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

методические материалы

методические материалы

Опубликовано в журнале «Урбанистика и рынок недвижимости», 2014, №2, с. 6-22.

РАЗВИТИЕ НАЦИОНАЛЬНЫХ РЫНКОВ НЕДВИЖИМОСТИ
В УСЛОВИЯХ ЭКСПАНСИИ ИНОСТРАННОГО КАПИТАЛА

Стерник Геннадий Моисеевич, канд. тех. наук, профессор кафедры “Управление проектами и программами”, федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Российский экономический университет имени Г.В. Плеханова.

Адрес: Российская Федерация, 117997, г. Москва, Стремянный пер., д. 36.

E-mail: gm_sternik@sterno.ru.

Тел.: +7 (495) 7957158.

Евстафьев Артем Иванович, канд. экон. наук, доцент кафедры “Геоэкология и инженерная геология”, федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Саратовский государственный технический университет имени Гагарина Ю.А.

Адрес: Российская Федерация, 410054, г. Саратов, ул. Политехническая, д. 77.

E-mail: artem-ivanovich@yandex.ru.

Тел.: +7 (8452) 998741.

Перетрухин Александр Олегович, магистрант кафедры мировой экономики и менеджмента, федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Кубанский государственный университет.

Адрес: Российская Федерация, 350040, г. Краснодар, ул. Ставропольская, д. 149.

E-mail: alexandrperetruhin@mail.ru.

Тел.: +7 (861) 2681445.

Аннотация.

Макроэкономическая нестабильность, охватившая весь мир в 2008 г., позволила выявить большое количество различий в характере падения и последующего восстановления национальных рынков недвижимости. Одновременно стала ощущаться неадекватность большинства существующих научных концепций: неолиберальной, глобалистской, народнохозяйственной – в объяснении динамики этих процессов. Преодоление этой проблемы достигается на основе коренного пересмотра сущности иностранных инвестиций в недвижимость, обособления их от всех других видов вложений. Важнейшее значение здесь приобретает методология классической политической экономии, которая позволяет системно изучить международную циркуляцию капитала и точно сформулировать закономерности развития рынков недвижимости в этих условиях. Данный подход связан с адаптацией сравнительно-аналитического инструментария к задачам определения циклов и стадий в процессах оборота инвестиций. В сочетании с графическим моделированием, проведенным на обширном фактологическом материале, это помогает дезавуировать иллюзию автономности национальных рынков недвижимости. Получено обоснование асинхронности их развития. Доказана решающая роль экспансии транснационального инвестиционно-строительного капитала в формировании глобальной взаимозависимости рынков недвижимости.

Ключевые слова: рынок недвижимости, рыночные циклы, глобализация, иностранные инвестиции, развитие рынка, международные спекуляции, недвижимость.

Key words: Real Estate Market, Market Cycle, Globalization, Foreign Investments, Market Development, International Speculations, Real Estate.

Введение. Развитие рынка недвижимости традиционно рассматривается в отрыве от процессов глобализации. Это продиктовано свойствами самой недвижимости: ее невозможно перемещать и продавать за границей, она встречается повсеместно и всюду обладает схожими техническими характеристиками – она “локальна” и “вездесуща” одновременно. В отличие от прочих товаров и услуг, ее оборот не поддается описанию даже в наиболее общих категориях мировой экономической науки: здесь нет рынков сбыта, отсутствует экспорт, нельзя говорить о международной торговле. Производство недвижимости – строительство – не участвует в географическом разделении труда, всегда приспосабливается к местному спросу. Все это на протяжении многих лет предопределяло господство подходов, относящих рынок недвижимости исключительно к предмету теории экономики страны.

Между тем сегодня наблюдаются столь решительные перемены в мировой экономике, что глобальное значение оборота недвижимости уже констатируют такие крупнейшие международные организации, как ЮНКТАД и SIFMA (Ассоциация страховой отрасли и финансовых рынков). Достаточно упомянуть, что совокупные иностранные инвестиции в недвижимость в 2007 г. оцениваются в 795, а в кризисный 2012 г. – 440 млрд долл. США., что составляет 30–40% от всех прямых иностранных инвестиций (рис. 1), осуществлявшихся в эти годы, или примерно 1% от мирового валового продукта.

Рис. 1. Совокупные иностранные инвестиции в мире в 2007 и 2011 гг.

Появляются новые формы организации международного капитала, концентрирующегося по поводу получения доходов от недвижимости: инвестиционные фонды недвижимости, биржевые и реальные управляющие компании, транснациональные девелоперские структуры. Налицо становление новой глобальной отрасли экономики, стремительно вырывающейся из рамок внутригосударственного регулирования, которая объединяет тысячи кредитно-финансовых, консультационных, посреднических и строительных компаний по всему миру, специализирующихся на обслуживании и освоении иностранных инвестиций в недвижимость.

В этих условиях назревает необходимость коренного пересмотра устаревших научных концепций, раздельно рассматривающих функционирование национальных рынков недвижимости и не учитывающих взаимозависимость их циклического развития. Решению данной теоретико-методологической проблемы посвящено настоящее исследование. В статье также затронут еще один аспект проблемы, определивший второй уровень исследовательского поиска. В специализированной научной литературе до сих пор не проведено четкого экономико-категориального разграничения между внутригосударственными и иностранными инвестициями в недвижимость, которое сегодня в крайне упрощенном виде трактуется только как “различие в источниках капитала: капитал резидентов – капитал нерезидентов”. Вот почему мы не свободны от решения прикладной задачи по определению оснований в различении иностранных и отечественных вложений в недвижимость, которое, на наш взгляд, пролегает в несовпадении стратегий инвесторов. Проверка этой гипотезы осуществлена в конце представленной работы.

Методология

В соответствии с классическим рыночным, подходом, доминирующим в современной исследовательской литературе, рынок недвижимости и строительная отрасль образуют сложную управляемую и саморегулирующуюся систему, которая функционирует в согласии с законами инвестиционного развития. Превышение спроса над текущим предложением недвижимости повышает прибыльность строительных проектов и поэтому привлекает в строительную отрасль инвестиционный капитал; напротив, снижение спроса уменьшает прибыль и тормозит приток инвестиций. При этом “низкий уровень цен и доходности приводит к временному уходу девелоперов с рынка, снижению объемов строительства и предложения, что впоследствии стимулирует рост цен и вызывает привлечение инвестиций”[1]. В таком ключе описываются циклы инвестиционно-строительной активности и развития рынка недвижимости во всем спектре современной экономической литературы. Выраженную схоластическую интерпретацию эта концепция приобретает в работах М. Вейса и А. Баума[2].

При этом на практике в развитии национальных и региональных рынков недвижимости выделяются циклы, особенности протекания которых не укладываются в абстрактные представления о триединстве связи цены, спроса и инвестиционной активности. Так, в публикациях У. Борна и С. Пирра подробно описаны инфляционные циклы развития рынка недвижимости, в которых ведущее значение имеют ожидания доходности альтернативных вложений – бенчмарков – и ожидания обесценения денег[3].

Однако в изложенных подходах признается, что поток инвестиционного капитала в целом отражает объективную потребность рынка либо в наращении, либо в сокращении строительных мощностей, и, следовательно, свободное, беспрепятственное движение инвестиций – залог устойчивого, сбалансированного функционирования рынка недвижимости (как локального, так и национального).

В теории мировой экономики данная идея получает расширительное толкование, что подтверждается высказываниями таких западных специалистов-международников, как Р. Доузвийк: “устойчивое функционирование национальных рынков недвижимости определяется степенью развития инвестиционной инфраструктуры строительной отрасли”[4]. ООН идет дальше и связывает уже само устойчивое развитие (Sustainable Development) с либеральными инвестиционными стратегиями государств. Для “устойчивого развития” рекомендуется создавать “максимально открытые, стабильные и предсказуемые условия для осуществления иностранных инвестиций, обеспечивать надлежащую защиту инвесторам, которые обосновались в стране, упрощать процедуры капиталовложений”[5]. Насколько все это в условиях глобализации разнится с действительностью, показывает наш дальнейший анализ.

Действительно непротиворечивым теоретическим базисом в объяснении данных феноменов глобализации обладают труды классической политической экономии. Среди них следует особо выделить работы К. Маркса и Л. Вальраса, в которых обращение недвижимости как товара рассматривается обособленно от обращения недвижимости как капитала[6]. Современная актуальность высказанных этими авторами положений подтверждается тем, что изучение переходов недвижимости из товарного состояния в состояние капитала (и обратно), совершающихся при сохранении формально-юридического статуса “иностранной инвестиции”, позволяет адекватно объяснить происходящие на наших глазах изменения на рынке, в том числе изменения в интенсивности, скорости и амплитуде циклического развития.

Мы опираемся на классический методологический аппарат, основанный на системном подходе, с применением историко-логического и сравнительно-аналитического инструментария. Решающее значение в данной методологической системе имеет темпорально-структурный анализ: выявление сдвигов, временных лагов, изменений в структуре инвестиционных потоков, скорости их возврата, размерах абсолютного и сравнительного приращения. Это позволяет разработать графическую модель-схему циркуляции транснационального инвестиционно-строительного капитала, выявить циклическую взаимозависимость национальных рынков недвижимости и обосновать различия между стратегией инвестирования на внешних и внутренних рынках недвижимости.

Анализ

Воспользуемся классификацией стадий развития локальных рынков недвижимости, предложенной в работе[7], и рассмотрим, как они не совпадали в различных странах мира на временном промежутке за 18 последних лет (табл. 1). Эмпирическим материалом нам послужил массив публикаций в отечественных и иностранных СМИ, отчеты Jones Lang LaSalle и Knight Frank. В основе отнесения каждого периода к той или иной стадии развития рынка лежит сопоставление темпов прироста средних цен на жилье, торговую и офисную недвижимость и темпов прироста доходов населения, уровень волатильности цен, оборачиваемости предложения и емкости рынка.

Таблица 1

Асинхронность развития национальных рынков недвижимости

Национальные рынки

Стадии развития национального рынка недвижимости по годам

1995–1998

1999–2002

2003–2006

2007–2010

2011–2015 (прогноз)

США

растущий

надутый

перегретый

падающий

стабильный

Западная
Европа

дефицитный

растущий

стабильный

депрессив-ный

депрессив-ный

Восточная
Европа

растущий

падающий

растущий

падающий

депрессив-ный

Российская Федерация

депрессивный

дефицитный

перегретый

депрессив-ный

стабильный

Китай

стабильный

растущий

дефицитный

стабильный

падающий

Индия

стабильный

стабильный

насыщенный

падающий

взлетающий

Бразилия

падающий

растущий

дефицитный

растущий

перегретый

Иран

растущий

растущий

стабильный

стабильный

н/д

Ближний
Восток

депрессивный

стабильный

растущий

растущий

падающий

Юго-Восточная Азия

н/д

н/д

насыщенный

растущий

взлетающий

Япония,
Южная Корея

н/д

растущий

перегретый

депрессив-ный

н/д

Северная
Африка

развиваю-щийся

стабильный

растущий

стабильный

н/д

Как видно, проведено сопоставление, охватывающее достаточно продолжительный временной период, чтобы проследить, как меняется глобальная конъюнктура инвестиционно-строительной отрасли и рынков недвижимости и выявить следующие закономерности.

Во-первых, национальные рынки абсолютного большинства стран мира испытывают непрерывную смену стадий развития. Для развитых экономик характерно ускоренное повторение полных, 4-х фазных, циклов (в общем виде: восстановление–развитие–кризис–депрессия), для многих развивающихся стран свойственна усеченная, но менее скоротечная цикличность (всего 2 фазы: развитие–стабилизация). Россия и страны Восточной Европы не избегают повторения у себя всех видов возможных в развитых странах фаз и стадий развития, включая наиболее острые для строительной отрасли фазы кризиса (соответствующие стадиям перегрева и спада), но встречаются также специфические стадии: старт, взлет – отражающие периоды резкой либерализации экономики и развития институциональной среды рынка недвижимости. Единственная страна в нашем списке, имеющая относительно стабильную картину развития – Иран. Примечательно, что его рынок недвижимости всю современную эпоху был малодоступен для иностранного бизнеса: в 1990-е гг. его законодательство и конституционный строй не благоприятствовали безопасному вложению иностранных инвестиций, а после введения в 2003 г. международных санкций против Ирана и начала его изоляции зарубежное финансирование жилищного и коммерческого строительства оказалось вообще практически невозможным.

Во-вторых, на протяжении всего промежутка наблюдений с 1991 по 2012 гг. не встречается ни один период, в котором господствовала бы та или иная стадия циклического развития у всех национальных рынков недвижимости одновременно. Скорее наоборот, кризис (или застой) в строительной отрасли одного государства сопровождается восстановлением (а иногда “бумом”) в строительстве у другого государства. Так, рынки США и Китая с 1991 по 1994 гг. преимущественно испытывали спад, в то время как в Восточной Европе и России наблюдался бурный рост. В следующую четырехлетку США, Западная Европа и страны Африки выделились резким подъемом, а в Бразилии и странах Аравийского полуострова был кризис. С 1999 по 2002 гг. лидерами развития были США и Япония, лидерами падения – Восточная Европа. Наконец, в период между 2003 и 2006 гг. резко росли рынки России, Ближнего Востока и Африки, замедляли рост – США и Европа, а в Китае и Бразилии была стадия дефицитного застоя. За последние 20 лет ни одна страна, испытывавшая в некоторый период бурный рост своего рынка недвижимости на фоне падения в других странах, позднее не избежала национального кризиса в тот момент, когда где-то в другой части мира рынок рос. Таким образом, одновременные рост и спад, крайне неравномерным образом распределенные в глобальном инвестиционно-строительном пространстве и беспрерывно сменяющие друг друга, идут рука об руку всюду, куда проникает глобальный финансовый капитал.

В-третьих, несоразмерность темпов развития национальных рынков недвижимости имеет прямую связь со степенью влияния на страну иностранных инвестиций в строительную отрасль. Именно этим объясняется неустойчивость развития рынков недвижимости, имманентно присущая странам с полностью открытой для иностранных инвестиций экономикой: прежде всего странам Европы, Северной Америки, монархическим государствам Персидского залива (ОАЭ, Саудовской Аравии, Катара, Бахрейна, Кувейта), Японии и Юго-Восточной Азии, большинства стран СНГ. В Китае и Индии смена фаз происходит медленнее, очевидно, в связи с относительным ограничением режима иностранных капиталовложений: зарубежному финансированию позволяется беспрепятственно поступать на рынок недвижимости, однако законодательство строго регламентирует вопросы репатриации (возврата) капитала. Не случайно крупные инвесторы ожидают сверхинтенсивное развитие рынка недвижимости Индии в 2013–2014 г. в связи с ослаблением налогового законодательства в отношении “выводимого из страны капитала”[8].

В-четвертых, амплитуда циклического роста и спада на местном рынке недвижимости определяется степенью зависимости его кредитно-финансовой инфраструктуры от мировой финансово-экономической системы. Наиболее перегретые, “надутые” рынки недвижимости за 23-летний период наблюдений встречались исключительно в странах с необычайно высокой долей международных капиталов в собственном финансовом секторе: США, страны СНГ и Восточной Европы, африканские страны, ряд государств Западной Европы. В них разница между ценами на пике и на дне рыночного развития составляла до 35–50% от максимума. В Германии, странах Персидского залива, в которых расположены сильные международные финансовые центры, но где тем не менее преобладают колоссальные объемы собственного капитала, рост и падение цен на недвижимость лежит в диапазоне 20–30%.

В-пятых, неодинаковость текущих стадий у различных национальных рынков недвижимости устойчиво сохраняется во времени, порождая постоянно существующий фазовый разрыв между ними. Этот сдвиг носит столь упорядоченный характер, что даже мощные случайные факторы (ускорение или замедление роста отдельных экономик, суверенные долговые и валютные кризисы и т.д.) не способны изменить этой рассинхронизации в глобальном масштабе (рис. 2). Это говорит о существовании между рынками недвижимости стабильных международных взаимосвязей, обеспечивающих согласованную динамику всей мировой инвестиционно-строительной отрасли. Складывающаяся в каждый момент времени очередность стран по стадии развития их рынков недвижимости, формирует текущий полуцикл инвестиционной-строительной активности. В 2007 г. этот полуцикл охватывал 3 фазы: прохождение пика роста (Китай, Бразилия, Россия, Южная Европа), замедление рынка (Япония, Индия, Юго-Восточная Азия) и переход к падению (Мексика, США, Западная Европа). В 2012 г. в полуцикл мировой инвестиционной-строительной активности вошли 2,5 фазы: застой (США, Россия, Южная и Восточная Европа), оживление и рост (Индия, Западная Европа, Юго-Восточная Азия) и фаза замедления рынка (Китай, Бразилия). Вероятно, к 2017 г. полуцикл мировой инвестиционной-строительной активности постепенно вернется в состояние, достигнутое в 2007 г., и снова будет охватывать стадии роста, замедления и падения. Таким образом, существеннейшим качеством сложившейся глобальной системы национальных рынков недвижимости выступает синхронизированный по всему миру сдвиг фаз их циклического развития.


Рис. 2. Модель циклического развития национальных рынков недвижимости
под влиянием циркуляции транснационального инвестиционно-строительного капитала
в 2007–2012 гг.

Нельзя привести более убедительных свидетельств спекулятивно-финансовой природы взаимодействия национальных рынков недвижимости в условиях глобализации. Процессы глобализации превращают всю доступную для инвестирования мировую недвижимость и весь связанный с ней бизнес в не существовавший ранее вид нового спекулятивного актива. Но поскольку спрос на спекулятивный актив всегда возрастает по мере роста его цены, то масштаб притока инвестиционно-строительного капитала больше в той стране, где в данный момент сильнее и надежнее прирост цен на недвижимость. Как пишет Подоляко Т.А., ссылаясь на мнения ряда отечественных авторов: “в докризисный период на фоне слабой конкуренции и общей неразвитости рынка недвижимости иностранные инвесторы гарантировано получали высокие прибыли”[9]. Мы не можем согласиться с этим мнением. На самом деле, привлекательность российского рынка недвижимости для иностранных инвесторов объяснялась не “неразвитостью” рынка вообще, а наблюдавшейся тогда стадией “бума”, обеспечивающей в 2003–2007 гг. сравнительно высокие показатели прибыльности относительно других (как развитых, так и развивающихся) национальных рынков. Сегодня, когда стадия “бума” сменилась затяжной стадией посткризисной стабилизации, или “депрессией”, транснациональный капитал переместился в другие мировые точки временного инвестиционно-строительного подъема – прежде всего, в Китай, Индию, Юго-Восточную Азию.

Этим опровергается ключевой посыл классического рыночного подхода, утверждающий, что благоприятный инвестиционный климат и привлекаемые инвестиции способствуют устойчивому сбалансированному развитию рынка недвижимости. На практике оказывается наоборот: международный инвестиционно-строительный капитал не только сам усиливает неравномерность развития, но по своей природе не заинтересован в стабильном, устойчивом, развитии строительной отрасли какого-либо отдельного государства. Чем выше амплитуда рыночных колебаний, чем хаотичнее возникают международные точки роста и падения, тем активнее совершается оборот капитала и, следовательно, большую прибыль извлекает иностранный инвестор недвижимости.

Докажем далее, что инвестиции в национальную недвижимость в общем виде представляют собой не основной, а оборотный капитал. Рассмотрим мировую статистику соотношения прямых иностранных инвестиций к стоимости зарубежного имущества (табл. 2), сведенную нами на основе данных ЮНКТАД и международного консалтингового агентства Jones Lang LaSalle[10].

Таблица 2

Интенсивность обращения транснационального инвестиционно-строительного капитала

Сектор глобальной
экономики

Прямые
иностранные инвестиции
в 2011 г., млрд долл. США

Стоимость
зарубежных валовых
накоплений*, млрд долл. США

Соотношение прямых
иностранных
инвестиций
и зарубежных
валовых
накоплений, %

Рынок недвижимости и строительная отрасль

440

1 200

36,7

Все прочие отрасли экономики

1 150

15 770

7,3

Всего

1 600

16 970

9,4

Примечание: стоимость зарубежных валовых накоплений – это стоимость активов, накопленных за весь предшествующий период в результате осуществления иностранных инвестиций (приобретения готовых или создания и поставки новых основных средств), за вычетом выбывшего или амортизированного имущества.

Коэффициент оборачиваемости иностранных инвестиций в недвижимость (соотношение иностранных инвестиций и зарубежных валовых накоплений) составляет 0,367, что соответствует периоду оборота – 2,7 года. Такую продолжительность имеет в среднем один полный инвестиционно-строительный цикл, включающий разработку проектно-сметной документации, покупку земельного участка, строительно-монтажные работы и ввод в эксплуатацию вновь созданного имущества. Это означает, что в отличие от “длинных” инвестиций (например, в топливно-энергетический или агропромышленный комплекс) полный круг превращений Д–Т–ДI  в бизнесе, связанном с недвижимостью, совершается в течение периода проведения строительно-монтажных работ. Это резко контрастирует с оборачиваемостью международных инвестиций в других отраслях мирового хозяйства – 0,073, соответствующей периоду оборачиваемости 13,7 года. Прямые инвестиции в сектор недвижимости оборачиваются в 5 раз быстрее.

Возврат капиталовложений в недвижимость может занимать и намного меньшее время, например, в случае привлечения местных соинвесторов, которые, по сути, оплачивают и все строительные расходы, и услуги инициатора проекта. Тогда окупаемость вложенных средств наступает еще на этапе строительства (в течение первого года инвестирования). В другом случае, когда недвижимость создается для последующей сдачи в аренду или эксплуатации (например, при строительстве гостиницы), период возврата капиталовложений удлиняется до 10–15 лет. Однако такая приносящая регулярный доход собственность, оставаясь наиболее ликвидным типом материально-вещественных активов – недвижимостью – не утрачивает возможность использования в качестве товара. При этом наличие арендаторов только укорачивает период экспозиции этой недвижимости на рынке, так как говорит о низком уровне риска инвестирования, устойчивом и прогнозируемом денежном потоке, а ее рыночная стоимость резко повышается. В результате даже проекты, предполагающие изначально сдачу собственности в аренду, спустя 5–10 лет успешной эксплуатации завершаются ее продажей.

Все это определяет высокую чувствительность такого бизнеса к национальному законодательству, регулирующему вопросы репатриации капитала. В этом заключается одно из ключевых отличий стратегии капиталовложений в иностранную недвижимость от любых других видов капиталовложений. Инвестора, занимающегося финансированием промышленного производства, в первую очередь интересуют нормы, регулирующие его текущую фабричную деятельность: налог на добавленную стоимость, налог на имущество, налог на прибыль, таможенные пошлины, законодательство о труде. В меньшей степени такого предпринимателя затрагивают нормы, определяющие порядок и последствия ликвидации предприятия, потому что он не намерен его ликвидировать и считается с такими условиями лишь как с вероятными рисками.

В противоположность этому, инвестор, финансирующий иностранную недвижимость, не рассматривает эту недвижимость как средство труда. Для него недвижимость – предмет труда, оборотный капитал. В среднесрочной перспективе у него всегда на повестке дня вывод вложенного ранее капитала за пределы данной страны. Как следствие, на поведение таких инвесторов сильнее сказывается регулирование условий беспрепятственного ввода и вывода средств, налогообложения репатриируемого капитала. Критическая важность этих условий проявляется в годовой динамике иностранных инвестиций, поступивших в недвижимость и строительную отрасль Индии в 2013 г. Их рост по данным за 1-й квартал составили более 700% по отношению ко всему 2012 г.: 3 млрд против 370 млн долл. США. Это стало возможным после проведения реформы законодательства, упрощающего вывод капиталов иностранными инвесторами недвижимости. Примечательно, что, как отмечает Д.С. Рават, генеральный секретарь индийской ассоциации палат промышленников и предпринимателей (ASSOCHAM), при этом “большинство штатов Индии в 2013 г. получили инвестиций, не связанных с недвижимостью, в целом меньше, чем в прошлом году”[11].

Это обуславливает необходимость проведения следующего разграничения между инвестициями в недвижимость, которые распадаются на вложения транснационального инвестиционно-строительного капитала и вложения отечественных бизнес-структур. Обычно государственная статистика не учитывает различия между ними. В результате деятельность по обороту денежных средств на иностранных рынках недвижимости ошибочно приравнивается к обычной деятельности по созданию и эксплуатации местной доходной недвижимости. Упускается из виду ряд принципиальных отличий:

Во-первых, для операций, связанных с иностранным оборотом недвижимости, характерна ускоренная периодизация (2,7 года).

Во-вторых, максимальный объем иностранных вложений осуществляется не во время наиболее комфортных периодов роста местного рынка недвижимости, а во время кризиса на нем.

В-третьих, особое значение для иностранного инвестора имеет не только абсолютная, но и сравнительная эффективность вложений в рынки различных государств.

Иллюстрацией этих положений может служить статистика инвестиций в недвижимость РФ (рис. 3).

 


Надпись:     – Russia

    – USA




Надпись: Mortgage crisis

Рис. 3. Сдвиг в динамике отечественных и иностранных инвестиций
в недвижимость РФ в 2006–2012 гг. в условиях смены стадий развития рынка недвижимости: рост–кризис–депрессия

Годовой рост прямых иностранных инвестиций в 2007 г., когда наблюдалось относительное благополучие как на российском, так и на американском рынках недвижимости, составил всего 108% против 166% роста отечественных инвестиций в строительную отрасль и бизнес, связанный с недвижимостью. Однако уже в 2008 г. в условиях резкого ухудшения ситуации на рынках недвижимости США и Западной Европы поток иностранных инвестиций в Россию демонстрирует годовой рост в 237%, что значительно превышает рост отечественных инвестиций – 146%. Здесь следует подчеркнуть, что с конца 2007 г. и в течение первой половины 2008 г. российский рынок недвижимости выгодно отличался от рынков развитых стран по всем показателям доходности, рискованности, оборачиваемости недвижимых активов и рентабельности строительных компаний, что обусловило агрессивное наращивание транснациональным инвестиционно-строительным капиталом своего присутствия на нашем, перспективном в спекулятивном отношении, рынке. При этом соотношение иностранных инвестиций в недвижимость по отношению к российским составило около 1 к 5 (табл. 3). Расчет структуры отечественных и иностранных инвестиций на рынке недвижимости с 2006 по 2012 гг. проведен на основе сбора и обобщения информации, опубликованной Центральным банком РФ и Федеральной службой государственной статистики[12].

Таблица 3

Структура отечественных и иностранных инвестиций на рынке
недвижимости РФ с 2006 по 2012 гг.

Виды инвестиций

Величина инвестиций,
млрд. долл. США

Структура
инвестиций, %

2006

2007

2008

2009

2010

2011

2012

2006

–2008

2009

2010–2012

Российские инвестиции в основной капитал в строительной отрасли

6

10

16

9

11

11

11

16

11

15

Российские инвестиции в основной капитал в операциях с недвижимым имуществом, арендой и предоставлением услуг

28

46

66

38

55

55

63

70

48

77

Прямые иностранные инвестиции в недвижимость

6

7

15

32

6

7

7

14

41

9

Всего

40

63

97

79

72

73

81

100

100

100

Примечание: капиталовложения для удобства сопоставления приведены в долл. США в соответствии с динамикой валютного курса.

Дальнейшее сравнение позволяет выявить коренное отличие в стратегии иностранных инвесторов по сравнению со стратегией местных застройщиков и местных рантье – лиц, специализирующихся на получении дохода от покупки и эксплуатации недвижимости. В 2009 г. рынок недвижимости России испытал наиболее тяжелый этап кризиса: цены на недвижимость достигли дна в середине 2009 г., составив около 50–60% от цен середины 2008 г., период экспозиции продаваемых объектов удлинился до 0,5–1 года, ряд строительных компаний обанкротились[13]. В такой ситуации отечественные инвестиции резко сокращаются, почти достигнув уровня 2006 г. – годовая убыль инвестиций составила 43%. Иностранные вложения, напротив, продолжают показывать фантастический рост, составивший по итогам 2009 г. около 211% к 2008 г., или 541% к 2006 г. Соотношение иностранных инвестиций к российским достигло пропорции почти 1 к 1. В предыдущих наших работах было описано, где обычно сосредотачиваются эти инвестиции[14]. Речь идет о покупке испытывающих затруднения застройщиков и их последующей реорганизации с необходимым дополнительным финансированием уже осуществляющихся строительных проектов, выкупе управляющих компаний торговых и офисных центров, приобретении долей самостоятельных ипотечных подразделений российских банков и увеличении их капитала.

Примечательны в этой связи высказывания крупных российских инвесторов. Так, директор компании “AFI Development” А. Халдей весной 2008 г. заявил, что “готовится к скупке небольших застройщиков, компания готова потратить на это 1 млрд долл.”. В интервью агентству Reuters А. Халдей пояснил, что “мировой кризис ликвидности может коснуться российских компаний уже к осени этого года: небольшие застройщики столкнутся с проблемой привлечения заемных средств”. Также весной 2008 г. с подобными высказываниями относительно грядущего кризиса девелоперских компаний выступил президент компании “ОНЭКСИМ” М. Прохоров[15].

Наконец, после прохождения острой фазы кризиса с 2010 г. наблюдается резкое снижение инвестиционной активности иностранных инвесторов до уровня характерного для 2006 г. Годовая убыль иностранных вложений в 2010 г. составила 81%. В это же время финансирование недвижимости российскими источниками возросло на 42%. Далее в течение всего периода с 2010 по 2012 гг. структура инвестиций не меняется: на долю внешних источников приходится только 9%, на долю отечественных – 81%.

Интерпретация озвученных данных сводится к следующему. По мере интернационализации экономик и усиления глобальной роли международных финансовых институтов главную роль в развитии локальных рынков недвижимости начинают играть уже не местные застройщики или жители городов, а крупные банковские группы и финансовые фонды. Спрос потенциальных покупателей жилья, торговых, промышленных организаций и госструктур формирует лишь общие предпосылки для ведения строительной деятельности, очерчивают ее возможные границы – в категориях емкости рынка, ожидаемой оборачиваемости и сроков экспозиции выставленной на продажу недвижимости. Решающее же слово остается за инвестором, который использует не существовавшую ранее возможность свободного и быстрого перемещения своего рабочего инвестиционно-строительного капитала из одной страны в другую и даже из одного континента в другой. В своих предпочтениях эти инвесторы руководствуются сравнительными характеристиками различных национальных рынков недвижимости: текущей фазой их циклического развития, отраслевой инфляцией, долей вакантных площадей и т.п.

Такая система неминуемо порождает кратковременные избытки строительного капитала в одних странах и его дефицит в других. Не фундаментальные различия рынков, среди которых “разница в числе и росте высокотехнологичных фирм или разница в приросте населения”, как указывают международные организации, сегодня “определяют цены на недвижимость”, и через это – инвестиционную активность и динамику развития строительной отрасли. Сегодня наблюдается обратный порядок: инвестиционная активность изменяет условия осуществления строительства, что в итоге отражается на ценах. По данным Ассоциации генеральных подрядчиков США, “40% компаний сообщили, что в 2012 г. именно ужесточение условий кредитования привели к тому, что реализация начатых проектов была отсрочена, а переговоры с ограниченными в платежеспособности клиентами были вообще отменены”[16]. Это свидетельствует о принципиальном изменении последовательности событий в инвестиционных рыночных циклах: сначала наблюдается приход глобальных финансовых игроков на локальный строительный рынок, меняющих условия корпоративного кредитования нового строительства и ставки по ипотеке, затем повышается курс торгуемых на бирже облигаций застройщиков, после чего привлекаются спекулянты и рантье недвижимости и наконец растет ее цена. Вывод инвестиционно-строительного капитала означает начало кризиса и длительную депрессию национального рынка недвижимости, разорение компаний.

В этой связи показательна ошибка ряда исследователей, придерживающихся консервативного подхода к привлечению инвестиций. Так, Е.Ю. Зайцева пишет: “недостаточное государственное регулирование рынка недвижимости и деятельности инвестиционных фондов является причиной низкой капитализации рынка паевых инвестиционных фондов, осуществляющих деятельность на рынке недвижимости”[17]. Напротив, это слабое, “недостаточное”, регулирование инвестиционных процессов – прозрачность государственных границ для транснационального инвестиционно-строительного капитала (как в отношении прибывающего, так и бегущего из страны), упрощенные условия организации девелоперского бизнеса в любых организационно-правовых формах (прежде всего в форме обществ с ограниченной ответственностью, имеющих минимальный уставный капитал) – способствовали бурному спекулятивному развитию. Тот факт, что большая часть этих “горячих” денег аккумулировалась в форме реальных инвестиций в недвижимость (банковские кредиты застройщикам, покупки готовых торговых центров и т.д.), объясняется более высокой доходностью реальных вложений.

Если рассматривать лишь вершину айсберга, как это делается в публикациях Е.Ю. Зайцевой, а также многих других аналитиков иностранных рынков недвижимости (Л. Кристи, К. Долер и проч.), и не замечать активной роли международных инвестиционных потоков в формировании локальных дисбалансов спроса и предложения недвижимости, то мы будем вынуждены признать лишь первый уровень проблемы развития национальных рынков, трактуемый традиционно в терминах “перегрев” и “пузырь”. Наиболее емко этот, поверхностный, взгляд выражается в используемой зарубежными исследователями метафоре “бумеранг недвижимости”, используемой для обозначения феномена неминуемости кризисного спада и последующего восстановления. Эта точка зрения стоит на описанном выше представлении об инвестициях в строительство, которые притягиваются на так называемые «рынки продавцов» – рынки, где в данный момент времени устанавливается завышенная цена на недвижимость и растет доходность застройщиков[18]. Постепенно в результате неумеренного финансирования строительства и появления значительного объема нереализованного нового предложения главную роль на рынке начинают играть покупатели, в результате чего цены начинают падать, ударяя “бумерангом” по прибыли застройщиков. В таких условиях ключевой проблемой для государств становится создание благоприятных условий для инвестирования в строительную отрасль, избегание перегрева своего рынка недвижимости и ограничение спекуляций.

Как было показано, проблема рыночных циклов на рынке недвижимости в условиях глобализации уже не сводится к реактивному поведению инвесторов. Транснациональный инвестиционно-строительный капитал сам упреждает изменения на рынке, меняет их направленность, определяет момент завершения рецессии или окончания бума. Некоторые страны уже проявляют озабоченность тем, что спекулятивный иностранный капитал придерживается данной стратегии. С этим в частности связаны опасения международных аналитиков в отношении прямых инвестиций в недвижимость Китая, в котором уже рассматриваются варианты ужесточения инвестиционно-строительного законодательства, мотивированного необходимостью ослабления чрезмерного роста стоимости недвижимости[19]. В условиях глобализации транснациональный инвестиционно-строительный капитал способен избежать всех локальных рисков обесценивания вложений, что позволяет ему в любых ситуациях сохранять свою номинальную стоимость и агрессивнее вмешиваться в нормальных ход циклического развития национальных рынков.

Выводы

Таким образом, основной теоретический результат проведенного исследования заключается в том, что впервые объяснена закономерность образования фазового разрыва в циклическом развитии национальных рынков недвижимости, которая, как следует из анализа, связывается с глобальной циркуляцией транснационального инвестиционно-строительного капитала, привлекаемого локальными дисбалансами в соотношениях спроса и предложения и усиливающего их. Это позволяет сформулировать следующие научные выводы.

Во-первых, современный этап глобализации предъявляет странам, активно привлекающим иностранные инвестиции, ряд вызовов, связанных с подчинением развития их рынков недвижимости интересам международного капитала, вложения которого в строительную отрасль и инфраструктуру приобретают отчетливо спекулятивный характер.

Во-вторых, анализ макроэкономических процессов внутри национальных экономик, традиционно используемый для раскрытия закономерностей циклического развития рынков недвижимости, сегодня явно недостаточен – требуется сопоставительный международный и историко-логический инструментарий.

В-третьих, управление развитием отечественного рынка недвижимости в условиях глобализации не может ограничиваться стандартными механизмами активизации внутреннего спроса и строительства недвижимости, а предполагает усиление регулирующего воздействия государства на объем и условия поступлений и репатриации транснационального инвестиционно-строительного капитала.

Практическая значимость проведенного исследования заключается в следующих прикладных результатах.

Во-первых, на основе темпорально-структурного анализа капитальных вложений в недвижимость впервые показана вся глубина различий между отечественными и иностранными инвестициями, доказано наличие множества критериев несовпадения. Они затрагивают не просто юридическую субъектность “резидент–нерезидент”, а буквально все стороны бизнеса: типы обеспечения, периодичность вложений, их оборачиваемость, активность и степень доминирования на национальном рынке в различные периоды его циклического развития.

Во-вторых, показана несостоятельность распространенного суждения о международных инвесторах, которое связывает их бизнес-стратегию исключительно с использованием выгоды от разрывов между спросом и предложением на локальных рынках недвижимости. Показана ошибочность и контрпозиции, полагающей, что международные инвесторы преследуют только цели устойчивого развития территорий. На примере инвестиций в недвижимость России доказывается, что стратегия иностранных игроков изменчива, носит циклический характер и на различных стадиях развития национального рынка недвижимости отражает различные интересы.

В-третьих, обосновано выделение двух основных видов стратегий иностранных инвесторов, проявляющихся в ходе циклического развития национальных рынков в различных способах обогащения: в течение последней фазы роста инвестор разогревает рынок и раздувает ценовой пузырь – преследуется краткосрочная спекулятивная стратегия; в течение первой фазы кризиса инвестор скупает застройщиков-банкротов и замороженное строительство – преследуется долгосрочная экспансивная стратегия.

В-четвертых, подтверждена неспособность местного бизнеса, связанного с недвижимостью, эффективно отражать экспансию иностранных инвесторов. Зависимый от своих национальных экономик, этот бизнес несет дополнительные риски, вызываемые меняющейся конъюнктурой локального рынка, что диктует поиск опоры не в зыбких рыночных тенденциях, а в целенаправленной государственной поддержке, которая должна предполагать ужесточение условий инвестирования и репатриации иностранного капитала.

Библиография (русский)

1.    Поляковский, Г., 1996. Жилищная экономика. М. 223 с.

2.    Weiss, M.A. The Politics of Real Estate Cycles // Business and Economic History, Second Series. 1991. №20. C. 127-135. URL: http://www.thebhc.org/publications/BEHprint/v020/p0127-p0135.pdf (дата обращения: 11.04.2013).

3.    Baum, A. Evidence of cycles in European commercial real estate markets and some hypotheses. URL: http://centaur.reading.ac.uk/27213/1/0500.pdf (дата обращения: 15.04.2013).

4.    Pyhrr, S.A., Stephen E.R., Born W.L., 1999. Real Estate Cycles and Their Strategic Implications for Investors and Portfolio Managers in the Global Economy // Journal of Real Estate Research. №1. Р. 7-68.

5.    Doeswijk, R.Q., Lam T.W., Swinkels L., 2012. Strategic Asset Allocation: The Global Multi-Asset Market Portfolio 1959–2011. URL: http://ssrn.com/abstract=2170275 (дата обращения: 22.04.2013).

6.    Доклад о мировых инвестициях в 2012 : Обзор. Конференция организации объединенных наций по торговле и развитию (ЮНКТАД). Женева, 2012. 60 с.

7.    Маркс, К., 2012. Капитал: критика политической экономии. Том II. Книга 2: Процесс обращения капитала / Пер. П.Н. Ключин. М.: Эксмо. 1200 с.

8.    Вальрас, Л., 2011. Элементы чистой политической экономии / Пер. И.А. Егоров, А. Белянин. М.: Изограф. 448 с.

9.    Стерник Г.М., Стерник С.Г., 2009. Типология рынков недвижимости по склонности к образованию ценовых пузырей // Имущественные отношения в РФ №8 (95), с. 18-28.

10.              Ullekh, N.P., 2013. Why Canada-based baron Bob Dhillon is betting on Indian Real Estate? Economic Times. URL: http://articles.economictimes.indiatimes.com/2013-01-13/news/36296793_1_canada-toronto-stock-exchange-properties (дата обращения: 18.04.2013).

11.              ПодолякоТ.А., 2010. Привлечение иностранных инвестиций на российский рынок гостиничной недвижимости: автореферат дис. ... канд. эконом. наук : М.

12.              World Investment Report 2012. Towards a New Generation of Investment Policies. Geneva: United Nations Conference on Trade аnd Development (UNCTAD), 2012.

13.              Global Market Perspective: Second Quarter 2011 [Электронный ресурс]. Jones Lang LaSalle IP. URL: http://www.joneslanglasalle.com/ResearchLevel1/Global-Market-Perspective-Q2-2011-a.pdf (дата обращения: 21.04.2013).

14.              India FDI in decline overall but regulatory changes could turn things around [Электронный ресурс]. International Consortium of Real Estate Associations, 2013. URL: http://www.worldproperties.com/ru/News/NewsDetail/13-06-05/India_FDI_in_decline_overall_but_regulatory_changes_could_turn_things_around.aspx (дата обращения: 21.06.2013).

15.              Статистика внешнего сектора. Прямые инвестиции в Россию по видам экономической деятельности [Электронный ресурс]. Центральный банк РФ. URL: http://www.cbr.ru/statistics/print.aspx?file=credit_statistics/inv_in-rus.htm&pid=svs&sid=ITM_23050&pid=svs&sid=ITM_12726 (дата обращения: 18.04.2013).

16.              Инвестиции в основной капитал по видам экономической деятельности [Электронный ресурс]. Федеральная служба государственной статистики. URL: http://www.gks.ru/bgd/regl/b11_56/IssWWW.exe/Stg/02-18.htm (дата обращения: 22.04.2013).

17.              Стерник, Г.М., Стерник С.Г., Аракелов С.А., 2010. Итоги кризиса рынка жилья и жилищно-строительной отрасли в России // Финансовая аналитика: проблемы и решения, №7 (31), с. 34-47.

18.              Евстафьев А.И., 2011. Методы анализа и регулирования пространственного развития города: автореферат дис. … канд. экон. наук. Краснодар: Кубанский гос. ун-т.

19.              Евстафьев А.И., Максимов Д.В., 2010. Анализ организации жилищной застройки и рынка жилья города на основе пространственно-параметрического моделирования // Известия вузов “Северо-Кавказский регион”. Ростов н/Д. № 5. С. 112–118.

20.              Застройщики пойдут в скупку. Портал недвижимости Restate.ru [Электронный ресурс]. URL: http://www.restate.ru/material/46797.html (дата обращения: 19.06.2013).

21.              Tentative Signs of a Recovery: the 2013 Construction Hiring and Business Outlook [Электронный ресурс]. The Associated General Contractors of America. URL: http://www.agc.org/galleries/news/2013_Construction_Hiring_and_Business_Outlook_Report.pdf (дата обращения: 19.04.2013).

22.              ЗайцеваЕ.Ю., 2012. Государственное регулирование инвестиций на рынке недвижимости: на примере паевых инвестиционных фондов: автореферат дис. ... канд. экон. наук. С.-Пб.: С.-Петерб. гос. инженер.-эконом. ун-т.

23.              Doler, K., 2013. Real Estate Boomerang: From Bust To Sellers' Market? [Электронный ресурс] // Investors Business Daily. URL: http://news.investors.com/business-inside-real-estate/041113-651568-real-estate-shows-signs-of-a-home-sellers-market.htm?ven=rss (дата обращения: 19.06.2013).

24.              Christie, L., 2013. Boomerang Buyers Return to Market after Foreclosure [Электронный ресурс] // Cable News Network: сетевой журн. URL: http://money.cnn.com/2013/03/11/real_estate/foreclosure-homes/index.html (дата обращения: 19.06.2013).

25.              Rising FDI into China: the Facts behind the Numbers: UNCTAD Investment Brief [Электронный ресурс]. Investment Issues Analysis Branch of UNCTAD, 2007. URL: http://unctad.org/en/Docs/iteiiamisc20075_en.pdf (дата обращения: 19.04.2013).

Библиография (английский)

1.      Pollakowski, H., 1996. Housing Economics. Moscow, pp: 223 (in Russian).

2.      Weiss, M.A., 1991. The Politics of Real Estate Cycles. Business and Economic History, Second Series, 20: 127-135. Available at: http://www.thebhc.org/publications/BEHprint/v020/p0127-p0135.pdf.

3.      Baum, A., 1999. Evidence of Cycles in European Commercial Real Estate Markets and Some Hypotheses, mimeo. Available at: http://centaur.reading.ac.uk/27213/1/0500.pdf.

4.      Pyhrr, S.A., E.R. Stephen, W.L. Born, 1999. Real Estate Cycles and Their Strategic Implications for Investors and Portfolio Managers in the Global Economy. Journal of Real Estate Research, 1: 7-68.

5.      Doeswijk, R.Q., T.W. Lam, L. Swinkels, 2012. Strategic Asset Allocation: The Global Multi-Asset Market Portfolio 1959–2011, mimeo. Available at: http://ssrn.com/abstract=2170275.

6.      World Investment Report 2012: Overview. United Nations Conference on Trade And Development (UNCTAD). Geneva, 2012, pp: 60 (in Russian).

7.      Marx, К., 2012. Das Kapital: Kritik der politischen Oekonomie. Band II. Buch 2: Der Zirkulationsprocess des Kapitals. Moscow, pp: 1200 (in Russian).

8.      Walras, L., 2011. Les elements d’économie politique pure. Moscow, pp: 448 (in Russian).

9.      Sternik, G.M., S.G. Sternik, 2009. Typology of Real Estate Markets by Habitude of Price Bubbles Formation. Property relationships in RF, 8 (95): 18-28 (in Russian).

10.  Ullekh, N.P., 2013. Why Canada-based baron Bob Dhillon is betting on Indian Real Estate? Economic Times. Available at: http://articles.economictimes.indiatimes.com/2013-01-13/news/36296793_1_canada-toronto-stock-exchange-properties.

11.  Podolyako, T.A., 2010. Foreign Investment Attraction in the Russian Market of Hotel properties, Ph.D. thesis, Economic Institute of Russian Sciences Academy, Moscow (in Russian).

12.  World Investment Report 2012. Towards a New Generation of Investment Policies. Geneva: United Nations Conference on Trade аnd Development (UNCTAD), Geneva, 2012, pp: 248.

13.  Global Market Perspective: Second Quarter 2011. Jones Lang LaSalle IP, 2011. Available at: http://www.joneslanglasalle.com/ResearchLevel1/Global-Market-Perspective-Q2-2011-a.pdf.

14.  India FDI in Decline Overall but Regulatory Changes Could Turn Things around. International Consortium of Real Estate Associations, 2013. Available at: http://www.worldproperties.com/ru/News/NewsDetail/13-06-05/India_FDI_in_decline_overall_but_regulatory_changes_could_turn_things_around.aspx.

15.  External Sector Statistics: Direct Investment in Russia by Economic Activities. Central Bank of RF, 2013. Available at: http://www.cbr.ru/statistics/print.aspx?file=credit_statistics/inv_in-rus.htm&pid=svs&sid=ITM_23050&pid=svs&sid=ITM_12726.

16.  Investments in Fixed Assets by Economic Activities. Federal State Statistic Service, 2013. Available at: http://www.gks.ru/bgd/regl/b11_56/IssWWW.exe/Stg/02-18.htm.

17.  Sternik, G.M., S.G. Sternik, S.A. Arakelov, 2010. The Results of the Crisis in Russian Real Estate Market and Housing Building Industry // Finance analytics: problems and solves, 7 (31): 34-47.

18.     Evstafiev A.I., 2011. Methods of the Analysis and Regulation of the City Spatial Development. Ph.D. thesis, Kuban State Univ., Krasnodar (in Russian).

19.     Evstafiev A.I., Maksimov D.V., 2010. Special Parametric Modeling in Studies above Activity of City’s Development and State of City’s Housing Market. Bulletin of the Universities “The North Caucasus Region”. Rostov-on-Don, 5: 112–118 (in Russian).

20.     Developers will be sold. Restate.ru. Available at: http://www.restate.ru/material/46797.html.

21.  Tentative Signs of a Recovery: The 2013 Construction Hiring and Business Outlook. The Associated General Contractors of America, 2013. Available at: http://www.agc.org/galleries/news/2013_Construction_Hiring_and_Business_Outlook_Report.pdf.

22.  Zaytseva, E.Yu., 2012. State Regulation of Investment in the Real Estate Market: the Case of Mutual Funds, Ph.D. thesis, S.-Peterb. State Engineering and Economic Univ., Saint Petersburg (in Russian).

23.  Doler, K., 2013. Real Estate Boomerang: From Bust To Sellers' Market? Investor’s Business Daily. Available at: http://news.investors.com/business-inside-real-estate/041113-651568-real-estate-shows-signs-of-a-home-sellers-market.htm?ven=rss.

24.  Christie, L., 2013. Boomerang Buyers Return to Market after Foreclosure. Cable News Network. Available at: http://money.cnn.com/2013/03/11/real_estate/foreclosure-homes/index.html.

25.  Rising FDI into China: the Facts behind the Numbers: UNCTAD Investment Brief. Investment Issues Analysis Branch of UNCTAD, 2007. Available at: http://unctad.org/en/Docs/iteiiamisc20075_en.pdf.



[1] Поляковский, Г., 1996. Жилищная экономика. М. 223 с.

[2] Weiss, M.A. The Politics of Real Estate Cycles // Business and Economic History, Second Series. 1991. №20. C. 127-135. URL: http://www.thebhc.org/publications/BEHprint/v020/
p0127-p0135.pdf (дата обращения: 11.04.2013).

Baum, A. Evidence of cycles in European commercial real estate markets and some hypotheses. URL: http://centaur.reading.ac.uk/27213/1/0500.pdf (дата обращения: 15.04.2013).

[3] Pyhrr, S.A., Stephen E.R., Born W.L., 1999. Real Estate Cycles and Their Strategic Implications for Investors and Portfolio Managers in the Global Economy // Journal of Real Estate Research. №1. Р. 7-68.

[4] Doeswijk, R.Q., Lam T.W., Swinkels L., 2012. Strategic Asset Allocation: The Global Multi-Asset Market Portfolio 1959–2011. URL: http://ssrn.com/abstract=2170275 (дата обращения: 22.04.2013).

[5] Доклад о мировых инвестициях в 2012 : Обзор. Конференция организации объединенных наций по торговле и развитию (ЮНКТАД). Женева, 2012. 60 с.

[6]Маркс, К., 2012. Капитал: критика политической экономии. Том II. Книга 2: Процесс обращения капитала / Пер. П.Н. Ключин. М.: Эксмо. 1200 с.

Вальрас, Л., 2011. Элементы чистой политической экономии / Пер. И.А. Егоров, А. Белянин. М.: Изограф. 448 с.

[7] Стерник Г.М., Стерник С.Г., 2009. Типология рынков недвижимости по склонности к образованию ценовых пузырей // Имущественные отношения в РФ №8 (95), с. 18-28.

[8] Ullekh, N.P., 2013. Why Canada-based baron Bob Dhillon is betting on Indian Real Estate? Economic Times. URL: http://articles.economictimes.indiatimes.com/2013-01-13/news/36296793_1_canada-toronto-stock-exchange-properties (дата обращения: 18.04.2013).

[9] Подоляко, Т.А., 2010. Привлечение иностранных инвестиций на российский рынок гостиничной недвижимости: автореферат дис. ... канд. эконом. наук : М.

[10] World Investment Report 2012. Towards a New Generation of Investment Policies. Geneva: United Nations Conference on Trade аnd Development (UNCTAD), 2012.

Global Market Perspective: Second Quarter 2011 [Электронный ресурс]. Jones Lang LaSalle IP. URL: http://www.joneslanglasalle.com/ResearchLevel1/Global-Market-Perspective-Q2-2011-a.pdf (дата обращения: 21.04.2013).

[11] India FDI in decline overall but regulatory changes could turn things around [Электронный ресурс]. International Consortium of Real Estate Associations, 2013. URL: http://www.worldproperties.com/ru/News/NewsDetail/13-06-05/India_FDI_in_decline_overall_but_regulatory_changes_could_turn_things_around.aspx (дата обращения: 21.06.2013).

[12] Статистика внешнего сектора. Прямые инвестиции в Россию по видам экономической деятельности [Электронный ресурс]. Центральный банк РФ. URL: http://www.cbr.ru/statistics/print.aspx?file=credit_statistics/inv_in-rus.htm&pid=svs&sid=ITM_23050&pid=svs&sid=ITM_12726 (дата обращения: 18.04.2013).

Инвестиции в основной капитал по видам экономической деятельности [Электронный ресурс]. Федеральная служба государственной статистики. URL: http://www.gks.ru/bgd/regl/b11_56/IssWWW.exe/Stg/02-18.htm (дата обращения: 22.04.2013).

[13] Стерник, Г.М., Стерник С.Г., Аракелов С.А., 2010. Итоги кризиса рынка жилья и жилищно-строительной отрасли в России // Финансовая аналитика: проблемы и решения, №7 (31), с. 34-47.

[14] Евстафьев А.И., 2011. Методы анализа и регулирования пространственного развития города: автореферат дис. … канд. экон. наук. Краснодар: Кубанский гос. ун-т.

Евстафьев А.И., Максимов Д.В., 2010. Анализ организации жилищной застройки и рынка жилья города на основе пространственно-параметрического моделирования // Известия вузов “Северо-Кавказский регион”. Ростов н/Д. № 5. С. 112–118.

[15] Застройщики пойдут в скупку. Портал недвижимости Restate.ru [Электронный ресурс]. URL: http://www.restate.ru/material/46797.html (дата обращения: 19.06.2013).

[16] Tentative Signs of a Recovery: the 2013 Construction Hiring and Business Outlook [Электронный ресурс]. The Associated General Contractors of America. URL: http://www.agc.org/galleries/news/2013_Construction_Hiring_and_Business_Outlook_Report.pdf (дата обращения: 19.04.2013).

[17] Зайцева, Е.Ю., 2012. Государственное регулирование инвестиций на рынке недвижимости: на примере паевых инвестиционных фондов: автореферат дис. ... канд. экон. наук. С.-Пб.: С.-Петерб. гос. инженер.-эконом. ун-т.

[18] Doler, K., 2013. Real Estate Boomerang: From Bust To Sellers' Market? [Электронный ресурс] // Investors Business Daily. URL: http://news.investors.com/business-inside-real-estate/041113-651568-real-estate-shows-signs-of-a-home-sellers-market.htm?ven=rss (дата обращения: 19.06.2013).

Christie, L., 2013. Boomerang Buyers Return to Market after Foreclosure [Электронный ресурс] // Cable News Network: сетевой журн. URL: http://money.cnn.com/2013/03/11/real_estate/foreclosure-homes/index.html (дата обращения: 19.06.2013).

[19] Rising FDI into China: the Facts behind the Numbers: UNCTAD Investment Brief [Электронный ресурс]. Investment Issues Analysis Branch of UNCTAD, 2007. URL: http://unctad.org/en/Docs/iteiiamisc20075_en.pdf (дата обращения: 19.04.2013).

Стерник Г.М., Евстафьев А.И., Перетрухин А.О. Развитие национальных рынков недвижимости в условиях экспансии иностранного капитала

(Урбанистика и рынок недвижимости. – 2014. - №2. – С. 6-22 )
Категория: методические материалы

Опубликовано в журнале «Урбанистика и рынок недвижимости», 2014, №2, с. 6-22.

РАЗВИТИЕ НАЦИОНАЛЬНЫХ РЫНКОВ НЕДВИЖИМОСТИ
В УСЛОВИЯХ ЭКСПАНСИИ ИНОСТРАННОГО КАПИТАЛА

Стерник Геннадий Моисеевич, канд. тех. наук, профессор кафедры “Управление проектами и программами”, федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Российский экономический университет имени Г.В. Плеханова.

Адрес: Российская Федерация, 117997, г. Москва, Стремянный пер., д. 36.

E-mail: gm_sternik@sterno.ru.

Тел.: +7 (495) 7957158.

Евстафьев Артем Иванович, канд. экон. наук, доцент кафедры “Геоэкология и инженерная геология”, федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Саратовский государственный технический университет имени Гагарина Ю.А.

Адрес: Российская Федерация, 410054, г. Саратов, ул. Политехническая, д. 77.

E-mail: artem-ivanovich@yandex.ru.

Тел.: +7 (8452) 998741.

Перетрухин Александр Олегович, магистрант кафедры мировой экономики и менеджмента, федеральное государственное бюджетное образовательное учреждение высшего профессионального образования Кубанский государственный университет.

Адрес: Российская Федерация, 350040, г. Краснодар, ул. Ставропольская, д. 149.

E-mail: alexandrperetruhin@mail.ru.

Тел.: +7 (861) 2681445.

Аннотация.

Макроэкономическая нестабильность, охватившая весь мир в 2008 г., позволила выявить большое количество различий в характере падения и последующего восстановления национальных рынков недвижимости. Одновременно стала ощущаться неадекватность большинства существующих научных концепций: неолиберальной, глобалистской, народнохозяйственной – в объяснении динамики этих процессов. Преодоление этой проблемы достигается на основе коренного пересмотра сущности иностранных инвестиций в недвижимость, обособления их от всех других видов вложений. Важнейшее значение здесь приобретает методология классической политической экономии, которая позволяет системно изучить международную циркуляцию капитала и точно сформулировать закономерности развития рынков недвижимости в этих условиях. Данный подход связан с адаптацией сравнительно-аналитического инструментария к задачам определения циклов и стадий в процессах оборота инвестиций. В сочетании с графическим моделированием, проведенным на обширном фактологическом материале, это помогает дезавуировать иллюзию автономности национальных рынков недвижимости. Получено обоснование асинхронности их развития. Доказана решающая роль экспансии транснационального инвестиционно-строительного капитала в формировании глобальной взаимозависимости рынков недвижимости.

Ключевые слова: рынок недвижимости, рыночные циклы, глобализация, иностранные инвестиции, развитие рынка, международные спекуляции, недвижимость.

Key words: Real Estate Market, Market Cycle, Globalization, Foreign Investments, Market Development, International Speculations, Real Estate.

Введение. Развитие рынка недвижимости традиционно рассматривается в отрыве от процессов глобализации. Это продиктовано свойствами самой недвижимости: ее невозможно перемещать и продавать за границей, она встречается повсеместно и всюду обладает схожими техническими характеристиками – она “локальна” и “вездесуща” одновременно. В отличие от прочих товаров и услуг, ее оборот не поддается описанию даже в наиболее общих категориях мировой экономической науки: здесь нет рынков сбыта, отсутствует экспорт, нельзя говорить о международной торговле. Производство недвижимости – строительство – не участвует в географическом разделении труда, всегда приспосабливается к местному спросу. Все это на протяжении многих лет предопределяло господство подходов, относящих рынок недвижимости исключительно к предмету теории экономики страны.

Между тем сегодня наблюдаются столь решительные перемены в мировой экономике, что глобальное значение оборота недвижимости уже констатируют такие крупнейшие международные организации, как ЮНКТАД и SIFMA (Ассоциация страховой отрасли и финансовых рынков). Достаточно упомянуть, что совокупные иностранные инвестиции в недвижимость в 2007 г. оцениваются в 795, а в кризисный 2012 г. – 440 млрд долл. США., что составляет 30–40% от всех прямых иностранных инвестиций (рис. 1), осуществлявшихся в эти годы, или примерно 1% от мирового валового продукта.

Рис. 1. Совокупные иностранные инвестиции в мире в 2007 и 2011 гг.

Появляются новые формы организации международного капитала, концентрирующегося по поводу получения доходов от недвижимости: инвестиционные фонды недвижимости, биржевые и реальные управляющие компании, транснациональные девелоперские структуры. Налицо становление новой глобальной отрасли экономики, стремительно вырывающейся из рамок внутригосударственного регулирования, которая объединяет тысячи кредитно-финансовых, консультационных, посреднических и строительных компаний по всему миру, специализирующихся на обслуживании и освоении иностранных инвестиций в недвижимость.

В этих условиях назревает необходимость коренного пересмотра устаревших научных концепций, раздельно рассматривающих функционирование национальных рынков недвижимости и не учитывающих взаимозависимость их циклического развития. Решению данной теоретико-методологической проблемы посвящено настоящее исследование. В статье также затронут еще один аспект проблемы, определивший второй уровень исследовательского поиска. В специализированной научной литературе до сих пор не проведено четкого экономико-категориального разграничения между внутригосударственными и иностранными инвестициями в недвижимость, которое сегодня в крайне упрощенном виде трактуется только как “различие в источниках капитала: капитал резидентов – капитал нерезидентов”. Вот почему мы не свободны от решения прикладной задачи по определению оснований в различении иностранных и отечественных вложений в недвижимость, которое, на наш взгляд, пролегает в несовпадении стратегий инвесторов. Проверка этой гипотезы осуществлена в конце представленной работы.

Методология

В соответствии с классическим рыночным, подходом, доминирующим в современной исследовательской литературе, рынок недвижимости и строительная отрасль образуют сложную управляемую и саморегулирующуюся систему, которая функционирует в согласии с законами инвестиционного развития. Превышение спроса над текущим предложением недвижимости повышает прибыльность строительных проектов и поэтому привлекает в строительную отрасль инвестиционный капитал; напротив, снижение спроса уменьшает прибыль и тормозит приток инвестиций. При этом “низкий уровень цен и доходности приводит к временному уходу девелоперов с рынка, снижению объемов строительства и предложения, что впоследствии стимулирует рост цен и вызывает привлечение инвестиций”[1]. В таком ключе описываются циклы инвестиционно-строительной активности и развития рынка недвижимости во всем спектре современной экономической литературы. Выраженную схоластическую интерпретацию эта концепция приобретает в работах М. Вейса и А. Баума[2].

При этом на практике в развитии национальных и региональных рынков недвижимости выделяются циклы, особенности протекания которых не укладываются в абстрактные представления о триединстве связи цены, спроса и инвестиционной активности. Так, в публикациях У. Борна и С. Пирра подробно описаны инфляционные циклы развития рынка недвижимости, в которых ведущее значение имеют ожидания доходности альтернативных вложений – бенчмарков – и ожидания обесценения денег[3].

Однако в изложенных подходах признается, что поток инвестиционного капитала в целом отражает объективную потребность рынка либо в наращении, либо в сокращении строительных мощностей, и, следовательно, свободное, беспрепятственное движение инвестиций – залог устойчивого, сбалансированного функционирования рынка недвижимости (как локального, так и национального).

В теории мировой экономики данная идея получает расширительное толкование, что подтверждается высказываниями таких западных специалистов-международников, как Р. Доузвийк: “устойчивое функционирование национальных рынков недвижимости определяется степенью развития инвестиционной инфраструктуры строительной отрасли”[4]. ООН идет дальше и связывает уже само устойчивое развитие (Sustainable Development) с либеральными инвестиционными стратегиями государств. Для “устойчивого развития” рекомендуется создавать “максимально открытые, стабильные и предсказуемые условия для осуществления иностранных инвестиций, обеспечивать надлежащую защиту инвесторам, которые обосновались в стране, упрощать процедуры капиталовложений”[5]. Насколько все это в условиях глобализации разнится с действительностью, показывает наш дальнейший анализ.

Действительно непротиворечивым теоретическим базисом в объяснении данных феноменов глобализации обладают труды классической политической экономии. Среди них следует особо выделить работы К. Маркса и Л. Вальраса, в которых обращение недвижимости как товара рассматривается обособленно от обращения недвижимости как капитала[6]. Современная актуальность высказанных этими авторами положений подтверждается тем, что изучение переходов недвижимости из товарного состояния в состояние капитала (и обратно), совершающихся при сохранении формально-юридического статуса “иностранной инвестиции”, позволяет адекватно объяснить происходящие на наших глазах изменения на рынке, в том числе изменения в интенсивности, скорости и амплитуде циклического развития.

Мы опираемся на классический методологический аппарат, основанный на системном подходе, с применением историко-логического и сравнительно-аналитического инструментария. Решающее значение в данной методологической системе имеет темпорально-структурный анализ: выявление сдвигов, временных лагов, изменений в структуре инвестиционных потоков, скорости их возврата, размерах абсолютного и сравнительного приращения. Это позволяет разработать графическую модель-схему циркуляции транснационального инвестиционно-строительного капитала, выявить циклическую взаимозависимость национальных рынков недвижимости и обосновать различия между стратегией инвестирования на внешних и внутренних рынках недвижимости.

Анализ

Воспользуемся классификацией стадий развития локальных рынков недвижимости, предложенной в работе[7], и рассмотрим, как они не совпадали в различных странах мира на временном промежутке за 18 последних лет (табл. 1). Эмпирическим материалом нам послужил массив публикаций в отечественных и иностранных СМИ, отчеты Jones Lang LaSalle и Knight Frank. В основе отнесения каждого периода к той или иной стадии развития рынка лежит сопоставление темпов прироста средних цен на жилье, торговую и офисную недвижимость и темпов прироста доходов населения, уровень волатильности цен, оборачиваемости предложения и емкости рынка.

Таблица 1

Асинхронность развития национальных рынков недвижимости

Национальные рынки

Стадии развития национального рынка недвижимости по годам

1995–1998

1999–2002

2003–2006

2007–2010

2011–2015 (прогноз)

США

растущий

надутый

перегретый

падающий

стабильный

Западная
Европа

дефицитный

растущий

стабильный

депрессив-ный

депрессив-ный

Восточная
Европа

растущий

падающий

растущий

падающий

депрессив-ный

Российская Федерация

депрессивный

дефицитный

перегретый

депрессив-ный

стабильный

Китай

стабильный

растущий

дефицитный

стабильный

падающий

Индия

стабильный

стабильный

насыщенный

падающий

взлетающий

Бразилия

падающий

растущий

дефицитный

растущий

перегретый

Иран

растущий

растущий

стабильный

стабильный

н/д

Ближний
Восток

депрессивный

стабильный

растущий

растущий

падающий

Юго-Восточная Азия

н/д

н/д

насыщенный

растущий

взлетающий

Япония,
Южная Корея

н/д

растущий

перегретый

депрессив-ный

н/д

Северная
Африка

развиваю-щийся

стабильный

растущий

стабильный

н/д

Как видно, проведено сопоставление, охватывающее достаточно продолжительный временной период, чтобы проследить, как меняется глобальная конъюнктура инвестиционно-строительной отрасли и рынков недвижимости и выявить следующие закономерности.

Во-первых, национальные рынки абсолютного большинства стран мира испытывают непрерывную смену стадий развития. Для развитых экономик характерно ускоренное повторение полных, 4-х фазных, циклов (в общем виде: восстановление–развитие–кризис–депрессия), для многих развивающихся стран свойственна усеченная, но менее скоротечная цикличность (всего 2 фазы: развитие–стабилизация). Россия и страны Восточной Европы не избегают повторения у себя всех видов возможных в развитых странах фаз и стадий развития, включая наиболее острые для строительной отрасли фазы кризиса (соответствующие стадиям перегрева и спада), но встречаются также специфические стадии: старт, взлет – отражающие периоды резкой либерализации экономики и развития институциональной среды рынка недвижимости. Единственная страна в нашем списке, имеющая относительно стабильную картину развития – Иран. Примечательно, что его рынок недвижимости всю современную эпоху был малодоступен для иностранного бизнеса: в 1990-е гг. его законодательство и конституционный строй не благоприятствовали безопасному вложению иностранных инвестиций, а после введения в 2003 г. международных санкций против Ирана и начала его изоляции зарубежное финансирование жилищного и коммерческого строительства оказалось вообще практически невозможным.

Во-вторых, на протяжении всего промежутка наблюдений с 1991 по 2012 гг. не встречается ни один период, в котором господствовала бы та или иная стадия циклического развития у всех национальных рынков недвижимости одновременно. Скорее наоборот, кризис (или застой) в строительной отрасли одного государства сопровождается восстановлением (а иногда “бумом”) в строительстве у другого государства. Так, рынки США и Китая с 1991 по 1994 гг. преимущественно испытывали спад, в то время как в Восточной Европе и России наблюдался бурный рост. В следующую четырехлетку США, Западная Европа и страны Африки выделились резким подъемом, а в Бразилии и странах Аравийского полуострова был кризис. С 1999 по 2002 гг. лидерами развития были США и Япония, лидерами падения – Восточная Европа. Наконец, в период между 2003 и 2006 гг. резко росли рынки России, Ближнего Востока и Африки, замедляли рост – США и Европа, а в Китае и Бразилии была стадия дефицитного застоя. За последние 20 лет ни одна страна, испытывавшая в некоторый период бурный рост своего рынка недвижимости на фоне падения в других странах, позднее не избежала национального кризиса в тот момент, когда где-то в другой части мира рынок рос. Таким образом, одновременные рост и спад, крайне неравномерным образом распределенные в глобальном инвестиционно-строительном пространстве и беспрерывно сменяющие друг друга, идут рука об руку всюду, куда проникает глобальный финансовый капитал.

В-третьих, несоразмерность темпов развития национальных рынков недвижимости имеет прямую связь со степенью влияния на страну иностранных инвестиций в строительную отрасль. Именно этим объясняется неустойчивость развития рынков недвижимости, имманентно присущая странам с полностью открытой для иностранных инвестиций экономикой: прежде всего странам Европы, Северной Америки, монархическим государствам Персидского залива (ОАЭ, Саудовской Аравии, Катара, Бахрейна, Кувейта), Японии и Юго-Восточной Азии, большинства стран СНГ. В Китае и Индии смена фаз происходит медленнее, очевидно, в связи с относительным ограничением режима иностранных капиталовложений: зарубежному финансированию позволяется беспрепятственно поступать на рынок недвижимости, однако законодательство строго регламентирует вопросы репатриации (возврата) капитала. Не случайно крупные инвесторы ожидают сверхинтенсивное развитие рынка недвижимости Индии в 2013–2014 г. в связи с ослаблением налогового законодательства в отношении “выводимого из страны капитала”[8].

В-четвертых, амплитуда циклического роста и спада на местном рынке недвижимости определяется степенью зависимости его кредитно-финансовой инфраструктуры от мировой финансово-экономической системы. Наиболее перегретые, “надутые” рынки недвижимости за 23-летний период наблюдений встречались исключительно в странах с необычайно высокой долей международных капиталов в собственном финансовом секторе: США, страны СНГ и Восточной Европы, африканские страны, ряд государств Западной Европы. В них разница между ценами на пике и на дне рыночного развития составляла до 35–50% от максимума. В Германии, странах Персидского залива, в которых расположены сильные международные финансовые центры, но где тем не менее преобладают колоссальные объемы собственного капитала, рост и падение цен на недвижимость лежит в диапазоне 20–30%.

