), затем выполняются логические операции по сопоставлению рассчитанных в Блоках 1-4 объемов спроса-потребности, спроса с перетеканием и предложения на рынке, и по результатам сопоставления выбирается минимальное значение (ограничение), затем вычисляется объем поглощения площадей с учетом коэффициента поглощение/ограничение, соответствующего ранее определенному значению индикатора состояния рынка по соотношению спрос/предложение. Вычисляется предварительный уровень доходности инвестиций в девелопмент и изменение предварительного объема строительства и предложения жилья. По данным о предварительных значениях объема предъявленного спроса, предложения, строительства, ввода и выбранным значениям коэффициентов, соответствующих ранее определенному состоянию рынка, рассчитываются прогнозные значения объемов предъявленного спроса на жилье и ипотеку, предложения, строительства, ввода с дифференциацией по категории рынков и классам качества.

В Блоке 6 определяется тип рынка и выполняется прогноз динамики цен на жилье на конец исследуемого года. По данным о состоянии рынка по соотношению спрос/предложение (из Блока 4), темпах роста цен в предшествующем году и планируемых государством темпах роста доходов населения в текущем году производятся логические операции по определению типа рынка. Производится выбор соответствующей регрессионной модели. По выбранной модели рассчитываются прогнозируемые на конец текущего года средние удельные цены на жилье в дифференциации по категории рынков и классу качества. Результаты передаются в Блок 7.

В блоке 7 производится сопоставление значения индикатора спрос/предложение, полученного в предыдущем и новом цикле, и организуются итерационные циклы по уточнению прогноза.

После окончания расчетов в блоках 1-6 (исходная итерация) производится итерация 1 – выходные данные Блоков 4-5 передаются в Блоки 1-3, и рассчитывается уточненный прогноз (при одинаковом или изменившемся относительно предыдущего года индикаторе состояния рынка). 

Далее сравнивается значение индикатора на текущий год – исходного и полученного в итерации 1. Если они различаются, то новое значение индикатора спрос/предложение передается в блоки 2-3, и  выбираются в исходных данных новые коэффициенты ввод/строительство, строительство/предложение, предложение/поглощение, спрос/ поглощение, а также другие зависящие от этого соотношения параметры (доли предъявленного спроса населения, нерезидентов, инвесторов и др.) для использования при расчетах уточненных показателей в Блоках 3-5. Одновременно в блоках 1-3 используются новые значения уровня цен на жилье.

Расчет следующей итерации проводится при условии изменения индикатора состояния и/или индикатора типа рынка в предыдущей итерации. Если же изменения индикаторов не произошло, то результаты данной итерации принимаются за окончательный прогноз соответствующего года (рис.3).

да

 
Рисунок  3. Алгоритм Блока 7 (организация интераций) модели развития локального рынка жилой недвижимости

2. Макроэкономические и институциональные условия развития рынка городского жилья: состояние и перспективы

По данным МВФ [20], в 2017 году начался синхронный рост мировой экономики: все семь крупнейших экономик мира – США, Китай, Германия, Япония, Франция, Великобритания, Индия – выросли более чем на 1,5%. И впервые после финансового кризиса росли все 45 стран, которые отслеживает ОЭСР. МВФ повысил прогноз по росту мирового ВВП до 3,9% в 2018 и 2019 гг., отметив «наиболее полномасштабное синхронное ускорение мирового роста с 2010 г.».

На этом фоне, по мнению экспертов Института народнохозяйственного прогнозирования РАН [21], фактическое развитие российской экономики в 2017 г. во многом не совпало с теми ожиданиями, которые сформировались в экспертном сообществе в конце 2016 г. Прежде всего, в прошедшем году не произошло устойчивого восстановления макроэкономической динамики. Хотя по итогам года рост ВВП составил 1,5%, сохранялась значительная волатильность внутригодовой экономической динамики (рис. 5).

 


Рисунок 5. Динамика ВВП РФ по данным Росстата

В то же время, в обновленном трехлетнем прогнозе Минэкономразвития [22] в качестве стартового показателя используется рост ВВП за 2017 г. в 2,1%. Базовый и целевой сценарии прогноза Минэкономразвития предполагал, что ВВП в 2018 году тоже будет на уровне около 2,1%, а дальше будет расти до 2,5-3%. Консервативный сценарий включал падение до 0,8% в 2018 году и выход на 1,5% к 2020. С учетом фактического результата за 2017 год, прогноз 1,5% выглядит наиболее сбалансированным на ближайшие 3 года.

В экономическом мониторинге РАНХиГС [23] говорится, что экономика России возвращается к циклическому росту, но без структурных реформ он будет невысоким – около 1,5–2% в год. Рост ускорится, считают эксперты, если власти решатся на бюджетный маневр: сократят непроизводительные расходы и увеличат расходы на образование, здравоохранение и инфраструктуру.

Одновременно Внешэкономбанк опубликовал свои данные за четвертый квартал 2017 г. [24]. По ним рост ВВП в 2017 г. оказался меньше, чем у Росстата - 1,4% [25].

По данным Росстата, потребление домашних хозяйств выросло на 3,4%. Дефлятор ВВП вырос на 5,5%, дефлятор потребления – на 3,3%. Номинальные доходы населения составили 55,1 трлн.руб. (прирост 1,8%), в т.ч. оплата труда 22,7 трлн.руб.(прирост 2,3%) и оплата труда, включая скрытые доходы – 44,0 трлн.руб. (прирост 7%). Сбережения населения по итогам 2017 г. оцениваются в 4,6 трлн.руб. (падение на 24,6%).

Как было показано авторами в работе [5] - одна из макроэкономических функций рынка недвижимости заключается в возврате скрытых доходов населения в ВВП страны. Поэтому представленная картина почти трехкратного увеличения доли скрытых доходов населения по отношению к доле оплаты труда и критического расходования сбережений населения в 2017 году является макрофинансовым фактором возможного роста платежеспособного спроса на рынке недвижимости.

Вместе с тем, значительно более существенным фактором для рынка недвижимости является динамика не номинальных, а реальных располагаемых доходов населения, которые, по данным Росстата, в годовом выражении падали последние 4 года (за исключением января 2017 года, когда произошла выплата единовременного пособия пенсионерам). Необходимо отметить, что в 2017 году падение составило только 1,7%, что значительно меньше, чем в 2016 году, когда падение достигло 5,8%. И стало вторым благоприятным макроэкономическим сигналом для рынка недвижимости, хотя и пока весьма слабым.

С мая 2017 года скорость падения реальных доходов населения заметно снизилась. Если в 2015—2016 годах доходы падали на 4—6%, то в последние месяцы 2017 года величина падения в среднем составляла 1—2%.

Инфляция в России к концу 2017 года достигла исторического минимума, но инфляционные ожидания россиян по-прежнему выражаются в двузначных числах. Это связано как с продолжающимся падением реальных доходов населения, так и с недостатками информационной политики ЦБ. В январе 2018 года Росстат подтвердил предварительную оценку инфляции по итогам 2017 года в 2,7%. Это минимум с начала рыночных реформ. До этого рекордным был 2016 год, когда инфляция составила 5,4% — показатель, низкий для России, но высокий для развитых стран. Теперь же темп роста цен близок к значениям, характерным для США и еврозоны, у которых он составил по итогам прошлого года соответственно 2,1% и 1,4%. Несмотря на это, ЦБ не спешил резко смягчать монетарную политику. Даже после декабрьского сокращения ключевой ставки на 50 базисных пунктов (до 7,75%) она по-прежнему сильно превышала инфляцию. Консерватизм регулятора во многом связан с высокими инфляционными ожиданиями.

По мнению экспертов ИНП РАН [21], в экономике сформировались условия для «инфляционных качелей», то есть такой ситуации, при   которой   инфляция, опустившись до минимальных значений, может вернуться к фоновым показателям в 3,5-4%. Это создает риски очередного тура снижения реальных зарплат в частном секторе, так как бизнес реагирует на такие колебания, как правило, с определенным запаздыванием.

Подводя итоги оценки макроэкономической среды 2017 года с точки зрения прогноза ситуации на рынке недвижимости, отметим, что наиболее важным интегральным макроэкономическим показателем является рост доходов населения. Динамика прироста реальных располагаемых и номинальных доходов населения РФ, инфляции и индекса роста номинальных доходов показана на рис. 6.

 


Источник: Росстат.

Рисунок 6. Благоприятная макроэкономическая динамика 2017 года

Таким образом, в 2016-2017 году на фоне общей стабилизации и даже начала роста экономики РФ в ней еще наблюдались негативные явления. При этом пик кризиса (когда впервые отмечалось падение номинальных доходов населения) оказался пройден годом раньше, но перспективы начала восстановления с точки зрения влияния на рынок недвижимости противоречивы: реальные доходы далеки от базового уровня 2013 года и растут неустойчиво.

Изучение теоретических работ зарубежных [7-18] и отечественных [1-3,6] авторов о цикличности экономики, видах кризисов, их периодичности и продолжительности, а также собственных исследований динамики рынка недвижимости России в 1990-2016 годах [4,5] позволило прояснить ситуацию на рынке недвижимости и показать, что третий (после кризисов 1998 и 2008 года) десятилетний инвестиционный кризис экономики и рынка недвижимости, ожидаемый по аналогии в 2017 году (с продолжительностью фазы спада около двух лет), был замещен в 2014 году более мощным, структурным кризисом – кризисом смены экономической модели развития страны (рис. 7).

Источник: ООО «Стерникс Консалтинг»

Рис. 7. Виды, периодичность и продолжительность циклов и кризисов в экономике и на рынке недвижимости России

Можно показать, что, начиная с отмены крепостного права в 1861 году, структурные циклы в экономике России занимали 25-30 лет, при этом фаза роста продолжалась 20-25 лет, фаза спада – 5-7 лет. Последний (после кризиса 1990 года) структурный кризис, начавшийся в 2015 году, может быть преодолен при условии реализации необходимых структурных преобразований в 2020-2022 годах. При этом апериодические, рукотворные кризисы, наслаивающиеся на циклические (например, кризисы внешних шоков) способны существенно сдвинуть границы цикла и повлиять на амплитуду индикаторов рынка.

Мы предполагаем, что при достаточных усилиях государства, бизнеса и общества текущий структурный кризис, который является составной частью 30-летнего цикла развития экономики России, может быть преодолен к 2020-2022 году, после чего начнется новая фаза роста экономики РФ. Однако этот рост не будет быстрым, его темпы сохранятся на уровне 2-3%. К сожалению, такое явление для рынка недвижимости может быть охарактеризовано как стагнация с неопределенным горизонтом.

3. Поглощение жилья и ипотеки как характеристика динамики спроса

Объем поглощения жилья и ипотеки – один из основных количественных показателей (индикаторов) состояния и тенденций жилищного рынка со стороны спроса.

На первичном рынке строительства и продажи жилья в институциональных условиях 2017 года главным показателем остается количество зарегистрированных договоров долевого строительства (ДДУ), которое за год по Российской Федерации составило 699 508 единиц.

По итогам 12 месяцев 2017 года в ТОП‑10 регионов по количеству зарегистрированных договоров участия в долевом строительстве вошли Московская область, Москва, Санкт‑Петербург, Краснодарский край, Ленинградская область, Новосибирская область, Ростовская область, Республика Башкортостан, Республика Татарстан и Красноярский край. Из десяти ключевых регионов рост количества ДДУ зафиксирован в семи субъектах, в трех регионах — падение. Наилучшую динамику изменения количества ДДУ по отношению к аналогичному периоду прошлого года (с учетом ДДУ на квартиры и на нежилые помещения в многоквартирных домах) демонстрирует г. Москва, где по данным Росреестра за 12 месяцев 2017 года число договоров увеличилось на 45,9%. Худшую динамику показала Новосибирская область, где по сравнению с аналогичным периодом прошлого года количество ДДУ уменьшилось на 19,0% (табл.1, по данным erzrf.ru).

Таблица 1. Динамика регистрации ДДУ ТОП-10 регионов за 2016-2017 гг.

Регион

Количество ДДУ

Прирост, %

За 12 мес. 2016 г.

За 12 мес. 2017 г.

1

Московская область

92 138

94 592

2,7%

2

г. Москва

48 867

71 298

45,9%

3

г. Санкт‑Петербург

57 518

62 959

9,5%

4

Краснодарский край

52 324

49 331

-5,7%

5

Ленинградская область

40 249

35 689

-11,3%

6

Новосибирская область

31 569

25 585

-19,0%

7

Ростовская область

16 682

21 183

27,0%

8

Республика Башкортостан

14 948

17 198

15,1%

9

Республика Татарстан

14 059

16 820

19,6%

10

Красноярский край

12 816

15 014

17,2%

         

По данным Банка России, за январь-декабрь 2017 года объем ипотечного кредитования для долевого строительства накопленным итогом в Российской Федерации составил 661,2 млрд. руб., что на 15,9% больше аналогичного показателя 2016 года (570,7 млрд. руб.). В декабре 2017 года побит рекорд месячного объема выданной ипотеки для долевого строительства, который ранее был установлен в феврале 2016 года. 

Объем ипотечных кредитов, выданных для долевого строительства в Российской Федерации в декабре 2017 года, увеличился на 18,4% по сравнению с декабрем 2016 года (85,0 против 71,8 млрд. руб. годом ранее).

Накопленным итогом за январь‑декабрь 2017 года объем ипотечного кредитования для долевого строительства в Российской Федерации составил 661,2 млрд. руб., что больше аналогичного показателя 2016 года (570,7 млрд. руб.) на 15,9%.

Рост объема ипотечных кредитов для долевого строительства на 18,4% в декабре 2017 года по сравнению с декабрем 2016 года сопровождался ростом объема всех видов кредитов на 39,9% (1065,4 против 761,8 млрд. руб. годом ранее), а также ростом всех видов ипотечных жилищных кредитов на 58,1% (290,5 против 183,7 млрд. руб. годом ранее). Динамика прироста представлена на рис. 7.

По данным Росреестра

Рисунок 7. Динамика объема ипотечного кредитования по кварталам 2015 - 2017 гг. по России

Очевидно, что рост ипотечного рынка следовал за снижением инфляции, ключевой ставки ЦБ и ставки ипотеки (рис.9).

По данным ЦБ РФ

Рисунок 9 ─ Динамика помесячного изменения средневзвешенной ставки по ИЖК и ключевой ставки ЦБ РФ за 2014-17 гг, %

Рассмотрим динамику сделок на жилищном рынке Московского региона.

В декабре 2017 года Росреестр по Москве зарегистрировал 6 689 договоров участия в долевом строительстве (ДДУ) жилья, что на 37% больше, чем в декабре 2016 года (4 859). Всего же по итогам 2017 года в столице зарегистрировано 54 207 ДДУ на жилье, против 35 621 – в 2016 году (рост +52%) – рис.10.

Анализ факторов прогрессивной динамики на жилищном рынке позволяет объяснить, каким образом после падения объемов регистрации ДДУ в 2015 году, уже с 1 квартала 2016 года начался рост объемов поглощения: резко упавшие цены на первичном рынке Москвы и начало макроэкономической стабилизации привели к возвращению отложенного спроса, в том числе за счет перетока покупателей из области. В 1 и 2 квартале 2017 года при росте цен на нефть, укреплении рубля, снижении инфляции, уменьшении темпов падения доходов продолжался рост числа сделок на первичном рынке – до 10,5 и 13,4 тыс. соответственно, что больше того же периода прошлого года на 15,8% и 73,0%. В 3 квартале рост объема поглощения продолжался: объем сделок составил 12,8 тыс. ДДУ, что больше аналогичного периода прошлого года на 39,5%.

По данным Росреестра

Рисунок 10 ─ Динамика изменения количества зарегистрированных ДДУ в Москве по кварталам в 2014 - 2017 гг., шт.

Причину такой тенденции эксперты видят в снижении темпов падения доходов населения, инфляции и ставок по ИЖК, что уменьшает склонность к сбережению и стимулирует потребление, увеличении доли ипотеки в общем объеме поглощения на первичном рынке. Кроме того, некоторые эксперты отмечают, что в последние год-два девелоперы вследствие ужесточения ФЗ-214 отказываются от схем ЖСК, продажи по предварительным договорам в пользу ДДУ, а также резко сократили время между заключением Договора и его регистрацией в Росреестре, что в целом значительно увеличивает количество зарегистрированных ДДУ. Однако, одновременно в связи с увеличением доли квартир, продаваемых после ввода объектов в эксплуатацию (не по ДДУ, а по договору купли-продажи), количество зарегистрированных ДДУ снижается.

При этом объем сделок с квартирами на вторичном рынке Москвы последние три года сохраняет относительную стабильность. По итогам 2017 года в столице зарегистрировано 123 894 прав на основании договоров купли-продажи (мены) жилья. В 2016 году таковых было 126 045, в 2015 - 113 769.

Значительный рост отмечен и на московском рынке ипотечного жилищного кредитования. Если в 2016 году столичным Управлением Росреестра было зарегистрировано 43 876 ипотечных сделок, то в 2017 – 54 402 (+23%). При этом конец года всегда характеризуется повышенной покупательской активностью: в декабре зарегистрирован 6 961 ипотечный контракт, что на 15% больше, чем в ноябре 2017 года (рис.11).

По данным Росреестра

Рис.11 ─ Динамика регистрации ипотечных сделок по кварталам 2014 - 2017 гг. по Москве, шт.

Рост ипотечного кредитования во многом связан со снижением Центральным банком ключевой ставки, которая в течение 2017 года уменьшалась шесть раз и достигла уровня 7,75% годовых.

В то же время на вторичном рынке жилья Москвы динамика сделок купли-продажи (мены) была противоположна: снижение до минимальных значений от уровня первых кварталов за последние 3 года: в 1 квартале до 23,5 тыс., во 2 квартале до 31,2 тыс. - на 16,7% и 9,6% меньше прошедшего года. Но в 3 квартале объем поглощения на вторичном рынке Москвы вырос до 29,8 тыс., что на 5,7% больше того же периода прошлого года. И в четвертом квартале достиг 39,4 тыс. (прирост 12% по отношению к 4 кварталу 2016 г.). Причину такого изменения тенденции эксперты видят в снижении ипотечных ставок и стабилизации спроса на вторичном рынке. Вместе с тем: в декабре имело место снижение на 6% по отношению к уровню декабря 2016 г. и общий готовой итог – снижение на 2%, что свидетельствует об активном оттоке покупателей на первичный рынок.

В Московской области динамика регистрации ДДУ принципиально отличалась от Москвы (рис.12): с конца 2015 года наблюдалось снижение объема поглощения на первичном рынке от квартала к кварталу в условиях снижающихся доходов населения и оттока покупателей на подешевевший первичный рынок Москвы. В 1 квартале 2017 года объем поглощения на первичном рынке снизился относительно аналогичного периода прошлого года до 21,8 тыс. (на 13,3%). Но во втором-третьем кварталах наметилось изменение тенденции – объем поглощения вырос до 22,7 тыс. (на 8,1%) и 23,8 тыс. (на 2,4%). Эксперты объясняют этот факт изменением структуры предложения в пользу более дешевых и ликвидных квартир среднего и дальнего Подмосковья. Однако в 4 квартале поглощение ДДУ вновь снизилось до 22,8 тыс. (-4,2%).

По данным Росреестра

Рис.12 ─ Динамика изменения количества зарегистрированных ДДУ в Московской области в 2015 - 2017 гг.

Соотношение объемов поглощения на первичном рынке Москвы и Московской за 2017 год составило, соответственно 44 / 56%, т.е. доля Москвы растет, начиная с 2016 года, демонстрируя переориентирование потока покупателей на относительно дешевеющий рынок (с учетом факторов качества и местоположения).

На вторичном рынке Московской области число зарегистрированных сделок с жильем третий год подряд (начиная с 1 кв. 2015 года) продолжало снижаться, и по итогам за год составило 49 392 единиц (- 20% к 2016 г.).

4. СТРОИТЕЛЬСТВО, ВВОД, ПРЕДЛОЖЕНИЕ

4.1. Объем текущего строительства

Объем текущего строительства есть разность двух противоположно направленных величин – объема вновь начатого строительства и объема ввода. Объем вновь начатого строительства в РФ в последние два года снижался, но еще более быстрыми темпами снижался объем ввода, в результате до середины 2017 года текущий объем строительства повышался.

Так, по данным ЕРЗ, каждый из застройщиков жилья, входящих в ТОП-10, допустил перенос изначально объявленных в проектных декларациях сроков ввода жилья хотя бы по одному из домов, сданных в 2017 году. 74% введенного лидерами рынка жилья имеют переносы сроков ввода. Уточнение запланированных сроков ввода жилья, как правило, составляет до 3-х месяцев, что пока не приводит к срыву указанных в договорах с участниками долевого строительства сроков передачи квартир.

После достижения рекордного значения в объеме текущего строительства сентябре 2017 года (120,0 млн м²) в последние месяцы объем ввода начал расти, а объем нового и соответственно общего строительства – снижаться. По данным отчета ЕРЗ «Строительство жилья профессиональными застройщиками», за декабрь 2017 года объем текущего строительства сократился сразу на 2,8% или на 3,3 млн м².

По состоянию на декабрь 2017 г. в строительстве у застройщиков находилось 14,5 тыс. жилых домов (многоквартирные дома, дома блокированной застройки, дома с апартаментами), в которых строилось 2,35 млн жилых единиц (квартир, блоков, апартаментов) совокупной площадью 115,8 млн м². Объем текущего строительства годом ранее был равен 111,0 млн м².

Основной объем текущего жилищного строительства застройщиками приходится на многоквартирные дома. В таких домах находится 97,4% строящихся жилых единиц. На дома с апартаментами приходится 2,2% строящихся жилых единиц. Доля блокированных домов составляет 0,5% строящихся жилых единиц (табл. 2, по данным erzrf.ru).

Таблица 2. Объем текущего строительства городского жилья в РФ (дек. 2017 г.)

Вид дома

Строящихся

домов

Жилых единиц

Совокупная S

жилых единиц

ед.

%

ед.

%

м2

%

многоквартирный дом

13 115

88,7%

2 354 726

97,4%

115 437 600

96,9%

дом с апартаментами

180

1,2%

52 152

2,2%

2 624 054

2,2%

блокированный дом

1 492

10,1%

9 950

0,4%

1 053 582

0,9%

Общий итог

14 787

100%

2 416 828

100%

119 115 236

100%

В целом в декабре застройщики жилья в РФ осуществляли строительство 5 074 жилых комплексов в 82 регионах.

При этом более половины жилищного строительства по-прежнему сосредоточено всего в шести регионах. Наибольший объем жилищного строительства ведется в Московской области — 13,4% совокупной площади жилых единиц. На второе место вышла Москва с долей текущего строительства 10,8%. Санкт‑Петербург опустился на третье место (10,5%). Далее с большим отрывом идут Краснодарский край (7,1%), Ленинградская (5,6%) и Новосибирская области (3,0%).

В Москве в 2017 г. продолжилась ощутимая консолидация рынка строительства жилья. Почти половину жилья в столице ввели пять компаний, отмечал портал «Вести. Недвижимость». В их числе мэрия Москвы назвала ГК ПИК, MR Group, Управление гражданского строительства (казенное предприятие, строит за счет бюджетного финансирования), ГК «Абсолют» и Группу ЛСР. Поэтому неудивительно, что, несмотря на скромную динамику рынка в целом, практически все лидеры отрасли в Москве, отчитавшиеся за прошлый год, заявили о высоких темпах роста и о двузначном росте выручки.

Переход к проектному финансированию в этом контексте — еще один шаг властей, который в долгосрочной перспективе приведет к тому, что отрасль жилищного строительства будет представлена несколькими десятками крупных игроков, а не тысячами, как сейчас.

В таких условиях объемы ввода нового жилья на какое-то время сократятся, однако этот временный негативный эффект строительство преодолеет. Впрочем, риск низкой девелоперской активности сохранится, поскольку теперь финансирование всей отрасли будет находиться в прямой зависимости от ситуации в экономике и кредитно-денежной политики регулятора. Девальвация и резкий рост ставок по кредитам могут остановить все новые проекты.

В контексте данного прогноза Надежда Косарева, президент Фонда «Институт экономики города», в интервью порталу ЕРЗ отметила, что меняется институциональное устройство рынка, он должен к этому адаптироваться, поэтому объемы строительства могут снизиться на 10-20%, и для полного перехода от долевого строительства жилья к проектному финансированию потребуется не менее пяти лет.

4.2. Объем ввода жилья

Снижение объемов вновь начатого строительства привело с снижению с 2016 года и объемов ввода жилья. По данным Росстата, объем ввода жилья в России за 12 месяцев 2017 года составил 78,6 млн кв. м, что на 2% меньше, чем годом ранее, когда было введено в строй 80,2 млн кв. м (рис. 13). Речь идет о суммарном вводе как многоквартирного жилья, так и частных односемейных домов.

 


Источник: Росстат

Рис. 13. Динамика ввода многоквартирного жилья по столичным регионам РФ за 2005-2017 гг.

Ввод многоквартирных домов за январь-декабрь 2017 года в РФ составил 45,9 млн м2, что на 5,3% или на 2,5 млн м2 меньше аналогичного значения за 2016 год. На рис. 13 отражена сравнительная семилетняя динамика общего ввода жилья по РФ и столичным регионам.

По данным Росстата в Москве наблюдалось повышение объемов ввода многоквартирного жилья в 2017 году с 3,39 до 3,42 млн кв. м – на 1,0% (при этом в Новой Москве – снижение с 1,7 до 1,0 млн кв. м), в Московской области – снижение с 8,91 до 8,80 млн кв. м – на 1,1%. В Санкт-Петербурге – рост с 3,12 млн до 3,54 млн кв. м – на 13,5% (рис. 13).

Полученные данные позволяют сделать вывод, что объем ввода индивидуальных домов по РФ в 2016 тоже снизился, а в 2017 несколько вырос на фоне снижения общего объема ввода за счет многоквартирных домов.

4.3. Объем предложения

Динамика объемов поглощения жилья и ипотеки отражает динамику предъявленного платежеспособного спроса населения на рынке недвижимости. Вместе с тем, для анализа ценовой ситуации на рынке необходимо предварительно проанализировать динамику объема предложения, поскольку изменение цен определяется соотношением спрос/предложение.

Снижение спроса и поглощения жилья в 2015 году привело к росту объема «зависшего» в прайсах предложения в Московском регионе (рис. 14, 15).

На жилищном рынке Москвы (рис. 14) рост предложения на вторичном рынке произошел с апреля-мая и продолжался до конца 2015 года (с 38-40 тыс. до 52-56 тыс. квартир в месяц). В январе-августе 2016 года объем предложения несколько снизился (до уровня апреля 2015 года). «Зависание» предложений вследствие снижения темпов поглощения вместе со снизившимся спросом привело к снижению цен на рынке, а в 2016 году сокращение объема предложения вследствие роста поглощения способствовало стабилизации ценового тренда. В 1 квартале 2017 года среднемесячный объем предложения снизился до 42,5 тыс. – до уровня начала 2015 года, в апреле  – до 40,5 тыс., в мае – 42,4 тыс., в июне – 42,8 тыс. Это связано, по мнению экспертов, со снятием квартир с продажи в условиях низкого спроса.

В июле объем предложения вырос – до 44,5 тысяч, в августе составил 44,1 тыс., в сентябре подрос до 45,9 тыс., а затем с октября по декабрь 2017 г. последовательно снижался, соответственно, до 43,9-41,8-38,9 тыс. квартир.

Такое снижение свидетельствует об ожиданиях продавцами существенного роста цен в неизвестном будущем, т.е. в настоящее время владельцы считают свои квартиры недооцененными рынком. Это ожидание основано исключительно на недавних исторических данных и не учитывает возможности длительной стагнации рынка и даже «тектонического» сдвига уровня рынка вниз навсегда, как результата общеэкономического структурного сдвига, при котором квадратный метр жилья, вслед за баррелем нефти, перестает быть сверхприбыльным спекуляционным инструментом.

На первичном рынке продолжающееся увеличение объема предложения произошло с августа 2015 года (с 17-18 тыс. до 30-38 тыс. квартир в месяц), во втором полугодии 2016 года выросло до 40-43 тыс., а затем в декабре – до 48,7 тыс., а в 1 квартале 2017 года составило рекордные 50,4 тыс., в июне достигло 52,5 тыс.

В июле-сентябре объем предложения продолжал увеличиваться – до 53,7-53,1-53,3 тыс. соответственно. Это произошло за счет выхода на рынок новых очередей (корпусов) в проектах, начатых в благополучные годы, даже несмотря на снижение количества вновь начатых проектов и рост объемов поглощения.

Однако далее до конца года объем последовательно снижался с октября по декабрь до 52,6-52,1-51,1 тыс. квартир, что связано с увеличением в конце года объема поглощения.

 


Источник: ГК МИЭЛЬ

Рисунок 14. Динамика предложения на первичном и вторичном рынках Москвы за три года

На вторичном рынке Московской области (рис. 15) объем предложения повышался с 34,8 тыс. в январе 2015 года до 53-54 тыс. в мае-июне, и далее сохранялся на уровне 50-52 тыс. квартир в месяц, но с января по декабрь 2016 года снизился до 45-46 тыс. В 1 кв. 2017 года объем предложения сначала снизился, но к июню вырос до 50,3 тыс., а в июле до 51,8 тыс. Далее объем предложения снижался и в декабре составил 46,4 тыс.

На первичном рынке увеличение объема предложения происходило плавно в течение 2015 года (с 78 тыс. до 86,6 тыс. в октябре), затем началось снижение (до 63,9 тыс. в декабре 2016 года). В 2017 г. снижение объема предложения продолжалось и в декабре составило 48,8 тыс. Такая динамика обусловлена постепенным снижением объемов нового строительства при чуть снижающемся объеме поглощения.

 


Источник: ГК «МИЭЛЬ», «МИЭЛЬ-Новостройки»

Рис. 15. Динамика предложения квартир на первичном и вторичном рынках Московской области за три года

5. Ценовая ситуация и ОТРАСЛЕВАЯ доходность на жилищном рынке городов России

5.1. Динамика цен на вторичном и первичном рынке жилой недвижимости городов России

В Москве (рис. 16) на первичном рынке после взлета цен в конце 2014 года, в январе 2015 года продолжался рост цен предложения жилья как реакция населения на макроэкономический шок декабря, но далее цены снижались, и в декабре 2016 снизились до 176,7 тыс. руб./кв. м (за год -3,2%). На вторичном рынке повышение цен продолжалось до марта, но затем цены снижались, с июня 2016 года стабилизировались (снижение в декабре 2016 года за год на 3,7%).

В 2017 году на вторичном и первичном рынке цены предложения были практически стабильны (незначительно колебались), и в декабре составили 210,2 и 179,9 тыс. руб./кв. м соответственно. Прирост за год составил соответственно -0,1% и -1,8%, за 2 года -3,8% и -1,5%, за три года -7,2% и -16,7%. От верхней точки перед кризисом (на вторичном рынке март 2015, на первичном январь 2015) прирост составил соответственно -14% и -17,1%.

 


Источник: Комитет МАР по аналитике и консалтингу по данным ГК МИЭЛЬ, «МИЭЛЬ-Новостройки», ООО «Стерникс Консалтинг»

Рис. 16. Динамика средних цен предложения квартир на первичном и вторичном рынках Москвы за три года

В других регионах ценовая динамика на жилищном рынке показана на рис. 17-19.

Динамика цен в городах с уровнем цен 80-110 тыс. руб./кв. м показана на рис. 17. В Санкт-Петербурге цены на жилую недвижимость были достаточно стабильны, а на вторичном рынке даже начали расти. В Московской области на вторичном рынке цены в 2015-2016 годах снижались, в 2017 году – стабилизировались, на первичном – незначительно снижались, в 2016 году сравнялись с ценами вторичного рынка, в 2017 году стабилизировались. Во Владивостоке цены на вторичном рынке в 2015-2016 годах снижались, в 2017 г. стабилизировались.

 


Источники: Комитет МАР по аналитике и консалтингу (МО), ГК «Бюллетень недвижимости» (Санкт-Петербург), ООО «Индустрия-Р» (Владивосток).

Рис. 17. Динамика цен предложения на жилищном рынке СПб, Мособласти и Владивостока

В других регионах на вторичном рынке (рис. 18) цены в 2015-2016 годах и до середины 2017 года в основном снижались, во втором полугодии 2017 года – в основном стабилизировались, а в Казани, Екатеринбурге, Тюмени, Новосибирске, Самаре, Иркутске, Тобольске, Ставрополе, Первоуральске началось повышение цен.

По итогам года из 27 городов выборки цены снизились на 4-6% в Сызрани, Тольятти, Ярославле, Нижнем Новгороде, Кемерово, Самаре, на 2-3% в Тюмени, Омске, Шахтах, Ульяновске, Первоуральске, Тюмени, Омске, Ульяновске, на 1-2% в Екатеринбурге, Воронеже, Рязани, Московской области, изменились в пределах +/-1% в Москве, Барнауле, Казани, Санкт-Петербурге, выросли на 1-2,5% в Сургуте, Ставрополе, Новосибирске, Владивостоке, Красноярске, на 5-8,5% в Перми, Иркутске, на 15,7% в Тобольске (табл. 3).

 


Источник: Публичный график динамики средних цен предложения жилой недвижимости на вторичном рынке городов России http://realtymarket.ru/Publi-nii-grafik-cen-vtori-noi-nedvijimosti-gorodo/

Рис. 18. Динамика цен предложения жилья в городах России за три года.

Таблица 3. Цены на вторичном рынке жилья городов России

(по возрастанию степени снижения)

Город

Численность населения, тыс. чел.