В-пятых, неодинаковость текущих стадий у различных национальных рынков недвижимости устойчиво сохраняется во времени, порождая постоянно существующий фазовый разрыв между ними. Этот сдвиг носит столь упорядоченный характер, что даже мощные случайные факторы (ускорение или замедление роста отдельных экономик, суверенные долговые и валютные кризисы и т.д.) не способны изменить этой рассинхронизации в глобальном масштабе (рис. 2). Это говорит о существовании между рынками недвижимости стабильных международных взаимосвязей, обеспечивающих согласованную динамику всей мировой инвестиционно-строительной отрасли. Складывающаяся в каждый момент времени очередность стран по стадии развития их рынков недвижимости, формирует текущий полуцикл инвестиционной-строительной активности. В 2007 г. этот полуцикл охватывал 3 фазы: прохождение пика роста (Китай, Бразилия, Россия, Южная Европа), замедление рынка (Япония, Индия, Юго-Восточная Азия) и переход к падению (Мексика, США, Западная Европа). В 2012 г. в полуцикл мировой инвестиционной-строительной активности вошли 2,5 фазы: застой (США, Россия, Южная и Восточная Европа), оживление и рост (Индия, Западная Европа, Юго-Восточная Азия) и фаза замедления рынка (Китай, Бразилия). Вероятно, к 2017 г. полуцикл мировой инвестиционной-строительной активности постепенно вернется в состояние, достигнутое в 2007 г., и снова будет охватывать стадии роста, замедления и падения. Таким образом, существеннейшим качеством сложившейся глобальной системы национальных рынков недвижимости выступает синхронизированный по всему миру сдвиг фаз их циклического развития.


Рис. 2. Модель циклического развития национальных рынков недвижимости
под влиянием циркуляции транснационального инвестиционно-строительного капитала
в 2007–2012 гг.

Нельзя привести более убедительных свидетельств спекулятивно-финансовой природы взаимодействия национальных рынков недвижимости в условиях глобализации. Процессы глобализации превращают всю доступную для инвестирования мировую недвижимость и весь связанный с ней бизнес в не существовавший ранее вид нового спекулятивного актива. Но поскольку спрос на спекулятивный актив всегда возрастает по мере роста его цены, то масштаб притока инвестиционно-строительного капитала больше в той стране, где в данный момент сильнее и надежнее прирост цен на недвижимость. Как пишет Подоляко Т.А., ссылаясь на мнения ряда отечественных авторов: “в докризисный период на фоне слабой конкуренции и общей неразвитости рынка недвижимости иностранные инвесторы гарантировано получали высокие прибыли”[9]. Мы не можем согласиться с этим мнением. На самом деле, привлекательность российского рынка недвижимости для иностранных инвесторов объяснялась не “неразвитостью” рынка вообще, а наблюдавшейся тогда стадией “бума”, обеспечивающей в 2003–2007 гг. сравнительно высокие показатели прибыльности относительно других (как развитых, так и развивающихся) национальных рынков. Сегодня, когда стадия “бума” сменилась затяжной стадией посткризисной стабилизации, или “депрессией”, транснациональный капитал переместился в другие мировые точки временного инвестиционно-строительного подъема – прежде всего, в Китай, Индию, Юго-Восточную Азию.

Этим опровергается ключевой посыл классического рыночного подхода, утверждающий, что благоприятный инвестиционный климат и привлекаемые инвестиции способствуют устойчивому сбалансированному развитию рынка недвижимости. На практике оказывается наоборот: международный инвестиционно-строительный капитал не только сам усиливает неравномерность развития, но по своей природе не заинтересован в стабильном, устойчивом, развитии строительной отрасли какого-либо отдельного государства. Чем выше амплитуда рыночных колебаний, чем хаотичнее возникают международные точки роста и падения, тем активнее совершается оборот капитала и, следовательно, большую прибыль извлекает иностранный инвестор недвижимости.

Докажем далее, что инвестиции в национальную недвижимость в общем виде представляют собой не основной, а оборотный капитал. Рассмотрим мировую статистику соотношения прямых иностранных инвестиций к стоимости зарубежного имущества (табл. 2), сведенную нами на основе данных ЮНКТАД и международного консалтингового агентства Jones Lang LaSalle[10].

Таблица 2

Интенсивность обращения транснационального инвестиционно-строительного капитала

Сектор глобальной
экономики

Прямые
иностранные инвестиции
в 2011 г., млрд долл. США

Стоимость
зарубежных валовых
накоплений*, млрд долл. США

Соотношение прямых
иностранных
инвестиций
и зарубежных
валовых
накоплений, %

Рынок недвижимости и строительная отрасль

440

1 200

36,7

Все прочие отрасли экономики

1 150

15 770

7,3

Всего

1 600

16 970

9,4

Примечание: стоимость зарубежных валовых накоплений – это стоимость активов, накопленных за весь предшествующий период в результате осуществления иностранных инвестиций (приобретения готовых или создания и поставки новых основных средств), за вычетом выбывшего или амортизированного имущества.

Коэффициент оборачиваемости иностранных инвестиций в недвижимость (соотношение иностранных инвестиций и зарубежных валовых накоплений) составляет 0,367, что соответствует периоду оборота – 2,7 года. Такую продолжительность имеет в среднем один полный инвестиционно-строительный цикл, включающий разработку проектно-сметной документации, покупку земельного участка, строительно-монтажные работы и ввод в эксплуатацию вновь созданного имущества. Это означает, что в отличие от “длинных” инвестиций (например, в топливно-энергетический или агропромышленный комплекс) полный круг превращений Д–Т–ДI  в бизнесе, связанном с недвижимостью, совершается в течение периода проведения строительно-монтажных работ. Это резко контрастирует с оборачиваемостью международных инвестиций в других отраслях мирового хозяйства – 0,073, соответствующей периоду оборачиваемости 13,7 года. Прямые инвестиции в сектор недвижимости оборачиваются в 5 раз быстрее.

Возврат капиталовложений в недвижимость может занимать и намного меньшее время, например, в случае привлечения местных соинвесторов, которые, по сути, оплачивают и все строительные расходы, и услуги инициатора проекта. Тогда окупаемость вложенных средств наступает еще на этапе строительства (в течение первого года инвестирования). В другом случае, когда недвижимость создается для последующей сдачи в аренду или эксплуатации (например, при строительстве гостиницы), период возврата капиталовложений удлиняется до 10–15 лет. Однако такая приносящая регулярный доход собственность, оставаясь наиболее ликвидным типом материально-вещественных активов – недвижимостью – не утрачивает возможность использования в качестве товара. При этом наличие арендаторов только укорачивает период экспозиции этой недвижимости на рынке, так как говорит о низком уровне риска инвестирования, устойчивом и прогнозируемом денежном потоке, а ее рыночная стоимость резко повышается. В результате даже проекты, предполагающие изначально сдачу собственности в аренду, спустя 5–10 лет успешной эксплуатации завершаются ее продажей.

Все это определяет высокую чувствительность такого бизнеса к национальному законодательству, регулирующему вопросы репатриации капитала. В этом заключается одно из ключевых отличий стратегии капиталовложений в иностранную недвижимость от любых других видов капиталовложений. Инвестора, занимающегося финансированием промышленного производства, в первую очередь интересуют нормы, регулирующие его текущую фабричную деятельность: налог на добавленную стоимость, налог на имущество, налог на прибыль, таможенные пошлины, законодательство о труде. В меньшей степени такого предпринимателя затрагивают нормы, определяющие порядок и последствия ликвидации предприятия, потому что он не намерен его ликвидировать и считается с такими условиями лишь как с вероятными рисками.

В противоположность этому, инвестор, финансирующий иностранную недвижимость, не рассматривает эту недвижимость как средство труда. Для него недвижимость – предмет труда, оборотный капитал. В среднесрочной перспективе у него всегда на повестке дня вывод вложенного ранее капитала за пределы данной страны. Как следствие, на поведение таких инвесторов сильнее сказывается регулирование условий беспрепятственного ввода и вывода средств, налогообложения репатриируемого капитала. Критическая важность этих условий проявляется в годовой динамике иностранных инвестиций, поступивших в недвижимость и строительную отрасль Индии в 2013 г. Их рост по данным за 1-й квартал составили более 700% по отношению ко всему 2012 г.: 3 млрд против 370 млн долл. США. Это стало возможным после проведения реформы законодательства, упрощающего вывод капиталов иностранными инвесторами недвижимости. Примечательно, что, как отмечает Д.С. Рават, генеральный секретарь индийской ассоциации палат промышленников и предпринимателей (ASSOCHAM), при этом “большинство штатов Индии в 2013 г. получили инвестиций, не связанных с недвижимостью, в целом меньше, чем в прошлом году”[11].

Это обуславливает необходимость проведения следующего разграничения между инвестициями в недвижимость, которые распадаются на вложения транснационального инвестиционно-строительного капитала и вложения отечественных бизнес-структур. Обычно государственная статистика не учитывает различия между ними. В результате деятельность по обороту денежных средств на иностранных рынках недвижимости ошибочно приравнивается к обычной деятельности по созданию и эксплуатации местной доходной недвижимости. Упускается из виду ряд принципиальных отличий:

Во-первых, для операций, связанных с иностранным оборотом недвижимости, характерна ускоренная периодизация (2,7 года).

Во-вторых, максимальный объем иностранных вложений осуществляется не во время наиболее комфортных периодов роста местного рынка недвижимости, а во время кризиса на нем.

В-третьих, особое значение для иностранного инвестора имеет не только абсолютная, но и сравнительная эффективность вложений в рынки различных государств.

Иллюстрацией этих положений может служить статистика инвестиций в недвижимость РФ (рис. 3).

 


Надпись:     – Russia

    – USA




Надпись: Mortgage crisis

Рис. 3. Сдвиг в динамике отечественных и иностранных инвестиций
в недвижимость РФ в 2006–2012 гг. в условиях смены стадий развития рынка недвижимости: рост–кризис–депрессия

Годовой рост прямых иностранных инвестиций в 2007 г., когда наблюдалось относительное благополучие как на российском, так и на американском рынках недвижимости, составил всего 108% против 166% роста отечественных инвестиций в строительную отрасль и бизнес, связанный с недвижимостью. Однако уже в 2008 г. в условиях резкого ухудшения ситуации на рынках недвижимости США и Западной Европы поток иностранных инвестиций в Россию демонстрирует годовой рост в 237%, что значительно превышает рост отечественных инвестиций – 146%. Здесь следует подчеркнуть, что с конца 2007 г. и в течение первой половины 2008 г. российский рынок недвижимости выгодно отличался от рынков развитых стран по всем показателям доходности, рискованности, оборачиваемости недвижимых активов и рентабельности строительных компаний, что обусловило агрессивное наращивание транснациональным инвестиционно-строительным капиталом своего присутствия на нашем, перспективном в спекулятивном отношении, рынке. При этом соотношение иностранных инвестиций в недвижимость по отношению к российским составило около 1 к 5 (табл. 3). Расчет структуры отечественных и иностранных инвестиций на рынке недвижимости с 2006 по 2012 гг. проведен на основе сбора и обобщения информации, опубликованной Центральным банком РФ и Федеральной службой государственной статистики[12].

Таблица 3

Структура отечественных и иностранных инвестиций на рынке
недвижимости РФ с 2006 по 2012 гг.

Виды инвестиций

Величина инвестиций,
млрд. долл. США

Структура
инвестиций, %

2006

2007

2008

2009

2010

2011

2012

2006

–2008

2009

2010–2012

Российские инвестиции в основной капитал в строительной отрасли

6

10

16

9

11

11

11

16

11

15

Российские инвестиции в основной капитал в операциях с недвижимым имуществом, арендой и предоставлением услуг

28

46

66

38

55

55

63

70

48

77

Прямые иностранные инвестиции в недвижимость

6

7

15

32

6

7

7

14

41

9

Всего

40

63

97

79

72

73

81

100

100

100

Примечание: капиталовложения для удобства сопоставления приведены в долл. США в соответствии с динамикой валютного курса.

Дальнейшее сравнение позволяет выявить коренное отличие в стратегии иностранных инвесторов по сравнению со стратегией местных застройщиков и местных рантье – лиц, специализирующихся на получении дохода от покупки и эксплуатации недвижимости. В 2009 г. рынок недвижимости России испытал наиболее тяжелый этап кризиса: цены на недвижимость достигли дна в середине 2009 г., составив около 50–60% от цен середины 2008 г., период экспозиции продаваемых объектов удлинился до 0,5–1 года, ряд строительных компаний обанкротились[13]. В такой ситуации отечественные инвестиции резко сокращаются, почти достигнув уровня 2006 г. – годовая убыль инвестиций составила 43%. Иностранные вложения, напротив, продолжают показывать фантастический рост, составивший по итогам 2009 г. около 211% к 2008 г., или 541% к 2006 г. Соотношение иностранных инвестиций к российским достигло пропорции почти 1 к 1. В предыдущих наших работах было описано, где обычно сосредотачиваются эти инвестиции[14]. Речь идет о покупке испытывающих затруднения застройщиков и их последующей реорганизации с необходимым дополнительным финансированием уже осуществляющихся строительных проектов, выкупе управляющих компаний торговых и офисных центров, приобретении долей самостоятельных ипотечных подразделений российских банков и увеличении их капитала.

Примечательны в этой связи высказывания крупных российских инвесторов. Так, директор компании “AFI Development” А. Халдей весной 2008 г. заявил, что “готовится к скупке небольших застройщиков, компания готова потратить на это 1 млрд долл.”. В интервью агентству Reuters А. Халдей пояснил, что “мировой кризис ликвидности может коснуться российских компаний уже к осени этого года: небольшие застройщики столкнутся с проблемой привлечения заемных средств”. Также весной 2008 г. с подобными высказываниями относительно грядущего кризиса девелоперских компаний выступил президент компании “ОНЭКСИМ” М. Прохоров[15].

Наконец, после прохождения острой фазы кризиса с 2010 г. наблюдается резкое снижение инвестиционной активности иностранных инвесторов до уровня характерного для 2006 г. Годовая убыль иностранных вложений в 2010 г. составила 81%. В это же время финансирование недвижимости российскими источниками возросло на 42%. Далее в течение всего периода с 2010 по 2012 гг. структура инвестиций не меняется: на долю внешних источников приходится только 9%, на долю отечественных – 81%.

Интерпретация озвученных данных сводится к следующему. По мере интернационализации экономик и усиления глобальной роли международных финансовых институтов главную роль в развитии локальных рынков недвижимости начинают играть уже не местные застройщики или жители городов, а крупные банковские группы и финансовые фонды. Спрос потенциальных покупателей жилья, торговых, промышленных организаций и госструктур формирует лишь общие предпосылки для ведения строительной деятельности, очерчивают ее возможные границы – в категориях емкости рынка, ожидаемой оборачиваемости и сроков экспозиции выставленной на продажу недвижимости. Решающее же слово остается за инвестором, который использует не существовавшую ранее возможность свободного и быстрого перемещения своего рабочего инвестиционно-строительного капитала из одной страны в другую и даже из одного континента в другой. В своих предпочтениях эти инвесторы руководствуются сравнительными характеристиками различных национальных рынков недвижимости: текущей фазой их циклического развития, отраслевой инфляцией, долей вакантных площадей и т.п.

Такая система неминуемо порождает кратковременные избытки строительного капитала в одних странах и его дефицит в других. Не фундаментальные различия рынков, среди которых “разница в числе и росте высокотехнологичных фирм или разница в приросте населения”, как указывают международные организации, сегодня “определяют цены на недвижимость”, и через это – инвестиционную активность и динамику развития строительной отрасли. Сегодня наблюдается обратный порядок: инвестиционная активность изменяет условия осуществления строительства, что в итоге отражается на ценах. По данным Ассоциации генеральных подрядчиков США, “40% компаний сообщили, что в 2012 г. именно ужесточение условий кредитования привели к тому, что реализация начатых проектов была отсрочена, а переговоры с ограниченными в платежеспособности клиентами были вообще отменены”[16]. Это свидетельствует о принципиальном изменении последовательности событий в инвестиционных рыночных циклах: сначала наблюдается приход глобальных финансовых игроков на локальный строительный рынок, меняющих условия корпоративного кредитования нового строительства и ставки по ипотеке, затем повышается курс торгуемых на бирже облигаций застройщиков, после чего привлекаются спекулянты и рантье недвижимости и наконец растет ее цена. Вывод инвестиционно-строительного капитала означает начало кризиса и длительную депрессию национального рынка недвижимости, разорение компаний.

В этой связи показательна ошибка ряда исследователей, придерживающихся консервативного подхода к привлечению инвестиций. Так, Е.Ю. Зайцева пишет: “недостаточное государственное регулирование рынка недвижимости и деятельности инвестиционных фондов является причиной низкой капитализации рынка паевых инвестиционных фондов, осуществляющих деятельность на рынке недвижимости”[17]. Напротив, это слабое, “недостаточное”, регулирование инвестиционных процессов – прозрачность государственных границ для транснационального инвестиционно-строительного капитала (как в отношении прибывающего, так и бегущего из страны), упрощенные условия организации девелоперского бизнеса в любых организационно-правовых формах (прежде всего в форме обществ с ограниченной ответственностью, имеющих минимальный уставный капитал) – способствовали бурному спекулятивному развитию. Тот факт, что большая часть этих “горячих” денег аккумулировалась в форме реальных инвестиций в недвижимость (банковские кредиты застройщикам, покупки готовых торговых центров и т.д.), объясняется более высокой доходностью реальных вложений.

Если рассматривать лишь вершину айсберга, как это делается в публикациях Е.Ю. Зайцевой, а также многих других аналитиков иностранных рынков недвижимости (Л. Кристи, К. Долер и проч.), и не замечать активной роли международных инвестиционных потоков в формировании локальных дисбалансов спроса и предложения недвижимости, то мы будем вынуждены признать лишь первый уровень проблемы развития национальных рынков, трактуемый традиционно в терминах “перегрев” и “пузырь”. Наиболее емко этот, поверхностный, взгляд выражается в используемой зарубежными исследователями метафоре “бумеранг недвижимости”, используемой для обозначения феномена неминуемости кризисного спада и последующего восстановления. Эта точка зрения стоит на описанном выше представлении об инвестициях в строительство, которые притягиваются на так называемые «рынки продавцов» – рынки, где в данный момент времени устанавливается завышенная цена на недвижимость и растет доходность застройщиков[18]. Постепенно в результате неумеренного финансирования строительства и появления значительного объема нереализованного нового предложения главную роль на рынке начинают играть покупатели, в результате чего цены начинают падать, ударяя “бумерангом” по прибыли застройщиков. В таких условиях ключевой проблемой для государств становится создание благоприятных условий для инвестирования в строительную отрасль, избегание перегрева своего рынка недвижимости и ограничение спекуляций.

Как было показано, проблема рыночных циклов на рынке недвижимости в условиях глобализации уже не сводится к реактивному поведению инвесторов. Транснациональный инвестиционно-строительный капитал сам упреждает изменения на рынке, меняет их направленность, определяет момент завершения рецессии или окончания бума. Некоторые страны уже проявляют озабоченность тем, что спекулятивный иностранный капитал придерживается данной стратегии. С этим в частности связаны опасения международных аналитиков в отношении прямых инвестиций в недвижимость Китая, в котором уже рассматриваются варианты ужесточения инвестиционно-строительного законодательства, мотивированного необходимостью ослабления чрезмерного роста стоимости недвижимости[19]. В условиях глобализации транснациональный инвестиционно-строительный капитал способен избежать всех локальных рисков обесценивания вложений, что позволяет ему в любых ситуациях сохранять свою номинальную стоимость и агрессивнее вмешиваться в нормальных ход циклического развития национальных рынков.

Выводы

Таким образом, основной теоретический результат проведенного исследования заключается в том, что впервые объяснена закономерность образования фазового разрыва в циклическом развитии национальных рынков недвижимости, которая, как следует из анализа, связывается с глобальной циркуляцией транснационального инвестиционно-строительного капитала, привлекаемого локальными дисбалансами в соотношениях спроса и предложения и усиливающего их. Это позволяет сформулировать следующие научные выводы.

Во-первых, современный этап глобализации предъявляет странам, активно привлекающим иностранные инвестиции, ряд вызовов, связанных с подчинением развития их рынков недвижимости интересам международного капитала, вложения которого в строительную отрасль и инфраструктуру приобретают отчетливо спекулятивный характер.

Во-вторых, анализ макроэкономических процессов внутри национальных экономик, традиционно используемый для раскрытия закономерностей циклического развития рынков недвижимости, сегодня явно недостаточен – требуется сопоставительный международный и историко-логический инструментарий.

В-третьих, управление развитием отечественного рынка недвижимости в условиях глобализации не может ограничиваться стандартными механизмами активизации внутреннего спроса и строительства недвижимости, а предполагает усиление регулирующего воздействия государства на объем и условия поступлений и репатриации транснационального инвестиционно-строительного капитала.

Практическая значимость проведенного исследования заключается в следующих прикладных результатах.

Во-первых, на основе темпорально-структурного анализа капитальных вложений в недвижимость впервые показана вся глубина различий между отечественными и иностранными инвестициями, доказано наличие множества критериев несовпадения. Они затрагивают не просто юридическую субъектность “резидент–нерезидент”, а буквально все стороны бизнеса: типы обеспечения, периодичность вложений, их оборачиваемость, активность и степень доминирования на национальном рынке в различные периоды его циклического развития.

Во-вторых, показана несостоятельность распространенного суждения о международных инвесторах, которое связывает их бизнес-стратегию исключительно с использованием выгоды от разрывов между спросом и предложением на локальных рынках недвижимости. Показана ошибочность и контрпозиции, полагающей, что международные инвесторы преследуют только цели устойчивого развития территорий. На примере инвестиций в недвижимость России доказывается, что стратегия иностранных игроков изменчива, носит циклический характер и на различных стадиях развития национального рынка недвижимости отражает различные интересы.

В-третьих, обосновано выделение двух основных видов стратегий иностранных инвесторов, проявляющихся в ходе циклического развития национальных рынков в различных способах обогащения: в течение последней фазы роста инвестор разогревает рынок и раздувает ценовой пузырь – преследуется краткосрочная спекулятивная стратегия; в течение первой фазы кризиса инвестор скупает застройщиков-банкротов и замороженное строительство – преследуется долгосрочная экспансивная стратегия.

В-четвертых, подтверждена неспособность местного бизнеса, связанного с недвижимостью, эффективно отражать экспансию иностранных инвесторов. Зависимый от своих национальных экономик, этот бизнес несет дополнительные риски, вызываемые меняющейся конъюнктурой локального рынка, что диктует поиск опоры не в зыбких рыночных тенденциях, а в целенаправленной государственной поддержке, которая должна предполагать ужесточение условий инвестирования и репатриации иностранного капитала.

Библиография (русский)

1.    Поляковский, Г., 1996. Жилищная экономика. М. 223 с.

2.    Weiss, M.A. The Politics of Real Estate Cycles // Business and Economic History, Second Series. 1991. №20. C. 127-135. URL: http://www.thebhc.org/publications/BEHprint/v020/p0127-p0135.pdf (дата обращения: 11.04.2013).

3.    Baum, A. Evidence of cycles in European commercial real estate markets and some hypotheses. URL: http://centaur.reading.ac.uk/27213/1/0500.pdf (дата обращения: 15.04.2013).

4.    Pyhrr, S.A., Stephen E.R., Born W.L., 1999. Real Estate Cycles and Their Strategic Implications for Investors and Portfolio Managers in the Global Economy // Journal of Real Estate Research. №1. Р. 7-68.

5.    Doeswijk, R.Q., Lam T.W., Swinkels L., 2012. Strategic Asset Allocation: The Global Multi-Asset Market Portfolio 1959–2011. URL: http://ssrn.com/abstract=2170275 (дата обращения: 22.04.2013).

6.    Доклад о мировых инвестициях в 2012 : Обзор. Конференция организации объединенных наций по торговле и развитию (ЮНКТАД). Женева, 2012. 60 с.

7.    Маркс, К., 2012. Капитал: критика политической экономии. Том II. Книга 2: Процесс обращения капитала / Пер. П.Н. Ключин. М.: Эксмо. 1200 с.

8.    Вальрас, Л., 2011. Элементы чистой политической экономии / Пер. И.А. Егоров, А. Белянин. М.: Изограф. 448 с.

9.    Стерник Г.М., Стерник С.Г., 2009. Типология рынков недвижимости по склонности к образованию ценовых пузырей // Имущественные отношения в РФ №8 (95), с. 18-28.

10.              Ullekh, N.P., 2013. Why Canada-based baron Bob Dhillon is betting on Indian Real Estate? Economic Times. URL: http://articles.economictimes.indiatimes.com/2013-01-13/news/36296793_1_canada-toronto-stock-exchange-properties (дата обращения: 18.04.2013).

11.              ПодолякоТ.А., 2010. Привлечение иностранных инвестиций на российский рынок гостиничной недвижимости: автореферат дис. ... канд. эконом. наук : М.

12.              World Investment Report 2012. Towards a New Generation of Investment Policies. Geneva: United Nations Conference on Trade аnd Development (UNCTAD), 2012.

13.              Global Market Perspective: Second Quarter 2011 [Электронный ресурс]. Jones Lang LaSalle IP. URL: http://www.joneslanglasalle.com/ResearchLevel1/Global-Market-Perspective-Q2-2011-a.pdf (дата обращения: 21.04.2013).

14.              India FDI in decline overall but regulatory changes could turn things around [Электронный ресурс]. International Consortium of Real Estate Associations, 2013. URL: http://www.worldproperties.com/ru/News/NewsDetail/13-06-05/India_FDI_in_decline_overall_but_regulatory_changes_could_turn_things_around.aspx (дата обращения: 21.06.2013).

15.              Статистика внешнего сектора. Прямые инвестиции в Россию по видам экономической деятельности [Электронный ресурс]. Центральный банк РФ. URL: http://www.cbr.ru/statistics/print.aspx?file=credit_statistics/inv_in-rus.htm&pid=svs&sid=ITM_23050&pid=svs&sid=ITM_12726 (дата обращения: 18.04.2013).

16.              Инвестиции в основной капитал по видам экономической деятельности [Электронный ресурс]. Федеральная служба государственной статистики. URL: http://www.gks.ru/bgd/regl/b11_56/IssWWW.exe/Stg/02-18.htm (дата обращения: 22.04.2013).

17.              Стерник, Г.М., Стерник С.Г., Аракелов С.А., 2010. Итоги кризиса рынка жилья и жилищно-строительной отрасли в России // Финансовая аналитика: проблемы и решения, №7 (31), с. 34-47.

18.              Евстафьев А.И., 2011. Методы анализа и регулирования пространственного развития города: автореферат дис. … канд. экон. наук. Краснодар: Кубанский гос. ун-т.

19.              Евстафьев А.И., Максимов Д.В., 2010. Анализ организации жилищной застройки и рынка жилья города на основе пространственно-параметрического моделирования // Известия вузов “Северо-Кавказский регион”. Ростов н/Д. № 5. С. 112–118.

20.              Застройщики пойдут в скупку. Портал недвижимости Restate.ru [Электронный ресурс]. URL: http://www.restate.ru/material/46797.html (дата обращения: 19.06.2013).

21.              Tentative Signs of a Recovery: the 2013 Construction Hiring and Business Outlook [Электронный ресурс]. The Associated General Contractors of America. URL: http://www.agc.org/galleries/news/2013_Construction_Hiring_and_Business_Outlook_Report.pdf (дата обращения: 19.04.2013).

22.              ЗайцеваЕ.Ю., 2012. Государственное регулирование инвестиций на рынке недвижимости: на примере паевых инвестиционных фондов: автореферат дис. ... канд. экон. наук. С.-Пб.: С.-Петерб. гос. инженер.-эконом. ун-т.

23.              Doler, K., 2013. Real Estate Boomerang: From Bust To Sellers' Market? [Электронный ресурс] // Investors Business Daily. URL: http://news.investors.com/business-inside-real-estate/041113-651568-real-estate-shows-signs-of-a-home-sellers-market.htm?ven=rss (дата обращения: 19.06.2013).

24.              Christie, L., 2013. Boomerang Buyers Return to Market after Foreclosure [Электронный ресурс] // Cable News Network: сетевой журн. URL: http://money.cnn.com/2013/03/11/real_estate/foreclosure-homes/index.html (дата обращения: 19.06.2013).

25.              Rising FDI into China: the Facts behind the Numbers: UNCTAD Investment Brief [Электронный ресурс]. Investment Issues Analysis Branch of UNCTAD, 2007. URL: http://unctad.org/en/Docs/iteiiamisc20075_en.pdf (дата обращения: 19.04.2013).

Библиография (английский)

1.      Pollakowski, H., 1996. Housing Economics. Moscow, pp: 223 (in Russian).

2.      Weiss, M.A., 1991. The Politics of Real Estate Cycles. Business and Economic History, Second Series, 20: 127-135. Available at: http://www.thebhc.org/publications/BEHprint/v020/p0127-p0135.pdf.

3.      Baum, A., 1999. Evidence of Cycles in European Commercial Real Estate Markets and Some Hypotheses, mimeo. Available at: http://centaur.reading.ac.uk/27213/1/0500.pdf.

4.      Pyhrr, S.A., E.R. Stephen, W.L. Born, 1999. Real Estate Cycles and Their Strategic Implications for Investors and Portfolio Managers in the Global Economy. Journal of Real Estate Research, 1: 7-68.

5.      Doeswijk, R.Q., T.W. Lam, L. Swinkels, 2012. Strategic Asset Allocation: The Global Multi-Asset Market Portfolio 1959–2011, mimeo. Available at: http://ssrn.com/abstract=2170275.

6.      World Investment Report 2012: Overview. United Nations Conference on Trade And Development (UNCTAD). Geneva, 2012, pp: 60 (in Russian).

7.      Marx, К., 2012. Das Kapital: Kritik der politischen Oekonomie. Band II. Buch 2: Der Zirkulationsprocess des Kapitals. Moscow, pp: 1200 (in Russian).

8.      Walras, L., 2011. Les elements d’économie politique pure. Moscow, pp: 448 (in Russian).

9.      Sternik, G.M., S.G. Sternik, 2009. Typology of Real Estate Markets by Habitude of Price Bubbles Formation. Property relationships in RF, 8 (95): 18-28 (in Russian).

10.  Ullekh, N.P., 2013. Why Canada-based baron Bob Dhillon is betting on Indian Real Estate? Economic Times. Available at: http://articles.economictimes.indiatimes.com/2013-01-13/news/36296793_1_canada-toronto-stock-exchange-properties.

11.  Podolyako, T.A., 2010. Foreign Investment Attraction in the Russian Market of Hotel properties, Ph.D. thesis, Economic Institute of Russian Sciences Academy, Moscow (in Russian).

12.  World Investment Report 2012. Towards a New Generation of Investment Policies. Geneva: United Nations Conference on Trade аnd Development (UNCTAD), Geneva, 2012, pp: 248.

13.  Global Market Perspective: Second Quarter 2011. Jones Lang LaSalle IP, 2011. Available at: http://www.joneslanglasalle.com/ResearchLevel1/Global-Market-Perspective-Q2-2011-a.pdf.

14.  India FDI in Decline Overall but Regulatory Changes Could Turn Things around. International Consortium of Real Estate Associations, 2013. Available at: http://www.worldproperties.com/ru/News/NewsDetail/13-06-05/India_FDI_in_decline_overall_but_regulatory_changes_could_turn_things_around.aspx.

15.  External Sector Statistics: Direct Investment in Russia by Economic Activities. Central Bank of RF, 2013. Available at: http://www.cbr.ru/statistics/print.aspx?file=credit_statistics/inv_in-rus.htm&pid=svs&sid=ITM_23050&pid=svs&sid=ITM_12726.

16.  Investments in Fixed Assets by Economic Activities. Federal State Statistic Service, 2013. Available at: http://www.gks.ru/bgd/regl/b11_56/IssWWW.exe/Stg/02-18.htm.

17.  Sternik, G.M., S.G. Sternik, S.A. Arakelov, 2010. The Results of the Crisis in Russian Real Estate Market and Housing Building Industry // Finance analytics: problems and solves, 7 (31): 34-47.

18.     Evstafiev A.I., 2011. Methods of the Analysis and Regulation of the City Spatial Development. Ph.D. thesis, Kuban State Univ., Krasnodar (in Russian).

19.     Evstafiev A.I., Maksimov D.V., 2010. Special Parametric Modeling in Studies above Activity of City’s Development and State of City’s Housing Market. Bulletin of the Universities “The North Caucasus Region”. Rostov-on-Don, 5: 112–118 (in Russian).

20.     Developers will be sold. Restate.ru. Available at: http://www.restate.ru/material/46797.html.

21.  Tentative Signs of a Recovery: The 2013 Construction Hiring and Business Outlook. The Associated General Contractors of America, 2013. Available at: http://www.agc.org/galleries/news/2013_Construction_Hiring_and_Business_Outlook_Report.pdf.

22.  Zaytseva, E.Yu., 2012. State Regulation of Investment in the Real Estate Market: the Case of Mutual Funds, Ph.D. thesis, S.-Peterb. State Engineering and Economic Univ., Saint Petersburg (in Russian).

23.  Doler, K., 2013. Real Estate Boomerang: From Bust To Sellers' Market? Investor’s Business Daily. Available at: http://news.investors.com/business-inside-real-estate/041113-651568-real-estate-shows-signs-of-a-home-sellers-market.htm?ven=rss.

24.  Christie, L., 2013. Boomerang Buyers Return to Market after Foreclosure. Cable News Network. Available at: http://money.cnn.com/2013/03/11/real_estate/foreclosure-homes/index.html.

25.  Rising FDI into China: the Facts behind the Numbers: UNCTAD Investment Brief. Investment Issues Analysis Branch of UNCTAD, 2007. Available at: http://unctad.org/en/Docs/iteiiamisc20075_en.pdf.



[1] Поляковский, Г., 1996. Жилищная экономика. М. 223 с.

[2] Weiss, M.A. The Politics of Real Estate Cycles // Business and Economic History, Second Series. 1991. №20. C. 127-135. URL: http://www.thebhc.org/publications/BEHprint/v020/
p0127-p0135.pdf (дата обращения: 11.04.2013).

Baum, A. Evidence of cycles in European commercial real estate markets and some hypotheses. URL: http://centaur.reading.ac.uk/27213/1/0500.pdf (дата обращения: 15.04.2013).

[3] Pyhrr, S.A., Stephen E.R., Born W.L., 1999. Real Estate Cycles and Their Strategic Implications for Investors and Portfolio Managers in the Global Economy // Journal of Real Estate Research. №1. Р. 7-68.

[4] Doeswijk, R.Q., Lam T.W., Swinkels L., 2012. Strategic Asset Allocation: The Global Multi-Asset Market Portfolio 1959–2011. URL: http://ssrn.com/abstract=2170275 (дата обращения: 22.04.2013).

[5] Доклад о мировых инвестициях в 2012 : Обзор. Конференция организации объединенных наций по торговле и развитию (ЮНКТАД). Женева, 2012. 60 с.

[6]Маркс, К., 2012. Капитал: критика политической экономии. Том II. Книга 2: Процесс обращения капитала / Пер. П.Н. Ключин. М.: Эксмо. 1200 с.

Вальрас, Л., 2011. Элементы чистой политической экономии / Пер. И.А. Егоров, А. Белянин. М.: Изограф. 448 с.

[7] Стерник Г.М., Стерник С.Г., 2009. Типология рынков недвижимости по склонности к образованию ценовых пузырей // Имущественные отношения в РФ №8 (95), с. 18-28.

[8] Ullekh, N.P., 2013. Why Canada-based baron Bob Dhillon is betting on Indian Real Estate? Economic Times. URL: http://articles.economictimes.indiatimes.com/2013-01-13/news/36296793_1_canada-toronto-stock-exchange-properties (дата обращения: 18.04.2013).

[9] Подоляко, Т.А., 2010. Привлечение иностранных инвестиций на российский рынок гостиничной недвижимости: автореферат дис. ... канд. эконом. наук : М.

[10] World Investment Report 2012. Towards a New Generation of Investment Policies. Geneva: United Nations Conference on Trade аnd Development (UNCTAD), 2012.

Global Market Perspective: Second Quarter 2011 [Электронный ресурс]. Jones Lang LaSalle IP. URL: http://www.joneslanglasalle.com/ResearchLevel1/Global-Market-Perspective-Q2-2011-a.pdf (дата обращения: 21.04.2013).

[11] India FDI in decline overall but regulatory changes could turn things around [Электронный ресурс]. International Consortium of Real Estate Associations, 2013. URL: http://www.worldproperties.com/ru/News/NewsDetail/13-06-05/India_FDI_in_decline_overall_but_regulatory_changes_could_turn_things_around.aspx (дата обращения: 21.06.2013).

[12] Статистика внешнего сектора. Прямые инвестиции в Россию по видам экономической деятельности [Электронный ресурс]. Центральный банк РФ. URL: http://www.cbr.ru/statistics/print.aspx?file=credit_statistics/inv_in-rus.htm&pid=svs&sid=ITM_23050&pid=svs&sid=ITM_12726 (дата обращения: 18.04.2013).

Инвестиции в основной капитал по видам экономической деятельности [Электронный ресурс]. Федеральная служба государственной статистики. URL: http://www.gks.ru/bgd/regl/b11_56/IssWWW.exe/Stg/02-18.htm (дата обращения: 22.04.2013).

[13] Стерник, Г.М., Стерник С.Г., Аракелов С.А., 2010. Итоги кризиса рынка жилья и жилищно-строительной отрасли в России // Финансовая аналитика: проблемы и решения, №7 (31), с. 34-47.

[14] Евстафьев А.И., 2011. Методы анализа и регулирования пространственного развития города: автореферат дис. … канд. экон. наук. Краснодар: Кубанский гос. ун-т.

Евстафьев А.И., Максимов Д.В., 2010. Анализ организации жилищной застройки и рынка жилья города на основе пространственно-параметрического моделирования // Известия вузов “Северо-Кавказский регион”. Ростов н/Д. № 5. С. 112–118.

[15] Застройщики пойдут в скупку. Портал недвижимости Restate.ru [Электронный ресурс]. URL: http://www.restate.ru/material/46797.html (дата обращения: 19.06.2013).

[16] Tentative Signs of a Recovery: the 2013 Construction Hiring and Business Outlook [Электронный ресурс]. The Associated General Contractors of America. URL: http://www.agc.org/galleries/news/2013_Construction_Hiring_and_Business_Outlook_Report.pdf (дата обращения: 19.04.2013).

[17] Зайцева, Е.Ю., 2012. Государственное регулирование инвестиций на рынке недвижимости: на примере паевых инвестиционных фондов: автореферат дис. ... канд. экон. наук. С.-Пб.: С.-Петерб. гос. инженер.-эконом. ун-т.

[18] Doler, K., 2013. Real Estate Boomerang: From Bust To Sellers' Market? [Электронный ресурс] // Investors Business Daily. URL: http://news.investors.com/business-inside-real-estate/041113-651568-real-estate-shows-signs-of-a-home-sellers-market.htm?ven=rss (дата обращения: 19.06.2013).

Christie, L., 2013. Boomerang Buyers Return to Market after Foreclosure [Электронный ресурс] // Cable News Network: сетевой журн. URL: http://money.cnn.com/2013/03/11/real_estate/foreclosure-homes/index.html (дата обращения: 19.06.2013).

[19] Rising FDI into China: the Facts behind the Numbers: UNCTAD Investment Brief [Электронный ресурс]. Investment Issues Analysis Branch of UNCTAD, 2007. URL: http://unctad.org/en/Docs/iteiiamisc20075_en.pdf (дата обращения: 19.04.2013).

Опубликовано в журнале «Урбанистика и рынок недвижимости», 2014, №2, с. 31-49.

Новая методика оценки доступности жилья для населения

Стерник Геннадий Моисеевич,

профессор кафедры «Управление проектами и программами»

РЭУ им. Г.В. Плеханова

Стерник Сергей Геннадьевич,

профессор кафедры управления недвижимостью и проблем землепользования

РАНХиГС, д.э.н., профессор

Апальков Александр Александрович,

аспирант

Аннотация

Рассмотрена эволюция методов оценки доступности жилья для населения, включая стандартную международную методику ХАБИТАТ ООН, базовую методику Госстроя, применяемую в официальных документах в РФ, и опубликованные в научных работах модификации. Выбрана методика-прототип, в наибольшей степени отвечающая современным требованиям, и произведено ее усовершенствование с учетом накопленного опыта. Подготовлены исходные данные и произведен расчет показателей доступности жилья на примере квартир в строящихся жилых домах Москвы в 2012 году (без учета и с учетом ипотечной поддержки). Показано отличие результатов оценки доступности по новой методике от полученных по базовой методике.

The evolution of methods for assessing the affordability of housing for the population, including standard international methodology HABITAT UN, State Construction Committee of basic methodology applied in official documents in Russian and published in scientific papers modification. Chosen method prototype that best meets modern requirements, and made ​​its improvement based on experience. Prepared the original data and a calculation of the availability of housing for example, apartments in newly constructed residential buildings in Moscow in 2012 (excluding mortgage and taking into account support). Illustrates the difference between the results obtained from the assessment of access to basic technique.

Ключевые слова

Доступность жилья,

показатели оценки доступности,

коэффициент доступности,

доля населения, которой жилье доступно,

стандартная, базовая и модифицированная методика расчета коэффициента доступности,

усовершенствованная методика оценки доступности жилья,

оценка доступности без учета и с учетом ипотечной поддержки.

Проблема обеспечения доступности качественного и комфортного жилья для населения России становится все более актуальной, и вместе с тем в научных публикациях последнего времени вновь обсуждаются разнообразные подходы к оценке этой доступности /1-5, 7, 12 и др./. На наш взгляд, это свидетельствует о недостаточной удовлетворенности специалистов методикой расчета коэффициента доступности жилья, восходящей к стандартной методике Организации ООН по развитию городов (ХАБИТАТ ООН, 1947 г.).

Целью настоящей работы является рассмотрение положений стандартной методики и вариантов ее практической реализации в РФ для повышения точности расчетов и информационной полноты оценки доступности жилья для населения.

Некоторые особенности стандартной методики ХАБИТАТ ООН. Согласно стандартной методике, оценка доступности жилья производится с помощью коэффициента доступности Кд и используется для межстрановых сопоставлений уровня жизни населения. Он рассчитывается как отношение средней (медианной) цены типовой квартиры к совокупному годовому доходу среднего (медианного) домохозяйства и показывает число лет, в течение которого семья может накопить из текущих доходов сумму, необходимую для приобретения квартиры.

Существует общепринятая классификация рынков с точки зрения доступности жилья (табл. 1).

Таблица 1. Классификация рынков жилья по критерию доступности

Категория рынка

Значение Кд

Жилье доступно (affordable)

До 3 лет

Жилье не очень доступно (moderately unaffordable)

От 3 до 4 лет

Приобретение жилья серьезно осложнено (seriously unaffordable)

От 4 до 5 лет

Жилье существенно недоступно (severely unaffordable)

Более 5 лет

Источник: www.demographia.com.

Под типовой квартирой понимается квартира (unit), общая площадь которой равна значению средней для данной страны обеспеченности населения жильем (в восточноевропейских странах - 30, в западноевропейских – 40, в США – 70 кв. м на человека), умноженному на средний размер домохозяйства (рис. 1).

Источник: Росстат, Housing statistics in the European Union 2004.

Рисунок 1. Средний размер жилья в России и странах ЕС, кв. м

Таким образом, коэффициент доступности жилья для населения Кд согласно стандартной методике рассчитывается в зависимости от четырех переменных, выраженных средними (медианными) для данной страны значениями: цены 1 кв. м жилья, размера (общей площади) квартиры согласно сложившемуся уровню обеспеченности населения жильем, годового душевого дохода, размера (числа членов) домохозяйства.

Отличия базовой методики, используемой в официальных документах РФ, от стандартной методики. С самого начала рыночных преобразований в России американские и отечественные ученые проводили исследования, направленные на оценку доступности жилья для населения РФ. В частности, в работе Института экономики города, Вашингтон /6/ предложено использовать в качестве типовой квартиру размером 54 кв. м, что соответствовало не норме обеспеченности населения жильем (в то время она равнялась 14-15 кв. м на человека), а социальной норме предоставления субсидий на приобретение жилья (по 18 кв. м на человека) семье из трех человек (согласно Положению Совета Министров от декабря 1993 г. № 1278).

Именно эти переменные были заложены в дальнейшем в методику (назовем ее «базовой») Госстроя и Минрегиона РФ при формировании целевых показателей Госпрограмм «Жилище», в Стратегии развития жилищного строительства до 2020 года, в программе «Доступное жилье – гражданам России» и в других официальных документах, а также используются повсеместно в научных исследования и публикациях /7, 8, 11, 12/.

Стандартная методика (международная) и ее базовая модификация (в России) широко используются для оценки доступности жилья в разрезе регионов и городов /8, 9, 11, 14/, а в работе /12/ - и административных округов Москвы. Такая территориальная дифференциация Кд вполне объяснима с учетом существенных различий в доходах населения и ценах на жилье между городами и регионами. К сожалению, в отличие от зарубежных исследований, где варьируется медианный доход домохозяйства, т.е. душевой доход и размер домохозяйства, и полная цена квартиры, т. е. удельная цена и размер квартиры (рис. 2), в большинстве отечественных работ из четырех переменных варьируются лишь средний душевой доход и средняя удельная цена, а размер квартиры и размер домохозяйства оставляются в большинстве работ на уровне, заданном в базовой методике – 54 кв. м и 3,0 человека (рис. 3). Исключение составляет лишь работа /17/.

Источник: /9/, UN Habitat, 3rd Annual Demographia International Housing Affordability Survey.

Рис. 2. Коэффициент доступности жилья в США в 2006 г.

Источник: /15/, расчеты авторов по данным Росстата

Рис. 3. Коэффициент доступности жилья в различных федеральных округах РФ в октябре 2006 г. (без учета ипотечной поддержки)

Дальнейшая эволюция методики расчета Кд. В 2000 году в работе Фонда «Институт экономики города» /8/ предложена модификация базовой методики, в которой учтена стоимость годовых текущих расходов на все потребности семьи в виде годового прожиточного минимума семьи:

(1)

где - годовой прожиточный минимум семьи.

Однако, приведенная формула не отражает возможность полного отсутствия накоплений у граждан, когда годовой доход меньше или равен минимальным потребительским расходам. В связи с этим в 2006 году в работе /13/ была предложена модификация этой формулы в виде, показывающем, что при невыполнении условия «доходы больше расходов» Кд стремится к бесконечности:

при I > ПМ,

иначе Кд = ∞. (2)

Далее, в той же работе /13/ рассмотрена возможность учета стоимости имеющейся квартиры при улучшении жилищных условий (альтернативные сделки), тогда в числителе формулы (2) величина S принимает вид

S = (Sн – Sи) . P , (3)

где Sн – площадь новой (приобретаемой) квартиры, кв. м;

Sи – площадь имеющегося жилья, кв. м (принято допущение о равенстве удельной стоимости приобретаемого и имеющегося жилья).

Следующим шагом в развитии методики расчета Кд стал предложенный в работе /13/ и реализованный в /17/ переход от использования средних по территории доходов и средних по рынку удельных цен к дифференцированным по доходности группам населения (децильным, квинтильным и любым доступным в статистике) и к дифференцированным по классу качества размерам квартир и средним удельным ценам. Такой подход опирается на определение понятия «доступное жилье», сформулированное в работе /13/: «доступное жилье – это жилье, которое семья может приобрести по рыночной стоимости, используя свои сбережения, накопленные из своих текущих доходов за разумный период времени (возможно, с учетом стоимости имеющейся квартиры) при необходимом уровне текущих расходов, 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».

Известно, что в экономической теории установлена закономерность изменения структуры расходов домохозяйств при возрастании их дохода, известная как закон Энгеля: по мере роста дохода каждое домохозяйство начинает тратить на потребление меньшую долю доходов, и большую долю - сберегать. В связи с этим необходимо формулу (2/3) применять не только для расчета среднего коэффициента доступности жилья в стране, но и дифференцированно для различных регионов и групп населения по доходу (рис. 5).

<


Источник: /16, 17/

Рис. 4

Необходимо отметить, что в работе /17/ дифференциация населения по доходам осуществлена путем экспертного формирования диапазона доходов, соответствующего «классам населения» (малообеспеченный, средний, высокообеспеченный, элита – рис. 5).

Источник: /20/

Рис. 5. Распределение среднедушевых доходов в Москве (2007 г.)

В дальнейшем в ряде работ /7, 12 и др./ доходы населения дифференцируются не по экспертным решениям, а на основе децильных или иных доходных групп, представляемых Росстатом. Переход в настоящей статье к дифференциации по статистическим данным рассматривается как одно из направлений совершенствования методики расчета Кд.

Оценка доступности жилья по двум показателям. В 2000 году в работах Фонда «Институт экономики города» /8/ было предложено наряду с Кд использовать при оценке доступности второй показатель – долю населения, которой жилье доступно с учетом возможности получения ипотечного кредита (индекс возможности приобретения жилья с кредитом HАI – Housing affordability index).

Индекс возможности приобретения жилья с кредитом показывает соотношение доходов среднестатистического домохозяйства с доходами, которые необходимо иметь для приобретения стандартной квартиры с помощью ипотечного кредита, выдаваемого на стандартных условиях. Значение показателя в 100% означает, что среднестатистическая семья имеет доходы, в точности соответствующие необходимым доходам для приобретения стандартной квартиры с помощью ипотечного кредита (рис. 6). Если индекс возможности приобретения жилья с кредитом меньше 100%, то среднестатистическое домохозяйство не в состоянии приобрести стандартную квартиру.

,

где – величина ипотечного кредита.

Источник: /10/, ИЭГ по данным Росстата

Рис. 6. Картограмма индекса возможности приобретения жилья с кредитом в России (II кв. 2005 г.)

В работе /13/ показано, что переход от расчета коэффициента доступности к другому индикатору – доле накоплений (с учетом кредита) в стоимости квартиры - исключает возможность оценки влияния кредита на коэффициент доступности жилья, т.е. расчет первого (стандартного) показателя Кд. Кроме того, формула учитывает только одну составляющую кредита – размер ссуды, но не учитывает необходимость обслуживания кредита (размер годовых выплат по кредиту). Тем не менее, учет ипотечной поддержки при оценке доступности жилья для населения является важным методическим достижением и должен быть сохранен.

В связи с этим в работе /13/ для расчета коэффициента доступности жилья с учетом кредита предложена следующая модель:

(3)

при , (4)

иначе ,

где - стоимость типовой квартиры, тыс. руб.;

- площадь квартиры, кв. м;

- удельная цена квартиры, тыс. руб./кв. м;

– доля первоначального взноса в стоимости квартиры, %;

– дополнительные затраты заемщика при получении кредита, руб.;

– сумма ежемесячных выплат по обслуживанию кредита, руб.;

– срок кредитования, лет;

– годовая ставка кредита, %.

В формуле (4) использовано стандартное ограничение банковского андеррайтинга «ежемесячные выплаты по кредиту не должны превышать 40% от доходов семьи».

Экономический смысл числителя состоит в том, что гражданин, накопивший определенную долю от стоимости квартиры (по различным банковским программам – от 10 до 30%), с помощью ипотечного кредита сразу получает ее в собственность.

Экономический смысл условия (4) состоит в том, что при превышении расчетного годового платежа за кредит над текущим (ожидаемым) годовым доходом семьи покупатель не получит кредит в банке.

В свою очередь, выплаты по кредиту зависят от срока кредитования (в настоящее время предлагается от 5 до 30 лет) и ставки кредита (сегодня – от 10 до 15%). По опыту многих банков, в России пока нет спроса на кредиты с плавающей ставкой, заемщики предпочитают выплачивать равные ежемесячные взносы.

Размер ежемесячных равных взносов определяется по формуле:

PMT = (B0 j/m) / (1 - 1 / (1+jmmn )) , (5)

где - размер ежемесячного платежа по ссуде;

- размер ипотечной ссуды;

- номинальная годовая ставка процента;

- число начислений/ выплат в год (m=12);

- срок погашения ссуды в годах.

Таким образом, модель оценки доступности жилья для населения, предложенная в работе /13/ и реализованная в /17/, наиболее полно учитывает все факторы, формирующие коэффициент доступности. Однако, порядок расчета второго показателя – доли населения, которой жилье доступно (как без ипотеки, так и с ипотечной поддержкой), в этих работах не приведен, и его разработка является одной из задач настоящей статьи.

Одновременно должен быть уточнен порядок формирования классов качества жилья, влияющий на среднюю площадь квартир и среднюю удельную цену в каждом классе, в связи с разработкой в 2011 году «Единой методики классифицирования строящихся жилых домов по потребительскому классу (качеству)» /18/.

Среднеарифметические показатели vs медианных. В базовой методике расчет коэффициента доступности жилья ведется не для медианных, а для среднеарифметических значений душевого дохода и цены 1 кв. м жилья. Этот аспект вызвал возражения в некоторых научных работах /1, 2/ в связи с тем, что расчет по среднеарифметическим, а не медианным доходам, по мнению авторов, существенно (до 70%) завышает оценку доступности жилья для населения. В связи с этим необходимо разобраться с реальным положением дел.

Известно, что распределение доходов населения асимметрично, и медианные доходы всегда ниже среднеарифметических (рис. 7).


Источник: расчеты автора по данным Росстата

Рис. 7.

Из данных рис. 7 следует, что медианный доход в Москве в 2012 году составлял около 28 тыс. руб. При этом средний арифметический доход был равен 48,6 тыс. руб., т.е. превышал медианный на 74%.

Вместе с тем, распределение удельной цены квартир также асимметрично (рис. 8).

Источник: база данных ООО Sterniks Consulting

Рис. 8

Из данных рис. 8 следует, что медианная удельная цена предложения жилья в Москве в 2012 году составила 155,4 тыс. руб./кв. м. При этом среднеарифметическая цена составила 202,6 тыс. руб./кв. м, т.е. превышала медианную на 30,4%.

Следовательно, использование среднеарифметических значений душевых доходов и цен вместо медианных вносит в расчет коэффициента доступности жилья погрешность, равную 44,2%. Такой результат весом, но не критичен – неопределенность в оценке нелегальных доходов и другие допущения еще более снижают точность оценки. Тем не менее, существует способ устранить данную погрешность, который позволяет отказаться от использования как средних арифметических, так и средних медианных доходов и цен. Он связан с введением дифференциации групп населения по доходам и удельных цен – по различным классам качества жилья, как это сделан в работе /17/. Впоследствии подобный подход частично применялся и в других работах /7, 12 и др./, но дифференциация проводилась либо по доходным группам населения, при этом размер квартиры оставался равным 54 кв. м, либо по размеру квартир (по числу комнат), при этом доходы принимались средними по РФ (либо по городу Москве). В результате погрешность, связанная с использованием среднеарифметических доходов и цен вместо медианных, не могла быть устранена.

Таким образом, методика, приведенная в работе /17/, в настоящей статье использована как прототип, подлежащий совершенствованию в следующих направлениях:

- переход от дифференциации населения по уровню дохода в соответствии с экспертными оценками «класса населения» к дифференциации на основе статистических данных о децильных, квинтильных или иных доходных группах, представляемых Росстатом;

- переход от использования средних по рынку удельных цен к дифференцированным по классу качества (средним удельным ценам и размерам квартир) для расчета Кд каждой из групп населения;

- переход от экспертного сопоставления каждому «классу населения» одного класса качества жилья к расчетному выбору соответствия «группа населения по доходам – объект наилучшего класса, доступный данной группе».

- переход от оценки доступности жилья по одному показателю к оценке по двум и разработка порядка расчета второго показателя – доли населения, которой жилье доступно (как без учета ипотеки, так и с учетом ипотечной поддержки);

- уточнение порядка формирования классов качества жилья, влияющего на среднюю площадь квартир и среднюю удельную цену в каждом классе, в связи с разработкой в 2011 году «Единой методики классифицирования строящихся жилых домов по потребительскому классу (качеству)» /18/.

Усовершенствованная методика оценки доступности жилья для населения. Методика включает следующие этапы (без учета и с учетом ипотечной поддержки).

1)     Для каждой из выделенных доходных групп населения рассчитывается по формулам (2)-(5) показатель Кд в двух вариантах (без учета и с учетом ипотечной поддержки) по каждому из классов качества жилья, включая случай альтернативных сделок.

2)     Если Кд по всем группам превышает значение 3,0 года, то фиксируется наименьшее значение. Если Кд по одной или нескольким группам укладывается в заданное ограничение (жилье доступно), то варианты недоступного жилья отбрасываются, а по остальным фиксируется наибольшее значение.

3)     Рассчитывается средневзвешенное по доле населения в группе значение Кд для каждой группы.

4)     Рассчитывается средневзвешенное значение Кд по всем размерам/классам для объектов наилучшего класса, доступных данной группе.

5)     Рассчитывается по каждому объекту конкретного размера/класса доля населения, которой жилье доступно, как сумма долей каждой из групп с Кд =< 3,0.

6)     Рассчитывается по совокупности объектов наилучшего класса, доступных данной группе, доля населения города, которой жилье доступно, как сумма долей каждой группы (за исключением групп с Кд = .

7)     Для сравнения рассчитывается Кд по базовой методике.

Расчет показателей доступности жилья для населения Москвы в 2012 году и интерпретация результатов. Исходные данные для расчета приведены в табл. 2-4.

Таблица 2. Данные о населении в Москве (2012 г.)

показатель

значение

источник

Численность населения, чел.

11980

[21]

Средний размер домохозяйства, чел.

2,6

[21]

Среднемесячный денежный душевой доход, руб./чел. в месяц

48621,6

[21]

Прожиточный минимум, руб./чел. в месяц

9747

[27]

Распределение населения по доходам

№ группы

Диапазон доходов, тыс. руб.

Доля населения в группе, %

Средний доход,

тыс. руб.

[21]

1

до 10

11,4

5,0

2

до 20

19,2

15,0

3

до 30

24,9

25,0

4

до 40

11,3

35,0

5

до 50

6,3

45,0

6

до 70

9,5

60,0

7

до 90

5,5

80,0

8

до 150

6,7

125,0

9

до 250

4,2

255,0

10

св. 250

1,0

750,0

Таблица 3. Данные об объектах недвижимости по классам качества

показатели

объекты

По всем классам

Комната эконом-класса*

Комната комфорт-класса*

Квартира эконом-класса

Квартира комфорт-класса

Квартира бизнес-класса

Квартира элитного класса

Номер объекта

0

1

2

3

4

5

6

средняя площадь комнаты/квартиры на первичном рынке, кв. м

75,0

18,0

18,0

50,0

60,0

110,0

160,0

Средняя удельная цена в декабре на первичном рынке, тыс. руб./кв. м

239,5

122,9

170,8

122,9

170,8

209,9

420,0

Примечание: * Средняя площадь жилья, приобретаемого в альтернативных сделках (разность площади приобретаемой квартиры и собственного жилья).

Источник: ООО Sterniks Consulting.

Таблица 3. Среднестатистические данные об условиях ипотеки в Москве в 2012 году

показатели

обозначение

Значение

источник

Годовая ставка кредита, %

j

12,5

[22]

Срок кредитования, лет

n

17,0

[23]

Доп. расходы от стоимости квартиры, %

2,5

[24]

Доля первоначального взноса от стоимости квартиры, %

αпв

30,0

[25]

Максимальная доля годового дохода семьи, допускаемая банковским андеррайтингом для выдачи кредита, %

Аб

40%

[26]

Результаты расчетов по новой методике в варианте без ипотеки приведены в табл. 4 /28/.

Таблица 4. Результаты расчета показателей оценки доступности жилья для населения Москвы в 2012 году (без учета ипотечной поддержки)

Вариант расчета и показатель

Доля населения в группе, %

Кд для номера объекта

Номер объекта

1

2

3

4

5

6

объект наилучшего класса, доступный данной группе

Кд, лет

по базовой методике

100

-

-

-

-

-

-

-

11,3

Группа 1

10,9

нет

Группа 2

18,6

13,5

18,8

37,5

62,5

140,9

410

1

13,5

Группа 3

24,6

4,6

6,5

12,9

21,5

48,5

141,2

1

4,6

Группа 4

11,0

2,8

3,9

7,8

13,0

29,3

85,3

1

2,8

Группа 5

6,0

2,0

2,8

5,6

9,3

21,0

61,1

2

2,8

Группа 6

9,5

1,4

2,0

3,9

6,5

14,7

42,9

2

2,0

Группа 7

5,5

1,0

1,4

2,8

4,7

10,5

30,7

3

2,8

Группа 8

6,7

0,6

0,9

1,7

2,8

6,4

18,7

4

2,8

Группа 9

4,2

0,3

0,5

1,0

1,6

3,0

10,5

5

3,0

Группа 10

1,0

0,1

0,1

0,3

0,4

1,0

2,9

6

2,9

Средневзвешенный Кд

-

4,8

6,8

13,5

22,5

50,7

147,6

По всем классам

5,5 года

Суммарная доля населения, которой жилье доступно, %

-

43,9

22,9

17,4

11,9

5,2

1,0

По всем классам - 43,9%

Из приведенных в табл. 4 данных следует, что Кд, рассчитанный по базовой методике (54 кв. м, 3 человека, ПМ = 0), для москвичей в 2012 году равен 11,3 года (жилье существенно недоступно - severely unaffordable). Доля населения, которой приобретение жилья за собственные средства (без учета ипотеки) доступно, по базовой методике не определяется.

При расчете по усовершенствованной методике (дифференциация по доходным группам и классу качества жилья, 2,6 человека, ПМ = 9747 руб./месяц на человека) для отдельных групп населения получены следующие результаты:

- для группы 1 (10,9% населения Москвы) выход на рынок и приобретение любого жилья за собственные средства принципиально невозможно – доходы не превышают величину прожиточного минимума, Кд = ∞;

- для групп 2 (18,6%) и 3 (24,6%) ограниченно доступно улучшение жилищных условий (обмен меньшей квартиры эконом-класса на большую) – соответственно Кд = 13,5 лет (жилье существенно недоступно - severely unaffordable) и 4,6 года (приобретение жилья серьезно осложнено - seriously unaffordable);

- для группы 4 (11,6% населения) обмен меньшей квартиры эконом-класса на большую доступен (affordable) – Кд = 2,8 года;

- для групп 5 (6,0% населения) и 6 (9,5%) доступен обмен меньшей квартиры на большую в комфорт-классе – Кд = 2,8 и 2,0 года соответственно;

- для групп 7 (5,5% населения) и 8 (6,7%) доступно приобретение квартир в прямой сделке – соответственно эконом-класса (Кд = 2,8 года) и комфорт-класса (Кд = 2,8 года);

- для группы 9 (4,2%) доступно приобретение квартиры бизнес-класса – Кд = ???;

- для группы 10 (1,0%) доступно приобретение квартиры элитного класса – Кд = 2,9.

Средневзвешенный (без учета группы 1) Кд для объектов наилучшего класса, доступного данной группе, составляет 5,5 года.

Суммарная доля населения, которой доступно жилье соответствующего размера и качества, составляет:

- для комнаты эконом-класса – 43,9%;

- для комнаты комфорт-класса – 22,9%;

- для квартиры эконом-класса – 17,4%;

- для квартиры комфорт-класса – 11,9%;

- для квартиры бизнес-класса – 5,2;

- для квартиры элитного класса - 1,0%;

- по всем классам – 43,9%.

Таким образом, расчет по усовершенствованной методике показывает, что приобретение за собственные средства жилья такого размера и качества, который может себе позволить потребитель в соответствии с его финансовыми ресурсами, доступно для 43,9% москвичей, средневзвешенный (без учета группы 1) коэффициент доступности составляет 5,5 года.

Результаты расчетов показателей доступности с учетом ипотечной поддержки приведены в табл. 5-6.

Таблица 5. Результаты расчета месячного платежа и выполнения условий банковского андеррайтинга для населения Москвы в 2012 году

Группа населения

Доля населения в группе, %

Показатели

Номер объекта

1

2

3

4

5

6

Для каждой группы

-

РМТ, тыс. руб.

18346

25 496

50961

84987

190 658

557 295

1

11,4

Условие (6)

0,4 I > 12PMT

не вып

не вып

не вып

не вып

не вып

не вып

2

19,2

не вып

не вып

не вып

не вып

не вып

не вып

3

24,9

вып

вып

не вып

не вып

не вып

не вып

4

11,3

вып

вып

вып

не вып

не вып

не вып

5

6,3

вып

вып

вып

вып

не вып

не вып

6

9,5

вып

вып

вып

вып

не вып

не вып

7

5,5

вып

вып

вып

вып

не вып

не вып

8

6,7

вып

вып

вып

вып

вып

не вып

9

4,2

вып

вып

вып

вып

вып

вып

10

1,0

вып

вып

вып

вып

вып

вып

Суммарная доля населения, которой доступен кредит, %

69,4

69,4

44,5

33,2

11,9

5,2

Приведенные в табл. 5 данные показывают, что группы населения 1 и 2 по своим доходам не могут получить кредит для покупки любого из объектов. Группа 3 может получить кредит на покупку объекта 1 (комната в доме эконом-класса), группы 4 и 5 – объекта 1 и 2 (комната в доме комфорт-класса), группы 6 и 7 – объектов 1, 2 и 3 (квартира эконом-класса), группа 8 – объектов 1, 2, 3. 4 (квартиры в доме комфорт-класса), группы 9 и 10 – всех объектов.

Кредит на покупку объекта 1 может получить 69,4% москвичей, 2 – 44,5%, 3 – 26,9%, 4 – 11,9%, 5 и 6 – по 5,2%.

Для этих групп/объектов необходимо посчитать коэффициент доступности жилья с ипотечной поддержкой Кди, для остальных сохраняется коэффициент доступности Кд. Результаты расчета приведены в табл. 6.

Таблица 6. Выходные результаты расчета показателей оценки доступности жилья для населения Москвы в 2012 году (с учетом ипотеки)

Вариант расчета и показатель

Доля населения в группе, %

Кди для номера объекта, лет

Кди для группы

1

2

3

4

5

6

объект наи лучшего кла сса, доступ ный данной группе

Кди, лет

по базовой методике

100

-

-

-

-

-

-

-

-

Группа 1

11,4

нет

-

Группа 2

19,2

13,5

18,8

37,5

62,5

140,9

410

1

13,5

Группа 3

24,9

1,51

2,1

12,9

21,5

48,5

141,2

2

2,1

Группа 4

11,3

0,91

1,27

2,53

13,0

29,3

85,3

3

2,53

Группа 5

6,3

0,65

0,91

1,82

3,00

21,0

61,1

4

3,00

Группа 6

9,5

0,46

0,64

1,27

2,12

14,7

42,9

4

2,12

Группа 7

5,5

0,33

0,46

0,91

1,52

10,5

30,7

4

1,52

Группа 8

6,7

0,2

0,28

0,56

0,93

2,09

18,7

5

2,09

Группа 9

4,2

0,09

0,13

0,26

0,43

0,98

2,86

6

2,86

Группа 10

1,0

0,03

0,04

0,08

0,14

0,32

0,94

6

0,94

Средневзвешенный Кд

-

3,60

5,01

12,5

21,87

51,83

151,8

По всем классам -

4,7,882 года

Суммарная доля населе ния, которой жилье/ипо тека доступны, %

-

69,4

69,4

44,5

33,2

11,9

5,2

По всем классам -

69,4%

Из данных табл. 6 следует, что ипотечная поддержка повышает класс объекта, который доступен в некоторых группах: для группы 3 (становится доступно приобретение комнаты в доме комфорт-класса), 4 (квартира в доме эконом-класса), 5 (квартира в доме комфорт-класса), 8 (квартира в доме бизнес-класса) и 9 (квартира в элитном доме). При этом коэффициент доступности резко улучшается в группах 3-10. Средневзвешенный коэффициент доступности по всем группам (за исключением группы 1) и классам снизился с 5,5 лет до 4,7 года.

Доля населения, которой жилье с кредитом становится доступным, повышается для объекта 1 с 43,9 до 69,4%, 2 – с 22,9 до 69,4%, 3 – с 17,4 до 44,5%, 4 – с 11,9 до 33,3%, 5 – с 5,2 до 11,9%, 6 – с 1,0 до 5,2%. Суммарная доля населения, которой жилье/ипотека доступны, вырастает с 43,9% до 69,4%.

Таким образом, расчет по усовершенствованной методике показывает, что приобретение за собственные плюс заемные средства на первичном рынке жилья такого размера и качества, который может себе позволить потребитель в соответствии с его финансовыми ресурсами, в том числе с зачетом имеющейся квартиры, доступно для 69,4% москвичей, средневзвешенный (без учета группы 1) коэффициент доступности составляет 4,7 года.

Выводы.

1. Изменения и допущения, внесенные в базовую методику оценки доступности жилья для населения России по сравнению со стандартной международной (размер типовой квартиры 54 кв. м вместо нормы обеспеченности жильем, размер среднего домохозяйства 3,0 человека вместо среднестатистического, средние арифметические значения душевых доходов и удельных цен вместо средних медианных), снижают точность расчетов и не обеспечивают информационную полноту оценки доступности.

2. Многочисленные модификации базовой методики, предложенные в различных научных работах, позволили выбрать методику-прототип, наиболее удовлетворяющую современным требованиям, и с учетом накопленного опыта усовершенствовать ее, исключив ранее принятые допущения и ограничения.

3. Усовершенствованная методика оценки доступности жилья расширяет возможности анализа состояния проблемы как за счет дифференцированного расчета для различных по доходу групп населения и различных по характеристикам (классу качества и размерам) объектов, так и за счет расчета двух показателей – коэффициента доступности и доли населения, которой жилье доступно.

4. Оценка доступности строящегося жилья для населения Москвы по состоянию на 2012 год, произведенная по усовершенствованной методике (без учета ипотечной поддержки, но с зачетом имеющегося жилья), показала, что доля населения, которой доступно жилье размера и качества, соответствующего финансовым возможностям различных доходных групп, составила 43,9%, а коэффициент доступности без учета первой группы равен 5,5 года (по базовой методике коэффициент доступности составил 11,3 года, а доля населения, которой жилье доступно без учета ипотеки, не определяется).

5. Оценка доступности жилья с учетом ипотечной поддержки показала, что в целом доступность жилья существенно выше, чем при расчете по базовой методике: коэффициент доступности снижается с 11,3 года до 4,7 года, доля москвичей, которой доступно жилье соответствующего их доходам размера и качества, составляет 69,4%.

Литература

1. Barker K. Review of Housing Supply. Final report: Recommendations – London, HMSO, 2004 – www.barkerreview.org.uk

2. Greeen R, Malpezzi S. Primer on U.S. Housing market and housing policy, The Urban Institute Press. Washington D.C., 2003.

3. Freeman A, Chaplin R, Whitehead C. “Rental Affordability: A Review of International Literature”, Discussion Paper 88, Property Research Unit Department of Land Economy, University

4. Hancock, K.E. “Can pay? Wont pay?” or Economic Principles of “Affordability”, Urban Studies, Vol 30, No. 1, pp. 127-145, 1993.

of Cambridge, 1997.

5. Schnare A.B., Struyk R.J. “Segmentation in Urban Housing Markets” Journal of Urban Economics 3, 1976.

6. Дженнифер Даниел. Анализ платежеспособного спроса на жилье в Москве. – Институт экономики города (Вашингтон), -М.: 1994. – 17 стр.

7. Иванкина Е.В. Проблемы создания доступного жилья. М.: Механизация строительства, №5, 2012. - (http://frem.ane.ru/about/sotrudniki/dekanat/ivankina_elena_vladimirovna)

8. Косарева Н.Б. Стратегия жилищной политики и развития жилищно-коммунального хозяйства // Материалы сайта Фонда «Институт экономики города» (www.urbaneconomics.ru). - 2000.

9. Косарева Н.Б., Туманов А.А. Об оценке доступности жилья в России // Вопросы экономики, №7, 2007.

10. Косарева Н.Б., Туманов А.А. Развитие ипотечного жилищного кредитования:
способ повышения доступности жилья для населения или фактор роста цен на жилье? (???)

11. Ноздрина Н.Н., Пчелинцев О.С., Стерник Г.М. Цены и доступность жилья в городах России. Журнал РАН «Проблемы прогнозирования» №6 1996, с. 115-138.

12. Ноздрина Н.Н., Шнейдерман И.М. Об оценке доступности жилья на рынке для населения. // Петербургский жилищный Конгресс. Конференция «Анализ и прогноз развития рынка недвижимости и строительства», 30.09-04.10. 2009. — www.gilforum.ru.

13. Стерник Г.М. Доступное жилье – что это такое? – В сб. «Правовые и организационно-экономические основы формирования рынка доступного жилья в Москве». – РЭА им. Г.В.Плеханова (под ред. Стерника Г.М.), - М.: 2006, с. 3-17.

14. Стерник Г.М., Краснопольская А.Н. Определение коэффициента доступности жилья с учетом ипотечной поддержки. – Журнал «Имущественные отношения в РФ», №3 (10), 2007, стр. 43-46.

15. Стерник Г.М., Краснопольская А.Н. Влияние параметров ипотечного кредитования на коэффициент доступности жилья. - Материалы II Петербургского ипотечного форума, 2006. – www.realtymarket.ru.

16. Стерник Г.М., Краснопольская А.Н. Доступность жилья для населения Москвы с различным уровнем доходов с учетом возможности ипотечного кредитования. – Материалы III Петербургского ипотечного форума, 2008. – www.realtymarket.ru.

17. Стерник Г.М., Краснопольская А.Н. Разработка методики многофакторной оценки доступности жилой недвижимости. – «Имущественные отношения в Российской Федерации», 2009, № 1, стр. 26-38.

18. 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.

19. Косарева Н.Б., Туманов А.А. Доступно ли россиянам жилье? - Демоскоп Weekly №307-308 29.10 – 11.11, 2007. http://demoscope.ru/weekly/2007/0307/tema04.php.

20. Краснопольская А.Н. Разработка методики многофакторной оценки доступности жилой недвижимости. – Автореферат диссертации (н,р. Стерник Г.М.). – РЭА им. Г.В.Плеханова, 2007.

21. Федеральная служба государственной статистики. Россия в цифрах. 2013: крат. стат. сб./Росстат-М., Р76 2013 (с 93, табл. 5.4), (с. 138, табл. 7.9).

www.gks.ru/free_doc/new_site/population/urov/urov_11sub.htm

www.gks.ru/free_doc/new_site/ perepis2010/croc/vol6pdf-m.html

22. Финансовый департамент. www.fd7.ru/srednyaya-procentnaya-stavka-po-kreditam-2013/

23. РосБизнесКонсалтинг. www.rbc.ru/rbcfreenews/20121019201328.shtml

24. PRO Недвижимость. www.pro-n.ru/mortgage/banks.html

25. И-п-о-т-е-к-а.ру | интернет-журнал об ипотеке в Москве и России.

www.i-p-o-t-e-k-a.ru/start/s-chego-nachat-ipoteku/pervonachalniy-vznos-ipoteka.html

26. Агенство по ипотечному жилищному кредитованию. www.ahml.ru/

27. Петербургский правовой портал 1997 – 2013. ppt.ru/info/?id=4

28. Стерник Г.М., Апальков А.А. Развитие методики оценки доступности жилья для населения. – «Имущественные отношения в Российской Федерации» №4, 2014.

Стерник Г.М., Стерник С.Г., Апальков А.А. Новая методика оценки доступности жилья для населения

(Урбанистика и рынок недвижимости. – 2014. - №2. – С. 31-49)
Категория: методические материалы

Опубликовано в журнале «Урбанистика и рынок недвижимости», 2014, №2, с. 31-49.

Новая методика оценки доступности жилья для населения

Стерник Геннадий Моисеевич,

профессор кафедры «Управление проектами и программами»

РЭУ им. Г.В. Плеханова

Стерник Сергей Геннадьевич,

профессор кафедры управления недвижимостью и проблем землепользования

РАНХиГС, д.э.н., профессор

Апальков Александр Александрович,

аспирант

Аннотация

Рассмотрена эволюция методов оценки доступности жилья для населения, включая стандартную международную методику ХАБИТАТ ООН, базовую методику Госстроя, применяемую в официальных документах в РФ, и опубликованные в научных работах модификации. Выбрана методика-прототип, в наибольшей степени отвечающая современным требованиям, и произведено ее усовершенствование с учетом накопленного опыта. Подготовлены исходные данные и произведен расчет показателей доступности жилья на примере квартир в строящихся жилых домах Москвы в 2012 году (без учета и с учетом ипотечной поддержки). Показано отличие результатов оценки доступности по новой методике от полученных по базовой методике.

The evolution of methods for assessing the affordability of housing for the population, including standard international methodology HABITAT UN, State Construction Committee of basic methodology applied in official documents in Russian and published in scientific papers modification. Chosen method prototype that best meets modern requirements, and made ​​its improvement based on experience. Prepared the original data and a calculation of the availability of housing for example, apartments in newly constructed residential buildings in Moscow in 2012 (excluding mortgage and taking into account support). Illustrates the difference between the results obtained from the assessment of access to basic technique.

Ключевые слова

Доступность жилья,

показатели оценки доступности,

коэффициент доступности,

доля населения, которой жилье доступно,

стандартная, базовая и модифицированная методика расчета коэффициента доступности,

усовершенствованная методика оценки доступности жилья,

оценка доступности без учета и с учетом ипотечной поддержки.

Проблема обеспечения доступности качественного и комфортного жилья для населения России становится все более актуальной, и вместе с тем в научных публикациях последнего времени вновь обсуждаются разнообразные подходы к оценке этой доступности /1-5, 7, 12 и др./. На наш взгляд, это свидетельствует о недостаточной удовлетворенности специалистов методикой расчета коэффициента доступности жилья, восходящей к стандартной методике Организации ООН по развитию городов (ХАБИТАТ ООН, 1947 г.).

Целью настоящей работы является рассмотрение положений стандартной методики и вариантов ее практической реализации в РФ для повышения точности расчетов и информационной полноты оценки доступности жилья для населения.

Некоторые особенности стандартной методики ХАБИТАТ ООН. Согласно стандартной методике, оценка доступности жилья производится с помощью коэффициента доступности Кд и используется для межстрановых сопоставлений уровня жизни населения. Он рассчитывается как отношение средней (медианной) цены типовой квартиры к совокупному годовому доходу среднего (медианного) домохозяйства и показывает число лет, в течение которого семья может накопить из текущих доходов сумму, необходимую для приобретения квартиры.

Существует общепринятая классификация рынков с точки зрения доступности жилья (табл. 1).

Таблица 1. Классификация рынков жилья по критерию доступности

Категория рынка

Значение Кд

Жилье доступно (affordable)

До 3 лет

Жилье не очень доступно (moderately unaffordable)

От 3 до 4 лет

Приобретение жилья серьезно осложнено (seriously unaffordable)

От 4 до 5 лет

Жилье существенно недоступно (severely unaffordable)

Более 5 лет

Источник: www.demographia.com.

Под типовой квартирой понимается квартира (unit), общая площадь которой равна значению средней для данной страны обеспеченности населения жильем (в восточноевропейских странах - 30, в западноевропейских – 40, в США – 70 кв. м на человека), умноженному на средний размер домохозяйства (рис. 1).

Источник: Росстат, Housing statistics in the European Union 2004.

Рисунок 1. Средний размер жилья в России и странах ЕС, кв. м

Таким образом, коэффициент доступности жилья для населения Кд согласно стандартной методике рассчитывается в зависимости от четырех переменных, выраженных средними (медианными) для данной страны значениями: цены 1 кв. м жилья, размера (общей площади) квартиры согласно сложившемуся уровню обеспеченности населения жильем, годового душевого дохода, размера (числа членов) домохозяйства.

Отличия базовой методики, используемой в официальных документах РФ, от стандартной методики. С самого начала рыночных преобразований в России американские и отечественные ученые проводили исследования, направленные на оценку доступности жилья для населения РФ. В частности, в работе Института экономики города, Вашингтон /6/ предложено использовать в качестве типовой квартиру размером 54 кв. м, что соответствовало не норме обеспеченности населения жильем (в то время она равнялась 14-15 кв. м на человека), а социальной норме предоставления субсидий на приобретение жилья (по 18 кв. м на человека) семье из трех человек (согласно Положению Совета Министров от декабря 1993 г. № 1278).

Именно эти переменные были заложены в дальнейшем в методику (назовем ее «базовой») Госстроя и Минрегиона РФ при формировании целевых показателей Госпрограмм «Жилище», в Стратегии развития жилищного строительства до 2020 года, в программе «Доступное жилье – гражданам России» и в других официальных документах, а также используются повсеместно в научных исследования и публикациях /7, 8, 11, 12/.

Стандартная методика (международная) и ее базовая модификация (в России) широко используются для оценки доступности жилья в разрезе регионов и городов /8, 9, 11, 14/, а в работе /12/ - и административных округов Москвы. Такая территориальная дифференциация Кд вполне объяснима с учетом существенных различий в доходах населения и ценах на жилье между городами и регионами. К сожалению, в отличие от зарубежных исследований, где варьируется медианный доход домохозяйства, т.е. душевой доход и размер домохозяйства, и полная цена квартиры, т. е. удельная цена и размер квартиры (рис. 2), в большинстве отечественных работ из четырех переменных варьируются лишь средний душевой доход и средняя удельная цена, а размер квартиры и размер домохозяйства оставляются в большинстве работ на уровне, заданном в базовой методике – 54 кв. м и 3,0 человека (рис. 3). Исключение составляет лишь работа /17/.

Источник: /9/, UN Habitat, 3rd Annual Demographia International Housing Affordability Survey.

Рис. 2. Коэффициент доступности жилья в США в 2006 г.

Источник: /15/, расчеты авторов по данным Росстата

Рис. 3. Коэффициент доступности жилья в различных федеральных округах РФ в октябре 2006 г. (без учета ипотечной поддержки)

Дальнейшая эволюция методики расчета Кд. В 2000 году в работе Фонда «Институт экономики города» /8/ предложена модификация базовой методики, в которой учтена стоимость годовых текущих расходов на все потребности семьи в виде годового прожиточного минимума семьи:

(1)

где - годовой прожиточный минимум семьи.

Однако, приведенная формула не отражает возможность полного отсутствия накоплений у граждан, когда годовой доход меньше или равен минимальным потребительским расходам. В связи с этим в 2006 году в работе /13/ была предложена модификация этой формулы в виде, показывающем, что при невыполнении условия «доходы больше расходов» Кд стремится к бесконечности:

при I > ПМ,

иначе Кд = ∞. (2)

Далее, в той же работе /13/ рассмотрена возможность учета стоимости имеющейся квартиры при улучшении жилищных условий (альтернативные сделки), тогда в числителе формулы (2) величина S принимает вид

S = (Sн – Sи) . P , (3)

где Sн – площадь новой (приобретаемой) квартиры, кв. м;

Sи – площадь имеющегося жилья, кв. м (принято допущение о равенстве удельной стоимости приобретаемого и имеющегося жилья).

Следующим шагом в развитии методики расчета Кд стал предложенный в работе /13/ и реализованный в /17/ переход от использования средних по территории доходов и средних по рынку удельных цен к дифференцированным по доходности группам населения (децильным, квинтильным и любым доступным в статистике) и к дифференцированным по классу качества размерам квартир и средним удельным ценам. Такой подход опирается на определение понятия «доступное жилье», сформулированное в работе /13/: «доступное жилье – это жилье, которое семья может приобрести по рыночной стоимости, используя свои сбережения, накопленные из своих текущих доходов за разумный период времени (возможно, с учетом стоимости имеющейся квартиры) при необходимом уровне текущих расходов, 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».

Известно, что в экономической теории установлена закономерность изменения структуры расходов домохозяйств при возрастании их дохода, известная как закон Энгеля: по мере роста дохода каждое домохозяйство начинает тратить на потребление меньшую долю доходов, и большую долю - сберегать. В связи с этим необходимо формулу (2/3) применять не только для расчета среднего коэффициента доступности жилья в стране, но и дифференцированно для различных регионов и групп населения по доходу (рис. 5).

<


Источник: /16, 17/

Рис. 4

Необходимо отметить, что в работе /17/ дифференциация населения по доходам осуществлена путем экспертного формирования диапазона доходов, соответствующего «классам населения» (малообеспеченный, средний, высокообеспеченный, элита – рис. 5).

Источник: /20/

Рис. 5. Распределение среднедушевых доходов в Москве (2007 г.)

В дальнейшем в ряде работ /7, 12 и др./ доходы населения дифференцируются не по экспертным решениям, а на основе децильных или иных доходных групп, представляемых Росстатом. Переход в настоящей статье к дифференциации по статистическим данным рассматривается как одно из направлений совершенствования методики расчета Кд.

Оценка доступности жилья по двум показателям. В 2000 году в работах Фонда «Институт экономики города» /8/ было предложено наряду с Кд использовать при оценке доступности второй показатель – долю населения, которой жилье доступно с учетом возможности получения ипотечного кредита (индекс возможности приобретения жилья с кредитом HАI – Housing affordability index).

Индекс возможности приобретения жилья с кредитом показывает соотношение доходов среднестатистического домохозяйства с доходами, которые необходимо иметь для приобретения стандартной квартиры с помощью ипотечного кредита, выдаваемого на стандартных условиях. Значение показателя в 100% означает, что среднестатистическая семья имеет доходы, в точности соответствующие необходимым доходам для приобретения стандартной квартиры с помощью ипотечного кредита (рис. 6). Если индекс возможности приобретения жилья с кредитом меньше 100%, то среднестатистическое домохозяйство не в состоянии приобрести стандартную квартиру.

,

где – величина ипотечного кредита.

Источник: /10/, ИЭГ по данным Росстата

Рис. 6. Картограмма индекса возможности приобретения жилья с кредитом в России (II кв. 2005 г.)

В работе /13/ показано, что переход от расчета коэффициента доступности к другому индикатору – доле накоплений (с учетом кредита) в стоимости квартиры - исключает возможность оценки влияния кредита на коэффициент доступности жилья, т.е. расчет первого (стандартного) показателя Кд. Кроме того, формула учитывает только одну составляющую кредита – размер ссуды, но не учитывает необходимость обслуживания кредита (размер годовых выплат по кредиту). Тем не менее, учет ипотечной поддержки при оценке доступности жилья для населения является важным методическим достижением и должен быть сохранен.

В связи с этим в работе /13/ для расчета коэффициента доступности жилья с учетом кредита предложена следующая модель:

(3)

при , (4)

иначе ,

где - стоимость типовой квартиры, тыс. руб.;

- площадь квартиры, кв. м;

- удельная цена квартиры, тыс. руб./кв. м;

– доля первоначального взноса в стоимости квартиры, %;

– дополнительные затраты заемщика при получении кредита, руб.;

– сумма ежемесячных выплат по обслуживанию кредита, руб.;

– срок кредитования, лет;

– годовая ставка кредита, %.

В формуле (4) использовано стандартное ограничение банковского андеррайтинга «ежемесячные выплаты по кредиту не должны превышать 40% от доходов семьи».

Экономический смысл числителя состоит в том, что гражданин, накопивший определенную долю от стоимости квартиры (по различным банковским программам – от 10 до 30%), с помощью ипотечного кредита сразу получает ее в собственность.

Экономический смысл условия (4) состоит в том, что при превышении расчетного годового платежа за кредит над текущим (ожидаемым) годовым доходом семьи покупатель не получит кредит в банке.

В свою очередь, выплаты по кредиту зависят от срока кредитования (в настоящее время предлагается от 5 до 30 лет) и ставки кредита (сегодня – от 10 до 15%). По опыту многих банков, в России пока нет спроса на кредиты с плавающей ставкой, заемщики предпочитают выплачивать равные ежемесячные взносы.

Размер ежемесячных равных взносов определяется по формуле:

PMT = (B0 j/m) / (1 - 1 / (1+jmmn )) , (5)

где - размер ежемесячного платежа по ссуде;

- размер ипотечной ссуды;

- номинальная годовая ставка процента;

- число начислений/ выплат в год (m=12);

- срок погашения ссуды в годах.

Таким образом, модель оценки доступности жилья для населения, предложенная в работе /13/ и реализованная в /17/, наиболее полно учитывает все факторы, формирующие коэффициент доступности. Однако, порядок расчета второго показателя – доли населения, которой жилье доступно (как без ипотеки, так и с ипотечной поддержкой), в этих работах не приведен, и его разработка является одной из задач настоящей статьи.

Одновременно должен быть уточнен порядок формирования классов качества жилья, влияющий на среднюю площадь квартир и среднюю удельную цену в каждом классе, в связи с разработкой в 2011 году «Единой методики классифицирования строящихся жилых домов по потребительскому классу (качеству)» /18/.

Среднеарифметические показатели vs медианных. В базовой методике расчет коэффициента доступности жилья ведется не для медианных, а для среднеарифметических значений душевого дохода и цены 1 кв. м жилья. Этот аспект вызвал возражения в некоторых научных работах /1, 2/ в связи с тем, что расчет по среднеарифметическим, а не медианным доходам, по мнению авторов, существенно (до 70%) завышает оценку доступности жилья для населения. В связи с этим необходимо разобраться с реальным положением дел.

Известно, что распределение доходов населения асимметрично, и медианные доходы всегда ниже среднеарифметических (рис. 7).


Источник: расчеты автора по данным Росстата

Рис. 7.

Из данных рис. 7 следует, что медианный доход в Москве в 2012 году составлял около 28 тыс. руб. При этом средний арифметический доход был равен 48,6 тыс. руб., т.е. превышал медианный на 74%.

Вместе с тем, распределение удельной цены квартир также асимметрично (рис. 8).

Источник: база данных ООО Sterniks Consulting

Рис. 8

Из данных рис. 8 следует, что медианная удельная цена предложения жилья в Москве в 2012 году составила 155,4 тыс. руб./кв. м. При этом среднеарифметическая цена составила 202,6 тыс. руб./кв. м, т.е. превышала медианную на 30,4%.

Следовательно, использование среднеарифметических значений душевых доходов и цен вместо медианных вносит в расчет коэффициента доступности жилья погрешность, равную 44,2%. Такой результат весом, но не критичен – неопределенность в оценке нелегальных доходов и другие допущения еще более снижают точность оценки. Тем не менее, существует способ устранить данную погрешность, который позволяет отказаться от использования как средних арифметических, так и средних медианных доходов и цен. Он связан с введением дифференциации групп населения по доходам и удельных цен – по различным классам качества жилья, как это сделан в работе /17/. Впоследствии подобный подход частично применялся и в других работах /7, 12 и др./, но дифференциация проводилась либо по доходным группам населения, при этом размер квартиры оставался равным 54 кв. м, либо по размеру квартир (по числу комнат), при этом доходы принимались средними по РФ (либо по городу Москве). В результате погрешность, связанная с использованием среднеарифметических доходов и цен вместо медианных, не могла быть устранена.

Таким образом, методика, приведенная в работе /17/, в настоящей статье использована как прототип, подлежащий совершенствованию в следующих направлениях:

- переход от дифференциации населения по уровню дохода в соответствии с экспертными оценками «класса населения» к дифференциации на основе статистических данных о децильных, квинтильных или иных доходных группах, представляемых Росстатом;

- переход от использования средних по рынку удельных цен к дифференцированным по классу качества (средним удельным ценам и размерам квартир) для расчета Кд каждой из групп населения;

- переход от экспертного сопоставления каждому «классу населения» одного класса качества жилья к расчетному выбору соответствия «группа населения по доходам – объект наилучшего класса, доступный данной группе».

- переход от оценки доступности жилья по одному показателю к оценке по двум и разработка порядка расчета второго показателя – доли населения, которой жилье доступно (как без учета ипотеки, так и с учетом ипотечной поддержки);

- уточнение порядка формирования классов качества жилья, влияющего на среднюю площадь квартир и среднюю удельную цену в каждом классе, в связи с разработкой в 2011 году «Единой методики классифицирования строящихся жилых домов по потребительскому классу (качеству)» /18/.

Усовершенствованная методика оценки доступности жилья для населения. Методика включает следующие этапы (без учета и с учетом ипотечной поддержки).

1)     Для каждой из выделенных доходных групп населения рассчитывается по формулам (2)-(5) показатель Кд в двух вариантах (без учета и с учетом ипотечной поддержки) по каждому из классов качества жилья, включая случай альтернативных сделок.

2)     Если Кд по всем группам превышает значение 3,0 года, то фиксируется наименьшее значение. Если Кд по одной или нескольким группам укладывается в заданное ограничение (жилье доступно), то варианты недоступного жилья отбрасываются, а по остальным фиксируется наибольшее значение.

3)     Рассчитывается средневзвешенное по доле населения в группе значение Кд для каждой группы.

4)     Рассчитывается средневзвешенное значение Кд по всем размерам/классам для объектов наилучшего класса, доступных данной группе.

5)     Рассчитывается по каждому объекту конкретного размера/класса доля населения, которой жилье доступно, как сумма долей каждой из групп с Кд =< 3,0.

6)     Рассчитывается по совокупности объектов наилучшего класса, доступных данной группе, доля населения города, которой жилье доступно, как сумма долей каждой группы (за исключением групп с Кд = .

7)     Для сравнения рассчитывается Кд по базовой методике.

Расчет показателей доступности жилья для населения Москвы в 2012 году и интерпретация результатов. Исходные данные для расчета приведены в табл. 2-4.

Таблица 2. Данные о населении в Москве (2012 г.)

показатель

значение

источник

Численность населения, чел.

11980

[21]

Средний размер домохозяйства, чел.

2,6

[21]

Среднемесячный денежный душевой доход, руб./чел. в месяц

48621,6

[21]

Прожиточный минимум, руб./чел. в месяц

9747

[27]

Распределение населения по доходам

№ группы

Диапазон доходов, тыс. руб.

Доля населения в группе, %

Средний доход,

тыс. руб.

[21]

1

до 10

11,4

5,0

2

до 20

19,2

15,0

3

до 30

24,9

25,0

4

до 40

11,3

35,0

5

до 50

6,3

45,0

6

до 70

9,5

60,0

7

до 90

5,5

80,0

8

до 150

6,7

125,0

9

до 250

4,2

255,0

10

св. 250

1,0

750,0

Таблица 3. Данные об объектах недвижимости по классам качества

показатели

объекты

По всем классам

Комната эконом-класса*

Комната комфорт-класса*

Квартира эконом-класса

Квартира комфорт-класса

Квартира бизнес-класса

Квартира элитного класса

Номер объекта

0

1

2

3

4

5

6

средняя площадь комнаты/квартиры на первичном рынке, кв. м

75,0

18,0

18,0

50,0

60,0

110,0

160,0

Средняя удельная цена в декабре на первичном рынке, тыс. руб./кв. м

239,5

122,9

170,8

122,9

170,8

209,9

420,0

Примечание: * Средняя площадь жилья, приобретаемого в альтернативных сделках (разность площади приобретаемой квартиры и собственного жилья).

Источник: ООО Sterniks Consulting.

Таблица 3. Среднестатистические данные об условиях ипотеки в Москве в 2012 году

показатели

обозначение

Значение

источник

Годовая ставка кредита, %

j

12,5

[22]

Срок кредитования, лет

n

17,0

[23]

Доп. расходы от стоимости квартиры, %

2,5

[24]

Доля первоначального взноса от стоимости квартиры, %

αпв

30,0

[25]

Максимальная доля годового дохода семьи, допускаемая банковским андеррайтингом для выдачи кредита, %

Аб

40%

[26]

Результаты расчетов по новой методике в варианте без ипотеки приведены в табл. 4 /28/.

Таблица 4. Результаты расчета показателей оценки доступности жилья для населения Москвы в 2012 году (без учета ипотечной поддержки)

Вариант расчета и показатель

Доля населения в группе, %

Кд для номера объекта

Номер объекта

1

2

3

4

5

6

объект наилучшего класса, доступный данной группе

Кд, лет

по базовой методике

100

-

-

-

-

-

-

-

11,3

Группа 1

10,9

нет

Группа 2

18,6

13,5

18,8

37,5

62,5

140,9

410

1

13,5

Группа 3

24,6

4,6

6,5

12,9

21,5

48,5

141,2

1

4,6

Группа 4

11,0

2,8

3,9

7,8

13,0

29,3

85,3

1

2,8

Группа 5

6,0

2,0

2,8

5,6

9,3

21,0

61,1

2

2,8

Группа 6

9,5

1,4

2,0

3,9

6,5

14,7

42,9

2

2,0

Группа 7

5,5

1,0

1,4

2,8

4,7

10,5

30,7

3

2,8

Группа 8

6,7

0,6

0,9

1,7

2,8

6,4

18,7

4

2,8

Группа 9

4,2

0,3

0,5

1,0

1,6

3,0

10,5

5

3,0

Группа 10

1,0

0,1

0,1

0,3

0,4

1,0

2,9

6

2,9

Средневзвешенный Кд

-

4,8

6,8

13,5

22,5

50,7

147,6

По всем классам

5,5 года

Суммарная доля населения, которой жилье доступно, %

-

43,9

22,9

17,4

11,9

5,2

1,0

По всем классам - 43,9%

Из приведенных в табл. 4 данных следует, что Кд, рассчитанный по базовой методике (54 кв. м, 3 человека, ПМ = 0), для москвичей в 2012 году равен 11,3 года (жилье существенно недоступно - severely unaffordable). Доля населения, которой приобретение жилья за собственные средства (без учета ипотеки) доступно, по базовой методике не определяется.

При расчете по усовершенствованной методике (дифференциация по доходным группам и классу качества жилья, 2,6 человека, ПМ = 9747 руб./месяц на человека) для отдельных групп населения получены следующие результаты:

- для группы 1 (10,9% населения Москвы) выход на рынок и приобретение любого жилья за собственные средства принципиально невозможно – доходы не превышают величину прожиточного минимума, Кд = ∞;

- для групп 2 (18,6%) и 3 (24,6%) ограниченно доступно улучшение жилищных условий (обмен меньшей квартиры эконом-класса на большую) – соответственно Кд = 13,5 лет (жилье существенно недоступно - severely unaffordable) и 4,6 года (приобретение жилья серьезно осложнено - seriously unaffordable);

- для группы 4 (11,6% населения) обмен меньшей квартиры эконом-класса на большую доступен (affordable) – Кд = 2,8 года;

- для групп 5 (6,0% населения) и 6 (9,5%) доступен обмен меньшей квартиры на большую в комфорт-классе – Кд = 2,8 и 2,0 года соответственно;

- для групп 7 (5,5% населения) и 8 (6,7%) доступно приобретение квартир в прямой сделке – соответственно эконом-класса (Кд = 2,8 года) и комфорт-класса (Кд = 2,8 года);

- для группы 9 (4,2%) доступно приобретение квартиры бизнес-класса – Кд = ???;

- для группы 10 (1,0%) доступно приобретение квартиры элитного класса – Кд = 2,9.

Средневзвешенный (без учета группы 1) Кд для объектов наилучшего класса, доступного данной группе, составляет 5,5 года.

Суммарная доля населения, которой доступно жилье соответствующего размера и качества, составляет:

- для комнаты эконом-класса – 43,9%;

- для комнаты комфорт-класса – 22,9%;

- для квартиры эконом-класса – 17,4%;

- для квартиры комфорт-класса – 11,9%;

- для квартиры бизнес-класса – 5,2;

- для квартиры элитного класса - 1,0%;

- по всем классам – 43,9%.

Таким образом, расчет по усовершенствованной методике показывает, что приобретение за собственные средства жилья такого размера и качества, который может себе позволить потребитель в соответствии с его финансовыми ресурсами, доступно для 43,9% москвичей, средневзвешенный (без учета группы 1) коэффициент доступности составляет 5,5 года.

Результаты расчетов показателей доступности с учетом ипотечной поддержки приведены в табл. 5-6.

Таблица 5. Результаты расчета месячного платежа и выполнения условий банковского андеррайтинга для населения Москвы в 2012 году

Группа населения

Доля населения в группе, %

Показатели

Номер объекта

1

2

3

4

5

6

Для каждой группы

-

РМТ, тыс. руб.

18346

25 496

50961

84987

190 658

557 295

1

11,4

Условие (6)

0,4 I > 12PMT

не вып

не вып

не вып

не вып

не вып

не вып

2

19,2

не вып

не вып

не вып

не вып

не вып

не вып

3

24,9

вып

вып

не вып

не вып

не вып

не вып

4

11,3

вып

вып

вып

не вып

не вып

не вып

5

6,3

вып

вып

вып

вып

не вып

не вып

6

9,5

вып

вып

вып

вып

не вып

не вып

7

5,5

вып

вып

вып

вып

не вып

не вып

8

6,7

вып

вып

вып

вып

вып

не вып

9

4,2

вып

вып

вып

вып

вып

вып

10

1,0

вып

вып

вып

вып

вып

вып

Суммарная доля населения, которой доступен кредит, %

69,4

69,4

44,5

33,2

11,9

5,2

Приведенные в табл. 5 данные показывают, что группы населения 1 и 2 по своим доходам не могут получить кредит для покупки любого из объектов. Группа 3 может получить кредит на покупку объекта 1 (комната в доме эконом-класса), группы 4 и 5 – объекта 1 и 2 (комната в доме комфорт-класса), группы 6 и 7 – объектов 1, 2 и 3 (квартира эконом-класса), группа 8 – объектов 1, 2, 3. 4 (квартиры в доме комфорт-класса), группы 9 и 10 – всех объектов.

Кредит на покупку объекта 1 может получить 69,4% москвичей, 2 – 44,5%, 3 – 26,9%, 4 – 11,9%, 5 и 6 – по 5,2%.

Для этих групп/объектов необходимо посчитать коэффициент доступности жилья с ипотечной поддержкой Кди, для остальных сохраняется коэффициент доступности Кд. Результаты расчета приведены в табл. 6.

Таблица 6. Выходные результаты расчета показателей оценки доступности жилья для населения Москвы в 2012 году (с учетом ипотеки)

Вариант расчета и показатель

Доля населения в группе, %

Кди для номера объекта, лет

Кди для группы

1

2

3

4

5

6

объект наи лучшего кла сса, доступ ный данной группе

Кди, лет

по базовой методике

100

-

-

-

-

-

-

-

-

Группа 1

11,4

нет

-

Группа 2

19,2

13,5

18,8

37,5

62,5

140,9

410

1

13,5

Группа 3

24,9

1,51

2,1

12,9

21,5

48,5

141,2

2

2,1

Группа 4

11,3

0,91

1,27

2,53

13,0

29,3

85,3

3

2,53

Группа 5

6,3

0,65

0,91

1,82

3,00

21,0

61,1

4

3,00

Группа 6

9,5

0,46

0,64

1,27

2,12

14,7

42,9

4

2,12

Группа 7

5,5

0,33

0,46

0,91

1,52

10,5

30,7

4

1,52

Группа 8

6,7

0,2

0,28

0,56

0,93

2,09

18,7

5

2,09

Группа 9

4,2

0,09

0,13

0,26

0,43

0,98

2,86

6

2,86

Группа 10

1,0

0,03

0,04

0,08

0,14

0,32

0,94

6

0,94

Средневзвешенный Кд

-

3,60

5,01

12,5

21,87

51,83

151,8

По всем классам -

4,7,882 года

Суммарная доля населе ния, которой жилье/ипо тека доступны, %

-

69,4

69,4

44,5

33,2

11,9

5,2

По всем классам -

69,4%

Из данных табл. 6 следует, что ипотечная поддержка повышает класс объекта, который доступен в некоторых группах: для группы 3 (становится доступно приобретение комнаты в доме комфорт-класса), 4 (квартира в доме эконом-класса), 5 (квартира в доме комфорт-класса), 8 (квартира в доме бизнес-класса) и 9 (квартира в элитном доме). При этом коэффициент доступности резко улучшается в группах 3-10. Средневзвешенный коэффициент доступности по всем группам (за исключением группы 1) и классам снизился с 5,5 лет до 4,7 года.

Доля населения, которой жилье с кредитом становится доступным, повышается для объекта 1 с 43,9 до 69,4%, 2 – с 22,9 до 69,4%, 3 – с 17,4 до 44,5%, 4 – с 11,9 до 33,3%, 5 – с 5,2 до 11,9%, 6 – с 1,0 до 5,2%. Суммарная доля населения, которой жилье/ипотека доступны, вырастает с 43,9% до 69,4%.

Таким образом, расчет по усовершенствованной методике показывает, что приобретение за собственные плюс заемные средства на первичном рынке жилья такого размера и качества, который может себе позволить потребитель в соответствии с его финансовыми ресурсами, в том числе с зачетом имеющейся квартиры, доступно для 69,4% москвичей, средневзвешенный (без учета группы 1) коэффициент доступности составляет 4,7 года.

Выводы.

1. Изменения и допущения, внесенные в базовую методику оценки доступности жилья для населения России по сравнению со стандартной международной (размер типовой квартиры 54 кв. м вместо нормы обеспеченности жильем, размер среднего домохозяйства 3,0 человека вместо среднестатистического, средние арифметические значения душевых доходов и удельных цен вместо средних медианных), снижают точность расчетов и не обеспечивают информационную полноту оценки доступности.

2. Многочисленные модификации базовой методики, предложенные в различных научных работах, позволили выбрать методику-прототип, наиболее удовлетворяющую современным требованиям, и с учетом накопленного опыта усовершенствовать ее, исключив ранее принятые допущения и ограничения.

3. Усовершенствованная методика оценки доступности жилья расширяет возможности анализа состояния проблемы как за счет дифференцированного расчета для различных по доходу групп населения и различных по характеристикам (классу качества и размерам) объектов, так и за счет расчета двух показателей – коэффициента доступности и доли населения, которой жилье доступно.

4. Оценка доступности строящегося жилья для населения Москвы по состоянию на 2012 год, произведенная по усовершенствованной методике (без учета ипотечной поддержки, но с зачетом имеющегося жилья), показала, что доля населения, которой доступно жилье размера и качества, соответствующего финансовым возможностям различных доходных групп, составила 43,9%, а коэффициент доступности без учета первой группы равен 5,5 года (по базовой методике коэффициент доступности составил 11,3 года, а доля населения, которой жилье доступно без учета ипотеки, не определяется).

5. Оценка доступности жилья с учетом ипотечной поддержки показала, что в целом доступность жилья существенно выше, чем при расчете по базовой методике: коэффициент доступности снижается с 11,3 года до 4,7 года, доля москвичей, которой доступно жилье соответствующего их доходам размера и качества, составляет 69,4%.

Литература

1. Barker K. Review of Housing Supply. Final report: Recommendations – London, HMSO, 2004 – www.barkerreview.org.uk

2. Greeen R, Malpezzi S. Primer on U.S. Housing market and housing policy, The Urban Institute Press. Washington D.C., 2003.

3. Freeman A, Chaplin R, Whitehead C. “Rental Affordability: A Review of International Literature”, Discussion Paper 88, Property Research Unit Department of Land Economy, University

4. Hancock, K.E. “Can pay? Wont pay?” or Economic Principles of “Affordability”, Urban Studies, Vol 30, No. 1, pp. 127-145, 1993.

of Cambridge, 1997.

5. Schnare A.B., Struyk R.J. “Segmentation in Urban Housing Markets” Journal of Urban Economics 3, 1976.

6. Дженнифер Даниел. Анализ платежеспособного спроса на жилье в Москве. – Институт экономики города (Вашингтон), -М.: 1994. – 17 стр.

7. Иванкина Е.В. Проблемы создания доступного жилья. М.: Механизация строительства, №5, 2012. - (http://frem.ane.ru/about/sotrudniki/dekanat/ivankina_elena_vladimirovna)

8. Косарева Н.Б. Стратегия жилищной политики и развития жилищно-коммунального хозяйства // Материалы сайта Фонда «Институт экономики города» (www.urbaneconomics.ru). - 2000.

9. Косарева Н.Б., Туманов А.А. Об оценке доступности жилья в России // Вопросы экономики, №7, 2007.

10. Косарева Н.Б., Туманов А.А. Развитие ипотечного жилищного кредитования:
способ повышения доступности жилья для населения или фактор роста цен на жилье? (???)

11. Ноздрина Н.Н., Пчелинцев О.С., Стерник Г.М. Цены и доступность жилья в городах России. Журнал РАН «Проблемы прогнозирования» №6 1996, с. 115-138.

12. Ноздрина Н.Н., Шнейдерман И.М. Об оценке доступности жилья на рынке для населения. // Петербургский жилищный Конгресс. Конференция «Анализ и прогноз развития рынка недвижимости и строительства», 30.09-04.10. 2009. — www.gilforum.ru.

13. Стерник Г.М. Доступное жилье – что это такое? – В сб. «Правовые и организационно-экономические основы формирования рынка доступного жилья в Москве». – РЭА им. Г.В.Плеханова (под ред. Стерника Г.М.), - М.: 2006, с. 3-17.

14. Стерник Г.М., Краснопольская А.Н. Определение коэффициента доступности жилья с учетом ипотечной поддержки. – Журнал «Имущественные отношения в РФ», №3 (10), 2007, стр. 43-46.

15. Стерник Г.М., Краснопольская А.Н. Влияние параметров ипотечного кредитования на коэффициент доступности жилья. - Материалы II Петербургского ипотечного форума, 2006. – www.realtymarket.ru.

16. Стерник Г.М., Краснопольская А.Н. Доступность жилья для населения Москвы с различным уровнем доходов с учетом возможности ипотечного кредитования. – Материалы III Петербургского ипотечного форума, 2008. – www.realtymarket.ru.

17. Стерник Г.М., Краснопольская А.Н. Разработка методики многофакторной оценки доступности жилой недвижимости. – «Имущественные отношения в Российской Федерации», 2009, № 1, стр. 26-38.

18. 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.

19. Косарева Н.Б., Туманов А.А. Доступно ли россиянам жилье? - Демоскоп Weekly №307-308 29.10 – 11.11, 2007. http://demoscope.ru/weekly/2007/0307/tema04.php.

20. Краснопольская А.Н. Разработка методики многофакторной оценки доступности жилой недвижимости. – Автореферат диссертации (н,р. Стерник Г.М.). – РЭА им. Г.В.Плеханова, 2007.

21. Федеральная служба государственной статистики. Россия в цифрах. 2013: крат. стат. сб./Росстат-М., Р76 2013 (с 93, табл. 5.4), (с. 138, табл. 7.9).

www.gks.ru/free_doc/new_site/population/urov/urov_11sub.htm

www.gks.ru/free_doc/new_site/ perepis2010/croc/vol6pdf-m.html

22. Финансовый департамент. www.fd7.ru/srednyaya-procentnaya-stavka-po-kreditam-2013/

23. РосБизнесКонсалтинг. www.rbc.ru/rbcfreenews/20121019201328.shtml

24. PRO Недвижимость. www.pro-n.ru/mortgage/banks.html

25. И-п-о-т-е-к-а.ру | интернет-журнал об ипотеке в Москве и России.

www.i-p-o-t-e-k-a.ru/start/s-chego-nachat-ipoteku/pervonachalniy-vznos-ipoteka.html

26. Агенство по ипотечному жилищному кредитованию. www.ahml.ru/

27. Петербургский правовой портал 1997 – 2013. ppt.ru/info/?id=4

28. Стерник Г.М., Апальков А.А. Развитие методики оценки доступности жилья для населения. – «Имущественные отношения в Российской Федерации» №4, 2014.

Эволюция методов прогнозирования на рынке жилой недвижимости России

Геннадий Моисеевич Стерник, профессор кафедры «Управление программами и проектами» РЭУ им. Г.В.Плеханова, канд.техн.наук

Сергей Геннадьевич Стерник, зам. по науке декана факультета экономики недвижимости РАНХиГС при Президенте РФ, д.э.н., проф.

Алексей Викторович Свиридов, аспирант

В предыдущих статьях /1, 2/ изложены допущения, ограничения и рабочие гипотезы о предметной области моделирования в методологии прогнозирования РН, основные положения методологии и конкретные методики количественного определения показателей предыстории рынка, необходимые при построении методики его прогнозирования. В настоящей статье описывается эволюция методов, нашедших применение на рынке недвижимости России в ходе его старта, становления и развития.

Зарождение и эволюция методов прогнозирования на рынке недвижимости России в девяностые-нулевые годы. С самого начала новейшей истории рынка недвижимости России (он датируется маем-июнем 1990 года, когда прошли первые легальные аукционные продажи кооперативных квартир в Москве) специалистами и широкой общественностью была осознана потребность в предвидении, прогнозировании тенденций развития рынка, и в первую очередь – динамики цен на нем. В условиях стартующего, хаотического рынка в первую очередь были востребованы (и наиболее широко используются по настоящее время) экспертные предсказания – наименее формализованный метод, вызывающий обоснованное доверие в случае высказываний опытных экспертов о качественных тенденциях рынка (обычно в краткосрочном периоде – несколько месяцев), но и вызывающий неудовлетворенность специалистов /3/ и потребителей прогнозов при попытках дать количественные оценки.

Несмотря на то, что первые формализованные, расчетные прогнозы (среднесрочные – на 1-3 года) появились уже в 1995 году [4-6], до настоящего времени продолжается развитие и совершенствование методов прогнозирования на отечественном рынке.

Применяемые для прогнозирования методы весьма разнообразны, но в общем виде могут быть разделены на методы, основанные двух крайних подходах: эвристическом (логико-аналитическом), или фундаментальном анализе, и математическом, или техническом анализе. По нашему мнению, наиболее эффективными и обладающими наибольшей прогностической способностью являются комбинированные методы, включающие в себя элементы обоих этих подходов.

Если на фондовом рынке специалисты делятся на «фундаменталистов» и «техников», основывающих свои заключения либо на фундаментальном, либо на техническом анализе, то на рынке недвижимости другая ситуация. Здесь необходимо применять оба подхода, поскольку в отрыве от общеэкономической ситуации технический прогноз может оказаться ошибочным. В то же время факторный анализ позволяет определить стадию развития рынка и тенденции его будущего развития, а определение численных значений динамик стоимостных и объемных показателей находится в области математического моделирования.

Первая работа, посвященная прогнозированию на зарождающемся рынке недвижимости России /4/, содержала две методики, работающих совместно: эвристическую и математическую, основанную на регрессионно-статистической модели.

Эвристический подход (один из вариантов фундаментального анализа) к прогнозированию цен на объекты недвижимости состоит в логическом, использующем как количественные, так и качественные данные, анализе факторов, формирующих тенденции изменения цен, и выявлении результирующей тенденции.

Методика, основанная на эвристическом подходе, включает следующие этапы:

ü    оп­ре­де­ле­ние со­стоя­ния рын­ка жи­лья в го­ро­де на про­гно­зи­руе­мый пе­ри­од и ос­нов­ной тен­ден­ции из­ме­не­ния цен;

ü    оп­ре­де­ле­ние спе­ци­фи­че­ских ус­ло­вий го­ро­да и со­от­вет­ст­вую­щей тен­ден­ции из­ме­не­ния тем­пов рос­та цен;

ü    оп­ре­де­ле­ние эко­но­ми­че­ских ус­ло­вий го­ро­да и со­от­вет­ст­вую­щей тен­ден­ции из­ме­не­ния тем­пов рос­та цен;

ü    со­пос­тав­ле­ние ре­зуль­та­тов по предыдущим пунктам, и оп­ре­де­ле­ние со­во­куп­ной тен­ден­ции из­ме­не­ния цен;

ü    про­гно­зи­ро­ва­ние (ана­лиз из­вест­ных про­гно­зов) из­ме­не­ния мак­ро­эко­но­ми­че­ских па­ра­мет­ров и вне­се­ние по­пра­вок в про­гноз из­ме­не­ния цен на жи­лье.

В январе-феврале 1995 года, когда проводилось цитируемое исследование, цены на рынке жилья Москвы выросли с июня 1990 года с 100 до 1120 $/кв. м и находились в стадии роста (рис. 2).

 


Рис. 2. Динамика средних удельных цен на рынке жилья Москвы (июнь 1990 - декабрь 1995)

Однако, сбор и анализ информации о фундаментальных факторах ситуации на рынке (резкое повышение объема предложения вследствие приватизации жилья) и в экономике (начало стабилизации) позволил с помощью эвристической методики получить качественный прогноз о намечающемся переломе тенденций и переходе рынка в стадию стабилизации. Эта гипотеза была положена в основу в методике, основанной на регрессионной статистической модели.

Статистический метод состоит в использовании динамического ряда значений уровня цен для построения статистической модели процесса и получении на ее основе экстраполяционного прогноза. Однако, его применение эффективно в стационарных процессах с монотонной динамикой, и при этом экстрополяционные уравнения (даже лучшие из них типа ARIMA), обеспечивая малую погрешность прогноза, не исключают высокую вероятность ошибки в случае перелома тенденции.

 


Если же вид уравнения регрессионной модели задан аналитиком не подбором подходящего сглаживания, а исходя из гипотезы о возможном характере протекания моделируемого процесса, то такая модель может иметь значительную прогностическую способность.

Для моделирования динамики вторичного рынка жилья в Москве, Твери, Екатеринбурге, Рязани, Барнауле в 1995 году была предложена логистическая модель вида

V (Т) = А / (1 + ехр (B - CT)),

где V- средняя за период (среднемесячная) удельная цена общей площади квартиры;

Т - порядковый номер периода (месяца);

А, В и С - постоянные коэффициенты (параметры модели).

Подобная логистическая модель используется в теории систем автоматического регулирования для любого переходного процесса (изменение некоторого параметра системы при ее переходе из одного состояния в другое, например, при взлете самолета). Но если рынок представляет собой самонастраивающуюся, саморегулируемую систему, то его развитие должно подчиняться подобной закономерности, и эта закономерность является общей как для технических, так и для социально-экономических систем /4/.

На рис. 3 и 4 приведены результаты прогнозирования. Видно, что до начала кризиса августа 1998 года модель давала высокие результаты. Причем, в Москве переход к стабилизации цен происходил по колебательному сценарию (в терминах теории автоматического регулирования – «с перебегом»), в других городах – асимптотически («с доползанием»).

 


Рис. 3. Динамика средних удельных цен на жилье в Москве и Санкт-Петербурге в июне 1990 - декабре 1994 года и прогноз до декабря 1998 года по логистической модели


Рис. 4. Динамика средних удельных цен на жилье в Твери и Екатеринбурге в июне 1990 - декабре 1994 года и прогноз до декабря 1998 года по логистической модели

Данная модель успешно применялась другими авторами для прогнозирования динамики количества ипотечных сделок в период зарождения рынка ипотеки в Москве /7/, динамики цен в период выхода из кризиса рынка жилья Казани /8/.

В октябре 2000 года, через два года после начала кризиса, была построена новая модель (аналогичная модели выхода самолета из пике) вида

V = B0-B1/(B2+exp((B3*Т+B4)2)).

Эта модель использовалась при прогнозировании динамики цен в Москве на 2001 и 2002 гг. (рис. 5). Модель дала прогноз высокой точности о переходе рынка к росту в 2001 году и к стабилизации к середине 2002 года, после чего началась новая стадия роста, не предсказанная моделью.

Применение этих моделей подтвердило, что при высокой прогностической способности в среднесрочном периоде они обладают существенным ограничением: после перехода системы в новое состояние модель описывает стабилизацию и не предсказывает то или иное изменение трендов.

 


Рис. 5. Динамика средней удельной цены жилья в Москве в 2000 году и прогноз на 2001-2002 годы по логистической модели

В 2002-2003 году было проведено исследование факторов, определивших новый подъем цен на рынке недвижимости. Этот подъем был увязан с начавшимся ростом притока капитала в Россию вследствие быстрого роста цен на экспортируемую нефть – с 12-14 $/баррель в конце 90-х годов до 17-25 $/баррель в 2002 году и до 30 $/баррель в 2003 году. Получена статистическая связь между уровнем цен на нефть и месячным темпом роста цен на квартиры в Москве (рис. 6). Эта связь описывается экспоненциальным уравнением с удовлетворительным коэффициентом корреляции и лагом 2 месяца, определяемым средним сроком возврата экспортной выручки в Россию:

Δyi = 0,0304exp0,1617x(i-2),

где Δyi месячный прирост цен на жилье, %;

x (i-2)уровень цен на нефть с лагом 2 месяца, $/баррель.

 


Рис. 6. Статистическая связь месячного прироста цен на жилье в Москве и уровня цен на экспортную нефть (с лагом 2 месяца)

Полученная параметрическая зависимость позволила успешно осуществлять сверхкраткосрочное (на 1-2 месяца) прогнозирование динамики цен на жилье в Москве. Расчет прогноза осуществлялся с использованием уравнений вида

Y(i+2) = Yi (1+ Δy(i+2)/100);

Δy(i+2) = 0,0304exp0,1617xi,

где Y(i+2) – прогноз уровня цен на жилье через два месяца, $/кв. м;

Yi – уровень цен в предыдущем месяце, $/кв. м;

Δy(i+2)прирост цен через два месяца, %;

xiуровень цен на нефть в предыдущем месяце, $/баррель.

Эти прогнозы ежемесячно рассчитывались и публиковались в журнале «Наш адрес» и показывали высокую точность в течение полутора лет – до марта 2004 года.

Причина снижения точности прогнозов была выявлена в виде возросшего влияния еще одного макроэкономического фактора – резкого повышения оттока капитала частного сектора, начавшегося в феврале 2004 года (с $1,9 млрд в 2003 до $8,9 млрд в 2004 году).

Но и краткосрочные (на год) и среднесрочные (на 2-3 года) прогнозы в 2003-2004 годах, использующие анализируемую методику, были неудачными. Причины значительного расхождения прогнозируемых цен на жилье с фактическими данными состояли в том, что заложенные в методику прогнозы динамики цен на нефть, заимствуемые из публикаций Международного энергетического агентства (МЭА) и других авторитетных источников, в тот период зачастую не оправдывались.

В дальнейшем, по мере продолжающегося (пусть и колебательного) роста цен на нефть, в среде макроэкономистов и политиков сложилось представление о начале долгосрочного устойчивого роста экономики России. Это позволило при среднесрочном прогнозировании от использования логистических моделей разового перехода системы в новое состояние перейти к колебательным моделям.

К середине нулевых годов были накоплены длинные ряды наблюдений динамики цен на рынке недвижимости. В июне 2006 года была разработана методика прогнозирования, основанная на следующих предпосылках /10, 11/.

Аппроксимация ценового тренда за 6 лет (полиномом второго порядка) показала, что рынок жилья Москвы, как и других городов России, находится в начале полупериода роста (точнее, в первой четверти периода) «длинного» цикла колебаний, ответственность за который несет исторический дефицит жилья на фоне совокупности макроэкономических показателей. Это уравнение было названо «базовый тренд», и он принят как основа для долгосрочного прогноза динамики цен, с возможным переломом тенденции в 2010-2011 году (переход рынка недвижимости во вторую четверть цикла) (рис. 7).


Рис. 7. Апроксимация долгосрочного ценового тренда (Москва)

Но на рынке недвижимости действуют и другие факторы, которые накладывают на базовый тренд более быстропротекающие, среднесрочные и краткосрочные колебания. Например, связанные с строительно-инвестиционным циклом, с развитием инфраструктуры рынка строительства жилья, с потребительским поведением граждан и т.д.

Эти колебания на рынке жилья реализовывались в фазе роста долгосрочного цикла не в колебаниях цен, а в колебаниях первой производной – темпов прироста цен относительно базового тренда.

Сущность метода изучения динамики рынка, разработанного летом 2006 года и названного нами методом негармонического разложения ценового тренда, сводится к переходу от изучения динамики исследуемой величины (собственно цен) к исследованию первой (приросты, или скорость роста), затем второй (скорость роста приростов, или ускорение роста цен) и т.д. производной – динамических рядов темпов прироста величин относительно аппроксимирующей функции предыдущего уровня.

Для расчета прогноза выполняется следующая последовательность операций:

-                     производится аппроксимация достаточно длинного динамического ряда (например, полиномом второго порядка) и построение базового тренда («длинный цикл»);

-                     рассчитываются приросты (первая производная) цен относительно базового тренда («средние циклы»);

-                     на основании выявленной периодичности и амплитуды колебаний первой производной дается прогноз «средних циклов»;

-                     производится аппроксимация «средних циклов»;

-                     рассчитываются приросты (вторая производная) цен относительно тренда «средних циклов» («короткие циклы»);

-                     на основании выявленной периодичности и амплитуды дается прогноз «коротких циклов»;

- последовательной суперпозицией снизу-вверх получается интегральный прогноз.

Графики на рис. 8 показывают достаточно стабильную периодичность колебаний «среднего» тренда: полтора года - рост и около года – снижение. При этом амплитуды колебаний приростов росли. Положительные максимумы принимали значения 111, 216, 794 $/кв. м в месяц (соотношение 1:1,9:3,7). Иными словами, абсолютные значения положительной полуамплитуды удваивалось вместе с удвоением значений базового тренда. Отрицательные максимумы принимали значения 98, 374 $/кв. м в месяц, т.е. вторая полуамплитуда втрое больше первой и в 1,7 раза больше второй положительной полуамплитуды. Такие параметры колебаний можно принять в качестве ориентировочных при прогнозировании тенденций изменения темпов роста цен относительно базового тренда (параболы второй степени).

Математическая модель-прогноз состоит из следующей системы уравнений:

Y = y + Δy2 + Δy3 + Δy4 + …. + Δyn, (1)

y = a3 x3 + a2x2 + a1x + a0 , (2)

Δy1 (3);

Δy2 = (4);

Δy3 = (5);

………………………………………..

Δyn = (6),

где Y – прогнозное значение средней удельной цены предложения жилья в месяце х;

y – уравнение базового тренда (долгосрочный прогноз);

Δy1 – прогноз приростов средней удельной цены предложения жилья в месяце х относительно базового тренда;

Δy2 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда второго порядка;

Δy3 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда третьего порядка;

Δyn - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда предпоследнего порядка;

а, b, c, d, р с индексами – коэффициенты уравнений (трендов различного порядка), аппроксимирующих фактические данные.

Модели (3) – (6) сформированы как уравнения модифицированной синусоиды /11/. Например, в июле 2007 года уравнение динамики первой производной приняло вид

, R2=0,8408.

Опыт вычислений показал, что в связи с последовательным уменьшением амплитуды отклонений приростов цен от предшествующей аппроксимации в 2-3 раза (рис. 9) на практике достаточно ограничиться двумя-тремя итерациями расчета производной.

 


Рис. 8. Динамика и прогноз значений первой и третьей производной ценового тренда (Москва)


Рис. 9. Суперпозиция и получение среднесрочного прогноза динамики цен на рынке жилья Москвы

До октября 2008 года модель демонстрировала высокую точность (рис. 9). Но кризис 2008 года отменил сделанные ранее прогнозы.

«Лишь немногие экономисты видели приближение нынешнего кризиса. В самых распространенных математических моделях, которыми пользовались для прогнозирования экономисты, ничто не предполагало саму возможность коллапса вроде того, что случился в минувшем году» (Пол Кругман, нобелевский лауреат, 2009 год).

Динамическая статистическая модель приведенного ранее вида содержит одну независимую переменную, один фактор – время:

Y = f (Т).

Более продвинутым считается многофакторное моделирование вида

Y = f (X1, X2, X3, Т).

С середины нулевых годов ряд специалистов начали активно развивать эти методы применительно к прогнозированию динамики цен на рынке недвижимости /12-17 и др./.

Включение в модель других факторов может повысить качество аппроксимации, приблизить модель к фактическим данным периода предыстории. Однако, метод обладает принципиальными недостатками:

1) это не всегда означает повышение точности прогноза, т.к. предварительно необходимо дать прогноз изменения каждого из входных индикаторов, что повышает вероятность общей ошибки;

2) методы регрессионного многофакторного прогнозирования разработаны для линейных (в лучшем случае – линеаризированных) моделей, а известные зависимости цена-фактор часто принципиально нелинейны;

3) метод основан на классе «аналитических» моделей, не позволяющих учитывать сложные связи (прежде всего обратные) между факторами.

Мощным методом прогнозирования, адаптированным для рынка недвижимости в середине нулевых годов, является метод нейронных сетей /18-20/. Это класс аналитических методов многофакторного моделирования, построенных на принципах обучения мыслящих существ и функционирования мозга и позволяющих прогнозировать значения некоторых переменных после прохождения этапа «обучения» на имеющихся данных.

Нейронные сети представляют собой самообучающиеся системы, построенные на элементах, моделирующих принцип действия нейрона человеческого мозга. Преимуществом нейронных сетей является возможность их использования в тех случаях, когда вид взаимосвязи между входами и выходами не известен, более того, аналитик даже не должен высказывать предположение о характере этой взаимосвязи. Определение вида связи и настройка весовых коэффициентов происходят в процессе обучения. Нейронные сети способны находить оптимальные для данного инструмента индикаторы и строить по ним оптимальную опять же для данного ряда стратегию предсказания. Более того, эти стратегии могут быть адаптивны, меняясь вместе с рынком, что особенно важно для молодых активно развивающихся рынков, в частности, российского. Недостаток метода, аналогичный недостатку многофакторного статистического моделирования – по каждому фактору необходимо включать в расчет собственный предварительный прогноз.

Как показано в работе [20], этот метод можно комбинировать с другими, например с методом дискретного пространственно-параметрического моделирования (ДППМ)[1].

В [18] приводится пример нейросетевого моделирования рынков недвижимости г. Москвы. В рассматриваемом примере выходами сети являлись ставки аренды торговой и офисной недвижимости, а также цены на квартиры г. Москвы. На вход подавались статистические данные о:

1.                валовом внутреннем продукте;

2.                объемах промышленного производства;

3.                объемах продукции сельского хозяйства;

4.                инвестициях в основной капитал;

5.                индексе потребительских цен на товары и услуги;

6.                общем уровне безработицы;

7.                организованных сбережениях населения;

8.                количеств денег на руках у населения;

9.                объемах экспорта;

10.           объемах импорта;

11.           курсе национальной валюты;

12.           среднемесячной заработной плате;

13.           уровне инфляции;

14.           наличии или отсутствии парламентских (президентских) выборов;

15.           политической стабильности.

При моделировании в [18] использовалась так называемая нейронная сеть с одним скрытым слоем нейронов. Сигналы, поступающие на входы Х1,…,Хn, умножаются на коэффициенты (веса, синапсы) соответствующие каждому входу и определяют уровень возбуждения нейрона. Выходной сигнал получается пропусканием суммарного сигнала возбужденных нейронов скрытого слоя через нелинейную функцию. В качестве нелинейной функции использовалась сигмоидная функция, являющаяся непрерывной и сколько угодно раз дифференцируемой:

,

где d — постоянное смещение;

Wi — веса входных сигналов (синапсы).

Фундаментальным продвижением методологии моделирования и прогнозирования рынка недвижимости является работа [21], в которой сформированы уравнения спроса и предложения на рынке жилья.

Спрос разделен на две составляющие - спрос домохозяйств и спрос инвесторов.

Уравнение спроса на жилье со стороны домохозяйств Dhtвыглядит следующим образом:

,

где incomet реальный доход домохозяйства, выраженный в рублях;

area_fitt – суммарный запас жилищного фонда на душу населения за вычетом ветхого и аварийного жилья.

Обратная функция спроса со стороны домохозяйств, которая используется для эмпирических расчетов, записана в виде:

,

где cpit – темп инфляции;

startt – предложение жилья на первичном рынке.

Уравнение спроса со стороны инвесторов DtInvest:

,

где D tInvest спрос на новое жилье со стороны инвесторов;

ind_PHt – темп роста цен на жилье;

ind_PHexp t+1 – ожидаемый темп роста на жилье в следующем периоде;

π exp t+1 ожидаемая инфляция будущего периода;

PAexp t+1 ожидаемая доходность от альтернативных инвестиций;

creditt переменная, характеризующая доступность кредита.

Обратная функция спроса со стороны инвесторов на первичное жилье имеет вид:

,

где ind_PHt Invest – отношение цен на жилье в текущем периоде к ценам на жилье в базисном периоде;

invhousest – доля (в процентах от общего объема) инвестиций в жилье – proxy-переменная для доходности от покупки жилья; характеризует ожидаемый темп роста цен на жилье в будущем периоде ind_PHexp t+1 ;

startt предложение жилья на первичном рынке;

rtst – прирост в процентах по отношению к прошлому году индекса РТС.

Предложение жилья со стороны строительных фирм:

,

где ind_PHt exp и ind_PEst exp ожидаемые рост цен на жилье и рост цен на недвижимость другого рода в период t , сформированные в прошлом периоде;

ct – издержки строительства (например, зарплата рабочих в строительной отрасли, стоимость строительных материалов).

Линеаризованная форма уравнения предложения имеет вид:

,

где startt предложение нового жилья в момент времени t;

ind_PHt – темп роста цен на жилье в предыдущих периодах;

invbuildst-1 доля инвестиций в нежилое строительство (здания и сооружения) как proxy-переменная для доходности строительства нежилых объектов;

pi_bcwt-1 индекс стоимости строительно-монтажных работ в качестве proxy-переменной для зарплаты рабочих, занятых в строительстве.

Таким образом, темп роста цен на жилье имеет вид:

Рассматриваемые модели спроса и предложения учитывают следующие факторы рынка недвижимости: темп роста цен на жилье; ожидаемая инфляция будущего периода; ожидаемая доходность от альтернативных инвестиций; степень доступности кредитных средств; предложение жилья на первичном рынке; прирост по отношению к прошлому году индекса РТС; реальный доход домохозяйства; суммарный запас жилищного фонда на душу населения; издержки строительства; доля инвестиций в нежилое строительство; стоимость строительно-монтажных работ.

При всей ценности данной работы в теоретическом отношении, в прагматическом аспекте необходимо отметить, что использование полученных авторами уравнений спроса и предложения для прогнозирования требует, как и в случае обычных регрессионных многофакторных моделей и нейросетевых моделей, предварительного прогноза динамики каждого из рассматриваемых факторов, что зачастую нереализуемо.

При разработке прогноза в условиях неопределенной экономической и/или политической ситуации принято использовать сценарный прогноз. Определяются два-три возможных сценария развития. Для каждого сценария даются экспертные оценки вероятности его реализации, близкие сценарии объединяются, маловероятные варианты отбрасываются. Далее, для каждого сценария развития экономической ситуации определяются тенденции изменения параметров рынка недвижимости. В этом случае снимается требование предварительного однозначного прогноза по каждому параметру, что позволяет использовать для каждого сценария многофакторную модель с заданными ступенчато изменяющимися параметрами факторов на период горизонта прогноза. Затем рассчитываются средневзвешенные параметры (с учетом заданной аналитиком экспертной оценки вероятности каждого сценария) и наиболее вероятный прогноз [9].

Пример сценарного прогноза динамики цен на жилье в Москве в период кризиса 2008 года приведен на рис. 9 /22/.

Рис. 10. Сценарный прогноз развития рынка жилья Москвы на октябрь 2008 – 2010 годы

Для полноты обзора методов, применяемых на рынке недвижимости России, необходимо отметить метод геокосмических аналогий В.А. Понько /23/. Авторы отмечают, что теория «длинных волн» экономических циклов Н.Д. Кондратьева, выступившего с докладом в 1924 году и предложившего применить ее к социально-экономическим системам, является лишь частным случаем метода геокосмических аналогий.

Метод геокосмических аналогий является частным случаем общей теории единого поля, в границах которой, как следствие, рассчитывается социально экономический потенциал для любой точки любого населенного пункта земного шара на любой момент времени по соотношению:

,

где V(n, L) – социально-экономический потенциал земельного участка в зависимости от n – административного уровня поселения и L – численности его населения;

ln – функция натурального логарифма;

e – основание натурального логарифма;

a – доля угла «золотой» пропорции (p/5) от полного угла; S = 0,618033... –«золотая» пропорция;

l – соотношение центробежной и центростремительной тенденций по оптимуму Паретто;

R – экономический радиус удаления земельного участка от центра населенного пункта.

Расчет долгосрочного цикла динамики цен на жилье в Москве, Санкт-Петербурге, Новосибирске проведен по программе СПЕКТР С.В. Марковой методом программного подбора циклов, обусловленных влиянием Луны, Солнца и планет солнечной системы (рис. 11).

Рис. 11. Модели динамики рыночной цены квартир многоэтажной жилой застройки, полученные методом геокосмических аналогий /23/

Графики показывают, что модель предсказала окончание фазы роста долгосрочного цикла в январе-июле 2007 года и начало стабилизации после кризиса в июле 2010 года. Реально начало кризиса пришлось на октябрь-ноябрь 2008 года, а стабилизация наступила в конце 2009 – начале 2010 года. Тем не менее, сам факт предсказания окончания фазы роста и начала кризиса заслуживает внимания.

Уроки кризиса. Развитие методов и моделей прогнозирования на рынке недвижимости в последние годы.

Сравнительно недавно перечень методик прогнозирования рынка недвижимости был пополнен в связи с появлением нового аспекта этой задачи - проявившуюся потребность в методиках прогнозирования развития рынка недвижимости со стороны госорганов, связанную с разработкой и необходимостью обоснования стратегий развития рынка жилья и жилищного строительства, ипотечного кредитования и т. д. Такие методики, помимо обычных требований к научной обоснованности и достоверности результатов, выдвигают специфические требования доступности для расчетов в условиях ограниченного набора исходных данных, а именно – публикуемых в официальной статистике (Росстат) и в прогнозах развития экономики МЭР РФ, Минфина РФ, ЦБ РФ. Откликом на эту научную проблему послужила методика [24], основанная на ранее выполненном исследовании эластичности цен на жилье по доходам и типизации рынков в зависимости от стадии их динамики [25]. Методика включает следующие операции:

ü    по данным о динамике цен определяется достигнутая стадия и тип рынка, экспертным способом прогнозируется их изменение в последующие годы;

ü    из среднесрочного правительственного прогноза выбираются прогнозируемые значения темпов роста реальных доходов населения и инфляции, и рассчитываются темпы роста номинальных доходов;

ü    выбирается одна из моделей, построенных для данного типа рынка, и рассчитывается среднемесячный темп роста цен на жилье.

Модели для прогнозирования цен на жилье получены в виде уравнения статистической связи между темпами роста цен на жилье на каждой стадии динамики и темпов роста среднедушевых доходов населения (рис. 12). В связи с ограниченность имеющейся статистики выделенные в /25/ 10 типов рынка были сведены в три группы:

ü    для типов 2 (развивающийся) и 7 (падающий, кризисный)

y = 0,534x + 0,795 (коэффициент детерминации R2 = 0,94);

ü    для типов 5 (стабильный) и 8 (депрессивный)

y = 0,361х – 0,692 (R2 = 0,93);

ü    для типов 3 (растущий) и 4 (перегретый)

y = 0,730х + 2,683 (R2 = 0,99).

Рис 12. Статистическая связь темпов роста цен на жилье с темпами роста среднедушевых доходов при различном типе рынка по соотношению спрос/предложение

Модели показали высокую точность прогнозирования динамики цен в Москве, Московской области, Санкт-Петербурге в краткосрочном периоде (1 год). Однако, в связи с необходимостью экспертного прогнозирования типа рынка модель не всегда обеспечивает необходимую точность в среднесрочном периоде (рис. 13).


Рис. 12. Прогноз динамики цен на рынке жилья столичных регионов на 2010-1013 годы и его проверка по фактическим данным

Факторов, влияющих на ситуацию на рынке недвижимости, значительно больше, чем их учитывается в большинстве рассмотренных моделей. Содержательный, феноменологический анализ факторов ценообразования, опирающийся на экспертные знания о рынке, качественные и количественные исследования закономерностей рынка, особенностей, отличающих рынки стран с транзитивной экономикой от развитых рыночных экономик /вторая/, должен предшествовать любым попыткам формализованного моделирования рынка. Математические модели, даже успешно прошедшие фильтры статистического анализа значимости факторов, не могут быть признаны адекватными, если они не опираются на экономическую гипотезу о сущности протекающих на рынке процессов в данной фазе и стадии его развития [4]. Кроме того, в процессе прогнозирования необходимо учитывать, что между ценообразующими факторами существуют не только прямые, но и горизонтальные и обратные связи.

К настоящему времени, учитывая накопленные результаты углубленного исследования закономерностей развивающегося рынка недвижимости России и факторов, определяющих динамику спроса и предложения на рынке недвижимости и их влияние на динамику цен на жилье, была сформулирована задача и разработана методика прогнозирования не только динамики цен, но и динамики комплекса показателей развития сложной системы «рынок жилой недвижимости»: предложение, спрос, поглощение площадей, объем строительства и ввода жилой недвижимости [26].

Обобщение результатов развития методов прогнозирования, используемых на рынке недвижимости, приведено в табл. 16.