Средняя удельная цена предложения, тыс. руб./кв. м

Изменение, %

12.2015

12.2016

12.2017

1

Тобольск (Тюм. об.)

110,0

44,3

42,6

49,3

+15,7

2

Иркутск

606,1

57,9

52,0

56,4

+8,5

3

Пермь

1013,9

52,7

49,8

49,3

+5,0

4

Красноярск

1017,2

54,8

51,3

52,6

+2,5

5

Владивосток

603,2

96,8

93,8

95,9

+2,2

6

Новосибирск

1523,8

60,4

58,4

59,6

+2,1

7

Ставрополь

412,3

37,6

38,9

39,5

+1,5

8

Сургут (Тюм. об.)

340,0

71,3

69,0

69,8

+1,2

9

Санкт-Петербург

5128,0

103,0 

106,0

107,4

+0,8

10

Казань

1176,2

65,3

68,4

68,9

+0,7

11

Барнаул

691,1

46,5

44,0

44,0

0

12

Москва*

11979,5

218,5

212,0

210,2

-0,8

13

Московская обл.**

5800,0

90,9

81,9

81,0

-1,1

15

Рязань

534,8

45,8

44,2

43,7

-1,1

15

Воронеж

1032,4

45,8

44,4

43,6

-1,2

16

Екатеринбург

1429,4

70,7

68,1

67,3

-1,2

17

Первоуральск (Сверд. об.)

125,4

38,6

36,8

36,1

-1,9

18

Ульяновск

638,1

41,2

39,6

38,7

-2,3

19

Шахты (Рост. об.)

237,6

34,8

34,6

33,8

-2,3

20

Омск

1178,1

46,7

44,3

43,2

-2,5

21

Тюмень

657,0

58,9

60,8

59,3

-2,5

22

Самара

1171,7

62,6

62,1

59,6

-4,0

23

Кемерово

540,1

49,1

45,7

44,3

-4,1

24

Нижний Новгород

1266,9

68,4

64,9

62,3

-5,0

25

Ярославль

604,0

53,6

51,3

48,6

-5,3

26

Тольятти (Сам. об.)

719,1

44,8

41,2

39,3

-5,3

27

Сызрань (Сама. обл.)

174,6

42,4

39,0

36,7

-5,9

28

Владимир

350,5

52,7

51,1

н/д

-

29

Смоленск

331,0

46,9

43,4

н/д

-

30

Киров

508,1

47,7

44,1

н/д

-

        Примечание: *Москва – с учетом присоединенных территорий

                             **Московская область – численность городского населения.

На первичном рынке изменения средних цен предложения жилья в 13 городах выборки в 2017 году были разнонаправленными (рис. 19). В декабре по отношению к декабрю прошлого года цены снизились в Самаре (на 13,1%), Кемерово и Санкт-Петербурге (на 1-3%). выросли на 1-2% в Ставрополе, Ярославле, Ростове-на-Дону, Москве, Новосибирске, на 3-4% в Сургуте, Казани, Московской области, на 6-7% в Тюмени и Тобольске (табл. 4).

 


Источники: Екатеринбург - ООО "Риэлтерский информационный центр", Новосибирск – RID Analytics, Сургут, Тобольск - ФРК «Этажи», Казань - www.tatre.ru, Уфа – САН «Эксперт», Тюмень - «UPConsAllt», ФРК «Этажи», Самара – СОФЖИ, Ростов-на-Дону – ЕМТ Консалтинг, Ярославль – ООО «Метро-Оценка», Красноярск – АН «Аревера-Недвижимость», Омск – ООО  «ОМЭКС»,  Кемерово - ООО «Сибград-девелопмент», Рязань - Агентство Печати и информации, Ульяновск – ООО «Центр недвижимости», Ставрополь – ООО «Центр Илекта»,.

Рис. 19. Динамика цен предложения жилья в городах России за три года. Ч.2

Таблица 4. Цены на первичном рынке жилья городов России

(упорядочено по снижению прироста за 2017 год)

Город

Средняя удельная цена предложения, тыс. руб./кв. м

Изменение, %

12.2015

12.2016

12.2017

1

Тобольск

44,7

46,3

49,3

+6,5

2

Тюмень

55,1

53,4

56,6

+6,0

3

Московская обл.

81,3

81,9

85

+3,8

4

Казань

62,9

66,7

69,1

+3,6

5

Сургут

60,2

61,0

63,2

+3,6

6

Новосибирск

60,4

58,8

59,9

+1,9

7

Москва

216,0

176,7

179,9

+1,8

8

Ростов-на-Дону

50,6

51,3

52,0

+1,4

9

Ярославль

52,9

49,8

50,6

+1,6

10

Ставрополь

34,8

35,9

36,3

+1,1

11

Санкт-Петербург

100,4

101,7

100,6

-1,1

12

Кемерово

42,0

40,7

39,6

-2,7

13

Самара

57,0

53,3

46,3

-13,1

14

Екатеринбург

66,4

63,1

н/д

-

15

Рязань

38,0

38,5

н/д

-

16

Ульяновск

36,4

36,2

н/д

-

17

Омск

42,8

40,5

н/д

-

18

Уфа

57,0

58,3

н/д

-

5.2. Динамика арендных ставок

На рынке аренды квартир в Москве после снижения в 2015-2016 годах, в 2017 году наблюдается (рис. 20) стабильность средней стоимости найма (колебания в пределах статистической погрешности).

Источник: ГК «МИЭЛЬ»

Рис. 20. Динамика ставок аренды квартир в Москве за три года

5.3. Доходность инвестиций в жилую недвижимость

Доход рантье от сдачи в аренду принадлежащей ему квартиры (не требующей инвестирования - приватизированной, унаследованной, давно приобретенной), вычисляемый как сумма арендной платы за 12 предшествующих месяцев (без учета операционных расходов), в 2017 году составил в среднем по Москве 509,1 тыс. руб., в том числе в массовом сегменте 422,4 тыс. руб., в престижном – 1027,5 руб. Относительно предшествующего года он вырос на 1,6%, 1,2% и 0,6% соответственно (рис. 21).

Источник: ООО «Стерникс Консалтинг» по данным ГК «МИЭЛЬ»

Рис. 21. Динамика доходности рынка аренды квартир в Москве за три года

Доходность инвестиций в недвижимость определяется динамикой объемов поглощения, цен и арендных ставок, а также затратами на строительство объектов недвижимости.

В течение последних двух лет снижалась доходность инвестиций во все виды операций на рынке недвижимости – дилерские операции на рынке купли-продажи квартир, рентные операции на рынке приобретения и сдачи в аренду, девелоперские операции на рынке строительства и продажи.

Доходность инвестиций в дилерские операции, вычисляемая как отношение средней удельной цены на вторичном рынке в текущем месяце (в момент возврата инвестиций) к средней удельной цене в том же месяце прошлого года (в момент инвестирования) без учета операционных затрат, в марте 2017 года повысилась до -0,7%, хотя и осталась отрицательной, а в апреле-мае перешла в положительную плоскость и далее колебалась вблизи нуля (рис. 22).

Источник: ООО «Стерникс Консалтинг», ГК МИЭЛЬ

Рис. 22. Динамика доходности инвестиций в куплю-продажу квартир на вторичном рынке Москвы за три года

Доходность инвестиций в рентные операции, вычисляемая как отношение годового дохода от аренды к средней полной цене квартир в текущем месяце (без учета операционных расходов), в 1 квартале 2017 года снизилась до 3,1%, срок окупаемости вырос до 32,3 года. В апреле доходность выросла, но в июне-июле опять снизилась до 2,7%, срок окупаемости 37 лет. В декабре доходность составила 3,2%, срок окупаемости снизился до 31,2 года (рис. 23).

Источник: ООО «Стерникс Консалтинг», ГК «МИЭЛЬ»

Рис. 23. Динамика доходности инвестиций в рентные операции на рынке жилья в Москве

Доходность инвестиций в девелоперские операции (рис. 30), вычисляемая как отношение суммарной годовой прибыли от всех продаж на рынке к суммарным затратам на строительство жилой недвижимости, в Москве после кризиса 2008 года в 2010 году составляла -92,4% (достраивались отдельные объекты с высокой степенью готовности, новые объекты практически не выводились на рынок), в 2011 году  -49,0% (началось новое строительство и продажи).

 


Источник: ООО «Стерникс Консалтинг»

Рис. 23. Динамика доходности инвестиций в девелопмент жилой недвижимости Москвы за семь лет

В 2012 году доходность выросла до 18,5% (строительный бум на рынке Москвы), в 2013 году – 3,9% (снижение потока прибыли после присоединения к Москве новых территорий с вдвое меньшими ценами реализации), в 2014 году – 11,4% (высокая активность на рынке, рост продаж). В 2015 году доходность упала до -5,5% в связи с падением объема продаж и цен реализации. В 2016 году доходность продолжала несколько снижаться (-5,6%) вследствие роста стоимости строительства.

В 2017 году в связи со стабилизацией цен, повышением объемов поглощения и несмотря на увеличение объемов строительства доходность относительно себестоимости выросла до 69,5%, а относительно полной (инвестиционной) стоимости перешла в положительную зону и составила +9,3%. Это предвещает дальнейшее увеличение количества вновь строящихся объектов и в перспективе – повышение объемов ввода жилья.

Необходимо отметить, что расчет доходности относительно себестоимости (сметной стоимости проектов) по данным Росстата дает в 2012 году величину 81,9%, и к 2017 году она составила до 69,5%, что, по общему мнению девелоперов, не отражает соотношение их выручки и затрат. Это еще раз подчеркивает необходимость перехода к расчету по полным затратам при управлении проектами как для девелоперов, так и для муниципальных органов управления.

5.4. Сопоставление основных индикаторов жилищного рынка

Анализ динамики отдельных показателей жилищного рынка дает неоднозначную картину тенденций и перспектив рынка. Его необходимо дополнить сопоставлением различных показателей (индикаторов) с целью определения соотношения спрос/предложение как ключевого фактора ценообразования.

Ниже показаны графики основных индикаторов жилищного рынка Москвы – предложения, спроса, поглощения, цен. Видно, что на первичном рынке предложение со середины 2015 года росло и оставалось выше спроса, но с сентября 2017 года начало снижаться, при этом спрос в 2016-2017 годах рос и в последние полгода почти сравнялся с предложением и превзошел его. В соответствии с этим цены перестали снижаться (рис. 24).

 


Источник: Комитет по аналитике МАР, ООО «Стерникс Консалтинг»

Рис. 24. Динамика предложения, поглощения, спроса и цен на первичном рынке жилья Москвы

На вторичном рынке предложение незначительно снижалось последние три года, спрос вначале снижался, с конца прошлого года начал повышаться и в последние полгода приблизился к предложению, а в последние даже превысил предложение. Это способствовало стабилизации цен и предвещает возможное их повышение (рис. 26).

 


Источник: Комитет по аналитике МАР, ООО «Стерникс Консалтинг»

Рис. 25. Динамика предложения, поглощения, спроса и цен на рынке вторичного жилья Москвы

Необходимо отметить, что в ряде публикаций специалистов рынка недвижимости под термином «спрос» понимается «поглощение» (количество сделок), что недопустимо прежде всего для первичного рынка и в какой-то степени для вторичного. В применяемой в настоящем исследовании методологии используется понятие «предъявленный спрос» — это количество покупателей, готовых приобрести жилье на рынке за собственные и заемные средства в течение ближайшего года-полугодия. При этом учитывается, что объем предложения на первичном рынке включает все (почти все) помещения в строящихся домах, не распроданные к текущему месяцу. А механизм продаж таков, что даже при избыточном спросе ежемесячно реализуется 5-10% выставленных на продажу лотов (вышедший на рынок дом распродается за год-полтора). Поэтому соотношение ежемесячного поглощения и предъявленного спроса составляет 0,2-0,3 в зависимости от состояния рынка (на вторичном рынке – 0,3-0,9).

5.5. Сопоставление прогноза ценовой динамики с фактическими данными и прогноз на 2018 год

Ретроспективная поверка прогноза ценовой динамики на жилищном рынке Москвы, рассчитанного в июне 2014 г., фактическими данными показала, что в декабре 2014 г. и начале 2015 г., в связи с макроэкономическим шоком и ажиотажным спросом на жилье, цены на вторичном и первичном рынке оказались выше прогноза на 15-16% (рис. 26). В декабре 2015 г. и 2016 г. фактические и прогнозные цены практически совпали.

В 2017 г. прогнозировалось снижение цен на 2-3% на вторичном рынке и 3-5% на первичном. Из данных рис. следует, что наш прогноз на 2017 год, рассчитанный при цене нефти 40 $/баррель (снижение цен на 3-5%), а также прогнозы остальных московских аналитиков (снижение от 10 до 20%) не подтвердились. Фактические данные показали снижение всего на 0,8% на вторичном и повышение на 1,8% на первичном. Их отклонение от прогноза составило 1-2% на вторичном рынке и 5-7% на первичном.

В 2018 г. ожидается разнонаправленное действие следующих факторов, влияющих на ценовую динамику.

Как было показано выше, цены на нефть и обменный курс основными мировыми аналитиками прогнозируются относительно стабильными с колебаниями в интервале 60-65 долл./баррель и 60-65 руб./доллар. Рост ВВП РФ прогнозируется чуть выше предыдущего года – 1,7-2,0%.

Официальные прогнозы не обещают быстрого роста экономики с наиболее вероятными темпами на уровне 2-3%. Базовый и целевой сценарии прогноза Минэкономразвития предполагают, что ВВП в 2018 г. вырастет примерно на 2,1-2,2%, как предварительно ожидалось по итогам минувшего года, а дальше может превысить 2,5-3% (только в случае реализации целевого сценария). Консервативный сценарий исходит из ежегодных темпов роста менее 1% и выход на 1,5% к 2020 г.

В экономическом мониторинге РАНХиГС [23] высказано мнение о возврате российской экономики к циклическому росту (около 1,5–2% в год). Возможности его ускорения связываются со структурными реформами, включая бюджетный маневр, заключающийся в увеличении расходов на образование, здравоохранение и инфраструктуру при сокращении непроизводительных расходов.

В 2017 году не реализовался прогноз роста реальных располагаемых доходов населения, но в текущем году это возможно ввиду начавшегося подтягивания МРОТ до величины прожиточного минимума, повышения пенсий и других выплат населению после окончания президентского электорального цикла. Кроме того, повышению спроса и предотвращению снижения цен будет способствовать новая программа субсидирования процентных ставок по ипотеке (до 6%) для отдельных групп населения.

С другой стороны, в условиях усиления санкционного давления возможно начало реализации ряда непопулярных мер, связанных с сокращением доли самозанятого населения, высвобождением работников с реорганизуемых неэффективных предприятий, что будет снижать темпы роста денежных доходов населения [3].

При таких исходных данных с учетом фактического результата в 2017 г. ценовой прогноз для жилищного рынка Москвы на 2018 г. состоит в вероятном изменении цен в пределах +/-1,5-2,0%, что означает продолжение стагнации с неопределенным горизонтом (рис. 26).

 


Источник: данные – Комитет по аналитике МАР, прогноз – ООО «Стерникс Консалтинг»

Рис. 26. Сопоставление фактических данных и прогноза цен на жилищном рынке Москвы в 2013-2017 гг.

ВЫВОДЫ

1.      Предложенная авторами методология научного анализа рынка многоквартирного жилья городов России позволила выявить факторы и тренды развития в 2017 году и спрогнозировать ожидаемые изменения 2018 года.

2.      Ценовая ситуация на жилищном рынке городов России в 2017 году определялась таким основным фактором, как рост нефтяных цен (на 30-40%), позволивший денежным регуляторам снизить ключевую ставку Центробанка до 7,75% и таргетировать инфляцию до 2,5%, а кредитным организациям – снизить ставку ипотечных кредитов до 9,5-10%. Это привело к рекордному росту объемов и доли ипотечных кредитов в общем объеме финансирования покупок, при том, что душевые доходы населения продолжали снижаться. Как следствие – в городах России в 2017 году наблюдалось повсеместное прекращение снижения цен на квартиры и переход к стагнации (стабилизации на нижнем уровне цикла).

3.      С учетом фактического результата 2017 года, ценовой прогноз для жилищного рынка большинства городов России на 2018 г. состоит в вероятном изменении цен в пределах +/-1,5-2,0%, что означает продолжение стагнации с неопределенным горизонтом. Исключение могут составлять единичные локальные рынки с высоким региональным валовым продуктом (ВРП), где может наблюдаться рост цен значительно выше средних по стране.

ЛИТЕРАТУРА

1.                  Гринин Л. Е. Кондратьевские волны, технологические уклады и теория производственных революций. Кондратьевские волны: Аспекты и перспективы / отв. ред. А. А. Акаев, Р. С. Гринберг, Л. Е. Гринин, А. В. Коротаев, С. Ю. Малков. Волгоград: Учитель, 2012. С. 222–262.

2.                  Дробышевский С. М. Анализ возможности возникновения «пузыря» на российском рынке недвижимости // Научные труды ИЭПП. 2009. № 128. 136 с.

3.                  С. Дробышевский, С. Синельников-Мурылев. Особенности роста экономики России в 2017 и 2018 годах: стимулы и ограничения // Мониторинг экономической ситуации в России. Тенденции и вызовы социально-экономического развития. № 2 (63). Февраль 2018 г., с. 7-11.

4.                  Стерник Г.М., Стерник С.Г. Методология моделирования и прогнозирования жилищного рынка: монография. — Москва: РГ-Пресс, 2018. - 584 с.

5.                  Стерник Г. М., Стерник С.Г. Анализ рынка недвижимости для профессионалов – Москва: ЭКОНОМИКА, 2009 – 606 с.

6.                  Хабибрахманов Р. Р. Влияние мирового финансового кризиса на развитие рынка недвижимости г. Казани. URL: http://realtymarket.ru/stati-kolleg/Vliyanie-mirovogo-finansovogo-krizisa-na-razvitie-rinkanedvijimosti-g.Kazani.html.

7.                  Шиллер Р. Иррациональный оптимизм: как безрассудное поведение управляет рынками / пер. с англ. М.: Альпина Паблишер, 2013. 421 с.

8.                  Brooks C., Tsolacos S. Real Estate Modelling and Forecasting Cambridge: Cambridge University Press, 2010. - 458 р.

9.                  Gotham K. F. The Secondary Circuit of Capital Reconsidered: Globalization and the U. S. Real Estate Sector / Gotham K. F. // American Journal of Sociology. 2006. No. 1.

10.              Gottlieb M. Long Swings in Urban Development / M. Gottlieb. N. Y.: National Bureau of Economic Research, 1976.

11.              Greeen R., Malpezzi S. Primer on U. S. Housing market and housing policy. Washington D. C.: The Urban Institute Press, 2003.

12.              Green R. К. Follow the leader: how changes in residential and nonresidential investment predict changes in GDP / Richard К. Green // Real Estate Economics. 1997. No. 25 (2). P. 253–270.

13.              Green R. К. Imperfect information and the housing finance crisis. A descriptive overview / Richard К. Green // Journal of Housing Economics. 2008. No. 17.

14.              Greenwood J. The allocation of capital and time over the business cycle / J. Greenwood, Z. Hercowitz // Journal of Political Economy. 1991. No. 99.P. 1188–1214.

15.              Sanders A. The Subprime crisis and its role in the financial crisis / Anthony Sanders // Journal of Housing Economics. 2008. No. 17.

16.              Seth J. Forecasting the real estate market: a cointegrated approach / J. Seth // The Faculty of the Department of Economics University of Houston. 2011. 32 p.

17.              Šmihula D. The waves of the technological innovations of the modern age and the present crisis as the end of the wave of the informational technological revolution / Daniel Šmihula. 2009.

18.              Zarnowitz V. Business Cycles: Theory, History, Indicators, and Forecasting. Chicago; London: University of Chicago Press, 1992. - 614 p.

19.               http://realtymarket.ru/monitor.html

20.              https://www.imf.org/external/pubs/ft/ar/2017/eng/pdfs/AR17-RUS.pdf

21.              https://ecfor.ru/nauchnye-izdaniya/kvartalnye-prognozy-makroekonomicheskih-pokazatelej-rf/

22.              http://economy.gov.ru/minec/about/structure/depmacro/201815011

23.              https://www.ranepa.ru/images/docs/monitoring/2018_1-62_January.pdf

24.              https://new.veb.ru/analitika/vvp-rossii-indeks-veb/

25.              http://www.gks.ru/

ОЦЕНКА СРЕДНЕРЫНОЧНОЙ ДОХОДНОСТИ ДЕВЕЛОПМЕНТА ПРИ ПРОГНОЗИРОВАНИИ РЫНКОВ ЖИЛЬЯ

Стерник Геннадий Моисеевич, к.т.н., Председатель Комитета по консалтингу и аналитике Московской ассоциации риэлторов

gm_sternik@sterno.ru

+7 (964) 556-72-32

Стерник Сергей Геннадьевич, д.э.н., профессор, Финансовый университет при Правительстве РФ

sergey-sternik@yandex.ru

+7 (903) 549-77-65

Аннотация

Среднерыночная текущая годовая доходность инвестиций в девелопмент жилой недвижимости (среднерыночная учетная норма прибыли в отрасли или среднерыночный коэффициент рентабельности отрасли) является важным и востребованным индикатором при социально-экономическом и градостроительном планировании и инвестиционном прогнозировании развития жилищной сферы. В результате проведенного исследования разработаны и обоснованы варианты методики оценки среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости в зависимости от характера и содержания исходных данных о затратах в используемых источниках (себестоимость строительства или полные инвестиционные затраты). На основании анализа состава элементов затрат на девелопмент, используемого в различных источниках, получены корректирующие коэффициенты, позволяющие перейти от оценки текущей годовой доходности инвестиций в девелопмент по отношению к себестоимости (полной сметной стоимости) строительства к оценке текущей годовой доходности по отношению к полным инвестиционным затратам. Методика апробирована на примере рынка жилья Москвы, в результате чего доказана возможность ее использования для управления инвестициями на рынке жилья.

Ключевые слова

Рынок жилья, ценовая динамика, прогнозирование рынка, доходность инвестиций, затраты на строительство, индекс доходности, индикатор макроэкономики

Актуальность темы исследования. Существуют, как минимум, три прагматические причины для научного развития методологии прогнозирования рынков жилья:

1)                 планирование объемов строительства, ввода и продажи жилья является постоянной практической задачей как для органов государственного и муниципального управления, так и для коммерческих игроков рынка недвижимости во всем мире – в интересах социально-экономического развития территорий, обеспечения устойчивого финансового роста отрасли и извлечения текущей прибыли ее участниками соответственно. В частности, например, в США агентство Standard & Poor's публикует индекс средневзвешенных цен на жилье или индекс HPI (Case-Shiller House Price Index), рассчитываемый на основе мониторинга стоимости жилья в ипотеке у компаний Fannie Mae и Freddie Mac. Необходимо подчеркнуть, что указанный индекс служит прогнозным управленческим индикатором не только для бизнес-сообщества, но и для органов исполнительной власти - Офиса федерального надзора за жилищным предпринимательством США и др.;

2)                 кроме того, состояние рынков жилья – информативный индикатор и фактор прогнозирования национальной макроэкономики и экономики регионов в широком аспекте. Поэтому, например, упомянутым выше индексом HPI пользуются все профессиональные игроки финансового рынка для анализа силы тренда рынка жилья США, что помогает прогнозировать динамику экономики в целом. В том числе на международном валютном рынке показатели выше ожидаемых рассматриваются как позитивное/бычье направление динамики курса доллара США (USD) к основным валютам, а показатели ниже ожидаемых указывают на негативный/медвежий тренд рынка для USD;

3)                 и, наконец, рыночным экономикам необходимо преодолеть высокую зависимость национальных и транснациональных банковских систем от кризисов на рынках жилья, т.е. фундаментальная взаимосвязь рынков жилья и глобального финансового рынка уже не требует доказательств, но требует дальнейшего глубокого изучения. Поэтому, например, Федеральная резервная система США содержит в своем составе собственную исследовательскую группу по анализу рынков недвижимости. И, в целом, в американской экономической науке развитие данного направления не стоит на месте. Например, Роберт Шиллер (разработчик, совместно с Карлом Кейсом, методологии расчета вышеуказанных индексов, первым заявивший в своей статье 2005 года об угрозе кризиса рынка жилья, лауреат Нобелевской премии по экономике 2013 года) посвящает отдельную главу монографии 2013 года сравнительному исследованию спекулятивных пузырей на фондовом рынке и рынке недвижимости [1].

В России методология научного прогнозирования рынка жилья начала развиваться более 20 лет назад, с момента старта рынка в новейшей экономической истории, в том числе – с участием авторов настоящей работы [2].

В частности, в работе [3] авторами было показано, что рыночные циклы подъема и спада темпов строительства и продажи жилья, помимо иных факторов, зависят от изменения текущей годовой доходности девелоперских компаний (отношение суммарной прибыли от продажи площадей к суммарным затратам на строительство в портфеле всех проектов компании в данном году). Принципиально расчет индекса доходности инвестиций (Iд) в различные виды операций компании авторы описали выражением:

Iд = Пр./З = (В – З)/З = В/З - 1= Рс / (Рб х Кд.з.),

где Пр. – прибыль от реализации инвестиционных проектов, руб.; В – выручка от реализации инвестиционных проектов, руб.; З – затраты на реализацию проектов, руб.; Рс – средняя удельная цена недвижимости в текущем периоде, руб./кв. м; Рб – средние удельные затраты на приобретение или создание недвижимости в базовом периоде, руб./кв. м; Кд.з. – коэффициент дополнительных затрат (корректирующий коэффициент, отражающий разницу между валовым и чистым доходом). Индекс может выражаться в процентах годового дохода:

Iд = (Рс / Рб х Кд.з.) - 1) х 100, %/год.

При этом количество проектов, от которых поступает прибыль в компанию, и количество проектов, в которых преобладают затраты, каждый год разное, поскольку масштабы и сроки проектов различны. Доходность каждого отдельного девелоперского проекта – это итоговая доходность за период строительства и использования объекта от начала инвестирования до полной продажи объекта (этот период может быть и менее, и более года). Причем, положительный и отрицательный потоки развиваются со сдвигом во времени. Поэтому расчет доходности конкретного девелоперского проекта необходимо вести на всю продолжительность проекта, а затем преобразовывать в среднегодовую. В работе [4] показано, что такую операцию можно осуществить с помощью известного в инвестиционном анализе показателя «коэффициент эффективности инвестиций» (Account Rate of Return или ARR), называемого также учетной нормой прибыли или коэффициентом рентабельности проекта. Его рекомендуется применять для оценки текущей (на каждый год) либо среднегодовой доходности проекта, при этом расчет доходности ведется на всю продолжительность проекта, а затем приводится к годовой величине. Вычисление основано на отношении среднегодовой суммы прибыли от реализации проекта за период к среднегодовой сумме инвестиций:

Id = ARR %/год,

где i – индекс года реализации объекта, i = (1,n); n – продолжительность проекта, лет; Pri – величина прибыли за i-ый год, руб.; Ii – величина инвестиций за i-ый год, руб.; Pavi – среднегодовая цена реализации площадей, руб./кв. м; Spi – объем реализации, кв. м; Cci – среднегодовая стоимость строительства 1 кв. м, руб; Fсi – объем профинансированного строительства, кв. м.

Из изложенного следует:

- Среднерыночная текущая годовая доходность инвестиций в девелопмент жилой недвижимости (среднерыночная учетная норма прибыли в отрасли или среднерыночный коэффициент рентабельности отрасли) является важным и востребованным индикатором при социально-экономическом и градостроительном планировании и инвестиционном прогнозировании развития жилищной сферы;

- он может рассчитываться по общей формуле:

Id %/год.

Однако дальнейшая практическая апробация расчета на данных российского рынка оказалась сопряжена с определенными информационными трудностями, представленными ниже, поэтому методическое развитие экономического обоснования указанного показателя является актуальной научно-практической задачей.

Постановка цели и задач исследования. Попытка практического определения среднерыночного показателя доходности инвестиций в девелопмент показала, что как в числителе, так и в знаменателе формулы могут быть использованы различные переменные, зависящие от источников и характера содержащихся в них данных:

1) Так, при расчете выручки (числитель) средняя удельная цена реализации площадей умножается на объем реализации. Эти данные могут быть получены из двух источников.

Первый - официальные данные Росреестра о количестве зарегистрированных договоров участия в долевом строительстве (ДДУ), умноженном на среднюю площадь квартиры в строящихся домах. Однако, по разным оценкам, доля зарегистрированных договоров составляет менее 80-90% в Москве и от 50% до 95% в регионах от общего числа реально заключенных договоров. В то же время некоторая доля продаж производится по другим легальным основаниям (жилищно-строительные кооперативы и др.). Поэтому в числитель необходимо добавить поправочный региональный коэффициент Кр, значения которого отличаются для различных регионов и меняются во времени в связи с усилением или ослаблением контроля государства за деятельностью застройщиков.

Второй источник - данные аналитических компаний, которые ведут собственные реестры строящихся домов, в виде объема поглощения площадей рынком. При качественном мониторинге и анализе рынка эти данные более достоверны и не требуют ввода поправочного коэффициента.

2) При расчете затрат (знаменатель формулы) необходимы данные о стоимости строительства 1 кв. м и об объеме строительства за исследуемый период. Эти данные также могут быть получены из различных источников:

- стоимость строительства 1 кв. м жилья – из официальных данных Росстата или из данных проектных деклараций (ПД);

- объем строительства – из рыночных данных аналитических компаний (в официальных данных этот показатель не фиксируется).

При этом сохраняется необходимость применения поправочного коэффициента в виде коэффициента дополнительных затрат Кд.з., значения которого могут быть различными в зависимости от источника данных (Росстат или ПД) в силу различного состава учитываемых при расчетах элементов затрат.

В связи с изложенным, цель настоящей работы - повышение достоверности методики определения среднерыночной текущей доходности инвестиций в девелопмент жилой недвижимости.

Задачами исследования являются:

- сравнительный анализ структуры и состава затрат на девелопмент, учитываемых в указанных выше дифференцированных источниках;

- определение среднерыночных значений корректирующих коэффициентов.

Варианты методики в зависимости от источников исходных данных. Формула для расчета индекса среднерыночной текущей годовой доходности инвестиций в девелопмент (в % / год), в зависимости от источников и характера исходных данных, вариативно выражается одним из 4 способов:

(1)

(2)

(3)

(4)

где Pav – средневзвешенная удельная цена продажи объекта, руб./кв. м; Qc – количество зарегистрированных договоров участия в долевом строительстве (ДДУ) по данным Росреестра, шт.; Saaсредняя площадь квартиры в новостройках, кв. м; Kр – поправочный коэффициент объема продаж; Кд.з.1 – коэффициент дополнительных затрат при использовании данных Росстата; Sp – объем поглощения площадей по рыночным данным, кв. м; Кд.з.2 – коэффициент дополнительных затрат при использовании данных ПД; Сс1 – средняя стоимость строительства 1 кв. м по данным Росстата, руб.; Сс2 - средняя стоимость строительства 1 кв. м по данным проектных деклараций, руб.; Sс – годовой объем строительства по рыночным данным, кв. м.

Анализ состава элементов затрат, учитываемых при расчете стоимости строительства 1 кв. метра жилья. Вопросы, связанные с определением структуры полных (инвестиционных) затрат на девелопмент, рассмотрены в работах [5,6]. Произведено расчленение структуры затрат на 7 групп первого уровня и далее еще на два уровня (табл. 1). Первый уровень включает:

1.                  Прединвестиционные затраты на разработку концепции и бизнес-плана инвестиционного проекта.

2. Затраты на землю, включая плату за подключение к инженерным сетям города.

3. Стоимость проектирования и строительства.

4. Обслуживание и возврат привлеченных средств.

5. Управленческие (накладные) расходы девелопера, включая затраты на общение с чиновниками в ходе согласований, экспертиз, проверок.

6. Затраты на реализацию площадей.

7. Стоимость информационно-консультационных услуг на аутсорсинге.

Таблица 1.

Структура полных затрат на девелопмент

Уровень структуры затрат

Номер составляющей затрат

Содержание составляющей затрат

0

0.

Полная (инвестиционная) стоимость девелоперского проекта

I

1.

Прединвестиционные затраты на разработку концепции и бизнес-плана инвестиционного проекта

II

1.1.

Затраты на формирование инвестиционного замысла проекта

III

1.1.1

Определение инвестиционной привлекательности региона, ресурсных возможностей земельного участка

III

1.1.2

Определение вариантов функционального назначения, морфотипа, класса качества объекта недвижимости

III

1.1.3

Анализ рынка, проведение маркетинговых исследований

III

1.1.4

Концептуальное проектирование и расчет экономической эффективности проекта

III

1.1.5

Подготовка маркетинговой концепции, бизнес-концепции и бизнес-плана проекта

II

1.2

Затраты на организацию финансирования и осуществление проекта (исследование инвестиционных возможностей)

III

1.2.1

Определение соотношения заемных и собственных средств

III

1.2.2

Поиск и заключение договоров с Инвесторами, Проектировщиками, Генподрядчиками

III

1.2.3

Подготовка Инвестиционного и Информационного меморандума

II

1.3

Технико-экономическое обоснование (предварительное)

III

1.3.1

Разработка технических показателей проекта

III

1.3.2

Подготовка экономических показателей проекта (на основе технических данных)

III

1.3.3

Формирование финансовой модели инвестиционного проекта

I

2.

Затраты на землю

II

2.1

Затраты, необходимые при приобретении земельного участка в собственность на первичном (аукционы) и вторичном рынках

III

2.1.1

Стоимость земельного участка

III

2.1.2

Земельный имущественный налог за период строительства

II

2.2

Затраты, необходимые при приобретении земельного участка в аренду при аукционном способе получения доступа к земле

III

2.2.1

Стоимость права аренды на период строительства

III

2.2.2

Арендная плата на период проектирования и строительства

III

2.2.3

Стоимость выкупа участка в собственность после окончания проекта

II

2.3.

Затраты, необходимые при выделении участка по инвестиционному контракту с городом

III

2.3.1

Арендная плата на период проектирования и строительства

III

2.3.2

Стоимость отчислений в Администрацию города за получение доступа к земле по инвестиционному контракту

II

2.4

Затраты, не зависящие от способа получения доступа к земле

III

2.4.1

Затраты, связанные с отводом и оформлением земельного участка

III

2.4.2

Затраты на компенсацию потерь прежним землепользователям от изъятия земель под строительство, на расселение пользователей сносимых жилых помещений

III

2.4.3

Стоимость строительно-монтажных работ по освоению территории строительства

III

2.4.4

Затраты на работы, связанные с неблагоприятными гидрогеологическими условиями

III

2.4.5

Плата за подключение к сетям города

I

3.

Стоимость проектирования и строительства

II

3.1.

Затраты на проектирование и изыскательские работы

III

3.1.1

Стоимость проектно-изыскательских работ

III

3.1.2

Затраты на согласование и получение комплекта разрешительных документов

II

3.2

Стоимость строительства

III

3.2.1

Строительно-монтажные работы

III

3.2.2

Лимитированные затраты

III

3.2.3

Сметная прибыль Подрядчика

II

3.3

Затраты на инженерную инфраструктуру

II

3.4

Затраты на ресурсное обеспечение и складское хранение ресурсов

II

3.5

Прочие затраты

III

3.5.1

Затраты на содержание службы Заказчика-застройщика

III

3.5.2

Затраты на технический надзор

III

3.5.3

Затраты на приемку и ввод в эксплуатацию

I

4.

Обслуживание и возврат привлеченных средств

II

4.1

Краткосрочные обязательства

III

4.1.1

Разработка процедуры взаимодействия с Кредиторами

III

4.1.2

Выплата % по кредитам и основной суммы кредита

III

4.1.3

Выплата % по займам (если займ с процентом) и основной суммы займа

II

4.2

Долгосрочные обязательства

III

4.2.1

Разработка процедуры взаимодействия с Кредиторами

III

4.2.2

Выплата % по кредитам и основной суммы кредита

III

4.2.3

Выплата % по займам (если займ с процентом) и основной суммы займа

II

4.3

Затраты на IPO и иные способы привлечения инвестиций

II

4.4

Возврат инвестиций долевым участникам строительства

I

5.

Управленческие (накладные) расходы девелопера

II

5.1

Заработная плата Административно-управленческому персоналу

II

5.2

Расходы на содержание офиса

II

5.3

Затраты на общение с чиновниками в ходе согласований, экспертиз, проверок

I

6.

Затраты на реализацию площадей

II

6.1

Затраты на оплату услуг агентств недвижимости

II

6.2.

Затраты на организацию собственных офисов продаж, рекламу и иные способы продвижения товара

I

7.

Стоимость информационно-консультационных услуг на аутсорсинге

II

7.1

Аудиторские услуги

II

7.2

Маркетинговые услуги

II

7.3

Юридические услуги

В то же время в официальных источниках, а также в практике оценки эффективности инвестиционных проектов затраты на девелопмент жилой недвижимости включают в себя только себестоимость (сметную стоимость) строительства, т. е. составляющие п. 3 и частично п. 5.

Так, согласно методике Росстата [7], при расчете средней стоимости строительства 1 кв. м жилья в состав затрат включаются затраты на новое строительство, расширение, а также реконструкцию и модернизацию объектов, т.е. расходы на строительство зданий и сооружений, которые складываются из выполненных строительных работ и приходящихся на них прочих капитальных затрат, включаемых при вводе объекта в эксплуатацию в инвентарную стоимость здания (сооружения) (проектно-изыскательских работ, работ по отводу земельных участков под строительство и т.п.), и из затрат на коммуникации внутри здания, необходимые для его эксплуатации (вся система отопления и канализации внутри здания, внутренняя сеть газоснабжения, силовой и осветительной электропроводки, телефонной электропроводки, вентиляционные устройства общесанитарного назначения, подъемники и лифты и т.д.). В объем затрат не включаются затраты на приобретение в собственность земельных участков и объектов природопользования, затраты на научно-исследовательские, опытно-конструкторские и технологические работы, которые являются инвестициями в другие нефинансовые активы.

Таким образом, данные Росстата о затратах на строительство жилья отражают ту часть затрат девелопера, которую принято называть «себестоимостью строительства», в то время как при определении доходности инвестиций в недвижимость необходимо использовать не себестоимость, а полную (инвестиционную) стоимость строительства. В связи с этим необходимо проанализировать долевую структуру элементов полных затрат на девелопмент, принятых к учету в различных источниках.

Одна из первых исследовательских работ, посвященных анализу реальной структуры инвестиционной стоимости строительства, выполнена в 2007 году [8] (табл. 2).

Таблица 2.

Структура инвестиционной стоимости 1 кв. метра площади строительства на участке, приобретенном на публичных аукционах в 2007 году (по данным о 40 объектах ЗАО «Желдорипотека»)

Составляющая затрат

Затраты, руб./кв. м

Доля затрат в полной стоимости строительства, %

Приобретение прав на застройку, расселение

6154

14

Формирование земельного участка

525

1

Проектирование

997

2

Себестоимость (строительно-монтажные работы)

27874

62

Управление

472

1

Инженерная инфраструктура, в т.ч. плата за технологическое присоединение к сетям

3984

9

Накладные расходы девелопера

1939

4

Проценты по кредитам

3257

7

Инвентаризационная стоимость строительства до налогообложения

45203

100

Согласно данному исследованию, доля СМР в полной стоимости строительства составила 62%, доля затрат на землю - 14-15%, доля затрат на инженерную инфраструктуру - 9%, доля затрат на финансирование - 7%.

В последние годы доля затрат на СМР снизилась и составляет 30-40%, так как резко выросла доля затрат на землю как в связи с ростом стоимости земли, так и в связи с ростом стоимости инженерных сетей. По разным оценкам, сегодня в Москве она достигает 40-50%, в регионах – 20-30%. Другие обременения (расселение и компенсация за снос, строительство социальных объектов, налоги, страхование ответственности застройщика и др.) составляют 10-20%[9].

В табл. 3 приведены оценки степени учета элементов полных (инвестиционных) затрат в различных источниках, полученные по результатам изучения авторами корпоративных стандартов расчета стоимости строительства при подготовке проектных деклараций, интервью с руководителями и экспертами крупных девелоперских компаний.

Таблица 3.

Степень учета элементов полных (инвестиционных) затрат в различных источниках

Содержание составляющей затрат

Учет элементов в различных источниках

Доля стоимости затрат, %

Росстат

Проектные декларации

       

Москва

регионы

1.

Прединвестиционные затраты на разработку концепции и бизнес-плана инвестиционного проекта

-

-

2-3

1-3

2.

Затраты на землю

-

+

25-35

20-30

3.

Стоимость проектирования и строительства

+

+

30-40

50-60

4.

Обслуживание и возврат привлеченных средств

-

-

5-30

3-15

5.

Управленческие (накладные) расходы девелопера

+/-*

+/-*

10-15

10-15

6.

Затраты на реализацию площадей

-

-

3-5

3-4

7.

Стоимость информационно-консультационных услуг на аутсорсинге

-

-

1-2

1-2

Всего доля учтенных затрат, %

40-50

75-85

100

100

__________

       

* частично

       

Полученные данные позволяют оценить коэффициент дополнительных затрат при использовании данных Росстата или ПД: неучтенные составляющие по Росстату в среднем равны 45%, по ПД – 80%, что соответствует величине Кд.з.1 = 1,55 и Кд.з.2 = 1,25.

Расчет индекса текущей годовой доходности инвестиций в девелопмент жилой недвижимости. Методика оценки текущей годовой доходности инвестиций в девелопмент жилой недвижимости апробирована на примере жилищного строительства в Москве в 2010-2014 годах. Исходные данные для расчета приведены в табл. 4.

Таблица 4.

Исходные данные для оценки доходности инвестиций в девелопмент

показатель

2010

2011

2012

2013*

2014*

средневзвешенная удельная цена продажи объекта в декабре Pav, тыс. руб./кв. м**

168,5

185,5

230,7

166,7

216,0

количество зарегистрированных договоров участия в долевом строительстве (ДДУ) Qc, тыс. шт.***

1,2

4,6

12,1

21,3

27,2

средняя площадь квартиры в новостройках Saa, кв. м**

76,0

73,0

72,0

68,0

69,0

объем поглощения площадей по рыночным данным Sp, тыс. кв. м**

96,5

532,4

764,4

1217,0

1616,0

объем строительства Sс, млн кв. м**

2,31

2,18

2,14

4,20

4,30

объем ввода, млн кв. м*4

1,97

2,11

2,15

3,10

3,32

средняя стоимость строительства 1 кв. м по данным Росстата Сс1, тыс. руб.;*4

38,7

57,3

45,3

41,9

41,7

средняя стоимость строительства 1 кв. м по данным ПД Сс2, тыс. руб.**

52,3

73,5

59,5

54,7

54,2

____________________________________

* С учетом присоединенных территорий.

** Базы данных предложений на продажу и проектных деклараций ООО «Стерникс Консалтинг»;

*** Управление Росреестра по г. Москве; *4 Росстат.

Результаты расчета по различным вариантам формулы и источников данных без учета и с учетом корректирующих коэффициентов приведены в табл. 5.

Таблица 5.

Результаты расчета среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости Москвы (%)

Формула

Без корректирующих коэффициентов

С корректирующими коэффициентами

 

2010

2011

2012

2013

2014

2010

2011

2012

2013

2014

(1)

-82,8

-50,1

107,2

48,8

108,4

-87,8

-64,7

45,6

17,0

47,9

(2)

-87,3

-61,1

57,8

26,3

60,4

-88,8

-65,8

38,9

11,6

41,1

(3)

-86,4

-20,9

81,9

49,0

103,4

-92,4

-49,0

18,5

-3,9

44,4

(4)

-93,5

-38,4

38,5

14,2

56,5

-95,2

-50,7

10,8

-8,8

37,7

На рис. 1 приведены итоговые результаты исследования в виде динамики объемов выручки и затрат, а также доходности инвестиций в Москве в 2010-2014 годах (с учетом корректирующих коэффициентов). Для сравнения также показана доходность, рассчитанная без коэффициентов.

Рис. 1. Результаты расчета индекса текущей годовой доходности инвестиций в девелопмент жилой недвижимости в Москве по различным источникам исходных данных:

Returns – выручка; Investments – затраты; Yields – доходность без учета корректирующих коэффициентов; Yields-K – доходность итоговая.

Интерпретация результатов исследования. Результаты исследования показывают, что при использовании корректирующих коэффициентов средние значения индекса текущей годовой доходности снижаются в 1,3-1,4 раза (рис. 2). При этом разброс значений относительно среднего, вызванный информационным шумом (случайными ошибками в исходных данных), также уменьшается и не превышает +/-(5-6)%.

Таким образом, рекомендуется при оценке среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости проводить расчет по всем четырем вариантам формулы либо по варианту (3) как наиболее близкому к средним значениям (рис. 2).

Рис. 2. Сравнительная динамика индекса текущей годовой доходности инвестиций в девелопмент по четырем вариантам расчета

Полученные результаты исследования динамики показателей девелопмента жилой недвижимости в Москве в послекризисный период хорошо согласуются с данными о развитии рынка жилья [9-12].

В 2010 году почти половина строящихся домов были заморожены. Новые стройки практически не начинались. Достраивались и вводились в строй лишь объекты с высокой степенью готовности. Объем строительства (2,31 млн кв. м) незначительно превысил объем ввода (1,97 млн кв. м). Суммарные затраты девелоперов составили от 151 до 185 млрд руб. Но продаж в этих объектах почти не было – все помещения были раскуплены ранее. Количество зарегистрированных ДДУ составило всего 1,2 тыс., объем поглощения площадей – 96,5 тыс. кв. м. Суммарная выручка девелоперов составила 16-17 млрд руб.

Строительство финансировалось:

- из собственных средств крупных девелоперов, сосредоточивших их на пусковых объектах;

- из этого же источника, получившего недостроенные объекты по инвестиционным контрактам с властями в рамках программы поддержки «обманутых дольщиков» в обмен на новые земельные участки;

- из средств кредитных учреждений, получивших в наследство недостроенные объекты и создавших собственные девелоперские структуры.

В результате девелоперы почти не получали возврата инвестиций, текущая доходность проектов составила в среднем -92,5%.

В 2011 году ситуация начала выправляться. Объем ввода несколько увеличился, при этом объем строительства уменьшился – все еще вводились достроенные размороженные объекты, но уже были выведены на рынок новые объекты. Этот процесс несколько затормозился сменой руководства города и начавшейся ревизией ранее заключенных инвестконтрактов, а также годичным мораторием на выдачу разрешений в условиях дефицита площадок под строительство жилья. Суммарные затраты уменьшились до 124-200 млрд руб. Количество зарегистрированных ДДУ выросло до 4,6 тыс. (в 4 раза), объем поглощения площадей – в 5 раз. Цены предложения выросли на 10%. Выручка выросла в 5 раз и составила до 62-99 млрд руб. Начался частичный возврат инвестиций, средняя текущая доходность девелопмента поднялась до -57,6%.

В 2012 году рынок строительства и продажи жилой недвижимости окончательно восстановился. Суммарные затраты составили 149-159 млрд руб. Количество зарегистрированных ДДУ выросло до 12,1 тыс., объем поглощения площадей – до 764,4 тыс. кв. м. Цены выросли на 15%. Выручка выросла до 176-221 млрд руб. Наконец-то текущая годовая доходность девелопмента стала положительной и достигла 28,5%.

2013 год охарактеризовался двумя важными событиями. Во-первых, экономика РФ закончила стадию послекризисного восстановления и перешла в стадию стагнации, вследствие чего снизился темп роста доходов населения. Во-вторых, к концу 2012 года завершилось присоединение к Москве новых территорий, имеющих значительный потенциал земельных участков под строительство, но отличающихся существенно более низким уровнем цен на жилье. В результате объем строительства в Большой Москве вырос относительно Старой Москвы почти вдвое, объем ввода – в полтора раза. Суммарные затраты составили 273-287 млрд руб. Количество зарегистрированных ДДУ достигло 19,8 тыс., объем поглощения площадей – 1217 тыс. кв. м. При этом цены (средние по Большой Москве) несколько снизились. При резком повышении объема затрат объем выручки вырос не столь значительно (до 262-319 млрд руб.), и текущая годовая доходность девелопмента снизилась до 4,0%.

В 2014 году в силу известных макроэкономических и политических шоков, вызвавших ажиотажный спрос на рынке недвижимости, произошло некоторое повышение объемов строительства и ввода жилья. Суммарные затраты выросли незначительно (до 278-291 млрд руб.). Но при этом существенно выросло количество зарегистрированных ДДУ (до 27,2 тыс. – на 21%) и объема поглощенных площадей (до 1616 тыс. кв. м – на 33%), а также средняя цена жилья. В результате выручка выросла до 355-411 млрд руб., текущая годовая доходность инвестиций в девелопмент жилой недвижимости - до 42,8%.

Таким образом, полученные результаты подтверждаются данными о состоянии и развитии рынка строительства и продажи жилой недвижимости в послекризисный период 2010-2014 гг и могут быть признаны корректными.

Выводы:

1. Среднерыночная текущая годовая доходность инвестиций в девелопмент жилой недвижимости (среднерыночная учетная норма прибыли в отрасли или среднерыночный коэффициент рентабельности отрасли) является важным и востребованным индикатором при социально-экономическом и градостроительном планировании и инвестиционном прогнозировании развития жилищной сферы. Методическое развитие экономического обоснования указанного показателя является актуальной научно-практической задачей.

2. В результате проведенного исследования разработаны и обоснованы варианты методики оценки среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости в зависимости от характера и содержания исходных данных о затратах в используемых источниках (себестоимость строительства или полные инвестиционные затраты).

3. На основании анализа состава элементов затрат на девелопмент, используемого в различных источниках, получены корректирующие коэффициенты, позволяющие перейти от оценки текущей годовой доходности инвестиций в девелопмент по отношению к себестоимости (полной сметной стоимости) строительства к оценке текущей годовой доходности по отношению к полным инвестиционным затратам. Методика апробирована на примере рынка жилья Москвы, в результате чего доказана возможность ее использования для управления инвестициями на рынке жилья.

Литература

1.            Шиллер Р. Иррациональный оптимизм: Как безрассудное поведение управляет рынками. - М.: Альпина Паблишер, 2013.

2.            Ноздрина Н.Н., Пчелинцев О.С., Стерник Г.М. Цены и доступность жилья в городах России // Проблемы прогнозирования». 1996. №6.

3.            Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. - М.: Экономика, 2009.

4.            Стерник Г.М., Поплевина Д.В. Методика оценки среднерыночной доходности инвестиций в девелопмент // Имущественные отношения в РФ. 2015. №8.

5.            Стерник Г.М., Стерник С.Г., Преминина М.В. Стандартизация структуры затрат на девелопмент в отраслевом экономическом анализе рынка строительства и недвижимости // Механизация строительства и ЖКХ. 2010. №9.

6.            Стерник Г.М., Стерник С.Г., Преминина М. В. Анализ методов определения затрат на девелопмент и направлений их совершенствования // Механизация строительства и ЖКХ. 2011. № 2.

7.            Методологические положения по системе статистических показателей, разрабатываемых в статистике строительства и инвестиций в основной капитал, 2012. Федеральная служба государственной статистики, Москва. [Электронный ресурс]. – Режим доступа: URL:http://www.gks.ru/ (дата обращения: 09.02.2016).

8.            Вотолевский В.Л. Работа девелоперских компаний в условиях кризиса // Имущественные отношения в РФ. 2009. №8.

9.            Савенко М. Скрытые резервы // Тематическое приложение к газете Коммерсант «Дом». 2016. №049.

10.        Стерник Г.М. Спад на рынке строительства и продажи жилья в России // Новой экономической ассоциации. 2009. №4.

11.        Стерник Г.М., Стерник С.Г., Аракелов С.А. Итоги кризиса рынка жилья и жилищно-строительной отрасли в России // Финансовая аналитика: проблемы и решения. 2010. № 7.

12.        Стерник Г.М. Закономерности послекризисного восстановления рынка жилья городов России // Финансовый журнал. 2013. №1.

13.        Стерник Г.М., Стерник С.Г. Рынок жилой недвижимости Москвы и Московской области: текущее состояние и ценовой прогноз // Управление развитием территорий. 2015. №4.

Стерник Г.М., Стерник С.Г. ОЦЕНКА СРЕДНЕРЫНОЧНОЙ ДОХОДНОСТИ ДЕВЕЛОПМЕНТА ПРИ ПРОГНОЗИРОВАНИИ РЫНКОВ ЖИЛЬЯ

(Опубликовано в журнале Института народнохозяйственного прогнозирования РАН «Проблемы прогнозирования», 2017, №2, с. 316-338)
Категория: методические материалы

ОЦЕНКА СРЕДНЕРЫНОЧНОЙ ДОХОДНОСТИ ДЕВЕЛОПМЕНТА ПРИ ПРОГНОЗИРОВАНИИ РЫНКОВ ЖИЛЬЯ

Стерник Геннадий Моисеевич, к.т.н., Председатель Комитета по консалтингу и аналитике Московской ассоциации риэлторов

gm_sternik@sterno.ru

+7 (964) 556-72-32

Стерник Сергей Геннадьевич, д.э.н., профессор, Финансовый университет при Правительстве РФ

sergey-sternik@yandex.ru

+7 (903) 549-77-65

Аннотация

Среднерыночная текущая годовая доходность инвестиций в девелопмент жилой недвижимости (среднерыночная учетная норма прибыли в отрасли или среднерыночный коэффициент рентабельности отрасли) является важным и востребованным индикатором при социально-экономическом и градостроительном планировании и инвестиционном прогнозировании развития жилищной сферы. В результате проведенного исследования разработаны и обоснованы варианты методики оценки среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости в зависимости от характера и содержания исходных данных о затратах в используемых источниках (себестоимость строительства или полные инвестиционные затраты). На основании анализа состава элементов затрат на девелопмент, используемого в различных источниках, получены корректирующие коэффициенты, позволяющие перейти от оценки текущей годовой доходности инвестиций в девелопмент по отношению к себестоимости (полной сметной стоимости) строительства к оценке текущей годовой доходности по отношению к полным инвестиционным затратам. Методика апробирована на примере рынка жилья Москвы, в результате чего доказана возможность ее использования для управления инвестициями на рынке жилья.

Ключевые слова

Рынок жилья, ценовая динамика, прогнозирование рынка, доходность инвестиций, затраты на строительство, индекс доходности, индикатор макроэкономики

Актуальность темы исследования. Существуют, как минимум, три прагматические причины для научного развития методологии прогнозирования рынков жилья:

1)                 планирование объемов строительства, ввода и продажи жилья является постоянной практической задачей как для органов государственного и муниципального управления, так и для коммерческих игроков рынка недвижимости во всем мире – в интересах социально-экономического развития территорий, обеспечения устойчивого финансового роста отрасли и извлечения текущей прибыли ее участниками соответственно. В частности, например, в США агентство Standard & Poor's публикует индекс средневзвешенных цен на жилье или индекс HPI (Case-Shiller House Price Index), рассчитываемый на основе мониторинга стоимости жилья в ипотеке у компаний Fannie Mae и Freddie Mac. Необходимо подчеркнуть, что указанный индекс служит прогнозным управленческим индикатором не только для бизнес-сообщества, но и для органов исполнительной власти - Офиса федерального надзора за жилищным предпринимательством США и др.;

2)                 кроме того, состояние рынков жилья – информативный индикатор и фактор прогнозирования национальной макроэкономики и экономики регионов в широком аспекте. Поэтому, например, упомянутым выше индексом HPI пользуются все профессиональные игроки финансового рынка для анализа силы тренда рынка жилья США, что помогает прогнозировать динамику экономики в целом. В том числе на международном валютном рынке показатели выше ожидаемых рассматриваются как позитивное/бычье направление динамики курса доллара США (USD) к основным валютам, а показатели ниже ожидаемых указывают на негативный/медвежий тренд рынка для USD;

3)                 и, наконец, рыночным экономикам необходимо преодолеть высокую зависимость национальных и транснациональных банковских систем от кризисов на рынках жилья, т.е. фундаментальная взаимосвязь рынков жилья и глобального финансового рынка уже не требует доказательств, но требует дальнейшего глубокого изучения. Поэтому, например, Федеральная резервная система США содержит в своем составе собственную исследовательскую группу по анализу рынков недвижимости. И, в целом, в американской экономической науке развитие данного направления не стоит на месте. Например, Роберт Шиллер (разработчик, совместно с Карлом Кейсом, методологии расчета вышеуказанных индексов, первым заявивший в своей статье 2005 года об угрозе кризиса рынка жилья, лауреат Нобелевской премии по экономике 2013 года) посвящает отдельную главу монографии 2013 года сравнительному исследованию спекулятивных пузырей на фондовом рынке и рынке недвижимости [1].

В России методология научного прогнозирования рынка жилья начала развиваться более 20 лет назад, с момента старта рынка в новейшей экономической истории, в том числе – с участием авторов настоящей работы [2].

В частности, в работе [3] авторами было показано, что рыночные циклы подъема и спада темпов строительства и продажи жилья, помимо иных факторов, зависят от изменения текущей годовой доходности девелоперских компаний (отношение суммарной прибыли от продажи площадей к суммарным затратам на строительство в портфеле всех проектов компании в данном году). Принципиально расчет индекса доходности инвестиций (Iд) в различные виды операций компании авторы описали выражением:

Iд = Пр./З = (В – З)/З = В/З - 1= Рс / (Рб х Кд.з.),

где Пр. – прибыль от реализации инвестиционных проектов, руб.; В – выручка от реализации инвестиционных проектов, руб.; З – затраты на реализацию проектов, руб.; Рс – средняя удельная цена недвижимости в текущем периоде, руб./кв. м; Рб – средние удельные затраты на приобретение или создание недвижимости в базовом периоде, руб./кв. м; Кд.з. – коэффициент дополнительных затрат (корректирующий коэффициент, отражающий разницу между валовым и чистым доходом). Индекс может выражаться в процентах годового дохода:

Iд = (Рс / Рб х Кд.з.) - 1) х 100, %/год.

При этом количество проектов, от которых поступает прибыль в компанию, и количество проектов, в которых преобладают затраты, каждый год разное, поскольку масштабы и сроки проектов различны. Доходность каждого отдельного девелоперского проекта – это итоговая доходность за период строительства и использования объекта от начала инвестирования до полной продажи объекта (этот период может быть и менее, и более года). Причем, положительный и отрицательный потоки развиваются со сдвигом во времени. Поэтому расчет доходности конкретного девелоперского проекта необходимо вести на всю продолжительность проекта, а затем преобразовывать в среднегодовую. В работе [4] показано, что такую операцию можно осуществить с помощью известного в инвестиционном анализе показателя «коэффициент эффективности инвестиций» (Account Rate of Return или ARR), называемого также учетной нормой прибыли или коэффициентом рентабельности проекта. Его рекомендуется применять для оценки текущей (на каждый год) либо среднегодовой доходности проекта, при этом расчет доходности ведется на всю продолжительность проекта, а затем приводится к годовой величине. Вычисление основано на отношении среднегодовой суммы прибыли от реализации проекта за период к среднегодовой сумме инвестиций:

Id = ARR %/год,

где i – индекс года реализации объекта, i = (1,n); n – продолжительность проекта, лет; Pri – величина прибыли за i-ый год, руб.; Ii – величина инвестиций за i-ый год, руб.; Pavi – среднегодовая цена реализации площадей, руб./кв. м; Spi – объем реализации, кв. м; Cci – среднегодовая стоимость строительства 1 кв. м, руб; Fсi – объем профинансированного строительства, кв. м.

Из изложенного следует:

- Среднерыночная текущая годовая доходность инвестиций в девелопмент жилой недвижимости (среднерыночная учетная норма прибыли в отрасли или среднерыночный коэффициент рентабельности отрасли) является важным и востребованным индикатором при социально-экономическом и градостроительном планировании и инвестиционном прогнозировании развития жилищной сферы;

- он может рассчитываться по общей формуле:

Id %/год.

Однако дальнейшая практическая апробация расчета на данных российского рынка оказалась сопряжена с определенными информационными трудностями, представленными ниже, поэтому методическое развитие экономического обоснования указанного показателя является актуальной научно-практической задачей.

Постановка цели и задач исследования. Попытка практического определения среднерыночного показателя доходности инвестиций в девелопмент показала, что как в числителе, так и в знаменателе формулы могут быть использованы различные переменные, зависящие от источников и характера содержащихся в них данных:

1) Так, при расчете выручки (числитель) средняя удельная цена реализации площадей умножается на объем реализации. Эти данные могут быть получены из двух источников.

Первый - официальные данные Росреестра о количестве зарегистрированных договоров участия в долевом строительстве (ДДУ), умноженном на среднюю площадь квартиры в строящихся домах. Однако, по разным оценкам, доля зарегистрированных договоров составляет менее 80-90% в Москве и от 50% до 95% в регионах от общего числа реально заключенных договоров. В то же время некоторая доля продаж производится по другим легальным основаниям (жилищно-строительные кооперативы и др.). Поэтому в числитель необходимо добавить поправочный региональный коэффициент Кр, значения которого отличаются для различных регионов и меняются во времени в связи с усилением или ослаблением контроля государства за деятельностью застройщиков.

Второй источник - данные аналитических компаний, которые ведут собственные реестры строящихся домов, в виде объема поглощения площадей рынком. При качественном мониторинге и анализе рынка эти данные более достоверны и не требуют ввода поправочного коэффициента.

2) При расчете затрат (знаменатель формулы) необходимы данные о стоимости строительства 1 кв. м и об объеме строительства за исследуемый период. Эти данные также могут быть получены из различных источников:

- стоимость строительства 1 кв. м жилья – из официальных данных Росстата или из данных проектных деклараций (ПД);

- объем строительства – из рыночных данных аналитических компаний (в официальных данных этот показатель не фиксируется).

При этом сохраняется необходимость применения поправочного коэффициента в виде коэффициента дополнительных затрат Кд.з., значения которого могут быть различными в зависимости от источника данных (Росстат или ПД) в силу различного состава учитываемых при расчетах элементов затрат.

В связи с изложенным, цель настоящей работы - повышение достоверности методики определения среднерыночной текущей доходности инвестиций в девелопмент жилой недвижимости.

Задачами исследования являются:

- сравнительный анализ структуры и состава затрат на девелопмент, учитываемых в указанных выше дифференцированных источниках;

- определение среднерыночных значений корректирующих коэффициентов.

Варианты методики в зависимости от источников исходных данных. Формула для расчета индекса среднерыночной текущей годовой доходности инвестиций в девелопмент (в % / год), в зависимости от источников и характера исходных данных, вариативно выражается одним из 4 способов:

(1)

(2)

(3)

(4)

где Pav – средневзвешенная удельная цена продажи объекта, руб./кв. м; Qc – количество зарегистрированных договоров участия в долевом строительстве (ДДУ) по данным Росреестра, шт.; Saaсредняя площадь квартиры в новостройках, кв. м; Kр – поправочный коэффициент объема продаж; Кд.з.1 – коэффициент дополнительных затрат при использовании данных Росстата; Sp – объем поглощения площадей по рыночным данным, кв. м; Кд.з.2 – коэффициент дополнительных затрат при использовании данных ПД; Сс1 – средняя стоимость строительства 1 кв. м по данным Росстата, руб.; Сс2 - средняя стоимость строительства 1 кв. м по данным проектных деклараций, руб.; Sс – годовой объем строительства по рыночным данным, кв. м.

Анализ состава элементов затрат, учитываемых при расчете стоимости строительства 1 кв. метра жилья. Вопросы, связанные с определением структуры полных (инвестиционных) затрат на девелопмент, рассмотрены в работах [5,6]. Произведено расчленение структуры затрат на 7 групп первого уровня и далее еще на два уровня (табл. 1). Первый уровень включает:

1.                  Прединвестиционные затраты на разработку концепции и бизнес-плана инвестиционного проекта.

2. Затраты на землю, включая плату за подключение к инженерным сетям города.

3. Стоимость проектирования и строительства.

4. Обслуживание и возврат привлеченных средств.

5. Управленческие (накладные) расходы девелопера, включая затраты на общение с чиновниками в ходе согласований, экспертиз, проверок.

6. Затраты на реализацию площадей.

7. Стоимость информационно-консультационных услуг на аутсорсинге.

Таблица 1.

Структура полных затрат на девелопмент

Уровень структуры затрат

Номер составляющей затрат

Содержание составляющей затрат

0

0.

Полная (инвестиционная) стоимость девелоперского проекта

I

1.

Прединвестиционные затраты на разработку концепции и бизнес-плана инвестиционного проекта

II

1.1.

Затраты на формирование инвестиционного замысла проекта

III

1.1.1

Определение инвестиционной привлекательности региона, ресурсных возможностей земельного участка

III

1.1.2

Определение вариантов функционального назначения, морфотипа, класса качества объекта недвижимости

III

1.1.3

Анализ рынка, проведение маркетинговых исследований

III

1.1.4

Концептуальное проектирование и расчет экономической эффективности проекта

III

1.1.5

Подготовка маркетинговой концепции, бизнес-концепции и бизнес-плана проекта

II

1.2

Затраты на организацию финансирования и осуществление проекта (исследование инвестиционных возможностей)

III

1.2.1

Определение соотношения заемных и собственных средств

III

1.2.2

Поиск и заключение договоров с Инвесторами, Проектировщиками, Генподрядчиками

III

1.2.3

Подготовка Инвестиционного и Информационного меморандума

II

1.3

Технико-экономическое обоснование (предварительное)

III

1.3.1

Разработка технических показателей проекта

III

1.3.2

Подготовка экономических показателей проекта (на основе технических данных)

III

1.3.3

Формирование финансовой модели инвестиционного проекта

I

2.

Затраты на землю

II

2.1

Затраты, необходимые при приобретении земельного участка в собственность на первичном (аукционы) и вторичном рынках

III

2.1.1

Стоимость земельного участка

III

2.1.2

Земельный имущественный налог за период строительства

II

2.2

Затраты, необходимые при приобретении земельного участка в аренду при аукционном способе получения доступа к земле

III

2.2.1

Стоимость права аренды на период строительства

III

2.2.2

Арендная плата на период проектирования и строительства

III

2.2.3

Стоимость выкупа участка в собственность после окончания проекта

II

2.3.

Затраты, необходимые при выделении участка по инвестиционному контракту с городом

III

2.3.1

Арендная плата на период проектирования и строительства

III

2.3.2

Стоимость отчислений в Администрацию города за получение доступа к земле по инвестиционному контракту

II

2.4

Затраты, не зависящие от способа получения доступа к земле

III

2.4.1

Затраты, связанные с отводом и оформлением земельного участка

III

2.4.2

Затраты на компенсацию потерь прежним землепользователям от изъятия земель под строительство, на расселение пользователей сносимых жилых помещений

III

2.4.3

Стоимость строительно-монтажных работ по освоению территории строительства

III

2.4.4

Затраты на работы, связанные с неблагоприятными гидрогеологическими условиями

III

2.4.5

Плата за подключение к сетям города

I

3.