Таблица 16. Классификация методов и моделей, используемых для прогнозирования на рынке недвижимости

признаки классификации

характеристика

Примеры использования

по глубине прогноза

краткосрочный

Экспертное предсказание

среднесрочный

/1-3, 4, 16-28, 31, 36, 37/

долгосрочный

/32/

по прогнозируемым показателям

один показатель (цены)

/1-3, 4, 16-28, 31, 32/

один-два показателя (предъяв ленный спрос, удовлетворенный спрос/поглощение)

/4/

комплексное прогнозирование (ввод, строительство, предложе ние, спрос, поглощение, цены)

/36, 37/

по степени формализации метода

экспертное предсказание

Широкое использование в отраслевой литературе

эвристическое прогнозирование (фундаментальный анализ)

/1/

математическое моделирование (технический анализ)

/1-3, 4, 16-28, 31, 32/

комплексный метод

/1, 33, 36, 37/

по классу моделей

аналитические

/1-3, 4, 16-28, 30-33/

имитационные (симулякры)

/36, 37/

по математическому методу аналитических моделей

регрессионное моделирование

/1-3, 4, 16-25, 33/

метод нейтронных сетей

/27-29/

метод геокосмических аналогий

/32/

сценарный метод

/31/

по количеству уровней модели

одноуровневые

/1-3, 16-29, 32/

двух-трехуровневые

/30, 33, 36, 37/

многоуровневые

/4, 24/

по количеству факторов в модели

однофакторные

/1-3, 16-20, 22/

двух-пятифакторные

/21, 30, 32/

многофакторные

/4, 24, 27-29, 33, 36, 37/

по степени учета связей между факторами

только прямые (вертикальные)

//

плюс горизонтальные и обратные

/36, 37/

по структуре модели

интегрированные

/1-3, 16-22, 27/

блочные

/4, 23-24, 36/

блочно-модульные

/37/

Результаты классификации методов и моделей позволяют понять достоинства, недостатки и ограничения применяемых на рынке недвижимости методов и моделей.

Таким образом, за 20 лет новейшей истории развития рынка недвижимости России накоплен большой опыт создания и совершенствования методов прогнозирования, который обеспечивает приемлемое качество и достоверность краткосрочных и среднесрочных прогнозов развития локального рынка жилой недвижимости.

Литература

1. Стерник Г.М., Стерник С.Г. Основные допущения, ограничения и рабочие гипотезы методологии ценового прогнозирования рынка недвижимости.

2. Стерник Г.М., Стерник С.Г. Методология и методы анализа рынка недвижимости – источник информации для прогнозирования рынка.

3. Прикладное прогнозирование национальной экономики / под ред. В.В. Ивантера, И.А. Буданова, А.Г. Коровкина, В.С. Сутягина. – М.: Экономистъ, 2007 – 896 ч.

4. Стерник Г.М. Как прогнозировать цены на жилье (пособие риэлтору). – Изд. РГР, М.: 1996. – 60 с.

5. Стерник Г.М. Эконометрический анализ и прогноз цен на жилье в городах России. - Материалы международной конференции по эконометрии жилищного рынка Европейской сети исследователей жилищного рынка, Вена, февраль 1997.

6. Стерник Г.М. Статистический подход к прогнозированию цен на жилье. - Журнал РАН «Экономика и математические методы», том 34 вып.1, 1998, стр. 85-90.

7. Коробкова М.В. Анализ динамики операций на рынке ИЖК в Москве (на примере Компании «МИЭЛЬ-Недвижимость». – Материалы VI Национального конгресса по недвижимости. – М.: 2007. http://realtymarket.ru/IX-Nacionalnii-kongress-po-nedvijimosti/Analiz-dinamiki-obema-operacii-na-rinke-IJK-v-Moskve-na-primere-Kompanii-MIEL-Nedvijimost-.html.

8. Хабибрахманов Р.Р. Влияние мирового финансового кризиса 
на развитие рынка недвижимости г.Казани.
http://realtymarket.ru/stati-kolleg/Vliyanie-mirovogo-finansovogo-krizisa-na-razvitie-rinka-nedvijimosti-g.Kazani..html

9. Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. - М.: Изд. «Экономика», 2009. – 606 с.

10. Стерник Г.М., Краснопольская А.Н. Негармоническое разложение ценовой динамики рынка жилья Москвы. - Журнал РАН «Экономическая наука современной России» № 2008, стр. 110-114.

11. Стерник Г.М., Печенкина А.В. Прогноз цен предложения квартир на российском рынке жилья (макроэкономический подход). – Журнал «Имущественные отношения в РФ», №10 (73), 2007, стр. 11-18.

12. Печенкина А.В. Построение модели прогноза цен предложения на рынке жилья г. Перми. - http://realtymarket.ru/stati-kolleg/Postroenie-modeli-prognoza-cen-predlojeniya-na-rinke-jilya-g.-Permi.html, июль 2007.

13. Печенкина А.В. Применение метода регрессионного анализа при прогнозировании цен на рынке жилья. - Материалы VI Международной научно-практической конференции «Современный финансовый рынок Российской Федерации», Пермь, 2008.

14. Печенкина А.В. Выбор метода прогнозирования средней цены предложения на рынке жилья города Перми. – Материалы III Петербургского ипотечного форума «Ипотека России». – 2008, Санкт-Петербург, май 2008. http://realtymarket.ru/III-Peterburgskii-ipote-nii-forum/Vibor-metoda-prognozirovaniya-srednei-ceni-predlojeniya-na-rinke-jilya-goroda-Permi.html.

15. Печенкина А.В. Использование многоуровневой факторной модели при прогнозировании ситуации на региональном рынке недвижимости (на примере Пермского края). - Журнал «Имущественные отношения в Российской Федерации» № 11 (110), Москва, 2010.

16. Молчанова М.Ю., Печенкина А.В. Особенности использования методов фундаментального и технического анализа при прогнозировании цен на рынке недвижимости региона. - Журнал «Вестник Пермского университета. Серия «Экономика». Выпуск 3(10), Пермь, 2011

17. Печенкина А.В. Развитие теории и практики прогнозирования цен на рынке жилья. - Материалы IX Международной научно-практической конференции «Современный финансовый рынок Российской Федерации», Пермь, 2011.

18. Снитюк В.Е. Применение метода стохастической релаксации для прогнозирования рынка недвижимости. Международная научная конференция «Нейросетевые технологии и их применение. − Краматорск. − 2003.

19. Комаров С. И. Автореферат диссертации, 2010.

20. Евстафьев А.И., Гордиенко В.А. Прогнозирование индикаторов рынка недвижимости путём двумерного разложения дискретной пространственно-параметрической модели на основе применения нейросетей. – Материалы Х1 Национального конгресса по недвижимости, - М.: 2007.

21. Дробышевский С.М. Анализ возможности возникновения «пузыря» на российском рынке недвижимости. – М.: Научные труды ИЭПП №128, 2009. – 136 с.

22. Стерник Г.М. Сценарный прогноз развития рынка жилья городов России. – Материалы Всероссийской конференции «Стратегия развития жилищного строительства в России». – М., 1.10.2008.

23. Власов А.Д., В.А. Понько, С.В. Хизаметдинов, Сибирский научный центр «Экопрогноз» , Новосибирск, 2007.

24. Стерник Г.М. Методика прогнозирования цен на жилье в зависимости от типа рынка. – Журнал «Имущественные отношения в РФ» №12, 2010.

25. Стерник Г.М., Стерник С.Г. Типология рынков недвижимости по склонности к образованию ценовых пузырей. – Журнал «Имущественные отношения в РФ» №8 (95) 2009, с. 18-28.

26. Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона) – Журнал «Имущественные отношения в РФ» №8 (131) 2012.



[1] ДППМ - упорядоченный набор индикаторов состояния рынка по всем его сегментам, полученный в результате параллельно-последовательного сечения рассматриваемой выборки объектов недвижимости по следующим измерениям: местоположение, качество, размер, срок сдачи объекта и другие [9].

Стерник Г.М., Стерник С.Г., Свиридов А.В. Методология прогнозирования российского рынка недвижимости. Часть 3. Эволюция методов прогнозирования на рынке жилой недвижимости России

(Механизация строительства. — 2014, № 2, стр. 60-64)
Категория: методические материалы

Эволюция методов прогнозирования на рынке жилой недвижимости России

Геннадий Моисеевич Стерник, профессор кафедры «Управление программами и проектами» РЭУ им. Г.В.Плеханова, канд.техн.наук

Сергей Геннадьевич Стерник, зам. по науке декана факультета экономики недвижимости РАНХиГС при Президенте РФ, д.э.н., проф.

Алексей Викторович Свиридов, аспирант

В предыдущих статьях /1, 2/ изложены допущения, ограничения и рабочие гипотезы о предметной области моделирования в методологии прогнозирования РН, основные положения методологии и конкретные методики количественного определения показателей предыстории рынка, необходимые при построении методики его прогнозирования. В настоящей статье описывается эволюция методов, нашедших применение на рынке недвижимости России в ходе его старта, становления и развития.

Зарождение и эволюция методов прогнозирования на рынке недвижимости России в девяностые-нулевые годы. С самого начала новейшей истории рынка недвижимости России (он датируется маем-июнем 1990 года, когда прошли первые легальные аукционные продажи кооперативных квартир в Москве) специалистами и широкой общественностью была осознана потребность в предвидении, прогнозировании тенденций развития рынка, и в первую очередь – динамики цен на нем. В условиях стартующего, хаотического рынка в первую очередь были востребованы (и наиболее широко используются по настоящее время) экспертные предсказания – наименее формализованный метод, вызывающий обоснованное доверие в случае высказываний опытных экспертов о качественных тенденциях рынка (обычно в краткосрочном периоде – несколько месяцев), но и вызывающий неудовлетворенность специалистов /3/ и потребителей прогнозов при попытках дать количественные оценки.

Несмотря на то, что первые формализованные, расчетные прогнозы (среднесрочные – на 1-3 года) появились уже в 1995 году [4-6], до настоящего времени продолжается развитие и совершенствование методов прогнозирования на отечественном рынке.

Применяемые для прогнозирования методы весьма разнообразны, но в общем виде могут быть разделены на методы, основанные двух крайних подходах: эвристическом (логико-аналитическом), или фундаментальном анализе, и математическом, или техническом анализе. По нашему мнению, наиболее эффективными и обладающими наибольшей прогностической способностью являются комбинированные методы, включающие в себя элементы обоих этих подходов.

Если на фондовом рынке специалисты делятся на «фундаменталистов» и «техников», основывающих свои заключения либо на фундаментальном, либо на техническом анализе, то на рынке недвижимости другая ситуация. Здесь необходимо применять оба подхода, поскольку в отрыве от общеэкономической ситуации технический прогноз может оказаться ошибочным. В то же время факторный анализ позволяет определить стадию развития рынка и тенденции его будущего развития, а определение численных значений динамик стоимостных и объемных показателей находится в области математического моделирования.

Первая работа, посвященная прогнозированию на зарождающемся рынке недвижимости России /4/, содержала две методики, работающих совместно: эвристическую и математическую, основанную на регрессионно-статистической модели.

Эвристический подход (один из вариантов фундаментального анализа) к прогнозированию цен на объекты недвижимости состоит в логическом, использующем как количественные, так и качественные данные, анализе факторов, формирующих тенденции изменения цен, и выявлении результирующей тенденции.

Методика, основанная на эвристическом подходе, включает следующие этапы:

ü    оп­ре­де­ле­ние со­стоя­ния рын­ка жи­лья в го­ро­де на про­гно­зи­руе­мый пе­ри­од и ос­нов­ной тен­ден­ции из­ме­не­ния цен;

ü    оп­ре­де­ле­ние спе­ци­фи­че­ских ус­ло­вий го­ро­да и со­от­вет­ст­вую­щей тен­ден­ции из­ме­не­ния тем­пов рос­та цен;

ü    оп­ре­де­ле­ние эко­но­ми­че­ских ус­ло­вий го­ро­да и со­от­вет­ст­вую­щей тен­ден­ции из­ме­не­ния тем­пов рос­та цен;

ü    со­пос­тав­ле­ние ре­зуль­та­тов по предыдущим пунктам, и оп­ре­де­ле­ние со­во­куп­ной тен­ден­ции из­ме­не­ния цен;

ü    про­гно­зи­ро­ва­ние (ана­лиз из­вест­ных про­гно­зов) из­ме­не­ния мак­ро­эко­но­ми­че­ских па­ра­мет­ров и вне­се­ние по­пра­вок в про­гноз из­ме­не­ния цен на жи­лье.

В январе-феврале 1995 года, когда проводилось цитируемое исследование, цены на рынке жилья Москвы выросли с июня 1990 года с 100 до 1120 $/кв. м и находились в стадии роста (рис. 2).

 


Рис. 2. Динамика средних удельных цен на рынке жилья Москвы (июнь 1990 - декабрь 1995)

Однако, сбор и анализ информации о фундаментальных факторах ситуации на рынке (резкое повышение объема предложения вследствие приватизации жилья) и в экономике (начало стабилизации) позволил с помощью эвристической методики получить качественный прогноз о намечающемся переломе тенденций и переходе рынка в стадию стабилизации. Эта гипотеза была положена в основу в методике, основанной на регрессионной статистической модели.

Статистический метод состоит в использовании динамического ряда значений уровня цен для построения статистической модели процесса и получении на ее основе экстраполяционного прогноза. Однако, его применение эффективно в стационарных процессах с монотонной динамикой, и при этом экстрополяционные уравнения (даже лучшие из них типа ARIMA), обеспечивая малую погрешность прогноза, не исключают высокую вероятность ошибки в случае перелома тенденции.

 


Если же вид уравнения регрессионной модели задан аналитиком не подбором подходящего сглаживания, а исходя из гипотезы о возможном характере протекания моделируемого процесса, то такая модель может иметь значительную прогностическую способность.

Для моделирования динамики вторичного рынка жилья в Москве, Твери, Екатеринбурге, Рязани, Барнауле в 1995 году была предложена логистическая модель вида

V (Т) = А / (1 + ехр (B - CT)),

где V- средняя за период (среднемесячная) удельная цена общей площади квартиры;

Т - порядковый номер периода (месяца);

А, В и С - постоянные коэффициенты (параметры модели).

Подобная логистическая модель используется в теории систем автоматического регулирования для любого переходного процесса (изменение некоторого параметра системы при ее переходе из одного состояния в другое, например, при взлете самолета). Но если рынок представляет собой самонастраивающуюся, саморегулируемую систему, то его развитие должно подчиняться подобной закономерности, и эта закономерность является общей как для технических, так и для социально-экономических систем /4/.

На рис. 3 и 4 приведены результаты прогнозирования. Видно, что до начала кризиса августа 1998 года модель давала высокие результаты. Причем, в Москве переход к стабилизации цен происходил по колебательному сценарию (в терминах теории автоматического регулирования – «с перебегом»), в других городах – асимптотически («с доползанием»).

 


Рис. 3. Динамика средних удельных цен на жилье в Москве и Санкт-Петербурге в июне 1990 - декабре 1994 года и прогноз до декабря 1998 года по логистической модели


Рис. 4. Динамика средних удельных цен на жилье в Твери и Екатеринбурге в июне 1990 - декабре 1994 года и прогноз до декабря 1998 года по логистической модели

Данная модель успешно применялась другими авторами для прогнозирования динамики количества ипотечных сделок в период зарождения рынка ипотеки в Москве /7/, динамики цен в период выхода из кризиса рынка жилья Казани /8/.

В октябре 2000 года, через два года после начала кризиса, была построена новая модель (аналогичная модели выхода самолета из пике) вида

V = B0-B1/(B2+exp((B3*Т+B4)2)).

Эта модель использовалась при прогнозировании динамики цен в Москве на 2001 и 2002 гг. (рис. 5). Модель дала прогноз высокой точности о переходе рынка к росту в 2001 году и к стабилизации к середине 2002 года, после чего началась новая стадия роста, не предсказанная моделью.

Применение этих моделей подтвердило, что при высокой прогностической способности в среднесрочном периоде они обладают существенным ограничением: после перехода системы в новое состояние модель описывает стабилизацию и не предсказывает то или иное изменение трендов.

 


Рис. 5. Динамика средней удельной цены жилья в Москве в 2000 году и прогноз на 2001-2002 годы по логистической модели

В 2002-2003 году было проведено исследование факторов, определивших новый подъем цен на рынке недвижимости. Этот подъем был увязан с начавшимся ростом притока капитала в Россию вследствие быстрого роста цен на экспортируемую нефть – с 12-14 $/баррель в конце 90-х годов до 17-25 $/баррель в 2002 году и до 30 $/баррель в 2003 году. Получена статистическая связь между уровнем цен на нефть и месячным темпом роста цен на квартиры в Москве (рис. 6). Эта связь описывается экспоненциальным уравнением с удовлетворительным коэффициентом корреляции и лагом 2 месяца, определяемым средним сроком возврата экспортной выручки в Россию:

Δyi = 0,0304exp0,1617x(i-2),

где Δyi месячный прирост цен на жилье, %;

x (i-2)уровень цен на нефть с лагом 2 месяца, $/баррель.

 


Рис. 6. Статистическая связь месячного прироста цен на жилье в Москве и уровня цен на экспортную нефть (с лагом 2 месяца)

Полученная параметрическая зависимость позволила успешно осуществлять сверхкраткосрочное (на 1-2 месяца) прогнозирование динамики цен на жилье в Москве. Расчет прогноза осуществлялся с использованием уравнений вида

Y(i+2) = Yi (1+ Δy(i+2)/100);

Δy(i+2) = 0,0304exp0,1617xi,

где Y(i+2) – прогноз уровня цен на жилье через два месяца, $/кв. м;

Yi – уровень цен в предыдущем месяце, $/кв. м;

Δy(i+2)прирост цен через два месяца, %;

xiуровень цен на нефть в предыдущем месяце, $/баррель.

Эти прогнозы ежемесячно рассчитывались и публиковались в журнале «Наш адрес» и показывали высокую точность в течение полутора лет – до марта 2004 года.

Причина снижения точности прогнозов была выявлена в виде возросшего влияния еще одного макроэкономического фактора – резкого повышения оттока капитала частного сектора, начавшегося в феврале 2004 года (с $1,9 млрд в 2003 до $8,9 млрд в 2004 году).

Но и краткосрочные (на год) и среднесрочные (на 2-3 года) прогнозы в 2003-2004 годах, использующие анализируемую методику, были неудачными. Причины значительного расхождения прогнозируемых цен на жилье с фактическими данными состояли в том, что заложенные в методику прогнозы динамики цен на нефть, заимствуемые из публикаций Международного энергетического агентства (МЭА) и других авторитетных источников, в тот период зачастую не оправдывались.

В дальнейшем, по мере продолжающегося (пусть и колебательного) роста цен на нефть, в среде макроэкономистов и политиков сложилось представление о начале долгосрочного устойчивого роста экономики России. Это позволило при среднесрочном прогнозировании от использования логистических моделей разового перехода системы в новое состояние перейти к колебательным моделям.

К середине нулевых годов были накоплены длинные ряды наблюдений динамики цен на рынке недвижимости. В июне 2006 года была разработана методика прогнозирования, основанная на следующих предпосылках /10, 11/.

Аппроксимация ценового тренда за 6 лет (полиномом второго порядка) показала, что рынок жилья Москвы, как и других городов России, находится в начале полупериода роста (точнее, в первой четверти периода) «длинного» цикла колебаний, ответственность за который несет исторический дефицит жилья на фоне совокупности макроэкономических показателей. Это уравнение было названо «базовый тренд», и он принят как основа для долгосрочного прогноза динамики цен, с возможным переломом тенденции в 2010-2011 году (переход рынка недвижимости во вторую четверть цикла) (рис. 7).


Рис. 7. Апроксимация долгосрочного ценового тренда (Москва)

Но на рынке недвижимости действуют и другие факторы, которые накладывают на базовый тренд более быстропротекающие, среднесрочные и краткосрочные колебания. Например, связанные с строительно-инвестиционным циклом, с развитием инфраструктуры рынка строительства жилья, с потребительским поведением граждан и т.д.

Эти колебания на рынке жилья реализовывались в фазе роста долгосрочного цикла не в колебаниях цен, а в колебаниях первой производной – темпов прироста цен относительно базового тренда.

Сущность метода изучения динамики рынка, разработанного летом 2006 года и названного нами методом негармонического разложения ценового тренда, сводится к переходу от изучения динамики исследуемой величины (собственно цен) к исследованию первой (приросты, или скорость роста), затем второй (скорость роста приростов, или ускорение роста цен) и т.д. производной – динамических рядов темпов прироста величин относительно аппроксимирующей функции предыдущего уровня.

Для расчета прогноза выполняется следующая последовательность операций:

-                     производится аппроксимация достаточно длинного динамического ряда (например, полиномом второго порядка) и построение базового тренда («длинный цикл»);

-                     рассчитываются приросты (первая производная) цен относительно базового тренда («средние циклы»);

-                     на основании выявленной периодичности и амплитуды колебаний первой производной дается прогноз «средних циклов»;

-                     производится аппроксимация «средних циклов»;

-                     рассчитываются приросты (вторая производная) цен относительно тренда «средних циклов» («короткие циклы»);

-                     на основании выявленной периодичности и амплитуды дается прогноз «коротких циклов»;

- последовательной суперпозицией снизу-вверх получается интегральный прогноз.

Графики на рис. 8 показывают достаточно стабильную периодичность колебаний «среднего» тренда: полтора года - рост и около года – снижение. При этом амплитуды колебаний приростов росли. Положительные максимумы принимали значения 111, 216, 794 $/кв. м в месяц (соотношение 1:1,9:3,7). Иными словами, абсолютные значения положительной полуамплитуды удваивалось вместе с удвоением значений базового тренда. Отрицательные максимумы принимали значения 98, 374 $/кв. м в месяц, т.е. вторая полуамплитуда втрое больше первой и в 1,7 раза больше второй положительной полуамплитуды. Такие параметры колебаний можно принять в качестве ориентировочных при прогнозировании тенденций изменения темпов роста цен относительно базового тренда (параболы второй степени).

Математическая модель-прогноз состоит из следующей системы уравнений:

Y = y + Δy2 + Δy3 + Δy4 + …. + Δyn, (1)

y = a3 x3 + a2x2 + a1x + a0 , (2)

Δy1 (3);

Δy2 = (4);

Δy3 = (5);

………………………………………..

Δyn = (6),

где Y – прогнозное значение средней удельной цены предложения жилья в месяце х;

y – уравнение базового тренда (долгосрочный прогноз);

Δy1 – прогноз приростов средней удельной цены предложения жилья в месяце х относительно базового тренда;

Δy2 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда второго порядка;

Δy3 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда третьего порядка;

Δyn - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда предпоследнего порядка;

а, b, c, d, р с индексами – коэффициенты уравнений (трендов различного порядка), аппроксимирующих фактические данные.

Модели (3) – (6) сформированы как уравнения модифицированной синусоиды /11/. Например, в июле 2007 года уравнение динамики первой производной приняло вид

, R2=0,8408.

Опыт вычислений показал, что в связи с последовательным уменьшением амплитуды отклонений приростов цен от предшествующей аппроксимации в 2-3 раза (рис. 9) на практике достаточно ограничиться двумя-тремя итерациями расчета производной.

 


Рис. 8. Динамика и прогноз значений первой и третьей производной ценового тренда (Москва)


Рис. 9. Суперпозиция и получение среднесрочного прогноза динамики цен на рынке жилья Москвы

До октября 2008 года модель демонстрировала высокую точность (рис. 9). Но кризис 2008 года отменил сделанные ранее прогнозы.

«Лишь немногие экономисты видели приближение нынешнего кризиса. В самых распространенных математических моделях, которыми пользовались для прогнозирования экономисты, ничто не предполагало саму возможность коллапса вроде того, что случился в минувшем году» (Пол Кругман, нобелевский лауреат, 2009 год).

Динамическая статистическая модель приведенного ранее вида содержит одну независимую переменную, один фактор – время:

Y = f (Т).

Более продвинутым считается многофакторное моделирование вида

Y = f (X1, X2, X3, Т).

С середины нулевых годов ряд специалистов начали активно развивать эти методы применительно к прогнозированию динамики цен на рынке недвижимости /12-17 и др./.

Включение в модель других факторов может повысить качество аппроксимации, приблизить модель к фактическим данным периода предыстории. Однако, метод обладает принципиальными недостатками:

1) это не всегда означает повышение точности прогноза, т.к. предварительно необходимо дать прогноз изменения каждого из входных индикаторов, что повышает вероятность общей ошибки;

2) методы регрессионного многофакторного прогнозирования разработаны для линейных (в лучшем случае – линеаризированных) моделей, а известные зависимости цена-фактор часто принципиально нелинейны;

3) метод основан на классе «аналитических» моделей, не позволяющих учитывать сложные связи (прежде всего обратные) между факторами.

Мощным методом прогнозирования, адаптированным для рынка недвижимости в середине нулевых годов, является метод нейронных сетей /18-20/. Это класс аналитических методов многофакторного моделирования, построенных на принципах обучения мыслящих существ и функционирования мозга и позволяющих прогнозировать значения некоторых переменных после прохождения этапа «обучения» на имеющихся данных.

Нейронные сети представляют собой самообучающиеся системы, построенные на элементах, моделирующих принцип действия нейрона человеческого мозга. Преимуществом нейронных сетей является возможность их использования в тех случаях, когда вид взаимосвязи между входами и выходами не известен, более того, аналитик даже не должен высказывать предположение о характере этой взаимосвязи. Определение вида связи и настройка весовых коэффициентов происходят в процессе обучения. Нейронные сети способны находить оптимальные для данного инструмента индикаторы и строить по ним оптимальную опять же для данного ряда стратегию предсказания. Более того, эти стратегии могут быть адаптивны, меняясь вместе с рынком, что особенно важно для молодых активно развивающихся рынков, в частности, российского. Недостаток метода, аналогичный недостатку многофакторного статистического моделирования – по каждому фактору необходимо включать в расчет собственный предварительный прогноз.

Как показано в работе [20], этот метод можно комбинировать с другими, например с методом дискретного пространственно-параметрического моделирования (ДППМ)[1].

В [18] приводится пример нейросетевого моделирования рынков недвижимости г. Москвы. В рассматриваемом примере выходами сети являлись ставки аренды торговой и офисной недвижимости, а также цены на квартиры г. Москвы. На вход подавались статистические данные о:

1.                валовом внутреннем продукте;

2.                объемах промышленного производства;

3.                объемах продукции сельского хозяйства;

4.                инвестициях в основной капитал;

5.                индексе потребительских цен на товары и услуги;

6.                общем уровне безработицы;

7.                организованных сбережениях населения;

8.                количеств денег на руках у населения;

9.                объемах экспорта;

10.           объемах импорта;

11.           курсе национальной валюты;

12.           среднемесячной заработной плате;

13.           уровне инфляции;

14.           наличии или отсутствии парламентских (президентских) выборов;

15.           политической стабильности.

При моделировании в [18] использовалась так называемая нейронная сеть с одним скрытым слоем нейронов. Сигналы, поступающие на входы Х1,…,Хn, умножаются на коэффициенты (веса, синапсы) соответствующие каждому входу и определяют уровень возбуждения нейрона. Выходной сигнал получается пропусканием суммарного сигнала возбужденных нейронов скрытого слоя через нелинейную функцию. В качестве нелинейной функции использовалась сигмоидная функция, являющаяся непрерывной и сколько угодно раз дифференцируемой:

,

где d — постоянное смещение;

Wi — веса входных сигналов (синапсы).

Фундаментальным продвижением методологии моделирования и прогнозирования рынка недвижимости является работа [21], в которой сформированы уравнения спроса и предложения на рынке жилья.

Спрос разделен на две составляющие - спрос домохозяйств и спрос инвесторов.

Уравнение спроса на жилье со стороны домохозяйств Dhtвыглядит следующим образом:

,

где incomet реальный доход домохозяйства, выраженный в рублях;

area_fitt – суммарный запас жилищного фонда на душу населения за вычетом ветхого и аварийного жилья.

Обратная функция спроса со стороны домохозяйств, которая используется для эмпирических расчетов, записана в виде:

,

где cpit – темп инфляции;

startt – предложение жилья на первичном рынке.

Уравнение спроса со стороны инвесторов DtInvest:

,

где D tInvest спрос на новое жилье со стороны инвесторов;

ind_PHt – темп роста цен на жилье;

ind_PHexp t+1 – ожидаемый темп роста на жилье в следующем периоде;

π exp t+1 ожидаемая инфляция будущего периода;

PAexp t+1 ожидаемая доходность от альтернативных инвестиций;

creditt переменная, характеризующая доступность кредита.

Обратная функция спроса со стороны инвесторов на первичное жилье имеет вид:

,

где ind_PHt Invest – отношение цен на жилье в текущем периоде к ценам на жилье в базисном периоде;

invhousest – доля (в процентах от общего объема) инвестиций в жилье – proxy-переменная для доходности от покупки жилья; характеризует ожидаемый темп роста цен на жилье в будущем периоде ind_PHexp t+1 ;

startt предложение жилья на первичном рынке;

rtst – прирост в процентах по отношению к прошлому году индекса РТС.

Предложение жилья со стороны строительных фирм:

,

где ind_PHt exp и ind_PEst exp ожидаемые рост цен на жилье и рост цен на недвижимость другого рода в период t , сформированные в прошлом периоде;

ct – издержки строительства (например, зарплата рабочих в строительной отрасли, стоимость строительных материалов).

Линеаризованная форма уравнения предложения имеет вид:

,

где startt предложение нового жилья в момент времени t;

ind_PHt – темп роста цен на жилье в предыдущих периодах;

invbuildst-1 доля инвестиций в нежилое строительство (здания и сооружения) как proxy-переменная для доходности строительства нежилых объектов;

pi_bcwt-1 индекс стоимости строительно-монтажных работ в качестве proxy-переменной для зарплаты рабочих, занятых в строительстве.

Таким образом, темп роста цен на жилье имеет вид:

Рассматриваемые модели спроса и предложения учитывают следующие факторы рынка недвижимости: темп роста цен на жилье; ожидаемая инфляция будущего периода; ожидаемая доходность от альтернативных инвестиций; степень доступности кредитных средств; предложение жилья на первичном рынке; прирост по отношению к прошлому году индекса РТС; реальный доход домохозяйства; суммарный запас жилищного фонда на душу населения; издержки строительства; доля инвестиций в нежилое строительство; стоимость строительно-монтажных работ.

При всей ценности данной работы в теоретическом отношении, в прагматическом аспекте необходимо отметить, что использование полученных авторами уравнений спроса и предложения для прогнозирования требует, как и в случае обычных регрессионных многофакторных моделей и нейросетевых моделей, предварительного прогноза динамики каждого из рассматриваемых факторов, что зачастую нереализуемо.

При разработке прогноза в условиях неопределенной экономической и/или политической ситуации принято использовать сценарный прогноз. Определяются два-три возможных сценария развития. Для каждого сценария даются экспертные оценки вероятности его реализации, близкие сценарии объединяются, маловероятные варианты отбрасываются. Далее, для каждого сценария развития экономической ситуации определяются тенденции изменения параметров рынка недвижимости. В этом случае снимается требование предварительного однозначного прогноза по каждому параметру, что позволяет использовать для каждого сценария многофакторную модель с заданными ступенчато изменяющимися параметрами факторов на период горизонта прогноза. Затем рассчитываются средневзвешенные параметры (с учетом заданной аналитиком экспертной оценки вероятности каждого сценария) и наиболее вероятный прогноз [9].

Пример сценарного прогноза динамики цен на жилье в Москве в период кризиса 2008 года приведен на рис. 9 /22/.

Рис. 10. Сценарный прогноз развития рынка жилья Москвы на октябрь 2008 – 2010 годы

Для полноты обзора методов, применяемых на рынке недвижимости России, необходимо отметить метод геокосмических аналогий В.А. Понько /23/. Авторы отмечают, что теория «длинных волн» экономических циклов Н.Д. Кондратьева, выступившего с докладом в 1924 году и предложившего применить ее к социально-экономическим системам, является лишь частным случаем метода геокосмических аналогий.

Метод геокосмических аналогий является частным случаем общей теории единого поля, в границах которой, как следствие, рассчитывается социально экономический потенциал для любой точки любого населенного пункта земного шара на любой момент времени по соотношению:

,

где V(n, L) – социально-экономический потенциал земельного участка в зависимости от n – административного уровня поселения и L – численности его населения;

ln – функция натурального логарифма;

e – основание натурального логарифма;

a – доля угла «золотой» пропорции (p/5) от полного угла; S = 0,618033... –«золотая» пропорция;

l – соотношение центробежной и центростремительной тенденций по оптимуму Паретто;

R – экономический радиус удаления земельного участка от центра населенного пункта.

Расчет долгосрочного цикла динамики цен на жилье в Москве, Санкт-Петербурге, Новосибирске проведен по программе СПЕКТР С.В. Марковой методом программного подбора циклов, обусловленных влиянием Луны, Солнца и планет солнечной системы (рис. 11).

Рис. 11. Модели динамики рыночной цены квартир многоэтажной жилой застройки, полученные методом геокосмических аналогий /23/

Графики показывают, что модель предсказала окончание фазы роста долгосрочного цикла в январе-июле 2007 года и начало стабилизации после кризиса в июле 2010 года. Реально начало кризиса пришлось на октябрь-ноябрь 2008 года, а стабилизация наступила в конце 2009 – начале 2010 года. Тем не менее, сам факт предсказания окончания фазы роста и начала кризиса заслуживает внимания.

Уроки кризиса. Развитие методов и моделей прогнозирования на рынке недвижимости в последние годы.

Сравнительно недавно перечень методик прогнозирования рынка недвижимости был пополнен в связи с появлением нового аспекта этой задачи - проявившуюся потребность в методиках прогнозирования развития рынка недвижимости со стороны госорганов, связанную с разработкой и необходимостью обоснования стратегий развития рынка жилья и жилищного строительства, ипотечного кредитования и т. д. Такие методики, помимо обычных требований к научной обоснованности и достоверности результатов, выдвигают специфические требования доступности для расчетов в условиях ограниченного набора исходных данных, а именно – публикуемых в официальной статистике (Росстат) и в прогнозах развития экономики МЭР РФ, Минфина РФ, ЦБ РФ. Откликом на эту научную проблему послужила методика [24], основанная на ранее выполненном исследовании эластичности цен на жилье по доходам и типизации рынков в зависимости от стадии их динамики [25]. Методика включает следующие операции:

ü    по данным о динамике цен определяется достигнутая стадия и тип рынка, экспертным способом прогнозируется их изменение в последующие годы;

ü    из среднесрочного правительственного прогноза выбираются прогнозируемые значения темпов роста реальных доходов населения и инфляции, и рассчитываются темпы роста номинальных доходов;

ü    выбирается одна из моделей, построенных для данного типа рынка, и рассчитывается среднемесячный темп роста цен на жилье.

Модели для прогнозирования цен на жилье получены в виде уравнения статистической связи между темпами роста цен на жилье на каждой стадии динамики и темпов роста среднедушевых доходов населения (рис. 12). В связи с ограниченность имеющейся статистики выделенные в /25/ 10 типов рынка были сведены в три группы:

ü    для типов 2 (развивающийся) и 7 (падающий, кризисный)

y = 0,534x + 0,795 (коэффициент детерминации R2 = 0,94);

ü    для типов 5 (стабильный) и 8 (депрессивный)

y = 0,361х – 0,692 (R2 = 0,93);

ü    для типов 3 (растущий) и 4 (перегретый)

y = 0,730х + 2,683 (R2 = 0,99).

Рис 12. Статистическая связь темпов роста цен на жилье с темпами роста среднедушевых доходов при различном типе рынка по соотношению спрос/предложение

Модели показали высокую точность прогнозирования динамики цен в Москве, Московской области, Санкт-Петербурге в краткосрочном периоде (1 год). Однако, в связи с необходимостью экспертного прогнозирования типа рынка модель не всегда обеспечивает необходимую точность в среднесрочном периоде (рис. 13).


Рис. 12. Прогноз динамики цен на рынке жилья столичных регионов на 2010-1013 годы и его проверка по фактическим данным

Факторов, влияющих на ситуацию на рынке недвижимости, значительно больше, чем их учитывается в большинстве рассмотренных моделей. Содержательный, феноменологический анализ факторов ценообразования, опирающийся на экспертные знания о рынке, качественные и количественные исследования закономерностей рынка, особенностей, отличающих рынки стран с транзитивной экономикой от развитых рыночных экономик /вторая/, должен предшествовать любым попыткам формализованного моделирования рынка. Математические модели, даже успешно прошедшие фильтры статистического анализа значимости факторов, не могут быть признаны адекватными, если они не опираются на экономическую гипотезу о сущности протекающих на рынке процессов в данной фазе и стадии его развития [4]. Кроме того, в процессе прогнозирования необходимо учитывать, что между ценообразующими факторами существуют не только прямые, но и горизонтальные и обратные связи.

К настоящему времени, учитывая накопленные результаты углубленного исследования закономерностей развивающегося рынка недвижимости России и факторов, определяющих динамику спроса и предложения на рынке недвижимости и их влияние на динамику цен на жилье, была сформулирована задача и разработана методика прогнозирования не только динамики цен, но и динамики комплекса показателей развития сложной системы «рынок жилой недвижимости»: предложение, спрос, поглощение площадей, объем строительства и ввода жилой недвижимости [26].

Обобщение результатов развития методов прогнозирования, используемых на рынке недвижимости, приведено в табл. 16.

Таблица 16. Классификация методов и моделей, используемых для прогнозирования на рынке недвижимости

признаки классификации

характеристика

Примеры использования

по глубине прогноза

краткосрочный

Экспертное предсказание

среднесрочный

/1-3, 4, 16-28, 31, 36, 37/

долгосрочный

/32/

по прогнозируемым показателям

один показатель (цены)

/1-3, 4, 16-28, 31, 32/

один-два показателя (предъяв ленный спрос, удовлетворенный спрос/поглощение)

/4/

комплексное прогнозирование (ввод, строительство, предложе ние, спрос, поглощение, цены)

/36, 37/

по степени формализации метода

экспертное предсказание

Широкое использование в отраслевой литературе

эвристическое прогнозирование (фундаментальный анализ)

/1/

математическое моделирование (технический анализ)

/1-3, 4, 16-28, 31, 32/

комплексный метод

/1, 33, 36, 37/

по классу моделей

аналитические

/1-3, 4, 16-28, 30-33/

имитационные (симулякры)

/36, 37/

по математическому методу аналитических моделей

регрессионное моделирование

/1-3, 4, 16-25, 33/

метод нейтронных сетей

/27-29/

метод геокосмических аналогий

/32/

сценарный метод

/31/

по количеству уровней модели

одноуровневые

/1-3, 16-29, 32/

двух-трехуровневые

/30, 33, 36, 37/

многоуровневые

/4, 24/

по количеству факторов в модели

однофакторные

/1-3, 16-20, 22/

двух-пятифакторные

/21, 30, 32/

многофакторные

/4, 24, 27-29, 33, 36, 37/

по степени учета связей между факторами

только прямые (вертикальные)

//

плюс горизонтальные и обратные

/36, 37/

по структуре модели

интегрированные

/1-3, 16-22, 27/

блочные

/4, 23-24, 36/

блочно-модульные

/37/

Результаты классификации методов и моделей позволяют понять достоинства, недостатки и ограничения применяемых на рынке недвижимости методов и моделей.

Таким образом, за 20 лет новейшей истории развития рынка недвижимости России накоплен большой опыт создания и совершенствования методов прогнозирования, который обеспечивает приемлемое качество и достоверность краткосрочных и среднесрочных прогнозов развития локального рынка жилой недвижимости.

Литература

1. Стерник Г.М., Стерник С.Г. Основные допущения, ограничения и рабочие гипотезы методологии ценового прогнозирования рынка недвижимости.

2. Стерник Г.М., Стерник С.Г. Методология и методы анализа рынка недвижимости – источник информации для прогнозирования рынка.

3. Прикладное прогнозирование национальной экономики / под ред. В.В. Ивантера, И.А. Буданова, А.Г. Коровкина, В.С. Сутягина. – М.: Экономистъ, 2007 – 896 ч.

4. Стерник Г.М. Как прогнозировать цены на жилье (пособие риэлтору). – Изд. РГР, М.: 1996. – 60 с.

5. Стерник Г.М. Эконометрический анализ и прогноз цен на жилье в городах России. - Материалы международной конференции по эконометрии жилищного рынка Европейской сети исследователей жилищного рынка, Вена, февраль 1997.

6. Стерник Г.М. Статистический подход к прогнозированию цен на жилье. - Журнал РАН «Экономика и математические методы», том 34 вып.1, 1998, стр. 85-90.

7. Коробкова М.В. Анализ динамики операций на рынке ИЖК в Москве (на примере Компании «МИЭЛЬ-Недвижимость». – Материалы VI Национального конгресса по недвижимости. – М.: 2007. http://realtymarket.ru/IX-Nacionalnii-kongress-po-nedvijimosti/Analiz-dinamiki-obema-operacii-na-rinke-IJK-v-Moskve-na-primere-Kompanii-MIEL-Nedvijimost-.html.

8. Хабибрахманов Р.Р. Влияние мирового финансового кризиса 
на развитие рынка недвижимости г.Казани.
http://realtymarket.ru/stati-kolleg/Vliyanie-mirovogo-finansovogo-krizisa-na-razvitie-rinka-nedvijimosti-g.Kazani..html

9. Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. - М.: Изд. «Экономика», 2009. – 606 с.

10. Стерник Г.М., Краснопольская А.Н. Негармоническое разложение ценовой динамики рынка жилья Москвы. - Журнал РАН «Экономическая наука современной России» № 2008, стр. 110-114.

11. Стерник Г.М., Печенкина А.В. Прогноз цен предложения квартир на российском рынке жилья (макроэкономический подход). – Журнал «Имущественные отношения в РФ», №10 (73), 2007, стр. 11-18.

12. Печенкина А.В. Построение модели прогноза цен предложения на рынке жилья г. Перми. - http://realtymarket.ru/stati-kolleg/Postroenie-modeli-prognoza-cen-predlojeniya-na-rinke-jilya-g.-Permi.html, июль 2007.

13. Печенкина А.В. Применение метода регрессионного анализа при прогнозировании цен на рынке жилья. - Материалы VI Международной научно-практической конференции «Современный финансовый рынок Российской Федерации», Пермь, 2008.

14. Печенкина А.В. Выбор метода прогнозирования средней цены предложения на рынке жилья города Перми. – Материалы III Петербургского ипотечного форума «Ипотека России». – 2008, Санкт-Петербург, май 2008. http://realtymarket.ru/III-Peterburgskii-ipote-nii-forum/Vibor-metoda-prognozirovaniya-srednei-ceni-predlojeniya-na-rinke-jilya-goroda-Permi.html.

15. Печенкина А.В. Использование многоуровневой факторной модели при прогнозировании ситуации на региональном рынке недвижимости (на примере Пермского края). - Журнал «Имущественные отношения в Российской Федерации» № 11 (110), Москва, 2010.

16. Молчанова М.Ю., Печенкина А.В. Особенности использования методов фундаментального и технического анализа при прогнозировании цен на рынке недвижимости региона. - Журнал «Вестник Пермского университета. Серия «Экономика». Выпуск 3(10), Пермь, 2011

17. Печенкина А.В. Развитие теории и практики прогнозирования цен на рынке жилья. - Материалы IX Международной научно-практической конференции «Современный финансовый рынок Российской Федерации», Пермь, 2011.

18. Снитюк В.Е. Применение метода стохастической релаксации для прогнозирования рынка недвижимости. Международная научная конференция «Нейросетевые технологии и их применение. − Краматорск. − 2003.

19. Комаров С. И. Автореферат диссертации, 2010.

20. Евстафьев А.И., Гордиенко В.А. Прогнозирование индикаторов рынка недвижимости путём двумерного разложения дискретной пространственно-параметрической модели на основе применения нейросетей. – Материалы Х1 Национального конгресса по недвижимости, - М.: 2007.

21. Дробышевский С.М. Анализ возможности возникновения «пузыря» на российском рынке недвижимости. – М.: Научные труды ИЭПП №128, 2009. – 136 с.

22. Стерник Г.М. Сценарный прогноз развития рынка жилья городов России. – Материалы Всероссийской конференции «Стратегия развития жилищного строительства в России». – М., 1.10.2008.

23. Власов А.Д., В.А. Понько, С.В. Хизаметдинов, Сибирский научный центр «Экопрогноз» , Новосибирск, 2007.

24. Стерник Г.М. Методика прогнозирования цен на жилье в зависимости от типа рынка. – Журнал «Имущественные отношения в РФ» №12, 2010.

25. Стерник Г.М., Стерник С.Г. Типология рынков недвижимости по склонности к образованию ценовых пузырей. – Журнал «Имущественные отношения в РФ» №8 (95) 2009, с. 18-28.

26. Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона) – Журнал «Имущественные отношения в РФ» №8 (131) 2012.



[1] ДППМ - упорядоченный набор индикаторов состояния рынка по всем его сегментам, полученный в результате параллельно-последовательного сечения рассматриваемой выборки объектов недвижимости по следующим измерениям: местоположение, качество, размер, срок сдачи объекта и другие [9].

Методология прогнозирования российского рынка недвижимости

Часть 4. Методика среднесрочного прогнозирования локального рынка жилой недвижимости

Геннадий Моисеевич Стерник, профессор кафедры «Управление программами и проектами» РЭУ им. Г.В.Плеханова, канд.техн.наук

Сергей Геннадьевич Стерник, зам. по научной работе декана факультета экономики недвижимости РАНХиГС при Президенте РФ, д.э.н., проф.

Алексей Викторович Свиридов, аспирант кафедры «Управление программами и проектами» РЭУ им. Г.В.Плеханова

В настоящей, четвертой части работы, посвященной развитию методов прогнозирования на рынке недвижимости, дается описание методики среднесрочного прогнозирования развития локального рынка жилой недвижимости по комплексу показателей состояния сложной системы «рынок жилой недвижимости»: предложение, спрос, поглощение площадей, объем строительства и ввода жилой недвижимости, динамика цен на вторичном и первичном рынке [54], излагаются результаты ее совершенствования и ретроспективной проверки.

Основные методические положения. 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.

В ходе разработки методики потребовалось уточнить ряд понятий (терминов и определений), используемых при анализе и моделировании рынка недвижимости. В частности, понятие «спрос» было разделено на шесть категорий: спрос-потребность, совокупный платежеспособный спрос, потенциальный платежеспособный спрос, предъявленный платежеспособный спрос, предъявленный спрос с перетеканием, удовлетворенный (реализованный) спрос.

Спрос-потребность – разность между желаемым и фактическим уровнем средней обеспеченности комфортным и благоустроенным жильем городского населения в регионе (без учета некачественного, в т.ч. подлежащего капитальному ремонту, ветхого и выводимого жилого фонда).

Совокупный платежеспособный спрос – объем жилья, которое городское население может приобрести на рынке за счет своих накоплений.

Потенциальный платежеспособный спрос – объем жилья, который городское население предполагает 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 платежеспособный спрос – объем жилья, которое городское население предполагает приобрести на рынке в течение ближайшего года при текущем уровне цен за счет всех источников финансирования, скорректированный на изменение склонности населения к расходованию сбережений с учетом изменения экономической ситуации в стране и регионе, степени недоверия к застройщикам, условий ипотечного кредитования, изменения уровня цен.

Предъявленный спрос с перетеканием между первичным и вторичным 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 году спрос, удовлетворенный в форме сделки, направленной на приобретение прав требования на строящийся объект (по ФЗ-214 или иными практикуемыми способами) или приобретение прав собственности на построенное жилье, в т.ч. с использованием государственных субсидий. Приблизительно равен объему поглощения.

Несколько уточнились и понятия в области ипотечного кредитования.

Планируемый властями (на основе прогнозов АИЖК) объем кредитования в денежном выражении именуется планируемым объемом ипотечного кредитования.

Рассчитанный с учетом прогнозируемой динамики цен потенциальный объем прокредитованных площадей именуется объемом предложения ипотеки в натуральном выражении, а потенциальное количество выданных кредитов (с учетом площади приобретаемого жилья на вторичном и первичном рынке) – объем предложения ипотечных кредитов.

Наконец, прогнозируемое с учетом ограничений по доступности (в силу уровня доходов населения) и по наличию ипотечного предложения, а также предложения квартир на рынке, количество ипотечных кредитов именуется объемом поглощения ипотечных кредитов.

Методика среднесрочного прогнозирования предназначена для прогнозирования динамики показателей развития рынка жилой недвижимости города/региона на глубину 5–6 лет. В основу ее методологии положены следующие методические подходы, опирающиеся на рекомендации работы [32].

В соответствии с этими рекомендациями, объект комплексного прикладного социально-экономического прогнозирования выступает как единая система с собственными закономерностями и особенностями развития. Вместе с тем, реально он является совокупностью относительно самостоятельных элементов (явлений и процессов), взаимодействие которых формирует его целостность и состояние. Задача прогнозирования в этой связи состоит в разработке таких методов и подходов, которые, соответствуя содержанию каждого существенного элемента общей системы, позволяли бы сконструировать общую, интегрированную картину функционирования всего народного хозяйства. Решение этой задачи возможно при использовании принципа системности прогнозирования.

На практике этот принцип требует использования «блочного» подхода к разработке комплексного прогноза (желательно с многоуровневой структурой). Блоки представляют собой относительно самостоятельные прогнозы отдельных элементов, направлений и взаимосвязей развития, которые затем, в процессе интерактивного (повторяемого) согласования, интегрируются в целостный, комплексный прогноз. Но частные прогнозы должны исходить из заранее согласованного набора экзогенных показателей состава входных и выходных (для каждого блока) параметров [32, с. 28].

В наибольшей степени данным требованиям удовлетворяет использование имитационной (пошаговой) блочно-модульной итерационной модели с обратными связями. Именно такая модель функционирования рынка недвижимости как сложной социально-экономической системы и сегмента национальной рыночной экономики разработана в [54].

Модель – имитационного (симуляционного) типа, поскольку все показатели рассчитываются последовательно, на глубину одного шага (один календарный год), и на следующем шаге в качестве исходных данных используются результаты этих расчетов.

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.

В качестве базовых исходных данных в методике используются объявленные планы и прогнозы федеральных, региональных, муниципальных властей в части макроэкономических параметров и отраслевых показателей развития рынка недвижимости. Кроме того, условием применения методики является наличие другой группы исходных данных, получаемых на основании результатов регулярного мониторинга первичного и вторичного рынков жилья региона (по показателям объемов ввода, строительства, предложения, поглощения жилья, спроса, доли ипотечных сделок, размеров предлагаемых на рынке квартир, уровня цен) и результатов углубленного исследования рынка (типология и 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).

В основу методики положена следующая идея – объем поглощения площадей не может быть выше каждой из трех величин: спрос – потребность, предъявленный платежеспособный спрос, объем предложения. В соответствии с итерационным характером модели по результатам прогнозирования на текущий год производится расчет и сопоставление этих показателей, и минимальное значение из них используется как ограничение для прогноза объема поглощения. Это позволяет в порядке обратной связи корректировать заданные исходные данные об объеме предложения и ввода жилья, о потребности в жилье на следующий прогнозный год с учетом индикатора соотношения спрос/предложение. Кроме того, рассчитанный темп роста цен на жилье в предшествующем году и темп роста доходов в текущем году используются как индикатор типа рынка, 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.

Экзогенные переменные модели. Экзогенные переменные модели (исходные данные, определяемые вне модели), делятся на три категории – векторные, заданные на всю глубину прогнозирования с шагом один год (макроэкономические правительственные прогнозы, отраслевые параметры развития рынка жилья), скалярные (часть рыночных данных, по которым введено допущение об их неизменности в прогнозируемом периоде) и рыночные данные «обусловленные».

Сущность понятия «обусловленных» показателей заключается в том, что они рассчитываются (по историческим данным) для четырех вариантов состояния рынка по соотношению спрос/предложение (превосходство спроса, равновесие спроса и предложения, превосходство предложения, ажиотажный спрос) и шести вариантов типа рынка (падающий (кризисный), стабилизирующийся после спада, стабильный, стабилизирующийся после роста, растущий, перегретый).

В качестве экзогенных переменных используются:

1) Макроэкономические параметры развития РФ: рост ВВП, среднегодовые цены на нефть, среднегодовой курс доллара, чистый отток капитала частного сектора, дефицит/профицит федерального бюджета, темпы роста реального располагаемого годового дохода населения, темпы инфляции, норма сбережения населения.

Эти данные используются при формировании сценариев развития рынка жилья и частично – заменяют региональные данные при их отсутствии.

2) Региональные макроэкономические параметры (векторные данные)[1]: численность городского населения в базовом году, темпы роста ВРП, темпы роста инвестиций в основной капитал, планируемый годовой темп региональной инфляции, номинальный среднедушевой годовой доход* (темпы роста реальных располагаемых денежных доходов населения*), децильное распределение доходов - средний уровень доходов в каждой децили, коэффициент теневых доходов, норма сбережения населения, средняя численность семьи.

3) Отраслевые параметры (скалярные и векторные данные): жилищный фонд города в базовом году; объем некачественного (подлежащего ремонту и реконструкции) жилого фонда в базовом году; федеральный норматив среднего уровня обеспеченности жильем; планируемый (рассчитанный на основании планируемого бюджетного финансирования) объем сноса ветхого и аварийного жилого фонда, объем капитального ремонта и модернизации жилых домов, предполагаемый объем выбытия жилого фонда; сальдо естественного прироста населения, сальдо миграционного притока в базовом году; планируемый (рассчитанный по данным о наличии земельных и строительных ресурсов) объем ввода площадей* (квартир*) коммерческого и муниципального жилья; планируемый объем государственного спроса на дотированное жилье (по программам поддержки определенных категорий населения, жилищных сертификатов); планируемый государством объем жилищного ипотечного кредитования в денежном выражении.

4) Рыночные данные, полученные по результатам исследования для различного состояния рынка по соотношению спрос/предложение и типу рынка («обусловленные»): доля первичного рынка в общем объеме ипотечных сделок; доля инвестиционных сделок от общего числа сделок; доля приобретателей квартир–нерезидентов; доля респондентов, готовых приобрести жилье на рынке за свой счет в ближайшие полгода-год, от общего числа домохозяйств (предъявленный спрос); доля респондентов, готовых приобрести жилье на вторичном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки); доля инвестиционных сделок на вторичном рынке от общего числа инвестиционных сделок; средняя доля кредита в стоимости квартиры; коэффициенты соотношения ввод/строительство, строительство/предложение, поглощение/предложение и поглощение/спрос на первичном рынке, поглощение/спрос и поглощение/предложение на вторичном рынке; коэффициенты соотношения цен первичного и вторичного рынка, цен на жилье различного класса к средним ценам.

5) Рыночные данные, полученные при регулярном мониторинге рынка и постоянные при расчетах (скалярные): средняя площадь квартиры в новостройках и готовых домах (в том числе в дифференциации по классам качества); средняя площадь приобретаемого жилья в альтернативных сделках; доля первичного рынка в спросе и в предложении; доля первичного рынка в спросе нерезидентов, показатель эластичности предложения по цене на вторичном рынке.

Эндогенные переменные модели. Эндогенные переменные (выходные показатели и промежуточные данные, значения которых рассчитываются внутри модели), включают:

1)                прогнозируемый объем жилого фонда;

2)                прогнозируемая обеспеченность населения жильем;

3)                прогнозируемый объем некачественного жилья в жилом фонде города;

4)                прогнозируемая потребность городского населения в жилье;

5)                потенциальный объем ввода, строительства коммерческого и муниципального жилья, потенциальный объем предложения коммерческого жилья;

6)                средний коэффициент доступности приобретаемого жилья в базовом году, коэффициент доступности жилья для различных групп населения по доходности в базовом году;

7)                cредние совокупные накопления групп населения;

8)                предъявленный платежеспособный спрос городского населения на рынке недвижимости (без учета ипотеки) в денежном выражении суммарный и для групп населения;

9)                предъявленный платежеспособный спрос городского населения на рынке жилых площадей совокупный и для групп населения, в том числе площадей различного класса качества;

10)           предъявленный платежеспособный спрос городского населения на рынке квартир совокупный и для групп населения, в том числе площадей и квартир различного класса качества;

11)           предъявленный платежеспособный спрос городского населения на рынке площадей и квартир всех классов в прямых сделках;

12)           предъявленный спрос нерезидентов и инвесторов на рынке площадей и квартир, в том числе на первичном и вторичном рынке, и предъявленный денежный спрос;

13)           потенциальный объем жилищного ипотечного кредитования в денежном выражении на первичном и вторичном рынке, потенциальный объем предложения ипотечных кредитов, предъявленный спрос на ипотечные кредиты, поглощение ипотечного продукта в количестве прокредитованных площадей и выданных кредитов на покупку квартир, в том числе на первичном и на вторичном рынке;

14)           суммарный предъявленный спрос населения, инвесторов и нерезидентов (с учетом ипотеки) на коммерческое жилье, в том числе на первичном и вторичном рынке, на жилье различного класса качества;

15)           суммарный предъявленный спрос на площади и квартиры муниципального и коммерческого жилья, в том числе на первичном и вторичном рынках;

16)           суммарный предъявленный спрос на площади и квартиры коммерческого жилья на первичном и вторичном рынках с учетом перетекания между рынками в случае дефицита предложения на одном из них и избыточного предложения на другом;

17)           суммарный предъявленный денежный спрос на рынке коммерческого жилья;

18)           соотношение спроса и предложения площадей на первичном рынке, вторичном рынке и на рынке в целом;

19)           индикатор состояния рынка по соотношению спрос/предложение;

20)           объем удовлетворенного спроса (объем поглощения) коммерческого городского жилья в площадях и квартирах, в том числе различного класса, на первичном и вторичном рынке;

21)           прогнозируемый объем предложения, в том числе на первичном и вторичном рынке и для различных классов жилья;

22)           прогнозируемый объем строительства и ввода площадей и квартир, в том числе коммерческого жилья и муниципального жилья;

23)           среднемесячный темп роста цен на жилье, средняя удельная цена жилья в конце исследуемого года на вторичном и первичном рынке, в том числе жилья различного класса качества.

Основные направления совершенствования модели. Апробация методики была проведена на примере расчета прогноза развития рынка жилья Москвы (в старых границах) в 2011-2016 годах при трех сценариях динамики макроэкономических исходных данных – оптимистическом, пессимистическом и реалистическом [54].

Результаты апробации методики подтвердили ее работоспособность.

Вместе с тем, выявлена необходимость совершенствования методики в направлении снятия целого ряда допущений и ограничений и доработки алгоритма модели [55]:

·                   перехода от блочной модели к блочно-модульной для отказа от жесткого использования данных ГП "Жилище" и других правительственных документов и углубления исследования;

·                   перехода к двухуровневой системе исходных данных для реализации расчета модулей;

·                   внедрения итерационного алгоритма не только с годовым шагом, но и внутри одного года - для повышения точности расчетов;

·                   уточнения алгоритма расчета объема спроса на первичном/вторичном рынках с перетеканием, расчета объема предъявленного спроса и поглощения ипотечного продукта.

Обновленный перечень блоков включает (рис. 1):

1)                Блок 1 «Определение потребности городского населения в жилье и планируемого объема ввода социального жилья»;

2)                Блок 2 «Функционирования строительного комплекса и определения потенциального объема ввода, строительства и предвари тельного объема предложения коммерческого жилья»;

3)                Блок 3 «Жилищное финансирование. Определение объема потенциального платежеспособного спроса населения»;

4)                Блок 4 «Определение предварительного объема предъявленного государством, населением, нерезидентами и инвесторами спроса на городское жилье»;

5)                Блок 5 «Определение состояния рынка по соотношению спрос/предложение и расчета прогнозируемого объема удовлетворенного спроса (поглощения), предложения, строительства и ввода жилья»;

6)                Блок 6 «Определение типа рынка и прогнозирование уровня цен на жилье»;

7)                Блок 7 «Организация итерационных циклов по уточнению прогноза».

Рис. 1. Усовершенствованная структура модели

Кроме того, предусмотрено включение в модель автономных блоков-модулей[2], которые предназначены для решения самостоятельных исследовательских задач и/или для подготовки (при необходимости) исходных данных к Блокам 1-6 (табл. 1).

Таблица 1. Перечень блоков-модулей и их назначение

Название

Источник и содержание исходных данных

Назначение вы ходных данных

М1

Определение объемов ре конструкции, капитально го ремонта, реновации и строи тельства социального жилья

Запланированные объемы финансирования жилищных программ

1) В ГП «Жилище»

2) на вход Блока 1

М2

Определение наличия земельных ресурсов под жилищное строительство

Наличие земельных ресурсов под жилищное строительство, планиру емое их использование

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М3

Определение наличия строительных ресурсов

Наличие производствен ных мощностей и строительных ресурсов

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М4

Определение объема потен циального ипотечного пред ложения и господдержки

Состояние системы ИЖК и ее возможности по пред ложению ипотечных кредитов

1) в программу развития ИЖК

2) на вход Блока 4

М5

Мониторинг и исследова ние состояния рынка жилья и определение «обусловлен ных» данных о рынке

Реестры объектов нового строительства, ЕГРП, базы предложения жилья при различном соотноше нии спрос/предложение

1) Для анализа рынка

2) на вход Блоков 5 и 6

В блоке-модуле М1 по данным о планируемом объеме бюджетного финансирования программ реновации жилого фонда города в текущем году определяется (оптимизируется) планируемый объем реконструкции, капитального ремонта, реновации (сноса и переселения) жилищного фонда и нового муниципального строительства с учетом состояния фонда и удельных затрат на каждый вид реновации. Эти данные могут использоваться при разработке государственной программы «Жилище» и поступать в блок 1.

В блоке-модуле М2 на основании Реестра строящихся жилых домов, среднесрочных решений властей о выделении земельных участков под строительство жилья определяется потенциальный объем строительства в текущем году (без учета ограничений по спросу).

В блоке-модуле М3 определяются возможные ограничения жилищного строительства по объему производственных мощностей строительных предприятий, объема производимых в регионе и импортируемых строительных ресурсов.

Данные блоков-модулей М2 и М3 могут использоваться при разработке государственной программы «Жилище» и поступать в Блоки 1 и 2.

В блоке-модуле М4 «Определение объема потенциального ипотечного предложения и господдержки» рассчитывается денежный объем ипотечного предложения и господдержки с учетом планов федеральных и региональных властей. Результаты расчета передаются в Блок 4.

В блоке-модуле М5 «Исследование состояния рынка жилья и определение «обусловленных» данных о рынке» по данным о динамике строительства, ввода, предложения, поглощения жилья, поступающим из Реестров объектов нового строительства и ЕГРП, рассчитываются коэффициенты соотношения ввод/строительство, строительство/предложение, предложение/поглощение, спрос/поглощение и другие «обусловленные» данные при различном состоянии рынка по соотношению спрос/предложение. По данным о многолетней динамике цен, получаемой в результате обработки баз предложения жилья, и исследования типологии рынка вычисляются параметры регрессионных уравнений (моделей для прогнозирования цен) в зависимости от типа рынка. Результаты поступают в Блоки 5 и 6.

Переход к блочно-модульной структуре модели требует внедрения двухуровневой системы исходных данных и выходных показателей: исходные данные первого уровня для блоков и второго уровня для блоков-модулей, выходные данные блоков-модулей могут служить исходными данными первого уровня для блоков.

Например, исходные данные второго уровня к модулю М1:

- планируемый объем бюджетного финансирования жилищных программ (капитального ремонта, реконструкции жилого фонда и нового строительства муниципального (социального) жилья);

- наличие земельных ресурсов под жилищное строительство и решения властей об их распределении;

- ограничения по наличию производственных мощностей в строительстве;

- состояние производства и импорта строительных материалов.

Выходными данными модуля М1 являются планируемый объем реконструкции, капитального ремонта, реновации (сноса и переселения) жилищного фонда и нового муниципального строительства. Эти данные могут быть использованы для целей государственных программ, или перейти в Блок 1 в качестве исходных данных первого уровня.

Для повышения точности прогноза введен Блок 7 «Организация итерационных циклов по уточнению прогноза». В нем производится сопоставление предыдущего и нового значения индикатора спрос/предложение и организуются итерационные циклы по уточнению прогноза.

Вначале 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.

Апробация и ретроспективная проверка усовершенствованной модели. В качестве базового варианта для апробации модели принят вариант сценария №1 (оптимистический) работы [54]. Его основные ограничения: прогнозируемый объект – рынок жилой недвижимости Москвы в старых границах базового 2010 года; прогнозируемый период – 2011-2016 годы. При этом в исходные данные внесены следующие изменения: с целью ретроспективной проверки результатов прогнозирования ключевые макроэкономические показатели (темпы роста реальных располагаемых доходов населения, инфляция, денежный объем ипотечного кредитования) приняты по фактическим данным 2011 и 2012 годов. Используемые для расчета базового варианта исходные данные приведены в таблицах 2-7.

 

Макроэкономические параметры

Таблица 2. Параметры, заданные на глубину прогнозирования (векторные)

Показатели

2010

(базовый)

2011

2012

2013

2014

2015

2016

Численность населения N, млн чел.

11,5

11,6

11,7

11,7

11,8

11,9

12,0

Темпы роста ВРП, %

5,0

4,0

3,8

4,0

4,6

5,0

6,0

Темпы роста инвестиций в основной капитал, %

-15,0

0,0

6,0

7,0

8,5

9,0

9,5

Темпы роста реальных располагаемых денежных доходов населения , %

-8,0

-1,6

-1,6

2,5

3,0

4,0

5,0

Темп инфляции, %;

8,8

6,1

6,6

5,7

5,7

5,5

5,5

Таблица 3. Параметры, постоянные при расчетах (скалярные)

Показатель

Значение

Среднее количество членов домохозяйства nс, чел.

2,5

Коэффициент теневых доходов Ктд

2,0

Норма сбережения населения НС, %

20

Среднедушевой доход населения в базовом (2010) году, тыс. Руб.

44,6

Превышение над среднедушевым доходом среднего уровня дохода в 3-8-й децильной группе (60% населения), раз

1,0

Превышение над среднедушевым доходом среднего уровня дохода в 9-й децильной группе (10% населения), раз

2,3

Превышение над среднедушевым доходом среднего уровня дохода в 10-й децильной группе (10% населения), раз

4,3

 

Отраслевые параметры

Таблица 4. Параметры, заданные на глубину прогнозирования (векторные)

Показатели

2010 (базовый)

2011

2012

2013

2014

2015

2016

Федеральный норматив сред него уровня обеспеченности жильем, кв. М/чел.

20,6

21,0

21,6

22,2

22,8

23,5

24,2

Планируемый объем жилищ ного фонда, млн кв. М

215,7

218,1

220,4

222,8

225,2

227,6

230,0

Объем сноса жилого фонда, тыс. Кв. М

0,2

0,3

0,5

0,4

0,4

0,0

0,0

Объем выбытия жилого фонда, кв. М

0,0

0,0

0,0

0,0

0,0

0,0

0,0

Объем капитального ремонта и реконструкции жилых домов, млн кв. М

3,2

7,7

4,7

4,7

4,7

4,7

4,7

Планируемый государством объем ввода жилья, млн кв. М

1,77

1,76

2,54

2,54

2,54

2,54

2,54

Планируемый объем ввода муниципального жилья, млн кв. М

0,68

0,70

0,76

0,76

0,76

0,76

0,76

Планируемый государством объем жилищного ипотечного кредитования, млрд. Руб.

47,0

48,5

62,4

122,9

153,6

184,3

211,2

Таблица 5. Параметры, постоянные при расчетах (скалярные)

Показатель

значение

Средняя площадь квартиры в новостройках, кв. М

90

Средняя площадь квартиры в новостройках массового класса, кв. М

70

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

54

Средняя площадь квартиры в домах повышенной комфортности на вторичном рынке, кв. М

70

Средняя площадь приобретаемого жилья в альтернативных сделках, кв. М

18

Доля первичного рынка в спросе, %

40

Доля первичного рынка в предложении, %

25

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, %

10,0

Средняя удельная цена жилья на вторичном рынке в декабре базового 2010 года, тыс. Руб./кв. М

168,5

Прирост средней удельной цены на вторичном рынке в базовом 2010 году, %

10,0

Объем предложения на вторичном рынке, тыс. Квартир

115

Объем поглощения на вторичном рынке в базовом 2010 году, тыс. Квартир

85,4

Объем некачественного фонда в базовом 2010 году, млн кв. М

108

 

Рыночные данные (обусловленные параметры)

Таблица 6. Параметры, зависящие от соотношения спрос/предложение

Параметр

Индикатор состояния спрос/предложение

1

2

3

4

Коэффициент соотношения ввод/строительство

0,25

0,30

0,32

0,35

Коэффициент соотношения строительство/предложение

2,10

2,20

2,35

2,50

Коэффициент соотношения поглощение/предложение на первичном рынке

0,42

0,41

0,41

0,43

Коэффициент соотношения поглощение/спрос на первичном рынке

0,40

0,46

0,40

0,35

Коэффициент соотношения поглощение/ограничение на вторичном рынке

0,70

0,75

0,78

0,80

Доля респондентов, готовых приобрести жилье на рынке за свой счет в течение ближайшего года, от общего числа домохозяйств (предъявленный спрос), %

2,0%

2,8%

3,0%

3,5%

Доля приобретателей квартир–нерезидентов, %

25%

30%

40%

50%

Доля респондентов, готовых приобрести жилье на вто ричном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки), %

85%

80%

78%

75%

Доля ипотечных сделок на рынке жилья, %

15%

25%

28%

30%

Доля инвестиционного спроса на рынке жилья, %

0%

5%

6%

20%

Доля первичного рынка в общем объеме ипотечных сделок, %;

10%

12%

14%

20%

Доля ипотечных сделок от общего числа сделок на первичном рынке, %

10%

22%

22%

28%

Доля ипотечных сделок от общего числа сделок на вторичном рынке, %

10%

26%

28%

31%

Средняя доля кредита в стоимости квартиры, %

40%

30%

28%

18%

Таблица 7. Параметры, зависящие от типа рынка

Параметр

Индекс типа рынка

1

2

3

4

5

6

Соотношение цен первичного и вторичного рынка

1,18

1,17

1,15

1,14

1,12

1,07

Соотношение цен на массовое жилье к средним ценам

0,57

0,6

0,61

0,63

0,65

0,53

Соотношение цен на жилье повышенной комфортно сти к средним ценам

1,11

1,15

1,27

1,2

1,22

1,25

№ модели прогнозирования цен

1

2

3

4

5

6

 

Результаты расчетов и их интерпретация. Основные показатели расчета прогноза развития рынка жилой недвижимости Москвы вынесены на графики рис. 2,а-д.

А. Спрос Б. Объем строительства



В. Первичный рынок


Г.Вторичный рынок

Д. Ценовая ситуация

Рис. 2., а-д. Основные расчетные показатели прогноза рынка жилья Москвы

Приведенные на рис. 2 данные показывают следующее.

Повышательная динамика прогнозируемого объема платежеспособного спроса населения (А) соответствует заданной в исходных данных динамике роста доходов населения. При этом снижение прогнозируемого объема предъявленного спроса населения в натуральном выражении объясняется ростом цен, опережающим рост доходов за счет ипотечного кредитования (Д). Суммарный предъявленный спрос (с учетом нерезидентов, инвесторов и ипотеки) вначале растет вместе с ростом объема ипотечного кредитования, но впоследствии начинает снижаться в связи с тем, что с ростом цен ипотека перестает быть доступной для все большей доли населения. Тем не менее предъявленный спрос все годы превышает предложение, и объем поглощения ограничивается объемом предложения.