Стоимость проектирования и строительства

II

3.1.

Затраты на проектирование и изыскательские работы

III

3.1.1

Стоимость проектно-изыскательских работ

III

3.1.2

Затраты на согласование и получение комплекта разрешительных документов

II

3.2

Стоимость строительства

III

3.2.1

Строительно-монтажные работы

III

3.2.2

Лимитированные затраты

III

3.2.3

Сметная прибыль Подрядчика

II

3.3

Затраты на инженерную инфраструктуру

II

3.4

Затраты на ресурсное обеспечение и складское хранение ресурсов

II

3.5

Прочие затраты

III

3.5.1

Затраты на содержание службы Заказчика-застройщика

III

3.5.2

Затраты на технический надзор

III

3.5.3

Затраты на приемку и ввод в эксплуатацию

I

4.

Обслуживание и возврат привлеченных средств

II

4.1

Краткосрочные обязательства

III

4.1.1

Разработка процедуры взаимодействия с Кредиторами

III

4.1.2

Выплата % по кредитам и основной суммы кредита

III

4.1.3

Выплата % по займам (если займ с процентом) и основной суммы займа

II

4.2

Долгосрочные обязательства

III

4.2.1

Разработка процедуры взаимодействия с Кредиторами

III

4.2.2

Выплата % по кредитам и основной суммы кредита

III

4.2.3

Выплата % по займам (если займ с процентом) и основной суммы займа

II

4.3

Затраты на IPO и иные способы привлечения инвестиций

II

4.4

Возврат инвестиций долевым участникам строительства

I

5.

Управленческие (накладные) расходы девелопера

II

5.1

Заработная плата Административно-управленческому персоналу

II

5.2

Расходы на содержание офиса

II

5.3

Затраты на общение с чиновниками в ходе согласований, экспертиз, проверок

I

6.

Затраты на реализацию площадей

II

6.1

Затраты на оплату услуг агентств недвижимости

II

6.2.

Затраты на организацию собственных офисов продаж, рекламу и иные способы продвижения товара

I

7.

Стоимость информационно-консультационных услуг на аутсорсинге

II

7.1

Аудиторские услуги

II

7.2

Маркетинговые услуги

II

7.3

Юридические услуги

В то же время в официальных источниках, а также в практике оценки эффективности инвестиционных проектов затраты на девелопмент жилой недвижимости включают в себя только себестоимость (сметную стоимость) строительства, т. е. составляющие п. 3 и частично п. 5.

Так, согласно методике Росстата [7], при расчете средней стоимости строительства 1 кв. м жилья в состав затрат включаются затраты на новое строительство, расширение, а также реконструкцию и модернизацию объектов, т.е. расходы на строительство зданий и сооружений, которые складываются из выполненных строительных работ и приходящихся на них прочих капитальных затрат, включаемых при вводе объекта в эксплуатацию в инвентарную стоимость здания (сооружения) (проектно-изыскательских работ, работ по отводу земельных участков под строительство и т.п.), и из затрат на коммуникации внутри здания, необходимые для его эксплуатации (вся система отопления и канализации внутри здания, внутренняя сеть газоснабжения, силовой и осветительной электропроводки, телефонной электропроводки, вентиляционные устройства общесанитарного назначения, подъемники и лифты и т.д.). В объем затрат не включаются затраты на приобретение в собственность земельных участков и объектов природопользования, затраты на научно-исследовательские, опытно-конструкторские и технологические работы, которые являются инвестициями в другие нефинансовые активы.

Таким образом, данные Росстата о затратах на строительство жилья отражают ту часть затрат девелопера, которую принято называть «себестоимостью строительства», в то время как при определении доходности инвестиций в недвижимость необходимо использовать не себестоимость, а полную (инвестиционную) стоимость строительства. В связи с этим необходимо проанализировать долевую структуру элементов полных затрат на девелопмент, принятых к учету в различных источниках.

Одна из первых исследовательских работ, посвященных анализу реальной структуры инвестиционной стоимости строительства, выполнена в 2007 году [8] (табл. 2).

Таблица 2.

Структура инвестиционной стоимости 1 кв. метра площади строительства на участке, приобретенном на публичных аукционах в 2007 году (по данным о 40 объектах ЗАО «Желдорипотека»)

Составляющая затрат

Затраты, руб./кв. м

Доля затрат в полной стоимости строительства, %

Приобретение прав на застройку, расселение

6154

14

Формирование земельного участка

525

1

Проектирование

997

2

Себестоимость (строительно-монтажные работы)

27874

62

Управление

472

1

Инженерная инфраструктура, в т.ч. плата за технологическое присоединение к сетям

3984

9

Накладные расходы девелопера

1939

4

Проценты по кредитам

3257

7

Инвентаризационная стоимость строительства до налогообложения

45203

100

Согласно данному исследованию, доля СМР в полной стоимости строительства составила 62%, доля затрат на землю - 14-15%, доля затрат на инженерную инфраструктуру - 9%, доля затрат на финансирование - 7%.

В последние годы доля затрат на СМР снизилась и составляет 30-40%, так как резко выросла доля затрат на землю как в связи с ростом стоимости земли, так и в связи с ростом стоимости инженерных сетей. По разным оценкам, сегодня в Москве она достигает 40-50%, в регионах – 20-30%. Другие обременения (расселение и компенсация за снос, строительство социальных объектов, налоги, страхование ответственности застройщика и др.) составляют 10-20%[9].

В табл. 3 приведены оценки степени учета элементов полных (инвестиционных) затрат в различных источниках, полученные по результатам изучения авторами корпоративных стандартов расчета стоимости строительства при подготовке проектных деклараций, интервью с руководителями и экспертами крупных девелоперских компаний.

Таблица 3.

Степень учета элементов полных (инвестиционных) затрат в различных источниках

Содержание составляющей затрат

Учет элементов в различных источниках

Доля стоимости затрат, %

Росстат

Проектные декларации

       

Москва

регионы

1.

Прединвестиционные затраты на разработку концепции и бизнес-плана инвестиционного проекта

-

-

2-3

1-3

2.

Затраты на землю

-

+

25-35

20-30

3.

Стоимость проектирования и строительства

+

+

30-40

50-60

4.

Обслуживание и возврат привлеченных средств

-

-

5-30

3-15

5.

Управленческие (накладные) расходы девелопера

+/-*

+/-*

10-15

10-15

6.

Затраты на реализацию площадей

-

-

3-5

3-4

7.

Стоимость информационно-консультационных услуг на аутсорсинге

-

-

1-2

1-2

Всего доля учтенных затрат, %

40-50

75-85

100

100

__________

       

* частично

       

Полученные данные позволяют оценить коэффициент дополнительных затрат при использовании данных Росстата или ПД: неучтенные составляющие по Росстату в среднем равны 45%, по ПД – 80%, что соответствует величине Кд.з.1 = 1,55 и Кд.з.2 = 1,25.

Расчет индекса текущей годовой доходности инвестиций в девелопмент жилой недвижимости. Методика оценки текущей годовой доходности инвестиций в девелопмент жилой недвижимости апробирована на примере жилищного строительства в Москве в 2010-2014 годах. Исходные данные для расчета приведены в табл. 4.

Таблица 4.

Исходные данные для оценки доходности инвестиций в девелопмент

показатель

2010

2011

2012

2013*

2014*

средневзвешенная удельная цена продажи объекта в декабре Pav, тыс. руб./кв. м**

168,5

185,5

230,7

166,7

216,0

количество зарегистрированных договоров участия в долевом строительстве (ДДУ) Qc, тыс. шт.***

1,2

4,6

12,1

21,3

27,2

средняя площадь квартиры в новостройках Saa, кв. м**

76,0

73,0

72,0

68,0

69,0

объем поглощения площадей по рыночным данным Sp, тыс. кв. м**

96,5

532,4

764,4

1217,0

1616,0

объем строительства Sс, млн кв. м**

2,31

2,18

2,14

4,20

4,30

объем ввода, млн кв. м*4

1,97

2,11

2,15

3,10

3,32

средняя стоимость строительства 1 кв. м по данным Росстата Сс1, тыс. руб.;*4

38,7

57,3

45,3

41,9

41,7

средняя стоимость строительства 1 кв. м по данным ПД Сс2, тыс. руб.**

52,3

73,5

59,5

54,7

54,2

____________________________________

* С учетом присоединенных территорий.

** Базы данных предложений на продажу и проектных деклараций ООО «Стерникс Консалтинг»;

*** Управление Росреестра по г. Москве; *4 Росстат.

Результаты расчета по различным вариантам формулы и источников данных без учета и с учетом корректирующих коэффициентов приведены в табл. 5.

Таблица 5.

Результаты расчета среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости Москвы (%)

Формула

Без корректирующих коэффициентов

С корректирующими коэффициентами

 

2010

2011

2012

2013

2014

2010

2011

2012

2013

2014

(1)

-82,8

-50,1

107,2

48,8

108,4

-87,8

-64,7

45,6

17,0

47,9

(2)

-87,3

-61,1

57,8

26,3

60,4

-88,8

-65,8

38,9

11,6

41,1

(3)

-86,4

-20,9

81,9

49,0

103,4

-92,4

-49,0

18,5

-3,9

44,4

(4)

-93,5

-38,4

38,5

14,2

56,5

-95,2

-50,7

10,8

-8,8

37,7

На рис. 1 приведены итоговые результаты исследования в виде динамики объемов выручки и затрат, а также доходности инвестиций в Москве в 2010-2014 годах (с учетом корректирующих коэффициентов). Для сравнения также показана доходность, рассчитанная без коэффициентов.

Рис. 1. Результаты расчета индекса текущей годовой доходности инвестиций в девелопмент жилой недвижимости в Москве по различным источникам исходных данных:

Returns – выручка; Investments – затраты; Yields – доходность без учета корректирующих коэффициентов; Yields-K – доходность итоговая.

Интерпретация результатов исследования. Результаты исследования показывают, что при использовании корректирующих коэффициентов средние значения индекса текущей годовой доходности снижаются в 1,3-1,4 раза (рис. 2). При этом разброс значений относительно среднего, вызванный информационным шумом (случайными ошибками в исходных данных), также уменьшается и не превышает +/-(5-6)%.

Таким образом, рекомендуется при оценке среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости проводить расчет по всем четырем вариантам формулы либо по варианту (3) как наиболее близкому к средним значениям (рис. 2).

Рис. 2. Сравнительная динамика индекса текущей годовой доходности инвестиций в девелопмент по четырем вариантам расчета

Полученные результаты исследования динамики показателей девелопмента жилой недвижимости в Москве в послекризисный период хорошо согласуются с данными о развитии рынка жилья [9-12].

В 2010 году почти половина строящихся домов были заморожены. Новые стройки практически не начинались. Достраивались и вводились в строй лишь объекты с высокой степенью готовности. Объем строительства (2,31 млн кв. м) незначительно превысил объем ввода (1,97 млн кв. м). Суммарные затраты девелоперов составили от 151 до 185 млрд руб. Но продаж в этих объектах почти не было – все помещения были раскуплены ранее. Количество зарегистрированных ДДУ составило всего 1,2 тыс., объем поглощения площадей – 96,5 тыс. кв. м. Суммарная выручка девелоперов составила 16-17 млрд руб.

Строительство финансировалось:

- из собственных средств крупных девелоперов, сосредоточивших их на пусковых объектах;

- из этого же источника, получившего недостроенные объекты по инвестиционным контрактам с властями в рамках программы поддержки «обманутых дольщиков» в обмен на новые земельные участки;

- из средств кредитных учреждений, получивших в наследство недостроенные объекты и создавших собственные девелоперские структуры.

В результате девелоперы почти не получали возврата инвестиций, текущая доходность проектов составила в среднем -92,5%.

В 2011 году ситуация начала выправляться. Объем ввода несколько увеличился, при этом объем строительства уменьшился – все еще вводились достроенные размороженные объекты, но уже были выведены на рынок новые объекты. Этот процесс несколько затормозился сменой руководства города и начавшейся ревизией ранее заключенных инвестконтрактов, а также годичным мораторием на выдачу разрешений в условиях дефицита площадок под строительство жилья. Суммарные затраты уменьшились до 124-200 млрд руб. Количество зарегистрированных ДДУ выросло до 4,6 тыс. (в 4 раза), объем поглощения площадей – в 5 раз. Цены предложения выросли на 10%. Выручка выросла в 5 раз и составила до 62-99 млрд руб. Начался частичный возврат инвестиций, средняя текущая доходность девелопмента поднялась до -57,6%.

В 2012 году рынок строительства и продажи жилой недвижимости окончательно восстановился. Суммарные затраты составили 149-159 млрд руб. Количество зарегистрированных ДДУ выросло до 12,1 тыс., объем поглощения площадей – до 764,4 тыс. кв. м. Цены выросли на 15%. Выручка выросла до 176-221 млрд руб. Наконец-то текущая годовая доходность девелопмента стала положительной и достигла 28,5%.

2013 год охарактеризовался двумя важными событиями. Во-первых, экономика РФ закончила стадию послекризисного восстановления и перешла в стадию стагнации, вследствие чего снизился темп роста доходов населения. Во-вторых, к концу 2012 года завершилось присоединение к Москве новых территорий, имеющих значительный потенциал земельных участков под строительство, но отличающихся существенно более низким уровнем цен на жилье. В результате объем строительства в Большой Москве вырос относительно Старой Москвы почти вдвое, объем ввода – в полтора раза. Суммарные затраты составили 273-287 млрд руб. Количество зарегистрированных ДДУ достигло 19,8 тыс., объем поглощения площадей – 1217 тыс. кв. м. При этом цены (средние по Большой Москве) несколько снизились. При резком повышении объема затрат объем выручки вырос не столь значительно (до 262-319 млрд руб.), и текущая годовая доходность девелопмента снизилась до 4,0%.

В 2014 году в силу известных макроэкономических и политических шоков, вызвавших ажиотажный спрос на рынке недвижимости, произошло некоторое повышение объемов строительства и ввода жилья. Суммарные затраты выросли незначительно (до 278-291 млрд руб.). Но при этом существенно выросло количество зарегистрированных ДДУ (до 27,2 тыс. – на 21%) и объема поглощенных площадей (до 1616 тыс. кв. м – на 33%), а также средняя цена жилья. В результате выручка выросла до 355-411 млрд руб., текущая годовая доходность инвестиций в девелопмент жилой недвижимости - до 42,8%.

Таким образом, полученные результаты подтверждаются данными о состоянии и развитии рынка строительства и продажи жилой недвижимости в послекризисный период 2010-2014 гг и могут быть признаны корректными.

Выводы:

1. Среднерыночная текущая годовая доходность инвестиций в девелопмент жилой недвижимости (среднерыночная учетная норма прибыли в отрасли или среднерыночный коэффициент рентабельности отрасли) является важным и востребованным индикатором при социально-экономическом и градостроительном планировании и инвестиционном прогнозировании развития жилищной сферы. Методическое развитие экономического обоснования указанного показателя является актуальной научно-практической задачей.

2. В результате проведенного исследования разработаны и обоснованы варианты методики оценки среднерыночной текущей годовой доходности инвестиций в девелопмент жилой недвижимости в зависимости от характера и содержания исходных данных о затратах в используемых источниках (себестоимость строительства или полные инвестиционные затраты).

3. На основании анализа состава элементов затрат на девелопмент, используемого в различных источниках, получены корректирующие коэффициенты, позволяющие перейти от оценки текущей годовой доходности инвестиций в девелопмент по отношению к себестоимости (полной сметной стоимости) строительства к оценке текущей годовой доходности по отношению к полным инвестиционным затратам. Методика апробирована на примере рынка жилья Москвы, в результате чего доказана возможность ее использования для управления инвестициями на рынке жилья.

Литература

1.            Шиллер Р. Иррациональный оптимизм: Как безрассудное поведение управляет рынками. - М.: Альпина Паблишер, 2013.

2.            Ноздрина Н.Н., Пчелинцев О.С., Стерник Г.М. Цены и доступность жилья в городах России // Проблемы прогнозирования». 1996. №6.

3.            Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. - М.: Экономика, 2009.

4.            Стерник Г.М., Поплевина Д.В. Методика оценки среднерыночной доходности инвестиций в девелопмент // Имущественные отношения в РФ. 2015. №8.

5.            Стерник Г.М., Стерник С.Г., Преминина М.В. Стандартизация структуры затрат на девелопмент в отраслевом экономическом анализе рынка строительства и недвижимости // Механизация строительства и ЖКХ. 2010. №9.

6.            Стерник Г.М., Стерник С.Г., Преминина М. В. Анализ методов определения затрат на девелопмент и направлений их совершенствования // Механизация строительства и ЖКХ. 2011. № 2.

7.            Методологические положения по системе статистических показателей, разрабатываемых в статистике строительства и инвестиций в основной капитал, 2012. Федеральная служба государственной статистики, Москва. [Электронный ресурс]. – Режим доступа: URL:http://www.gks.ru/ (дата обращения: 09.02.2016).

8.            Вотолевский В.Л. Работа девелоперских компаний в условиях кризиса // Имущественные отношения в РФ. 2009. №8.

9.            Савенко М. Скрытые резервы // Тематическое приложение к газете Коммерсант «Дом». 2016. №049.

10.        Стерник Г.М. Спад на рынке строительства и продажи жилья в России // Новой экономической ассоциации. 2009. №4.

11.        Стерник Г.М., Стерник С.Г., Аракелов С.А. Итоги кризиса рынка жилья и жилищно-строительной отрасли в России // Финансовая аналитика: проблемы и решения. 2010. № 7.

12.        Стерник Г.М. Закономерности послекризисного восстановления рынка жилья городов России // Финансовый журнал. 2013. №1.

13.        Стерник Г.М., Стерник С.Г. Рынок жилой недвижимости Москвы и Московской области: текущее состояние и ценовой прогноз // Управление развитием территорий. 2015. №4.

Опубликовано в журнале Механизация строительства, том 77, № 1, 2016. – Стр. 53-62.

Оценка зависимости удельной и полной цены квартир от размера и качества

Г.М. Стерник

К.т.н., Московская ассоциация риэлторов, Председатель Комитета по аналитике и консалтингу

gm_sternik@mail.ru

С.Г. Стерник

Д.э.н., проф., Финансовый университет при Правительстве Российской Федерации, профессор

sgs728@mail.ru

Аннотация

В теории и практике оценки многоквартирного жилья сравнительным подходом существует проблема статистически достоверного определения корректировок (поправок) на отличие характеристик оцениваемого объекта от объектов-аналогов по признакам размера и класса качества. Не менее важно рассмотреть размер и класс качества как факторы ценообразования при разработке концепции девелоперского проекта в части квартирографии.

Обширный опыт исследования рынка недвижимости авторами настоящей работы позволяет утверждать, что связь удельной и полной цены помещений с их размерами и качеством неоднозначна. Она определяется целой группой факторов, среди которых присутствуют как объективные, связанные с характеристиками объекта и его местоположения, так и субъективные, связанные с предпочтениями и бюджетом покупателей, маркетинговой политикой продавца и др.

Полученные в настоящей работе закономерности ценообразования на первичном рынке жилой недвижимости Москвы и Новой Москвы позволяют рассчитать корректировки (поправки) на размер и качество квартир для оценки их рыночной стоимости сравнительным подходом, а также для расчета параметров доходности инвестиционно-строительных проектов.

Ключевые слова: Оценка недвижимости, рынок недвижимости, девелопмент недвижимости, факторы ценообразования, инвестиционный анализ, инвестиционно-строительный проект

Assessment of the dependence between the price of apartments and their size and quality

G.M. Sternik

PhD. Tech. Sci., Moscow association of realtors, Chair of the Committee on consulting and analytics

gm_sternik@mail.ru

S.G. Sternik

Dr. of Ec. Sci., Financial under the Government of the Russian Federation, Professor

sgs728@mail.ru

Аnnotation

In the theory and practice of evaluation of multifamily housing using a comparative approach there is a problem of determining statistically significant adjustments to the difference between the estimated characteristics of the property from the comparable properties based on the size and quality.

It is equally (or more) important to consider the size and quality as pricing factors while creating multifamily development project concept.

Extensive authors’ experience in the field of real estate market research allows the authors of this paper claim that the connection between the total price of the apartments, price per square foot or square meter basis and size and quality of the apartments is ambiguous. A group of factors, which affect this connection include both ‘objective’, i.e. related to the characteristics of the property itself and its location, and subjective, i.e. associated with the preferences and budget of the customers, developer’s marketing policies, etc.

Pricing patterns of the primary real estate market of Moscow and ‘New Moscow’ that are discussed in the article allow authors calculate the adjustments to the price and quality of the apartments and estimate their market value using a comparative approach, which can further be used to calculate the parameters of profitability of investment and construction projects.

Keywords: рroperty valuation, property market, property development, factors affecting price, investment analysis, and investment and construction project, multifamily housing

Постановка задачи. Размер и класс качества квартир как факторы ценообразования актуальны в двух аспектах: оценочном и инвестиционно-аналитическом (в интересах девелопмента).

Оценочный аспект: в теории и практике оценки многоквартирного жилья сравнительным подходом существует проблема статистически достоверного определения корректировок (поправок) на отличие характеристик оцениваемого объекта от объектов-аналогов по признакам размера и класса качества. Федеральный стандарт оценки № 7 предлагает по методу корректировок единственное и весьма общее методическое указание: «цена объекта-аналога или ее удельный показатель корректируется по выявленным различиям … При этом корректировка по каждому элементу сравнения основывается на принципе вклада этого элемента в стоимость объекта» [1]. Однако теоретические работы, предлагающие убедительные методики расчета поправок на размер и класс качества жилья, отсутствуют. Поэтому на практике поправки определяются субъективно и весьма приближенно. Например, поправка на размер чаще всего применяется к полной цене квартиры и вычисляется механическим умножением удельной цены аналога на разницу площади с объектом оценки. Влияние же размера на удельную цену не рассматривается или увеличение размера рассматривается исключительно как понижающий фактор [2], что ошибочно.

Инвестиционно-аналитический аспект: не менее важно рассмотреть размер и класс качества как факторы ценообразования при разработке концепции девелоперского проекта в части квартирографии. Принципиально, что застройщики и покупатели руководствуются различными критериями выбора размеров и класса качества объекта: первые рассчитывают общий доход от инвестиций и стремятся к максимизации удельной цены, вторые стремятся к минимизации полной цены объекта при заданном качестве [3].

Обширный опыт исследования рынка недвижимости авторами настоящей работы [4-6] позволяет утверждать, что связь удельной и полной цены помещений с их размерами и качеством неоднозначна. Она определяется целой группой факторов, среди которых присутствуют как объективные, связанные с характеристиками объекта и его местоположения, так и субъективные, связанные с предпочтениями и бюджетом покупателей, маркетинговой политикой продавца и др. (рис. 1).

Рис. 1. Структура факторов, определяющих цену объекта недвижимости

В связи с изложенным, зависимость цены квартиры от размера и класса качества нуждается в углубленном исследовании, результаты которого и представляются в настоящей работе.

Исходные данные исследования. Для исследования собраны данные о строящихся многоквартирных жилых домах и ценах предложения квартир на продажу в 2014 году в двух локациях – Москва (в границах до 2012 года) и Новая Москва (присоединенные с 1 июля 2012 года территории Московской области). Эти локации принципиально отличаются как по качеству жилья и ценам, так и по предпочтениям и бюджету покупателей в соответствии с их портретом: в Москве уровень душевого дохода жителей и покупателей-нерезидентов вдвое превышает уровень Подмосковья. В соответствии с этим отличается их потребительское поведение и предпочтения в отношении размеров и качества жилья.

Отметим, что в данном исследовании местоположение описывается дискретно – принадлежностью объекта к выделенной локации (зона, микрорайон). Размер жилого помещения описывается средней площадью квартир при различном количестве комнат (1-комнатная, 2-комнатная, 3-комнатная, многокомнатная квартира).

Качество объекта также описывается дискретно - заданным классом качества, определяемым по всей совокупности характеристик объекта в соответствии с «Единой методикой» [7], выделяющей 4 класса: эконом-, комфорт-, бизнес – и элитный класс.

Фрагменты базы данных ООО «Стерникс Консалтинг» (Sternik's Consulting) приведены в табл. 1 и 2.

В табл. 1 показаны три объекта и их основные характеристики, влияющие на комфортность проживания, на основе которых определяется класс объекта. Общее количество объектов в Реестре строящихся домов Москвы – 347, Новой Москвы – 720.

В табл. 2 приведены данные о трех квартирах, предлагаемых на продажу. Общее количество предложений в Прайсе Москвы – 66 272, Новой Москвы – 9 932.

Таблица 1. Реестр строящихся многоквартирных жилых домов в Новой Москве (фрагмент)

OBJECT ID

488

720

1230

ADDRESS

г. Московский, мкр. Град Московский, кв-л 1, кор. 1

пос. Мосрентген- д. 1

г. Коммунарка, мкр. 5. Блок А

км от мкад

10

1

5,5

SUBJECT_rayon

НАО

НАО

НАО

LONGITUDE

37.369951

 

37.85894

LATITUDE

55.591089

 

55.699417

TECHNOLOGY

Панельный (сборно-железобетонный)

Монолитно-бетонный

Монолитно-каркасный

MATERIAL_WALL

Панель

Бетон

Кирпич

FLOOR

17

12

8

FINISHING_LEVEL_FLAT

Эконом (классическая отделка дешевыми материалами)

Эконом (классическая отделка дешевыми материалами)

Бизнес (отделка с использова нием качественных материа лов)

FINISHING_LEVEL_INSIDE

Эконом (базовая отделка дешевыми материалами)

Эконом (базовая отделка дешевыми материалами)

Бизнес (отделка с использова нием качественных материа лов)

PARKING_TYPE

Наземный

Нет

Подземный

LIFT

12

4

6

SECURITY

Консъерж

Консъерж

Консъерж, ограждение, охрана

CONST_STATUS

Завершено

Завершено

Ведется

CONST_STAGE

6

6

2

Инфраструктура дома

Нет

Нежилые помещения на первом этаже

 

CLASS_ TYPE

Эконом-класс

Комфорт-класс

Бизнес-класс

Таблица 2. База предложения квартир на продажу в Новой Москве (фрагмент)

OBJECT ID

488

488

488

FLAT ID

1

2

3

ADDRESS

г. Московский, мкр. Град Московский, кв-л 1, кор. 1

г. Московский, мкр. Град Московский, кв-л 1, кор. 1

г. Московский, мкр. Град Московский, кв-л 1, кор. 1

FLOOR

4

4

3

ROOM_QNT

1

2

3

AREA_ FLAT, кв. М

39,2

68,0

92,4

PRICE, тыс. Руб.

3195

5545

7577

Основная гипотеза исследования. Состоит в том, что закономерности ценообразования в зависимости от качества и размеров помещения неоднозначны и зависят от локации объекта (особенностей локального рынка недвижимости).

Теоретическое подтверждение основной гипотезы исследования. Рассмотрим следующий набор функций:

- полная цена объекта в функции от качества P = f1(Q);

- полная цена объекта в функции от размера P = f2(S);

- удельная цена объекта в функции от качества U = f3(Q);

- удельная цена объекта в функции размера U = f4(S);

- качество объекта в функции от размера Q = f5(S);

- размер (площадь) объекта в функции от качества S = f6(Q).

В формализованном виде закономерности ценообразования на рынке квартир по критериям качества и размера можно представить следующим образом (для простоты примем в первом приближении линейную зависимость между исследуемыми показателями):

- полная цена объекта в функции от качества равна

P = f(Q) = (a0 + a1 Q);

- качество объекта в функции от размера равно

Q = F(S) = (b0 +b1 S);

- площадь объекта в функции от качества равна

S = (Qb0 ) / b1 = Q / b1 c0,

где a0, a1, b0 , b1, c0 – коэффициенты регрессионных уравнений.

Тогда удельная цена объекта равна

U = P / S = (a0 + a1 Q) / (Q / b1 c0).

Таким образом, при определении удельной цены объекта показатель качества входит как в числитель, так и в знаменатель формулы. Это подтверждает неоднозначность закономерности ценообразования жилых помещений в зависимости от качества и размера.

Рассмотрим варианты представления закономерностей ценообразования в графическом виде, сняв допущение о линейном характере всех зависимостей (рис. 2).

Q

 

P

 

Рис. 2. Графическое формирование зависимости удельной цены от качества при различных вариантах зависимости удельной цены от площади помещения

График показывает, что в варианте А), когда потребитель предпочитает повышенный комфорт и готов платить за квартиры большой площади (аналог – Москва), средняя удельная цена с ростом класса качества помещений повышается, а в варианте Б), когда потребитель стремится к повышенному качеству, но не готов платить за излишние площади (аналог – Новая Москва), средняя удельная цена с ростом качества снижается.

Понятно, что двумя произвольно выбранными примерами не исчерпываются варианты зависимости удельной цены от качества.

Далее исследование рынка и получение необходимых закономерностей выполняется на конкретных данных.

Эмпирическое подтверждение основной гипотезы исследования. Пример информации о ценовой ситуации приведен в виде пространственно-параметрической модели первичного рынка жилой недвижимости в Новой Москве (табл. 3).

Обработка баз данных показала существенные отличия в структуре предложения между двумя локациями: в Москве количество квартир эконом-класса составляет 23,3%, комфорт-класса – 37,3%, бизнес-класса – 24,3%, элитного класса – 15,0%. В Новой Москве эти показатели составляют 12,0%, 83,3%, 4,7% и ноль процентов соответственно (рис. 3).

Рис. 3. Структура объема предложения (по количеству квартир) по классам


Таблица 3. Дискретная пространственно-параметрическая модель предложения квартир на продажу в Новой Москве в 2014 году

Класс квартиры

Зона

Населенный пункт

Количество объектов, шт

Средняя, руб/м2

СКО, руб/м2

Минимум, руб/м2

Медиана, руб/м2

Максимум, руб/м2

Коэф. Вариации, %

Погрешность, руб/м2

Порешность, %

2

3

4

5

6

7

8

9

10

11

12

13

все классы

вся «новая» Москва

все

9 932

85 808

17 267

40653

83 000

158 840

20,12

348

0,41

Эконом

вся «новая» Москва

все

2 014

84 349

12 237

63 444

80 592

130 000

15,04

546

0,67

НАО, до 8 км от МКАД

все

308

92 368

10 803

69 250

96 823

130 000

11,70

1 241

1,34

Коммунарка

74

85 465

20 406

97 000

104 650

130 000

23,88

4 777

5,59

Рассказовка

180

79 290

12 469

69 250

85 015

101 742

15,73

1 864

2,35

Столбово

54

90 129

11 646

94 946

97 022

107 017

12,92

3 200

3,55

НАО, 8 км и более от МКАД

все

1 706

79 064

10 975

63 444

79 500

121 875

13,88

532

0,67

Марушкино

74

75 345

3 563

69 853

75 595

80 769

4,73

98

0,13

Московский

448

86 210

8 615

69 000

85 321

106 563

9,99

815

0,95

Пыхтино

1 150

85 071

14 069

63 444

70 500

121 875

16,54

830

0,98

Язово

34

96 993

2 413

94 969

95 049

99 961

2,49

840

0,87

Комфорт

вся «новая» Москва

7 455

80 378

15 365

40 653

82 025

157 709

18,43

359

0,43

НАО

все

6 494

82 987

14 466

40 653

84 868

157 709

16,08

365

0,41

НАО, до 8 км от МКАД

все

3 386

85 907

12 096

64 000

86 850

128 617

13,76

416

0,47

Говорово

630

95 048

6 101

79 850

96 850

107 850

6,42

494

0,52

Коммунарка

2 071

82 789

13 665

69 819

83 896

128 617

16,51

601

0,73

Мосрентген

15

98 401

1 556

84 049

99 941

100 040

1,58

863

0,88

Николо-Хованское

251

105 290

25 268

64 000

85 714

120 000

24,00

3 196

3,04

Рассказовка

299

85 913

12 483

69 032

85 964

99 115

14,53

1 446

1,68

Столбово

120

101 446

2 941

92 999

101 994

109 000

2,90

551

0,54

НАО, 8 км и более от МКАД

все

3108

80 631

16 935

40 653

80 000

157 709

21,00

608

0,75

Большое Свинорье

13

61 653

1 410

59 429

61570

64 732

2,29

814

1,32

Воскресенское

24

89 000

-

89 000

89 000

89 000

-

-

-

Десна

168

83 078

5 794

75 030

83 500

94 945

6,97

897

1,08

Знамя Октября

79

81 645

4 088

70 000

80 978

91 033

5,01

932

1,14

Марушкино

344

80 342

23 570

49 500

54 857

68 984

29,34

2 545

3,17

Марьино

1 293

88 179

20 424

40 653

73 261

157 709

23,16

1 138

1,29

Московский

50

99 341

32 934

76 958

99 519

114 700

33,15

9 410

9,47

Фабрики 1 Мая

25

60 665

2 012

52 779

63 001

63 001

3,32

858

1,41

Щербинка

587

80 270

7 664

63 500

79 000

95 000

9,55

643

0,80

Язово

525

95 380

19 570

85 333

91 931

111 995

20,52

1 710

1,79

ТАО

все

961

70 378

10 676

40 808

70 313

94 989

15,17

694

0,99

Былово

15

45 767

1 682

40 808

45 985

50 276

3,68

933

2,04

Киевский

173

58 844

5 789

52 000

60 000

75 000

9,84

883

1,50

Первомайское

48

98 610

17 526

77 960

81 000

83 022

17,77

5 113

5,19

Птичное

62

53 830

3 762

50 182

56 548

59 522

6,99

963

1,79

Раево

113

58 092

709

56 991

58 000

59 052

1,22

134

0,23

Троицк

520

80 340

1 447

65 762

80 000

94 989

1,80

152

0,19

Щапово

30

89 131

20 403

58 966

71 739

87 238

22,89

7 577

8,50

Бизнес

Сосенки

463

120 964

12 333

104 506

124 747

158 840

10,20

1 148

0,95


В свою очередь, квартиры различного класса существенно различаются по количеству комнат (табл. 4 и рис. 4) и по общей площади (табл. 5 и рис. 5).

Так, в Москве в структуре предложения квартир эконом-класса 3-комнатные квартиры занимают 22% и имеют среднюю площадь 88,8 кв. м, а в Новой Москве – 15% и 80,5 кв. м соответственно.

В комфорт-классе в Москве и Новой Москве доля трехкомнатных квартир примерно одинакова (21-22%), но площади различаются – 98,3 и 80,9 кв. м.

В бизнес-классе в Москве доля 3-комнатных квартир составляет 35%, в Новой Москве – 44%, а площади отличаются в пользу Новой Москвы – 118,1 и 137,4 кв. м (в основном это малоэтажные дома).

В элитном классе в Москве доля многокомнатных квартир (как правило, со свободной планировкой) преобладает (42%), средняя площадь около 280 кв. м.

Таблица 4. Распределение квартир в Москве по числу комнат в различных классах, %

Число комнат

эконом

комфорт

бизнес

элит

Москва

Н. Москва

Москва

Н.Москва

Москва

Н.Москва

Москва

Н.Москва

1-ком

34

38

34

34

16

27

8

-

2-ком

40

46

37

44

29

28

14

-

3-ком

22

15

22

21

35

44

36

-

многоком

4

1

7

1

20

1

42

-

Рис. 4. Распределение квартир в Москве по числу комнат в различных классах, %

Таблица 5. Средние площади квартир с различным числом комнат в различных классах, кв. м

Число комнат

эконом

комфорт

бизнес

элит

Москва

Н. Москва

Москва

Н.Москва

Москва

Н.Москва

Москва

Н.Москва

1-ком

43,2

40,4

47,6

43,8

57,2

65,6

70

-

2-ком

67,1

58,7

70,1

66,7

83,2

102,3

110

-

3-ком

78,8

80,5

98,3

80,9

118,1

137,4

140

-

многоком

124,7

-

120,5

111,5

171,2

182,2

280

-

средняя

55,0

-

63,4

68,3

93,0

135,2

147,0

 

Рис. 5. Средние площади квартир с различным числом комнат в различных классах, кв. м

В соответствии с такими отличиями, в Москве средняя удельная цена квартир эконом-класса составляет 139,3 тыс. руб./кв. м, комфорт-класса – 151,1, бизнес-класса – 260,1, элитного класса – 685,3 тыс. руб./кв. м. В Новой Москве эта величина составляет в эконом-классе 84,3, в комфорт-классе – 82,4, в бизнес-класса – 121,0 тыс. руб./кв. м (табл. 6 и рис. 5). В то же время полная цена квартир в эконом-классе Москвы – 8074, в комфорт-классе – 9580, в бизнес-классе – 24189, в элитном классе – 100739 тыс. руб. В Новой Москве она равна в эконом-классе 4417 тыс. руб., в комфорт-классе – 5491, в бизнес-классе – 16359 тыс. руб. (табл. 7 и рис. 6).

Таблица 6. Средняя удельная цена квартир с различным числом комнат в различных классах, тыс. руб./кв. м

Число комнат

эконом

комфорт

бизнес

элит

Москва

Н. Москва

Москва

Н.Москва

Москва

Н.Москва

Москва

Н.Москва

1-ком

156,3

86,4

155,8

84,5

230,2

124,1

632,6

-

2-ком

134,6

84,1

150,9

82,1

236,5

122,4

664,5

-

3-ком

122,1

82,2

152,3

80,4

229,6

120,0

690,9

-

многоком

203,6

80,1

155,3

78,0

380,8

118,3

633,7

-

средняя

139,2

84,3

151,1

80,4

260,1

121,0

685,3

 

Таблица 7. Средняя полная цена квартир с различным числом комнат в различных классах, тыс. руб.

Число комнат

эконом

комфорт

бизнес

элит

Москва

Н. Москва

Москва

Н.Москва

Москва

Н.Москва

Москва

Н.Москва

1-ком

6752

3491

7416

3789

13167

8141

44282

-

2-ком

11320

4937

10578

5476

19677

12522

73095

-

3-ком

10842

6650

14971

6504

27116

16488

89817

-

многокомн.

17358

-

18713

8697

56193

21554

177436

-

средняя

8074

4417

9580

5491

24189

16359

100739

 

Рис. 6. Средняя полная цена квартир с различным числом комнат в различных классах, тыс. руб.

Таким образом, в условиях приведенного примера средние удельные цены растут при переходе к более высокому классу качества в Москве, и одновременно растут и полные цены квартир. В Новой Москве при переходе от эконом- к комфорт-классу средние удельные цены снижаются, при этом полные цены квартир растут.

Методическая интерпретация полученных результатов. Полученные закономерности ценообразования на первичном рынке жилой недвижимости Москвы и Новой Москвы позволяют рассчитать корректировки (поправки) на размер и качество квартир для оценки их рыночной стоимости сравнительным подходом.

Расчет поправок к удельной цене квартиры производится по формулам:

КS = (UaQ / Uo – 1) x100%,

KQ = (UaS / Uo – 1) x100%,

где КS – поправка на размер; KQ – поправка на качество; Uo – средняя удельная цена в кластере класса качества и размера оцениваемой квартиры; UaQ –средняя удельная цена аналога того же класса качества, отличающегося по размеру; UaS – средняя удельная цена аналога того же размера, отличающегося по классу качества.

Например, в варианте первая оцениваемая квартира находится в Москве, 2-комнатная и принадлежит к комфорт-классу, а квартиры-аналоги – одно- и трехкомнатные того же класса и эконом-класса также находятся в Москве. В варианте 2 меняется только локация – все квартиры находятся в Новой Москве. Результаты расчета поправок приведены в табл. 8.

Таблица 8. Пример расчета поправок на класс и размер помещений

Оцениваемый объект

Объекты аналоги

Поправка на размер

Поправка на качество

1. Москва. Двухкомнатная квартира комфорт-класса

1-комнатная квартира комфорт-класса

-3,2%

0

3-комнатная квартира комфорт-класса

-0,9%

0

1-комнатная квартира эконом-класса

-3,5%

+9,9%

3-комнатная квартира эконом-класса

+19,1%

+9,9%

2. Новая Москва. Двухкомнатная квартира комфорт-класса

1-комнатная квартира комфорт-класса

-2,9%

0

3-комнатная квартира комфорт-класса

+2,1%

0

1-комнатная квартира эконом-класса

-5,2%

-2,4%

3-комнатная квартира эконом-класса

-0,1%

-2,4%

Приведенные в табл. 8 результаты расчета показывают, что поправка к удельной цене квартиры в Москве на класс качества при аналогах того же класса не требуется, а поправка на размер составляет соответственно -3% и -1%. Если аналоги принадлежат к эконом-классу, то поправка на класс равна +10%, а на размер -4% и +19%. В Новой Москве поправки на качество для аналогов того же класса не требуются, а на размер равны соответственно -3% и +1%. Для аналогов эконом-класса поправки на качество равны -2%, на размер – соответственно -5% и -2%.

При инвестиционном анализе концепций жилой застройки разработка рекомендаций застройщику относительно квартирографии должна исходить из критерия максимальной доходности (в случае приблизительно одинаковых затрат для разных вариантов квартирографии – по критерию максимальной выручки) и учитывать предпочтения потребителей относительно качества объекта и размера помещений.

Расчет выручки произведем по формуле

В = Ʃ Pi x ni = Ʃ Ui Si ni .

Тогда выручка с жилого квадратного метра равна

В= Ʃ Ui Si ni / S0 = Ʃ Ui x di ,

где di = Si ni / S0 – доля площади квартир i-го размера от общей площади квартир в объекте.

Соответственно, максимальная выручка достигается при условии максимизации доли квартир с наибольшей удельной ценой при сохранении доли остальных квартир в пределах диапазона предпочтений потребителей:

Max B’ = Umax x dmax + Ʃ Uj x dj

при dj ≥ djmin;

djmin = dj – Δdj;

djmax = 1 – Ʃ djmin,

где Umax – наибольшая средняя удельная цена квартир среди квартир различного размера; Uj – средняя удельная цена остальных квартир; dmax – максимально возможная доля таких квартир согласно предпочтениям потребителей; dj – доля остальных квартир; djmin - минимальная доля квартир в структуре спроса с учетом погрешности в определении предпочтений потребителей; Δdj – половина диапазона погрешности.

Методика оптимизации квартирографии для получения максимальной выручки состоит в том, что полученные в результате исследования предпочтений потребителей средние доли квартир различного размера в спросе корректируются следующим образом:

- доли всех квартир, кроме квартир с максимальной средней удельной ценой, снижаются до нижней границы диапазона погрешности в определении средней доли;

- доля квартир с максимальной удельной ценой повышается на соответствующую величину.

Принимается, что объем поглощения квартир всех классов качества и всех размеров при таких изменениях структуры спроса относительно средних долей в структуре предпочтений остается равным объему строительства.

В табл. 9 и 10 приведены примеры расчета максимальной выручки с одного кв. м для двух классов качества объекта – эконом- и комфорт-классов. Исходные данные о ценах взяты из табл. 6.

Таблица 9. Расчет максимальной выручки с 1 кв. м общей жилой площади дома в Москве

Класс качества

Эконом

Комфорт

Показатели

Средняя удельная цена, тыс. руб./кв. м

Доля в спросе, %

Скорректированная доля в спросе, %

Средняя удельная цена, тыс. руб./кв. м

Доля в спросе, %

Скорректированная доля в спросе, %

число ком нат

1

156,3

34+/-4

30

155,8

34+/-4

40

2

134,6

40+/-3

37

150,9

37+/-3

34

3

122,1

22+/-2

20

152,3

22+/-2

20

более 3

203,6

4+/-1

13

155,3

7+/-1

6

Выручка с 1 кв. м, тыс. руб.

131,9

147,5

153,2

153,1

Таблица 10. Расчет максимальной выручки с 1 кв. м общей жилой площади дома в Новой Москве

Класс качества

Эконом

Комфорт

Показатели

Средняя удельная цена, тыс. руб./кв. м

Доля в спросе, %

Скорректированная доля в спросе, %

Средняя удельная цена, тыс. руб./кв. м

Доля в спросе, %

Скорректированная доля в спросе, %

число ком нат

1

86,4

38+/-4

44

84,5

34+/-4

41

2

84,1

46+/-3

43

82,1

44+/-4

40

3

82,2

15+/-2

13

80,4

22+/-2

20

более 3

80,1

1+/-1

0

78,0

1+/-1

0

Выручка с 1 кв. м, тыс. руб.

84,6

85,9

83,7

83,5

Приведенные в табл. 9 результаты расчетов показывают, что в условиях Москвы девелопер может получить выручку с 1 кв. м общей жилой площади объекта в эконом-классе 131,9 тыс. руб., в комфорт-классе – 153,2 тыс. руб. (выше на 16,1%). Необходимо отметить, что окончательным критерием перехода к более высокому классу должен является критерий доходности, учитывающий не только изменение объема выручки, но и изменение стоимости строительства 1 кв. м общей жилой площади объекта.

При оптимизации квартирографии в соответствии с разработанной методикой объем выручки возрастает в эконом-классе до 147,5 (на 11,8%), в комфорт-классе – незначительно.

В условиях Новой Москвы (табл. 10) выручка с 1 кв. метра общей жилой площади объекта в эконом-классе составляет 84,6 тыс. руб., в комфорт-классе несколько ниже – 83,7 тыс. руб. После оптимизации квартирографии в эконом-классе она несколько увеличивается – до 85,9 тыс. руб. (на 1,5%), в комфорт-классе – незначительно снижается.

Выводы

Статистически достоверное определение поправок на размер и качество квартиры в целях оценки рыночной стоимости сравнительным подходом, а также критериев оптимизации квартирографии жилой застройки в целях максимизации доходности девелопмента возможно только в пределах каждого локального рынка на основе исследования закономерности ценообразования в конкретной фазе его состояния. В настоящей работе обоснована методология такого исследования на примере локальных рынков Москвы и Новой Москвы.

Список литературы

1.   Федеральный стандарт оценки «Оценка недвижимости (ФСО № 7)». Утвержден Приказом Минэкономразвития России от 25.09.2014 N 611.

2.   Лейфер Л.А. Справочник оценщика недвижимости (Том 2). – НН.: ЗАО «Приволжский центр финансового консалтинга и оценки», 2014. – 190 c.

3.   С.Г. Стерник. Методика экономической (рыночной) оптимизации проекта комплексной жилой застройки // Современные проблемы экономики и управления развитием города. - М, РЭА им. Г.В. Плеханова, 2006. – 296 c. – C.40-55

4.   Г.М. Стерник, С.Г. Стерник. Анализ рынка недвижимости для профессионалов. – М.: ЗАО «Издательство «Экономика», 2009. – 606 c.

5.   С.Г. Стерник. Развитие оценки недвижимости сравнительным подходом на основе методологии дискретного пространственно-параметрического анализа и моделирования рынка // Аудит и финансовый анализ. 2009. №5. C.130-137

6.   С.Г. Стерник. Массовая оценка недвижимости для целей налогообложения: проблемы и пути их решения // Финансовая аналитика. 2010. № 12. C.2-12.

7.   Г.М. Стерник, С.Г. Стерник. Развитие «Единой методики классифицирования многоквартирных жилых домов – новостроек» (ЕК МЖН) по потребительскому качеству (классу) проекта // Механизация строительства и ЖКХ. 2012. № 6. - C. 32-39.

References

1. Federal'nyj standart ocenki «Ocenka nedvizhimosti (FSO № 7)». Utverzhden Prikazom Minjekonomrazvitija Rossii ot 25.09.2014 N 611.

2. Lejfer L.A. Spravochnik ocenshhika nedvizhimosti (Tom 2). – NN.: ZAO «Privolzhskij centr finansovogo konsaltinga i ocenki», 2014. – 190 c.

3. S.G. Sternik. Metodika jekonomicheskoj (rynochnoj) optimizacii proekta kompleksnoj zhiloj zastrojki // Sovremennye problemy jekonomiki i upravlenija razvitiem goroda. - M, RJEA im. G.V. Plehanova, 2006. – 296 c. – C.40-55

4. G.M. Sternik, S.G. Sternik. Analiz rynka nedvizhimosti dlja professionalov. – M.: ZAO «Izdatel'stvo «JEkonomika», 2009. – 606 c.

5. S.G. Sternik. Razvitie ocenki nedvizhimosti sravnitel'nym podhodom na osnove metodologii diskretnogo prostranstvenno-parametricheskogo analiza i modelirovanija rynka // Audit i finansovyj analiz. 2009. №5. C.130-137

6. S.G. Sternik. Massovaja ocenka nedvizhimosti dlja celej nalogooblozhenija: problemy i puti ih reshenija // Finansovaja analitika. 2010. № 12. C.2-12.

7. G.M. Sternik, S.G. Sternik. Razvitie «Edinoj metodiki klassificirovanija mnogokvartirnyh zhilyh domov – novostroek» (EK MZHN) po potrebitel'skomu kachestvu (klassu) proekta // Mehanizacija stroitel'stva i ZHKH. 2012. № 6. - C. 32-39.

10.11.2015.

Стерник Г.М., Стерник С.Г. Оценка зависимости удельной и полной цены квартир от размера и качества

(Опубликовано в журнале Механизация строительства, том 77, № 1, 2016. – Стр. 53-62.)
Категория: методические материалы

Опубликовано в журнале Механизация строительства, том 77, № 1, 2016. – Стр. 53-62.

Оценка зависимости удельной и полной цены квартир от размера и качества

Г.М. Стерник

К.т.н., Московская ассоциация риэлторов, Председатель Комитета по аналитике и консалтингу

gm_sternik@mail.ru

С.Г. Стерник

Д.э.н., проф., Финансовый университет при Правительстве Российской Федерации, профессор

sgs728@mail.ru

Аннотация

В теории и практике оценки многоквартирного жилья сравнительным подходом существует проблема статистически достоверного определения корректировок (поправок) на отличие характеристик оцениваемого объекта от объектов-аналогов по признакам размера и класса качества. Не менее важно рассмотреть размер и класс качества как факторы ценообразования при разработке концепции девелоперского проекта в части квартирографии.

Обширный опыт исследования рынка недвижимости авторами настоящей работы позволяет утверждать, что связь удельной и полной цены помещений с их размерами и качеством неоднозначна. Она определяется целой группой факторов, среди которых присутствуют как объективные, связанные с характеристиками объекта и его местоположения, так и субъективные, связанные с предпочтениями и бюджетом покупателей, маркетинговой политикой продавца и др.

Полученные в настоящей работе закономерности ценообразования на первичном рынке жилой недвижимости Москвы и Новой Москвы позволяют рассчитать корректировки (поправки) на размер и качество квартир для оценки их рыночной стоимости сравнительным подходом, а также для расчета параметров доходности инвестиционно-строительных проектов.

Ключевые слова: Оценка недвижимости, рынок недвижимости, девелопмент недвижимости, факторы ценообразования, инвестиционный анализ, инвестиционно-строительный проект

Assessment of the dependence between the price of apartments and their size and quality

G.M. Sternik

PhD. Tech. Sci., Moscow association of realtors, Chair of the Committee on consulting and analytics

gm_sternik@mail.ru

S.G. Sternik

Dr. of Ec. Sci., Financial under the Government of the Russian Federation, Professor

sgs728@mail.ru

Аnnotation

In the theory and practice of evaluation of multifamily housing using a comparative approach there is a problem of determining statistically significant adjustments to the difference between the estimated characteristics of the property from the comparable properties based on the size and quality.

It is equally (or more) important to consider the size and quality as pricing factors while creating multifamily development project concept.

Extensive authors’ experience in the field of real estate market research allows the authors of this paper claim that the connection between the total price of the apartments, price per square foot or square meter basis and size and quality of the apartments is ambiguous. A group of factors, which affect this connection include both ‘objective’, i.e. related to the characteristics of the property itself and its location, and subjective, i.e. associated with the preferences and budget of the customers, developer’s marketing policies, etc.

Pricing patterns of the primary real estate market of Moscow and ‘New Moscow’ that are discussed in the article allow authors calculate the adjustments to the price and quality of the apartments and estimate their market value using a comparative approach, which can further be used to calculate the parameters of profitability of investment and construction projects.

Keywords: рroperty valuation, property market, property development, factors affecting price, investment analysis, and investment and construction project, multifamily housing

Постановка задачи. Размер и класс качества квартир как факторы ценообразования актуальны в двух аспектах: оценочном и инвестиционно-аналитическом (в интересах девелопмента).

Оценочный аспект: в теории и практике оценки многоквартирного жилья сравнительным подходом существует проблема статистически достоверного определения корректировок (поправок) на отличие характеристик оцениваемого объекта от объектов-аналогов по признакам размера и класса качества. Федеральный стандарт оценки № 7 предлагает по методу корректировок единственное и весьма общее методическое указание: «цена объекта-аналога или ее удельный показатель корректируется по выявленным различиям … При этом корректировка по каждому элементу сравнения основывается на принципе вклада этого элемента в стоимость объекта» [1]. Однако теоретические работы, предлагающие убедительные методики расчета поправок на размер и класс качества жилья, отсутствуют. Поэтому на практике поправки определяются субъективно и весьма приближенно. Например, поправка на размер чаще всего применяется к полной цене квартиры и вычисляется механическим умножением удельной цены аналога на разницу площади с объектом оценки. Влияние же размера на удельную цену не рассматривается или увеличение размера рассматривается исключительно как понижающий фактор [2], что ошибочно.

Инвестиционно-аналитический аспект: не менее важно рассмотреть размер и класс качества как факторы ценообразования при разработке концепции девелоперского проекта в части квартирографии. Принципиально, что застройщики и покупатели руководствуются различными критериями выбора размеров и класса качества объекта: первые рассчитывают общий доход от инвестиций и стремятся к максимизации удельной цены, вторые стремятся к минимизации полной цены объекта при заданном качестве [3].

Обширный опыт исследования рынка недвижимости авторами настоящей работы [4-6] позволяет утверждать, что связь удельной и полной цены помещений с их размерами и качеством неоднозначна. Она определяется целой группой факторов, среди которых присутствуют как объективные, связанные с характеристиками объекта и его местоположения, так и субъективные, связанные с предпочтениями и бюджетом покупателей, маркетинговой политикой продавца и др. (рис. 1).

Рис. 1. Структура факторов, определяющих цену объекта недвижимости

В связи с изложенным, зависимость цены квартиры от размера и класса качества нуждается в углубленном исследовании, результаты которого и представляются в настоящей работе.

Исходные данные исследования. Для исследования собраны данные о строящихся многоквартирных жилых домах и ценах предложения квартир на продажу в 2014 году в двух локациях – Москва (в границах до 2012 года) и Новая Москва (присоединенные с 1 июля 2012 года территории Московской области). Эти локации принципиально отличаются как по качеству жилья и ценам, так и по предпочтениям и бюджету покупателей в соответствии с их портретом: в Москве уровень душевого дохода жителей и покупателей-нерезидентов вдвое превышает уровень Подмосковья. В соответствии с этим отличается их потребительское поведение и предпочтения в отношении размеров и качества жилья.

Отметим, что в данном исследовании местоположение описывается дискретно – принадлежностью объекта к выделенной локации (зона, микрорайон). Размер жилого помещения описывается средней площадью квартир при различном количестве комнат (1-комнатная, 2-комнатная, 3-комнатная, многокомнатная квартира).

Качество объекта также описывается дискретно - заданным классом качества, определяемым по всей совокупности характеристик объекта в соответствии с «Единой методикой» [7], выделяющей 4 класса: эконом-, комфорт-, бизнес – и элитный класс.

Фрагменты базы данных ООО «Стерникс Консалтинг» (Sternik's Consulting) приведены в табл. 1 и 2.

В табл. 1 показаны три объекта и их основные характеристики, влияющие на комфортность проживания, на основе которых определяется класс объекта. Общее количество объектов в Реестре строящихся домов Москвы – 347, Новой Москвы – 720.

В табл. 2 приведены данные о трех квартирах, предлагаемых на продажу. Общее количество предложений в Прайсе Москвы – 66 272, Новой Москвы – 9 932.

Таблица 1. Реестр строящихся многоквартирных жилых домов в Новой Москве (фрагмент)

OBJECT ID

488

720

1230

ADDRESS

г. Московский, мкр. Град Московский, кв-л 1, кор. 1

пос. Мосрентген- д. 1

г. Коммунарка, мкр. 5. Блок А

км от мкад

10

1

5,5

SUBJECT_rayon

НАО

НАО

НАО

LONGITUDE

37.369951

 

37.85894

LATITUDE

55.591089

 

55.699417

TECHNOLOGY

Панельный (сборно-железобетонный)

Монолитно-бетонный

Монолитно-каркасный

MATERIAL_WALL

Панель

Бетон

Кирпич

FLOOR

17

12

8

FINISHING_LEVEL_FLAT

Эконом (классическая отделка дешевыми материалами)

Эконом (классическая отделка дешевыми материалами)

Бизнес (отделка с использова нием качественных материа лов)

FINISHING_LEVEL_INSIDE

Эконом (базовая отделка дешевыми материалами)

Эконом (базовая отделка дешевыми материалами)

Бизнес (отделка с использова нием качественных материа лов)

PARKING_TYPE

Наземный

Нет

Подземный

LIFT

12

4

6

SECURITY

Консъерж

Консъерж

Консъерж, ограждение, охрана

CONST_STATUS

Завершено

Завершено

Ведется

CONST_STAGE

6

6

2

Инфраструктура дома

Нет

Нежилые помещения на первом этаже

 

CLASS_ TYPE

Эконом-класс

Комфорт-класс

Бизнес-класс

Таблица 2. База предложения квартир на продажу в Новой Москве (фрагмент)

OBJECT ID

488

488

488

FLAT ID

1

2

3

ADDRESS

г. Московский, мкр. Град Московский, кв-л 1, кор. 1

г. Московский, мкр. Град Московский, кв-л 1, кор. 1

г. Московский, мкр. Град Московский, кв-л 1, кор. 1

FLOOR

4

4

3

ROOM_QNT

1

2

3

AREA_ FLAT, кв. М

39,2

68,0

92,4

PRICE, тыс. Руб.

3195

5545

7577

Основная гипотеза исследования. Состоит в том, что закономерности ценообразования в зависимости от качества и размеров помещения неоднозначны и зависят от локации объекта (особенностей локального рынка недвижимости).

Теоретическое подтверждение основной гипотезы исследования. Рассмотрим следующий набор функций:

- полная цена объекта в функции от качества P = f1(Q);

- полная цена объекта в функции от размера P = f2(S);

- удельная цена объекта в функции от качества U = f3(Q);

- удельная цена объекта в функции размера U = f4(S);

- качество объекта в функции от размера Q = f5(S);

- размер (площадь) объекта в функции от качества S = f6(Q).

В формализованном виде закономерности ценообразования на рынке квартир по критериям качества и размера можно представить следующим образом (для простоты примем в первом приближении линейную зависимость между исследуемыми показателями):

- полная цена объекта в функции от качества равна

P = f(Q) = (a0 + a1 Q);

- качество объекта в функции от размера равно

Q = F(S) = (b0 +b1 S);

- площадь объекта в функции от качества равна

S = (Qb0 ) / b1 = Q / b1 c0,

где a0, a1, b0 , b1, c0 – коэффициенты регрессионных уравнений.

Тогда удельная цена объекта равна

U = P / S = (a0 + a1 Q) / (Q / b1 c0).

Таким образом, при определении удельной цены объекта показатель качества входит как в числитель, так и в знаменатель формулы. Это подтверждает неоднозначность закономерности ценообразования жилых помещений в зависимости от качества и размера.

Рассмотрим варианты представления закономерностей ценообразования в графическом виде, сняв допущение о линейном характере всех зависимостей (рис. 2).

Q

 

P

 

Рис. 2. Графическое формирование зависимости удельной цены от качества при различных вариантах зависимости удельной цены от площади помещения

График показывает, что в варианте А), когда потребитель предпочитает повышенный комфорт и готов платить за квартиры большой площади (аналог – Москва), средняя удельная цена с ростом класса качества помещений повышается, а в варианте Б), когда потребитель стремится к повышенному качеству, но не готов платить за излишние площади (аналог – Новая Москва), средняя удельная цена с ростом качества снижается.

Понятно, что двумя произвольно выбранными примерами не исчерпываются варианты зависимости удельной цены от качества.

Далее исследование рынка и получение необходимых закономерностей выполняется на конкретных данных.

Эмпирическое подтверждение основной гипотезы исследования. Пример информации о ценовой ситуации приведен в виде пространственно-параметрической модели первичного рынка жилой недвижимости в Новой Москве (табл. 3).

Обработка баз данных показала существенные отличия в структуре предложения между двумя локациями: в Москве количество квартир эконом-класса составляет 23,3%, комфорт-класса – 37,3%, бизнес-класса – 24,3%, элитного класса – 15,0%. В Новой Москве эти показатели составляют 12,0%, 83,3%, 4,7% и ноль процентов соответственно (рис. 3).

Рис. 3. Структура объема предложения (по количеству квартир) по классам


Таблица 3. Дискретная пространственно-параметрическая модель предложения квартир на продажу в Новой Москве в 2014 году

Класс квартиры

Зона

Населенный пункт

Количество объектов, шт

Средняя, руб/м2

СКО, руб/м2

Минимум, руб/м2

Медиана, руб/м2

Максимум, руб/м2

Коэф. Вариации, %

Погрешность, руб/м2

Порешность, %

2

3

4

5

6

7

8

9

10

11

12

13

все классы

вся «новая» Москва

все

9 932

85 808

17 267

40653

83 000

158 840

20,12

348

0,41

Эконом

вся «новая» Москва

все

2 014

84 349

12 237

63 444

80 592

130 000

15,04

546

0,67

НАО, до 8 км от МКАД

все

308

92 368

10 803

69 250

96 823

130 000

11,70

1 241

1,34

Коммунарка

74

85 465

20 406

97 000

104 650

130 000

23,88

4 777

5,59

Рассказовка

180

79 290

12 469

69 250

85 015

101 742

15,73

1 864

2,35

Столбово

54

90 129

11 646

94 946

97 022

107 017

12,92

3 200

3,55

НАО, 8 км и более от МКАД

все

1 706

79 064

10 975

63 444

79 500

121 875

13,88

532

0,67

Марушкино

74

75 345

3 563

69 853

75 595

80 769

4,73

98

0,13

Московский

448

86 210

8 615

69 000

85 321

106 563

9,99

815

0,95

Пыхтино

1 150

85 071

14 069

63 444

70 500

121 875

16,54

830

0,98

Язово

34

96 993

2 413

94 969

95 049

99 961

2,49

840

0,87

Комфорт

вся «новая» Москва

7 455

80 378

15 365

40 653

82 025

157 709

18,43

359

0,43

НАО

все

6 494

82 987

14 466

40 653

84 868

157 709

16,08

365

0,41

НАО, до 8 км от МКАД

все

3 386

85 907

12 096

64 000

86 850

128 617

13,76

416

0,47

Говорово

630

95 048

6 101

79 850

96 850

107 850

6,42

494

0,52

Коммунарка

2 071

82 789

13 665

69 819

83 896

128 617

16,51

601

0,73

Мосрентген

15

98 401

1 556

84 049

99 941

100 040

1,58

863

0,88

Николо-Хованское

251

105 290

25 268

64 000

85 714

120 000

24,00

3 196

3,04

Рассказовка

299

85 913

12 483

69 032

85 964

99 115

14,53

1 446

1,68

Столбово

120

101 446

2 941

92 999

101 994

109 000

2,90

551

0,54

НАО, 8 км и более от МКАД

все

3108

80 631

16 935

40 653

80 000

157 709

21,00

608

0,75

Большое Свинорье

13

61 653

1 410

59 429

61570

64 732

2,29

814

1,32

Воскресенское

24

89 000

-

89 000

89 000

89 000

-

-

-

Десна

168

83 078

5 794

75 030

83 500

94 945

6,97

897

1,08

Знамя Октября

79

81 645

4 088

70 000

80 978

91 033

5,01

932

1,14

Марушкино

344

80 342

23 570

49 500

54 857

68 984

29,34

2 545

3,17

Марьино

1 293

88 179

20 424

40 653

73 261

157 709

23,16

1 138

1,29

Московский

50

99 341

32 934

76 958

99 519

114 700

33,15

9 410

9,47

Фабрики 1 Мая

25

60 665

2 012

52 779

63 001

63 001

3,32

858

1,41

Щербинка

587

80 270

7 664

63 500

79 000

95 000

9,55

643

0,80

Язово

525

95 380

19 570

85 333

91 931

111 995

20,52

1 710

1,79

ТАО

все

961

70 378

10 676

40 808

70 313

94 989

15,17

694

0,99

Былово

15

45 767

1 682

40 808

45 985

50 276

3,68

933

2,04

Киевский

173

58 844

5 789

52 000

60 000

75 000

9,84

883

1,50

Первомайское

48

98 610

17 526

77 960

81 000

83 022

17,77

5 113

5,19

Птичное

62

53 830

3 762

50 182

56 548

59 522

6,99

963

1,79

Раево

113

58 092

709

56 991

58 000

59 052

1,22

134

0,23

Троицк

520

80 340

1 447

65 762

80 000

94 989

1,80

152

0,19

Щапово

30

89 131

20 403

58 966

71 739

87 238

22,89

7 577

8,50

Бизнес

Сосенки

463

120 964

12 333

104 506

124 747

158 840

10,20

1 148

0,95


В свою очередь, квартиры различного класса существенно различаются по количеству комнат (табл. 4 и рис. 4) и по общей площади (табл. 5 и рис. 5).

Так, в Москве в структуре предложения квартир эконом-класса 3-комнатные квартиры занимают 22% и имеют среднюю площадь 88,8 кв. м, а в Новой Москве – 15% и 80,5 кв. м соответственно.

В комфорт-классе в Москве и Новой Москве доля трехкомнатных квартир примерно одинакова (21-22%), но площади различаются – 98,3 и 80,9 кв. м.

В бизнес-классе в Москве доля 3-комнатных квартир составляет 35%, в Новой Москве – 44%, а площади отличаются в пользу Новой Москвы – 118,1 и 137,4 кв. м (в основном это малоэтажные дома).

В элитном классе в Москве доля многокомнатных квартир (как правило, со свободной планировкой) преобладает (42%), средняя площадь около 280 кв. м.