Прогнозируемая динамика объемов строительства коммерческого жилья (Б) и предложения на первичном рынке (В) коррелируют с заданным объемом ввода (Б).

На первичном рынке (В) предварительный объем суммарного предъявленного спроса хотя и несколько снижается, но существенно превышает предложение, а объем прогнозируемого предъявленного спроса с 2013 года резко снижается в связи с перетеканием части спроса на вторичный рынок, где образовался избыток предложения (рис. 5). Предъявленный спрос все годы превышает выросший объем предложения, и объем поглощения ограничивается предложением (Г). Спрос и предложение стабилизируются, вследствие чего стабилен и объем поглощения (В).

На вторичном рынке (Г) прогнозируемый объем предложения в связи с ростом цен повышается в меру эластичности предложения по цене. В то же время снижающийся предварительный спрос после 2012 года становится меньше предложения. Однако, вследствие дефицита предложения на первичном рынке (В) спрос перетекает на вторичный, и поглощение продолжает расти.

Цены на вторичном и первичном рынке (Д) растут (с темпом 8-17%), а в последний год – более 40%.

Сопоставление результатов прогнозирования некоторых показателей развития рынка в 2011-2012 годах с фактическими данными демонстрирует хорошее совпадение по уровню средних удельных цен на вторичном и первичном рынках (Д), объему поглощения на вторичном рынке (Г), объему предложения, нового предложения и поглощения на первичном рынке (В), объему ввода и строительства площадей (Б).

Таким образом, динамика прогнозируемых показателей развития рынка (преимущественно немонотонная) находит логичное объяснения в известных закономерностях поведения рынка и показывает, что разработанная модель адекватно учитывает связи между различными факторами, в том числе и обратные.



[1] Примечание: показатели, отмеченные звездочкой*, взаимозаменяемы.

[2] Блоки-модули – это самостоятельные блоки, которые могут использоваться либо не использоваться при расчетах.

Стерник Г.М., Стерник С.Г., Свиридов А.В. Методология прогнозирования российского рынка недвижимости. Часть 4. Методика среднесрочного прогнозирования локального рынка жилой недвижимости

(Механизация строительства. — 2014, № 4, стр. 60-62)
Категория: методические материалы

Методология прогнозирования российского рынка недвижимости

Часть 4. Методика среднесрочного прогнозирования локального рынка жилой недвижимости

Геннадий Моисеевич Стерник, профессор кафедры «Управление программами и проектами» РЭУ им. Г.В.Плеханова, канд.техн.наук

Сергей Геннадьевич Стерник, зам. по научной работе декана факультета экономики недвижимости РАНХиГС при Президенте РФ, д.э.н., проф.

Алексей Викторович Свиридов, аспирант кафедры «Управление программами и проектами» РЭУ им. Г.В.Плеханова

В настоящей, четвертой части работы, посвященной развитию методов прогнозирования на рынке недвижимости, дается описание методики среднесрочного прогнозирования развития локального рынка жилой недвижимости по комплексу показателей состояния сложной системы «рынок жилой недвижимости»: предложение, спрос, поглощение площадей, объем строительства и ввода жилой недвижимости, динамика цен на вторичном и первичном рынке [54], излагаются результаты ее совершенствования и ретроспективной проверки.

Основные методические положения. 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.

В ходе разработки методики потребовалось уточнить ряд понятий (терминов и определений), используемых при анализе и моделировании рынка недвижимости. В частности, понятие «спрос» было разделено на шесть категорий: спрос-потребность, совокупный платежеспособный спрос, потенциальный платежеспособный спрос, предъявленный платежеспособный спрос, предъявленный спрос с перетеканием, удовлетворенный (реализованный) спрос.

Спрос-потребность – разность между желаемым и фактическим уровнем средней обеспеченности комфортным и благоустроенным жильем городского населения в регионе (без учета некачественного, в т.ч. подлежащего капитальному ремонту, ветхого и выводимого жилого фонда).

Совокупный платежеспособный спрос – объем жилья, которое городское население может приобрести на рынке за счет своих накоплений.

Потенциальный платежеспособный спрос – объем жилья, который городское население предполагает 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 платежеспособный спрос – объем жилья, которое городское население предполагает приобрести на рынке в течение ближайшего года при текущем уровне цен за счет всех источников финансирования, скорректированный на изменение склонности населения к расходованию сбережений с учетом изменения экономической ситуации в стране и регионе, степени недоверия к застройщикам, условий ипотечного кредитования, изменения уровня цен.

Предъявленный спрос с перетеканием между первичным и вторичным 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 году спрос, удовлетворенный в форме сделки, направленной на приобретение прав требования на строящийся объект (по ФЗ-214 или иными практикуемыми способами) или приобретение прав собственности на построенное жилье, в т.ч. с использованием государственных субсидий. Приблизительно равен объему поглощения.

Несколько уточнились и понятия в области ипотечного кредитования.

Планируемый властями (на основе прогнозов АИЖК) объем кредитования в денежном выражении именуется планируемым объемом ипотечного кредитования.

Рассчитанный с учетом прогнозируемой динамики цен потенциальный объем прокредитованных площадей именуется объемом предложения ипотеки в натуральном выражении, а потенциальное количество выданных кредитов (с учетом площади приобретаемого жилья на вторичном и первичном рынке) – объем предложения ипотечных кредитов.

Наконец, прогнозируемое с учетом ограничений по доступности (в силу уровня доходов населения) и по наличию ипотечного предложения, а также предложения квартир на рынке, количество ипотечных кредитов именуется объемом поглощения ипотечных кредитов.

Методика среднесрочного прогнозирования предназначена для прогнозирования динамики показателей развития рынка жилой недвижимости города/региона на глубину 5–6 лет. В основу ее методологии положены следующие методические подходы, опирающиеся на рекомендации работы [32].

В соответствии с этими рекомендациями, объект комплексного прикладного социально-экономического прогнозирования выступает как единая система с собственными закономерностями и особенностями развития. Вместе с тем, реально он является совокупностью относительно самостоятельных элементов (явлений и процессов), взаимодействие которых формирует его целостность и состояние. Задача прогнозирования в этой связи состоит в разработке таких методов и подходов, которые, соответствуя содержанию каждого существенного элемента общей системы, позволяли бы сконструировать общую, интегрированную картину функционирования всего народного хозяйства. Решение этой задачи возможно при использовании принципа системности прогнозирования.

На практике этот принцип требует использования «блочного» подхода к разработке комплексного прогноза (желательно с многоуровневой структурой). Блоки представляют собой относительно самостоятельные прогнозы отдельных элементов, направлений и взаимосвязей развития, которые затем, в процессе интерактивного (повторяемого) согласования, интегрируются в целостный, комплексный прогноз. Но частные прогнозы должны исходить из заранее согласованного набора экзогенных показателей состава входных и выходных (для каждого блока) параметров [32, с. 28].

В наибольшей степени данным требованиям удовлетворяет использование имитационной (пошаговой) блочно-модульной итерационной модели с обратными связями. Именно такая модель функционирования рынка недвижимости как сложной социально-экономической системы и сегмента национальной рыночной экономики разработана в [54].

Модель – имитационного (симуляционного) типа, поскольку все показатели рассчитываются последовательно, на глубину одного шага (один календарный год), и на следующем шаге в качестве исходных данных используются результаты этих расчетов.

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.

В качестве базовых исходных данных в методике используются объявленные планы и прогнозы федеральных, региональных, муниципальных властей в части макроэкономических параметров и отраслевых показателей развития рынка недвижимости. Кроме того, условием применения методики является наличие другой группы исходных данных, получаемых на основании результатов регулярного мониторинга первичного и вторичного рынков жилья региона (по показателям объемов ввода, строительства, предложения, поглощения жилья, спроса, доли ипотечных сделок, размеров предлагаемых на рынке квартир, уровня цен) и результатов углубленного исследования рынка (типология и 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).

В основу методики положена следующая идея – объем поглощения площадей не может быть выше каждой из трех величин: спрос – потребность, предъявленный платежеспособный спрос, объем предложения. В соответствии с итерационным характером модели по результатам прогнозирования на текущий год производится расчет и сопоставление этих показателей, и минимальное значение из них используется как ограничение для прогноза объема поглощения. Это позволяет в порядке обратной связи корректировать заданные исходные данные об объеме предложения и ввода жилья, о потребности в жилье на следующий прогнозный год с учетом индикатора соотношения спрос/предложение. Кроме того, рассчитанный темп роста цен на жилье в предшествующем году и темп роста доходов в текущем году используются как индикатор типа рынка, 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.

Экзогенные переменные модели. Экзогенные переменные модели (исходные данные, определяемые вне модели), делятся на три категории – векторные, заданные на всю глубину прогнозирования с шагом один год (макроэкономические правительственные прогнозы, отраслевые параметры развития рынка жилья), скалярные (часть рыночных данных, по которым введено допущение об их неизменности в прогнозируемом периоде) и рыночные данные «обусловленные».

Сущность понятия «обусловленных» показателей заключается в том, что они рассчитываются (по историческим данным) для четырех вариантов состояния рынка по соотношению спрос/предложение (превосходство спроса, равновесие спроса и предложения, превосходство предложения, ажиотажный спрос) и шести вариантов типа рынка (падающий (кризисный), стабилизирующийся после спада, стабильный, стабилизирующийся после роста, растущий, перегретый).

В качестве экзогенных переменных используются:

1) Макроэкономические параметры развития РФ: рост ВВП, среднегодовые цены на нефть, среднегодовой курс доллара, чистый отток капитала частного сектора, дефицит/профицит федерального бюджета, темпы роста реального располагаемого годового дохода населения, темпы инфляции, норма сбережения населения.

Эти данные используются при формировании сценариев развития рынка жилья и частично – заменяют региональные данные при их отсутствии.

2) Региональные макроэкономические параметры (векторные данные)[1]: численность городского населения в базовом году, темпы роста ВРП, темпы роста инвестиций в основной капитал, планируемый годовой темп региональной инфляции, номинальный среднедушевой годовой доход* (темпы роста реальных располагаемых денежных доходов населения*), децильное распределение доходов - средний уровень доходов в каждой децили, коэффициент теневых доходов, норма сбережения населения, средняя численность семьи.

3) Отраслевые параметры (скалярные и векторные данные): жилищный фонд города в базовом году; объем некачественного (подлежащего ремонту и реконструкции) жилого фонда в базовом году; федеральный норматив среднего уровня обеспеченности жильем; планируемый (рассчитанный на основании планируемого бюджетного финансирования) объем сноса ветхого и аварийного жилого фонда, объем капитального ремонта и модернизации жилых домов, предполагаемый объем выбытия жилого фонда; сальдо естественного прироста населения, сальдо миграционного притока в базовом году; планируемый (рассчитанный по данным о наличии земельных и строительных ресурсов) объем ввода площадей* (квартир*) коммерческого и муниципального жилья; планируемый объем государственного спроса на дотированное жилье (по программам поддержки определенных категорий населения, жилищных сертификатов); планируемый государством объем жилищного ипотечного кредитования в денежном выражении.

4) Рыночные данные, полученные по результатам исследования для различного состояния рынка по соотношению спрос/предложение и типу рынка («обусловленные»): доля первичного рынка в общем объеме ипотечных сделок; доля инвестиционных сделок от общего числа сделок; доля приобретателей квартир–нерезидентов; доля респондентов, готовых приобрести жилье на рынке за свой счет в ближайшие полгода-год, от общего числа домохозяйств (предъявленный спрос); доля респондентов, готовых приобрести жилье на вторичном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки); доля инвестиционных сделок на вторичном рынке от общего числа инвестиционных сделок; средняя доля кредита в стоимости квартиры; коэффициенты соотношения ввод/строительство, строительство/предложение, поглощение/предложение и поглощение/спрос на первичном рынке, поглощение/спрос и поглощение/предложение на вторичном рынке; коэффициенты соотношения цен первичного и вторичного рынка, цен на жилье различного класса к средним ценам.

5) Рыночные данные, полученные при регулярном мониторинге рынка и постоянные при расчетах (скалярные): средняя площадь квартиры в новостройках и готовых домах (в том числе в дифференциации по классам качества); средняя площадь приобретаемого жилья в альтернативных сделках; доля первичного рынка в спросе и в предложении; доля первичного рынка в спросе нерезидентов, показатель эластичности предложения по цене на вторичном рынке.

Эндогенные переменные модели. Эндогенные переменные (выходные показатели и промежуточные данные, значения которых рассчитываются внутри модели), включают:

1)                прогнозируемый объем жилого фонда;

2)                прогнозируемая обеспеченность населения жильем;

3)                прогнозируемый объем некачественного жилья в жилом фонде города;

4)                прогнозируемая потребность городского населения в жилье;

5)                потенциальный объем ввода, строительства коммерческого и муниципального жилья, потенциальный объем предложения коммерческого жилья;

6)                средний коэффициент доступности приобретаемого жилья в базовом году, коэффициент доступности жилья для различных групп населения по доходности в базовом году;

7)                cредние совокупные накопления групп населения;

8)                предъявленный платежеспособный спрос городского населения на рынке недвижимости (без учета ипотеки) в денежном выражении суммарный и для групп населения;

9)                предъявленный платежеспособный спрос городского населения на рынке жилых площадей совокупный и для групп населения, в том числе площадей различного класса качества;

10)           предъявленный платежеспособный спрос городского населения на рынке квартир совокупный и для групп населения, в том числе площадей и квартир различного класса качества;

11)           предъявленный платежеспособный спрос городского населения на рынке площадей и квартир всех классов в прямых сделках;

12)           предъявленный спрос нерезидентов и инвесторов на рынке площадей и квартир, в том числе на первичном и вторичном рынке, и предъявленный денежный спрос;

13)           потенциальный объем жилищного ипотечного кредитования в денежном выражении на первичном и вторичном рынке, потенциальный объем предложения ипотечных кредитов, предъявленный спрос на ипотечные кредиты, поглощение ипотечного продукта в количестве прокредитованных площадей и выданных кредитов на покупку квартир, в том числе на первичном и на вторичном рынке;

14)           суммарный предъявленный спрос населения, инвесторов и нерезидентов (с учетом ипотеки) на коммерческое жилье, в том числе на первичном и вторичном рынке, на жилье различного класса качества;

15)           суммарный предъявленный спрос на площади и квартиры муниципального и коммерческого жилья, в том числе на первичном и вторичном рынках;

16)           суммарный предъявленный спрос на площади и квартиры коммерческого жилья на первичном и вторичном рынках с учетом перетекания между рынками в случае дефицита предложения на одном из них и избыточного предложения на другом;

17)           суммарный предъявленный денежный спрос на рынке коммерческого жилья;

18)           соотношение спроса и предложения площадей на первичном рынке, вторичном рынке и на рынке в целом;

19)           индикатор состояния рынка по соотношению спрос/предложение;

20)           объем удовлетворенного спроса (объем поглощения) коммерческого городского жилья в площадях и квартирах, в том числе различного класса, на первичном и вторичном рынке;

21)           прогнозируемый объем предложения, в том числе на первичном и вторичном рынке и для различных классов жилья;

22)           прогнозируемый объем строительства и ввода площадей и квартир, в том числе коммерческого жилья и муниципального жилья;

23)           среднемесячный темп роста цен на жилье, средняя удельная цена жилья в конце исследуемого года на вторичном и первичном рынке, в том числе жилья различного класса качества.

Основные направления совершенствования модели. Апробация методики была проведена на примере расчета прогноза развития рынка жилья Москвы (в старых границах) в 2011-2016 годах при трех сценариях динамики макроэкономических исходных данных – оптимистическом, пессимистическом и реалистическом [54].

Результаты апробации методики подтвердили ее работоспособность.

Вместе с тем, выявлена необходимость совершенствования методики в направлении снятия целого ряда допущений и ограничений и доработки алгоритма модели [55]:

·                   перехода от блочной модели к блочно-модульной для отказа от жесткого использования данных ГП "Жилище" и других правительственных документов и углубления исследования;

·                   перехода к двухуровневой системе исходных данных для реализации расчета модулей;

·                   внедрения итерационного алгоритма не только с годовым шагом, но и внутри одного года - для повышения точности расчетов;

·                   уточнения алгоритма расчета объема спроса на первичном/вторичном рынках с перетеканием, расчета объема предъявленного спроса и поглощения ипотечного продукта.

Обновленный перечень блоков включает (рис. 1):

1)                Блок 1 «Определение потребности городского населения в жилье и планируемого объема ввода социального жилья»;

2)                Блок 2 «Функционирования строительного комплекса и определения потенциального объема ввода, строительства и предвари тельного объема предложения коммерческого жилья»;

3)                Блок 3 «Жилищное финансирование. Определение объема потенциального платежеспособного спроса населения»;

4)                Блок 4 «Определение предварительного объема предъявленного государством, населением, нерезидентами и инвесторами спроса на городское жилье»;

5)                Блок 5 «Определение состояния рынка по соотношению спрос/предложение и расчета прогнозируемого объема удовлетворенного спроса (поглощения), предложения, строительства и ввода жилья»;

6)                Блок 6 «Определение типа рынка и прогнозирование уровня цен на жилье»;

7)                Блок 7 «Организация итерационных циклов по уточнению прогноза».

Рис. 1. Усовершенствованная структура модели

Кроме того, предусмотрено включение в модель автономных блоков-модулей[2], которые предназначены для решения самостоятельных исследовательских задач и/или для подготовки (при необходимости) исходных данных к Блокам 1-6 (табл. 1).

Таблица 1. Перечень блоков-модулей и их назначение

Название

Источник и содержание исходных данных

Назначение вы ходных данных

М1

Определение объемов ре конструкции, капитально го ремонта, реновации и строи тельства социального жилья

Запланированные объемы финансирования жилищных программ

1) В ГП «Жилище»

2) на вход Блока 1

М2

Определение наличия земельных ресурсов под жилищное строительство

Наличие земельных ресурсов под жилищное строительство, планиру емое их использование

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М3

Определение наличия строительных ресурсов

Наличие производствен ных мощностей и строительных ресурсов

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М4

Определение объема потен циального ипотечного пред ложения и господдержки

Состояние системы ИЖК и ее возможности по пред ложению ипотечных кредитов

1) в программу развития ИЖК

2) на вход Блока 4

М5

Мониторинг и исследова ние состояния рынка жилья и определение «обусловлен ных» данных о рынке

Реестры объектов нового строительства, ЕГРП, базы предложения жилья при различном соотноше нии спрос/предложение

1) Для анализа рынка

2) на вход Блоков 5 и 6

В блоке-модуле М1 по данным о планируемом объеме бюджетного финансирования программ реновации жилого фонда города в текущем году определяется (оптимизируется) планируемый объем реконструкции, капитального ремонта, реновации (сноса и переселения) жилищного фонда и нового муниципального строительства с учетом состояния фонда и удельных затрат на каждый вид реновации. Эти данные могут использоваться при разработке государственной программы «Жилище» и поступать в блок 1.

В блоке-модуле М2 на основании Реестра строящихся жилых домов, среднесрочных решений властей о выделении земельных участков под строительство жилья определяется потенциальный объем строительства в текущем году (без учета ограничений по спросу).

В блоке-модуле М3 определяются возможные ограничения жилищного строительства по объему производственных мощностей строительных предприятий, объема производимых в регионе и импортируемых строительных ресурсов.

Данные блоков-модулей М2 и М3 могут использоваться при разработке государственной программы «Жилище» и поступать в Блоки 1 и 2.

В блоке-модуле М4 «Определение объема потенциального ипотечного предложения и господдержки» рассчитывается денежный объем ипотечного предложения и господдержки с учетом планов федеральных и региональных властей. Результаты расчета передаются в Блок 4.

В блоке-модуле М5 «Исследование состояния рынка жилья и определение «обусловленных» данных о рынке» по данным о динамике строительства, ввода, предложения, поглощения жилья, поступающим из Реестров объектов нового строительства и ЕГРП, рассчитываются коэффициенты соотношения ввод/строительство, строительство/предложение, предложение/поглощение, спрос/поглощение и другие «обусловленные» данные при различном состоянии рынка по соотношению спрос/предложение. По данным о многолетней динамике цен, получаемой в результате обработки баз предложения жилья, и исследования типологии рынка вычисляются параметры регрессионных уравнений (моделей для прогнозирования цен) в зависимости от типа рынка. Результаты поступают в Блоки 5 и 6.

Переход к блочно-модульной структуре модели требует внедрения двухуровневой системы исходных данных и выходных показателей: исходные данные первого уровня для блоков и второго уровня для блоков-модулей, выходные данные блоков-модулей могут служить исходными данными первого уровня для блоков.

Например, исходные данные второго уровня к модулю М1:

- планируемый объем бюджетного финансирования жилищных программ (капитального ремонта, реконструкции жилого фонда и нового строительства муниципального (социального) жилья);

- наличие земельных ресурсов под жилищное строительство и решения властей об их распределении;

- ограничения по наличию производственных мощностей в строительстве;

- состояние производства и импорта строительных материалов.

Выходными данными модуля М1 являются планируемый объем реконструкции, капитального ремонта, реновации (сноса и переселения) жилищного фонда и нового муниципального строительства. Эти данные могут быть использованы для целей государственных программ, или перейти в Блок 1 в качестве исходных данных первого уровня.

Для повышения точности прогноза введен Блок 7 «Организация итерационных циклов по уточнению прогноза». В нем производится сопоставление предыдущего и нового значения индикатора спрос/предложение и организуются итерационные циклы по уточнению прогноза.

Вначале 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.

Апробация и ретроспективная проверка усовершенствованной модели. В качестве базового варианта для апробации модели принят вариант сценария №1 (оптимистический) работы [54]. Его основные ограничения: прогнозируемый объект – рынок жилой недвижимости Москвы в старых границах базового 2010 года; прогнозируемый период – 2011-2016 годы. При этом в исходные данные внесены следующие изменения: с целью ретроспективной проверки результатов прогнозирования ключевые макроэкономические показатели (темпы роста реальных располагаемых доходов населения, инфляция, денежный объем ипотечного кредитования) приняты по фактическим данным 2011 и 2012 годов. Используемые для расчета базового варианта исходные данные приведены в таблицах 2-7.

 

Макроэкономические параметры

Таблица 2. Параметры, заданные на глубину прогнозирования (векторные)

Показатели

2010

(базовый)

2011

2012

2013

2014

2015

2016

Численность населения N, млн чел.

11,5

11,6

11,7

11,7

11,8

11,9

12,0

Темпы роста ВРП, %

5,0

4,0

3,8

4,0

4,6

5,0

6,0

Темпы роста инвестиций в основной капитал, %

-15,0

0,0

6,0

7,0

8,5

9,0

9,5

Темпы роста реальных располагаемых денежных доходов населения , %

-8,0

-1,6

-1,6

2,5

3,0

4,0

5,0

Темп инфляции, %;

8,8

6,1

6,6

5,7

5,7

5,5

5,5

Таблица 3. Параметры, постоянные при расчетах (скалярные)

Показатель

Значение

Среднее количество членов домохозяйства nс, чел.

2,5

Коэффициент теневых доходов Ктд

2,0

Норма сбережения населения НС, %

20

Среднедушевой доход населения в базовом (2010) году, тыс. Руб.

44,6

Превышение над среднедушевым доходом среднего уровня дохода в 3-8-й децильной группе (60% населения), раз

1,0

Превышение над среднедушевым доходом среднего уровня дохода в 9-й децильной группе (10% населения), раз

2,3

Превышение над среднедушевым доходом среднего уровня дохода в 10-й децильной группе (10% населения), раз

4,3

 

Отраслевые параметры

Таблица 4. Параметры, заданные на глубину прогнозирования (векторные)

Показатели

2010 (базовый)

2011

2012

2013

2014

2015

2016

Федеральный норматив сред него уровня обеспеченности жильем, кв. М/чел.

20,6

21,0

21,6

22,2

22,8

23,5

24,2

Планируемый объем жилищ ного фонда, млн кв. М

215,7

218,1

220,4

222,8

225,2

227,6

230,0

Объем сноса жилого фонда, тыс. Кв. М

0,2

0,3

0,5

0,4

0,4

0,0

0,0

Объем выбытия жилого фонда, кв. М

0,0

0,0

0,0

0,0

0,0

0,0

0,0

Объем капитального ремонта и реконструкции жилых домов, млн кв. М

3,2

7,7

4,7

4,7

4,7

4,7

4,7

Планируемый государством объем ввода жилья, млн кв. М

1,77

1,76

2,54

2,54

2,54

2,54

2,54

Планируемый объем ввода муниципального жилья, млн кв. М

0,68

0,70

0,76

0,76

0,76

0,76

0,76

Планируемый государством объем жилищного ипотечного кредитования, млрд. Руб.

47,0

48,5

62,4

122,9

153,6

184,3

211,2

Таблица 5. Параметры, постоянные при расчетах (скалярные)

Показатель

значение

Средняя площадь квартиры в новостройках, кв. М

90

Средняя площадь квартиры в новостройках массового класса, кв. М

70

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

54

Средняя площадь квартиры в домах повышенной комфортности на вторичном рынке, кв. М

70

Средняя площадь приобретаемого жилья в альтернативных сделках, кв. М

18

Доля первичного рынка в спросе, %

40

Доля первичного рынка в предложении, %

25

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, %

10,0

Средняя удельная цена жилья на вторичном рынке в декабре базового 2010 года, тыс. Руб./кв. М

168,5

Прирост средней удельной цены на вторичном рынке в базовом 2010 году, %

10,0

Объем предложения на вторичном рынке, тыс. Квартир

115

Объем поглощения на вторичном рынке в базовом 2010 году, тыс. Квартир

85,4

Объем некачественного фонда в базовом 2010 году, млн кв. М

108

 

Рыночные данные (обусловленные параметры)

Таблица 6. Параметры, зависящие от соотношения спрос/предложение

Параметр

Индикатор состояния спрос/предложение

1

2

3

4

Коэффициент соотношения ввод/строительство

0,25

0,30

0,32

0,35

Коэффициент соотношения строительство/предложение

2,10

2,20

2,35

2,50

Коэффициент соотношения поглощение/предложение на первичном рынке

0,42

0,41

0,41

0,43

Коэффициент соотношения поглощение/спрос на первичном рынке

0,40

0,46

0,40

0,35

Коэффициент соотношения поглощение/ограничение на вторичном рынке

0,70

0,75

0,78

0,80

Доля респондентов, готовых приобрести жилье на рынке за свой счет в течение ближайшего года, от общего числа домохозяйств (предъявленный спрос), %

2,0%

2,8%

3,0%

3,5%

Доля приобретателей квартир–нерезидентов, %

25%

30%

40%

50%

Доля респондентов, готовых приобрести жилье на вто ричном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки), %

85%

80%

78%

75%

Доля ипотечных сделок на рынке жилья, %

15%

25%

28%

30%

Доля инвестиционного спроса на рынке жилья, %

0%

5%

6%

20%

Доля первичного рынка в общем объеме ипотечных сделок, %;

10%

12%

14%

20%

Доля ипотечных сделок от общего числа сделок на первичном рынке, %

10%

22%

22%

28%

Доля ипотечных сделок от общего числа сделок на вторичном рынке, %

10%

26%

28%

31%

Средняя доля кредита в стоимости квартиры, %

40%

30%

28%

18%

Таблица 7. Параметры, зависящие от типа рынка

Параметр

Индекс типа рынка

1

2

3

4

5

6

Соотношение цен первичного и вторичного рынка

1,18

1,17

1,15

1,14

1,12

1,07

Соотношение цен на массовое жилье к средним ценам

0,57

0,6

0,61

0,63

0,65

0,53

Соотношение цен на жилье повышенной комфортно сти к средним ценам

1,11

1,15

1,27

1,2

1,22

1,25

№ модели прогнозирования цен

1

2

3

4

5

6

 

Результаты расчетов и их интерпретация. Основные показатели расчета прогноза развития рынка жилой недвижимости Москвы вынесены на графики рис. 2,а-д.

А. Спрос Б. Объем строительства



В. Первичный рынок


Г.Вторичный рынок

Д. Ценовая ситуация

Рис. 2., а-д. Основные расчетные показатели прогноза рынка жилья Москвы

Приведенные на рис. 2 данные показывают следующее.

Повышательная динамика прогнозируемого объема платежеспособного спроса населения (А) соответствует заданной в исходных данных динамике роста доходов населения. При этом снижение прогнозируемого объема предъявленного спроса населения в натуральном выражении объясняется ростом цен, опережающим рост доходов за счет ипотечного кредитования (Д). Суммарный предъявленный спрос (с учетом нерезидентов, инвесторов и ипотеки) вначале растет вместе с ростом объема ипотечного кредитования, но впоследствии начинает снижаться в связи с тем, что с ростом цен ипотека перестает быть доступной для все большей доли населения. Тем не менее предъявленный спрос все годы превышает предложение, и объем поглощения ограничивается объемом предложения.

Прогнозируемая динамика объемов строительства коммерческого жилья (Б) и предложения на первичном рынке (В) коррелируют с заданным объемом ввода (Б).

На первичном рынке (В) предварительный объем суммарного предъявленного спроса хотя и несколько снижается, но существенно превышает предложение, а объем прогнозируемого предъявленного спроса с 2013 года резко снижается в связи с перетеканием части спроса на вторичный рынок, где образовался избыток предложения (рис. 5). Предъявленный спрос все годы превышает выросший объем предложения, и объем поглощения ограничивается предложением (Г). Спрос и предложение стабилизируются, вследствие чего стабилен и объем поглощения (В).

На вторичном рынке (Г) прогнозируемый объем предложения в связи с ростом цен повышается в меру эластичности предложения по цене. В то же время снижающийся предварительный спрос после 2012 года становится меньше предложения. Однако, вследствие дефицита предложения на первичном рынке (В) спрос перетекает на вторичный, и поглощение продолжает расти.

Цены на вторичном и первичном рынке (Д) растут (с темпом 8-17%), а в последний год – более 40%.

Сопоставление результатов прогнозирования некоторых показателей развития рынка в 2011-2012 годах с фактическими данными демонстрирует хорошее совпадение по уровню средних удельных цен на вторичном и первичном рынках (Д), объему поглощения на вторичном рынке (Г), объему предложения, нового предложения и поглощения на первичном рынке (В), объему ввода и строительства площадей (Б).

Таким образом, динамика прогнозируемых показателей развития рынка (преимущественно немонотонная) находит логичное объяснения в известных закономерностях поведения рынка и показывает, что разработанная модель адекватно учитывает связи между различными факторами, в том числе и обратные.



[1] Примечание: показатели, отмеченные звездочкой*, взаимозаменяемы.

[2] Блоки-модули – это самостоятельные блоки, которые могут использоваться либо не использоваться при расчетах.

Обоснование целевых объемов ввода жилья (на примере Москвы)

.

Постановка задачи. Исторический дефицит жилья в России (более 60% населения нуждается в улучшении жилищных условий) заставил руководство страны в течение последних 5-8 лет усилить внимание к проблеме повышения объемов жилищного строительства. Приняты серьезные правовые, организационные, экономические меры для стимулирования местных властей и бизнеса к решению этой проблемы. Определены целевые показатели динамики роста объемов ввода жилья – в 2020 году эта величина должна достигнуть 142 млн кв. метров. В настоящее время Госстрой и Минрегион РФ организуют работу по определению и обоснованию целевых объемов ввода жилья в каждом регионе. В настоящей работе сделана попытка решения этой задачи для локальной территории – города Москвы до присоединения новых территорий (в границах до 1 июля 2012 года).

Известны факторы, ограничивающие объемы ввода жилья в Москве. В последние годы это определялось в первую очередь дефицитом земельных ресурсов. К этому прибавилось вынужденное изменение политики города (ограничения на выдачу разрешений и даже расторжение ряда инвестиционных контрактов) в связи с несбалансированностью между строительством жилья и транспортной инфраструктуры. В результате в государственной программе «Жилище» по городу Москве на 2012-2016 годы был предусмотрен в 2013-2016 годах стабильный объем ввода в 2,45 млн кв. м жилья ежегодно (после максимального объема в 4,8 млн, достигнутого в 2007 году). Другие факторы, сдерживающие объемы ввода жилья в регионах – ограничения по производственным мощностям стройпредприятий, по доступным объемам стройресурсов, по наличию инженерных сетей на границах участков под строительство жилья, энергетических и иных инженерных ресурсов, социальной инфраструктуры – в Москве не стояли столь остро.

Но обостренное внимание руководства страны к проблеме объемов строительства жилья, приоритетность этого показателя при оценке результатов деятельности администраций регионов и муниципалитетов снова стимулировало руководство регионов, в том числе и Москвы, к поиску путей повышения темпов строительства жилья.

На инвестиционном форуме «Россия – 2013» 17.04.2013 г. мэр Москвы Сергей Собянин заявил: «Мы в прошлом году ввели 7,6 миллионов недвижимости - это тоже неплохие показатели. Демонстрируют рост примерно 10 процентов по предыдущему году. Я думаю, что в ближайшие год-два мы также по объему ввода недвижимости выйдем на докризисный уровень».  По словам Собянина, потенциал развития недвижимости в столице занимает первое место в Европе: «Территория новой Москвы и освобождаемые промзоны позволят построить до двухсот миллионов квадратных метров недвижимости». Понятно, что речь идет не только о жилой, но и о коммерческой недвижимости. Если исходить из официальных данных Росстата об объеме ввода в 2011 году (в старых границах Москвы) 1,76 млн, то прирост в 10% дает в 2012 году около 2,0 млн кв. м. Это примерно соответствует данным Росстата – в новых границах в Москве введено в 2012 году 2,52 млн кв. м, в том числе на присоединенных территориях – 0,45 млн.

В 2012 году город отменил инвестконтракты на строительство 10 млн кв. м недвижимости в Москве, в основном по отмеченным выше причинам. В  то же время в интервью телеканалу «Россия-1» 10.02.2013 г. С. Собянин сообщил, что одновременно за три года город разрешил строительство более чем 30 млн кв. м недвижимости. Если две трети от этой величины составляет жилая недвижимость, то при сроках реализации инвестконтрактов в 3-7 лет это означает ввод жилья в среднем 4 млн кв. м ежегодно. В том числе, как заявил в интервью «Интерфаксу» руководитель департамента развития новых территорий столицы Владимир Жидкин 28.01.2003 г., к концу 2013 года на землях «Новой Москвы» планируется построить порядка 1 млн кв. м жилья (вдвое больше, чем в 2012 году) и не менее 500 тыс. кв. м иной недвижимости.

Итак, город планирует построить в 2013 году в Москве более 3 млн кв. м жилья, в том числе в старых границах – не менее 2,5 млн кв. м, и в дальнейшем увеличивать этот объем до 5-6 млн кв. м.

Однако, такие амбициозные планы могут и не реализоваться.

Кроме перечисленных ранее факторов, влияющих на возможные объемы ввода жилья (как принято их называть, «факторы предложения»), существует другая группа факторов – «факторы спроса».

Вот что сообщил 22.05.2003 г. в ходе встречи со столичными инвесторами председатель Москомстройинвеста Константин Тимофеев: «Только треть инвесторов в Москве, проекты которых прошли Градостроительно-земельную комиссию Москвы (ГЗК) за 2,5 года ее существования, приступили к реальному строительству. Остальные или продают, или ищут финансирование, но рабочие только 30%».

По нашему мнению, причина такой ситуации в том, что в Москве в последние три года снизилась инвестиционная привлекательность девелопмента. Это является следствием изменения закономерностей рынка после кризиса 2008 года. В условиях достаточно высокого спроса цены на первичном рынке возвращаются к докризисному уровню, но темпы роста цен незначительны. Если в первом десятилетнем цикле (старт рынка - июнь 1990 года) рынок достиг нижней точки к июню 2000 года и восстановился за 1,5 года, то во втором десятилетнем цикле он достиг в Москве нижней точки к концу 2009 года и еще не до конца восстановился за 3 года. В результате конечная доходность инвестиционно-строительных проектов существенно снизилась по сравнению с докризисным уровнем, и не все московские девелоперы готовы к такой ситуации.

Важно отметить, что доходы москвичей в последние два-три года практически не повышались, но спрос на рынке и объем поглощения был достаточно высок. Однако, это в первую очередь был спрос на малогабаритные дешевые квартиры. Поэтому средняя цена на рынке росла низкими темпами. С другой стороны, в случае повышения темпов роста доходов населения и дефиците предложения возможен быстрый рост цен и как следствие - снижение объема предъявленного спроса по причине ухода с рынка покупателей с меньшими доходами. Такое развитие событий может привести к стабилизации и последующему снижению цен, объемов поглощения и потока доходов девелопера, и вследствии этого – к снижению темпов строительства домов, что также не позволит реализовать высокие целевые показатели ввода жилья.

Следовательно, возможности повышения объемов ввода жилья по факторам предложения должны быть проверены факторами спроса.

В теоретическом плане эти закономерности рынка общеизвестны – проблема состоит в получении количественных оценок развития рынка при изменении как макроэкономических показателей, так и планируемых объемов ввода жилья.

Такую возможность представляет разработанная в 2011 году методика среднесрочного прогнозирования развития локального рынка жилой недвижимости /1/. В этой работе приведены результаты апробации методики на примере прогнозирования динамики развития рынка Москвы (в старых границах) в 2011-2016 годах при трех сценариях макроэкономических исходных данных: оптимистическом (правительственный среднесрочный прогноз), пессимистическом (предусмотрена вероятность экономического кризиса в 2013-2014 годах) и реалистическом (наиболее вероятном – предусмотрена стагнация в экономике и минимальный рост доходов населения).

В дальнейшем методика была усовершенствована, а также проведена ретроспективная проверка результатов прогнозирования на 2011 и 2012 годы по фактическим данным (при росте доходов населения 4-5% в номинальном выражении, что соответствует реалистическому сценарию работы /1/). Проверка дала положительные результаты /2/.

Наконец, было проведено исследование влияния изменения макроэкономических данных на динамику рынка при фиксированных целевых объема ввода жилья, предусмотренных ГП «Жилище» по городу Москве на 2012-2016 годы. При этом были сформированы 4 сценария динамики макроэкономических показателей и проанализированы положительные и негативные стороны каждого сценария для рынка и девелоперов /3/. Макроэкономические параметры Сценария № 1 соответствовали оптимистическому правительственному прогнозу работы /1/, Сценария № 3 – реалистическому, Сценария №4 – пессимистическому, в Сценарии № 2 были заданы параметры, превышающие оптимистический сценарий.

Целью настоящей работы является исследование динамики развития рынка жилой недвижимости при каждом из четырех сценариев в случае увеличения целевых объемов ввода жилья относительно ранее запланированных.

Исходные данные. В качестве локального рынка жилой недвижимости принят рынок Москвы в старых границах (до 1 июля 2012 года). Такое ограничение объясняется тремя причинами.

Первая – необходимой преемственностью расчетов с ранее выполненными исследованиями /1-3/.

Вторая – необходимостью использования макроэкономических исходных данных, предоставленных Госстроем (разработка ЦСР и ИНП РАН), и отраслевых данных (из ГП «Жилище»), которые были подготовлены без учета присоединения к Москве новых территорий. Так, в старой Москве и на присоединенных территориях Подмосковья вдвое отличаются среднедушевые доходы населения, средние удельные цены на жилье и др., и пока непонятно, какие сложатся средние по объединенной территории показатели.

Третья – необходимостью использования ранее подготовленных рыночных исходных данных, которые опираются на многолетний мониторинг и углубленные исследования рынка Москвы в старых границах, отличающегося многоэтажной застройкой, специфической структурой жилья по качеству (большой объем предложения жилья повышенной комфортности) с определенными закономерностями соотношений ввод/строительство, строительство/предложение, предложение/поглощение и др. На присоединенных территориях более половины объема строительства – односемейные дома (коттеджные поселки) и другое жилье загородного формата со своими закономерностями функционирования этого сегмента рынка. Пока неясно, как «объединять» эти закономерности – сначала надо накопить статистические данные.

Основные изменяемые по сценариям и вариантам расчета исходные данные макроэкономического характера (ежегодные темпы роста доходов населения, а также объемов ипотечной поддержки) приведены в табл. 1, а отраслевого характера (целевые объемы ввода жилья) - в табл. 2.

Макроэкономические параметры на 2010-2012 годы во всех сценариях приняты по фактическим данным Росстата, на 2013-2020 годы: в Сценарии № 1 базовом – представленные Госстроем, в Сценарии № 2 – повышенный относительно базового сценария уровень доходов населения и ипотечной поддержки, в Сценарии № 3 – пониженный уровень доходов, а уровень ипотечной поддержки - по базовому сценарию, в Сценарии № 4 – пониженный уровень доходов и ипотечной поддержки.

Таблица 1. Макроэкономические исходные данные для четырех сценариев

год

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

Сценарий № 1

Инфляция, %

8,8*

6,1*

6,6*

5,6**

5,2**

5,2**

5,3**

5,1**

5,3**

5,1**

5,0**

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

2,7**

4,4**

4,6**

4,0**

2,9**

-0,2**

2,2**

3,2**

планируемый объем жилищного ипотечного кредито вания, млрд. руб.*3

47,0

48,5

62,4

122,9

153,6

184,3

211,2

232,2

255,6

281,1

309,2

Сценарий № 2

Инфляция, %

8,8*

6,1*

6,6*

7,0

7,0

7,0

7,0

7,0

7,0

7,0

7,0

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

6,0

6,0

6,0

6,0

6,0

6,0

6,0

6,0

планируемый объем жилищного ипотечного кредито вания, млрд. руб.*3

47,0

48,5

62,4

147,5

184,3

221,2

253,4

278,7

306,7

337,3

371,1

Сценарий № 3

Инфляция, %

8,8*

6,1*

6,6*

7,0

7,0

7,0

7,0

7,0

7,0

7,0

7,0

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

планируемый объем жилищного ипотечного кредито вания, млрд. руб.*3

47,0

48,5

62,4

122,9

153,6

184,3

211,2

232,2

255,6

281,1

309,2

Сценарий № 4

Инфляция, %

8,8*

6,1*

6,6*

7,0

7,0

7,0

7,0

7,0

7,0

7,0

7,0

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

-12,0

-12,0

-12,0

-12,0

-12,0

-12,0

-12,0

-12,0

планируемый объем жилищного ипотечного кредито вания, млрд. руб.*3

47,0

48,5

62,4

98,32

122,9

147,4

169,0

185,9

204,4

224,9

247,4

Примечания:

* Фактические данные Росстата

** Данные Госстроя

*3 Данные АИЖК

Отраслевые параметры на 2010-2012 годы приняты по фактическим данным Росстата, на 2013 год – согласно ГП «Жилище» по гор. Москве на 2012-2016 годы, на 2014-2020 годы: в варианте 1 – сохраняется уровень 2013-2016 годов по ГП «Жилище», в варианте 2 – с 2014 года целевой объем ввода повышается на 250 тыс. кв. м ежегодно и к 2020 году достигает 4,3 млн кв. м, в варианте 3 – повышается на 500 тыс. кв. м ежегодно и к 2020 году достигает 6,0 млн кв. м.

Таблица 2. Отраслевые исходные данные – три варианта для каждого сценария

год

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

Целевой объем ввода жилья, млн кв. м,

вариант 1

1,77*

1,76*

2,07*

2,54

**

2,54

**

2,54

**

2,54

**

2,54

2,54

2,54

2,54

в том числе коммерческого

1,09

1,06

1,30

1,78

1,78

1,78

1,78

1,78

1,78

1,78

1,78

Целевой объем ввода жилья, млн кв. м,

вариант 2

1,77

1,76

1,60

2,54

2,79

3,04

3,29

3,54

3,79

4,04

4,29

в том числе коммерческого

1,09

1,06

1,10

1,78

2,03

2,28

2,53

2,78

3,03

3,28

3,53

Целевой объем ввода жилья, млн кв. м,

вариант 3

1,77

1,76

1,60

2,54

3,04

3,54

4,04

4,54

5,04

5,54

6,04

в том числе коммерческого

1,09

1,06

1,10

1,78

2,28

2,78

3,28

3,78

4,28

4,78

5,28

Примечания:

* Фактические данные Росстата

** Данные ГП «Жилище» по гор. Москве

Результаты расчетов и их интерпретация. Как показано в работе /3/, Сценарий №1 (средние темпы роста доходов (8-11%) и средний уровень ипотечной поддержки) при базовом уровне целевых объемов ввода жилья (вариант 1) отличается значительными темпами роста цен (в 2013-2015 годах - более 17%, в 2016 году – 35%), что обеспечивает инвестиционную привлекательность девелопмента, но снижает доступность жилья для населения, а также создает предкризисную угрозу рынку. Продление расчетов до 2020 года (рис. 1) подтвердило это утверждение: спрос в 2017 году на фоне выросших цен падает, предложение увеличивается и становится больше спроса, цены в 2017 году достигают максимума (502 тыс. руб./кв. м) и далее снижаются до 426 тыс. руб./кв. м к 2020 году. Объем поглощения в 2017 году падает (на вторичном рынке – вдвое), но затем начинает повышаться в связи со снижением цен и повышением предъявленного спроса. В целом перегрев рынка приводит к кризису в 2017 году, и к 2020 году послекризисное восстановление еще не завершается.

При повышенном уровне целевых объемов ввода жилья (вариант 2) происходит последовательный рост объема предложения, избыток предложения образуется на год раньше, чем в варианте 1, цены на первичном рынке вырастают к 2016 году только до 360 тыс. руб./кв. м, а в дальнейшем снижаются до 290 тыс. руб./кв. м в 2020 году, объем поглощения повышается, хотя на вторичном – сначала в 2017 году обваливается (рис. 2). В целом кризисная ситуация аналогична варианту 1, но менее ярко выражена.

При высоком уровне целевых объемов ввода (вариант 3) спрос становится меньше предложения на первичном и вторичном рынках уже в 2015 году, перегрев рынка практически не происходит, цены на первичном рынке достигают максимума в 305 тыс. руб./кв. м в 2015 году и далее снижаются до 236 тыс. руб./кв. м к 2020 году, поглощение после снижения в 2016 году растет, кризисные изменения к 2020 году практически исчерпываются (рис. 3).

Таким образом, при динамике макроэкономических параметров по Сценарию № 1 во всех трех вариантах целевых объемов ввода жилья перегрев рынка приводит к кризисной ситуации, хотя и в различной степени остроты. Наиболее приемлемым представляется вариант 2.

А. Первичный рынок Б. Вторичный рынок

Рис. 1. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 1

А. Первичный рынок Б. Вторичный рынок

Рис. 2. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 2

А. Первичный рынок Б. Вторичный рынок

Рис. 3. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 3

Сценарий № 2 (высокие темпы роста доходов (13-14%) и повышенная ипотечная поддержка) при базовом варианте целевых объемов ввода жилья (вариант 1) отличается еще более высокими темпами роста цен в 2013-2014 годах (более 43%), и к 2015 году цены на первичном рынке достигают максимума в 467 тыс. руб./кв. м. К 2016 году рынок демонстрирует конкретные признаки перехода к кризису /3/. Продолжение расчетов до 2020 года (рис. 4) показало, что в дальнейшем ценовой пузырь сжимается (к 2020 году цена на первичном рынке снижается до 405 тыс. руб./кв. м), повышается спрос и поглощение.

При повышенных целевых объемах ввода жилья (вариант 2) предложение становится больше спроса уже в 2014 году и далее растет, цены с этого года снижаются, ситуация на рынке аналогична предыдущему варианту.

При высоких целевых объемах ввода жилья (вариант 3) предложение в 2014-2020 годах существенно вырастает, цены растут лишь до 2014 года и достигают на первичном рынке максимума в 326 тыс. руб./кв. м, а затем снижаются до 274 тыс. руб./кв. м в 2020 году, объем поглощения растет. Можно говорить о признаках рецессии, но не кризиса.

Таким образом, при динамике макроэкономических параметров по Сценарию № 2 в вариантах 1 и 2 целевых объемов ввода жилья перегрев рынка приводит к кризисной ситуации, в варианте 3 за счет раннего снятия дефицита предложения – лишь к рецессии.

А. Первичный рынок Б. Вторичный рынок

Рис. 4. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 2 и целевых объемах ввода по варианту 1

А. Первичный рынок Б. Вторичный рынок

Рис. 5. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 2 и целевых объемах ввода по варианту 2

А. Первичный рынок Б. Вторичный рынок

Рис. 6. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 2 и целевых объемах ввода по варианту 3

Наиболее благоприятным для рынка является Сценарий № 3. При низких темпах роста доходов населения (в номинальном выражении близких к нулю), среднем уровне денежного объема ипотеки и базовом варианте целевых объемов ввода жилья темп роста цен составляют (4-5)% в год, и к 2020 году они достигают всего 246 тыс. руб./кв. м, по остальным показателям рынок стабилен (рис. 7). Вместе с тем, такая ситуация не обеспечивает достаточно высокой доходности инвестиционно-строительных проектов, что может снизить активность девелоперов и потребовать их дополнительной поддержки со стороны государства.

При повышенных целевых объемах ввода жилья (вариант 2) и соответственно объема предложения существенных изменений по остальным показателям не произошло (рис. 8).

При высоких объемах ввода жилья (вариант 3) цены практически не растут, с 2018 года спрос становится меньше предложения, цены снижаются на первичном рынке к 2020 году до 190 тыс. руб./кв. м, ситуация принимает предкризисный характер.

Таким образом, при динамике макроэкономических параметров по Сценарию № 3 рынок устойчив к принятому изменению целевых объемов ввода жилья в вариантах 1 и 2 и неустойчив – в варианте 3, при этом во всех вариантах не обеспечивает достаточной доходности девелопмента.

А. Первичный рынок Б. Вторичный рынок


Рис. 7. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 1

А. Первичный рынок Б. Вторичный рынок

Рис. 8. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 2

А. Первичный рынок Б. Вторичный рынок

Рис. 9. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 3

Сценарий № 4 (снижающиеся на 6% в год доходы и пониженный уровень ипотечной поддержки) при базовом уровне целевых объемов ввода жилья характеризуется признаками рецессии и неблагоприятен для развития рынка (рис. 10).

При повышенном уровне целевых объемов ввода (вариант 2) и соответственно предложения существенных изменений по остальным показателям рынка не наблюдается (рис. 11).

При высоком уровне целевых объемов ввода жилья (вариант 3) сохраняется аналогичная ситуация (рис. 12).

Таким образом, Сценарий № 4 устойчив к принятому изменению целевых объемов ввода жилья, но сохраняет признаки рецессии при всех вариантах их изменения.

А. Первичный рынок Б. Вторичный рынок

Рис. 10. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 4 и целевых объемах ввода по варианту 1

А. Первичный рынок Б. Вторичный рынок

Рис. 11. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 4 и целевых объемах ввода по варианту 2

А. Первичный рынок Б. Вторичный рынок

Рис. 12. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 4 и целевых объемах ввода по варианту 3

Обсуждение полученных результатов. Расчеты показывают, что при динамике макроэкономических параметров по Сценарию № 1 и № 2 во всех трех вариантах целевых объемов ввода жилья перегрев рынка приводит к кризисной ситуации либо к рецессии. Такой результат соответствует ранее выявленной закономерности циклического развития рынка /4/: в благополучные для отечественной экономики годы (2001-2008) при значительных темпах роста доходов населения на рынке недвижимости наблюдались среднесрочные циклы с периодом 2,5-3 года (2001-2003 и 2004-2007). Различие в динамике рынка, полученной по результатам прогнозных расчетов, заключается в меньших темпах роста цен в стадии роста и большем снижении в стадии рецессии (в 2000-е годы цены лишь стабилизировались с небольшой кратковременной коррекцией), а также в увеличенном периоде колебания цен от нижней до нижней точки. Подобное поведение рынка после кризиса 2008-2009 годов объяснено и прогнозировалось в работе /5/. При этом конкретная динамика развития рынка все же различается, и с учетом этого обстоятельства при Сценарии № 1 можно рассматривать как целесообразный уровень целевого объема ввода жилья по варианту 2 (4,3 млн кв. м), а при Сценарии № 2 – по варианту 3 (6,0 млн кв. м).

При динамике макроэкономических показателей по Сценарию № 3 целесообразен вариант 2 с уровнем целевого объема ввода жилья 4,3 млн кв. м, хотя динамика цен и не обеспечивает достаточной доходности девелопмента.

Сценарий № 4 сохраняет признаки рецессии при всех вариантах целевых объемов ввода жилья и является неблагоприятным для девелопмента.

Необходимо отметить, что динамика макроэкономических показателей по Сценарию № 1 (оптимистический сценарий, предоставленный Госстроем) в последующие годы возможна лишь с малой вероятностью. Об этом свидетельствуют как данные предыдущих трех лет, так и общее мнение экономистов о предстоящем снижении темпов роста ВВП России, мировых цен на нефть и газ и объемов их экспорта из РФ, твердое намерение финансовых властей к таргетированию инфляции и сохранению жесткой кредитно-денежной политики, усилившийся отток капитала за рубеж, идущее ослабление рубля к основным валютам и т.п.

Сценарий № 2 с повышенными макроэкономическими параметрами можно признать нереализуемым, Сценарий № 3 наиболее вероятен, а Сценарий № 4 возможен в случае нового мирового экономического кризиса и может быть признан маловероятным.

Таким образом, получены следующие конкурентные для рассмотрения варианты:

- Сценарий № 1 при варианте 2 целевого объема ввода жилья в 2020 году (4,3 млн кв. м), сопровождающийся циклическим перегревом рынка и рецессией, но сохраняющий высокую доходность девелопмента;

- Сценарий № 3 при варианте 2, сопровождающийся стабильным развитием рынка, но низкой доходностью девелопмента, требующей дополнительных мер государственной поддержки.

Сравнение двух этих вариантов показывает, что приемлемым является целевой объем ввода жилья в Москве (в старых границах) в 2020 году по варианту 2 (4,3 млн кв. м).

Выводы. Динамика макроэкономических параметров по Сценарию № 2 (повышенные темпы роста доходов населения) оценивается как нереализуемая, по Сценарию № 4 (отрицательные темпы роста доходов) – как маловероятная. По Сценариям № 1 и 3 увеличение целевых объемов ввода жилья в Москве (в старых границах) приемлемо по варианту 2 – до 4,3 млн кв. м в 2020 году.

Литература

1. Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона), Журнал «Имущественные отношения в РФ». - №8 (131) 2012, 1-14 стр.

2. Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. – Журнал "Имущественные отношения в РФ" (принято к опубликованию).

3. Стерник Г.М., Свиридов А.В. Тестирование модели среднесрочного прогнозирования развития локального рынка жилой недвижимости. – «Экономика строительства» (принято к опубликованию).

4. Стерник Г.М., Стерник С.Г. Основная закономерность развивающихся рынков недвижимости. – Журнал «Имущественные отношения в РФ» № 11 (86), 2008, стр. 18-26.

5. Мальгинов Г.Н., Стерник Г.М. Российский рынок жилья в 2010 году: стагнация и начало восстановления. - В Сб. «Российская экономика в 2010 году. Тенденции и перспективы» (вып. 32). –М.: Институт Гайдара, 2011, стр. 515-527.

7.06.13.

Стерник Г.М., Свиридов А.В. Обоснование целевых объемов ввода жилья (на примере Москвы)

(Опубликовано: «Имущественные отношения в Российской Федерации», № 3, 2014, стр. 91-101)
Категория: методические материалы

Обоснование целевых объемов ввода жилья (на примере Москвы)

.

Постановка задачи. Исторический дефицит жилья в России (более 60% населения нуждается в улучшении жилищных условий) заставил руководство страны в течение последних 5-8 лет усилить внимание к проблеме повышения объемов жилищного строительства. Приняты серьезные правовые, организационные, экономические меры для стимулирования местных властей и бизнеса к решению этой проблемы. Определены целевые показатели динамики роста объемов ввода жилья – в 2020 году эта величина должна достигнуть 142 млн кв. метров. В настоящее время Госстрой и Минрегион РФ организуют работу по определению и обоснованию целевых объемов ввода жилья в каждом регионе. В настоящей работе сделана попытка решения этой задачи для локальной территории – города Москвы до присоединения новых территорий (в границах до 1 июля 2012 года).

Известны факторы, ограничивающие объемы ввода жилья в Москве. В последние годы это определялось в первую очередь дефицитом земельных ресурсов. К этому прибавилось вынужденное изменение политики города (ограничения на выдачу разрешений и даже расторжение ряда инвестиционных контрактов) в связи с несбалансированностью между строительством жилья и транспортной инфраструктуры. В результате в государственной программе «Жилище» по городу Москве на 2012-2016 годы был предусмотрен в 2013-2016 годах стабильный объем ввода в 2,45 млн кв. м жилья ежегодно (после максимального объема в 4,8 млн, достигнутого в 2007 году). Другие факторы, сдерживающие объемы ввода жилья в регионах – ограничения по производственным мощностям стройпредприятий, по доступным объемам стройресурсов, по наличию инженерных сетей на границах участков под строительство жилья, энергетических и иных инженерных ресурсов, социальной инфраструктуры – в Москве не стояли столь остро.

Но обостренное внимание руководства страны к проблеме объемов строительства жилья, приоритетность этого показателя при оценке результатов деятельности администраций регионов и муниципалитетов снова стимулировало руководство регионов, в том числе и Москвы, к поиску путей повышения темпов строительства жилья.

На инвестиционном форуме «Россия – 2013» 17.04.2013 г. мэр Москвы Сергей Собянин заявил: «Мы в прошлом году ввели 7,6 миллионов недвижимости - это тоже неплохие показатели. Демонстрируют рост примерно 10 процентов по предыдущему году. Я думаю, что в ближайшие год-два мы также по объему ввода недвижимости выйдем на докризисный уровень».  По словам Собянина, потенциал развития недвижимости в столице занимает первое место в Европе: «Территория новой Москвы и освобождаемые промзоны позволят построить до двухсот миллионов квадратных метров недвижимости». Понятно, что речь идет не только о жилой, но и о коммерческой недвижимости. Если исходить из официальных данных Росстата об объеме ввода в 2011 году (в старых границах Москвы) 1,76 млн, то прирост в 10% дает в 2012 году около 2,0 млн кв. м. Это примерно соответствует данным Росстата – в новых границах в Москве введено в 2012 году 2,52 млн кв. м, в том числе на присоединенных территориях – 0,45 млн.

В 2012 году город отменил инвестконтракты на строительство 10 млн кв. м недвижимости в Москве, в основном по отмеченным выше причинам. В  то же время в интервью телеканалу «Россия-1» 10.02.2013 г. С. Собянин сообщил, что одновременно за три года город разрешил строительство более чем 30 млн кв. м недвижимости. Если две трети от этой величины составляет жилая недвижимость, то при сроках реализации инвестконтрактов в 3-7 лет это означает ввод жилья в среднем 4 млн кв. м ежегодно. В том числе, как заявил в интервью «Интерфаксу» руководитель департамента развития новых территорий столицы Владимир Жидкин 28.01.2003 г., к концу 2013 года на землях «Новой Москвы» планируется построить порядка 1 млн кв. м жилья (вдвое больше, чем в 2012 году) и не менее 500 тыс. кв. м иной недвижимости.

Итак, город планирует построить в 2013 году в Москве более 3 млн кв. м жилья, в том числе в старых границах – не менее 2,5 млн кв. м, и в дальнейшем увеличивать этот объем до 5-6 млн кв. м.

Однако, такие амбициозные планы могут и не реализоваться.

Кроме перечисленных ранее факторов, влияющих на возможные объемы ввода жилья (как принято их называть, «факторы предложения»), существует другая группа факторов – «факторы спроса».

Вот что сообщил 22.05.2003 г. в ходе встречи со столичными инвесторами председатель Москомстройинвеста Константин Тимофеев: «Только треть инвесторов в Москве, проекты которых прошли Градостроительно-земельную комиссию Москвы (ГЗК) за 2,5 года ее существования, приступили к реальному строительству. Остальные или продают, или ищут финансирование, но рабочие только 30%».

По нашему мнению, причина такой ситуации в том, что в Москве в последние три года снизилась инвестиционная привлекательность девелопмента. Это является следствием изменения закономерностей рынка после кризиса 2008 года. В условиях достаточно высокого спроса цены на первичном рынке возвращаются к докризисному уровню, но темпы роста цен незначительны. Если в первом десятилетнем цикле (старт рынка - июнь 1990 года) рынок достиг нижней точки к июню 2000 года и восстановился за 1,5 года, то во втором десятилетнем цикле он достиг в Москве нижней точки к концу 2009 года и еще не до конца восстановился за 3 года. В результате конечная доходность инвестиционно-строительных проектов существенно снизилась по сравнению с докризисным уровнем, и не все московские девелоперы готовы к такой ситуации.

Важно отметить, что доходы москвичей в последние два-три года практически не повышались, но спрос на рынке и объем поглощения был достаточно высок. Однако, это в первую очередь был спрос на малогабаритные дешевые квартиры. Поэтому средняя цена на рынке росла низкими темпами. С другой стороны, в случае повышения темпов роста доходов населения и дефиците предложения возможен быстрый рост цен и как следствие - снижение объема предъявленного спроса по причине ухода с рынка покупателей с меньшими доходами. Такое развитие событий может привести к стабилизации и последующему снижению цен, объемов поглощения и потока доходов девелопера, и вследствии этого – к снижению темпов строительства домов, что также не позволит реализовать высокие целевые показатели ввода жилья.

Следовательно, возможности повышения объемов ввода жилья по факторам предложения должны быть проверены факторами спроса.

В теоретическом плане эти закономерности рынка общеизвестны – проблема состоит в получении количественных оценок развития рынка при изменении как макроэкономических показателей, так и планируемых объемов ввода жилья.

Такую возможность представляет разработанная в 2011 году методика среднесрочного прогнозирования развития локального рынка жилой недвижимости /1/. В этой работе приведены результаты апробации методики на примере прогнозирования динамики развития рынка Москвы (в старых границах) в 2011-2016 годах при трех сценариях макроэкономических исходных данных: оптимистическом (правительственный среднесрочный прогноз), пессимистическом (предусмотрена вероятность экономического кризиса в 2013-2014 годах) и реалистическом (наиболее вероятном – предусмотрена стагнация в экономике и минимальный рост доходов населения).

В дальнейшем методика была усовершенствована, а также проведена ретроспективная проверка результатов прогнозирования на 2011 и 2012 годы по фактическим данным (при росте доходов населения 4-5% в номинальном выражении, что соответствует реалистическому сценарию работы /1/). Проверка дала положительные результаты /2/.

Наконец, было проведено исследование влияния изменения макроэкономических данных на динамику рынка при фиксированных целевых объема ввода жилья, предусмотренных ГП «Жилище» по городу Москве на 2012-2016 годы. При этом были сформированы 4 сценария динамики макроэкономических показателей и проанализированы положительные и негативные стороны каждого сценария для рынка и девелоперов /3/. Макроэкономические параметры Сценария № 1 соответствовали оптимистическому правительственному прогнозу работы /1/, Сценария № 3 – реалистическому, Сценария №4 – пессимистическому, в Сценарии № 2 были заданы параметры, превышающие оптимистический сценарий.

Целью настоящей работы является исследование динамики развития рынка жилой недвижимости при каждом из четырех сценариев в случае увеличения целевых объемов ввода жилья относительно ранее запланированных.

Исходные данные. В качестве локального рынка жилой недвижимости принят рынок Москвы в старых границах (до 1 июля 2012 года). Такое ограничение объясняется тремя причинами.

Первая – необходимой преемственностью расчетов с ранее выполненными исследованиями /1-3/.

Вторая – необходимостью использования макроэкономических исходных данных, предоставленных Госстроем (разработка ЦСР и ИНП РАН), и отраслевых данных (из ГП «Жилище»), которые были подготовлены без учета присоединения к Москве новых территорий. Так, в старой Москве и на присоединенных территориях Подмосковья вдвое отличаются среднедушевые доходы населения, средние удельные цены на жилье и др., и пока непонятно, какие сложатся средние по объединенной территории показатели.

Третья – необходимостью использования ранее подготовленных рыночных исходных данных, которые опираются на многолетний мониторинг и углубленные исследования рынка Москвы в старых границах, отличающегося многоэтажной застройкой, специфической структурой жилья по качеству (большой объем предложения жилья повышенной комфортности) с определенными закономерностями соотношений ввод/строительство, строительство/предложение, предложение/поглощение и др. На присоединенных территориях более половины объема строительства – односемейные дома (коттеджные поселки) и другое жилье загородного формата со своими закономерностями функционирования этого сегмента рынка. Пока неясно, как «объединять» эти закономерности – сначала надо накопить статистические данные.

Основные изменяемые по сценариям и вариантам расчета исходные данные макроэкономического характера (ежегодные темпы роста доходов населения, а также объемов ипотечной поддержки) приведены в табл. 1, а отраслевого характера (целевые объемы ввода жилья) - в табл. 2.

Макроэкономические параметры на 2010-2012 годы во всех сценариях приняты по фактическим данным Росстата, на 2013-2020 годы: в Сценарии № 1 базовом – представленные Госстроем, в Сценарии № 2 – повышенный относительно базового сценария уровень доходов населения и ипотечной поддержки, в Сценарии № 3 – пониженный уровень доходов, а уровень ипотечной поддержки - по базовому сценарию, в Сценарии № 4 – пониженный уровень доходов и ипотечной поддержки.

Таблица 1. Макроэкономические исходные данные для четырех сценариев

год

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

Сценарий № 1

Инфляция, %

8,8*

6,1*

6,6*

5,6**

5,2**

5,2**

5,3**

5,1**

5,3**

5,1**

5,0**

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

2,7**

4,4**

4,6**

4,0**

2,9**

-0,2**

2,2**

3,2**

планируемый объем жилищного ипотечного кредито вания, млрд. руб.*3

47,0

48,5

62,4

122,9

153,6

184,3

211,2

232,2

255,6

281,1

309,2

Сценарий № 2

Инфляция, %

8,8*

6,1*

6,6*

7,0

7,0

7,0

7,0

7,0

7,0

7,0

7,0

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

6,0

6,0

6,0

6,0

6,0

6,0

6,0

6,0

планируемый объем жилищного ипотечного кредито вания, млрд. руб.*3

47,0

48,5

62,4

147,5

184,3

221,2

253,4

278,7

306,7

337,3

371,1

Сценарий № 3

Инфляция, %

8,8*

6,1*

6,6*

7,0

7,0

7,0

7,0

7,0

7,0

7,0

7,0

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

планируемый объем жилищного ипотечного кредито вания, млрд. руб.*3

47,0

48,5

62,4

122,9

153,6

184,3

211,2

232,2

255,6

281,1

309,2

Сценарий № 4

Инфляция, %

8,8*

6,1*

6,6*

7,0

7,0

7,0

7,0

7,0

7,0

7,0

7,0

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

-12,0

-12,0

-12,0

-12,0

-12,0

-12,0

-12,0

-12,0

планируемый объем жилищного ипотечного кредито вания, млрд. руб.*3

47,0

48,5

62,4

98,32

122,9

147,4

169,0

185,9

204,4

224,9

247,4

Примечания:

* Фактические данные Росстата

** Данные Госстроя

*3 Данные АИЖК

Отраслевые параметры на 2010-2012 годы приняты по фактическим данным Росстата, на 2013 год – согласно ГП «Жилище» по гор. Москве на 2012-2016 годы, на 2014-2020 годы: в варианте 1 – сохраняется уровень 2013-2016 годов по ГП «Жилище», в варианте 2 – с 2014 года целевой объем ввода повышается на 250 тыс. кв. м ежегодно и к 2020 году достигает 4,3 млн кв. м, в варианте 3 – повышается на 500 тыс. кв. м ежегодно и к 2020 году достигает 6,0 млн кв. м.

Таблица 2. Отраслевые исходные данные – три варианта для каждого сценария

год

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

Целевой объем ввода жилья, млн кв. м,

вариант 1

1,77*

1,76*

2,07*

2,54

**

2,54

**

2,54

**

2,54

**

2,54

2,54

2,54

2,54

в том числе коммерческого

1,09

1,06

1,30

1,78

1,78

1,78

1,78

1,78

1,78

1,78

1,78

Целевой объем ввода жилья, млн кв. м,

вариант 2

1,77

1,76

1,60

2,54

2,79

3,04

3,29

3,54

3,79

4,04

4,29

в том числе коммерческого

1,09

1,06

1,10

1,78

2,03

2,28

2,53

2,78

3,03

3,28

3,53

Целевой объем ввода жилья, млн кв. м,

вариант 3

1,77

1,76

1,60

2,54

3,04

3,54

4,04

4,54

5,04

5,54

6,04

в том числе коммерческого

1,09

1,06

1,10

1,78

2,28

2,78

3,28

3,78

4,28

4,78

5,28

Примечания:

* Фактические данные Росстата

** Данные ГП «Жилище» по гор. Москве

Результаты расчетов и их интерпретация. Как показано в работе /3/, Сценарий №1 (средние темпы роста доходов (8-11%) и средний уровень ипотечной поддержки) при базовом уровне целевых объемов ввода жилья (вариант 1) отличается значительными темпами роста цен (в 2013-2015 годах - более 17%, в 2016 году – 35%), что обеспечивает инвестиционную привлекательность девелопмента, но снижает доступность жилья для населения, а также создает предкризисную угрозу рынку. Продление расчетов до 2020 года (рис. 1) подтвердило это утверждение: спрос в 2017 году на фоне выросших цен падает, предложение увеличивается и становится больше спроса, цены в 2017 году достигают максимума (502 тыс. руб./кв. м) и далее снижаются до 426 тыс. руб./кв. м к 2020 году. Объем поглощения в 2017 году падает (на вторичном рынке – вдвое), но затем начинает повышаться в связи со снижением цен и повышением предъявленного спроса. В целом перегрев рынка приводит к кризису в 2017 году, и к 2020 году послекризисное восстановление еще не завершается.

При повышенном уровне целевых объемов ввода жилья (вариант 2) происходит последовательный рост объема предложения, избыток предложения образуется на год раньше, чем в варианте 1, цены на первичном рынке вырастают к 2016 году только до 360 тыс. руб./кв. м, а в дальнейшем снижаются до 290 тыс. руб./кв. м в 2020 году, объем поглощения повышается, хотя на вторичном – сначала в 2017 году обваливается (рис. 2). В целом кризисная ситуация аналогична варианту 1, но менее ярко выражена.

При высоком уровне целевых объемов ввода (вариант 3) спрос становится меньше предложения на первичном и вторичном рынках уже в 2015 году, перегрев рынка практически не происходит, цены на первичном рынке достигают максимума в 305 тыс. руб./кв. м в 2015 году и далее снижаются до 236 тыс. руб./кв. м к 2020 году, поглощение после снижения в 2016 году растет, кризисные изменения к 2020 году практически исчерпываются (рис. 3).