Таблица 4. Распределение квартир в Москве по числу комнат в различных классах, %

Число комнат

эконом

комфорт

бизнес

элит

Москва

Н. Москва

Москва

Н.Москва

Москва

Н.Москва

Москва

Н.Москва

1-ком

34

38

34

34

16

27

8

-

2-ком

40

46

37

44

29

28

14

-

3-ком

22

15

22

21

35

44

36

-

многоком

4

1

7

1

20

1

42

-

Рис. 4. Распределение квартир в Москве по числу комнат в различных классах, %

Таблица 5. Средние площади квартир с различным числом комнат в различных классах, кв. м

Число комнат

эконом

комфорт

бизнес

элит

Москва

Н. Москва

Москва

Н.Москва

Москва

Н.Москва

Москва

Н.Москва

1-ком

43,2

40,4

47,6

43,8

57,2

65,6

70

-

2-ком

67,1

58,7

70,1

66,7

83,2

102,3

110

-

3-ком

78,8

80,5

98,3

80,9

118,1

137,4

140

-

многоком

124,7

-

120,5

111,5

171,2

182,2

280

-

средняя

55,0

-

63,4

68,3

93,0

135,2

147,0

 

Рис. 5. Средние площади квартир с различным числом комнат в различных классах, кв. м

В соответствии с такими отличиями, в Москве средняя удельная цена квартир эконом-класса составляет 139,3 тыс. руб./кв. м, комфорт-класса – 151,1, бизнес-класса – 260,1, элитного класса – 685,3 тыс. руб./кв. м. В Новой Москве эта величина составляет в эконом-классе 84,3, в комфорт-классе – 82,4, в бизнес-класса – 121,0 тыс. руб./кв. м (табл. 6 и рис. 5). В то же время полная цена квартир в эконом-классе Москвы – 8074, в комфорт-классе – 9580, в бизнес-классе – 24189, в элитном классе – 100739 тыс. руб. В Новой Москве она равна в эконом-классе 4417 тыс. руб., в комфорт-классе – 5491, в бизнес-классе – 16359 тыс. руб. (табл. 7 и рис. 6).

Таблица 6. Средняя удельная цена квартир с различным числом комнат в различных классах, тыс. руб./кв. м

Число комнат

эконом

комфорт

бизнес

элит

Москва

Н. Москва

Москва

Н.Москва

Москва

Н.Москва

Москва

Н.Москва

1-ком

156,3

86,4

155,8

84,5

230,2

124,1

632,6

-

2-ком

134,6

84,1

150,9

82,1

236,5

122,4

664,5

-

3-ком

122,1

82,2

152,3

80,4

229,6

120,0

690,9

-

многоком

203,6

80,1

155,3

78,0

380,8

118,3

633,7

-

средняя

139,2

84,3

151,1

80,4

260,1

121,0

685,3

 

Таблица 7. Средняя полная цена квартир с различным числом комнат в различных классах, тыс. руб.

Число комнат

эконом

комфорт

бизнес

элит

Москва

Н. Москва

Москва

Н.Москва

Москва

Н.Москва

Москва

Н.Москва

1-ком

6752

3491

7416

3789

13167

8141

44282

-

2-ком

11320

4937

10578

5476

19677

12522

73095

-

3-ком

10842

6650

14971

6504

27116

16488

89817

-

многокомн.

17358

-

18713

8697

56193

21554

177436

-

средняя

8074

4417

9580

5491

24189

16359

100739

 

Рис. 6. Средняя полная цена квартир с различным числом комнат в различных классах, тыс. руб.

Таким образом, в условиях приведенного примера средние удельные цены растут при переходе к более высокому классу качества в Москве, и одновременно растут и полные цены квартир. В Новой Москве при переходе от эконом- к комфорт-классу средние удельные цены снижаются, при этом полные цены квартир растут.

Методическая интерпретация полученных результатов. Полученные закономерности ценообразования на первичном рынке жилой недвижимости Москвы и Новой Москвы позволяют рассчитать корректировки (поправки) на размер и качество квартир для оценки их рыночной стоимости сравнительным подходом.

Расчет поправок к удельной цене квартиры производится по формулам:

КS = (UaQ / Uo – 1) x100%,

KQ = (UaS / Uo – 1) x100%,

где КS – поправка на размер; KQ – поправка на качество; Uo – средняя удельная цена в кластере класса качества и размера оцениваемой квартиры; UaQ –средняя удельная цена аналога того же класса качества, отличающегося по размеру; UaS – средняя удельная цена аналога того же размера, отличающегося по классу качества.

Например, в варианте первая оцениваемая квартира находится в Москве, 2-комнатная и принадлежит к комфорт-классу, а квартиры-аналоги – одно- и трехкомнатные того же класса и эконом-класса также находятся в Москве. В варианте 2 меняется только локация – все квартиры находятся в Новой Москве. Результаты расчета поправок приведены в табл. 8.

Таблица 8. Пример расчета поправок на класс и размер помещений

Оцениваемый объект

Объекты аналоги

Поправка на размер

Поправка на качество

1. Москва. Двухкомнатная квартира комфорт-класса

1-комнатная квартира комфорт-класса

-3,2%

0

3-комнатная квартира комфорт-класса

-0,9%

0

1-комнатная квартира эконом-класса

-3,5%

+9,9%

3-комнатная квартира эконом-класса

+19,1%

+9,9%

2. Новая Москва. Двухкомнатная квартира комфорт-класса

1-комнатная квартира комфорт-класса

-2,9%

0

3-комнатная квартира комфорт-класса

+2,1%

0

1-комнатная квартира эконом-класса

-5,2%

-2,4%

3-комнатная квартира эконом-класса

-0,1%

-2,4%

Приведенные в табл. 8 результаты расчета показывают, что поправка к удельной цене квартиры в Москве на класс качества при аналогах того же класса не требуется, а поправка на размер составляет соответственно -3% и -1%. Если аналоги принадлежат к эконом-классу, то поправка на класс равна +10%, а на размер -4% и +19%. В Новой Москве поправки на качество для аналогов того же класса не требуются, а на размер равны соответственно -3% и +1%. Для аналогов эконом-класса поправки на качество равны -2%, на размер – соответственно -5% и -2%.

При инвестиционном анализе концепций жилой застройки разработка рекомендаций застройщику относительно квартирографии должна исходить из критерия максимальной доходности (в случае приблизительно одинаковых затрат для разных вариантов квартирографии – по критерию максимальной выручки) и учитывать предпочтения потребителей относительно качества объекта и размера помещений.

Расчет выручки произведем по формуле

В = Ʃ Pi x ni = Ʃ Ui Si ni .

Тогда выручка с жилого квадратного метра равна

В= Ʃ Ui Si ni / S0 = Ʃ Ui x di ,

где di = Si ni / S0 – доля площади квартир i-го размера от общей площади квартир в объекте.

Соответственно, максимальная выручка достигается при условии максимизации доли квартир с наибольшей удельной ценой при сохранении доли остальных квартир в пределах диапазона предпочтений потребителей:

Max B’ = Umax x dmax + Ʃ Uj x dj

при dj ≥ djmin;

djmin = dj – Δdj;

djmax = 1 – Ʃ djmin,

где Umax – наибольшая средняя удельная цена квартир среди квартир различного размера; Uj – средняя удельная цена остальных квартир; dmax – максимально возможная доля таких квартир согласно предпочтениям потребителей; dj – доля остальных квартир; djmin - минимальная доля квартир в структуре спроса с учетом погрешности в определении предпочтений потребителей; Δdj – половина диапазона погрешности.

Методика оптимизации квартирографии для получения максимальной выручки состоит в том, что полученные в результате исследования предпочтений потребителей средние доли квартир различного размера в спросе корректируются следующим образом:

- доли всех квартир, кроме квартир с максимальной средней удельной ценой, снижаются до нижней границы диапазона погрешности в определении средней доли;

- доля квартир с максимальной удельной ценой повышается на соответствующую величину.

Принимается, что объем поглощения квартир всех классов качества и всех размеров при таких изменениях структуры спроса относительно средних долей в структуре предпочтений остается равным объему строительства.

В табл. 9 и 10 приведены примеры расчета максимальной выручки с одного кв. м для двух классов качества объекта – эконом- и комфорт-классов. Исходные данные о ценах взяты из табл. 6.

Таблица 9. Расчет максимальной выручки с 1 кв. м общей жилой площади дома в Москве

Класс качества

Эконом

Комфорт

Показатели

Средняя удельная цена, тыс. руб./кв. м

Доля в спросе, %

Скорректированная доля в спросе, %

Средняя удельная цена, тыс. руб./кв. м

Доля в спросе, %

Скорректированная доля в спросе, %

число ком нат

1

156,3

34+/-4

30

155,8

34+/-4

40

2

134,6

40+/-3

37

150,9

37+/-3

34

3

122,1

22+/-2

20

152,3

22+/-2

20

более 3

203,6

4+/-1

13

155,3

7+/-1

6

Выручка с 1 кв. м, тыс. руб.

131,9

147,5

153,2

153,1

Таблица 10. Расчет максимальной выручки с 1 кв. м общей жилой площади дома в Новой Москве

Класс качества

Эконом

Комфорт

Показатели

Средняя удельная цена, тыс. руб./кв. м

Доля в спросе, %

Скорректированная доля в спросе, %

Средняя удельная цена, тыс. руб./кв. м

Доля в спросе, %

Скорректированная доля в спросе, %

число ком нат

1

86,4

38+/-4

44

84,5

34+/-4

41

2

84,1

46+/-3

43

82,1

44+/-4

40

3

82,2

15+/-2

13

80,4

22+/-2

20

более 3

80,1

1+/-1

0

78,0

1+/-1

0

Выручка с 1 кв. м, тыс. руб.

84,6

85,9

83,7

83,5

Приведенные в табл. 9 результаты расчетов показывают, что в условиях Москвы девелопер может получить выручку с 1 кв. м общей жилой площади объекта в эконом-классе 131,9 тыс. руб., в комфорт-классе – 153,2 тыс. руб. (выше на 16,1%). Необходимо отметить, что окончательным критерием перехода к более высокому классу должен является критерий доходности, учитывающий не только изменение объема выручки, но и изменение стоимости строительства 1 кв. м общей жилой площади объекта.

При оптимизации квартирографии в соответствии с разработанной методикой объем выручки возрастает в эконом-классе до 147,5 (на 11,8%), в комфорт-классе – незначительно.

В условиях Новой Москвы (табл. 10) выручка с 1 кв. метра общей жилой площади объекта в эконом-классе составляет 84,6 тыс. руб., в комфорт-классе несколько ниже – 83,7 тыс. руб. После оптимизации квартирографии в эконом-классе она несколько увеличивается – до 85,9 тыс. руб. (на 1,5%), в комфорт-классе – незначительно снижается.

Выводы

Статистически достоверное определение поправок на размер и качество квартиры в целях оценки рыночной стоимости сравнительным подходом, а также критериев оптимизации квартирографии жилой застройки в целях максимизации доходности девелопмента возможно только в пределах каждого локального рынка на основе исследования закономерности ценообразования в конкретной фазе его состояния. В настоящей работе обоснована методология такого исследования на примере локальных рынков Москвы и Новой Москвы.

Список литературы

1.   Федеральный стандарт оценки «Оценка недвижимости (ФСО № 7)». Утвержден Приказом Минэкономразвития России от 25.09.2014 N 611.

2.   Лейфер Л.А. Справочник оценщика недвижимости (Том 2). – НН.: ЗАО «Приволжский центр финансового консалтинга и оценки», 2014. – 190 c.

3.   С.Г. Стерник. Методика экономической (рыночной) оптимизации проекта комплексной жилой застройки // Современные проблемы экономики и управления развитием города. - М, РЭА им. Г.В. Плеханова, 2006. – 296 c. – C.40-55

4.   Г.М. Стерник, С.Г. Стерник. Анализ рынка недвижимости для профессионалов. – М.: ЗАО «Издательство «Экономика», 2009. – 606 c.

5.   С.Г. Стерник. Развитие оценки недвижимости сравнительным подходом на основе методологии дискретного пространственно-параметрического анализа и моделирования рынка // Аудит и финансовый анализ. 2009. №5. C.130-137

6.   С.Г. Стерник. Массовая оценка недвижимости для целей налогообложения: проблемы и пути их решения // Финансовая аналитика. 2010. № 12. C.2-12.

7.   Г.М. Стерник, С.Г. Стерник. Развитие «Единой методики классифицирования многоквартирных жилых домов – новостроек» (ЕК МЖН) по потребительскому качеству (классу) проекта // Механизация строительства и ЖКХ. 2012. № 6. - C. 32-39.

References

1. Federal'nyj standart ocenki «Ocenka nedvizhimosti (FSO № 7)». Utverzhden Prikazom Minjekonomrazvitija Rossii ot 25.09.2014 N 611.

2. Lejfer L.A. Spravochnik ocenshhika nedvizhimosti (Tom 2). – NN.: ZAO «Privolzhskij centr finansovogo konsaltinga i ocenki», 2014. – 190 c.

3. S.G. Sternik. Metodika jekonomicheskoj (rynochnoj) optimizacii proekta kompleksnoj zhiloj zastrojki // Sovremennye problemy jekonomiki i upravlenija razvitiem goroda. - M, RJEA im. G.V. Plehanova, 2006. – 296 c. – C.40-55

4. G.M. Sternik, S.G. Sternik. Analiz rynka nedvizhimosti dlja professionalov. – M.: ZAO «Izdatel'stvo «JEkonomika», 2009. – 606 c.

5. S.G. Sternik. Razvitie ocenki nedvizhimosti sravnitel'nym podhodom na osnove metodologii diskretnogo prostranstvenno-parametricheskogo analiza i modelirovanija rynka // Audit i finansovyj analiz. 2009. №5. C.130-137

6. S.G. Sternik. Massovaja ocenka nedvizhimosti dlja celej nalogooblozhenija: problemy i puti ih reshenija // Finansovaja analitika. 2010. № 12. C.2-12.

7. G.M. Sternik, S.G. Sternik. Razvitie «Edinoj metodiki klassificirovanija mnogokvartirnyh zhilyh domov – novostroek» (EK MZHN) po potrebitel'skomu kachestvu (klassu) proekta // Mehanizacija stroitel'stva i ZHKH. 2012. № 6. - C. 32-39.

10.11.2015.

Опубликовано в Международном теоретическом и научно-практическом журнале "Вестник Финансового университета" №5, 2015. Стр. 73-79.

Методика массовой оценки ставок аренды коммерческой недвижимости на узких рынках

СТЕРНИК ГЕННАДИЙ МОИСЕЕВИЧ,

кандидат технических наук, профессор кафедры управления проектами и программами, РЭУ им. Г.В.Плеханова, Москва, Россия

E-mail: gm_sternik@sterno.ru

СТЕРНИК СЕРГЕЙ ГЕННАДЬЕВИЧ,

доктор экономических наук, профессор, профессор кафедры оценки и управления собственностью, Финансовый университет, Москва, Россия

E-mail: sgs728@mail.ru

АННОТАЦИЯ

Узкие рынки аренды коммерческой недвижимости в малых населенных пунктах, где предложение на рынке содержит единичные помещения, не поддаются статистическому анализу. Особо обостряется данная проблема при необходимости охвата широкого перечня населенных пунктов России. Кроме того, возникает проблема несоответствия между ожидаемыми трудозатратами на сбор и обработку данных и достигаемыми результатами. В связи с этим актуальна задача разработки методики определения ставок аренды коммерческой недвижимости на узких рынках при отсутствующем или минимальном предложении. Идея методики состоит в поиске экономически обоснованной и статистически подтвержденной связи средних по городу ставок аренды с фактором, определение которого не вызывает затруднений, что и показано в данной статье.

Ключевые слова: узкие рынки; ставки аренды; вторичные рынки; коммерческая недвижимость; модели рынка; корреляция цен.

В монографии «Анализ рынка недвижимости для профессионалов» и в последующих публикациях авторами настоящей работы было показано, что методология массовой оценки ставок аренды объектов коммерческой недвижимости на основе построения статистических кластерных (дискретных) пространственно-параметрических моделей рынка (ДППМ)[1] корректно реализуется на относительно развитых рынках, к которым можно отнести:

• вторичные и первичные рынки жилой недвижимости крупных и средних городов;

• вторичные рынки купли-продажи и аренды жилой недвижимости малых населенных пунктов, а также загородной недвижимости, с достаточным объемом предложения помещений;

• вторичные рынки купли-продажи и аренды коммерческой недвижимости в крупных и средних городах.

В то же время узкие рынки аренды коммерческой недвижимости в малых населенных пунктах, где предложение на рынке содержит единичные помещения, не поддаются статистическому анализу.

Особо обостряется данная проблема в случае необходимости охвата широкого перечня населенных пунктов России. Кроме названного затруднения, здесь возникает проблема несоответствия между ожидаемыми трудозатратами на сбор и обработку данных и достигаемыми результатами.

В связи с этим актуальна задача разработки методики определения ставок аренды коммерческой недвижимости на узких рынках при отсутствующем или минимальном предложении. Идея методики состоит в поиске экономически обоснованной и статистически подтвержденной связи средних по городу ставок аренды с фактором, определение которого не вызывает затруднений. В качестве такого фактора выбрана средняя по городу удельная цена предложения на продажу жилой недвижимости.

В качестве исходных данных о ставках аренды помещений коммерческой недвижимости использовались базы предложения помещений в аренду в апреле 2015 г., включая офисные, торговые, производственно-складские помещения и гаражи. Всего были собраны базы по 14 крупнейшим городам-миллионникам РФ (за исключением Волгограда), с общим количеством помещений, предлагаемых в аренду, 32 130 шт. (табл. 1).

Таблица 1. Объем данных о предложении коммерческой недвижимости в аренду по 14 городам-миллионникам, апрель 2015 г.

Город

Количество предложений

Город

Количество предложений

Москва

34 116

Нижний Новгород

13 484

Санкт-Петербург

24 489

Самара

7 328

Екатеринбург

6 400

Новосибирск

6 346

Казань

4 098

Пермь

4 483

Уфа

6 993

Воронеж

2 455

Ростов-на-Дону

8 134

Омск

3 584

Красноярск

3 459

Челябинск

4 549

ВСЕГО

129 918

Фрагмент исследуемой базы данных приведен в табл. 2.

Таблица 2. Фрагмент базы данных предложения коммерческой недвижимости в аренду в г. Пермь, апрель 2015 г.

ID предложения

Район

Класс качества

Общая площадь, кв. м

Арендная ставка, руб./ кв. м в год

1

Дзержинский

«C»

17,0

5 400

2

Дзержинский

«C»

54,0

7 800

3

Дзержинский

Автономные офисы

60,0

6 000

4

Дзержинский

Автономные офисы

143,0

7 805

5

Дзержинский

Автономные офисы

163,0

9 576

6

Дзержинский

Автономные офисы

160,0

9 600

7

Дзержинский

Автономные офисы

110,0

10 255

8

Ленинский

«A»

269,0

9 600

9

Ленинский

«A»

335,0

9 360

10

Ленинский

«A»

200,0

12 000

11

Ленинский

«A»

269,0

4 824

12

Ленинский

«A»

120,4

8 376

13

Ленинский

«B»

20,6

6 600

14

Ленинский

«B»

1458,4

12 000

15

Ленинский

«B»

57,7

7 380

16

Ленинский

«C»

37,0

9 000

17

Ленинский

«C»

125,0

3 840

18

Ленинский

«C»

115,0

5 424

19

Свердловский

«A»

134,0

8 424

20

Свердловский

«B»

40,8

7 200

21

Свердловский

«B»

350,0

8 400

22

Свердловский

«B»

700,0

8 400

23

Свердловский

«B»

140,0

10 200

24

Свердловский

«C»

70,0

5 400

25

Свердловский

«C»

55,0

6 000

26

Свердловский

«C»

60,0

6 000

27

Свердловский

«D»

15,0

8 004

28

Свердловский

«D»

30,0

8 004

И т. д.

В качестве исходных данных о ценах жилых помещений использовались базы предложения жилых помещений на продажу в апреле 2015 г. Были собраны базы по тем же 14 городам с общим количеством предложений 139,6 тыс. шт. (табл. 3).

Таблица 3. Объем данных о предложении квартир на продажу, апрель 2015 г.

Город

Количество предложений

Город

Количество предложений

Москва

44 876

Нижний Новгород

5 344

Санкт-Петербург

15 700

Самара

6 896

Екатеринбург

11 099

Новосибирск

15 200

Казань

1 072

Пермь

2 560

Уфа

1 560

Воронеж

2 120

Ростов-на-Дону

1 042

Омск

13 500

Красноярск

15 800

Челябинск

2 800

ВСЕГО

139 569

Обработка данных включала в себя стандартные процедуры верификации:

• очистку от артефактов (пропусков и ошибок);

• очистку от повторов и дублей;

• предварительную статистическую обработку выборок и исключение «выскакивающих» значений по модифицированному правилу трех сигм [значение считается «выскакивающим», если оно выходит за пределы диапазона (-2)…(+4) стандартных отклонения];

• расчет погрешности в оценке математического ожидания цены (ставки) по средневыборочному значению по формуле +/- δ = 2 s / √ (n1), где s — среднеквадратическое (стандартное) отклонение; n — объем выборки;

• оценку допустимости величины погрешности (принят предел допустимой погрешности 10% от среднего) и пополнение при необходимости базы предложений;

• окончательную статистическую обработку выборки для получения средневзвешенной арендной ставки по формуле Аср. = (Ʃ Аi × Si) / Ʃ Si , где Аi и Si — арендная ставка и площадь i-го помещения (суммирование по всем n помещениям) и средневзвешенной удельной цене предложения помещений на продажу Цср. = Ʃ Цi / Ʃ Si, где Цi и Si — удельная цена и площадь каждого помещения (суммирование также по всему объему выборки).

Результаты обработки данных приведены в табл. 4.

Таблица 4. Средневзвешенные по площади удельные цены предложения жилья на продажу и средневзвешенные по площади удельные ставки предложения в аренду коммерческой недвижимости (КН), апрель 2015 г.

Город

Средневзве-шенная удельная цена предложения жилья, руб./кв. м

Средневзве-шенная удельная ставка предло- жения в аренду КН, руб./кв. м в год

Город

Средневзве-шенная удельная цена предложения жилья, руб./кв. м

Средневзвешенная удельная ставка предложения в аренду КН, руб./кв. м в год

Москва

236 025

26 743

Нижний Новгород

69 130

5 865

Санкт-Петербург

106 566

7 814

Самара

64 842

5 399

Екатеринбург

75 500

6 260

Новосибирск

65 107

5 130

Казань

70 300

5 501

Пермь

56 505

5 409

Уфа

68 220

6 374

Воронеж

51 937

7 649

Ростов-на-Дону

67 329

5 313

Омск

49 100

3 929

Красноярск

59 500

5 573

Челябинск

47 544

3 967

По данным табл. 4 проведен расчет коэффициента корреляции между арендными ставками и ценами квартир. Расчет показал высокую корреляцию между этими показателями (R = 0,9718). Это позволяет получить статистическую связь показателей (см. рисунок).

Уравнение параметрического прогнозирования для массовой оценки ставок аренды коммерческой недвижимости

Уравнение линейной регрессии y = 0,099x c коэффициентом детерминации R2 = 0,9156 демонстрирует достаточно высокую статистическую достоверность модели.

Вышеизложенное позволяет (по аналогии с использованием валового рентного мультипликатора, но без учета единиц измерения) применять в оценочной практике следующий приблизительный мультипликативный экспресс-расчет: рыночный уровень средневзвешенной по площади ставки аренды коммерческой недвижимости равен 10% средневзвешенной по площади удельной цены предложения жилья (индивидуальные значения по городам легко рассчитать по табл.4).

Таким образом, полученное уравнение параметрического прогнозирования позволяет вычислить среднее значение удельных арендных ставок коммерческой недвижимости локальных рынков по данным о средней удельной цене жилых помещений. Дальнейшее дифференцирование прогнозируемой ставки по отдельным сегментам коммерческой недвижимости осуществляется на основе поправочных мультипликаторов, рассчитанных на массиве 14 городов-миллионников РФ (см. табл. 5).

Вывод

Методика параметрического прогнозирования для массовой оценки ставок аренды коммерческой недвижимости по ценам предложения жилья на узких локальных рынках представляется нам обоснованной.

21.09.2015.


Город

Средневзвешенная удельная ставка аренды коммерческой недвижимости, руб. за 1 кв. м в год

Офисные помещения

Поправочный коэффициент сегмента «офисные»

Стрит-ритейл

Поправочный коэффициент сегмента «стрит-ритейл»

Производственно-складские помещения

Поправочный коэффициент сегмента «производственно-складские»

Гаражи

Поправочный коэффициент сегмента «гаражи»

Москва

26 743,00

27 207,00

1,02

27 905,00

1,04

5 329,00

0,20

4 940,00

0,18

Санкт-Петербург

7 813,68

10 974,29

1,40

18 903,39

2,42

6 447,62

0,83

2 601,54

0,33

Воронеж

7 649,36

7 243,05

0,95

11 885,26

1,55

2 501,55

0,33

2 129,13

0,28

Уфа

6 374,40

7 670,88

1,20

9 042,18

1,42

2 612,67

0,41

2 015,06

0,32

Екатеринбург

6 260,39

8 110,27

1,30

9 044,42

1,44

3 447,90

0,55

3 895,53

0,62

Нижний Новгород

5 865,26

7 509,71

1,28

9 366,98

1,60

3 005,19

0,51

2 471,19

0,42

Красноярск

5 573,27

7 935,26

1,42

7 190,30

1,29

2 696,44

0,48

1 870,49

0,34

Казань

5 501,86

7 096,38

1,29

8 369,55

1,52

2 818,09

0,51

2 584,44

0,47

Пермь

5 408,55

6 802,84

1,26

8 158,49

1,51

2 430,30

0,45

2 515,24

0,47

Самара

5 399,14

6 583,35

1,22

6 904,24

1,28

2 199,81

0,41

1 653,66

0,31

Ростов-на-Дону

5 313,00

5 264,01

0,99

8 019,60

1,51

2 691,10

0,51

2 110,98

0,40

Новосибирск

5 129,76

7 338,37

1,43

10 391,23

2,03

2 942,62

0,57

2 607,80

0,51

Челябинск

3 967,25

5 658,41

1,43

6 948,31

1,75

2 259,22

0,57

3 431,71

0,87

Омск

3 928,79

5 415,90

1,38

6 816,16

1,73

1 660,40

0,42

2 205,29

0,56

Средняя

   

1,25

 

1,57

 

0,48

 

0,43

Таблица 5. Дифференцирование прогнозируемой ставки по отдельным сегментам коммерческой недвижимости



[1]Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. М.: Экономика, 2009. 606 с.

Стерник Г.М., Стерник С.Г. Методика массовой оценки ставок аренды коммерческой недвижимости на узких рынках

(Опубликовано в Международном теоретическом и научно-практическом журнале "Вестник Финансового университета" №5, 2015. Стр. 73-79.)
Категория: методические материалы

Опубликовано в Международном теоретическом и научно-практическом журнале "Вестник Финансового университета" №5, 2015. Стр. 73-79.

Методика массовой оценки ставок аренды коммерческой недвижимости на узких рынках

СТЕРНИК ГЕННАДИЙ МОИСЕЕВИЧ,

кандидат технических наук, профессор кафедры управления проектами и программами, РЭУ им. Г.В.Плеханова, Москва, Россия

E-mail: gm_sternik@sterno.ru

СТЕРНИК СЕРГЕЙ ГЕННАДЬЕВИЧ,

доктор экономических наук, профессор, профессор кафедры оценки и управления собственностью, Финансовый университет, Москва, Россия

E-mail: sgs728@mail.ru

АННОТАЦИЯ

Узкие рынки аренды коммерческой недвижимости в малых населенных пунктах, где предложение на рынке содержит единичные помещения, не поддаются статистическому анализу. Особо обостряется данная проблема при необходимости охвата широкого перечня населенных пунктов России. Кроме того, возникает проблема несоответствия между ожидаемыми трудозатратами на сбор и обработку данных и достигаемыми результатами. В связи с этим актуальна задача разработки методики определения ставок аренды коммерческой недвижимости на узких рынках при отсутствующем или минимальном предложении. Идея методики состоит в поиске экономически обоснованной и статистически подтвержденной связи средних по городу ставок аренды с фактором, определение которого не вызывает затруднений, что и показано в данной статье.

Ключевые слова: узкие рынки; ставки аренды; вторичные рынки; коммерческая недвижимость; модели рынка; корреляция цен.

В монографии «Анализ рынка недвижимости для профессионалов» и в последующих публикациях авторами настоящей работы было показано, что методология массовой оценки ставок аренды объектов коммерческой недвижимости на основе построения статистических кластерных (дискретных) пространственно-параметрических моделей рынка (ДППМ)[1] корректно реализуется на относительно развитых рынках, к которым можно отнести:

• вторичные и первичные рынки жилой недвижимости крупных и средних городов;

• вторичные рынки купли-продажи и аренды жилой недвижимости малых населенных пунктов, а также загородной недвижимости, с достаточным объемом предложения помещений;

• вторичные рынки купли-продажи и аренды коммерческой недвижимости в крупных и средних городах.

В то же время узкие рынки аренды коммерческой недвижимости в малых населенных пунктах, где предложение на рынке содержит единичные помещения, не поддаются статистическому анализу.

Особо обостряется данная проблема в случае необходимости охвата широкого перечня населенных пунктов России. Кроме названного затруднения, здесь возникает проблема несоответствия между ожидаемыми трудозатратами на сбор и обработку данных и достигаемыми результатами.

В связи с этим актуальна задача разработки методики определения ставок аренды коммерческой недвижимости на узких рынках при отсутствующем или минимальном предложении. Идея методики состоит в поиске экономически обоснованной и статистически подтвержденной связи средних по городу ставок аренды с фактором, определение которого не вызывает затруднений. В качестве такого фактора выбрана средняя по городу удельная цена предложения на продажу жилой недвижимости.

В качестве исходных данных о ставках аренды помещений коммерческой недвижимости использовались базы предложения помещений в аренду в апреле 2015 г., включая офисные, торговые, производственно-складские помещения и гаражи. Всего были собраны базы по 14 крупнейшим городам-миллионникам РФ (за исключением Волгограда), с общим количеством помещений, предлагаемых в аренду, 32 130 шт. (табл. 1).

Таблица 1. Объем данных о предложении коммерческой недвижимости в аренду по 14 городам-миллионникам, апрель 2015 г.

Город

Количество предложений

Город

Количество предложений

Москва

34 116

Нижний Новгород

13 484

Санкт-Петербург

24 489

Самара

7 328

Екатеринбург

6 400

Новосибирск

6 346

Казань

4 098

Пермь

4 483

Уфа

6 993

Воронеж

2 455

Ростов-на-Дону

8 134

Омск

3 584

Красноярск

3 459

Челябинск

4 549

ВСЕГО

129 918

Фрагмент исследуемой базы данных приведен в табл. 2.

Таблица 2. Фрагмент базы данных предложения коммерческой недвижимости в аренду в г. Пермь, апрель 2015 г.

ID предложения

Район

Класс качества

Общая площадь, кв. м

Арендная ставка, руб./ кв. м в год

1

Дзержинский

«C»

17,0

5 400

2

Дзержинский

«C»

54,0

7 800

3

Дзержинский

Автономные офисы

60,0

6 000

4

Дзержинский

Автономные офисы

143,0

7 805

5

Дзержинский

Автономные офисы

163,0

9 576

6

Дзержинский

Автономные офисы

160,0

9 600

7

Дзержинский

Автономные офисы

110,0

10 255

8

Ленинский

«A»

269,0

9 600

9

Ленинский

«A»

335,0

9 360

10

Ленинский

«A»

200,0

12 000

11

Ленинский

«A»

269,0

4 824

12

Ленинский

«A»

120,4

8 376

13

Ленинский

«B»

20,6

6 600

14

Ленинский

«B»

1458,4

12 000

15

Ленинский

«B»

57,7

7 380

16

Ленинский

«C»

37,0

9 000

17

Ленинский

«C»

125,0

3 840

18

Ленинский

«C»

115,0

5 424

19

Свердловский

«A»

134,0

8 424

20

Свердловский

«B»

40,8

7 200

21

Свердловский

«B»

350,0

8 400

22

Свердловский

«B»

700,0

8 400

23

Свердловский

«B»

140,0

10 200

24

Свердловский

«C»

70,0

5 400

25

Свердловский

«C»

55,0

6 000

26

Свердловский

«C»

60,0

6 000

27

Свердловский

«D»

15,0

8 004

28

Свердловский

«D»

30,0

8 004

И т. д.

В качестве исходных данных о ценах жилых помещений использовались базы предложения жилых помещений на продажу в апреле 2015 г. Были собраны базы по тем же 14 городам с общим количеством предложений 139,6 тыс. шт. (табл. 3).

Таблица 3. Объем данных о предложении квартир на продажу, апрель 2015 г.

Город

Количество предложений

Город

Количество предложений

Москва

44 876

Нижний Новгород

5 344

Санкт-Петербург

15 700

Самара

6 896

Екатеринбург

11 099

Новосибирск

15 200

Казань

1 072

Пермь

2 560

Уфа

1 560

Воронеж

2 120

Ростов-на-Дону

1 042

Омск

13 500

Красноярск

15 800

Челябинск

2 800

ВСЕГО

139 569

Обработка данных включала в себя стандартные процедуры верификации:

• очистку от артефактов (пропусков и ошибок);

• очистку от повторов и дублей;

• предварительную статистическую обработку выборок и исключение «выскакивающих» значений по модифицированному правилу трех сигм [значение считается «выскакивающим», если оно выходит за пределы диапазона (-2)…(+4) стандартных отклонения];

• расчет погрешности в оценке математического ожидания цены (ставки) по средневыборочному значению по формуле +/- δ = 2 s / √ (n1), где s — среднеквадратическое (стандартное) отклонение; n — объем выборки;

• оценку допустимости величины погрешности (принят предел допустимой погрешности 10% от среднего) и пополнение при необходимости базы предложений;

• окончательную статистическую обработку выборки для получения средневзвешенной арендной ставки по формуле Аср. = (Ʃ Аi × Si) / Ʃ Si , где Аi и Si — арендная ставка и площадь i-го помещения (суммирование по всем n помещениям) и средневзвешенной удельной цене предложения помещений на продажу Цср. = Ʃ Цi / Ʃ Si, где Цi и Si — удельная цена и площадь каждого помещения (суммирование также по всему объему выборки).

Результаты обработки данных приведены в табл. 4.

Таблица 4. Средневзвешенные по площади удельные цены предложения жилья на продажу и средневзвешенные по площади удельные ставки предложения в аренду коммерческой недвижимости (КН), апрель 2015 г.

Город

Средневзве-шенная удельная цена предложения жилья, руб./кв. м

Средневзве-шенная удельная ставка предло- жения в аренду КН, руб./кв. м в год

Город

Средневзве-шенная удельная цена предложения жилья, руб./кв. м

Средневзвешенная удельная ставка предложения в аренду КН, руб./кв. м в год

Москва

236 025

26 743

Нижний Новгород

69 130

5 865

Санкт-Петербург

106 566

7 814

Самара

64 842

5 399

Екатеринбург

75 500

6 260

Новосибирск

65 107

5 130

Казань

70 300

5 501

Пермь

56 505

5 409

Уфа

68 220

6 374

Воронеж

51 937

7 649

Ростов-на-Дону

67 329

5 313

Омск

49 100

3 929

Красноярск

59 500

5 573

Челябинск

47 544

3 967

По данным табл. 4 проведен расчет коэффициента корреляции между арендными ставками и ценами квартир. Расчет показал высокую корреляцию между этими показателями (R = 0,9718). Это позволяет получить статистическую связь показателей (см. рисунок).

Уравнение параметрического прогнозирования для массовой оценки ставок аренды коммерческой недвижимости

Уравнение линейной регрессии y = 0,099x c коэффициентом детерминации R2 = 0,9156 демонстрирует достаточно высокую статистическую достоверность модели.

Вышеизложенное позволяет (по аналогии с использованием валового рентного мультипликатора, но без учета единиц измерения) применять в оценочной практике следующий приблизительный мультипликативный экспресс-расчет: рыночный уровень средневзвешенной по площади ставки аренды коммерческой недвижимости равен 10% средневзвешенной по площади удельной цены предложения жилья (индивидуальные значения по городам легко рассчитать по табл.4).

Таким образом, полученное уравнение параметрического прогнозирования позволяет вычислить среднее значение удельных арендных ставок коммерческой недвижимости локальных рынков по данным о средней удельной цене жилых помещений. Дальнейшее дифференцирование прогнозируемой ставки по отдельным сегментам коммерческой недвижимости осуществляется на основе поправочных мультипликаторов, рассчитанных на массиве 14 городов-миллионников РФ (см. табл. 5).

Вывод

Методика параметрического прогнозирования для массовой оценки ставок аренды коммерческой недвижимости по ценам предложения жилья на узких локальных рынках представляется нам обоснованной.

21.09.2015.


Город

Средневзвешенная удельная ставка аренды коммерческой недвижимости, руб. за 1 кв. м в год

Офисные помещения

Поправочный коэффициент сегмента «офисные»

Стрит-ритейл

Поправочный коэффициент сегмента «стрит-ритейл»

Производственно-складские помещения

Поправочный коэффициент сегмента «производственно-складские»

Гаражи

Поправочный коэффициент сегмента «гаражи»

Москва

26 743,00

27 207,00

1,02

27 905,00

1,04

5 329,00

0,20

4 940,00

0,18

Санкт-Петербург

7 813,68

10 974,29

1,40

18 903,39

2,42

6 447,62

0,83

2 601,54

0,33

Воронеж

7 649,36

7 243,05

0,95

11 885,26

1,55

2 501,55

0,33

2 129,13

0,28

Уфа

6 374,40

7 670,88

1,20

9 042,18

1,42

2 612,67

0,41

2 015,06

0,32

Екатеринбург

6 260,39

8 110,27

1,30

9 044,42

1,44

3 447,90

0,55

3 895,53

0,62

Нижний Новгород

5 865,26

7 509,71

1,28

9 366,98

1,60

3 005,19

0,51

2 471,19

0,42

Красноярск

5 573,27

7 935,26

1,42

7 190,30

1,29

2 696,44

0,48

1 870,49

0,34

Казань

5 501,86

7 096,38

1,29

8 369,55

1,52

2 818,09

0,51

2 584,44

0,47

Пермь

5 408,55

6 802,84

1,26

8 158,49

1,51

2 430,30

0,45

2 515,24

0,47

Самара

5 399,14

6 583,35

1,22

6 904,24

1,28

2 199,81

0,41

1 653,66

0,31

Ростов-на-Дону

5 313,00

5 264,01

0,99

8 019,60

1,51

2 691,10

0,51

2 110,98

0,40

Новосибирск

5 129,76

7 338,37

1,43

10 391,23

2,03

2 942,62

0,57

2 607,80

0,51

Челябинск

3 967,25

5 658,41

1,43

6 948,31

1,75

2 259,22

0,57

3 431,71

0,87

Омск

3 928,79

5 415,90

1,38

6 816,16

1,73

1 660,40

0,42

2 205,29

0,56

Средняя

   

1,25

 

1,57

 

0,48

 

0,43

Таблица 5. Дифференцирование прогнозируемой ставки по отдельным сегментам коммерческой недвижимости



[1]Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. М.: Экономика, 2009. 606 с.

Опубликовано в журнале «Имущественные отношения в Российской Федерации» - 2015. - №3. – С. 6-22.

Развитие модели функционирования локального рынка жилой недвижимости

Стерник Геннадий Моисеевич,

профессор кафедры «Управление проектами и программами»

РЭУ им. Г.В. Плеханова

Апальков Александр Александрович,

аспирант

Аннотация

Разработанаусовершенствованная модель функционирования рынка жилой недвижимости. Подготовлены исходные данные и выполнен расчет новых прогнозируемых показателей: объем поглощения ипотеки, объемы спроса, предложения, поглощения квартир и динамики цен на первичном и вторичном рынке в дифференциации по классам качества – массовый и престижный. Произведено тестирование усовершенствованной модели. Полученные результаты показывают высокую точность прогнозирования.

The advanced model of the residential real estate market. Prepared the original data and calculated the new projected figures: the amount of absorption of the mortgage, the volume of demand, supply, absorption of apartments and price dynamics in the primary and secondary market differentiation in quality classes - mass and prestige . Produced by testing an improved model . The results show high accuracy of prediction.

Ключевые слова

Коэффициент доступности, рынок жилой недвижимости, усовершенствованная модель функционирования рынка жилой недвижимости, структура модели, методика среднесрочного прогнозирования, прогноз спроса, прогноз поглощения ипотеки, Новая Москва, методика оценки доступности жилья, строительство, поглощение, цены, дифференциация по классу качества, прогноз показателей.

Estate market, affordability index , housing market , an improved model of the residential real estate market , the structure of the model , the method of medium-term forecasting , demand forecast , the forecast absorption mortgage New Moscow , method of estimation of the affordability of housing , construction , acquisition, price , quality class differentiation , the forecast performance.

В ранее опубликованных в журнале «Имущественные отношения в РФ» работах[1],[2],[3] была представлена методика среднесрочного прогнозирования развития локального рынка жилья, основанная на имитационной блочно-модульной итерационной модели функционирования рынка строительства и продажи жилой недвижимости. Была подтверждена высокая точность прогноза по показателям объемов строительства коммерческого жилья, предложения на первичном и вторичном рынках, спроса, поглощения, динамики цен.

Целью настоящей работы является совершенствование модели для получения прогноза объемов спроса и поглощения ипотеки на рынке жилой недвижимости, а также показателей строительства, предложения, поглощения жилья и цен, дифференцированных по классам качества на массовое и престижное (повышенной комфортности) жилье в соответствии с Единой методикой классифицирования строящихся жилых домов[4].

Предпосылкой для решения этой задачи явилась разработка методики оценки доступности жилья для населения в дифференциации по доходным группам и классам качества[5].

Совершенствование модели выполнялось по трем направлениям: совершенствование структуры модели, исходных данных к отдельным блокам и расчетного алгоритма блоков.

Совершенствование структуры модели. Необходимо напомнить, что структура модели включала 7 блоков. Кроме того, предусматривалась разработка пяти автономных блоков-модулей (рис. 1).

В настоящий момент разработан и включен в структуру модели модуль М4 «Определение коэффициента доступности и доли в спросе жилья различного качества для различных по доходам групп населения за счет собственных средств и ипотеки в базовом году», и при этом внесены изменения в наименование и содержание блока 3. Остальные блоки по назначению остались неизменными:

- Блок 1 «Определение потребности городского населения в жилье и объема госспроса на социальное жилье»;

- Блок 2 «Функционирование строительного комплекса и определение потенциального объема ввода, строительства и предварительного объема предложения коммерческого жилья»;

- Блок 3 «Определение предварительного объема предложения ипотеки (в натуральном выражении)»;

- Блок 4 «Определение объема предъявленного населением, нерезидентами и инвесторами спроса на городское жилье»;

- Блок 5 «Определение состояния рынка по соотношению спрос/предложение и расчета прогнозируемого объема поглощения, предложения, строительства и ввода жилья»;

- Блок 6 «Определение типа рынка и прогнозирование уровня цен на жилье»;

- Блок 7 «Организация итерационных циклов по уточнению прогноза».

В Блоке 3 «Определение объема предложения ипотеки (в натуральном выражении)» по данным о денежном объеме кредитования рассчитываются объемы предложения в натуральном выражении (в кредитуемых площадях – с учетом текущих цен) на первичном и вторичном рынках.

В Блоке 4 «Определение объема предъявленного спроса на городское жилье» с использованием результатов расчета в Модуле М4 производится определение объема предъявленного платежеспособного спроса населения, с учетом уровня доходов населения в текущем году и его дифференциации по различным доходным группам. Производится расчет объема спроса населения (за счет собственных сбережений, зачета имеющегося жилья, ипотечного кредитования), нерезидентов (иммигрантов) и инвесторов (спекулятивный спрос) на городское жилье в натуральном выражении (с учетом размеров квартир и уровня цен на жилье, а также с учетом сделок мены – «неденежного» спроса) и доли предъявленного спроса от общего количества, а также с учетом доли нерезидентов/инвесторов относительно спроса резидентов, заданной в исходных данных в зависимости от типа рынка.

В блоке 5 «Определение состояния рынка по соотношению спрос/предложение и расчет прогнозируемого объема поглощения, предложения, строительства и ввода жилья» производится сопоставление объема потребности населения региона в жилье, объема потенциального предложения жилья и объема предъявленного спроса на жилье. Определяется объем спроса с перетеканием (с первичного рынка на вторичный или наоборот в случае избыточного спроса на одном и дефицита спроса на другом сегменте), затем выполняются логические операции по сопоставлению рассчитанных в Блоках 1-4 объемов спроса-потребности, спроса с перетеканием и предложения на рынке, и по результатам сопоставления выбирается минимальное значение (ограничение), затем вычисляется объем поглощения площадей с учетом коэффициента поглощение/ограничение, соответствующего ранее определенному значению индикатора состояния рынка по соотношению спрос/предложение. Выполняется сопоставление спроса на ипотечные услуги и объема предъявленного предложения ипотечных кредитов, а также объема предложения квартир, и по минимальному значению фиксируется объем поглощения ипотеки. По данным о предварительных значениях объема предъявленного спроса, предложения, строительства, ввода и выбранным значениям коэффициентов, соответствующих ранее определенному состоянию рынка, рассчитываются прогнозные значения объемов предъявленного спроса на жилье и ипотеку, предложения, строительства, ввода с дифференциацией по категории рынков и классам качества.

На рис. 1 блоки, в алгоритм которых внесены изменения (4 и 5), отмечены частичной или полной (модуль 4) заливкой.

 
Рис. 1. Усовершенствованная структура модели функционирования локального рынка жилой недвижимости

К исходным данным блока 4 добавлены параметры, получаемые на выходе модуля М4 для базового года: средний уровень дохода и доля населения города в трех группах - группе 1 приобретателей массового жилья в альтернативных сделках, в группе 2 приобретателей массового жилья в прямых сделках, в группе 3 приобретателей престижного жилья.

Кроме того, усовершенствована внутренняя структура блока 4 (рис. 2) и алгоритм блоков 4 и 5.

Данные базового года о классе/размере, средней удельной цене приобретаемого различными группами жилья, объеме поглощения жилья различного класса

 

Рис. 2. Детализированная структура Блока 4

Внутренняя структура Блока 4 показана на рис. 2. Он включает три подблока:

- 4.1 «Определение объема потенциального платежеспособного спроса населения в денежном и натуральном выражении (без ипотеки)»;

- 4.2 «Определение предварительного объема предъявленного спроса на ипотеку»;

- 4.3 «Определение суммарного объема предъявленного населением, нерезидентами и инвесторами спроса на городское жилье с учетом ипотечной поддержки»;

В подблоке 4.1 с использованием данных модуля М4 и с учетом прогнозируемых на данный год цен на жилье каждого класса на первичном и вторичном рынке определяется потенциальный платежеспособный спрос в денежном выражении отдельных групп населения по доходам и суммарный, с учетом нормы сбережения населения и коэффициента теневых доходов.

В блоке 4.2 по алгоритму, аналогичному модулю М4, производится определение предъявленного объема спроса на ипотеку в денежном выражении и натуральном выражении для каждой группы приобретателей. Он определяется через долю приобретателей данной группы, которой доступна ипотека, с учетом уровня доходов и цен на жилье в текущем году на первичном и вторичном рынках.

В блоке 4.3 определяется суммарный объем предъявленного спроса на площади и квартиры на первичном и вторичном рынке жилья населения, с учетом доли респондентов, готовых приобрести жилье на рынке за свой счет в течение ближайшего года (из исходных данных), нерезидентов и инвесторов с учетом их доли (заданной в исходных данных) в общем прогнозируемом на предшествующий год объеме удовлетворенного спроса, с учетом состояния рынка по соотношению спрос/предложение в предшествующем году, а также размеров и класса качества приобретаемого жилья в каждой группе и прогнозируемых на предшествующий год цен на рынке жилья.

Совершенствование алгоритма модели. В связи с разработкой алгоритма модуля М4 и его интегрированием в модель подверглись усовершенствованию алгоритмы блоков 3, 4 и 5.

Новый алгоритм блока 3 «Определение объема предложения ипотеки (в натуральном выражении)» включает следующие соотношения.

Планируемый объем предложения ипотечных продуктов в денежном выражении Mден.i задается в исходных данных.

Планируемый объем предложения ипотечных продуктов в денежном выражении отдельно на первичном и на вторичном рынке Mден.пi , Mден.вi рассчитывается как общий объем денежного предложения ипотеки Mден.i, умноженный на долю кредитования на соответствующем рынке ζ(i-1) или (1 - ζ(i-1)), полученную из исходных данных для состояния рынка по соотношению спрос/предложение в предшествующем году (в следующей итерации заменяется на значение данного года):

Mден.пi = Mден.i х ζ(i-1)/100, млн руб.;

Mден.вi = Mден.i х (1 – ζ(i-1)/100), млн руб.

Потенциальный объем предложения ипотеки на первичном и вторичном рынке в количестве прокредитованных площадей Mпл.пi, Мпл.вi рассчитывается как отношение денежного объема к прогнозируемой на конец предыдущего года средней удельной цене жилья на первичном и вторичном рынке Цп(i-1), Цв(i-1):

Мпл.пi = Мден.пi / Цп(i-1), млн. кв. м.

Мпл.вi = Мден.вi / Цв(i-1) , млн. кв. м.

Новый алгоритм блока 4 включает следующие соотношения.

В подблоке 4.1 «Определение объема потенциального платежеспособного спроса населения в денежном и натуральном выражении (без ипотеки)» рассчитываются совокупные накопления для каждой группы приобретателей, с учетом вычисленного для нее коэффициента доступности, среднедушевого дохода в группе в предыдущем году, нормы сбережения и численности группы.

Платежеспособный спрос j-й группы населения равен:

ПСji = Кдj х Ij(i-1) х НС х Nj, млн руб.,

где Кдjкоэффициент доступности жилья для j-й группы;

Ij(i-1)среднедушевой доход в группе в предыдущем году;

НС – норма сбережений населения;

Nj численность группы (из модуля М4).

Совокупный платежеспособный спрос населения города равен:

СПСi = ƩСПСji, млн руб.

Предъявленный платежеспособный спрос населения города на рынке недвижимости (без учета ипотеки) в денежном выражении суммарный и в дифференциации для каждой j-й группы потребителей Dден.i, Dден.ji определяются как произведение соответствующей величины накоплений СПСi, СПСji на коэффициент теневых доходов Ктд и долю населения в предъявленном спросе в виде произведения среднего количества человек в домохозяйстве nс на долю предъявленного спроса δ(i-1) (задается в исходных данных для четырех вариантов соотношения спрос/предложение и выбирается исходя из рассчитанного в предыдущем цикле (на конец предшествующего года) соотношения):

Dден.i = СПСi х Ктд х nс х δ(i-1)/100, млрд. руб.;

Dден.ji = СПСji х Ктд х nс х δ(i-1)/100, млрд. руб.

Предъявленный платежеспособный спрос в натуральном выражении (площадь жилья) для населения первой группы (альтернативные сделки) вычисляется как отношение предъявленного денежного спроса к средней удельной цене массового жилья в конце предшествующего года, с учетом «неденежного» спроса (сделок мены):

Dпл.1i = Dден.1i х Кмены / Ц(i-1)(м), млн кв. м,

где Кмены = 1 + 0,5 β/100%.

β – доля альтернативных сделок.

Предъявленный платежеспособный спрос населения второй (прямые сделки с массовым жильем) и третьей (прямые сделки с жильем повышенной комфортности) группы вычисляются без учета коэффициента мены:

Dпл.ji = Dден. ji / Ц(i-1)(м), млн кв. м.

Суммарный предъявленный платежеспособный спрос населения в натуральном выражении:

Dпл.н.i = ƩDпл.ji, млн кв. м,

Предъявленный платежеспособный спрос в количестве квартир для населения каждой группы и суммарный вычисляется как отношение потенциального спроса на площади, отнесенного к среднему размеру квартир этой группы Sкв.ji:

Dкв.ji = Dпл.ji / Sкв.ji, тыс. квартир;

Dкв.i = ƩDкв.ji, тыс. квартир.

Суммарный предъявленный платежеспособный спрос населения в натуральном выражении на объекты престижного класса равен спросу на объекты третьей группы, а массового класса – суммарно на объекты первой и второй группы.

Предъявленный платежеспособный спрос населения раздельно на первичном и вторичном рынке жилых площадей и квартир определяется через долю первичного рынка в спросе αсп:

Dппл.п.i = Dпл.i х αсп/100, млн кв. м; Dпквп.i = Dквп.i х αсп/100, тыс. квартир;

Dвпл.п.i = Dплп.i х (1-αсп)/100, млн кв. м; Dвквп.i = Dквп.i х (1-αпс)/100, тыс. квартир.

При второй и последующих итерациях (в пределах одного года) индекс (i-1) заменяется на i.

Дальнейший алгоритм подблока 4.1 остался неизменным.

В подблоке 4.2 после расчета коэффициента доступности жилья с ипотечной поддержкой (по алгоритму Модуля М4) предъявленный объем спроса на ипотеку в денежном выражении для каждой j-й группы приобретателей Dден.иji определяется через долю приобретателей данной группы, которой доступна ипотека, αиji:

Dден.иji = Dден.ji х αиji, млрд. руб.

Суммарный денежный спрос на ипотеку равен

Dден.иi = ƩDден.иji.

Потенциальный объем спроса на ипотеку в натуральном выражении на первичном Dпл.ипi и вторичном Dпл.ивi рынках и суммарный Dпл.иi равен

Dпл.ипi = Dден.иi / Цп(i-1), млн. кв. м; Dпл.ивi = Dден.иi / Цв(i-1), млн. кв. м.

Dпл.иi = Dпл.ипi + Dпл.ивi.

Потенциальный спрос на ипотеку в количестве кредитов на вторичном и первичном рынках и суммарный вычисляется с учетом доля первичного рынка в общем объеме ипотечных сделок ζ, заданной в исходных данных в зависимости от соотношения спрос/предложения и ср. площади квартиры :

Dкв.ипi = (Dпл.ипi / Sкв.пj)/(ζ(i-1))/100); Dкв.ивi = (Dпл.ивi / Sкв.вj)/(1- ζ(i-1)/100), тыс. квартир;

Dкв.иi = Dкв.ипi + Dкв.ивi, тыс. квартир.

Алгоритм подблока 4.3 не изменился.

Новый алгоритм Блока 5 «Определение состояния рынка по соотношению спрос/предложение и расчет прогнозируемого объема поглощения коммерческого жилья, предложения, строительства и ввода жилья» содержит следующие соотношения.

В подблоке 5.1 объем поглощения услуг ипотечного кредитования на первичном СУМппл.i и вторичном СУМвпл.i рынке и суммарный СУМпл.i принимается равным минимальному из значений объема предложения ипотеки Мплп.i, Мплв.i, предъявленного спроса на ипотечные продукты Dпл.ипi, Dпл.ивi и объема предложения площадей Supп.пр.пл.(i-1), Supв.пот.пл.(i-1):

СУМппл.i = min {Мплп. i ; Dпл.ипi; Supп.пр.пл.(i-1)}, млн. кв.м.;

СУМвпл.i = min {Мплв. i ; Dпл.ивi; Supв.пр.пл.(i-1)}, млн. кв.м.;

СУМпл.i = СУМппл. i + СУМвпл. i.

При второй и последующих итерациях (в пределах одного года) индекс (i-1) заменяется на i.

В подблоке 5.2 введен алгоритм определения объема удовлетворенного спроса (объема поглощения) площадей и квартир коммерческого городского жилья по категории рынка и по классам качества:

СУкпл.(кл.)i = СУкпл.i х αкс(кл.)/100, млн кв. м;

СУккв.(кл.)i = СУкпл.(кл.)i / Sквк(кл.)i, тыс. квартир;

где индекс к означает категорию рынка (первичный и вторичный), а индекс кл. – класс качества (массовый и престижный).

В подблоке 5.3 введен алгоритм расчета прогнозируемого объема предложения площадей и и аналогично квартир массового жилья и повышенной комфортности на первичном и вторичном рынках:

supкпр.пл.(м)i = Supк.пр.пл.i х αкп(м)/100, млн кв. м,

supкпр.пл.(п)i = Supк.пр.пл.i х (1 – αкп(м)/100), млн кв. м.

Остальная часть алгоритма блока 5 осталась неизменной.

Тестирование усовершенствованной модели. Для обеспечения преемственности с ранее выполненными расчетами тестирование производилось с максимальным сохранением исходных данных. Вместе с тем, потребовалось внести ряд изменений в условия расчета.

Прежде всего, после расширения границ Москвы с июля 2012 года в официальной статистике теперь публикуется информация (о количестве сделок, в том числе ипотечных, о доходах населения, и др.) по Большой Москве (с учетом присоединенных территорий). Несмотря на то, что другие данные (планы властей по вводу жилья, данные аналитических консалтинговых компаний об объемах строительства, предложения жилья, о ценах) публикуются раздельно по Старой и по Новой Москве, оказалось целесообразным перейти от локации «Старая Москва» к локации «Большая Москва», а в качестве базового года выбрать 2012 год.

Расширение исследуемой локации потребовало не только сформировать новые отраслевые исходные данные, но и изменить рыночные исходные данные в связи с существенными отличиями структуры строительства и других рыночных условий после присоединения к Москве части территорий Московской области.

Сценарные условия развития рынка жилой недвижимости приняты аналогичным ранее сделанным расчетам[6], при этом выбран Сценарий 1 «оптимистический»: темп роста номинальных доходов населения - 9-11%, денежный объем ипотечного кредитования – по прогнозу АИЖК.

Параметры базового 2012 года и истекшего 2013 года приняты по их фактическим значениям. Тем самым прогнозные значения на 2013 год и их сравнение с фактическими позволят произвести ретроспективную проверку модели и оценку точности прогнозов.

Официальные планы властей по строительству и вводу жилья на присоединенных территориях пока не разработаны. Утвержденным документом пока является госпрограмма «Жилище» по г. Москве на 2011-2016 годы, согласно которой в Москве (в старых границах) с 2012 года планировалось вводить по 2,54 млн кв. м жилья, в том числе 0,76 млн кв. м – муниципального. Исходя из заявлений руководителей московского стройкомплекса, можно принять, что в Большой Москве планируется вводить 3,5-4,0 млн кв. м ежегодно (в том числе 0,3-0,4 млн кв. м индивидуальных домов в Новой Москве и 0,6 млн кв. м муниципального жилья).

При этом объемы сноса ветхого и морально/физически устаревшего жилья, капитального ремонта предполагается сохранить на уровне, заданном в ГП «Жилище».

В связи с существенными различиями в структуре и характеристиках рынка строительства и продажи жилья в Московской области по сравнению с Москвой (низкая доля строительства жилья повышенной комфортности (бизнес-класса), меньший проектный объем жилых домов (этажность, число квартир), и вследствие этого меньшая продолжительность строительства и распродажи отдельного дома в среднем по рынку) потребовалось заново произвести обработку результатов многолетнего мониторинга рынка Москвы и области и с учетом доли «Новой Москвы» пересчитать рыночные исходные данные.

Конкретные значения макроэкономических, отраслевых и рыночных параметров приведены в табл. 2-7.

Таблица 2. Макроэкономические параметры, заданные на глубину прогнозирования (векторные)

Показатели

2012 (базовый)

2013 (факт)

2014 (прогноз)

2015 (прогноз)

2016 (прогноз)

численность населения N, млн. чел.

11,6

12

12,1

12,2

12,3

темпы роста ВРП, %

10,7

4,0

4,6

5,0

6,0

темпы роста инвестиций в основной капитал, %

16,8

7,0

8,5

9,0

9,5

темпы роста реальных располагаемых денежных доходов населения , %

-0,5

-1,0

2,0

2,5

3,0

темп инфляции, %;

6,6

6,5

5,7

5,5

5,5

планируемый государством объем предложения ипотечных кредитов, млрд. руб.

122,9

142,9

153,6

184,3

211,2

Таблица 3. Данные о населении Москвы в базовом году

показатель

значение

Базовый год

2012

Численность населения, чел.

11980

Средний размер домохозяйства, чел.

2,6

Среднемесячный денежный душевой доход, руб./чел. в месяц

48621,6

Прожиточный минимум, руб./чел. в месяц

9747

Коэффициент теневых доходов

2,0

Норма сбережения населения, %

20,0

Источник: Росстат.

Таблица 4. Расслоение населения по доходам в базовом году

Показатель

Значение

Базовый год

2012

Доля населения в группе 1 приобретателей массового жилья в альтернативных сделках, %

52,0

Доля населения в группе 2 приобретателей массового жилья в прямых сделках, %

12,2

Доля населения в группе 3 приобретателей престижного жилья, %

5,2

Среднедушевой доход в группе 1 приобретателей массового жилья в альтернативных сделках, тыс. руб.

34,04

Среднедушевой доход в группе 2 приобретателей массового жилья в прямых сделках, тыс. руб.

106,97

Среднедушевой доход в группе 3 приобретателей престижного жилья, тыс. руб.

350,08

Источник: расчеты авторов по данным Росстата.

Таблица 5. Отраслевые параметры, заданные на глубину прогнозирования (векторные)

Показатели

2012 (базовый)

2013 (факт)

2014 (прогноз)

2015 (прогноз)

2016 (прогноз)

федеральный норматив среднего уровня обеспеченности жильем, кв. м/чел.

21,6

22,2

22,8

23,5

24,2

планируемый объем жилищного фонда, млн кв. м

230,7

232,8

235,2

237,6

240,0

объем сноса/выбытия жилого фонда, тыс. кв. м

0,5

0,4

0,4

0,4

0,4

объем капитального ремонта и реконструкции жилых домов, млн кв. м

4,7

4,7

4,7

4,7

4,7

планируемый государством объем ввода жилья, млн кв. м

2,6

3,2

3,5

3,8

4,0

планируемый объем ввода муниципального жилья, млн кв. м

0,7

0,7

0,6

0,6

0,6

планируемый государством объем ввода коммерческого жилья, млн кв. м

1,9

2,5

2,9

3,2

3,4

планируемый региональными властями средний уровень обеспеченности жильем, кв. м/чел.

18,8

18,8

19,0

19,2

19,3

Таблица 6. Параметры, постоянные при расчетах (скалярные)

Показатель

Значение

средняя площадь квартиры в новостройках, кв. м

75

средняя площадь квартиры в новостройках массового класса, кв. м*

55

средняя площадь квартиры в новостройках повышенной комфортности, кв. м*

120

средняя площадь квартиры в готовых домах, кв. м

60

средняя площадь квартиры в домах массового класса на вторичном рынке, кв. м*

55

средняя площадь квартиры в домах повышенной комфортности на вторичном рынке, кв. м*

80

средняя площадь приобретаемого жилья в альтернативных сделках, кв. м**

18

доля первичного рынка в спросе, %

40

доля первичного рынка в предложении, %

25

доля жилья массового класса на первичном рынке в спросе, %

80

доля жилья массового класса на первичном рынке в предложении, %

80

доля жилья массового класса на вторичном рынке в спросе, %

85

доля жилья массового класса на вторичном рынке в предложении, %

85

доля инвестиционных сделок на первичном рынке от общего числа инвестиционных сделок, %

50

доля первичного рынка в спросе нерезидентов, %

70

эластичность предложения на вторичном рынке по цене, %

10

Параметры базового года:

средняя удельная цена жилья на вторичном рынке в декабре, тыс. руб./кв. м

195,5

прирост средней удельной цены на вторичном рынке за год, %

9,4

средняя удельная цена жилья на первичном рынке декабре, тыс. руб./кв. м

205,5

объем предложения на первичном рынке, млн. кв. м

2,5

объем предложения на вторичном рынке, млн. кв. м

7,0

объем предложения на первичном рынке, тыс. квартир

125

объем поглощения на вторичном рынке, тыс. квартир

94,4

соотношение спроса и предложения площадей в целом на рынке

1,10

поглощение квартир на первичном рынке коммерческого жилья, млн кв. м

20

Источник: ООО Sternik’s Consulting

Примечания: *классификация жилья – в соответствии с «Единой методикой классифицирования жилых домов по потребительскому качеству (классу) – ЕК МЖН»)[7]

** средняя разность площади приобретаемого и имеющегося жилья.

Таблица 7. Параметры, зависящие от соотношения спрос/предложение

Параметр

Индикатор состояния спрос/предложение

1

2

3

4

Коэффициент соотношения ввод/строительство

0,25

0,30

0,45

0,50

Коэффициент соотношения строительство/предложение

2,50

2,70

3,00

3,60

Коэффициент соотношения поглощение/ограничение на первичном рынке

0,40

0,45

0,50

0,55

Коэффициент соотношения поглощение/ограничение на вторичном рынке

0,75

0,78

0,80

0,85

Доля домохозяйств, готовых приобрести жилье на рынке за свой счет в тече ние ближайшего года (предъявленный спрос), %

3,0

3,5

3,7

4,0

Доля приобретателей квартир–нерезидентов, %

25

30

35

40

Доля покупателей, готовых приобрести жилье с учетом продажи имеющейся квартиры (альтернативные сделки), %

85

80

78

75

Доля ипотечных сделок на рынке жилья, %

15

25

30

35

Доля инвестиционного спроса на рынке жилья, %

15

20

25

30

Доля первичного рынка в общем объеме ипотечных сделок, %;

15

25

30

35

Доля ипотечных сделок от общего числа сделок на первичном рынке, %

5

20

40

50

Доля ипотечных сделок от общего числа сделок на вторичном рынке, %

10

12

14

20

Средняя доля кредита в стоимости квартиры, %

60

70

72

82

Источник: ООО Sternik’s Consulting

Результаты расчета прогнозируемых показателей развития рынка жилой недвижимости Москвы (строительство, предложение, спрос, поглощение, цены), обобщенных по первичному и по вторичному рынку и в целом по рынку жилой недвижимости, приведены на рис. 3-6.

Рис. 3 Рис. 4

Рис. 5 Рис. 6

Полученные по усовершенствованной модели результаты прогнозирования несколько отличаются от рассчитанных ранее[8], в основном по показателям объемов спроса. Вместе с тем, сопоставление прогноза на 2013 год с фактическими данными показывает, что точность прогнозирования повысилась.

Далее был произведен расчет новых показателей: объем поглощения ипотеки, объемы спроса, предложения, поглощения квартир и динамики цен на первичном и вторичном рынке в дифференциации по классам качества – массовый и престижный (рис. 7-10).

Рис. 7 Рис. 8

Рис. 9 Рис. 10

Таким образом, усовершенствование модели функционирования рынка жилой недвижимости позволило расширить перечень прогнозируемых показателей, включая показатели спроса и поглощения ипотеки, строительства, предложения, поглощения и динамики цен в дифференциации по классам качества жилья.

Литература

1. Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона)// «Имущественные отношения в Российской Федерации»- 2012, №9 (132), С. 52-58.

2. Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости // «Имущественные отношения в Российской Федерации» - 2013, №10 (145), С. 48-63.

3. Стерник Г.М., Свиридов А.В. Обоснование целевых объемов ввода жилья
(на примере Москвы) // «Имущественные отношения в Российской Федерации» - 2014, № 3, С. 91-101.