Таким образом, при динамике макроэкономических параметров по Сценарию № 1 во всех трех вариантах целевых объемов ввода жилья перегрев рынка приводит к кризисной ситуации, хотя и в различной степени остроты. Наиболее приемлемым представляется вариант 2.

А. Первичный рынок Б. Вторичный рынок

Рис. 1. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 1

А. Первичный рынок Б. Вторичный рынок

Рис. 2. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 2

А. Первичный рынок Б. Вторичный рынок

Рис. 3. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 3

Сценарий № 2 (высокие темпы роста доходов (13-14%) и повышенная ипотечная поддержка) при базовом варианте целевых объемов ввода жилья (вариант 1) отличается еще более высокими темпами роста цен в 2013-2014 годах (более 43%), и к 2015 году цены на первичном рынке достигают максимума в 467 тыс. руб./кв. м. К 2016 году рынок демонстрирует конкретные признаки перехода к кризису /3/. Продолжение расчетов до 2020 года (рис. 4) показало, что в дальнейшем ценовой пузырь сжимается (к 2020 году цена на первичном рынке снижается до 405 тыс. руб./кв. м), повышается спрос и поглощение.

При повышенных целевых объемах ввода жилья (вариант 2) предложение становится больше спроса уже в 2014 году и далее растет, цены с этого года снижаются, ситуация на рынке аналогична предыдущему варианту.

При высоких целевых объемах ввода жилья (вариант 3) предложение в 2014-2020 годах существенно вырастает, цены растут лишь до 2014 года и достигают на первичном рынке максимума в 326 тыс. руб./кв. м, а затем снижаются до 274 тыс. руб./кв. м в 2020 году, объем поглощения растет. Можно говорить о признаках рецессии, но не кризиса.

Таким образом, при динамике макроэкономических параметров по Сценарию № 2 в вариантах 1 и 2 целевых объемов ввода жилья перегрев рынка приводит к кризисной ситуации, в варианте 3 за счет раннего снятия дефицита предложения – лишь к рецессии.

А. Первичный рынок Б. Вторичный рынок

Рис. 4. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 2 и целевых объемах ввода по варианту 1

А. Первичный рынок Б. Вторичный рынок

Рис. 5. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 2 и целевых объемах ввода по варианту 2

А. Первичный рынок Б. Вторичный рынок

Рис. 6. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 2 и целевых объемах ввода по варианту 3

Наиболее благоприятным для рынка является Сценарий № 3. При низких темпах роста доходов населения (в номинальном выражении близких к нулю), среднем уровне денежного объема ипотеки и базовом варианте целевых объемов ввода жилья темп роста цен составляют (4-5)% в год, и к 2020 году они достигают всего 246 тыс. руб./кв. м, по остальным показателям рынок стабилен (рис. 7). Вместе с тем, такая ситуация не обеспечивает достаточно высокой доходности инвестиционно-строительных проектов, что может снизить активность девелоперов и потребовать их дополнительной поддержки со стороны государства.

При повышенных целевых объемах ввода жилья (вариант 2) и соответственно объема предложения существенных изменений по остальным показателям не произошло (рис. 8).

При высоких объемах ввода жилья (вариант 3) цены практически не растут, с 2018 года спрос становится меньше предложения, цены снижаются на первичном рынке к 2020 году до 190 тыс. руб./кв. м, ситуация принимает предкризисный характер.

Таким образом, при динамике макроэкономических параметров по Сценарию № 3 рынок устойчив к принятому изменению целевых объемов ввода жилья в вариантах 1 и 2 и неустойчив – в варианте 3, при этом во всех вариантах не обеспечивает достаточной доходности девелопмента.

А. Первичный рынок Б. Вторичный рынок


Рис. 7. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 1

А. Первичный рынок Б. Вторичный рынок

Рис. 8. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 2

А. Первичный рынок Б. Вторичный рынок

Рис. 9. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 3

Сценарий № 4 (снижающиеся на 6% в год доходы и пониженный уровень ипотечной поддержки) при базовом уровне целевых объемов ввода жилья характеризуется признаками рецессии и неблагоприятен для развития рынка (рис. 10).

При повышенном уровне целевых объемов ввода (вариант 2) и соответственно предложения существенных изменений по остальным показателям рынка не наблюдается (рис. 11).

При высоком уровне целевых объемов ввода жилья (вариант 3) сохраняется аналогичная ситуация (рис. 12).

Таким образом, Сценарий № 4 устойчив к принятому изменению целевых объемов ввода жилья, но сохраняет признаки рецессии при всех вариантах их изменения.

А. Первичный рынок Б. Вторичный рынок

Рис. 10. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 4 и целевых объемах ввода по варианту 1

А. Первичный рынок Б. Вторичный рынок

Рис. 11. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 4 и целевых объемах ввода по варианту 2

А. Первичный рынок Б. Вторичный рынок

Рис. 12. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 4 и целевых объемах ввода по варианту 3

Обсуждение полученных результатов. Расчеты показывают, что при динамике макроэкономических параметров по Сценарию № 1 и № 2 во всех трех вариантах целевых объемов ввода жилья перегрев рынка приводит к кризисной ситуации либо к рецессии. Такой результат соответствует ранее выявленной закономерности циклического развития рынка /4/: в благополучные для отечественной экономики годы (2001-2008) при значительных темпах роста доходов населения на рынке недвижимости наблюдались среднесрочные циклы с периодом 2,5-3 года (2001-2003 и 2004-2007). Различие в динамике рынка, полученной по результатам прогнозных расчетов, заключается в меньших темпах роста цен в стадии роста и большем снижении в стадии рецессии (в 2000-е годы цены лишь стабилизировались с небольшой кратковременной коррекцией), а также в увеличенном периоде колебания цен от нижней до нижней точки. Подобное поведение рынка после кризиса 2008-2009 годов объяснено и прогнозировалось в работе /5/. При этом конкретная динамика развития рынка все же различается, и с учетом этого обстоятельства при Сценарии № 1 можно рассматривать как целесообразный уровень целевого объема ввода жилья по варианту 2 (4,3 млн кв. м), а при Сценарии № 2 – по варианту 3 (6,0 млн кв. м).

При динамике макроэкономических показателей по Сценарию № 3 целесообразен вариант 2 с уровнем целевого объема ввода жилья 4,3 млн кв. м, хотя динамика цен и не обеспечивает достаточной доходности девелопмента.

Сценарий № 4 сохраняет признаки рецессии при всех вариантах целевых объемов ввода жилья и является неблагоприятным для девелопмента.

Необходимо отметить, что динамика макроэкономических показателей по Сценарию № 1 (оптимистический сценарий, предоставленный Госстроем) в последующие годы возможна лишь с малой вероятностью. Об этом свидетельствуют как данные предыдущих трех лет, так и общее мнение экономистов о предстоящем снижении темпов роста ВВП России, мировых цен на нефть и газ и объемов их экспорта из РФ, твердое намерение финансовых властей к таргетированию инфляции и сохранению жесткой кредитно-денежной политики, усилившийся отток капитала за рубеж, идущее ослабление рубля к основным валютам и т.п.

Сценарий № 2 с повышенными макроэкономическими параметрами можно признать нереализуемым, Сценарий № 3 наиболее вероятен, а Сценарий № 4 возможен в случае нового мирового экономического кризиса и может быть признан маловероятным.

Таким образом, получены следующие конкурентные для рассмотрения варианты:

- Сценарий № 1 при варианте 2 целевого объема ввода жилья в 2020 году (4,3 млн кв. м), сопровождающийся циклическим перегревом рынка и рецессией, но сохраняющий высокую доходность девелопмента;

- Сценарий № 3 при варианте 2, сопровождающийся стабильным развитием рынка, но низкой доходностью девелопмента, требующей дополнительных мер государственной поддержки.

Сравнение двух этих вариантов показывает, что приемлемым является целевой объем ввода жилья в Москве (в старых границах) в 2020 году по варианту 2 (4,3 млн кв. м).

Выводы. Динамика макроэкономических параметров по Сценарию № 2 (повышенные темпы роста доходов населения) оценивается как нереализуемая, по Сценарию № 4 (отрицательные темпы роста доходов) – как маловероятная. По Сценариям № 1 и 3 увеличение целевых объемов ввода жилья в Москве (в старых границах) приемлемо по варианту 2 – до 4,3 млн кв. м в 2020 году.

Литература

1. Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона), Журнал «Имущественные отношения в РФ». - №8 (131) 2012, 1-14 стр.

2. Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. – Журнал "Имущественные отношения в РФ" (принято к опубликованию).

3. Стерник Г.М., Свиридов А.В. Тестирование модели среднесрочного прогнозирования развития локального рынка жилой недвижимости. – «Экономика строительства» (принято к опубликованию).

4. Стерник Г.М., Стерник С.Г. Основная закономерность развивающихся рынков недвижимости. – Журнал «Имущественные отношения в РФ» № 11 (86), 2008, стр. 18-26.

5. Мальгинов Г.Н., Стерник Г.М. Российский рынок жилья в 2010 году: стагнация и начало восстановления. - В Сб. «Российская экономика в 2010 году. Тенденции и перспективы» (вып. 32). –М.: Институт Гайдара, 2011, стр. 515-527.

7.06.13.

Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости

Стерник Геннадий Моисеевич, профессор кафедры «Управление проектами и программами» РЭУ им. Г.В. Плеханова, канд. техн. наук.

Стерник Сергей Геннадьевич, зам. по научной работе декана факультета экономики недвижимости РАНХиГС при Президенте РФ, д.э.н., профессор.

Свиридов Алексей Викторович, аспирант профессор кафедры «Управление проектами и программами» РЭУ им. Г.В. Плеханова.

Стерник Геннадий Моисеевич

Стерник Сергей Геннадьевич

Свиридов Алексей Викторович

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования «Российский экономический университет имени Г.В. Плеханова»

Российская Федерация, г. Москва, 117997, Москва, Стремянный переулок, д.36

Тел. (499) 237-86-56

Annotation

In this article a survey and analysis of existent forecasting real estate market development methods are represented. Native and foreign authors works are viewed. There has been discovered advantages and scopes of each method, evolution of forecasting methods that are applied in Russian territory starting from 1996 till present has been retraced including detailed overview of the latest and possessing the most successful forecasting abilities methodology based on imitating (stepped) block-module iterative model with feedbacks. Also there are results of approval and retrospective test of this methodology, that confirm its justifiability. Besides there has been carried out some calculating experiments revealing an impact of macroeconomic and sectoral parameters on market development dynamics. This experiments bear out the possibility of methodology usage for target placement of accomodation.

Аннотация

В настоящей статье представлен обзор и анализ существующих методов прогнозирования развития рынка недвижимости. Рассмотрены работы отечественных и зарубежных авторов. Выявлены достоинства и границы применимости каждого из методов. Прослежена эволюция методов прогнозирования рынка недвижимости, применяемых на территории РФ начиная с 1996 года по настоящее время, в том числе подробно рассмотрена наиболее новая и обладающая наибольшими прогностическими способностями методика, основанная на использовании имитационной (пошаговой) блочно-модульной итерационной модели с обратными связями. Также приведены результаты апробации и ретроспективной проверки данной методики, подтверждающие состоятельность методики. Кроме этого, проведен ряд расчетных экспериментов по влиянию на динамику развития рынка макроэкономических и отраслевых параметров, подтверждающих возможность использования данной методики для обоснования целевых объемов ввода жилья.

Key words:

Real estate market, factors of real estate market, prognostic methodologies, mathematic models, simulation model, target placement of building volume.

Ключевые слова:

Рынок недвижимости, факторы рынка недвижимости, методики прогнозирования, математические модели, имитационная модель, обоснование объемов ввода жилья.

Проблема прогнозирования развития рынка недвижимости в трансформирующейся экономике России. Исходя из известного положения акад. В.В. Ивантера о том, что экономическое прогнозирование – это попытка оценить последствия какого-либо действия или бездействия власти, бизнеса и общества [1], рассмотрим проблемы прогнозирования рынка недвижимости России с начала его зарождения в формирующейся рыночной экономике, когда в условиях гиперинфляции и обвальной девальвации национальной валюты государство пыталось обеспечить доступность жилья для населения, по сегодняшний день.

С самого начала новейшей истории рынка недвижимости России в первую очередь были востребованы (и наиболее широко используются по настоящее время) экспертные предсказания – наименее формализованный метод, вызывающий обоснованное доверие в случае высказываний опытных экспертов о качественных тенденциях рынка (обычно в краткосрочном периоде – несколько месяцев), но и вызывающий неудовлетворенность потребителей прогнозов при попытках дать количественные оценки.

Несмотря на то, что первые формализованные, расчетные прогнозы (среднесрочные – на 1-3 года) появились уже в 1995 году [2-4], создание и совершенствование методов прогнозирования сталкивалось и до настоящего времени сталкивается с существенными трудностями.

Первое. Неприспособленность сложившихся в плановой экономике методов народно-хозяйственного прогнозирования на основе отраслевых балансов к прогнозированию в условиях рыночной экономики. Примером такой неприспособленности являются многочисленные попытки прогнозирования развития строительного комплекса как отрасли народного хозяйства в отрыве от макросистемы - рынка недвижимости, включающей этот комплекс в качестве производственной подсистемы наряду с подсистемой финансирования оборота недвижимости из доходов и накоплений граждан, ипотечного кредитования и других источников.

Второе. Неприспособленность стандартных эконометрических методов к прогнозированию тенденций рынка недвижимости в современных условиях.

Имеющиеся данные показывают, что в развитом рынке динамика цен на жилье не столь значительна, и в пределах десятилетних долгосрочных циклов (т.е. при исключении кризисных стадий) ее прогнозирование не представляет интереса. Отсюда рекомендации в методической литературе: если прогнозируется положительная динамика, то принимать годовой прирост цен в пределах 10%, если отрицательная – то -10% [5].

Эмпирическая литература периодически отмечает наличие «длинных циклов» на рынке недвижимости. Так, в исследовании «The Cyclical Behavior of the National Office Market» (1987) William Wheaton показал циклы в инвестиционной активности и вакантных площадях на рынке офисной недвижимости длиной в 10 лет для рынка США. Ball, Lizieri and MacGregor в исследовании «The Economics of Commercial Property Markets, London and New York: Routledge» (1998) показали, что циклы в коммерческой недвижимости Великобритании также составляют около 10 лет. Есть и другие оценки по длине циклов на рынке недвижимости, в среднем длина цикла составляет 10-20 лет.

В новейшей истории России отмечено два долгосрочных цикла продолжительностью около 10 лет. Если отмерять начало и конец цикла по нижним по уровню цен точкам, то в Москве в фазе роста первого десятилетнего цикла (июнь 1990 – август 1998 г.) цены выросли (в долларах) в 12 раз, второго (июнь 2000 – октябрь 2008 г.) – в 11,5 раза (рис. 1), причем этот рост по стадиям[1] динамики был существенно неравномерным [6].

В результате столь высокой волатильности динамики цен на развивающемся рынке жилья применение стандартных эконометрических методов регрессионного моделирования и прогнозирования ценовых трендов, прекрасно работающих в области монотонного изменения динамики, возможно лишь в краткосрочном периоде (8-18 месяцев), и это сопряжено с риском непредсказуемой ошибки вследствие возможного перелома тенденций в среднесрочном периоде.

 


Figure 1. Dollar price indexes growth on the Moscow real estate market in 1990-2012 years

Индексы роста долларовых цен на рынке жилья Москвы в 1990-2012 годах

Третье. Непригодность методов, разработанных в странах с развитой рыночной экономикой, к прогнозированию в странах с переходной экономикой.

Западные макроэкономисты вплоть до начала 2000-х годов не выделяли недвижимость как особый товар от других товаров и не рассматривали собственные закономерности функционирования рынка недвижимости. Лишь статья Ричарда Грина “Следуя за лидером: как изменения в жилищных и нежилищных инвестициях предсказывают изменения в ВВП” (1997) показывает, что, в отличие от макроэкономистов, западные отраслевые экономисты рынков строительства и продажи недвижимости задолго до последнего финансового кризиса задавались вопросами: важно ли, чтобы рынок недвижимости был включен в макроэкономический анализ и прогноз, и наоборот? Что должно быть областью макрожилищного исследования? Как связаны фазы бизнес-циклов на рынках недвижимости с макроэкономическими циклами? [6].

Однако с тех пор как Кевин Готхэм в своей статье, написанной перед началом последнего мирового кризиса (2006), показал степень вовлечённости системы жилищного финансирования США в глобальную финансовую систему [7], стало понятно, что ключевой институциональной проблемой экономики США является то, что никакие экономические прогнозы не включают в себя оценку вероятности системного кризиса на рынке недвижимости. Ситуация тотальной несостоятельности методологии финансового анализа и инвестиционного прогнозирования рынков недвижимости в США подтверждается и в статье Ричарда Грина (2008), который обращается к проблеме ассиметрии информации на финансовом рынке [8] . Он приходит к выводу о том, что именно информационные проблемы привели к неверной оценке рисков, связанных с ипотечными активами, что создало условия для распространения кризиса. Этот вывод подтверждает в своей статье и Энтони Сандерс. На основании данных о ценах жилья и дефолтах по ипотечным кредитам, он показывает наличие структурного сдвига в их отношении после начала кризиса. Эти результаты указывают, что не всегда на основании исторических данных можно предсказать уровень финансового риска в случае наступления кризиса. Так, количество дефолтов по кредитам в кризис существенно превзошло количество, которое можно было предсказать при данном уровне падения цен [9].

Поэтому, с учетом того, что рынки недвижимости, в отличие от финансовых и товарных, являются менее совершенными и конкурентными, сегодня, в результате исследований механизмов мирового кризиса, экономисты как в США, так и в России согласны, что рынки недвижимости являются частью глобального финансового рынка и нуждаются в разработке и внедрении собственной методологии научного прогнозирования.

В специализированных зарубежных источниках имеется работа, посвященная прогнозированию на рынке недвижимости, причем не цен, а спроса на жилье [10]. Эта задача является актуальной для девелоперов, планирующих строительство в различных городах США. Анализируемой методикой предусмотрено, что объем спроса в прогнозируемом периоде определяется количеством домохозяйств, миграционный приток в город которых прогнозируется с учетом планируемого увеличения занятости в базовых и небазовых отраслях экономики города, с учетом размеров домохозяйства (числа членов семьи) и принятой в данной местности нормы обеспеченности жильем (в кв. м на человека).

Основная формула методики:

Dunits = Nb x Meb x Kn, шт.; Dareal = Dunits x n x S, кв. м,

где Dunitsпрогнозируемый объем спроса на жилые помещения, шт.;

Nbпрогнозируемое увеличение базисной занятости (занятости в экспортно-ориентированных отраслях) за счет миграционного притока, чел.;

Mebмультипликатор экономической базы (отношение общей занятости в экономике города к занятости в базовых отраслях);

Knкоэффициент незанятости (отношение общей численности населения к общей занятости);

Darealпрогнозируемый объем спроса на площади и поглощения площадей, кв. м;

nсредняя численность домохозяйства в городе, чел.;

Sсредняя обеспеченность населения жильем в данном регионе, кв. м/ чел.

Практика апробирования данной методики в российских условиях показала, что она может быть ограничено использована в специальных условиях строительства технопарков и иных подобных территориально-производственных образований, а для применения в сложившихся городах с многопрофильной экономикой она непригодна [11]. Причинами такого положения являются принятые в методике допущения, естественные для развитого рынка (вне кризисных периодов), но не соответствующие закономерностям развивающегося рынка:

- относительно связи рынка труда и миграции (планируемое открытие новых рабочих мест в городе вызывает адекватный приток мигрантов вместе с семьями, причем пропорционально увеличивается численность населения за счет роста численности сферы обслуживания, медицины, транспорта и т.д. и дополнительного притока мигрантов в них);

- относительно закономерностей развитого рынка недвижимости, заключающейся в приблизительном равенстве (тождестве) объемов строительства, предложения, спроса и поглощения площадей.

Четвертое. Информационная закрытость рынка недвижимости России. В отличие от развитых рынков, где давно сложились лицензированным государством статистические бюро, обеспечивающие специалистов полной и достоверной информацией и показателях рынка недвижимости, в России за 20 лет продвижения к нормальной открытой статистике все еще далеко от завершения.

Использование подобных структур в российских условиях затруднено не только в силу их отсутствия, но и прежде всего в силу информационной закрытости отечественного рынка, высокой доли ценовых искажений, «серого» оборота, теневых (незарегистрированных) сделок и др.

Рынок недвижимости принято разделять на рынок строительства и продажи квартир (договоров долевого участия) в строящихся домах (первичный рынок) и рынок купли-продажи готового жилья (вторичный рынок). Что касается информации о ходе строительства, то Росстат, как преемник статистического ведомства СССР, сделал попытку сохранения имевшейся системы статистического наблюдения. Однако, механизмы сбора данных через местные органы планирования разрушились, а статистическая отчетность частных строительных компаний, аккумулируемая местными статорганами, в значительной степени искажает информацию. Несмотря на распоряжения правительства, местные органы управления за редкими исключениями (Москва, Санкт-Петербург и некоторые другие регионы) не создали реестры строящегося жилья и не владеют первичными данными. Другая часть показателей, касающаяся цен на первичном и вторичном рынке, оборотов вторичного рынка, долгое время была Росстату недоступна, и лишь в последние 10 лет был налажен сбор этих данных по специфической методике, аналогичной методике сбора данных на рынках товаров и услуг (что приемлемо при подсчете потребительской инфляции, но не всегда приемлемо на рынке недвижимости). Поэтому и сегодня большинство специалистов не доверяет данным Росстата, тем более что доступ к ним (особенно в разрезе городов/муниципальных образований) затруднен.

В связи с этим в России с самого начала развития рынка недвижимости начали создаваться информационно-аналитические, консалтинговые компании, которые взяли на себя функции сбора и анализа первичной рыночной информации и получения достоверной статистики различных сегментов рынка, исследованием и прогнозированием тенденций развития рынка. В начале нулевых годов государство осознало необходимость создания системы сбора и обработки информации о рынке недвижимости, однако разработанная по заказу Госстроя РФ концепция создания Федеральной информационно-аналитической системы рынка жилья (ФИАС РЖ) [12] не получила запланированного финансирования. Функция налаживания сбора данных и получения необходимой статистики осталась за профессиональными общественными организациям типа Российской Гильдии риэлторов (РГР), где эта работа выполнялась на волонтерской основе, и коммерческими организациями. Наконец, в последние годы этим начали заниматься также и созданные государством институты: Росрегистрация, Агентство по ипотечному жилищному кредитованию (АИЖК), и главным образом - Федеральный Фонд содействия развитию жилищного строительства (Фонд РЖС), который подключил коммерческие консалтинговые структуры к наполнению создаваемой им Единой аналитической информационной системы (ЕАИС).

Пятое. Недостаточная изученность закономерностей развития рынков недвижимости. С одной стороны, это является следствием предыдущего пункта - недостатка информации о рынке, с другой – следствием все еще не сложившейся законодательно-правовой базы рынка, непрерывного и существенного изменения «правил игры», гипертрофированного влияния на рынок политических решений федеральных и местных властей, что делает объективно существующие закономерности неустойчивыми и слишком часто изменяющимися. Тем не менее, на сегодняшний день ряд устойчивых закономерностей развивающегося рынка недвижимости России изучены [11, 13-18] и могут быть использованы при совершенствовании методик прогнозирования на рынке недвижимости.

Основные допущения, ограничения и рабочие гипотезы методологии прогнозирования развития рынка недвижимости. Развитие любого отраслевого розничного рынка зависит от соотношения трех фундаментальных факторов:

- степени глобальной потребности населения в экономическом благе, формирующем данный рынок (степени приоритета в структуре потребностей);

- степени дефицита данного экономического блага (развития адекватного предложения);

- доходов населения (экономической доступности блага и эластичности платежеспособного спроса на него по цене и по доходам населения).

Очевидно, что текущее состояние и прогноз перечисленных фундаментальных экономических факторов для рынка недвижимости (далее - РН), в свою очередь, зависят от меняющейся иерархии макро- и микроэкономических факторов, от государственного регулирования и институционального развития рынка, а также от состояния строительных ресурсов.

Здесь необходимо уточнить системное понимание, собственно, объекта прогнозирования.

Используемое в литературе и практике по настоящее время понятие "строительная отрасль" как объект государственного управления не полностью отражает сущность реальных экономических отношений. Понятия «инвестиционно-строительный комплекс», «рынок строительства и продажи недвижимости», «первичный рынок недвижимости» больше соответствуют современному пониманию рассматриваемой сложной системы как совокупности производственных и непроизводственных отраслей, а также организационно-экономического механизма управления ими, обеспечивающих в форме капитальных вложений расширенное воспроизводство основных фондов (включая жилой фонд, а также реализацию государственной политики в жилищной сфере).

Таким образом, с точки зрения системного экономического анализа, строительная отрасль – производящий компонент (элемент) РН как сектора национальной экономики (сложной социально-экономической системы) [11].

В основу изучения РН положены представления о том, что он является сложной социально-экономической управляемой и саморегулируемой системой. В соответствии с этим, исследование проводится на основе принципов системного подхода к исследованию сложных объектов. К ним относится:

- изучение функционирования объекта не как изолированного, а как включенного в макросистему (внешнюю среду), и, следовательно - изучение условий функционирования объекта во внешней среде (экономические и политические условия в городе, регионе, стране, в мире);

- вычленение объекта из макросистемы, четкое определение границ исследуемой системы и элементов макросистемы;

- расчленение (многоуровневую декомпозицию, дезагрегирование) структуры объекта и процессов его функционирования на элементы (составные части), изучение элементов раздельно, и обратный синтез (объединение, агрегирование) элементов на подсистемы все более высокого уровня.

Существенные аспекты прогнозирования состояния системы:

- фундаментальной особенностью продукции строительства является ее территориальная закрепленность (что придает любым исследованиям РН четко выраженный региональный аспект);

- одновременно с пространственной закрепленностью предложения на РН, глобальный платежеспособный спрос на данном рынке для России экстерриториален;

- инвестирование и проектное финансирование строительства на региональных РН, в силу глобализации финансовых рынков, может осуществляться на местном, на межрегиональном, и на транснациональном уровне, что переводит всю систему региональных строительных проектов на глобальный экономический уровень. При этом вторичный и первичный рынки недвижимости системно объединены и зависимы между собой как экономические категории «запас» - «поток».

С этой точки зрения на рынке жилья в развивающейся экономике России сложились следующие условия экономического воспроизводства:

- глобальная потребность действует долгосрочно как основополагающий генератор развития;

- адекватное предложение хронически отстает от глобального спроса по количеству и качеству;

- экономическая доступность блага в целом пока мало соответствует доходам населения.

При этом необходимо подчеркнуть, что в России жилье значительно чаще приобретается за т.н. «серые доходы» населения, чем за счет семейных накоплений, легальных доходов, ипотеки и др.

Таким образом, в ближайшие десятилетия, пока глобальный дефицит жилья в России не будет исчерпан, циклы реального роста рынка, в основном, будут прямо связаны с мировым и национальным глобальным финансовым рынком через механизм «рост денежной массы – рост суммарных доходов населения – рост рынка жилья – рост остальных сегментов РН».

Многолетние исследования РН России как сектора национальной экономики с момента его образования [11] подтвердили действенность на этом рынке перечисленных положений экономической науки и позволили сформулировать изложенную ниже экономическую парадигму его расширенного воспроизводства, зависящего от платежеспособного спроса:

·                   Ключевым фактором развития РН в переходных экономиках (приоритетно исследуемым страновым и региональным макроэкономическим статистическим показателем) является показатель суммарного легального и теневого дохода населения с учетом изменяющейся склонности к потреблению, инвестированию, сбережению и накоплению.

·                   В разные периоды развития рынков данный показатель зависит от разных причин импульсного роста денежной массы (макроэкономических денежных потоков) и преобладающих механизмов образования «серых» доходов населения:

- периодов либерализации предпринимательской деятельности и приватизации в различных кластерах;

- периодов интенсивных бюджетных инвестиций в различные национальные и региональные программы, проекты, предвыборные кампании и др.;

- «газово-нефтяного» роста, «ипотечно-нефтяного» роста и др. [11].

Главные выявленные свойства РН как динамической системы, оказывающей сопротивление действию ключевого интегрального фактора:

- неравномерность пространственного развития;

- цикличность параметрического развития в рамках неравномерности пространственного развития.

Организационно-экономический механизм функционирования и инвестиционного развития РН как подсистемы национальной экономики заключается в том, что, являясь саморегулируемой системой, РН подвергается управляющему и регулирующему воздействию государства в трех аспектах:

- как сфера, объединяющая предприятия отрасли;

- как территориально-распределенная система;

- как элемент системы территориальных рынков (социально-экономических систем).

Поэтому разработанная концепция рынка недвижимости (РН) как объекта статистического наблюдения и финансового математического моделирования определяет необходимость анализа и моделирования следующих конкурирующих рыночных макропроцессов:

- экономически эффективного решения социальных задач, связанных с созданием и использованием полезных свойств недвижимости;

- экономического перераспределения инвестиционных потоков между конкурирующими способами использования земель и видами недвижимости;

- экономического перераспределения всех видов прав на объекты недвижимости от одного экономического субъекта к другому;

- экономической защиты возникающих у субъектов прав (обеспечения экономической ликвидности вещных и иных прав на недвижимое имущество);

- экономически свободного (саморегулируемого) формирования цен на объекты и услуги.

Инфраструктура рынка недвижимости как объекта моделирования и прогнозирования представляет собой совокупность следующих элементов:

- объекты недвижимости,

- экономические субъекты, оперирующие на рынке,

- процессы функционирования рынка, т.е. процессы производства (создания), потребления (использования, эксплуатации), обмена (торгового оборота) объектов недвижимости и управления (менеджмента),

- механизмы, обеспечивающие функционирование рынка (институциональная и правовая среда).

Методологически важнейшим инструментом математического моделирования инфраструктуры РН является процедура классифицирования объектов, которую необходимо проводить заново при каждом региональном исследовании. Принципы, алгоритмы, степень точности и детализации любого классифицирования, т.е. создания информационной модели множества элементов, расчлененного на группы по определенному признаку, не универсальны, так как строго зависят от цели классифицирования.

Целью рыночного классифицирования объектов недвижимости является выделение сегментов РН, различающихся по закономерностям ценообразования и бизнес-процессов (при этом необходимо отметить, что сегменты рынка образуются с помощью классифицирования всех элементов инфраструктуры рынка: объектов, субъектов и процессов).

Обратной процедурой, необходимой, например, для прогнозирования спроса на продукт инвестиционного проекта, является процедура квалифицирования объекта как товара РН, в сегменте с уже разработанной классификацией объектного состава. Поэтому, в интересах рыночного анализа, классификация объектов РН как материальных (физических) объектов и как объектов экономико-правовых и социальных отношений, а также по любой другой группе признаков, - должна быть адекватна цели последующего квалифицирования объектов по данному признаку как товаров РН.

На основании изложенного, разработанная общая методология прогнозирования развития РН как сектора национальной экономики строится на модели «влияние ключевого интегрального фактора динамики (свободная денежная масса, доходы населения) – сопротивление системы элементов и факторов» и основывается на дискретном пространственно-параметрическом статистическом (кластерном) анализе и мониторинге каких-либо совокупностей региональных и локальных рынков. Обязательными для наблюдения количественными индикаторами состояния каждого локального РН являются объемные, ценовые и доходные показатели во всех фактически имеющихся или вновь образующихся на данном рынке сегментах (типах и классах недвижимости, с территориальным дифференцированием). Обязательными для определения качественными признаками каждого локального РН в исследуемом РН, как составной статистической совокупности, являются:

- экономический тип рынка (степень экономического и институционального развития рынка);

- фаза и стадия рыночного цикла;

- текущая и прогнозируемая стратегия основных участников рынка, включая государство;

- тенденции локальной зоны торговли (продуктами проектов локального РН).

Эволюция методов прогнозирования, применяемых на рынке недвижимости России. Применяемые на рынке недвижимости России в девяностые-нулевые годы методы прогнозирования весьма разнообразны [2-4, 19-35], но в общем виде могут быть разделены два крайних подхода: эвристический (логико-аналитический), или фундаментальный анализ, и математический, или технический анализ. По нашему мнению, наиболее эффективными и обладающими наибольшей прогностической способностью являются комбинированные методы, включающие в себя элементы обоих этих подходов.

Первая же работа, посвященная прогнозированию на зарождающемся рынке недвижимости России [2], содержала две методики, работающих совместно: эвристическую и математическую, основанную на регрессионно-статистической модели.

Эвристический подход (один из вариантов фундаментального анализа) к прогнозированию цен на объекты недвижимости состоит в логическом, использующем как количественные, так и качественные данные, анализе факторов, формирующих тенденции изменения цен, и выявлении результирующей тенденции.

Сбор и анализ информации о фундаментальных факторах динамики становления рынка в 1990-1994 годах и ситуации на рынке к концу 1994 года (резкое повышение объема предложения вследствие приватизации жилья) и в экономике (начало стабилизации) позволил с помощью эвристической методики получить качественный прогноз о намечающемся переломе тенденций и переходе рынка в стадию стабилизации. Эта гипотеза была положена в основу в методике, основанной на регрессионной статистической модели.

Статистический метод состоит в использовании динамического ряда значений уровня цен для построения статистической модели процесса и получении на ее основе экстраполяционного прогноза. Однако, его применение эффективно в стационарных процессах с монотонной динамикой, и при этом экстрополяционные уравнения (даже лучшие из них типа ARIMA), обеспечивая малую погрешность прогноза, не исключают высокую вероятность ошибки в случае перелома тенденции.

Если же вид уравнения регрессионной модели задан аналитиком не подбором подходящего сглаживания, а исходя из гипотезы о возможном характере протекания моделируемого процесса, то такая модель может иметь значительную прогностическую способность.

Именно такая модель была разработана в [2-4] и применена для прогнозирования динамики вторичного рынка жилья в Москве, Твери, Екатеринбурге, Рязани, Барнауле в 1995 году:

V (Т) = А / (1 + ехр (B - CT)),

где V- средняя за период (среднемесячная) удельная цена общей площади квартиры;

Т - порядковый номер периода (месяца);

А, В и С - постоянные коэффициенты (параметры модели).

 


Figure 2. The dynamic of medium specific prices of real estate in Moscow and Saint-Petersburg from June 1990 – December 1994 and a forecast for logistic model till December 1998

Динамика средних удельных цен на жилье в Москве и Санкт-Петербурге в июне 1990 - декабре 1994 года и прогноз до декабря 1998 года по логистической модели

Подобная логистическая модель используется в теории систем автоматического регулирования для любого переходного процесса (изменение некоторого параметра системы при ее переходе из одного состояния в другое, например, при взлете самолета). Но если рынок представляет собой самонастраивающуюся, саморегулируемую систему, то его развитие должно подчиняться подобной закономерности, и эта закономерность является общей как для технических, так и для социально-экономических систем [2].

В октябре 2000 года, через два года после начала кризиса, была построена новая модель (аналогичная модели выхода самолета из пике) вида

V = B0-B1/(B2+exp((B3*Т+B4)2)).

Эта модель использовалась при прогнозировании динамики цен в Москве на 2001 и 2002 гг. (рис. 3). Модель дала прогноз высокой точности о переходе рынка к росту в 2001 году и к стабилизации к середине 2002 года, после чего началась новая стадия роста, не предсказанная моделью.

 


Figure 3. The dynamic of medium specific prices of real estate in Moscow in 2000 and a forecast for logistic model in 2001-2002

Рис. 3. Динамика средней удельной цены жилья в Москве в 2000 году и прогноз на 2001-2002 годы по логистической модели

Применение этих моделей подтвердило, что при высокой прогностической способности в среднесрочном периоде они обладают существенным ограничением: после перехода системы в новое состояние модель описывает стабилизацию и не предсказывает то или иное изменение трендов.

В дальнейшем, по мере продолжающегося (пусть и колебательного) роста цен на нефть, в среде макроэкономистов и политиков сложилось представление о начале долгосрочного устойчивого роста экономики России. Это позволило при среднесрочном прогнозировании от использования логистических моделей разового перехода системы в новое состояние перейти к колебательным моделям.

К середине нулевых годов были накоплены длинные ряды наблюдений динамики цен на рынке недвижимости. В июне 2006 года была разработана методика прогнозирования, основанная на следующих предпосылках [19-20].

Аппроксимация ценового тренда за 6 лет (полиномом второго порядка) показала, что рынок жилья Москвы, как и других городов России, находится в начале полупериода роста (точнее, в первой четверти периода) «длинного» цикла колебаний, ответственность за который несет исторический дефицит жилья на фоне совокупности макроэкономических показателей. Это уравнение было названо «базовый тренд», и он принят как основа для долгосрочного прогноза динамики цен, с возможным переломом тенденции в 2010-2011 году (переход рынка недвижимости во вторую четверть цикла) (рис. 4).


Figure 4. Approximation of long-term price trend (Moscow)

Рис. 4. Апроксимация долгосрочного ценового тренда (Москва)

Но на рынке недвижимости действуют и другие факторы, которые накладывают на базовый тренд более быстропротекающие, среднесрочные и краткосрочные колебания. Например, связанные с строительно-инвестиционным циклом, с развитием инфраструктуры рынка строительства жилья, с потребительским поведением граждан и т.д.

Эти колебания на рынке жилья реализовывались в фазе роста долгосрочного цикла не в колебаниях цен, а в колебаниях первой производной – темпов прироста цен относительно базового тренда.

Сущность метода изучения динамики рынка, разработанного летом 2006 года и названного нами методом негармонического разложения ценового тренда, сводится к переходу от изучения динамики исследуемой величины (собственно цен) к исследованию первой (приросты, или скорость роста), затем второй (скорость роста приростов, или ускорение роста цен) и т.д. производной – динамических рядов темпов прироста величин относительно аппроксимирующей функции предыдущего уровня.

Графики на рис. 5 показывают достаточно стабильную периодичность колебаний «среднего» тренда: полтора года - рост и около года – снижение. При этом амплитуды колебаний приростов росли. Положительные максимумы принимали значения 111, 216, 794 $/кв. м в месяц (соотношение 1:1,9:3,7). Иными словами, абсолютные значения положительной полуамплитуды удваивалось вместе с удвоением значений базового тренда. Отрицательные максимумы принимали значения 98, 374 $/кв. м в месяц, т.е. вторая полуамплитуда втрое больше первой и в 1,7 раза больше второй положительной полуамплитуды. Такие параметры колебаний можно принять в качестве ориентировочных при прогнозировании тенденций изменения темпов роста цен относительно базового тренда (параболы второй степени).

Математическая модель-прогноз состоит из следующей системы уравнений:

Y = y + Δy2 + Δy3 + Δy4 + …. + Δyn, (1)

y = a3 x3 + a2x2 + a1x + a0 , (2)

Δy1 (3);

Δy2 = (4);

Δy3 = (5);

………………………………………..

Δyn = (6),

где Y – прогнозное значение средней удельной цены предложения жилья в месяце х;

y – уравнение базового тренда (долгосрочный прогноз);

Δy1 – прогноз приростов средней удельной цены предложения жилья в месяце х относительно базового тренда;

Δy2 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда второго порядка;

Δy3 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда третьего порядка;

Δyn - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда предпоследнего порядка;

а, b, c, d, р с индексами – коэффициенты уравнений (трендов различного порядка), аппроксимирующих фактические данные.

Модели (3) – (6) сформированы как уравнения модифицированной синусоиды /20/. Например, в июле 2007 года уравнение динамики первой производной приняло вид

, R2=0,8408.

Опыт вычислений показал, что в связи с последовательным уменьшением амплитуды отклонений приростов цен от предшествующей аппроксимации в 2-3 раза (рис. 5) на практике достаточно ограничиться двумя-тремя итерациями расчета производной.

 


Figure 5. Dynamics and forecast of the first and the third derivative value

Рис. 5. Динамика и прогноз значений первой и третьей производной ценового тренда (Москва)

До октября 2008 года модель демонстрировала высокую точность (рис. 6). Но кризис 2008 года отменил сделанные ранее прогнозы.

«Лишь немногие экономисты видели приближение нынешнего кризиса. В самых распространенных математических моделях, которыми пользовались для прогнозирования экономисты, ничто не предполагало саму возможность коллапса вроде того, что случился в минувшем году» (Пол Кругман, нобелевский лауреат, 2009 год).


Figure 6. Superposition and gaining medium-term forecast of prices dynamic on the Moscow real estate market

Рис. 6. Суперпозиция и получение среднесрочного прогноза динамики цен на рынке жилья Москвы

Динамическая статистическая модель приведенного ранее вида содержит одну независимую переменную, один фактор – время. Более продвинутым считается многофакторное моделирование вида

Y = f (X1, X2, X3, Т).

С середины нулевых годов ряд специалистов начали активно развивать эти методы применительно к прогнозированию динамики цен на рынке недвижимости [21-26].

Включение в модель других факторов может повысить качество аппроксимации, приблизить модель к фактическим данным периода предыстории. Однако, метод обладает принципиальными недостатками:

1) это не всегда означает повышение точности прогноза, т.к. предварительно необходимо дать прогноз изменения каждого из входных индикаторов, что повышает вероятность общей ошибки;

2) методы регрессионного многофакторного прогнозирования разработаны для линейных (в лучшем случае – линеаризированных) моделей, а известные зависимости цена-фактор часто принципиально нелинейны;

3) метод основан на классе «аналитических» моделей, не позволяющих учитывать сложные связи (прежде всего обратные) между факторами.

Мощным методом прогнозирования, адаптированным для рынка недвижимости в середине нулевых годов, является метод нейронных сетей [27-29]. Это класс аналитических методов многофакторного моделирования, построенных на принципах обучения мыслящих существ и функционирования мозга и позволяющих прогнозировать значения некоторых переменных после прохождения этапа «обучения» на имеющихся данных. Недостаток метода, аналогичный недостатку многофакторного статистического моделирования – по каждому фактору необходимо включать в расчет собственный предварительный прогноз.

Фундаментальным продвижением методологии моделирования и прогнозирования рынка недвижимости является работа [30], в которой сформированы уравнения спроса и предложения на рынке жилья.

Спрос разделен на две составляющие - спрос домохозяйств и спрос инвесторов.

Уравнение спроса на жилье со стороны домохозяйств Dht выглядит следующим образом:

,

где incomet реальный доход домохозяйства, выраженный в рублях;

area_fitt – суммарный запас жилищного фонда на душу населения за вычетом ветхого и аварийного жилья.

Обратная функция спроса со стороны домохозяйств, которая используется для эмпирических расчетов, записана в виде:

,

где cpit – темп инфляции;

startt – предложение жилья на первичном рынке.

Уравнение спроса со стороны инвесторов DtInvest:

,

где D tInvest спрос на новое жилье со стороны инвесторов;

ind_PHt – темп роста цен на жилье;

ind_PHexp t+1 – ожидаемый темп роста на жилье в следующем периоде;

π exp t+1 ожидаемая инфляция будущего периода;

PAexp t+1 ожидаемая доходность от альтернативных инвестиций;

creditt переменная, характеризующая доступность кредита.

Обратная функция спроса со стороны инвесторов на первичное жилье имеет вид:

,

где ind_PHt Invest – отношение цен на жилье в текущем периоде к ценам на жилье в базисном периоде;

invhousest – доля (в процентах от общего объема) инвестиций в жилье – proxy-переменная для доходности от покупки жилья; характеризует ожидаемый темп роста цен на жилье в будущем периоде ind_PHexp t+1 ;

startt предложение жилья на первичном рынке;

rtst – прирост в процентах по отношению к прошлому году индекса РТС.

Предложение жилья со стороны строительных фирм:

,

где ind_PHt exp и ind_PEst exp ожидаемые рост цен на жилье и рост цен на недвижимость другого рода в период t , сформированные в прошлом периоде;

ct – издержки строительства (например, зарплата рабочих в строительной отрасли, стоимость строительных материалов).

Линеаризованная форма уравнения предложения имеет вид:

,

где startt предложение нового жилья в момент времени t;

ind_PHt – темп роста цен на жилье в предыдущих периодах;

invbuildst-1 доля инвестиций в нежилое строительство (здания и сооружения) как proxy-переменная для доходности строительства нежилых объектов;

pi_bcwt-1 индекс стоимости строительно-монтажных работ в качестве proxy-переменной для зарплаты рабочих, занятых в строительстве.

Таким образом, темп роста цен на жилье имеет вид:

Рассматриваемые модели спроса и предложения учитывают следующие факторы рынка недвижимости: темп роста цен на жилье; ожидаемая инфляция будущего периода; ожидаемая доходность от альтернативных инвестиций; степень доступности кредитных средств; предложение жилья на первичном рынке; прирост по отношению к прошлому году индекса РТС; реальный доход домохозяйства; суммарный запас жилищного фонда на душу населения; издержки строительства; доля инвестиций в нежилое строительство; стоимость строительно-монтажных работ.

При всей ценности данной работы в теоретическом отношении, в прагматическом аспекте необходимо отметить, что использование полученных авторами уравнений спроса и предложения для прогнозирования требует, как и в случае обычных регрессионных многофакторных моделей и нейросетевых моделей, предварительного прогноза динамики каждого из рассматриваемых факторов, что зачастую нереализуемо.

Сравнительно недавно перечень методик прогнозирования рынка недвижимости был пополнен в связи с появлением нового аспекта этой задачи - проявившуюся потребность в методиках прогнозирования развития рынка недвижимости со стороны госорганов, связанную с разработкой и необходимостью обоснования стратегий развития рынка жилья и жилищного строительства, ипотечного кредитования и т. д. Такие методики, помимо обычных требований к научной обоснованности и достоверности результатов, выдвигают специфические требования доступности для расчетов в условиях ограниченного набора исходных данных, а именно – публикуемых в официальной статистике (Росстат) и в прогнозах развития экономики МЭР РФ, Минфина РФ, ЦБ РФ. Откликом на эту научную проблему послужила методика [33], основанная на ранее выполненном исследовании эластичности цен на жилье по доходам и типизации рынков в зависимости от стадии их динамики [17]. Методика включает следующие операции:

ü    по данным о динамике цен определяется достигнутая стадия и тип рынка, экспертным способом прогнозируется их изменение в последующие годы;

ü    из среднесрочного правительственного прогноза выбираются прогнозируемые значения темпов роста реальных доходов населения и инфляции, и рассчитываются темпы роста номинальных доходов;

ü    выбирается одна из моделей, построенных для данного типа рынка, и рассчитывается среднемесячный темп роста цен на жилье.

Модели для прогнозирования цен на жилье получены в виде уравнения статистической связи между темпами роста цен на жилье на каждой стадии динамики и темпов роста среднедушевых доходов населения (рис. 7). В связи с ограниченность имеющейся статистики выделенные в [34] 10 типов рынка были сведены в три группы:

ü    для типов 2 (развивающийся) и 7 (падающий, кризисный)

y = 0,534x + 0,795 (коэффициент детерминации R2 = 0,94);

ü    для типов 5 (стабильный) и 8 (депрессивный)

y = 0,361х – 0,692 (R2 = 0,93);

ü    для типов 3 (растущий) и 4 (перегретый)

y = 0,730х + 2,683 (R2 = 0,99).

Модели показали высокую точность прогнозирования динамики цен в Москве, Московской области, Санкт-Петербурге в краткосрочном периоде (1 год). Однако, в связи с необходимостью экспертного прогнозирования типа рынка модель не всегда обеспечивает необходимую точность в среднесрочном периоде (рис. 8).

Figure 7. Statistical linkage between growth rates of real estate prices and growth rates of average per capita income in terms of different market type via supply/demand correlation

Рис 7. Статистическая связь темпов роста цен на жилье с темпами роста среднедушевых доходов при различном типе рынка по соотношению спрос/предложение


Figure 8. Forecast of price dynamics on real estate market of capital regions for 2010-2013 and its examination with actual data

Рис. 7. Прогноз динамики цен на рынке жилья столичных регионов на 2010-2013 годы и его проверка по фактическим данным

Важным шагом на пути совершенствования методов прогнозирования, кроме выявления понятия «тип рынка» и определения связи темпа роста цен с типом рынка, было комплексное исследование факторов динамики ценообразования на рынке жилья и построение многоуровневой иерархии факторов спроса и предложения, в зависимости от глубины исследования (в долгосрочном, среднесрочном и краткосрочном периодах) и типа исследуемого рынка [34]. В соответствии с приведенной классификацией (табл. 2) был проведен феноменологический анализ действующих факторов динамики ценообразования.

Как показано в [34], факторов, влияющих на ситуацию на рынке недвижимости, значительно больше, чем их учитывается в большинстве рассмотренных моделей. Содержательный, феноменологический анализ факторов ценообразования, опирающийся на экспертные знания о рынке, качественные и количественные исследования закономерностей рынка, особенностей, отличающих рынки стран с транзитивной экономикой от развитых рыночных экономик, должен предшествовать любым попыткам формализованного моделирования рынка. Математические модели, даже успешно прошедшие фильтры статистического анализа значимости факторов, не могут быть признаны адекватными, если они не опираются на экономическую гипотезу о сущности протекающих на рынке процессов в данной фазе и стадии его развития [2-4]. Кроме того, в процессе прогнозирования необходимо учитывать, что между ценообразующими факторами существуют не только прямые, но и горизонтальные и обратные связи.

Методика среднесрочного прогнозирования локального рынка жилой недвижимости. Учитывая накопленные к настоящему времени результаты углубленного исследования закономерностей развивающегося рынка недвижимости России и факторов, определяющих динамику спроса и предложения на рынке недвижимости и их влияние на динамику цен на жилье, была сформулирована задача и разработана методика прогнозирования не только динамики цен, но и динамики комплекса показателей развития сложной системы «рынок жилой недвижимости»: предложение, спрос, поглощение площадей, объем строительства и ввода жилой недвижимости [35].

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.

В ходе разработки методики потребовалось уточнить ряд понятий (терминов и определений), используемых при анализе и моделировании рынка недвижимости. В частности, понятие «спрос» было разделено на пять категорий: спрос-потребность, совокупный платежеспособный спрос, потенциальный платежеспособный спрос, предъявленный платежеспособный спрос, удовлетворенный (реализованный) спрос.

Спрос-потребность – разность между желаемым и фактическим уровнем средней обеспеченности комфортным и благоустроенным жильем городского населения в регионе (без учета некачественного, в т.ч. подлежащего капитальному ремонту, ветхого и выводимого жилого фонда).

Совокупный платежеспособный спрос – объем жилья, которое городское население может приобрести на рынке за счет своих накоплений.

Потенциальный платежеспособный спрос – объем жилья, который городское население предполагает 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 платежеспособный спрос – объем жилья, которое городское население предполагает приобрести на рынке в течение ближайшего года при текущем уровне цен за счет всех источников финансирования, скорректированный на изменение склонности населения к расходованию сбережений с учетом изменения экономической ситуации в стране и регионе, степени недоверия к застройщикам, условий ипотечного кредитования, изменения уровня цен.

Удовлетворенный (реализованный) спрос – предъявленный в текущем году спрос, удовлетворенный в форме сделки, направленной на приобретение прав требования на строящийся объект (по ФЗ-214 или иными практикуемыми способами) или приобретение прав собственности на построенное жилье, в т.ч. с использованием государственных субсидий. Приблизительно равен объему поглощения.

Несколько уточнились и понятия в области ипотечного кредитования.

Планируемый властями (на основе прогнозов АИЖК) объем кредитования в денежном выражении именуется планируемым объемом ипотечного кредитования.

Рассчитанный с учетом прогнозируемой динамики цен потенциальный объем прокредитованных площадей именуется объемом предложения ипотеки в натуральном выражении, а потенциальное количество выданных кредитов (с учетом площади приобретаемого жилья на вторичном и первичном рынке) – объем предложения ипотечных кредитов.

Наконец, прогнозируемое с учетом ограничений по доступности (в силу уровня доходов населения) и по наличию ипотечного предложения, а также предложения квартир на рынке, количество ипотечных кредитов именуется объемом поглощения ипотечных кредитов.

Методика среднесрочного прогнозирования предназначена для прогнозирования динамики показателей развития рынка жилой недвижимости города/региона на глубину прогнозирования 3–5 лет. В основу ее методологии положены следующие методические подходы.

Методика основана на использовании имитационной (пошаговой) блочно-модульной итерационной модели с обратными связями.

Модель – имитационного (симуляционного) типа, поскольку все показатели рассчитываются последовательно, на глубину одного шага (один календарный год), и на следующем шаге в качестве исходных данных используются результаты этих расчетов.

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.

В качестве базовых исходных данных в методике используются объявленные планы и прогнозы федеральных, региональных, муниципальных властей в части макроэкономических параметров и отраслевых показателей развития рынка недвижимости. Кроме того, условием применения методики является наличие другой группы исходных данных, получаемых на основании результатов регулярного мониторинга первичного и вторичного рынков 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 результатов углубленного исследования рынка (типология и 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).

В основу методики положена следующая идея – объем поглощения площадей не может быть выше каждой из трех величин: спрос – потребность, предъявленный платежеспособный спрос, объем предложения. В соответствии с итерационным характером модели по результатам прогнозирования на текущий год производится расчет и сопоставление этих показателей, и минимальное значение из них используется как ограничение для прогноза объема поглощения. Это позволяет в порядке обратной связи корректировать заданные исходные данные об объеме предложения и ввода жилья, о потребности в жилье на следующий прогнозный год с учетом индикатора соотношения спрос/предложение. Кроме того, рассчитанный темп роста цен на жилье в предшествующем году и темп роста доходов в текущем году используются как индикатор типа рынка, 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.

Экзогенные переменные модели. Экзогенные переменные модели (исходные данные, определяемые вне модели), делятся на три категории – векторные, заданные на всю глубину прогнозирования с шагом один год (макроэкономические правительственные прогнозы, отраслевые параметры развития рынка жилья), скалярные (часть рыночных данных, по которым введено допущение об их неизменности в прогнозируемом периоде) и рыночные данные «обусловленные».

Сущность понятия «обусловленных» показателей заключается в том, что они рассчитываются (по историческим данным) для четырех вариантов состояния рынка по соотношению спрос/предложение (превосходство спроса, равновесие спроса и предложения, превосходство предложения, ажиотажный спрос) и шести вариантов типа рынка (падающий (кризисный), стабилизирующийся после спада, стабильный, стабилизирующийся после роста, растущий, перегретый).

В качестве экзогенных переменных используются:

А) Макроэкономические параметры развития РФ: рост ВВП, среднегодовые цены на нефть, среднегодовой курс доллара, чистый отток капитала частного сектора, дефицит/профицит федерального бюджета, темпы роста реального располагаемого годового дохода населения, темпы инфляции, норма сбережения населения.

Эти данные используются при формировании сценариев развития рынка жилья и частично – заменяют региональные данные при их отсутствии.

Б) Региональные макроэкономические параметры (векторные данные)[2]: численность городского населения в базовом году, темпы роста ВРП, темпы роста инвестиций в основной капитал, планируемый годовой темп региональной инфляции, номинальный среднедушевой годовой доход* (темпы роста реальных располагаемых денежных доходов населения*), децильное распределение доходов - средний уровень доходов в каждой децили, коэффициент теневых доходов, норма сбережения населения, средняя численность семьи.

В) Отраслевые параметры (скалярные и векторные данные): жилищный фонд города в базовом году; объем некачественного (подлежащего ремонту и реконструкции) жилого фонда в базовом году; федеральный норматив среднего уровня обеспеченности жильем; планируемый (рассчитанный на основании планируемого бюджетного финансирования) объем сноса ветхого и аварийного жилого фонда, объем капитального ремонта и модернизации жилых домов, предполагаемый объем выбытия жилого фонда; сальдо естественного прироста населения, сальдо миграционного притока в базовом году; планируемый (рассчитанный по данным о наличии земельных и строительных ресурсов) объем ввода площадей* (квартир*) коммерческого и муниципального жилья; планируемый объем государственного спроса на дотированное жилье (по программам поддержки определенных категорий населения, жилищных сертификатов); планируемый государством объем жилищного ипотечного кредитования в денежном выражении.

Г) Рыночные данные, полученные по результатам исследования для различного состояния рынка по соотношению спрос/предложение и типу рынка («обусловленные»): доля первичного рынка в общем объеме ипотечных сделок; доля инвестиционных сделок от общего числа сделок; доля приобретателей квартир–нерезидентов; доля респондентов, готовых приобрести жилье на рынке за свой счет в ближайшие полгода-год, от общего числа домохозяйств (предъявленный спрос); доля респондентов, готовых приобрести жилье на вторичном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки); доля инвестиционных сделок на вторичном рынке от общего числа инвестиционных сделок; средняя доля кредита в стоимости квартиры; коэффициенты соотношения ввод/строительство, строительство/предложение, поглощение/предложение и поглощение/спрос на первичном рынке, поглощение/спрос и поглощение/предложение на вторичном рынке; коэффициенты соотношения цен первичного и вторичного рынка, цен на жилье различного класса к средним ценам.

Д) Рыночные данные, полученные при регулярном мониторинге рынка и постоянные при расчетах (скалярные): средняя площадь квартиры в новостройках и готовых домах (в том числе в дифференциации по классам качества); средняя площадь приобретаемого жилья в альтернативных сделках; доля первичного рынка в спросе и в предложении; доля первичного рынка в спросе нерезидентов.

Эндогенные переменные модели. Эндогенные переменные (выходные показатели и промежуточные данные, значения которых рассчитываются внутри модели), включают:

прогнозируемый объем жилого фонда;

прогнозируемая обеспеченность населения жильем;

прогнозируемый объем некачественного жилья в жилом фонде города;

прогнозируемая потребность городского населения в жилье;

потенциальный объем ввода, строительства коммерческого и муниципального жилья, потенциальный объем предложения коммерческого жилья;

средний коэффициент доступности приобретаемого жилья в базовом году, коэффициент доступности жилья для различных групп населения по доходности в базовом году;

средние совокупные накопления групп населения;

предъявленный платежеспособный спрос городского населения на рынке недвижимости (без учета ипотеки) в денежном выражении суммарный и для групп населения;

предъявленный платежеспособный спрос городского населения на рынке жилых площадей совокупный и для групп населения, в том числе площадей различного класса качества;

предъявленный платежеспособный спрос городского населения на рынке квартир совокупный и для групп населения, в том числе площадей и квартир различного класса качества;

предъявленный платежеспособный спрос городского населения на рынке площадей и квартир всех классов в прямых сделках;

предъявленный спрос нерезидентов и инвесторов на рынке площадей и квартир, в том числе на первичном и вторичном рынке, и предъявленный денежный спрос;

потенциальный объем жилищного ипотечного кредитования в денежном выражении на первичном и вторичном рынке, потенциальный объем предложения ипотечных кредитов, предъявленный спрос на ипотечные кредиты, поглощение ипотечного продукта в количестве прокредитованных площадей и выданных кредитов на покупку квартир, в том числе на первичном и на вторичном рынке;

суммарный предъявленный спрос населения, инвесторов и нерезидентов (с учетом ипотеки) на коммерческое жилье, в том числе на первичном и вторичном рынке, на жилье различного класса качества;

суммарный предъявленный спрос на площади и квартиры муниципального и коммерческого жилья, в том числе на первичном и вторичном рынках;

суммарный предъявленный спрос на площади и квартиры коммерческого жилья на первичном и вторичном рынках с учетом перетекания между рынками в случае дефицита предложения на одном из них и избыточного предложения на другом;

суммарный предъявленный денежный спрос на рынке коммерческого жилья;

соотношение спроса и предложения площадей на первичном рынке, вторичном рынке и на рынке в целом;

индикатор состояния рынка по соотношению спрос/предложение;

объем удовлетворенного спроса (объем поглощения) коммерческого городского жилья в площадях и квартирах, в том числе различного класса, на первичном и вторичном рынке;

прогнозируемый объем предложения, в том числе на первичном и вторичном рынке и для различных классов жилья;

прогнозируемый объем ежегодного нового предложения на первичном рынке, в том числе жилья различного класса;

прогнозируемый объем строительства и ввода площадей и квартир, в том числе коммерческого жилья и муниципального жилья;

среднемесячный темп роста цен на жилье, средняя удельная цена жилья в конце исследуемого года на вторичном и первичном рынке, в том числе жилья различного класса качества.

Структура модели включает 7 блоков (рис. 9):

·                   Блок 1 «Определение потребности городского населения в жилье и планируемого объема ввода социального жилья»;

Figure 9. Enlarged model structure

Рис. 9. Укрупненная структура модели

·                   Блок 2 «Функционирования строительного комплекса и определения потенциального объема ввода, строительства и предвари тельного объема предложения коммерческого жилья»;

·                   Блок 3 «Жилищное финансирование. Определение объема потенциального платежеспособного спроса населения»;

·                    Блок 4 «Определение предварительного объема предъявленного государством, населением, нерезидентами и инвесторами спроса на городское жилье»;

·                    Блок 5 «Определение состояния рынка по соотношению спрос/предложение и расчета прогнозируемого объема удовлетворенного спроса (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».

Кроме того, предусмотрено включение в модель автономных блоков-модулей[3], которые предназначены для решения самостоятельных исследовательских задач и/или для подготовки (при необходимости) исходных данных к Блокам 1-6 (табл. 1).

В блоке-модуле М1 по данным о планируемом объеме бюджетного финансирования программ реновации жилого фонда города в текущем году определяется (оптимизируется) планируемый объем реконструкции, капитального ремонта, реновации (сноса и переселения) жилищного фонда и нового муниципального строительства с учетом состояния фонда и удельных затрат на каждый вид реновации. Эти данные могут использоваться при разработке государственной программы «Жилище» и поступать в блок 1.

Таблица 1. Перечень блоков-модулей и их назначение

Название

Источник и содержание исходных данных

Назначение вы ходных данных

М1

Определение объемов рекон струкции, капитального ре монта, реновации и строи тельства социального жилья

Запланированные объемы финансирования жилищных программ

1) В ГП «Жилище»

2) на вход Блока 1

М2

Определение наличия земельных ресурсов под жилищное строительство

Наличие земельных ресурсов под жилищное строительст во, планируемое их использо вание

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М3

Определение наличия строительных ресурсов

Наличие производственных мощностей и строительных ресурсов

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М4

Определение объема потен циального ипотечного пред ложения и господдержки

Состояние системы ИЖК и ее возможности по предложе нию ипотечных кредитов

1) в программу развития ИЖК

2) на вход Блока 4

М5

Мониторинг и исследование состояния рынка жилья и определение «обусловлен ных» данных о рынке

Реестры объектов нового строительства, ЕГРП, базы предложения жилья при различном соотношении спрос/предложение

1) Для анализа рынка

2) на вход Блоков 5 и 6

В блоке-модуле М2 на основании Реестра строящихся жилых домов, среднесрочных решений властей о выделении земельных участков под строительство жилья определяется потенциальный объем строительства в текущем году (без учета ограничений по спросу).

В блоке-модуле М3 определяются возможные ограничения жилищного строительства по объему производственных мощностей строительных предприятий, объема производимых в регионе и импортируемых строительных ресурсов.

Данные блоков-модулей М2 и М3 могут использоваться при разработке государственной программы «Жилище» и поступать в Блоки 1 и 2.

В блоке-модуле М4 «Определение объема потенциального ипотечного предложения и господдержки» рассчитывается денежный объем ипотечного предложения и господдержки с учетом планов федеральных и региональных властей. Результаты расчета передаются в Блок 4.

В блоке-модуле М5 «Исследование состояния рынка жилья и определение «обусловленных» данных о рынке» по данным о динамике строительства, ввода, предложения, поглощения жилья, поступающим из Реестров объектов нового строительства и ЕГРП, рассчитываются коэффициенты соотношения ввод/строительство, строительство/предложение, предложение/поглощение, спрос/поглощение и другие «обусловленные» данные при различном состоянии рынка по соотношению спрос/предложение. По данным о многолетней динамике цен, получаемой в результате обработки баз предложения жилья, и исследования типологии рынка вычисляются параметры регрессионных уравнений (моделей для прогнозирования цен) в зависимости от типа рынка. Результаты поступают в Блоки 5 и 6.

Апробация и ретроспективная проверка модели. В качестве базового варианта для апробации модели принят вариант развития рынка жилой недвижимости Москвы (в старых границах) работы [35] со следующим изменением: с целью ретроспективной проверки результатов прогнозирования ключевые макроэкономические показатели (темпы роста реальных располагаемых доходов населения, инфляция, денежный объем ипотечного кредитования) на 2011 и 2012 годы приняты по фактическим данным. Используемые для расчета базового варианта исходные данные приведены в таблицах 2-7 [36].

Макроэкономические параметры

Таблица 2. Параметры, заданные на глубину прогнозирования (векторные)

Показатели

2010

(базовый)

2011

2012

2013

2014

2015

2016

численность населения N, млн чел.

11,5

11,6

11,7

11,7

11,8

11,9

12,0

темпы роста ВРП, %

5,0

4,0

3,8

4,0

4,6

5,0

6,0

темпы роста инвестиций в основной капитал, %

-15,0

0,0

6,0

7,0

8,5

9,0

9,5

темпы роста реальных располагаемых денежных доходов населения , %

-8,0

-1,6

-1,6

2,5

3,0

4,0

5,0

темп инфляции, %;

8,8

6,1

6,6

5,7

5,7

5,5

5,5

Таблица 3. Параметры, постоянные при расчетах (скалярные)

показатель

значение

среднее количество членов домохозяйства nс, чел.

2,5

коэффициент теневых доходов Ктд

2,0

норма сбережения населения НС, %

20

Среднедушевой доход населения в базовом (2010) году, тыс. руб.

44,6

Превышение над среднедушевым доходом среднего уровня дохода в 3-8-й децильной группе (60% населения), раз

1,0

Превышение над среднедушевым доходом среднего уровня дохода в 9-й децильной группе (10% населения), раз

2,3

Превышение над среднедушевым доходом среднего уровня дохода в 10-й децильной группе (10% населения), раз

4,3

 

Отраслевые параметры

Таблица 4. Параметры, заданные на глубину прогнозирования (векторные)

показатели

2010 (базовый)

2011

2012

2013

2014

2015

2016

федеральный норматив сред него уровня обеспеченности жильем, кв. м/чел.

20,6

21,0

21,6

22,2

22,8

23,5

24,2

Планируемый объем жилищ ного фонда, млн кв. м

215,7

218,1

220,4

222,8

225,2

227,6

230,0

объем сноса жилого фонда, тыс. кв. м

0,2

0,3

0,5

0,4

0,4

0,0

0,0

объем выбытия жилого фонда, кв. м

0,0

0,0

0,0

0,0

0,0

0,0

0,0

объем капитального ремонта и реконструкции жилых домов, млн кв. м

3,2

7,7

4,7

4,7

4,7

4,7

4,7

планируемый государством объем ввода жилья, млн кв. м

1,77

1,76

2,54

2,54

2,54

2,54

2,54

планируемый объем ввода муниципального жилья, млн кв. м

0,68

0,70

0,76

0,76

0,76

0,76

0,76

планируемый государством объем жилищного ипотечного кредитования, млрд. руб.

47,0

48,5

62,4

122,9

153,6

184,3

211,2

Таблица 5. Параметры, постоянные при расчетах (скалярные)

показатель

значение

средняя площадь квартиры в новостройках, кв. м

90

средняя площадь квартиры в новостройках массового класса, кв. м

70

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

54

средняя площадь квартиры в домах повышенной комфортности на вторичном рынке, кв. м

70

средняя площадь приобретаемого жилья в альтернативных сделках, кв. м

18

доля первичного рынка в спросе, %

40

доля первичного рынка в предложении, %

25

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, %

10,0

средняя удельная цена жилья на вторичном рынке в декабре базового 2010 года, тыс. руб./кв. м

168,5

прирост средней удельной цены на вторичном рынке в базовом 2010 году, %

10,0

объем предложения на вторичном рынке, тыс. квартир

115,0

объем поглощения на вторичном рынке в базовом 2010 году, тыс. квартир

85,4

объем некачественного фонда в базовом 2010 году, млн кв. м

108

 

Рыночные данные (обусловленные параметры)

Таблица 6. Параметры, зависящие от соотношения спрос/предложение

Параметр

Индикатор состояния спрос/предложение

1

2

3

4

Коэффициент соотношения ввод/строительство

0,25

0,30

0,32

0,35

Коэффициент соотношения строительство/предложение

2,10

2,20

2,35

2,50

Коэффициент соотношения поглощение/предложение на первичном рынке

0,42

0,41

0,41

0,43

Коэффициент соотношения поглощение/спрос на первичном рынке

0,40

0,46

0,40

0,35

Коэффициент соотношения поглощение/ограничение на вторичном рынке

0,70

0,75

0,78

0,80

Доля респондентов, готовых приобрести жилье на рынке за свой счет в течение ближайшего года, от общего числа домохозяйств (предъявленный спрос), %

2,0%

2,8%

3,0%

3,5%

Доля приобретателей квартир–нерезидентов, %

25%

30%

40%

50%

Доля респондентов, готовых приобрести жилье на вто ричном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки), %

85%

80%

78%

75%

Доля ипотечных сделок на рынке жилья, %

15%

25%

28%

30%

Доля инвестиционного спроса на рынке жилья, %

0%

5%

6%

20%

Доля первичного рынка в общем объеме ипотечных сделок, %;

10%

12%

14%

20%

Доля ипотечных сделок от общего числа сделок на первичном рынке, %

10%

22%

22%

28%

Доля ипотечных сделок от общего числа сделок на вторичном рынке, %

10%

26%

28%

31%

Средняя доля кредита в стоимости квартиры, %

60%

70%

72%

82%

Таблица 7. Параметры, зависящие от типа рынка

Параметр

Индекс типа рынка

1

2

3

4

5

6

Соотношение цен первичного и вторичного рынка

1,18

1,17

1,15

1,14

1,12

1,07

Соотношение цен на массовое жилье к средним ценам

0,57

0,6

0,61

0,63

0,65

0,53

Соотношение цен на жилье повышенной комфортно сти к средним ценам

1,11

1,15

1,27

1,2

1,22

1,25

№ модели прогнозирования цен

1

2

3

4

5

6

Результаты расчетов и их интерпретация. Основные показатели расчета прогноза развития рынка жилой недвижимости Москвы вынесены на графики рис. 10-14. Графики показывают, что поведение прогнозируемых показателей четко различается по трем стадиям: 2011-2012, 2013-2015 годы и 2016 год.

На первой стадии, в соответствии с заданными исходными данными о фактическом росте номинальных доходов населения города с темпом 5-7% в год, а также снижении объемов ввода жилья, прогнозируемый спрос несколько превышал предложение, объем поглощения на первичном и вторичном рынке увеличивался, цены росли с темпом 8-9%.