4. Стерник Г.М., Стерник С.Г. Развитие «Единой методики классифицирования многоквартирных жилых домов – новостроек (ЕК МЖН) по потребительскому качеству (классу) проекта» // Механизация строительства. — 2012, № 6, С. 32-40.

5. Стерник Г.М., Апальков А.А. Развитие методики оценки доступности жилья для населения // «Имущественные отношения в Российской Федерации». – 2014, №2, С. 59-71.

6. Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости // «Имущественные отношения в Российской Федерации» - 2013, №10 (145), С. 48-63.

7. Стерник Г.М., Стерник С.Г. Единая методика классифицирования многоквартирных жилых домов - новостроек по потребительскому качеству (классу) // [Электронный ресурс] URL: http://realtymarket.ru/metodi-eskie-materiali

8. Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости// «Имущественные отношения в Российской Федерации» - 2013, №10 (145), С. 48-63.

4.03.2015.



[1] Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона). – «Имущественные отношения в Российской Федерации», №9 (132), 2012, стр. 52-58.

[2] Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. - «Имущественные отношения в Российской Федерации», №10 (145) , 2013, стр. 48-63.

[3] Стерник Г.М., Свиридов А.В. Обоснование целевых объемов ввода жилья
(на примере Москвы). - «Имущественные отношения в Российской Федерации», № 3, 2014, стр. 91-101.

[4] Стерник Г.М., Стерник С.Г. Развитие «Единой методики классифицирования многоквартирных жилых домов – новостроек (ЕК МЖН) по потребительскому качеству (классу) проекта» // Механизация строительства. — 2012, № 6, cтр. 32-40.

[5] Стерник Г.М., Апальков А.А. Развитие методики оценки доступности жилья для населения // «Имущественные отношения в Российской Федерации». - 2014. - №2. – С. 59-71.

[6] Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. - «Имущественные отношения в Российской Федерации», №10 (145) , 2013, стр. 48-63.

[7] Единая методика классифицирования многоквартирных жилых домов - новостроек по потребительскому качеству (классу)/Стерник Г.М., Стерник С.Г. и др. (http://realtymarket.ru/metodi-eskie-materiali)

[8] Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. - «Имущественные отношения в Российской Федерации», №10 (145) , 2013, стр. 48-63.

Стерник Г.М., Апальков А.А. Развитие модели функционирования локального рынка жилой недвижимости

(Опубликовано в журнале «Имущественные отношения в Российской Федерации» - 2015. - №3. – С. 6-22.)
Категория: методические материалы

Опубликовано в журнале «Имущественные отношения в Российской Федерации» - 2015. - №3. – С. 6-22.

Развитие модели функционирования локального рынка жилой недвижимости

Стерник Геннадий Моисеевич,

профессор кафедры «Управление проектами и программами»

РЭУ им. Г.В. Плеханова

Апальков Александр Александрович,

аспирант

Аннотация

Разработанаусовершенствованная модель функционирования рынка жилой недвижимости. Подготовлены исходные данные и выполнен расчет новых прогнозируемых показателей: объем поглощения ипотеки, объемы спроса, предложения, поглощения квартир и динамики цен на первичном и вторичном рынке в дифференциации по классам качества – массовый и престижный. Произведено тестирование усовершенствованной модели. Полученные результаты показывают высокую точность прогнозирования.

The advanced model of the residential real estate market. Prepared the original data and calculated the new projected figures: the amount of absorption of the mortgage, the volume of demand, supply, absorption of apartments and price dynamics in the primary and secondary market differentiation in quality classes - mass and prestige . Produced by testing an improved model . The results show high accuracy of prediction.

Ключевые слова

Коэффициент доступности, рынок жилой недвижимости, усовершенствованная модель функционирования рынка жилой недвижимости, структура модели, методика среднесрочного прогнозирования, прогноз спроса, прогноз поглощения ипотеки, Новая Москва, методика оценки доступности жилья, строительство, поглощение, цены, дифференциация по классу качества, прогноз показателей.

Estate market, affordability index , housing market , an improved model of the residential real estate market , the structure of the model , the method of medium-term forecasting , demand forecast , the forecast absorption mortgage New Moscow , method of estimation of the affordability of housing , construction , acquisition, price , quality class differentiation , the forecast performance.

В ранее опубликованных в журнале «Имущественные отношения в РФ» работах[1],[2],[3] была представлена методика среднесрочного прогнозирования развития локального рынка жилья, основанная на имитационной блочно-модульной итерационной модели функционирования рынка строительства и продажи жилой недвижимости. Была подтверждена высокая точность прогноза по показателям объемов строительства коммерческого жилья, предложения на первичном и вторичном рынках, спроса, поглощения, динамики цен.

Целью настоящей работы является совершенствование модели для получения прогноза объемов спроса и поглощения ипотеки на рынке жилой недвижимости, а также показателей строительства, предложения, поглощения жилья и цен, дифференцированных по классам качества на массовое и престижное (повышенной комфортности) жилье в соответствии с Единой методикой классифицирования строящихся жилых домов[4].

Предпосылкой для решения этой задачи явилась разработка методики оценки доступности жилья для населения в дифференциации по доходным группам и классам качества[5].

Совершенствование модели выполнялось по трем направлениям: совершенствование структуры модели, исходных данных к отдельным блокам и расчетного алгоритма блоков.

Совершенствование структуры модели. Необходимо напомнить, что структура модели включала 7 блоков. Кроме того, предусматривалась разработка пяти автономных блоков-модулей (рис. 1).

В настоящий момент разработан и включен в структуру модели модуль М4 «Определение коэффициента доступности и доли в спросе жилья различного качества для различных по доходам групп населения за счет собственных средств и ипотеки в базовом году», и при этом внесены изменения в наименование и содержание блока 3. Остальные блоки по назначению остались неизменными:

- Блок 1 «Определение потребности городского населения в жилье и объема госспроса на социальное жилье»;

- Блок 2 «Функционирование строительного комплекса и определение потенциального объема ввода, строительства и предварительного объема предложения коммерческого жилья»;

- Блок 3 «Определение предварительного объема предложения ипотеки (в натуральном выражении)»;

- Блок 4 «Определение объема предъявленного населением, нерезидентами и инвесторами спроса на городское жилье»;

- Блок 5 «Определение состояния рынка по соотношению спрос/предложение и расчета прогнозируемого объема поглощения, предложения, строительства и ввода жилья»;

- Блок 6 «Определение типа рынка и прогнозирование уровня цен на жилье»;

- Блок 7 «Организация итерационных циклов по уточнению прогноза».

В Блоке 3 «Определение объема предложения ипотеки (в натуральном выражении)» по данным о денежном объеме кредитования рассчитываются объемы предложения в натуральном выражении (в кредитуемых площадях – с учетом текущих цен) на первичном и вторичном рынках.

В Блоке 4 «Определение объема предъявленного спроса на городское жилье» с использованием результатов расчета в Модуле М4 производится определение объема предъявленного платежеспособного спроса населения, с учетом уровня доходов населения в текущем году и его дифференциации по различным доходным группам. Производится расчет объема спроса населения (за счет собственных сбережений, зачета имеющегося жилья, ипотечного кредитования), нерезидентов (иммигрантов) и инвесторов (спекулятивный спрос) на городское жилье в натуральном выражении (с учетом размеров квартир и уровня цен на жилье, а также с учетом сделок мены – «неденежного» спроса) и доли предъявленного спроса от общего количества, а также с учетом доли нерезидентов/инвесторов относительно спроса резидентов, заданной в исходных данных в зависимости от типа рынка.

В блоке 5 «Определение состояния рынка по соотношению спрос/предложение и расчет прогнозируемого объема поглощения, предложения, строительства и ввода жилья» производится сопоставление объема потребности населения региона в жилье, объема потенциального предложения жилья и объема предъявленного спроса на жилье. Определяется объем спроса с перетеканием (с первичного рынка на вторичный или наоборот в случае избыточного спроса на одном и дефицита спроса на другом сегменте), затем выполняются логические операции по сопоставлению рассчитанных в Блоках 1-4 объемов спроса-потребности, спроса с перетеканием и предложения на рынке, и по результатам сопоставления выбирается минимальное значение (ограничение), затем вычисляется объем поглощения площадей с учетом коэффициента поглощение/ограничение, соответствующего ранее определенному значению индикатора состояния рынка по соотношению спрос/предложение. Выполняется сопоставление спроса на ипотечные услуги и объема предъявленного предложения ипотечных кредитов, а также объема предложения квартир, и по минимальному значению фиксируется объем поглощения ипотеки. По данным о предварительных значениях объема предъявленного спроса, предложения, строительства, ввода и выбранным значениям коэффициентов, соответствующих ранее определенному состоянию рынка, рассчитываются прогнозные значения объемов предъявленного спроса на жилье и ипотеку, предложения, строительства, ввода с дифференциацией по категории рынков и классам качества.

На рис. 1 блоки, в алгоритм которых внесены изменения (4 и 5), отмечены частичной или полной (модуль 4) заливкой.

 
Рис. 1. Усовершенствованная структура модели функционирования локального рынка жилой недвижимости

К исходным данным блока 4 добавлены параметры, получаемые на выходе модуля М4 для базового года: средний уровень дохода и доля населения города в трех группах - группе 1 приобретателей массового жилья в альтернативных сделках, в группе 2 приобретателей массового жилья в прямых сделках, в группе 3 приобретателей престижного жилья.

Кроме того, усовершенствована внутренняя структура блока 4 (рис. 2) и алгоритм блоков 4 и 5.

Данные базового года о классе/размере, средней удельной цене приобретаемого различными группами жилья, объеме поглощения жилья различного класса

 

Рис. 2. Детализированная структура Блока 4

Внутренняя структура Блока 4 показана на рис. 2. Он включает три подблока:

- 4.1 «Определение объема потенциального платежеспособного спроса населения в денежном и натуральном выражении (без ипотеки)»;

- 4.2 «Определение предварительного объема предъявленного спроса на ипотеку»;

- 4.3 «Определение суммарного объема предъявленного населением, нерезидентами и инвесторами спроса на городское жилье с учетом ипотечной поддержки»;

В подблоке 4.1 с использованием данных модуля М4 и с учетом прогнозируемых на данный год цен на жилье каждого класса на первичном и вторичном рынке определяется потенциальный платежеспособный спрос в денежном выражении отдельных групп населения по доходам и суммарный, с учетом нормы сбережения населения и коэффициента теневых доходов.

В блоке 4.2 по алгоритму, аналогичному модулю М4, производится определение предъявленного объема спроса на ипотеку в денежном выражении и натуральном выражении для каждой группы приобретателей. Он определяется через долю приобретателей данной группы, которой доступна ипотека, с учетом уровня доходов и цен на жилье в текущем году на первичном и вторичном рынках.

В блоке 4.3 определяется суммарный объем предъявленного спроса на площади и квартиры на первичном и вторичном рынке жилья населения, с учетом доли респондентов, готовых приобрести жилье на рынке за свой счет в течение ближайшего года (из исходных данных), нерезидентов и инвесторов с учетом их доли (заданной в исходных данных) в общем прогнозируемом на предшествующий год объеме удовлетворенного спроса, с учетом состояния рынка по соотношению спрос/предложение в предшествующем году, а также размеров и класса качества приобретаемого жилья в каждой группе и прогнозируемых на предшествующий год цен на рынке жилья.

Совершенствование алгоритма модели. В связи с разработкой алгоритма модуля М4 и его интегрированием в модель подверглись усовершенствованию алгоритмы блоков 3, 4 и 5.

Новый алгоритм блока 3 «Определение объема предложения ипотеки (в натуральном выражении)» включает следующие соотношения.

Планируемый объем предложения ипотечных продуктов в денежном выражении Mден.i задается в исходных данных.

Планируемый объем предложения ипотечных продуктов в денежном выражении отдельно на первичном и на вторичном рынке Mден.пi , Mден.вi рассчитывается как общий объем денежного предложения ипотеки Mден.i, умноженный на долю кредитования на соответствующем рынке ζ(i-1) или (1 - ζ(i-1)), полученную из исходных данных для состояния рынка по соотношению спрос/предложение в предшествующем году (в следующей итерации заменяется на значение данного года):

Mден.пi = Mден.i х ζ(i-1)/100, млн руб.;

Mден.вi = Mден.i х (1 – ζ(i-1)/100), млн руб.

Потенциальный объем предложения ипотеки на первичном и вторичном рынке в количестве прокредитованных площадей Mпл.пi, Мпл.вi рассчитывается как отношение денежного объема к прогнозируемой на конец предыдущего года средней удельной цене жилья на первичном и вторичном рынке Цп(i-1), Цв(i-1):

Мпл.пi = Мден.пi / Цп(i-1), млн. кв. м.

Мпл.вi = Мден.вi / Цв(i-1) , млн. кв. м.

Новый алгоритм блока 4 включает следующие соотношения.

В подблоке 4.1 «Определение объема потенциального платежеспособного спроса населения в денежном и натуральном выражении (без ипотеки)» рассчитываются совокупные накопления для каждой группы приобретателей, с учетом вычисленного для нее коэффициента доступности, среднедушевого дохода в группе в предыдущем году, нормы сбережения и численности группы.

Платежеспособный спрос j-й группы населения равен:

ПСji = Кдj х Ij(i-1) х НС х Nj, млн руб.,

где Кдjкоэффициент доступности жилья для j-й группы;

Ij(i-1)среднедушевой доход в группе в предыдущем году;

НС – норма сбережений населения;

Nj численность группы (из модуля М4).

Совокупный платежеспособный спрос населения города равен:

СПСi = ƩСПСji, млн руб.

Предъявленный платежеспособный спрос населения города на рынке недвижимости (без учета ипотеки) в денежном выражении суммарный и в дифференциации для каждой j-й группы потребителей Dден.i, Dден.ji определяются как произведение соответствующей величины накоплений СПСi, СПСji на коэффициент теневых доходов Ктд и долю населения в предъявленном спросе в виде произведения среднего количества человек в домохозяйстве nс на долю предъявленного спроса δ(i-1) (задается в исходных данных для четырех вариантов соотношения спрос/предложение и выбирается исходя из рассчитанного в предыдущем цикле (на конец предшествующего года) соотношения):

Dден.i = СПСi х Ктд х nс х δ(i-1)/100, млрд. руб.;

Dден.ji = СПСji х Ктд х nс х δ(i-1)/100, млрд. руб.

Предъявленный платежеспособный спрос в натуральном выражении (площадь жилья) для населения первой группы (альтернативные сделки) вычисляется как отношение предъявленного денежного спроса к средней удельной цене массового жилья в конце предшествующего года, с учетом «неденежного» спроса (сделок мены):

Dпл.1i = Dден.1i х Кмены / Ц(i-1)(м), млн кв. м,

где Кмены = 1 + 0,5 β/100%.

β – доля альтернативных сделок.

Предъявленный платежеспособный спрос населения второй (прямые сделки с массовым жильем) и третьей (прямые сделки с жильем повышенной комфортности) группы вычисляются без учета коэффициента мены:

Dпл.ji = Dден. ji / Ц(i-1)(м), млн кв. м.

Суммарный предъявленный платежеспособный спрос населения в натуральном выражении:

Dпл.н.i = ƩDпл.ji, млн кв. м,

Предъявленный платежеспособный спрос в количестве квартир для населения каждой группы и суммарный вычисляется как отношение потенциального спроса на площади, отнесенного к среднему размеру квартир этой группы Sкв.ji:

Dкв.ji = Dпл.ji / Sкв.ji, тыс. квартир;

Dкв.i = ƩDкв.ji, тыс. квартир.

Суммарный предъявленный платежеспособный спрос населения в натуральном выражении на объекты престижного класса равен спросу на объекты третьей группы, а массового класса – суммарно на объекты первой и второй группы.

Предъявленный платежеспособный спрос населения раздельно на первичном и вторичном рынке жилых площадей и квартир определяется через долю первичного рынка в спросе αсп:

Dппл.п.i = Dпл.i х αсп/100, млн кв. м; Dпквп.i = Dквп.i х αсп/100, тыс. квартир;

Dвпл.п.i = Dплп.i х (1-αсп)/100, млн кв. м; Dвквп.i = Dквп.i х (1-αпс)/100, тыс. квартир.

При второй и последующих итерациях (в пределах одного года) индекс (i-1) заменяется на i.

Дальнейший алгоритм подблока 4.1 остался неизменным.

В подблоке 4.2 после расчета коэффициента доступности жилья с ипотечной поддержкой (по алгоритму Модуля М4) предъявленный объем спроса на ипотеку в денежном выражении для каждой j-й группы приобретателей Dден.иji определяется через долю приобретателей данной группы, которой доступна ипотека, αиji:

Dден.иji = Dден.ji х αиji, млрд. руб.

Суммарный денежный спрос на ипотеку равен

Dден.иi = ƩDден.иji.

Потенциальный объем спроса на ипотеку в натуральном выражении на первичном Dпл.ипi и вторичном Dпл.ивi рынках и суммарный Dпл.иi равен

Dпл.ипi = Dден.иi / Цп(i-1), млн. кв. м; Dпл.ивi = Dден.иi / Цв(i-1), млн. кв. м.

Dпл.иi = Dпл.ипi + Dпл.ивi.

Потенциальный спрос на ипотеку в количестве кредитов на вторичном и первичном рынках и суммарный вычисляется с учетом доля первичного рынка в общем объеме ипотечных сделок ζ, заданной в исходных данных в зависимости от соотношения спрос/предложения и ср. площади квартиры :

Dкв.ипi = (Dпл.ипi / Sкв.пj)/(ζ(i-1))/100); Dкв.ивi = (Dпл.ивi / Sкв.вj)/(1- ζ(i-1)/100), тыс. квартир;

Dкв.иi = Dкв.ипi + Dкв.ивi, тыс. квартир.

Алгоритм подблока 4.3 не изменился.

Новый алгоритм Блока 5 «Определение состояния рынка по соотношению спрос/предложение и расчет прогнозируемого объема поглощения коммерческого жилья, предложения, строительства и ввода жилья» содержит следующие соотношения.

В подблоке 5.1 объем поглощения услуг ипотечного кредитования на первичном СУМппл.i и вторичном СУМвпл.i рынке и суммарный СУМпл.i принимается равным минимальному из значений объема предложения ипотеки Мплп.i, Мплв.i, предъявленного спроса на ипотечные продукты Dпл.ипi, Dпл.ивi и объема предложения площадей Supп.пр.пл.(i-1), Supв.пот.пл.(i-1):

СУМппл.i = min {Мплп. i ; Dпл.ипi; Supп.пр.пл.(i-1)}, млн. кв.м.;

СУМвпл.i = min {Мплв. i ; Dпл.ивi; Supв.пр.пл.(i-1)}, млн. кв.м.;

СУМпл.i = СУМппл. i + СУМвпл. i.

При второй и последующих итерациях (в пределах одного года) индекс (i-1) заменяется на i.

В подблоке 5.2 введен алгоритм определения объема удовлетворенного спроса (объема поглощения) площадей и квартир коммерческого городского жилья по категории рынка и по классам качества:

СУкпл.(кл.)i = СУкпл.i х αкс(кл.)/100, млн кв. м;

СУккв.(кл.)i = СУкпл.(кл.)i / Sквк(кл.)i, тыс. квартир;

где индекс к означает категорию рынка (первичный и вторичный), а индекс кл. – класс качества (массовый и престижный).

В подблоке 5.3 введен алгоритм расчета прогнозируемого объема предложения площадей и и аналогично квартир массового жилья и повышенной комфортности на первичном и вторичном рынках:

supкпр.пл.(м)i = Supк.пр.пл.i х αкп(м)/100, млн кв. м,

supкпр.пл.(п)i = Supк.пр.пл.i х (1 – αкп(м)/100), млн кв. м.

Остальная часть алгоритма блока 5 осталась неизменной.

Тестирование усовершенствованной модели. Для обеспечения преемственности с ранее выполненными расчетами тестирование производилось с максимальным сохранением исходных данных. Вместе с тем, потребовалось внести ряд изменений в условия расчета.

Прежде всего, после расширения границ Москвы с июля 2012 года в официальной статистике теперь публикуется информация (о количестве сделок, в том числе ипотечных, о доходах населения, и др.) по Большой Москве (с учетом присоединенных территорий). Несмотря на то, что другие данные (планы властей по вводу жилья, данные аналитических консалтинговых компаний об объемах строительства, предложения жилья, о ценах) публикуются раздельно по Старой и по Новой Москве, оказалось целесообразным перейти от локации «Старая Москва» к локации «Большая Москва», а в качестве базового года выбрать 2012 год.

Расширение исследуемой локации потребовало не только сформировать новые отраслевые исходные данные, но и изменить рыночные исходные данные в связи с существенными отличиями структуры строительства и других рыночных условий после присоединения к Москве части территорий Московской области.

Сценарные условия развития рынка жилой недвижимости приняты аналогичным ранее сделанным расчетам[6], при этом выбран Сценарий 1 «оптимистический»: темп роста номинальных доходов населения - 9-11%, денежный объем ипотечного кредитования – по прогнозу АИЖК.

Параметры базового 2012 года и истекшего 2013 года приняты по их фактическим значениям. Тем самым прогнозные значения на 2013 год и их сравнение с фактическими позволят произвести ретроспективную проверку модели и оценку точности прогнозов.

Официальные планы властей по строительству и вводу жилья на присоединенных территориях пока не разработаны. Утвержденным документом пока является госпрограмма «Жилище» по г. Москве на 2011-2016 годы, согласно которой в Москве (в старых границах) с 2012 года планировалось вводить по 2,54 млн кв. м жилья, в том числе 0,76 млн кв. м – муниципального. Исходя из заявлений руководителей московского стройкомплекса, можно принять, что в Большой Москве планируется вводить 3,5-4,0 млн кв. м ежегодно (в том числе 0,3-0,4 млн кв. м индивидуальных домов в Новой Москве и 0,6 млн кв. м муниципального жилья).

При этом объемы сноса ветхого и морально/физически устаревшего жилья, капитального ремонта предполагается сохранить на уровне, заданном в ГП «Жилище».

В связи с существенными различиями в структуре и характеристиках рынка строительства и продажи жилья в Московской области по сравнению с Москвой (низкая доля строительства жилья повышенной комфортности (бизнес-класса), меньший проектный объем жилых домов (этажность, число квартир), и вследствие этого меньшая продолжительность строительства и распродажи отдельного дома в среднем по рынку) потребовалось заново произвести обработку результатов многолетнего мониторинга рынка Москвы и области и с учетом доли «Новой Москвы» пересчитать рыночные исходные данные.

Конкретные значения макроэкономических, отраслевых и рыночных параметров приведены в табл. 2-7.

Таблица 2. Макроэкономические параметры, заданные на глубину прогнозирования (векторные)

Показатели

2012 (базовый)

2013 (факт)

2014 (прогноз)

2015 (прогноз)

2016 (прогноз)

численность населения N, млн. чел.

11,6

12

12,1

12,2

12,3

темпы роста ВРП, %

10,7

4,0

4,6

5,0

6,0

темпы роста инвестиций в основной капитал, %

16,8

7,0

8,5

9,0

9,5

темпы роста реальных располагаемых денежных доходов населения , %

-0,5

-1,0

2,0

2,5

3,0

темп инфляции, %;

6,6

6,5

5,7

5,5

5,5

планируемый государством объем предложения ипотечных кредитов, млрд. руб.

122,9

142,9

153,6

184,3

211,2

Таблица 3. Данные о населении Москвы в базовом году

показатель

значение

Базовый год

2012

Численность населения, чел.

11980

Средний размер домохозяйства, чел.

2,6

Среднемесячный денежный душевой доход, руб./чел. в месяц

48621,6

Прожиточный минимум, руб./чел. в месяц

9747

Коэффициент теневых доходов

2,0

Норма сбережения населения, %

20,0

Источник: Росстат.

Таблица 4. Расслоение населения по доходам в базовом году

Показатель

Значение

Базовый год

2012

Доля населения в группе 1 приобретателей массового жилья в альтернативных сделках, %

52,0

Доля населения в группе 2 приобретателей массового жилья в прямых сделках, %

12,2

Доля населения в группе 3 приобретателей престижного жилья, %

5,2

Среднедушевой доход в группе 1 приобретателей массового жилья в альтернативных сделках, тыс. руб.

34,04

Среднедушевой доход в группе 2 приобретателей массового жилья в прямых сделках, тыс. руб.

106,97

Среднедушевой доход в группе 3 приобретателей престижного жилья, тыс. руб.

350,08

Источник: расчеты авторов по данным Росстата.

Таблица 5. Отраслевые параметры, заданные на глубину прогнозирования (векторные)

Показатели

2012 (базовый)

2013 (факт)

2014 (прогноз)

2015 (прогноз)

2016 (прогноз)

федеральный норматив среднего уровня обеспеченности жильем, кв. м/чел.

21,6

22,2

22,8

23,5

24,2

планируемый объем жилищного фонда, млн кв. м

230,7

232,8

235,2

237,6

240,0

объем сноса/выбытия жилого фонда, тыс. кв. м

0,5

0,4

0,4

0,4

0,4

объем капитального ремонта и реконструкции жилых домов, млн кв. м

4,7

4,7

4,7

4,7

4,7

планируемый государством объем ввода жилья, млн кв. м

2,6

3,2

3,5

3,8

4,0

планируемый объем ввода муниципального жилья, млн кв. м

0,7

0,7

0,6

0,6

0,6

планируемый государством объем ввода коммерческого жилья, млн кв. м

1,9

2,5

2,9

3,2

3,4

планируемый региональными властями средний уровень обеспеченности жильем, кв. м/чел.

18,8

18,8

19,0

19,2

19,3

Таблица 6. Параметры, постоянные при расчетах (скалярные)

Показатель

Значение

средняя площадь квартиры в новостройках, кв. м

75

средняя площадь квартиры в новостройках массового класса, кв. м*

55

средняя площадь квартиры в новостройках повышенной комфортности, кв. м*

120

средняя площадь квартиры в готовых домах, кв. м

60

средняя площадь квартиры в домах массового класса на вторичном рынке, кв. м*

55

средняя площадь квартиры в домах повышенной комфортности на вторичном рынке, кв. м*

80

средняя площадь приобретаемого жилья в альтернативных сделках, кв. м**

18

доля первичного рынка в спросе, %

40

доля первичного рынка в предложении, %

25

доля жилья массового класса на первичном рынке в спросе, %

80

доля жилья массового класса на первичном рынке в предложении, %

80

доля жилья массового класса на вторичном рынке в спросе, %

85

доля жилья массового класса на вторичном рынке в предложении, %

85

доля инвестиционных сделок на первичном рынке от общего числа инвестиционных сделок, %

50

доля первичного рынка в спросе нерезидентов, %

70

эластичность предложения на вторичном рынке по цене, %

10

Параметры базового года:

средняя удельная цена жилья на вторичном рынке в декабре, тыс. руб./кв. м

195,5

прирост средней удельной цены на вторичном рынке за год, %

9,4

средняя удельная цена жилья на первичном рынке декабре, тыс. руб./кв. м

205,5

объем предложения на первичном рынке, млн. кв. м

2,5

объем предложения на вторичном рынке, млн. кв. м

7,0

объем предложения на первичном рынке, тыс. квартир

125

объем поглощения на вторичном рынке, тыс. квартир

94,4

соотношение спроса и предложения площадей в целом на рынке

1,10

поглощение квартир на первичном рынке коммерческого жилья, млн кв. м

20

Источник: ООО Sternik’s Consulting

Примечания: *классификация жилья – в соответствии с «Единой методикой классифицирования жилых домов по потребительскому качеству (классу) – ЕК МЖН»)[7]

** средняя разность площади приобретаемого и имеющегося жилья.

Таблица 7. Параметры, зависящие от соотношения спрос/предложение

Параметр

Индикатор состояния спрос/предложение

1

2

3

4

Коэффициент соотношения ввод/строительство

0,25

0,30

0,45

0,50

Коэффициент соотношения строительство/предложение

2,50

2,70

3,00

3,60

Коэффициент соотношения поглощение/ограничение на первичном рынке

0,40

0,45

0,50

0,55

Коэффициент соотношения поглощение/ограничение на вторичном рынке

0,75

0,78

0,80

0,85

Доля домохозяйств, готовых приобрести жилье на рынке за свой счет в тече ние ближайшего года (предъявленный спрос), %

3,0

3,5

3,7

4,0

Доля приобретателей квартир–нерезидентов, %

25

30

35

40

Доля покупателей, готовых приобрести жилье с учетом продажи имеющейся квартиры (альтернативные сделки), %

85

80

78

75

Доля ипотечных сделок на рынке жилья, %

15

25

30

35

Доля инвестиционного спроса на рынке жилья, %

15

20

25

30

Доля первичного рынка в общем объеме ипотечных сделок, %;

15

25

30

35

Доля ипотечных сделок от общего числа сделок на первичном рынке, %

5

20

40

50

Доля ипотечных сделок от общего числа сделок на вторичном рынке, %

10

12

14

20

Средняя доля кредита в стоимости квартиры, %

60

70

72

82

Источник: ООО Sternik’s Consulting

Результаты расчета прогнозируемых показателей развития рынка жилой недвижимости Москвы (строительство, предложение, спрос, поглощение, цены), обобщенных по первичному и по вторичному рынку и в целом по рынку жилой недвижимости, приведены на рис. 3-6.

Рис. 3 Рис. 4

Рис. 5 Рис. 6

Полученные по усовершенствованной модели результаты прогнозирования несколько отличаются от рассчитанных ранее[8], в основном по показателям объемов спроса. Вместе с тем, сопоставление прогноза на 2013 год с фактическими данными показывает, что точность прогнозирования повысилась.

Далее был произведен расчет новых показателей: объем поглощения ипотеки, объемы спроса, предложения, поглощения квартир и динамики цен на первичном и вторичном рынке в дифференциации по классам качества – массовый и престижный (рис. 7-10).

Рис. 7 Рис. 8

Рис. 9 Рис. 10

Таким образом, усовершенствование модели функционирования рынка жилой недвижимости позволило расширить перечень прогнозируемых показателей, включая показатели спроса и поглощения ипотеки, строительства, предложения, поглощения и динамики цен в дифференциации по классам качества жилья.

Литература

1. Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона)// «Имущественные отношения в Российской Федерации»- 2012, №9 (132), С. 52-58.

2. Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости // «Имущественные отношения в Российской Федерации» - 2013, №10 (145), С. 48-63.

3. Стерник Г.М., Свиридов А.В. Обоснование целевых объемов ввода жилья
(на примере Москвы) // «Имущественные отношения в Российской Федерации» - 2014, № 3, С. 91-101.

4. Стерник Г.М., Стерник С.Г. Развитие «Единой методики классифицирования многоквартирных жилых домов – новостроек (ЕК МЖН) по потребительскому качеству (классу) проекта» // Механизация строительства. — 2012, № 6, С. 32-40.

5. Стерник Г.М., Апальков А.А. Развитие методики оценки доступности жилья для населения // «Имущественные отношения в Российской Федерации». – 2014, №2, С. 59-71.

6. Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости // «Имущественные отношения в Российской Федерации» - 2013, №10 (145), С. 48-63.

7. Стерник Г.М., Стерник С.Г. Единая методика классифицирования многоквартирных жилых домов - новостроек по потребительскому качеству (классу) // [Электронный ресурс] URL: http://realtymarket.ru/metodi-eskie-materiali

8. Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости// «Имущественные отношения в Российской Федерации» - 2013, №10 (145), С. 48-63.

4.03.2015.



[1] Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона). – «Имущественные отношения в Российской Федерации», №9 (132), 2012, стр. 52-58.

[2] Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. - «Имущественные отношения в Российской Федерации», №10 (145) , 2013, стр. 48-63.

[3] Стерник Г.М., Свиридов А.В. Обоснование целевых объемов ввода жилья
(на примере Москвы). - «Имущественные отношения в Российской Федерации», № 3, 2014, стр. 91-101.

[4] Стерник Г.М., Стерник С.Г. Развитие «Единой методики классифицирования многоквартирных жилых домов – новостроек (ЕК МЖН) по потребительскому качеству (классу) проекта» // Механизация строительства. — 2012, № 6, cтр. 32-40.

[5] Стерник Г.М., Апальков А.А. Развитие методики оценки доступности жилья для населения // «Имущественные отношения в Российской Федерации». - 2014. - №2. – С. 59-71.

[6] Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. - «Имущественные отношения в Российской Федерации», №10 (145) , 2013, стр. 48-63.

[7] Единая методика классифицирования многоквартирных жилых домов - новостроек по потребительскому качеству (классу)/Стерник Г.М., Стерник С.Г. и др. (http://realtymarket.ru/metodi-eskie-materiali)

[8] Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. - «Имущественные отношения в Российской Федерации», №10 (145) , 2013, стр. 48-63.

Объявления

04.10.2019.

В связи с 10-летием выхода монографии Г.М.Стерника и С.Г.Стерника "АНАЛИЗ РЫНКА НЕДВИЖИМОСТИ ДЛЯ ПРОФЕССИОНАЛОВ" Москва, издательство "ЭКОНОМИКА", 2009 г.-606 с. компания "Стерникс Консалтинг" осущ

04.09.2019.

Информационное агентство "Строительство" Подробнее...

29.08.2019.

Московская Ассоциация Риэлторов провела АНАЛИТИЧЕСКУЮ НАУЧНО-ПРАКТИЧЕСКУЮ КОНФЕРЕНЦИЮ «РЫНОК НЕДВИЖИМОСТИ: СИТУАЦИЯ, ТЕНДЕНЦИИ,