На второй стадии повышательная динамика прогнозируемого объема платежеспособного спроса населения (рис. 10) соответствует заданной в исходных данных (Сценарий № 1 оптимистический) динамике роста номинальных доходов населения (10-12%). При этом снижение прогнозируемого объема предъявленного спроса населения в натуральном выражении объясняется ростом цен (рис. 14), опережающим рост доходов. Суммарный предъявленный спрос на площади (с учетом спроса нерезидентов, инвесторов и ипотеки) также несколько снижается, несмотря на рост денежного объема ипотечного предложения.

Прогнозируемая на второй стадии динамика объемов строительства коммерческого жилья (рис. 11) коррелирует с планируемым властями ростом объемом ввода жилья, обеспеченным земельными ресурсами, одобренными инвестиционными контрактами и проектной документацией (рис. 11).

На первичном рынке (рис. 12) предварительный объем суммарного спроса хотя и несколько снижается, но существенно превышает предложение. С 2013 года происходит перетекание спроса на вторичный рынок, где образовался избыток предложения (рис. 13). Предъявленный спрос все годы превышает выросший объем предложения, и объем поглощения ограничивается предложением. Спрос и предложение стабилизируются, вследствие чего стабилен и объем поглощения (рис. 12).

На вторичном рынке (рис. 13) прогнозируемый объем предложения в связи с ростом цен повышается в меру эластичности предложения по цене. В то же время снижающийся предварительный спрос после 2012 года становится меньше предложения. Однако, вследствие дефицита предложения на первичном рынке (рис. 12) спрос перетекает на вторичный, и поглощение продолжает расти (рис. 13).

Цены на второй стадии (рис. 14) растут с темпом 17-18% в год.

На третьей стадии, после 2015 года, прогнозируемая ситуация на рынке существенно меняется. Накопленный рост цен привел к тому, что значительная доля населения, имевшего намерение приобрести жилье, уходит с рынка, и денежный объем спроса снижается, несмотря на растущий денежный объем ипотечного предложения. Более резко снижается и суммарный предъявленный спрос в натуральном выражении.

Объем предложения на первичном рынке остается стабильным (рис. 12), а на вторичном рынке продолжает расти (рис. 13). Поглощение на первичном рынке стабильно, на вторичном – падает. В соответствии с общим превосходством спроса над предложением цены продолжают расти повышенными темпами (32-35)% (рис. 14).

В целом рынок переживает ситуацию устойчивого роста (аналог 2003 и 2006 года) и перехода в 2016 году к стабилизации на буме, аналогичной началу 2004-го и концу 2006-го года.

Таким образом, динамика прогнозируемых показателей развития рынка (преимущественно немонотонная) находит логичное объяснения в известных закономерностях поведения рынка и показывает, что разработанная модель адекватно учитывает связи между различными факторами, в том числе и обратные.

Сопоставление результатов прогнозирования некоторых показателей развития рынка в 2011-2012 годах с фактическими данными демонстрирует хорошее совпадение по уровню средних удельных цен на вторичном и первичном рынках (рис. 14), объему поглощения на вторичном рынке (рис. 13), объему предложения, нового предложения и поглощения на первичном рынке (рис. 12), объему ввода и строительства площадей (рис. 11).

 


Figure 10 Figure 11

Figure 12 Figure 13

Figure 14

Наличие адекватной математической модели функционирования сложной системы – локального рынка жилой недвижимости – позволило провести ряд расчетных экспериментов по влиянию на динамику развития рынка макроэкономических и отраслевых параметров.

Использование математической модели функционирования локального рынка жилой недвижимости для обоснования целевых объемов ввода жилья. Исторический дефицит жилья в России (более 60% населения нуждается в улучшении жилищных условий) заставил руководство страны в течение последних 5-8 лет усилить внимание к проблеме повышения объемов жилищного строительства. Приняты серьезные правовые, организационные, экономические меры для стимулирования местных властей и бизнеса к решению этой проблемы. Определены целевые показатели динамики роста объемов ввода жилья – в 2020 году эта величина должна достигнуть 142 млн. кв. метров. В настоящее время Госстрой и Минрегион РФ организуют работу по определению и обоснованию целевых объемов ввода жилья в каждом регионе. В работе [37] показана возможность решения этой задачи для локальной территории – города Москвы до присоединения новых территорий (в границах до 1 июля 2012 года).

Известны факторы, ограничивающие объемы ввода жилья в Москве. В последние годы это определялось в первую очередь дефицитом земельных ресурсов. К этому прибавилось вынужденное изменение политики города (ограничения на выдачу разрешений и даже расторжение ряда инвестиционных контрактов) в связи с несбалансированностью между строительством жилья и транспортной инфраструктуры. В результате в государственной программе «Жилище» по городу Москве на 2012-2016 годы был предусмотрен в 2013-2016 годах стабильный объем ввода в 2,45 млн. кв. м жилья ежегодно (после максимального объема в 4,8 млн, достигнутого в 2007 году). Другие факторы, сдерживающие объемы ввода жилья в регионах – ограничения по производственным мощностям стройпредприятий, по доступным объемам стройресурсов, по наличию инженерных сетей на границах участков под строительство жилья, энергетических и иных инженерных ресурсов, социальной инфраструктуры – в Москве не стояли столь остро.

Но обостренное внимание руководства страны к проблеме объемов строительства жилья, приоритетность этого показателя при оценке результатов деятельности администраций регионов и муниципалитетов снова стимулировало руководство регионов, в том числе и Москвы, к поиску путей повышения темпов строительства жилья.

По последним заявлениям властей, город планирует построить в 2013 году в Москве более 3 млн. кв. м жилья, в том числе в старых границах – не менее 2,5 млн. кв. м, и в дальнейшем увеличивать этот объем до 5-6 млн. кв. м.

Однако, такие амбициозные планы могут и не реализоваться.

Кроме перечисленных ранее факторов, влияющих на возможные объемы ввода жилья (как принято их называть, «факторы предложения»), существует другая группа факторов – «факторы спроса».

Вот что сообщил 22.05.2003 г. в ходе встречи со столичными инвесторами председатель Москомстройинвеста Константин Тимофеев: «Только треть инвесторов в Москве, проекты которых прошли Градостроительно-земельную комиссию Москвы (ГЗК) за 2,5 года ее существования, приступили к реальному строительству. Остальные или продают, или ищут финансирование, но рабочие только 30%».

По нашему мнению, причина такой ситуации в том, что в Москве в последние три года снизилась инвестиционная привлекательность девелопмента. Это является следствием изменения закономерностей рынка после кризиса 2008 года. В условиях достаточно высокого спроса цены на первичном рынке возвращаются к докризисному уровню, но темпы роста цен незначительны. Если в первом десятилетнем цикле (старт рынка - июнь 1990 года) рынок достиг нижней точки к июню 2000 года и восстановился за 1,5 года, то во втором десятилетнем цикле он достиг в Москве нижней точки к концу 2009 года и еще не до конца восстановился за 3 года. В результате конечная доходность инвестиционно-строительных проектов существенно снизилась по сравнению с докризисным уровнем, и не все московские девелоперы готовы к такой ситуации.

Важно отметить, что доходы москвичей в последние два-три года практически не повышались, но спрос на рынке и объем поглощения был достаточно высок. Однако, это в первую очередь был спрос на малогабаритные дешевые квартиры. Поэтому средняя цена на рынке росла низкими темпами. С другой стороны, в случае повышения темпов роста доходов населения и дефиците предложения возможен быстрый рост цен и как следствие - снижение объема предъявленного спроса по причине ухода с рынка покупателей с меньшими доходами. Такое развитие событий может привести к стабилизации и последующему снижению цен, объемов поглощения и потока доходов девелопера, и вследствие этого – к снижению темпов строительства домов, что также не позволит реализовать высокие целевые показатели ввода жилья.

Следовательно, возможности повышения объемов ввода жилья по факторам предложения должны быть проверены факторами спроса.

В теоретическом плане эти закономерности рынка общеизвестны – проблема состоит в получении количественных оценок развития рынка при изменении как макроэкономических показателей, так и планируемых объемов ввода жилья.

Вначале проводилось исследование влияния изменения макроэкономических данных на динамику рынка при фиксированных целевых объема ввода жилья, предусмотренных ГП «Жилище» по городу Москве на 2012-2016 годы. При этом были сформированы 4 сценария динамики макроэкономических показателей и проанализированы положительные и негативные стороны каждого сценария для рынка и девелоперов. Макроэкономические параметры Сценария № 1 соответствовали оптимистическому правительственному прогнозу работы [36], Сценария № 3 – реалистическому, Сценария №4 – пессимистическому, в Сценарии № 2 были заданы параметры, превышающие оптимистический сценарий (рост доходов населения (12-13)% в год в натуральном выражении).

Необходимо отметить, что динамика макроэкономических показателей по Сценарию № 1 (оптимистический сценарий, предоставленный Госстроем) в последующие годы возможна лишь с малой вероятностью. Об этом свидетельствуют как данные предыдущих трех лет, так и общее мнение экономистов о предстоящем снижении темпов роста ВВП России, мировых цен на нефть и газ и объемов их экспорта из РФ, твердое намерение финансовых властей к таргетированию инфляции и сохранению жесткой кредитно-денежной политики, усилившийся отток капитала за рубеж, идущее ослабление рубля к основным валютам и т.п. Мы оцениваем эту вероятность в 20%.

Сценарий № 2 с повышенными макроэкономическими параметрами можно признать нереализуемым (вероятность его реализации близка к нулю).

Сценарий № 3 наиболее вероятен (оценка вероятности его реализации 70%). Это связано не только с отмеченными выше экономическими угрозами, но и с осознанной и публично объявленной политикой властей на предотвращение необоснованного роста цен на жилье, снижающего доступность жилья для населения и затрудняющего решение жилищной проблемы в России. В долгосрочной перспективе основное направление этой политики – ускорение темпов роста строительства жилья для обеспечения потребностей населения при обеспечении доступности жилья для все большей доли домохозяйств, в среднесрочной – сдерживание роста избыточной массы денежных средств у населения.

Сценарий № 4 возможен в случае нового мирового экономического кризиса и может быть признан маловероятным (оценка вероятности - 10%).

В связи с этим в задаче обоснования целевых объемов ввода жилья до 2020 года рассматривались два Сценария - № 1 и № 3.

По каждому из двух сценариев проведен расчет динамики рынка при трех вариантах изменения отраслевых параметров – целевых объемов ввода жилья.

Основные изменяемые по сценариям и вариантам расчета исходные данные макроэкономического характера (ежегодные темпы роста доходов населения) приведены в табл. 8, а отраслевого характера (целевые объемы ввода жилья) - в табл. 9.

Таблица 8. Макроэкономические исходные данные для четырех сценариев

год

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

Сценарий № 1

Инфляция, %

8,8*

6,1*

6,6*

5,6**

5,2**

5,2**

5,3**

5,1**

5,3**

5,1**

5,0**

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

2,7**

4,4**

4,6**

4,0**

2,9**

-0,2**

2,2**

3,2**

Сценарий № 3

Инфляция, %

8,8*

6,1*

6,6*

7,0

7,0

7,0

7,0

7,0

7,0

7,0

7,0

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

Примечания:

* Фактические данные Росстата

** Данные Госстроя

Отраслевые параметры на 2010-2012 годы приняты по фактическим данным Росстата, на 2013 год – согласно ГП «Жилище» по гор. Москве на 2012-2016 годы; на 2014-2020 годы в варианте 1 – сохраняется уровень 2013-2016 годов по ГП «Жилище», в варианте 2 – с 2014 года целевой объем ввода повышается на 250 тыс. кв. м ежегодно и к 2020 году достигает 4,3 млн. кв. м, в варианте 3 – повышается на 500 тыс. кв. м ежегодно и к 2020 году достигает 6,0 млн. кв. м.

Таблица 9. Отраслевые исходные данные – три варианта для каждого сценария

год

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

Целевой объем ввода жилья, млн. кв. м,

вариант 1

1,77*

1,76*

2,07*

2,54

**

2,54

**

2,54

**

2,54

**

2,54

2,54

2,54

2,54

в том числе коммерческого

1,09

1,06

1,30

1,78

1,78

1,78

1,78

1,78

1,78

1,78

1,78

Целевой объем ввода жилья, млн. кв. м,

вариант 2

1,77

1,76

1,60

2,54

2,79

3,04

3,29

3,54

3,79

4,04

4,29

в том числе коммерческого

1,09

1,06

1,10

1,78

2,03

2,28

2,53

2,78

3,03

3,28

3,53

Целевой объем ввода жилья, млн. кв. м,

вариант 3

1,77

1,76

1,60

2,54

3,04

3,54

4,04

4,54

5,04

5,54

6,04

в том числе коммерческого

1,09

1,06

1,10

1,78

2,28

2,78

3,28

3,78

4,28

4,78

5,28

Примечания:

* Фактические данные Росстата

** Данные ГП «Жилище» по гор. Москве

Как показано в работе [3], Сценарий №1 (средние темпы роста доходов (8-11)%) при базовом уровне целевых объемов ввода жилья (вариант 1) отличается значительными темпами роста цен (в 2013-2015 годах - более 17%, в 2016 году – 35%), что обеспечивает инвестиционную привлекательность девелопмента, но снижает доступность жилья для населения, а также создает предкризисную угрозу рынку. Продление расчетов до 2020 года (рис. 15) подтвердило это утверждение: спрос в 2017 году на фоне выросших цен падает, предложение увеличивается и становится больше спроса, цены в 2017 году достигают максимума (502 тыс. руб./кв. м) и далее снижаются до 426 тыс. руб./кв. м к 2020 году. Объем поглощения в 2017 году падает (на вторичном рынке – вдвое), но затем начинает повышаться в связи со снижением цен и повышением предъявленного спроса. В целом перегрев рынка приводит к кризису в 2017 году, и к 2020 году послекризисное восстановление еще не завершается.

При повышенном уровне целевых объемов ввода жилья (вариант 2) происходит последовательный рост объема предложения, избыток предложения образуется на год раньше, чем в варианте 1, цены на первичном рынке вырастают к 2016 году только до 360 тыс. руб./кв. м, а в дальнейшем снижаются до 290 тыс. руб./кв. м в 2020 году, объем поглощения повышается, хотя на вторичном – сначала в 2017 году обваливается (рис. 16). В целом кризисная ситуация аналогична варианту 1, но менее ярко выражена.

При высоком уровне целевых объемов ввода (вариант 3) спрос становится меньше предложения на первичном и вторичном рынках уже в 2015 году, перегрев рынка практически не происходит, цены на первичном рынке достигают максимума в 305 тыс. руб./кв. м в 2015 году и далее снижаются до 236 тыс. руб./кв. м к 2020 году, поглощение после снижения в 2016 году растет, кризисные изменения к 2020 году практически исчерпываются (рис. 17).

Таким образом, при динамике макроэкономических параметров по Сценарию № 1 во всех трех вариантах целевых объемов ввода жилья перегрев рынка приводит к кризисной ситуации, хотя и в различной степени остроты. Наиболее приемлемым представляется вариант 2.

А. Primary market Б. Secondary market

Figure 15. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №1 and target placement of building volume of variant №1

Рис. 15. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 1

А. Primary market Б. Secondary market

Figure 16. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №1 and target placement of building volume of variant №2

Рис. 16. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 2

А. Primary market Б. Secondary market

Figure 17. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №1 and target placement of building volume of variant №3

Рис. 17. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 3

Более благоприятным для рынка является Сценарий № 3. При низких темпах роста доходов населения (в номинальном выражении близко к нулю) и базовом варианте целевых объемов ввода жилья темп роста цен составляют (1-2)% в год, и к 2020 году они достигают всего 246 тыс. руб./кв. м, по остальным показателям рынок стабилен (рис. 18). При повышенных целевых объемах ввода жилья (вариант 2) и соответственно объема предложения существенных изменений по остальным показателям не произошло (рис. 19).

Такое поведение рынка аналогично ситуации 2010-2013 годов и соответствует ранее выявленным закономерностям: при низких ценах и низких доходах населения сохраняется высокий спрос на жилье и ипотеку, который сосредотачивается в сегменте дешевого жилья и малых размеров кредита, при сохранении и даже росте объемов поглощения и незначительном повышении цен. В целом рынок близок к состоянию рецессии по показателям объема поглощения и динамике цен. Вместе с тем, такая ситуация не обеспечивает достаточно высокой доходности инвестиционно-строительных проектов, что может снизить активность девелоперов и потребовать их дополнительной поддержки со стороны государства.

При высоких объемах ввода жилья (вариант 3) цены практически не растут, с 2018 года спрос становится меньше предложения, цены снижаются на первичном рынке к 2020 году до 190 тыс. руб./кв. м, ситуация принимает предкризисный характер (рис. 20).

Таким образом, при динамике макроэкономических параметров по Сценарию № 3 рынок устойчив к принятому изменению целевых объемов ввода жилья в вариантах 1 и 2 и неустойчив – в варианте 3, при этом во всех вариантах не обеспечивает достаточной доходности девелопмента.

А. Primary market B. Secondary market

Figure 18. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №3 and target placement of building volume of variant №1

Рис. 18. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 1

А. Primary market B. Secondary market

Figure 19. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №3 and target placement of building volume of variant №2

Рис. 19. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 2

А. Primary market B. Secondary market

Figure 20. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №3 and target placement of building volume of variant №3

Рис. 20. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 3

Расчеты показывают, что при динамике макроэкономических параметров по Сценарию № 1 во всех трех вариантах целевых объемов ввода жилья перегрев рынка приводит к кризисной ситуации либо к рецессии. Такой результат соответствует ранее выявленной закономерности циклического развития рынка [20]: в благополучные для отечественной экономики годы (2001-2008) при значительных темпах роста доходов населения на рынке недвижимости наблюдались среднесрочные циклы с периодом 2,5-3 года (2001-2003 и 2004-2007). Различие в динамике рынка, полученной по результатам прогнозных расчетов, заключается в меньших темпах роста цен в стадии роста и большем снижении в стадии рецессии (в 2000-е годы цены лишь стабилизировались с небольшой кратковременной коррекцией), а также в увеличенном периоде колебания цен от нижней до нижней точки. Подобное поведение рынка после кризиса 2008-2009 годов объяснено и прогнозировалось в работе [6]. При этом конкретная динамика развития рынка все же различается, и с учетом этого обстоятельства при Сценарии № 1 можно рассматривать как целесообразный уровень целевого объема ввода жилья по варианту 2 (4,3 млн. кв. м).

При динамике макроэкономических показателей по Сценарию № 3 целесообразен вариант 2 с уровнем целевого объема ввода жилья 4,3 млн. кв. м, хотя динамика цен и не обеспечивает достаточной доходности девелопмента.

Таким образом, получены следующие конкурентные для рассмотрения варианты:

- Сценарий № 1 при варианте 2 целевого объема ввода жилья в 2020 году (4,3 млн. кв. м), сопровождающийся циклическим перегревом рынка и рецессией, но сохраняющий высокую доходность девелопмента;

- Сценарий № 3 при варианте 2, сопровождающийся стабильным развитием рынка, но низкой доходностью девелопмента, требующей дополнительных мер государственной поддержки.

Сравнение двух этих вариантов показывает, что приемлемым является целевой объем ввода жилья в Москве (в старых границах) в 2020 году по варианту 2 (4,3 млн. кв. м).

Выводы. Развитие и совершенствование методов прогнозирования на рынке недвижимости России в течение 20 лет его новейшей истории привело к созданию адекватной математической модели функционирования локального рынка жилой недвижимости, обеспечивающей возможность проведения расчетных экспериментов и оценки влияния внешних условий и управленческих решений на динамику рынка.


Литература

1. V.V. Ivantera, I.A. Budanova, A.G. Korovkina, V.S. Sutyagina, 2007 Applied forecasting for national economics. Economist pp. 896.

2. G.M. Sternik, 1996. How to forecast habitation prices (manual for realtor). RGR, M. pp. 60.

3. G.M. Sternik, 1997. Economic analysis and habitation price forecasting in Russia Cities. Materials of international conference on habitation mathematical economics of European real estate market investigators network in Vena Feb. 1997.

4. G.M. Sternik, 1998. Statistical approach to forecasting habitation prices. Journal RAS “Economics and mathematical methods”, volume 34-1, 1(2):85-90.

5. Ordway N., Friedman D., 1997. Income Property Appraisal and Analysis. Transl. From eng. Delo.

6. Green, Richard К. (1997), “Follow the leader: how changes in residential and nonresidential investment predict changes in GDP,” Real Estate Economics, 25(2), 253-70.

7. Gotham, Kevin Fox. The Secondary Circuit of Capital Reconsidered: Globalization and the U.S. Real Estate Sector // American Journal of Sociology №1 2006.

8. Green, Richard К. Imperfect information and the housing finance crisis. A descriptive overview // Journal of Housing Economics № 17 2008.

9. Sanders, Anthony. The Subprime crisis and its role in the financial crisis // Journal of Housing Economics №17 2008

10. 2000. Methodology of supply forecasting on basis of economic and demographic method. From the collector of CCIM Institute, Chicago, USA.

11. G.M. Sternik, S.G. Sternik, 2009. Analysis of real estate market for professionals. “Economics” puplisher, pp 606.

12. G.M. Sternik, A.U. Sapojnikov, 2000. Report on research: Development of real estate market informational and analytical system. By Gosstroj RF. pp 80. http://realtymarket.ru/konferencii/KONCEPCIYA-SOZDANIYA-OBSHENACIONALNOI-INFORMACIONNO-ANALITI-ESKOI-SISTEMI-RINKA-JILYA.html.

13. G.M. Sternik, 1998. Seven phenomena of Russia real estate market formation and development in terms of transition economics. Materials of international conference on habitation mathematical economics of European real estate market investigators network in Maastricht, june 1998. http://realtymarket.ru/konferencii/Sem-fenomenov-rossiiskogo-rinka-nedvijimosti.html.

14. G.M. Sternik, 1999. Russian real estate market: regularities of formation and development in terms of transition economics. «Questions of appraisal» №3, pp:2-24

15. G.M. Sternik, S.G. Sternik, 2008. The law of demand, supply and dealerships volume correlation in the real estate market. Journal «Ownership relationships in RF» № 12 (87), pp: 23-34.

16. G.M. Sternik, S.G. Sternik, 2008. Basic regularity of developing real estate markets. Journal «Ownership relationships in RF» № 11 (86), pp: 18-26.

17. G.M. Sternik, S.G. Sternik, 2009. Real estate markets typology by inclination to price bubbles formation. Journal «Ownership relationships in RF» № 8 (95), pp: 18-

18. G.M. Sternik, S.G. Sternik, 2010. Five macroeconomic laws of real estate market functioning as integral part of global financial market in transitive economics. Journal “Financial analytics: problems and solving” №11 (35), pp 15-29.

19. G.M. Sternik, A.H. Krasnopolskaya, 2008. Nonharmonic expantion of Moscow real estate market price dynamic. RAS journal “Economic science of contemporary Russia”, pp: 110-114

20. G.M Sternik, A.V. Pechenkina, 2007. Price forecasting for apartment supply in russian real estate market (macroeconomic approach). Journal «Ownership relationships in RF» №10(73), pp: 11-18.

21. A.V. Pechenkina, July 2007. Model building of demand price forecast on the Perm real estate market. http://realtymarket.ru/stati-kolleg/Postroenie-modeli-prognoza-cen-predlojeniya-na-rinke-jilya-g.-Permi.html

22. A.V. Pechenkina, 2008. Regression analysis method application in terms of real estate market prices forecasting. Materials of VI International scientifically practical conference “Russian contemporary financial market, Perm, 2008.

23. A.V. Pechenkina, 2008. Medium price forecasting method on the Perm real estate market. Materials of III Petersburg mortgage forum “Russian mortgage”, St. Petersburg, may 2008. http://realtymarket.ru/III-Peterburgskii-ipote-nii-forum/Vibor-metoda-prognozirovaniya-srednei-ceni-predlojeniya-na-rinke-jilya-goroda-Permi.html.

24. A.V. Pechenkina, 2010. Usage of multilevel factor model when forecasting regional real estate market situation (by the example of Perm territory). Journal «Ownership relationships in RF» № 11(110), Moscow.

25. Molchanova, M.J. and A.V. Pechenkina, 2011. Features of using methods of fundamental and technical analysis for predicting real estate market prices. Bulletin of Perm University. Economics., 3 (10).

26. Pechenkina, A.V., 2011. Development of theory and practice of real estate market prices prognoses. Modern real estate market of Russia, Perm (issue IX).

27. Snituk, V.E., 2003. Stochastic relaxation method application for real estate market prognoses.. Neuronets and their application, Kramatorsk.

28. Komarov, S.I., 2010. Land for individual residential purposes price prognoses (for Moscow), Abstract of a thesis.

29. Evstafiev, A.I. and V.A. Gordienko, 2007. Prognoses of real estate market indicators by means of two dimensional expansion of discrete spatial parametric model based on using neuronets. National real estate congress (issue XI)

30. Drobishevskiy, S.M., 2009. Price "bubble" on real estate market genesis possibility analysis. Moscow: Science works IEPP 128, pp: 136.

31. Sternik, G.M., 2008. Scenarium prognoses of Russian real estate market development. Residential building strategy of Russia, Moscow.

32. Vlasov, A.D., V.A. Ponko and S.V. Hizametdinov, 2007. Ecoprognoses. Novosibirsk: Siberian Scientific Centre.

33. G.M. Sternik. Methodology of habitant price forecasting in dependance on market type. // Ownership relationships in RF. 2010. №12..

34. G.M. Sternik. Pricing on Russian real estate market // Ownership relationships in RF. 2010. №5(104). pp. 67-83.

35. G.M. Sternik, A.V. Sviridov. Methodology of improvement and retrospective check of medium-term forecasting city (region) residential real estate market // Ownership relationships in RF. 2012. №8(131)..

36. G.M. Sternik, A.V. Sviridov. Improvement and retrospective check of medium-term forecasting local residential real estate market // Ownership relationships in RF. 2013. №9. С. taken to publication.

37. G.M. Sternik, A.V. Sviridov. Substantiation of target placement of accommodation volume (by the example of Moscow) // Ownership relationships in RF. 2013. №10. С. taken to publication.

Литература

1. Прикладное прогнозирование национальной экономики / под ред. В.В. Ивантера, И.А. Буданова, А.Г. Коровкина, В.С. Сутягина. – М.: Экономистъ, 2007 – 896 ч.

2. Стерник Г.М. Как прогнозировать цены на жилье (пособие риэлтору). – Изд. РГР, М.: 1996. – 60 с.

3. Стерник Г.М. Эконометрический анализ и прогноз цен на жилье в городах России. - Материалы международной конференции по эконометрии жилищного рынка Европейской сети исследователей жилищного рынка, Вена, февраль 1997.

4. Стерник Г.М. Статистический подход к прогнозированию цен на жилье. - Журнал РАН «Экономика и математические методы», том 34 вып.1, 1998, стр. 85-90.

5. Фридман Дж., Ордуэй Н. Анализ и оценка приносящей доход недвижимости. Пер. с англ. -М.: Дело, 1997.

6. Green, Richard К. (1997), “Follow the leader: how changes in residential and nonresidential investment predict changes in GDP,” Real Estate Economics, 25(2), 253-70.

7. Gotham, Kevin Fox. The Secondary Circuit of Capital Reconsidered: Globalization and the U.S. Real Estate Sector // American Journal of Sociology №1 2006.

8. Green, Richard К. Imperfect information and the housing finance crisis. A descriptive overview // Journal of Housing Economics № 17 2008.

9. Sanders, Anthony. The Subprime crisis and its role in the financial crisis // Journal of Housing Economics №17 2008

10. Методика прогнозирования спроса на основе экономико-демографического метода. – В Сб. материалов Института CCIM , Чикаго, США (пер. с англ.), 2000.

11. Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. - М.: Изд. «Экономика», 2009. – 606 с.

12. Отчет по НИР «Разработка концепции создания Федеральной информационно-аналитической системы рынка жилья (ФИАС)» //Стерник Г.М., Сапожников А.Ю. и др. по заказу Госстроя РФ, 2000.- 80 стр. http://realtymarket.ru/konferencii/KONCEPCIYA-SOZDANIYA-OBSHENACIONALNOI-INFORMACIONNO-ANALITI-ESKOI-SISTEMI-RINKA-JILYA.html.

13. Стерник Г.М. Семь феноменов становления и развития рынка жилья России в условиях переходной экономики. - Материалы международной конференции Европейской сети исследователей жилищного рынка, Маастрихт, июнь 1998. http://realtymarket.ru/konferencii/Sem-fenomenov-rossiiskogo-rinka-nedvijimosti.html.

14. Стерник Г.М. Рынок недвижимости России: закономерности становления и развития в условиях переходной экономики. – «Вопросы оценки», 1999, №3, стр. 2-24.

15. Стерник Г.М., Стерник С.Г. Закон соотношения объема спроса, предложения и сделок на рынке недвижимости. - Журнал «Имущественные отношения в РФ» № 12 (87), 2008, стр. 23-34.

16. Стерник Г.М., Стерник С.Г. Основная закономерность развивающихся рынков недвижимости. – Журнал «Имущественные отношения в РФ» № 11 (86), 2008, стр. 18-26.

17. Стерник Г.М., Стерник С.Г. Типология рынков недвижимости по склонности к образованию ценовых пузырей. - Журнал «Имущественные отношения в РФ» №8 (95) 2009, с. 18-28.

18. Стерник Г.М., Стерник С.Г. Пять макроэкономических законов функционирования рынка недвижимости как неотъемлемой составляющей глобального финансового рынка в транзитивной экономике. – Журнал «Финансовая аналитика: проблемы и решения», 2010, № 11(35), стр. 15-29.

19. Стерник Г.М., Краснопольская А.Н. Негармоническое разложение ценовой динамики рынка жилья Москвы. - Журнал РАН «Экономическая наука современной России» № 2008, стр. 110-114.

20. Стерник Г.М., Печенкина А.В. Прогноз цен предложения квартир на российском рынке жилья (макроэкономический подход). – Журнал «Имущественные отношения в РФ», №10 (73), 2007, стр. 11-18.

21. Печенкина А.В. Построение модели прогноза цен предложения на рынке жилья г. Перми. - http://realtymarket.ru/stati-kolleg/Postroenie-modeli-prognoza-cen-predlojeniya-na-rinke-jilya-g.-Permi.html, июль 2007.

22. Печенкина А.В. Применение метода регрессионного анализа при прогнозировании цен на рынке жилья. - Материалы VI Международной научно-практической конференции «Современный финансовый рынок Российской Федерации», Пермь, 2008.

23. Печенкина А.В. Выбор метода прогнозирования средней цены предложения на рынке жилья города Перми. – Материалы III Петербургского ипотечного форума «Ипотека России». – 2008, Санкт-Петербург, май 2008. http://realtymarket.ru/III-Peterburgskii-ipote-nii-forum/Vibor-metoda-prognozirovaniya-srednei-ceni-predlojeniya-na-rinke-jilya-goroda-Permi.html.

24. Печенкина А.В. Использование многоуровневой факторной модели при прогнозировании ситуации на региональном рынке недвижимости (на примере Пермского края). - Журнал «Имущественные отношения в Российской Федерации» № 11 (110), Москва, 2010.

25. Молчанова М.Ю., Печенкина А.В. Особенности использования методов фундаментального и технического анализа при прогнозировании цен на рынке недвижимости региона. - Журнал «Вестник Пермского университета. Серия «Экономика». Выпуск 3(10), Пермь, 2011

26. Печенкина А.В. Развитие теории и практики прогнозирования цен на рынке жилья. - Материалы IX Международной научно-практической конференции «Современный финансовый рынок Российской Федерации», Пермь, 2011.

27. Снитюк В.Е. Применение метода стохастической релаксации для прогнозирования рынка недвижимости. Международная научная конференция «Нейросетевые технологии и их применение. − Краматорск. − 2003.

28. Комаров С. И. Прогнозирование стоимости земельных участков для индивидуального жилищного строительства (на примере Московской области). - Автореферат диссертации, 2010.

29. Евстафьев А.И., Гордиенко В.А. Прогнозирование индикаторов рынка недвижимости путём двумерного разложения дискретной пространственно-параметрической модели на основе применения нейросетей. – Материалы Х1 Национального конгресса по недвижимости, - М.: 2007.

30. Дробышевский С.М. Анализ возможности возникновения «пузыря» на российском рынке недвижимости. – М.: Научные труды ИЭПП №128, 2009. – 136 с.

31. Стерник Г.М. Сценарный прогноз развития рынка жилья городов России. – Материалы Всероссийской конференции «Стратегия развития жилищного строительства в России». – М., 1.10.2008.

32. Власов А.Д., В.А. Понько, С.В. Хизаметдинов, Сибирский научный центр «Экопрогноз», Новосибирск, 2007.

33. Стерник Г.М. Методика прогнозирования цен на жилье в зависимости от типа рынка. – Журнал «Имущественные отношения в РФ» №12, 2010.

34. Стерник Г.М. Ценообразование на рынке жилья России. – Журнал «Имущественные отношения в РФ» № 5 (104), 2010, стр. 67-83.

35. Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона) – Журнал «Имущественные отношения в РФ» №8 (131) 2012.

36. Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. - «Имущественные отношения в Российской Федерации», № 9, 2013 (принято к опубликованию)

37. Стерник Г.М., Свиридов А.В. Обоснование целевых объемов ввода жилья
(на примере Москвы). - «Имущественные отношения в Российской Федерации», № 10, 2013 (принято к опубликованию).



[1] Под фазами цикла в макроэкономической литературе понимается 4 временных отрезка динамики цен, именуемые «спад (рецессия)» - Recession), «восстановление (оживление)” - Recovery, «подъем (рост)» - Expantion, «перепроизводство (избыточное предложение)” - Oversupply. Понятие «стадия цикла» введено в [2] и обозначает отрезки динамики с приблизительно одинаковым темпом роста цен.

[2] Примечание: показатели, отмеченные звездочкой*, взаимозаменяемы.

[3] Блоки-модули – это самостоятельные блоки, которые могут использоваться либо не использоваться при расчетах.

Стерник Г.М., Стерник С.Г., Свиридов А.В. Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости

(Урбанистика и рынок недвижимости. – 2014. – № 1. – С. 53-93)
Категория: методические материалы

Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости

Стерник Геннадий Моисеевич, профессор кафедры «Управление проектами и программами» РЭУ им. Г.В. Плеханова, канд. техн. наук.

Стерник Сергей Геннадьевич, зам. по научной работе декана факультета экономики недвижимости РАНХиГС при Президенте РФ, д.э.н., профессор.

Свиридов Алексей Викторович, аспирант профессор кафедры «Управление проектами и программами» РЭУ им. Г.В. Плеханова.

Стерник Геннадий Моисеевич

Стерник Сергей Геннадьевич

Свиридов Алексей Викторович

Федеральное государственное бюджетное образовательное учреждение

высшего профессионального образования «Российский экономический университет имени Г.В. Плеханова»

Российская Федерация, г. Москва, 117997, Москва, Стремянный переулок, д.36

Тел. (499) 237-86-56

Annotation

In this article a survey and analysis of existent forecasting real estate market development methods are represented. Native and foreign authors works are viewed. There has been discovered advantages and scopes of each method, evolution of forecasting methods that are applied in Russian territory starting from 1996 till present has been retraced including detailed overview of the latest and possessing the most successful forecasting abilities methodology based on imitating (stepped) block-module iterative model with feedbacks. Also there are results of approval and retrospective test of this methodology, that confirm its justifiability. Besides there has been carried out some calculating experiments revealing an impact of macroeconomic and sectoral parameters on market development dynamics. This experiments bear out the possibility of methodology usage for target placement of accomodation.

Аннотация

В настоящей статье представлен обзор и анализ существующих методов прогнозирования развития рынка недвижимости. Рассмотрены работы отечественных и зарубежных авторов. Выявлены достоинства и границы применимости каждого из методов. Прослежена эволюция методов прогнозирования рынка недвижимости, применяемых на территории РФ начиная с 1996 года по настоящее время, в том числе подробно рассмотрена наиболее новая и обладающая наибольшими прогностическими способностями методика, основанная на использовании имитационной (пошаговой) блочно-модульной итерационной модели с обратными связями. Также приведены результаты апробации и ретроспективной проверки данной методики, подтверждающие состоятельность методики. Кроме этого, проведен ряд расчетных экспериментов по влиянию на динамику развития рынка макроэкономических и отраслевых параметров, подтверждающих возможность использования данной методики для обоснования целевых объемов ввода жилья.

Key words:

Real estate market, factors of real estate market, prognostic methodologies, mathematic models, simulation model, target placement of building volume.

Ключевые слова:

Рынок недвижимости, факторы рынка недвижимости, методики прогнозирования, математические модели, имитационная модель, обоснование объемов ввода жилья.

Проблема прогнозирования развития рынка недвижимости в трансформирующейся экономике России. Исходя из известного положения акад. В.В. Ивантера о том, что экономическое прогнозирование – это попытка оценить последствия какого-либо действия или бездействия власти, бизнеса и общества [1], рассмотрим проблемы прогнозирования рынка недвижимости России с начала его зарождения в формирующейся рыночной экономике, когда в условиях гиперинфляции и обвальной девальвации национальной валюты государство пыталось обеспечить доступность жилья для населения, по сегодняшний день.

С самого начала новейшей истории рынка недвижимости России в первую очередь были востребованы (и наиболее широко используются по настоящее время) экспертные предсказания – наименее формализованный метод, вызывающий обоснованное доверие в случае высказываний опытных экспертов о качественных тенденциях рынка (обычно в краткосрочном периоде – несколько месяцев), но и вызывающий неудовлетворенность потребителей прогнозов при попытках дать количественные оценки.

Несмотря на то, что первые формализованные, расчетные прогнозы (среднесрочные – на 1-3 года) появились уже в 1995 году [2-4], создание и совершенствование методов прогнозирования сталкивалось и до настоящего времени сталкивается с существенными трудностями.

Первое. Неприспособленность сложившихся в плановой экономике методов народно-хозяйственного прогнозирования на основе отраслевых балансов к прогнозированию в условиях рыночной экономики. Примером такой неприспособленности являются многочисленные попытки прогнозирования развития строительного комплекса как отрасли народного хозяйства в отрыве от макросистемы - рынка недвижимости, включающей этот комплекс в качестве производственной подсистемы наряду с подсистемой финансирования оборота недвижимости из доходов и накоплений граждан, ипотечного кредитования и других источников.

Второе. Неприспособленность стандартных эконометрических методов к прогнозированию тенденций рынка недвижимости в современных условиях.

Имеющиеся данные показывают, что в развитом рынке динамика цен на жилье не столь значительна, и в пределах десятилетних долгосрочных циклов (т.е. при исключении кризисных стадий) ее прогнозирование не представляет интереса. Отсюда рекомендации в методической литературе: если прогнозируется положительная динамика, то принимать годовой прирост цен в пределах 10%, если отрицательная – то -10% [5].

Эмпирическая литература периодически отмечает наличие «длинных циклов» на рынке недвижимости. Так, в исследовании «The Cyclical Behavior of the National Office Market» (1987) William Wheaton показал циклы в инвестиционной активности и вакантных площадях на рынке офисной недвижимости длиной в 10 лет для рынка США. Ball, Lizieri and MacGregor в исследовании «The Economics of Commercial Property Markets, London and New York: Routledge» (1998) показали, что циклы в коммерческой недвижимости Великобритании также составляют около 10 лет. Есть и другие оценки по длине циклов на рынке недвижимости, в среднем длина цикла составляет 10-20 лет.

В новейшей истории России отмечено два долгосрочных цикла продолжительностью около 10 лет. Если отмерять начало и конец цикла по нижним по уровню цен точкам, то в Москве в фазе роста первого десятилетнего цикла (июнь 1990 – август 1998 г.) цены выросли (в долларах) в 12 раз, второго (июнь 2000 – октябрь 2008 г.) – в 11,5 раза (рис. 1), причем этот рост по стадиям[1] динамики был существенно неравномерным [6].

В результате столь высокой волатильности динамики цен на развивающемся рынке жилья применение стандартных эконометрических методов регрессионного моделирования и прогнозирования ценовых трендов, прекрасно работающих в области монотонного изменения динамики, возможно лишь в краткосрочном периоде (8-18 месяцев), и это сопряжено с риском непредсказуемой ошибки вследствие возможного перелома тенденций в среднесрочном периоде.

 


Figure 1. Dollar price indexes growth on the Moscow real estate market in 1990-2012 years

Индексы роста долларовых цен на рынке жилья Москвы в 1990-2012 годах

Третье. Непригодность методов, разработанных в странах с развитой рыночной экономикой, к прогнозированию в странах с переходной экономикой.

Западные макроэкономисты вплоть до начала 2000-х годов не выделяли недвижимость как особый товар от других товаров и не рассматривали собственные закономерности функционирования рынка недвижимости. Лишь статья Ричарда Грина “Следуя за лидером: как изменения в жилищных и нежилищных инвестициях предсказывают изменения в ВВП” (1997) показывает, что, в отличие от макроэкономистов, западные отраслевые экономисты рынков строительства и продажи недвижимости задолго до последнего финансового кризиса задавались вопросами: важно ли, чтобы рынок недвижимости был включен в макроэкономический анализ и прогноз, и наоборот? Что должно быть областью макрожилищного исследования? Как связаны фазы бизнес-циклов на рынках недвижимости с макроэкономическими циклами? [6].

Однако с тех пор как Кевин Готхэм в своей статье, написанной перед началом последнего мирового кризиса (2006), показал степень вовлечённости системы жилищного финансирования США в глобальную финансовую систему [7], стало понятно, что ключевой институциональной проблемой экономики США является то, что никакие экономические прогнозы не включают в себя оценку вероятности системного кризиса на рынке недвижимости. Ситуация тотальной несостоятельности методологии финансового анализа и инвестиционного прогнозирования рынков недвижимости в США подтверждается и в статье Ричарда Грина (2008), который обращается к проблеме ассиметрии информации на финансовом рынке [8] . Он приходит к выводу о том, что именно информационные проблемы привели к неверной оценке рисков, связанных с ипотечными активами, что создало условия для распространения кризиса. Этот вывод подтверждает в своей статье и Энтони Сандерс. На основании данных о ценах жилья и дефолтах по ипотечным кредитам, он показывает наличие структурного сдвига в их отношении после начала кризиса. Эти результаты указывают, что не всегда на основании исторических данных можно предсказать уровень финансового риска в случае наступления кризиса. Так, количество дефолтов по кредитам в кризис существенно превзошло количество, которое можно было предсказать при данном уровне падения цен [9].

Поэтому, с учетом того, что рынки недвижимости, в отличие от финансовых и товарных, являются менее совершенными и конкурентными, сегодня, в результате исследований механизмов мирового кризиса, экономисты как в США, так и в России согласны, что рынки недвижимости являются частью глобального финансового рынка и нуждаются в разработке и внедрении собственной методологии научного прогнозирования.

В специализированных зарубежных источниках имеется работа, посвященная прогнозированию на рынке недвижимости, причем не цен, а спроса на жилье [10]. Эта задача является актуальной для девелоперов, планирующих строительство в различных городах США. Анализируемой методикой предусмотрено, что объем спроса в прогнозируемом периоде определяется количеством домохозяйств, миграционный приток в город которых прогнозируется с учетом планируемого увеличения занятости в базовых и небазовых отраслях экономики города, с учетом размеров домохозяйства (числа членов семьи) и принятой в данной местности нормы обеспеченности жильем (в кв. м на человека).

Основная формула методики:

Dunits = Nb x Meb x Kn, шт.; Dareal = Dunits x n x S, кв. м,

где Dunitsпрогнозируемый объем спроса на жилые помещения, шт.;

Nbпрогнозируемое увеличение базисной занятости (занятости в экспортно-ориентированных отраслях) за счет миграционного притока, чел.;

Mebмультипликатор экономической базы (отношение общей занятости в экономике города к занятости в базовых отраслях);

Knкоэффициент незанятости (отношение общей численности населения к общей занятости);

Darealпрогнозируемый объем спроса на площади и поглощения площадей, кв. м;

nсредняя численность домохозяйства в городе, чел.;

Sсредняя обеспеченность населения жильем в данном регионе, кв. м/ чел.

Практика апробирования данной методики в российских условиях показала, что она может быть ограничено использована в специальных условиях строительства технопарков и иных подобных территориально-производственных образований, а для применения в сложившихся городах с многопрофильной экономикой она непригодна [11]. Причинами такого положения являются принятые в методике допущения, естественные для развитого рынка (вне кризисных периодов), но не соответствующие закономерностям развивающегося рынка:

- относительно связи рынка труда и миграции (планируемое открытие новых рабочих мест в городе вызывает адекватный приток мигрантов вместе с семьями, причем пропорционально увеличивается численность населения за счет роста численности сферы обслуживания, медицины, транспорта и т.д. и дополнительного притока мигрантов в них);

- относительно закономерностей развитого рынка недвижимости, заключающейся в приблизительном равенстве (тождестве) объемов строительства, предложения, спроса и поглощения площадей.

Четвертое. Информационная закрытость рынка недвижимости России. В отличие от развитых рынков, где давно сложились лицензированным государством статистические бюро, обеспечивающие специалистов полной и достоверной информацией и показателях рынка недвижимости, в России за 20 лет продвижения к нормальной открытой статистике все еще далеко от завершения.

Использование подобных структур в российских условиях затруднено не только в силу их отсутствия, но и прежде всего в силу информационной закрытости отечественного рынка, высокой доли ценовых искажений, «серого» оборота, теневых (незарегистрированных) сделок и др.

Рынок недвижимости принято разделять на рынок строительства и продажи квартир (договоров долевого участия) в строящихся домах (первичный рынок) и рынок купли-продажи готового жилья (вторичный рынок). Что касается информации о ходе строительства, то Росстат, как преемник статистического ведомства СССР, сделал попытку сохранения имевшейся системы статистического наблюдения. Однако, механизмы сбора данных через местные органы планирования разрушились, а статистическая отчетность частных строительных компаний, аккумулируемая местными статорганами, в значительной степени искажает информацию. Несмотря на распоряжения правительства, местные органы управления за редкими исключениями (Москва, Санкт-Петербург и некоторые другие регионы) не создали реестры строящегося жилья и не владеют первичными данными. Другая часть показателей, касающаяся цен на первичном и вторичном рынке, оборотов вторичного рынка, долгое время была Росстату недоступна, и лишь в последние 10 лет был налажен сбор этих данных по специфической методике, аналогичной методике сбора данных на рынках товаров и услуг (что приемлемо при подсчете потребительской инфляции, но не всегда приемлемо на рынке недвижимости). Поэтому и сегодня большинство специалистов не доверяет данным Росстата, тем более что доступ к ним (особенно в разрезе городов/муниципальных образований) затруднен.

В связи с этим в России с самого начала развития рынка недвижимости начали создаваться информационно-аналитические, консалтинговые компании, которые взяли на себя функции сбора и анализа первичной рыночной информации и получения достоверной статистики различных сегментов рынка, исследованием и прогнозированием тенденций развития рынка. В начале нулевых годов государство осознало необходимость создания системы сбора и обработки информации о рынке недвижимости, однако разработанная по заказу Госстроя РФ концепция создания Федеральной информационно-аналитической системы рынка жилья (ФИАС РЖ) [12] не получила запланированного финансирования. Функция налаживания сбора данных и получения необходимой статистики осталась за профессиональными общественными организациям типа Российской Гильдии риэлторов (РГР), где эта работа выполнялась на волонтерской основе, и коммерческими организациями. Наконец, в последние годы этим начали заниматься также и созданные государством институты: Росрегистрация, Агентство по ипотечному жилищному кредитованию (АИЖК), и главным образом - Федеральный Фонд содействия развитию жилищного строительства (Фонд РЖС), который подключил коммерческие консалтинговые структуры к наполнению создаваемой им Единой аналитической информационной системы (ЕАИС).

Пятое. Недостаточная изученность закономерностей развития рынков недвижимости. С одной стороны, это является следствием предыдущего пункта - недостатка информации о рынке, с другой – следствием все еще не сложившейся законодательно-правовой базы рынка, непрерывного и существенного изменения «правил игры», гипертрофированного влияния на рынок политических решений федеральных и местных властей, что делает объективно существующие закономерности неустойчивыми и слишком часто изменяющимися. Тем не менее, на сегодняшний день ряд устойчивых закономерностей развивающегося рынка недвижимости России изучены [11, 13-18] и могут быть использованы при совершенствовании методик прогнозирования на рынке недвижимости.

Основные допущения, ограничения и рабочие гипотезы методологии прогнозирования развития рынка недвижимости. Развитие любого отраслевого розничного рынка зависит от соотношения трех фундаментальных факторов:

- степени глобальной потребности населения в экономическом благе, формирующем данный рынок (степени приоритета в структуре потребностей);

- степени дефицита данного экономического блага (развития адекватного предложения);

- доходов населения (экономической доступности блага и эластичности платежеспособного спроса на него по цене и по доходам населения).

Очевидно, что текущее состояние и прогноз перечисленных фундаментальных экономических факторов для рынка недвижимости (далее - РН), в свою очередь, зависят от меняющейся иерархии макро- и микроэкономических факторов, от государственного регулирования и институционального развития рынка, а также от состояния строительных ресурсов.

Здесь необходимо уточнить системное понимание, собственно, объекта прогнозирования.

Используемое в литературе и практике по настоящее время понятие "строительная отрасль" как объект государственного управления не полностью отражает сущность реальных экономических отношений. Понятия «инвестиционно-строительный комплекс», «рынок строительства и продажи недвижимости», «первичный рынок недвижимости» больше соответствуют современному пониманию рассматриваемой сложной системы как совокупности производственных и непроизводственных отраслей, а также организационно-экономического механизма управления ими, обеспечивающих в форме капитальных вложений расширенное воспроизводство основных фондов (включая жилой фонд, а также реализацию государственной политики в жилищной сфере).

Таким образом, с точки зрения системного экономического анализа, строительная отрасль – производящий компонент (элемент) РН как сектора национальной экономики (сложной социально-экономической системы) [11].

В основу изучения РН положены представления о том, что он является сложной социально-экономической управляемой и саморегулируемой системой. В соответствии с этим, исследование проводится на основе принципов системного подхода к исследованию сложных объектов. К ним относится:

- изучение функционирования объекта не как изолированного, а как включенного в макросистему (внешнюю среду), и, следовательно - изучение условий функционирования объекта во внешней среде (экономические и политические условия в городе, регионе, стране, в мире);

- вычленение объекта из макросистемы, четкое определение границ исследуемой системы и элементов макросистемы;

- расчленение (многоуровневую декомпозицию, дезагрегирование) структуры объекта и процессов его функционирования на элементы (составные части), изучение элементов раздельно, и обратный синтез (объединение, агрегирование) элементов на подсистемы все более высокого уровня.

Существенные аспекты прогнозирования состояния системы:

- фундаментальной особенностью продукции строительства является ее территориальная закрепленность (что придает любым исследованиям РН четко выраженный региональный аспект);

- одновременно с пространственной закрепленностью предложения на РН, глобальный платежеспособный спрос на данном рынке для России экстерриториален;

- инвестирование и проектное финансирование строительства на региональных РН, в силу глобализации финансовых рынков, может осуществляться на местном, на межрегиональном, и на транснациональном уровне, что переводит всю систему региональных строительных проектов на глобальный экономический уровень. При этом вторичный и первичный рынки недвижимости системно объединены и зависимы между собой как экономические категории «запас» - «поток».

С этой точки зрения на рынке жилья в развивающейся экономике России сложились следующие условия экономического воспроизводства:

- глобальная потребность действует долгосрочно как основополагающий генератор развития;

- адекватное предложение хронически отстает от глобального спроса по количеству и качеству;

- экономическая доступность блага в целом пока мало соответствует доходам населения.

При этом необходимо подчеркнуть, что в России жилье значительно чаще приобретается за т.н. «серые доходы» населения, чем за счет семейных накоплений, легальных доходов, ипотеки и др.

Таким образом, в ближайшие десятилетия, пока глобальный дефицит жилья в России не будет исчерпан, циклы реального роста рынка, в основном, будут прямо связаны с мировым и национальным глобальным финансовым рынком через механизм «рост денежной массы – рост суммарных доходов населения – рост рынка жилья – рост остальных сегментов РН».

Многолетние исследования РН России как сектора национальной экономики с момента его образования [11] подтвердили действенность на этом рынке перечисленных положений экономической науки и позволили сформулировать изложенную ниже экономическую парадигму его расширенного воспроизводства, зависящего от платежеспособного спроса:

·                   Ключевым фактором развития РН в переходных экономиках (приоритетно исследуемым страновым и региональным макроэкономическим статистическим показателем) является показатель суммарного легального и теневого дохода населения с учетом изменяющейся склонности к потреблению, инвестированию, сбережению и накоплению.

·                   В разные периоды развития рынков данный показатель зависит от разных причин импульсного роста денежной массы (макроэкономических денежных потоков) и преобладающих механизмов образования «серых» доходов населения:

- периодов либерализации предпринимательской деятельности и приватизации в различных кластерах;

- периодов интенсивных бюджетных инвестиций в различные национальные и региональные программы, проекты, предвыборные кампании и др.;

- «газово-нефтяного» роста, «ипотечно-нефтяного» роста и др. [11].

Главные выявленные свойства РН как динамической системы, оказывающей сопротивление действию ключевого интегрального фактора:

- неравномерность пространственного развития;

- цикличность параметрического развития в рамках неравномерности пространственного развития.

Организационно-экономический механизм функционирования и инвестиционного развития РН как подсистемы национальной экономики заключается в том, что, являясь саморегулируемой системой, РН подвергается управляющему и регулирующему воздействию государства в трех аспектах:

- как сфера, объединяющая предприятия отрасли;

- как территориально-распределенная система;

- как элемент системы территориальных рынков (социально-экономических систем).

Поэтому разработанная концепция рынка недвижимости (РН) как объекта статистического наблюдения и финансового математического моделирования определяет необходимость анализа и моделирования следующих конкурирующих рыночных макропроцессов:

- экономически эффективного решения социальных задач, связанных с созданием и использованием полезных свойств недвижимости;

- экономического перераспределения инвестиционных потоков между конкурирующими способами использования земель и видами недвижимости;

- экономического перераспределения всех видов прав на объекты недвижимости от одного экономического субъекта к другому;

- экономической защиты возникающих у субъектов прав (обеспечения экономической ликвидности вещных и иных прав на недвижимое имущество);

- экономически свободного (саморегулируемого) формирования цен на объекты и услуги.

Инфраструктура рынка недвижимости как объекта моделирования и прогнозирования представляет собой совокупность следующих элементов:

- объекты недвижимости,

- экономические субъекты, оперирующие на рынке,

- процессы функционирования рынка, т.е. процессы производства (создания), потребления (использования, эксплуатации), обмена (торгового оборота) объектов недвижимости и управления (менеджмента),

- механизмы, обеспечивающие функционирование рынка (институциональная и правовая среда).

Методологически важнейшим инструментом математического моделирования инфраструктуры РН является процедура классифицирования объектов, которую необходимо проводить заново при каждом региональном исследовании. Принципы, алгоритмы, степень точности и детализации любого классифицирования, т.е. создания информационной модели множества элементов, расчлененного на группы по определенному признаку, не универсальны, так как строго зависят от цели классифицирования.

Целью рыночного классифицирования объектов недвижимости является выделение сегментов РН, различающихся по закономерностям ценообразования и бизнес-процессов (при этом необходимо отметить, что сегменты рынка образуются с помощью классифицирования всех элементов инфраструктуры рынка: объектов, субъектов и процессов).

Обратной процедурой, необходимой, например, для прогнозирования спроса на продукт инвестиционного проекта, является процедура квалифицирования объекта как товара РН, в сегменте с уже разработанной классификацией объектного состава. Поэтому, в интересах рыночного анализа, классификация объектов РН как материальных (физических) объектов и как объектов экономико-правовых и социальных отношений, а также по любой другой группе признаков, - должна быть адекватна цели последующего квалифицирования объектов по данному признаку как товаров РН.

На основании изложенного, разработанная общая методология прогнозирования развития РН как сектора национальной экономики строится на модели «влияние ключевого интегрального фактора динамики (свободная денежная масса, доходы населения) – сопротивление системы элементов и факторов» и основывается на дискретном пространственно-параметрическом статистическом (кластерном) анализе и мониторинге каких-либо совокупностей региональных и локальных рынков. Обязательными для наблюдения количественными индикаторами состояния каждого локального РН являются объемные, ценовые и доходные показатели во всех фактически имеющихся или вновь образующихся на данном рынке сегментах (типах и классах недвижимости, с территориальным дифференцированием). Обязательными для определения качественными признаками каждого локального РН в исследуемом РН, как составной статистической совокупности, являются:

- экономический тип рынка (степень экономического и институционального развития рынка);

- фаза и стадия рыночного цикла;

- текущая и прогнозируемая стратегия основных участников рынка, включая государство;

- тенденции локальной зоны торговли (продуктами проектов локального РН).

Эволюция методов прогнозирования, применяемых на рынке недвижимости России. Применяемые на рынке недвижимости России в девяностые-нулевые годы методы прогнозирования весьма разнообразны [2-4, 19-35], но в общем виде могут быть разделены два крайних подхода: эвристический (логико-аналитический), или фундаментальный анализ, и математический, или технический анализ. По нашему мнению, наиболее эффективными и обладающими наибольшей прогностической способностью являются комбинированные методы, включающие в себя элементы обоих этих подходов.

Первая же работа, посвященная прогнозированию на зарождающемся рынке недвижимости России [2], содержала две методики, работающих совместно: эвристическую и математическую, основанную на регрессионно-статистической модели.

Эвристический подход (один из вариантов фундаментального анализа) к прогнозированию цен на объекты недвижимости состоит в логическом, использующем как количественные, так и качественные данные, анализе факторов, формирующих тенденции изменения цен, и выявлении результирующей тенденции.

Сбор и анализ информации о фундаментальных факторах динамики становления рынка в 1990-1994 годах и ситуации на рынке к концу 1994 года (резкое повышение объема предложения вследствие приватизации жилья) и в экономике (начало стабилизации) позволил с помощью эвристической методики получить качественный прогноз о намечающемся переломе тенденций и переходе рынка в стадию стабилизации. Эта гипотеза была положена в основу в методике, основанной на регрессионной статистической модели.

Статистический метод состоит в использовании динамического ряда значений уровня цен для построения статистической модели процесса и получении на ее основе экстраполяционного прогноза. Однако, его применение эффективно в стационарных процессах с монотонной динамикой, и при этом экстрополяционные уравнения (даже лучшие из них типа ARIMA), обеспечивая малую погрешность прогноза, не исключают высокую вероятность ошибки в случае перелома тенденции.

Если же вид уравнения регрессионной модели задан аналитиком не подбором подходящего сглаживания, а исходя из гипотезы о возможном характере протекания моделируемого процесса, то такая модель может иметь значительную прогностическую способность.

Именно такая модель была разработана в [2-4] и применена для прогнозирования динамики вторичного рынка жилья в Москве, Твери, Екатеринбурге, Рязани, Барнауле в 1995 году:

V (Т) = А / (1 + ехр (B - CT)),

где V- средняя за период (среднемесячная) удельная цена общей площади квартиры;

Т - порядковый номер периода (месяца);

А, В и С - постоянные коэффициенты (параметры модели).

 


Figure 2. The dynamic of medium specific prices of real estate in Moscow and Saint-Petersburg from June 1990 – December 1994 and a forecast for logistic model till December 1998

Динамика средних удельных цен на жилье в Москве и Санкт-Петербурге в июне 1990 - декабре 1994 года и прогноз до декабря 1998 года по логистической модели

Подобная логистическая модель используется в теории систем автоматического регулирования для любого переходного процесса (изменение некоторого параметра системы при ее переходе из одного состояния в другое, например, при взлете самолета). Но если рынок представляет собой самонастраивающуюся, саморегулируемую систему, то его развитие должно подчиняться подобной закономерности, и эта закономерность является общей как для технических, так и для социально-экономических систем [2].

В октябре 2000 года, через два года после начала кризиса, была построена новая модель (аналогичная модели выхода самолета из пике) вида

V = B0-B1/(B2+exp((B3*Т+B4)2)).

Эта модель использовалась при прогнозировании динамики цен в Москве на 2001 и 2002 гг. (рис. 3). Модель дала прогноз высокой точности о переходе рынка к росту в 2001 году и к стабилизации к середине 2002 года, после чего началась новая стадия роста, не предсказанная моделью.

 


Figure 3. The dynamic of medium specific prices of real estate in Moscow in 2000 and a forecast for logistic model in 2001-2002

Рис. 3. Динамика средней удельной цены жилья в Москве в 2000 году и прогноз на 2001-2002 годы по логистической модели

Применение этих моделей подтвердило, что при высокой прогностической способности в среднесрочном периоде они обладают существенным ограничением: после перехода системы в новое состояние модель описывает стабилизацию и не предсказывает то или иное изменение трендов.

В дальнейшем, по мере продолжающегося (пусть и колебательного) роста цен на нефть, в среде макроэкономистов и политиков сложилось представление о начале долгосрочного устойчивого роста экономики России. Это позволило при среднесрочном прогнозировании от использования логистических моделей разового перехода системы в новое состояние перейти к колебательным моделям.

К середине нулевых годов были накоплены длинные ряды наблюдений динамики цен на рынке недвижимости. В июне 2006 года была разработана методика прогнозирования, основанная на следующих предпосылках [19-20].

Аппроксимация ценового тренда за 6 лет (полиномом второго порядка) показала, что рынок жилья Москвы, как и других городов России, находится в начале полупериода роста (точнее, в первой четверти периода) «длинного» цикла колебаний, ответственность за который несет исторический дефицит жилья на фоне совокупности макроэкономических показателей. Это уравнение было названо «базовый тренд», и он принят как основа для долгосрочного прогноза динамики цен, с возможным переломом тенденции в 2010-2011 году (переход рынка недвижимости во вторую четверть цикла) (рис. 4).


Figure 4. Approximation of long-term price trend (Moscow)

Рис. 4. Апроксимация долгосрочного ценового тренда (Москва)

Но на рынке недвижимости действуют и другие факторы, которые накладывают на базовый тренд более быстропротекающие, среднесрочные и краткосрочные колебания. Например, связанные с строительно-инвестиционным циклом, с развитием инфраструктуры рынка строительства жилья, с потребительским поведением граждан и т.д.

Эти колебания на рынке жилья реализовывались в фазе роста долгосрочного цикла не в колебаниях цен, а в колебаниях первой производной – темпов прироста цен относительно базового тренда.

Сущность метода изучения динамики рынка, разработанного летом 2006 года и названного нами методом негармонического разложения ценового тренда, сводится к переходу от изучения динамики исследуемой величины (собственно цен) к исследованию первой (приросты, или скорость роста), затем второй (скорость роста приростов, или ускорение роста цен) и т.д. производной – динамических рядов темпов прироста величин относительно аппроксимирующей функции предыдущего уровня.

Графики на рис. 5 показывают достаточно стабильную периодичность колебаний «среднего» тренда: полтора года - рост и около года – снижение. При этом амплитуды колебаний приростов росли. Положительные максимумы принимали значения 111, 216, 794 $/кв. м в месяц (соотношение 1:1,9:3,7). Иными словами, абсолютные значения положительной полуамплитуды удваивалось вместе с удвоением значений базового тренда. Отрицательные максимумы принимали значения 98, 374 $/кв. м в месяц, т.е. вторая полуамплитуда втрое больше первой и в 1,7 раза больше второй положительной полуамплитуды. Такие параметры колебаний можно принять в качестве ориентировочных при прогнозировании тенденций изменения темпов роста цен относительно базового тренда (параболы второй степени).

Математическая модель-прогноз состоит из следующей системы уравнений:

Y = y + Δy2 + Δy3 + Δy4 + …. + Δyn, (1)

y = a3 x3 + a2x2 + a1x + a0 , (2)

Δy1 (3);

Δy2 = (4);

Δy3 = (5);

………………………………………..

Δyn = (6),

где Y – прогнозное значение средней удельной цены предложения жилья в месяце х;

y – уравнение базового тренда (долгосрочный прогноз);

Δy1 – прогноз приростов средней удельной цены предложения жилья в месяце х относительно базового тренда;

Δy2 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда второго порядка;

Δy3 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда третьего порядка;

Δyn - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда предпоследнего порядка;

а, b, c, d, р с индексами – коэффициенты уравнений (трендов различного порядка), аппроксимирующих фактические данные.

Модели (3) – (6) сформированы как уравнения модифицированной синусоиды /20/. Например, в июле 2007 года уравнение динамики первой производной приняло вид

, R2=0,8408.

Опыт вычислений показал, что в связи с последовательным уменьшением амплитуды отклонений приростов цен от предшествующей аппроксимации в 2-3 раза (рис. 5) на практике достаточно ограничиться двумя-тремя итерациями расчета производной.

 


Figure 5. Dynamics and forecast of the first and the third derivative value

Рис. 5. Динамика и прогноз значений первой и третьей производной ценового тренда (Москва)

До октября 2008 года модель демонстрировала высокую точность (рис. 6). Но кризис 2008 года отменил сделанные ранее прогнозы.

«Лишь немногие экономисты видели приближение нынешнего кризиса. В самых распространенных математических моделях, которыми пользовались для прогнозирования экономисты, ничто не предполагало саму возможность коллапса вроде того, что случился в минувшем году» (Пол Кругман, нобелевский лауреат, 2009 год).


Figure 6. Superposition and gaining medium-term forecast of prices dynamic on the Moscow real estate market

Рис. 6. Суперпозиция и получение среднесрочного прогноза динамики цен на рынке жилья Москвы

Динамическая статистическая модель приведенного ранее вида содержит одну независимую переменную, один фактор – время. Более продвинутым считается многофакторное моделирование вида

Y = f (X1, X2, X3, Т).

С середины нулевых годов ряд специалистов начали активно развивать эти методы применительно к прогнозированию динамики цен на рынке недвижимости [21-26].

Включение в модель других факторов может повысить качество аппроксимации, приблизить модель к фактическим данным периода предыстории. Однако, метод обладает принципиальными недостатками:

1) это не всегда означает повышение точности прогноза, т.к. предварительно необходимо дать прогноз изменения каждого из входных индикаторов, что повышает вероятность общей ошибки;

2) методы регрессионного многофакторного прогнозирования разработаны для линейных (в лучшем случае – линеаризированных) моделей, а известные зависимости цена-фактор часто принципиально нелинейны;

3) метод основан на классе «аналитических» моделей, не позволяющих учитывать сложные связи (прежде всего обратные) между факторами.

Мощным методом прогнозирования, адаптированным для рынка недвижимости в середине нулевых годов, является метод нейронных сетей [27-29]. Это класс аналитических методов многофакторного моделирования, построенных на принципах обучения мыслящих существ и функционирования мозга и позволяющих прогнозировать значения некоторых переменных после прохождения этапа «обучения» на имеющихся данных. Недостаток метода, аналогичный недостатку многофакторного статистического моделирования – по каждому фактору необходимо включать в расчет собственный предварительный прогноз.

Фундаментальным продвижением методологии моделирования и прогнозирования рынка недвижимости является работа [30], в которой сформированы уравнения спроса и предложения на рынке жилья.

Спрос разделен на две составляющие - спрос домохозяйств и спрос инвесторов.

Уравнение спроса на жилье со стороны домохозяйств Dht выглядит следующим образом:

,

где incomet реальный доход домохозяйства, выраженный в рублях;

area_fitt – суммарный запас жилищного фонда на душу населения за вычетом ветхого и аварийного жилья.

Обратная функция спроса со стороны домохозяйств, которая используется для эмпирических расчетов, записана в виде:

,

где cpit – темп инфляции;

startt – предложение жилья на первичном рынке.

Уравнение спроса со стороны инвесторов DtInvest:

,

где D tInvest спрос на новое жилье со стороны инвесторов;

ind_PHt – темп роста цен на жилье;

ind_PHexp t+1 – ожидаемый темп роста на жилье в следующем периоде;

π exp t+1 ожидаемая инфляция будущего периода;

PAexp t+1 ожидаемая доходность от альтернативных инвестиций;

creditt переменная, характеризующая доступность кредита.

Обратная функция спроса со стороны инвесторов на первичное жилье имеет вид:

,

где ind_PHt Invest – отношение цен на жилье в текущем периоде к ценам на жилье в базисном периоде;

invhousest – доля (в процентах от общего объема) инвестиций в жилье – proxy-переменная для доходности от покупки жилья; характеризует ожидаемый темп роста цен на жилье в будущем периоде ind_PHexp t+1 ;

startt предложение жилья на первичном рынке;

rtst – прирост в процентах по отношению к прошлому году индекса РТС.

Предложение жилья со стороны строительных фирм:

,

где ind_PHt exp и ind_PEst exp ожидаемые рост цен на жилье и рост цен на недвижимость другого рода в период t , сформированные в прошлом периоде;

ct – издержки строительства (например, зарплата рабочих в строительной отрасли, стоимость строительных материалов).

Линеаризованная форма уравнения предложения имеет вид:

,

где startt предложение нового жилья в момент времени t;

ind_PHt – темп роста цен на жилье в предыдущих периодах;

invbuildst-1 доля инвестиций в нежилое строительство (здания и сооружения) как proxy-переменная для доходности строительства нежилых объектов;

pi_bcwt-1 индекс стоимости строительно-монтажных работ в качестве proxy-переменной для зарплаты рабочих, занятых в строительстве.

Таким образом, темп роста цен на жилье имеет вид:

Рассматриваемые модели спроса и предложения учитывают следующие факторы рынка недвижимости: темп роста цен на жилье; ожидаемая инфляция будущего периода; ожидаемая доходность от альтернативных инвестиций; степень доступности кредитных средств; предложение жилья на первичном рынке; прирост по отношению к прошлому году индекса РТС; реальный доход домохозяйства; суммарный запас жилищного фонда на душу населения; издержки строительства; доля инвестиций в нежилое строительство; стоимость строительно-монтажных работ.

При всей ценности данной работы в теоретическом отношении, в прагматическом аспекте необходимо отметить, что использование полученных авторами уравнений спроса и предложения для прогнозирования требует, как и в случае обычных регрессионных многофакторных моделей и нейросетевых моделей, предварительного прогноза динамики каждого из рассматриваемых факторов, что зачастую нереализуемо.

Сравнительно недавно перечень методик прогнозирования рынка недвижимости был пополнен в связи с появлением нового аспекта этой задачи - проявившуюся потребность в методиках прогнозирования развития рынка недвижимости со стороны госорганов, связанную с разработкой и необходимостью обоснования стратегий развития рынка жилья и жилищного строительства, ипотечного кредитования и т. д. Такие методики, помимо обычных требований к научной обоснованности и достоверности результатов, выдвигают специфические требования доступности для расчетов в условиях ограниченного набора исходных данных, а именно – публикуемых в официальной статистике (Росстат) и в прогнозах развития экономики МЭР РФ, Минфина РФ, ЦБ РФ. Откликом на эту научную проблему послужила методика [33], основанная на ранее выполненном исследовании эластичности цен на жилье по доходам и типизации рынков в зависимости от стадии их динамики [17]. Методика включает следующие операции:

ü    по данным о динамике цен определяется достигнутая стадия и тип рынка, экспертным способом прогнозируется их изменение в последующие годы;

ü    из среднесрочного правительственного прогноза выбираются прогнозируемые значения темпов роста реальных доходов населения и инфляции, и рассчитываются темпы роста номинальных доходов;

ü    выбирается одна из моделей, построенных для данного типа рынка, и рассчитывается среднемесячный темп роста цен на жилье.

Модели для прогнозирования цен на жилье получены в виде уравнения статистической связи между темпами роста цен на жилье на каждой стадии динамики и темпов роста среднедушевых доходов населения (рис. 7). В связи с ограниченность имеющейся статистики выделенные в [34] 10 типов рынка были сведены в три группы:

ü    для типов 2 (развивающийся) и 7 (падающий, кризисный)

y = 0,534x + 0,795 (коэффициент детерминации R2 = 0,94);

ü    для типов 5 (стабильный) и 8 (депрессивный)

y = 0,361х – 0,692 (R2 = 0,93);

ü    для типов 3 (растущий) и 4 (перегретый)

y = 0,730х + 2,683 (R2 = 0,99).

Модели показали высокую точность прогнозирования динамики цен в Москве, Московской области, Санкт-Петербурге в краткосрочном периоде (1 год). Однако, в связи с необходимостью экспертного прогнозирования типа рынка модель не всегда обеспечивает необходимую точность в среднесрочном периоде (рис. 8).

Figure 7. Statistical linkage between growth rates of real estate prices and growth rates of average per capita income in terms of different market type via supply/demand correlation

Рис 7. Статистическая связь темпов роста цен на жилье с темпами роста среднедушевых доходов при различном типе рынка по соотношению спрос/предложение


Figure 8. Forecast of price dynamics on real estate market of capital regions for 2010-2013 and its examination with actual data

Рис. 7. Прогноз динамики цен на рынке жилья столичных регионов на 2010-2013 годы и его проверка по фактическим данным

Важным шагом на пути совершенствования методов прогнозирования, кроме выявления понятия «тип рынка» и определения связи темпа роста цен с типом рынка, было комплексное исследование факторов динамики ценообразования на рынке жилья и построение многоуровневой иерархии факторов спроса и предложения, в зависимости от глубины исследования (в долгосрочном, среднесрочном и краткосрочном периодах) и типа исследуемого рынка [34]. В соответствии с приведенной классификацией (табл. 2) был проведен феноменологический анализ действующих факторов динамики ценообразования.

Как показано в [34], факторов, влияющих на ситуацию на рынке недвижимости, значительно больше, чем их учитывается в большинстве рассмотренных моделей. Содержательный, феноменологический анализ факторов ценообразования, опирающийся на экспертные знания о рынке, качественные и количественные исследования закономерностей рынка, особенностей, отличающих рынки стран с транзитивной экономикой от развитых рыночных экономик, должен предшествовать любым попыткам формализованного моделирования рынка. Математические модели, даже успешно прошедшие фильтры статистического анализа значимости факторов, не могут быть признаны адекватными, если они не опираются на экономическую гипотезу о сущности протекающих на рынке процессов в данной фазе и стадии его развития [2-4]. Кроме того, в процессе прогнозирования необходимо учитывать, что между ценообразующими факторами существуют не только прямые, но и горизонтальные и обратные связи.

Методика среднесрочного прогнозирования локального рынка жилой недвижимости. Учитывая накопленные к настоящему времени результаты углубленного исследования закономерностей развивающегося рынка недвижимости России и факторов, определяющих динамику спроса и предложения на рынке недвижимости и их влияние на динамику цен на жилье, была сформулирована задача и разработана методика прогнозирования не только динамики цен, но и динамики комплекса показателей развития сложной системы «рынок жилой недвижимости»: предложение, спрос, поглощение площадей, объем строительства и ввода жилой недвижимости [35].

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.

В ходе разработки методики потребовалось уточнить ряд понятий (терминов и определений), используемых при анализе и моделировании рынка недвижимости. В частности, понятие «спрос» было разделено на пять категорий: спрос-потребность, совокупный платежеспособный спрос, потенциальный платежеспособный спрос, предъявленный платежеспособный спрос, удовлетворенный (реализованный) спрос.

Спрос-потребность – разность между желаемым и фактическим уровнем средней обеспеченности комфортным и благоустроенным жильем городского населения в регионе (без учета некачественного, в т.ч. подлежащего капитальному ремонту, ветхого и выводимого жилого фонда).

Совокупный платежеспособный спрос – объем жилья, которое городское население может приобрести на рынке за счет своих накоплений.

Потенциальный платежеспособный спрос – объем жилья, который городское население предполагает 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 платежеспособный спрос – объем жилья, которое городское население предполагает приобрести на рынке в течение ближайшего года при текущем уровне цен за счет всех источников финансирования, скорректированный на изменение склонности населения к расходованию сбережений с учетом изменения экономической ситуации в стране и регионе, степени недоверия к застройщикам, условий ипотечного кредитования, изменения уровня цен.

Удовлетворенный (реализованный) спрос – предъявленный в текущем году спрос, удовлетворенный в форме сделки, направленной на приобретение прав требования на строящийся объект (по ФЗ-214 или иными практикуемыми способами) или приобретение прав собственности на построенное жилье, в т.ч. с использованием государственных субсидий. Приблизительно равен объему поглощения.

Несколько уточнились и понятия в области ипотечного кредитования.

Планируемый властями (на основе прогнозов АИЖК) объем кредитования в денежном выражении именуется планируемым объемом ипотечного кредитования.

Рассчитанный с учетом прогнозируемой динамики цен потенциальный объем прокредитованных площадей именуется объемом предложения ипотеки в натуральном выражении, а потенциальное количество выданных кредитов (с учетом площади приобретаемого жилья на вторичном и первичном рынке) – объем предложения ипотечных кредитов.

Наконец, прогнозируемое с учетом ограничений по доступности (в силу уровня доходов населения) и по наличию ипотечного предложения, а также предложения квартир на рынке, количество ипотечных кредитов именуется объемом поглощения ипотечных кредитов.

Методика среднесрочного прогнозирования предназначена для прогнозирования динамики показателей развития рынка жилой недвижимости города/региона на глубину прогнозирования 3–5 лет. В основу ее методологии положены следующие методические подходы.

Методика основана на использовании имитационной (пошаговой) блочно-модульной итерационной модели с обратными связями.

Модель – имитационного (симуляционного) типа, поскольку все показатели рассчитываются последовательно, на глубину одного шага (один календарный год), и на следующем шаге в качестве исходных данных используются результаты этих расчетов.

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.

В качестве базовых исходных данных в методике используются объявленные планы и прогнозы федеральных, региональных, муниципальных властей в части макроэкономических параметров и отраслевых показателей развития рынка недвижимости. Кроме того, условием применения методики является наличие другой группы исходных данных, получаемых на основании результатов регулярного мониторинга первичного и вторичного рынков 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 результатов углубленного исследования рынка (типология и 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).

В основу методики положена следующая идея – объем поглощения площадей не может быть выше каждой из трех величин: спрос – потребность, предъявленный платежеспособный спрос, объем предложения. В соответствии с итерационным характером модели по результатам прогнозирования на текущий год производится расчет и сопоставление этих показателей, и минимальное значение из них используется как ограничение для прогноза объема поглощения. Это позволяет в порядке обратной связи корректировать заданные исходные данные об объеме предложения и ввода жилья, о потребности в жилье на следующий прогнозный год с учетом индикатора соотношения спрос/предложение. Кроме того, рассчитанный темп роста цен на жилье в предшествующем году и темп роста доходов в текущем году используются как индикатор типа рынка, 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.

Экзогенные переменные модели. Экзогенные переменные модели (исходные данные, определяемые вне модели), делятся на три категории – векторные, заданные на всю глубину прогнозирования с шагом один год (макроэкономические правительственные прогнозы, отраслевые параметры развития рынка жилья), скалярные (часть рыночных данных, по которым введено допущение об их неизменности в прогнозируемом периоде) и рыночные данные «обусловленные».

Сущность понятия «обусловленных» показателей заключается в том, что они рассчитываются (по историческим данным) для четырех вариантов состояния рынка по соотношению спрос/предложение (превосходство спроса, равновесие спроса и предложения, превосходство предложения, ажиотажный спрос) и шести вариантов типа рынка (падающий (кризисный), стабилизирующийся после спада, стабильный, стабилизирующийся после роста, растущий, перегретый).

В качестве экзогенных переменных используются:

А) Макроэкономические параметры развития РФ: рост ВВП, среднегодовые цены на нефть, среднегодовой курс доллара, чистый отток капитала частного сектора, дефицит/профицит федерального бюджета, темпы роста реального располагаемого годового дохода населения, темпы инфляции, норма сбережения населения.

Эти данные используются при формировании сценариев развития рынка жилья и частично – заменяют региональные данные при их отсутствии.

Б) Региональные макроэкономические параметры (векторные данные)[2]: численность городского населения в базовом году, темпы роста ВРП, темпы роста инвестиций в основной капитал, планируемый годовой темп региональной инфляции, номинальный среднедушевой годовой доход* (темпы роста реальных располагаемых денежных доходов населения*), децильное распределение доходов - средний уровень доходов в каждой децили, коэффициент теневых доходов, норма сбережения населения, средняя численность семьи.

В) Отраслевые параметры (скалярные и векторные данные): жилищный фонд города в базовом году; объем некачественного (подлежащего ремонту и реконструкции) жилого фонда в базовом году; федеральный норматив среднего уровня обеспеченности жильем; планируемый (рассчитанный на основании планируемого бюджетного финансирования) объем сноса ветхого и аварийного жилого фонда, объем капитального ремонта и модернизации жилых домов, предполагаемый объем выбытия жилого фонда; сальдо естественного прироста населения, сальдо миграционного притока в базовом году; планируемый (рассчитанный по данным о наличии земельных и строительных ресурсов) объем ввода площадей* (квартир*) коммерческого и муниципального жилья; планируемый объем государственного спроса на дотированное жилье (по программам поддержки определенных категорий населения, жилищных сертификатов); планируемый государством объем жилищного ипотечного кредитования в денежном выражении.

Г) Рыночные данные, полученные по результатам исследования для различного состояния рынка по соотношению спрос/предложение и типу рынка («обусловленные»): доля первичного рынка в общем объеме ипотечных сделок; доля инвестиционных сделок от общего числа сделок; доля приобретателей квартир–нерезидентов; доля респондентов, готовых приобрести жилье на рынке за свой счет в ближайшие полгода-год, от общего числа домохозяйств (предъявленный спрос); доля респондентов, готовых приобрести жилье на вторичном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки); доля инвестиционных сделок на вторичном рынке от общего числа инвестиционных сделок; средняя доля кредита в стоимости квартиры; коэффициенты соотношения ввод/строительство, строительство/предложение, поглощение/предложение и поглощение/спрос на первичном рынке, поглощение/спрос и поглощение/предложение на вторичном рынке; коэффициенты соотношения цен первичного и вторичного рынка, цен на жилье различного класса к средним ценам.

Д) Рыночные данные, полученные при регулярном мониторинге рынка и постоянные при расчетах (скалярные): средняя площадь квартиры в новостройках и готовых домах (в том числе в дифференциации по классам качества); средняя площадь приобретаемого жилья в альтернативных сделках; доля первичного рынка в спросе и в предложении; доля первичного рынка в спросе нерезидентов.

Эндогенные переменные модели. Эндогенные переменные (выходные показатели и промежуточные данные, значения которых рассчитываются внутри модели), включают:

прогнозируемый объем жилого фонда;

прогнозируемая обеспеченность населения жильем;

прогнозируемый объем некачественного жилья в жилом фонде города;

прогнозируемая потребность городского населения в жилье;

потенциальный объем ввода, строительства коммерческого и муниципального жилья, потенциальный объем предложения коммерческого жилья;

средний коэффициент доступности приобретаемого жилья в базовом году, коэффициент доступности жилья для различных групп населения по доходности в базовом году;

средние совокупные накопления групп населения;

предъявленный платежеспособный спрос городского населения на рынке недвижимости (без учета ипотеки) в денежном выражении суммарный и для групп населения;

предъявленный платежеспособный спрос городского населения на рынке жилых площадей совокупный и для групп населения, в том числе площадей различного класса качества;

предъявленный платежеспособный спрос городского населения на рынке квартир совокупный и для групп населения, в том числе площадей и квартир различного класса качества;

предъявленный платежеспособный спрос городского населения на рынке площадей и квартир всех классов в прямых сделках;

предъявленный спрос нерезидентов и инвесторов на рынке площадей и квартир, в том числе на первичном и вторичном рынке, и предъявленный денежный спрос;

потенциальный объем жилищного ипотечного кредитования в денежном выражении на первичном и вторичном рынке, потенциальный объем предложения ипотечных кредитов, предъявленный спрос на ипотечные кредиты, поглощение ипотечного продукта в количестве прокредитованных площадей и выданных кредитов на покупку квартир, в том числе на первичном и на вторичном рынке;

суммарный предъявленный спрос населения, инвесторов и нерезидентов (с учетом ипотеки) на коммерческое жилье, в том числе на первичном и вторичном рынке, на жилье различного класса качества;

суммарный предъявленный спрос на площади и квартиры муниципального и коммерческого жилья, в том числе на первичном и вторичном рынках;

суммарный предъявленный спрос на площади и квартиры коммерческого жилья на первичном и вторичном рынках с учетом перетекания между рынками в случае дефицита предложения на одном из них и избыточного предложения на другом;

суммарный предъявленный денежный спрос на рынке коммерческого жилья;

соотношение спроса и предложения площадей на первичном рынке, вторичном рынке и на рынке в целом;

индикатор состояния рынка по соотношению спрос/предложение;

объем удовлетворенного спроса (объем поглощения) коммерческого городского жилья в площадях и квартирах, в том числе различного класса, на первичном и вторичном рынке;

прогнозируемый объем предложения, в том числе на первичном и вторичном рынке и для различных классов жилья;

прогнозируемый объем ежегодного нового предложения на первичном рынке, в том числе жилья различного класса;

прогнозируемый объем строительства и ввода площадей и квартир, в том числе коммерческого жилья и муниципального жилья;

среднемесячный темп роста цен на жилье, средняя удельная цена жилья в конце исследуемого года на вторичном и первичном рынке, в том числе жилья различного класса качества.

Структура модели включает 7 блоков (рис. 9):

·                   Блок 1 «Определение потребности городского населения в жилье и планируемого объема ввода социального жилья»;

Figure 9. Enlarged model structure

Рис. 9. Укрупненная структура модели

·                   Блок 2 «Функционирования строительного комплекса и определения потенциального объема ввода, строительства и предвари тельного объема предложения коммерческого жилья»;

·                   Блок 3 «Жилищное финансирование. Определение объема потенциального платежеспособного спроса населения»;

·                    Блок 4 «Определение предварительного объема предъявленного государством, населением, нерезидентами и инвесторами спроса на городское жилье»;

·                    Блок 5 «Определение состояния рынка по соотношению спрос/предложение и расчета прогнозируемого объема удовлетворенного спроса (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».

Кроме того, предусмотрено включение в модель автономных блоков-модулей[3], которые предназначены для решения самостоятельных исследовательских задач и/или для подготовки (при необходимости) исходных данных к Блокам 1-6 (табл. 1).

В блоке-модуле М1 по данным о планируемом объеме бюджетного финансирования программ реновации жилого фонда города в текущем году определяется (оптимизируется) планируемый объем реконструкции, капитального ремонта, реновации (сноса и переселения) жилищного фонда и нового муниципального строительства с учетом состояния фонда и удельных затрат на каждый вид реновации. Эти данные могут использоваться при разработке государственной программы «Жилище» и поступать в блок 1.

Таблица 1. Перечень блоков-модулей и их назначение

Название

Источник и содержание исходных данных

Назначение вы ходных данных

М1

Определение объемов рекон струкции, капитального ре монта, реновации и строи тельства социального жилья

Запланированные объемы финансирования жилищных программ

1) В ГП «Жилище»

2) на вход Блока 1

М2

Определение наличия земельных ресурсов под жилищное строительство

Наличие земельных ресурсов под жилищное строительст во, планируемое их использо вание

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М3

Определение наличия строительных ресурсов

Наличие производственных мощностей и строительных ресурсов

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М4

Определение объема потен циального ипотечного пред ложения и господдержки

Состояние системы ИЖК и ее возможности по предложе нию ипотечных кредитов

1) в программу развития ИЖК

2) на вход Блока 4

М5

Мониторинг и исследование состояния рынка жилья и определение «обусловлен ных» данных о рынке

Реестры объектов нового строительства, ЕГРП, базы предложения жилья при различном соотношении спрос/предложение

1) Для анализа рынка

2) на вход Блоков 5 и 6

В блоке-модуле М2 на основании Реестра строящихся жилых домов, среднесрочных решений властей о выделении земельных участков под строительство жилья определяется потенциальный объем строительства в текущем году (без учета ограничений по спросу).

В блоке-модуле М3 определяются возможные ограничения жилищного строительства по объему производственных мощностей строительных предприятий, объема производимых в регионе и импортируемых строительных ресурсов.

Данные блоков-модулей М2 и М3 могут использоваться при разработке государственной программы «Жилище» и поступать в Блоки 1 и 2.

В блоке-модуле М4 «Определение объема потенциального ипотечного предложения и господдержки» рассчитывается денежный объем ипотечного предложения и господдержки с учетом планов федеральных и региональных властей. Результаты расчета передаются в Блок 4.

В блоке-модуле М5 «Исследование состояния рынка жилья и определение «обусловленных» данных о рынке» по данным о динамике строительства, ввода, предложения, поглощения жилья, поступающим из Реестров объектов нового строительства и ЕГРП, рассчитываются коэффициенты соотношения ввод/строительство, строительство/предложение, предложение/поглощение, спрос/поглощение и другие «обусловленные» данные при различном состоянии рынка по соотношению спрос/предложение. По данным о многолетней динамике цен, получаемой в результате обработки баз предложения жилья, и исследования типологии рынка вычисляются параметры регрессионных уравнений (моделей для прогнозирования цен) в зависимости от типа рынка. Результаты поступают в Блоки 5 и 6.

Апробация и ретроспективная проверка модели. В качестве базового варианта для апробации модели принят вариант развития рынка жилой недвижимости Москвы (в старых границах) работы [35] со следующим изменением: с целью ретроспективной проверки результатов прогнозирования ключевые макроэкономические показатели (темпы роста реальных располагаемых доходов населения, инфляция, денежный объем ипотечного кредитования) на 2011 и 2012 годы приняты по фактическим данным. Используемые для расчета базового варианта исходные данные приведены в таблицах 2-7 [36].

Макроэкономические параметры

Таблица 2. Параметры, заданные на глубину прогнозирования (векторные)

Показатели

2010

(базовый)

2011

2012

2013

2014

2015

2016

численность населения N, млн чел.

11,5

11,6

11,7

11,7

11,8

11,9

12,0

темпы роста ВРП, %

5,0

4,0

3,8

4,0

4,6

5,0

6,0

темпы роста инвестиций в основной капитал, %

-15,0

0,0

6,0

7,0

8,5

9,0

9,5

темпы роста реальных располагаемых денежных доходов населения , %

-8,0

-1,6

-1,6

2,5

3,0

4,0

5,0

темп инфляции, %;

8,8

6,1

6,6

5,7

5,7

5,5

5,5

Таблица 3. Параметры, постоянные при расчетах (скалярные)

показатель

значение

среднее количество членов домохозяйства nс, чел.

2,5

коэффициент теневых доходов Ктд

2,0

норма сбережения населения НС, %

20

Среднедушевой доход населения в базовом (2010) году, тыс. руб.

44,6

Превышение над среднедушевым доходом среднего уровня дохода в 3-8-й децильной группе (60% населения), раз

1,0

Превышение над среднедушевым доходом среднего уровня дохода в 9-й децильной группе (10% населения), раз

2,3

Превышение над среднедушевым доходом среднего уровня дохода в 10-й децильной группе (10% населения), раз

4,3

 

Отраслевые параметры

Таблица 4. Параметры, заданные на глубину прогнозирования (векторные)

показатели

2010 (базовый)

2011

2012

2013

2014

2015

2016

федеральный норматив сред него уровня обеспеченности жильем, кв. м/чел.

20,6

21,0

21,6

22,2

22,8

23,5

24,2

Планируемый объем жилищ ного фонда, млн кв. м

215,7

218,1

220,4

222,8

225,2

227,6

230,0

объем сноса жилого фонда, тыс. кв. м

0,2

0,3

0,5

0,4

0,4

0,0

0,0

объем выбытия жилого фонда, кв. м

0,0

0,0

0,0

0,0

0,0

0,0

0,0

объем капитального ремонта и реконструкции жилых домов, млн кв. м

3,2

7,7

4,7

4,7

4,7

4,7

4,7

планируемый государством объем ввода жилья, млн кв. м

1,77

1,76

2,54

2,54

2,54

2,54

2,54

планируемый объем ввода муниципального жилья, млн кв. м

0,68

0,70

0,76

0,76

0,76

0,76

0,76

планируемый государством объем жилищного ипотечного кредитования, млрд. руб.

47,0

48,5

62,4

122,9

153,6

184,3

211,2

Таблица 5. Параметры, постоянные при расчетах (скалярные)

показатель

значение

средняя площадь квартиры в новостройках, кв. м

90

средняя площадь квартиры в новостройках массового класса, кв. м

70

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

54

средняя площадь квартиры в домах повышенной комфортности на вторичном рынке, кв. м

70

средняя площадь приобретаемого жилья в альтернативных сделках, кв. м

18

доля первичного рынка в спросе, %

40

доля первичного рынка в предложении, %

25

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, %

10,0

средняя удельная цена жилья на вторичном рынке в декабре базового 2010 года, тыс. руб./кв. м

168,5

прирост средней удельной цены на вторичном рынке в базовом 2010 году, %

10,0

объем предложения на вторичном рынке, тыс. квартир

115,0

объем поглощения на вторичном рынке в базовом 2010 году, тыс. квартир

85,4

объем некачественного фонда в базовом 2010 году, млн кв. м

108

 

Рыночные данные (обусловленные параметры)

Таблица 6. Параметры, зависящие от соотношения спрос/предложение

Параметр

Индикатор состояния спрос/предложение

1

2

3

4

Коэффициент соотношения ввод/строительство

0,25

0,30

0,32

0,35

Коэффициент соотношения строительство/предложение

2,10

2,20

2,35

2,50

Коэффициент соотношения поглощение/предложение на первичном рынке

0,42

0,41

0,41

0,43

Коэффициент соотношения поглощение/спрос на первичном рынке

0,40

0,46

0,40

0,35

Коэффициент соотношения поглощение/ограничение на вторичном рынке

0,70

0,75

0,78

0,80

Доля респондентов, готовых приобрести жилье на рынке за свой счет в течение ближайшего года, от общего числа домохозяйств (предъявленный спрос), %

2,0%

2,8%

3,0%

3,5%

Доля приобретателей квартир–нерезидентов, %

25%

30%

40%

50%

Доля респондентов, готовых приобрести жилье на вто ричном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки), %

85%

80%

78%

75%

Доля ипотечных сделок на рынке жилья, %

15%

25%

28%

30%

Доля инвестиционного спроса на рынке жилья, %

0%

5%

6%

20%

Доля первичного рынка в общем объеме ипотечных сделок, %;

10%

12%

14%

20%

Доля ипотечных сделок от общего числа сделок на первичном рынке, %

10%

22%

22%

28%

Доля ипотечных сделок от общего числа сделок на вторичном рынке, %

10%

26%

28%

31%

Средняя доля кредита в стоимости квартиры, %

60%

70%

72%

82%

Таблица 7. Параметры, зависящие от типа рынка

Параметр

Индекс типа рынка

1

2

3

4

5

6

Соотношение цен первичного и вторичного рынка

1,18

1,17

1,15

1,14

1,12

1,07

Соотношение цен на массовое жилье к средним ценам

0,57

0,6

0,61

0,63

0,65

0,53

Соотношение цен на жилье повышенной комфортно сти к средним ценам

1,11

1,15

1,27

1,2

1,22

1,25

№ модели прогнозирования цен

1

2

3

4

5

6

Результаты расчетов и их интерпретация. Основные показатели расчета прогноза развития рынка жилой недвижимости Москвы вынесены на графики рис. 10-14. Графики показывают, что поведение прогнозируемых показателей четко различается по трем стадиям: 2011-2012, 2013-2015 годы и 2016 год.

На первой стадии, в соответствии с заданными исходными данными о фактическом росте номинальных доходов населения города с темпом 5-7% в год, а также снижении объемов ввода жилья, прогнозируемый спрос несколько превышал предложение, объем поглощения на первичном и вторичном рынке увеличивался, цены росли с темпом 8-9%.

На второй стадии повышательная динамика прогнозируемого объема платежеспособного спроса населения (рис. 10) соответствует заданной в исходных данных (Сценарий № 1 оптимистический) динамике роста номинальных доходов населения (10-12%). При этом снижение прогнозируемого объема предъявленного спроса населения в натуральном выражении объясняется ростом цен (рис. 14), опережающим рост доходов. Суммарный предъявленный спрос на площади (с учетом спроса нерезидентов, инвесторов и ипотеки) также несколько снижается, несмотря на рост денежного объема ипотечного предложения.

Прогнозируемая на второй стадии динамика объемов строительства коммерческого жилья (рис. 11) коррелирует с планируемым властями ростом объемом ввода жилья, обеспеченным земельными ресурсами, одобренными инвестиционными контрактами и проектной документацией (рис. 11).

На первичном рынке (рис. 12) предварительный объем суммарного спроса хотя и несколько снижается, но существенно превышает предложение. С 2013 года происходит перетекание спроса на вторичный рынок, где образовался избыток предложения (рис. 13). Предъявленный спрос все годы превышает выросший объем предложения, и объем поглощения ограничивается предложением. Спрос и предложение стабилизируются, вследствие чего стабилен и объем поглощения (рис. 12).

На вторичном рынке (рис. 13) прогнозируемый объем предложения в связи с ростом цен повышается в меру эластичности предложения по цене. В то же время снижающийся предварительный спрос после 2012 года становится меньше предложения. Однако, вследствие дефицита предложения на первичном рынке (рис. 12) спрос перетекает на вторичный, и поглощение продолжает расти (рис. 13).

Цены на второй стадии (рис. 14) растут с темпом 17-18% в год.

На третьей стадии, после 2015 года, прогнозируемая ситуация на рынке существенно меняется. Накопленный рост цен привел к тому, что значительная доля населения, имевшего намерение приобрести жилье, уходит с рынка, и денежный объем спроса снижается, несмотря на растущий денежный объем ипотечного предложения. Более резко снижается и суммарный предъявленный спрос в натуральном выражении.

Объем предложения на первичном рынке остается стабильным (рис. 12), а на вторичном рынке продолжает расти (рис. 13). Поглощение на первичном рынке стабильно, на вторичном – падает. В соответствии с общим превосходством спроса над предложением цены продолжают расти повышенными темпами (32-35)% (рис. 14).

В целом рынок переживает ситуацию устойчивого роста (аналог 2003 и 2006 года) и перехода в 2016 году к стабилизации на буме, аналогичной началу 2004-го и концу 2006-го года.

Таким образом, динамика прогнозируемых показателей развития рынка (преимущественно немонотонная) находит логичное объяснения в известных закономерностях поведения рынка и показывает, что разработанная модель адекватно учитывает связи между различными факторами, в том числе и обратные.

Сопоставление результатов прогнозирования некоторых показателей развития рынка в 2011-2012 годах с фактическими данными демонстрирует хорошее совпадение по уровню средних удельных цен на вторичном и первичном рынках (рис. 14), объему поглощения на вторичном рынке (рис. 13), объему предложения, нового предложения и поглощения на первичном рынке (рис. 12), объему ввода и строительства площадей (рис. 11).

 


Figure 10 Figure 11

Figure 12 Figure 13

Figure 14

Наличие адекватной математической модели функционирования сложной системы – локального рынка жилой недвижимости – позволило провести ряд расчетных экспериментов по влиянию на динамику развития рынка макроэкономических и отраслевых параметров.

Использование математической модели функционирования локального рынка жилой недвижимости для обоснования целевых объемов ввода жилья. Исторический дефицит жилья в России (более 60% населения нуждается в улучшении жилищных условий) заставил руководство страны в течение последних 5-8 лет усилить внимание к проблеме повышения объемов жилищного строительства. Приняты серьезные правовые, организационные, экономические меры для стимулирования местных властей и бизнеса к решению этой проблемы. Определены целевые показатели динамики роста объемов ввода жилья – в 2020 году эта величина должна достигнуть 142 млн. кв. метров. В настоящее время Госстрой и Минрегион РФ организуют работу по определению и обоснованию целевых объемов ввода жилья в каждом регионе. В работе [37] показана возможность решения этой задачи для локальной территории – города Москвы до присоединения новых территорий (в границах до 1 июля 2012 года).

Известны факторы, ограничивающие объемы ввода жилья в Москве. В последние годы это определялось в первую очередь дефицитом земельных ресурсов. К этому прибавилось вынужденное изменение политики города (ограничения на выдачу разрешений и даже расторжение ряда инвестиционных контрактов) в связи с несбалансированностью между строительством жилья и транспортной инфраструктуры. В результате в государственной программе «Жилище» по городу Москве на 2012-2016 годы был предусмотрен в 2013-2016 годах стабильный объем ввода в 2,45 млн. кв. м жилья ежегодно (после максимального объема в 4,8 млн, достигнутого в 2007 году). Другие факторы, сдерживающие объемы ввода жилья в регионах – ограничения по производственным мощностям стройпредприятий, по доступным объемам стройресурсов, по наличию инженерных сетей на границах участков под строительство жилья, энергетических и иных инженерных ресурсов, социальной инфраструктуры – в Москве не стояли столь остро.

Но обостренное внимание руководства страны к проблеме объемов строительства жилья, приоритетность этого показателя при оценке результатов деятельности администраций регионов и муниципалитетов снова стимулировало руководство регионов, в том числе и Москвы, к поиску путей повышения темпов строительства жилья.

По последним заявлениям властей, город планирует построить в 2013 году в Москве более 3 млн. кв. м жилья, в том числе в старых границах – не менее 2,5 млн. кв. м, и в дальнейшем увеличивать этот объем до 5-6 млн. кв. м.

Однако, такие амбициозные планы могут и не реализоваться.

Кроме перечисленных ранее факторов, влияющих на возможные объемы ввода жилья (как принято их называть, «факторы предложения»), существует другая группа факторов – «факторы спроса».

Вот что сообщил 22.05.2003 г. в ходе встречи со столичными инвесторами председатель Москомстройинвеста Константин Тимофеев: «Только треть инвесторов в Москве, проекты которых прошли Градостроительно-земельную комиссию Москвы (ГЗК) за 2,5 года ее существования, приступили к реальному строительству. Остальные или продают, или ищут финансирование, но рабочие только 30%».

По нашему мнению, причина такой ситуации в том, что в Москве в последние три года снизилась инвестиционная привлекательность девелопмента. Это является следствием изменения закономерностей рынка после кризиса 2008 года. В условиях достаточно высокого спроса цены на первичном рынке возвращаются к докризисному уровню, но темпы роста цен незначительны. Если в первом десятилетнем цикле (старт рынка - июнь 1990 года) рынок достиг нижней точки к июню 2000 года и восстановился за 1,5 года, то во втором десятилетнем цикле он достиг в Москве нижней точки к концу 2009 года и еще не до конца восстановился за 3 года. В результате конечная доходность инвестиционно-строительных проектов существенно снизилась по сравнению с докризисным уровнем, и не все московские девелоперы готовы к такой ситуации.

Важно отметить, что доходы москвичей в последние два-три года практически не повышались, но спрос на рынке и объем поглощения был достаточно высок. Однако, это в первую очередь был спрос на малогабаритные дешевые квартиры. Поэтому средняя цена на рынке росла низкими темпами. С другой стороны, в случае повышения темпов роста доходов населения и дефиците предложения возможен быстрый рост цен и как следствие - снижение объема предъявленного спроса по причине ухода с рынка покупателей с меньшими доходами. Такое развитие событий может привести к стабилизации и последующему снижению цен, объемов поглощения и потока доходов девелопера, и вследствие этого – к снижению темпов строительства домов, что также не позволит реализовать высокие целевые показатели ввода жилья.

Следовательно, возможности повышения объемов ввода жилья по факторам предложения должны быть проверены факторами спроса.

В теоретическом плане эти закономерности рынка общеизвестны – проблема состоит в получении количественных оценок развития рынка при изменении как макроэкономических показателей, так и планируемых объемов ввода жилья.

Вначале проводилось исследование влияния изменения макроэкономических данных на динамику рынка при фиксированных целевых объема ввода жилья, предусмотренных ГП «Жилище» по городу Москве на 2012-2016 годы. При этом были сформированы 4 сценария динамики макроэкономических показателей и проанализированы положительные и негативные стороны каждого сценария для рынка и девелоперов. Макроэкономические параметры Сценария № 1 соответствовали оптимистическому правительственному прогнозу работы [36], Сценария № 3 – реалистическому, Сценария №4 – пессимистическому, в Сценарии № 2 были заданы параметры, превышающие оптимистический сценарий (рост доходов населения (12-13)% в год в натуральном выражении).

Необходимо отметить, что динамика макроэкономических показателей по Сценарию № 1 (оптимистический сценарий, предоставленный Госстроем) в последующие годы возможна лишь с малой вероятностью. Об этом свидетельствуют как данные предыдущих трех лет, так и общее мнение экономистов о предстоящем снижении темпов роста ВВП России, мировых цен на нефть и газ и объемов их экспорта из РФ, твердое намерение финансовых властей к таргетированию инфляции и сохранению жесткой кредитно-денежной политики, усилившийся отток капитала за рубеж, идущее ослабление рубля к основным валютам и т.п. Мы оцениваем эту вероятность в 20%.

Сценарий № 2 с повышенными макроэкономическими параметрами можно признать нереализуемым (вероятность его реализации близка к нулю).

Сценарий № 3 наиболее вероятен (оценка вероятности его реализации 70%). Это связано не только с отмеченными выше экономическими угрозами, но и с осознанной и публично объявленной политикой властей на предотвращение необоснованного роста цен на жилье, снижающего доступность жилья для населения и затрудняющего решение жилищной проблемы в России. В долгосрочной перспективе основное направление этой политики – ускорение темпов роста строительства жилья для обеспечения потребностей населения при обеспечении доступности жилья для все большей доли домохозяйств, в среднесрочной – сдерживание роста избыточной массы денежных средств у населения.

Сценарий № 4 возможен в случае нового мирового экономического кризиса и может быть признан маловероятным (оценка вероятности - 10%).

В связи с этим в задаче обоснования целевых объемов ввода жилья до 2020 года рассматривались два Сценария - № 1 и № 3.

По каждому из двух сценариев проведен расчет динамики рынка при трех вариантах изменения отраслевых параметров – целевых объемов ввода жилья.

Основные изменяемые по сценариям и вариантам расчета исходные данные макроэкономического характера (ежегодные темпы роста доходов населения) приведены в табл. 8, а отраслевого характера (целевые объемы ввода жилья) - в табл. 9.

Таблица 8. Макроэкономические исходные данные для четырех сценариев

год

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

Сценарий № 1

Инфляция, %

8,8*

6,1*

6,6*

5,6**

5,2**

5,2**

5,3**

5,1**

5,3**

5,1**

5,0**

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

2,7**

4,4**

4,6**

4,0**

2,9**

-0,2**

2,2**

3,2**

Сценарий № 3

Инфляция, %

8,8*

6,1*

6,6*

7,0

7,0

7,0

7,0

7,0

7,0

7,0

7,0

Темп роста реаль ных среднедуше вых доходов населения, %

5,6*

-1,6*

-1,6*

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

-6,0

Примечания:

* Фактические данные Росстата

** Данные Госстроя

Отраслевые параметры на 2010-2012 годы приняты по фактическим данным Росстата, на 2013 год – согласно ГП «Жилище» по гор. Москве на 2012-2016 годы; на 2014-2020 годы в варианте 1 – сохраняется уровень 2013-2016 годов по ГП «Жилище», в варианте 2 – с 2014 года целевой объем ввода повышается на 250 тыс. кв. м ежегодно и к 2020 году достигает 4,3 млн. кв. м, в варианте 3 – повышается на 500 тыс. кв. м ежегодно и к 2020 году достигает 6,0 млн. кв. м.

Таблица 9. Отраслевые исходные данные – три варианта для каждого сценария

год

2010

2011

2012

2013

2014

2015

2016

2017

2018

2019

2020

Целевой объем ввода жилья, млн. кв. м,

вариант 1

1,77*

1,76*

2,07*

2,54

**

2,54

**

2,54

**

2,54

**

2,54

2,54

2,54

2,54

в том числе коммерческого

1,09

1,06

1,30

1,78

1,78

1,78

1,78

1,78

1,78

1,78

1,78

Целевой объем ввода жилья, млн. кв. м,

вариант 2

1,77

1,76

1,60

2,54

2,79

3,04

3,29

3,54

3,79

4,04

4,29

в том числе коммерческого

1,09

1,06

1,10

1,78

2,03

2,28

2,53

2,78

3,03

3,28

3,53

Целевой объем ввода жилья, млн. кв. м,

вариант 3

1,77

1,76

1,60

2,54

3,04

3,54

4,04

4,54

5,04

5,54

6,04

в том числе коммерческого

1,09

1,06

1,10

1,78

2,28

2,78

3,28

3,78

4,28

4,78

5,28

Примечания:

* Фактические данные Росстата

** Данные ГП «Жилище» по гор. Москве

Как показано в работе [3], Сценарий №1 (средние темпы роста доходов (8-11)%) при базовом уровне целевых объемов ввода жилья (вариант 1) отличается значительными темпами роста цен (в 2013-2015 годах - более 17%, в 2016 году – 35%), что обеспечивает инвестиционную привлекательность девелопмента, но снижает доступность жилья для населения, а также создает предкризисную угрозу рынку. Продление расчетов до 2020 года (рис. 15) подтвердило это утверждение: спрос в 2017 году на фоне выросших цен падает, предложение увеличивается и становится больше спроса, цены в 2017 году достигают максимума (502 тыс. руб./кв. м) и далее снижаются до 426 тыс. руб./кв. м к 2020 году. Объем поглощения в 2017 году падает (на вторичном рынке – вдвое), но затем начинает повышаться в связи со снижением цен и повышением предъявленного спроса. В целом перегрев рынка приводит к кризису в 2017 году, и к 2020 году послекризисное восстановление еще не завершается.

При повышенном уровне целевых объемов ввода жилья (вариант 2) происходит последовательный рост объема предложения, избыток предложения образуется на год раньше, чем в варианте 1, цены на первичном рынке вырастают к 2016 году только до 360 тыс. руб./кв. м, а в дальнейшем снижаются до 290 тыс. руб./кв. м в 2020 году, объем поглощения повышается, хотя на вторичном – сначала в 2017 году обваливается (рис. 16). В целом кризисная ситуация аналогична варианту 1, но менее ярко выражена.

При высоком уровне целевых объемов ввода (вариант 3) спрос становится меньше предложения на первичном и вторичном рынках уже в 2015 году, перегрев рынка практически не происходит, цены на первичном рынке достигают максимума в 305 тыс. руб./кв. м в 2015 году и далее снижаются до 236 тыс. руб./кв. м к 2020 году, поглощение после снижения в 2016 году растет, кризисные изменения к 2020 году практически исчерпываются (рис. 17).

Таким образом, при динамике макроэкономических параметров по Сценарию № 1 во всех трех вариантах целевых объемов ввода жилья перегрев рынка приводит к кризисной ситуации, хотя и в различной степени остроты. Наиболее приемлемым представляется вариант 2.

А. Primary market Б. Secondary market

Figure 15. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №1 and target placement of building volume of variant №1

Рис. 15. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 1

А. Primary market Б. Secondary market

Figure 16. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №1 and target placement of building volume of variant №2

Рис. 16. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 2

А. Primary market Б. Secondary market

Figure 17. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №1 and target placement of building volume of variant №3

Рис. 17. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1 и целевых объемах ввода по варианту 3

Более благоприятным для рынка является Сценарий № 3. При низких темпах роста доходов населения (в номинальном выражении близко к нулю) и базовом варианте целевых объемов ввода жилья темп роста цен составляют (1-2)% в год, и к 2020 году они достигают всего 246 тыс. руб./кв. м, по остальным показателям рынок стабилен (рис. 18). При повышенных целевых объемах ввода жилья (вариант 2) и соответственно объема предложения существенных изменений по остальным показателям не произошло (рис. 19).

Такое поведение рынка аналогично ситуации 2010-2013 годов и соответствует ранее выявленным закономерностям: при низких ценах и низких доходах населения сохраняется высокий спрос на жилье и ипотеку, который сосредотачивается в сегменте дешевого жилья и малых размеров кредита, при сохранении и даже росте объемов поглощения и незначительном повышении цен. В целом рынок близок к состоянию рецессии по показателям объема поглощения и динамике цен. Вместе с тем, такая ситуация не обеспечивает достаточно высокой доходности инвестиционно-строительных проектов, что может снизить активность девелоперов и потребовать их дополнительной поддержки со стороны государства.

При высоких объемах ввода жилья (вариант 3) цены практически не растут, с 2018 года спрос становится меньше предложения, цены снижаются на первичном рынке к 2020 году до 190 тыс. руб./кв. м, ситуация принимает предкризисный характер (рис. 20).

Таким образом, при динамике макроэкономических параметров по Сценарию № 3 рынок устойчив к принятому изменению целевых объемов ввода жилья в вариантах 1 и 2 и неустойчив – в варианте 3, при этом во всех вариантах не обеспечивает достаточной доходности девелопмента.

А. Primary market B. Secondary market

Figure 18. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №3 and target placement of building volume of variant №1

Рис. 18. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 1

А. Primary market B. Secondary market

Figure 19. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №3 and target placement of building volume of variant №2

Рис. 19. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 2

А. Primary market B. Secondary market

Figure 20. The dynamics of residential real estate market development in terms of macroeconomic conditions of scenario №3 and target placement of building volume of variant №3

Рис. 20. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3 и целевых объемах ввода по варианту 3

Расчеты показывают, что при динамике макроэкономических параметров по Сценарию № 1 во всех трех вариантах целевых объемов ввода жилья перегрев рынка приводит к кризисной ситуации либо к рецессии. Такой результат соответствует ранее выявленной закономерности циклического развития рынка [20]: в благополучные для отечественной экономики годы (2001-2008) при значительных темпах роста доходов населения на рынке недвижимости наблюдались среднесрочные циклы с периодом 2,5-3 года (2001-2003 и 2004-2007). Различие в динамике рынка, полученной по результатам прогнозных расчетов, заключается в меньших темпах роста цен в стадии роста и большем снижении в стадии рецессии (в 2000-е годы цены лишь стабилизировались с небольшой кратковременной коррекцией), а также в увеличенном периоде колебания цен от нижней до нижней точки. Подобное поведение рынка после кризиса 2008-2009 годов объяснено и прогнозировалось в работе [6]. При этом конкретная динамика развития рынка все же различается, и с учетом этого обстоятельства при Сценарии № 1 можно рассматривать как целесообразный уровень целевого объема ввода жилья по варианту 2 (4,3 млн. кв. м).

При динамике макроэкономических показателей по Сценарию № 3 целесообразен вариант 2 с уровнем целевого объема ввода жилья 4,3 млн. кв. м, хотя динамика цен и не обеспечивает достаточной доходности девелопмента.

Таким образом, получены следующие конкурентные для рассмотрения варианты:

- Сценарий № 1 при варианте 2 целевого объема ввода жилья в 2020 году (4,3 млн. кв. м), сопровождающийся циклическим перегревом рынка и рецессией, но сохраняющий высокую доходность девелопмента;

- Сценарий № 3 при варианте 2, сопровождающийся стабильным развитием рынка, но низкой доходностью девелопмента, требующей дополнительных мер государственной поддержки.

Сравнение двух этих вариантов показывает, что приемлемым является целевой объем ввода жилья в Москве (в старых границах) в 2020 году по варианту 2 (4,3 млн. кв. м).

Выводы. Развитие и совершенствование методов прогнозирования на рынке недвижимости России в течение 20 лет его новейшей истории привело к созданию адекватной математической модели функционирования локального рынка жилой недвижимости, обеспечивающей возможность проведения расчетных экспериментов и оценки влияния внешних условий и управленческих решений на динамику рынка.


Литература

1. V.V. Ivantera, I.A. Budanova, A.G. Korovkina, V.S. Sutyagina, 2007 Applied forecasting for national economics. Economist pp. 896.

2. G.M. Sternik, 1996. How to forecast habitation prices (manual for realtor). RGR, M. pp. 60.

3. G.M. Sternik, 1997. Economic analysis and habitation price forecasting in Russia Cities. Materials of international conference on habitation mathematical economics of European real estate market investigators network in Vena Feb. 1997.

4. G.M. Sternik, 1998. Statistical approach to forecasting habitation prices. Journal RAS “Economics and mathematical methods”, volume 34-1, 1(2):85-90.

5. Ordway N., Friedman D., 1997. Income Property Appraisal and Analysis. Transl. From eng. Delo.

6. Green, Richard К. (1997), “Follow the leader: how changes in residential and nonresidential investment predict changes in GDP,” Real Estate Economics, 25(2), 253-70.

7. Gotham, Kevin Fox. The Secondary Circuit of Capital Reconsidered: Globalization and the U.S. Real Estate Sector // American Journal of Sociology №1 2006.

8. Green, Richard К. Imperfect information and the housing finance crisis. A descriptive overview // Journal of Housing Economics № 17 2008.

9. Sanders, Anthony. The Subprime crisis and its role in the financial crisis // Journal of Housing Economics №17 2008

10. 2000. Methodology of supply forecasting on basis of economic and demographic method. From the collector of CCIM Institute, Chicago, USA.

11. G.M. Sternik, S.G. Sternik, 2009. Analysis of real estate market for professionals. “Economics” puplisher, pp 606.

12. G.M. Sternik, A.U. Sapojnikov, 2000. Report on research: Development of real estate market informational and analytical system. By Gosstroj RF. pp 80. http://realtymarket.ru/konferencii/KONCEPCIYA-SOZDANIYA-OBSHENACIONALNOI-INFORMACIONNO-ANALITI-ESKOI-SISTEMI-RINKA-JILYA.html.

13. G.M. Sternik, 1998. Seven phenomena of Russia real estate market formation and development in terms of transition economics. Materials of international conference on habitation mathematical economics of European real estate market investigators network in Maastricht, june 1998. http://realtymarket.ru/konferencii/Sem-fenomenov-rossiiskogo-rinka-nedvijimosti.html.

14. G.M. Sternik, 1999. Russian real estate market: regularities of formation and development in terms of transition economics. «Questions of appraisal» №3, pp:2-24

15. G.M. Sternik, S.G. Sternik, 2008. The law of demand, supply and dealerships volume correlation in the real estate market. Journal «Ownership relationships in RF» № 12 (87), pp: 23-34.

16. G.M. Sternik, S.G. Sternik, 2008. Basic regularity of developing real estate markets. Journal «Ownership relationships in RF» № 11 (86), pp: 18-26.

17. G.M. Sternik, S.G. Sternik, 2009. Real estate markets typology by inclination to price bubbles formation. Journal «Ownership relationships in RF» № 8 (95), pp: 18-

18. G.M. Sternik, S.G. Sternik, 2010. Five macroeconomic laws of real estate market functioning as integral part of global financial market in transitive economics. Journal “Financial analytics: problems and solving” №11 (35), pp 15-29.

19. G.M. Sternik, A.H. Krasnopolskaya, 2008. Nonharmonic expantion of Moscow real estate market price dynamic. RAS journal “Economic science of contemporary Russia”, pp: 110-114

20. G.M Sternik, A.V. Pechenkina, 2007. Price forecasting for apartment supply in russian real estate market (macroeconomic approach). Journal «Ownership relationships in RF» №10(73), pp: 11-18.

21. A.V. Pechenkina, July 2007. Model building of demand price forecast on the Perm real estate market. http://realtymarket.ru/stati-kolleg/Postroenie-modeli-prognoza-cen-predlojeniya-na-rinke-jilya-g.-Permi.html

22. A.V. Pechenkina, 2008. Regression analysis method application in terms of real estate market prices forecasting. Materials of VI International scientifically practical conference “Russian contemporary financial market, Perm, 2008.

23. A.V. Pechenkina, 2008. Medium price forecasting method on the Perm real estate market. Materials of III Petersburg mortgage forum “Russian mortgage”, St. Petersburg, may 2008. http://realtymarket.ru/III-Peterburgskii-ipote-nii-forum/Vibor-metoda-prognozirovaniya-srednei-ceni-predlojeniya-na-rinke-jilya-goroda-Permi.html.

24. A.V. Pechenkina, 2010. Usage of multilevel factor model when forecasting regional real estate market situation (by the example of Perm territory). Journal «Ownership relationships in RF» № 11(110), Moscow.

25. Molchanova, M.J. and A.V. Pechenkina, 2011. Features of using methods of fundamental and technical analysis for predicting real estate market prices. Bulletin of Perm University. Economics., 3 (10).

26. Pechenkina, A.V., 2011. Development of theory and practice of real estate market prices prognoses. Modern real estate market of Russia, Perm (issue IX).

27. Snituk, V.E., 2003. Stochastic relaxation method application for real estate market prognoses.. Neuronets and their application, Kramatorsk.

28. Komarov, S.I., 2010. Land for individual residential purposes price prognoses (for Moscow), Abstract of a thesis.

29. Evstafiev, A.I. and V.A. Gordienko, 2007. Prognoses of real estate market indicators by means of two dimensional expansion of discrete spatial parametric model based on using neuronets. National real estate congress (issue XI)

30. Drobishevskiy, S.M., 2009. Price "bubble" on real estate market genesis possibility analysis. Moscow: Science works IEPP 128, pp: 136.

31. Sternik, G.M., 2008. Scenarium prognoses of Russian real estate market development. Residential building strategy of Russia, Moscow.

32. Vlasov, A.D., V.A. Ponko and S.V. Hizametdinov, 2007. Ecoprognoses. Novosibirsk: Siberian Scientific Centre.

33. G.M. Sternik. Methodology of habitant price forecasting in dependance on market type. // Ownership relationships in RF. 2010. №12..

34. G.M. Sternik. Pricing on Russian real estate market // Ownership relationships in RF. 2010. №5(104). pp. 67-83.

35. G.M. Sternik, A.V. Sviridov. Methodology of improvement and retrospective check of medium-term forecasting city (region) residential real estate market // Ownership relationships in RF. 2012. №8(131)..

36. G.M. Sternik, A.V. Sviridov. Improvement and retrospective check of medium-term forecasting local residential real estate market // Ownership relationships in RF. 2013. №9. С. taken to publication.

37. G.M. Sternik, A.V. Sviridov. Substantiation of target placement of accommodation volume (by the example of Moscow) // Ownership relationships in RF. 2013. №10. С. taken to publication.

Литература

1. Прикладное прогнозирование национальной экономики / под ред. В.В. Ивантера, И.А. Буданова, А.Г. Коровкина, В.С. Сутягина. – М.: Экономистъ, 2007 – 896 ч.

2. Стерник Г.М. Как прогнозировать цены на жилье (пособие риэлтору). – Изд. РГР, М.: 1996. – 60 с.

3. Стерник Г.М. Эконометрический анализ и прогноз цен на жилье в городах России. - Материалы международной конференции по эконометрии жилищного рынка Европейской сети исследователей жилищного рынка, Вена, февраль 1997.

4. Стерник Г.М. Статистический подход к прогнозированию цен на жилье. - Журнал РАН «Экономика и математические методы», том 34 вып.1, 1998, стр. 85-90.

5. Фридман Дж., Ордуэй Н. Анализ и оценка приносящей доход недвижимости. Пер. с англ. -М.: Дело, 1997.

6. Green, Richard К. (1997), “Follow the leader: how changes in residential and nonresidential investment predict changes in GDP,” Real Estate Economics, 25(2), 253-70.

7. Gotham, Kevin Fox. The Secondary Circuit of Capital Reconsidered: Globalization and the U.S. Real Estate Sector // American Journal of Sociology №1 2006.

8. Green, Richard К. Imperfect information and the housing finance crisis. A descriptive overview // Journal of Housing Economics № 17 2008.

9. Sanders, Anthony. The Subprime crisis and its role in the financial crisis // Journal of Housing Economics №17 2008

10. Методика прогнозирования спроса на основе экономико-демографического метода. – В Сб. материалов Института CCIM , Чикаго, США (пер. с англ.), 2000.

11. Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. - М.: Изд. «Экономика», 2009. – 606 с.

12. Отчет по НИР «Разработка концепции создания Федеральной информационно-аналитической системы рынка жилья (ФИАС)» //Стерник Г.М., Сапожников А.Ю. и др. по заказу Госстроя РФ, 2000.- 80 стр. http://realtymarket.ru/konferencii/KONCEPCIYA-SOZDANIYA-OBSHENACIONALNOI-INFORMACIONNO-ANALITI-ESKOI-SISTEMI-RINKA-JILYA.html.

13. Стерник Г.М. Семь феноменов становления и развития рынка жилья России в условиях переходной экономики. - Материалы международной конференции Европейской сети исследователей жилищного рынка, Маастрихт, июнь 1998. http://realtymarket.ru/konferencii/Sem-fenomenov-rossiiskogo-rinka-nedvijimosti.html.

14. Стерник Г.М. Рынок недвижимости России: закономерности становления и развития в условиях переходной экономики. – «Вопросы оценки», 1999, №3, стр. 2-24.

15. Стерник Г.М., Стерник С.Г. Закон соотношения объема спроса, предложения и сделок на рынке недвижимости. - Журнал «Имущественные отношения в РФ» № 12 (87), 2008, стр. 23-34.

16. Стерник Г.М., Стерник С.Г. Основная закономерность развивающихся рынков недвижимости. – Журнал «Имущественные отношения в РФ» № 11 (86), 2008, стр. 18-26.

17. Стерник Г.М., Стерник С.Г. Типология рынков недвижимости по склонности к образованию ценовых пузырей. - Журнал «Имущественные отношения в РФ» №8 (95) 2009, с. 18-28.

18. Стерник Г.М., Стерник С.Г. Пять макроэкономических законов функционирования рынка недвижимости как неотъемлемой составляющей глобального финансового рынка в транзитивной экономике. – Журнал «Финансовая аналитика: проблемы и решения», 2010, № 11(35), стр. 15-29.

19. Стерник Г.М., Краснопольская А.Н. Негармоническое разложение ценовой динамики рынка жилья Москвы. - Журнал РАН «Экономическая наука современной России» № 2008, стр. 110-114.

20. Стерник Г.М., Печенкина А.В. Прогноз цен предложения квартир на российском рынке жилья (макроэкономический подход). – Журнал «Имущественные отношения в РФ», №10 (73), 2007, стр. 11-18.

21. Печенкина А.В. Построение модели прогноза цен предложения на рынке жилья г. Перми. - http://realtymarket.ru/stati-kolleg/Postroenie-modeli-prognoza-cen-predlojeniya-na-rinke-jilya-g.-Permi.html, июль 2007.

22. Печенкина А.В. Применение метода регрессионного анализа при прогнозировании цен на рынке жилья. - Материалы VI Международной научно-практической конференции «Современный финансовый рынок Российской Федерации», Пермь, 2008.

23. Печенкина А.В. Выбор метода прогнозирования средней цены предложения на рынке жилья города Перми. – Материалы III Петербургского ипотечного форума «Ипотека России». – 2008, Санкт-Петербург, май 2008. http://realtymarket.ru/III-Peterburgskii-ipote-nii-forum/Vibor-metoda-prognozirovaniya-srednei-ceni-predlojeniya-na-rinke-jilya-goroda-Permi.html.

24. Печенкина А.В. Использование многоуровневой факторной модели при прогнозировании ситуации на региональном рынке недвижимости (на примере Пермского края). - Журнал «Имущественные отношения в Российской Федерации» № 11 (110), Москва, 2010.

25. Молчанова М.Ю., Печенкина А.В. Особенности использования методов фундаментального и технического анализа при прогнозировании цен на рынке недвижимости региона. - Журнал «Вестник Пермского университета. Серия «Экономика». Выпуск 3(10), Пермь, 2011

26. Печенкина А.В. Развитие теории и практики прогнозирования цен на рынке жилья. - Материалы IX Международной научно-практической конференции «Современный финансовый рынок Российской Федерации», Пермь, 2011.

27. Снитюк В.Е. Применение метода стохастической релаксации для прогнозирования рынка недвижимости. Международная научная конференция «Нейросетевые технологии и их применение. − Краматорск. − 2003.

28. Комаров С. И. Прогнозирование стоимости земельных участков для индивидуального жилищного строительства (на примере Московской области). - Автореферат диссертации, 2010.

29. Евстафьев А.И., Гордиенко В.А. Прогнозирование индикаторов рынка недвижимости путём двумерного разложения дискретной пространственно-параметрической модели на основе применения нейросетей. – Материалы Х1 Национального конгресса по недвижимости, - М.: 2007.

30. Дробышевский С.М. Анализ возможности возникновения «пузыря» на российском рынке недвижимости. – М.: Научные труды ИЭПП №128, 2009. – 136 с.

31. Стерник Г.М. Сценарный прогноз развития рынка жилья городов России. – Материалы Всероссийской конференции «Стратегия развития жилищного строительства в России». – М., 1.10.2008.

32. Власов А.Д., В.А. Понько, С.В. Хизаметдинов, Сибирский научный центр «Экопрогноз», Новосибирск, 2007.

33. Стерник Г.М. Методика прогнозирования цен на жилье в зависимости от типа рынка. – Журнал «Имущественные отношения в РФ» №12, 2010.

34. Стерник Г.М. Ценообразование на рынке жилья России. – Журнал «Имущественные отношения в РФ» № 5 (104), 2010, стр. 67-83.

35. Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона) – Журнал «Имущественные отношения в РФ» №8 (131) 2012.

36. Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. - «Имущественные отношения в Российской Федерации», № 9, 2013 (принято к опубликованию)

37. Стерник Г.М., Свиридов А.В. Обоснование целевых объемов ввода жилья
(на примере Москвы). - «Имущественные отношения в Российской Федерации», № 10, 2013 (принято к опубликованию).



[1] Под фазами цикла в макроэкономической литературе понимается 4 временных отрезка динамики цен, именуемые «спад (рецессия)» - Recession), «восстановление (оживление)” - Recovery, «подъем (рост)» - Expantion, «перепроизводство (избыточное предложение)” - Oversupply. Понятие «стадия цикла» введено в [2] и обозначает отрезки динамики с приблизительно одинаковым темпом роста цен.

[2] Примечание: показатели, отмеченные звездочкой*, взаимозаменяемы.

[3] Блоки-модули – это самостоятельные блоки, которые могут использоваться либо не использоваться при расчетах.

Развитие методики оценки доступности жилья для населения

Стерник Геннадий Моисеевич,

профессор кафедры «Управление проектами и программами»

РЭУ им. Г.В. Плеханова

Апальков Александр Александрович,

аспирант кафедры

Аннотация

В статье рассмотрена эволюция методов оценки доступности жилья для населения, включая стандартную международную методику ХАБИТАТ ООН, базовую методику Госстроя, применяемую в официальных документах в РФ, и опубликованные в научных работах модификации. Выбрана методика-прототип, в наибольшей степени отвечающая современным требованиям, и произведено ее усовершенствование с учетом накопленного опыта. Подготовлены исходные данные и произведен расчет показателей доступности жилья на примере квартир в строящихся жилых домах Москвы в 2012 году (без учета ипотечной поддержки, но с зачетом имеющегося жилья). Показано отличие результатов оценки доступности от полученных по базовой методике.

Ключевые слова

Доступность жилья, показатели оценки доступности, коэффициент доступности, доля населения, которой жилье доступно, стандартная, базовая и модифицированная методика расчета коэффициента доступности, усовершенствованная методика оценки доступности жилья.

Проблема обеспечения доступности качественного и комфортного жилья для населения России становится все более актуальной, и вместе с тем в научных публикациях последнего времени вновь обсуждаются разнообразные подходы к оценке этой доступности /1-5, 7, 12 и др./. На наш взгляд, это свидетельствует о недостаточной удовлетворенности специалистов методикой расчета коэффициента доступности жилья, восходящей к стандартной методике Организации ООН по развитию городов (ХАБИТАТ ООН, 1947 г.).

Целью настоящей работы является рассмотрение положений стандартной методики и вариантов ее практической реализации в РФ для повышения точности расчетов и информационной полноты оценки доступности жилья для населения.

Некоторые особенности стандартной методики ХАБИТАТ ООН. Согласно стандартной методике, оценка доступности жилья производится с помощью коэффициента доступности Кд и используется для межстрановых сопоставлений уровня жизни населения. Он рассчитывается как отношение средней (медианной) цены типовой квартиры к совокупному годовому доходу среднего (медианного) домохозяйства и показывает число лет, в течение которого семья может накопить из текущих доходов сумму, необходимую для приобретения квартиры.

Существует общепринятая классификация рынков с точки зрения доступности жилья (табл. 1).

Таблица 1. Классификация рынков жилья по критерию доступности

Категория рынка

Значение Кд

Жилье доступно (affordable)

До 3 лет

Жилье не очень доступно (moderately unaffordable)

От 3 до 4 лет

Приобретение жилья серьезно осложнено (seriously unaffordable)

От 4 до 5 лет

Жилье существенно недоступно (severely unaffordable)

Более 5 лет

Источник: www.demographia.com.

Под типовой квартирой понимается квартира (unit), общая площадь которой равна значению средней для данной страны обеспеченности населения жильем (в восточноевропейских странах - 30, в западноевропейских – 40, в США – 70 кв. м на человека), умноженному на средний размер домохозяйства (рис. 1).

Источник: Росстат, Housing statistics in the European Union 2004.

Рисунок 1. Средний размер жилья в России и странах ЕС, кв. м

Таким образом, коэффициент доступности жилья для населения Кд согласно стандартной методике рассчитывается в зависимости от четырех переменных, выраженных средними (медианными) для данной страны значениями: цены 1 кв. м жилья, размера (общей площади) квартиры согласно сложившемуся уровню обеспеченности населения жильем, годового душевого дохода, размера (числа членов) домохозяйства.

Отличия базовой методики, используемой в официальных документах РФ, от стандартной методики. С самого начала рыночных преобразований в России американские и отечественные ученые проводили исследования, направленные на оценку доступности жилья для населения РФ. В частности, в работе Института экономики города, Вашингтон /6/ предложено использовать в качестве типовой квартиру размером 54 кв. м, что соответствовало не норме обеспеченности населения жильем (в то время она равнялась 14-15 кв. м на человека), а социальной норме предоставления субсидий на приобретение жилья (по 18 кв. м на человека) семье из трех человек (согласно Положению Совета Министров от декабря 1993 г. № 1278).

Именно эти переменные были заложены в дальнейшем в методику (назовем ее «базовой») Госстроя и Минрегиона РФ при формировании целевых показателей Госпрограмм «Жилище», в Стратегии развития жилищного строительства до 2020 года, в программе «Доступное жилье – гражданам России» и в других официальных документах, а также используются повсеместно в научных исследования и публикациях /7, 8, 11, 12/.

Стандартная методика (международная) и ее базовая модификация (в России) широко используются для оценки доступности жилья в разрезе регионов и городов /8, 9, 11, 14/, а в работе /12/ - и административных округов Москвы. Такая территориальная дифференциация Кд вполне объяснима с учетом существенных различий в доходах населения и ценах на жилье между городами и регионами. К сожалению, в отличие от зарубежных исследований, где варьируется медианный доход домохозяйства, т.е. душевой доход и размер домохозяйства, и полная цена квартиры, т. е. удельная цена и размер квартиры (рис. 2), в большинстве отечественных работ из четырех переменных варьируются лишь средний душевой доход и средняя удельная цена, а размер квартиры и размер домохозяйства оставляются в большинстве работ на уровне, заданном в базовой методике – 54 кв. м и 3,0 человека (рис. 3). Исключение составляет лишь работа /17/.

Источник: /9/, UN Habitat, 3rd Annual Demographia International Housing Affordability Survey.

Рис. 2. Коэффициент доступности жилья в городах США в 2006 г.

Источник: /15/, расчеты авторов по данным Росстата

Рис. 3. Коэффициент доступности жилья в различных федеральных округах РФ в октябре 2006 г., рассчитанный по базовой методике (без учета ипотечной поддержки)

Дальнейшая эволюция методики расчета Кд. В 2000 году в работе Фонда «Институт экономики города» /8/ предложена модификация базовой методики, в которой учтена стоимость годовых текущих расходов на все потребности семьи в виде годового прожиточного минимума семьи:

, (1)

где V – средняя стоимость квартиры;

S – площадь квартиры, кв. м;

P – средняя удельная цена квартиры, руб./кв. м;

I – годовой доход семьи;

- годовой прожиточный минимум семьи.

Однако, приведенная формула не отражает возможность полного отсутствия накоплений у граждан, когда годовой доход меньше или равен минимальным потребительским расходам. В связи с этим в 2006 году в работе /13/ была предложена модификация этой формулы в виде, показывающем, что при невыполнении условия «доходы больше расходов» величина Кд теряет смысл:

при I > ПМ,

. (2)

Далее, в той же работе /13/ рассмотрена возможность учета стоимости имеющейся квартиры при улучшении жилищных условий (альтернативные сделки), тогда в числителе формулы (2) величина S становится по смыслу равной разности площадей приобретаемой и имеющейся квартиры:

S = (SнSи) . P , (3)

где Sн – площадь новой (приобретаемой) квартиры, кв. м;

Sи – площадь имеющегося жилья, кв. м (принято допущение о равенстве удельной стоимости приобретаемого и имеющегося жилья).

Следующим шагом в развитии методики расчета Кд стал предложенный в работе /13/ и реализованный в /17/ переход от использования средних по территории доходов и средних по рынку удельных цен к дифференцированным по доходности группам населения (децильным, квинтильным и любым доступным в статистике) и к дифференцированным по классу качества размерам квартир и средним удельным ценам. Такой подход опирается на определение понятия «доступное жилье», сформулированное в работе /13/: «доступное жилье – это жилье, которое семья может приобрести по рыночной стоимости, используя свои сбережения, накопленные из своих текущих доходов за разумный период времени (возможно, с учетом стоимости имеющейся квартиры) при необходимом уровне текущих расходов, 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».

Известно, что в экономической теории установлена закономерность изменения структуры расходов домохозяйств при возрастании их дохода, известная как закон Энгеля: по мере роста дохода каждое домохозяйство начинает тратить на потребление меньшую долю доходов, и большую долю - сберегать. В связи с этим необходимо формулу (2/3) применять не только для расчета среднего коэффициента доступности жилья в стране, но и дифференцированно для различных регионов и групп населения по доходу (рис. 5).


Источник: /16, 17/

Рис. 4

Необходимо отметить, что в работе /17/ дифференциация населения по доходам осуществлена путем экспертного формирования диапазона доходов, соответствующего «классам населения» (малообеспеченный, средний, высокообеспеченный, элита – рис. 5).

Источник: /20/

Рис. 5. Распределение среднедушевых доходов в Москве (2007 г.)

В дальнейшем в ряде работ /7, 12 и др./ доходы населения дифференцируются не по экспертным решениям, а на основе децильных или иных доходных групп, представляемых Росстатом. Переход в настоящей статье к дифференциации по статистическим данным рассматривается как одно из направлений совершенствования методики расчета Кд.

Оценка доступности жилья по двум показателям. В 2000 году в работах Фонда «Институт экономики города» /8/ было предложено наряду с Кд использовать при оценке доступности второй показатель – долю населения, которой жилье доступно с учетом возможности получения ипотечного кредита (индекс возможности приобретения жилья с кредитом HАI – Housing affordability index).

Индекс возможности приобретения жилья с кредитом показывает соотношение доходов среднестатистического домохозяйства с доходами, которые необходимо иметь для приобретения стандартной квартиры с помощью ипотечного кредита, выдаваемого на стандартных условиях. Значение показателя в 100% означает, что среднестатистическая семья имеет доходы, в точности соответствующие необходимым доходам для приобретения стандартной квартиры с помощью ипотечного кредита (рис. 6). Если индекс возможности приобретения жилья с кредитом меньше 100%, то среднестатистическое домохозяйство не в состоянии приобрести стандартную квартиру.

,

где – величина ипотечного кредита.

Источник: /10/, ИЭГ по данным Росстата

Рис. 6. Картограмма индекса возможности приобретения жилья с кредитом в России (II кв. 2005 г.)

В работе /13/ показано, что переход от расчета коэффициента доступности к другому индикатору – доле накоплений (с учетом кредита) в стоимости квартиры - исключает возможность оценки влияния кредита на коэффициент доступности жилья, т.е. расчет первого (стандартного) показателя Кд. Кроме того, формула учитывает только одну составляющую кредита – размер ссуды, но не учитывает необходимость обслуживания кредита (размер годовых выплат по кредиту). Тем не менее, учет ипотечной поддержки при оценке доступности жилья для населения является важным методическим достижением и должен быть сохранен. Однако, в связи с ограничениями объема в данной статье влияние ипотечной поддержки на доступность жилья рассматриваться не будет. Но идея включения второго показателя – доли населения, которой жилье доступно – в оценку доступности жилья представляется целесообразной и используется в настоящей работе.

Таким образом, модель оценки доступности жилья для населения, предложенная в работе /13/ и реализованная в /17/, наиболее полно учитывает все факторы, формирующие коэффициент доступности. Однако, порядок расчета второго показателя – доли населения, которой жилье доступно (как без ипотеки, так и с ипотечной поддержкой), в этих работах не приведен, и его разработка является одной из задач настоящей статьи.

Одновременно должен быть уточнен порядок формирования классов качества жилья, влияющий на среднюю площадь квартир и среднюю удельную цену в каждом классе, в связи с разработкой в 2011 году «Единой методики классифицирования строящихся жилых домов по потребительскому классу (качеству)» /18/.

Среднеарифметические показатели vs медианных. В базовой методике расчет коэффициента доступности жилья ведется не для медианных, а для среднеарифметических значений душевого дохода и цены 1 кв. м жилья. Этот аспект вызвал возражения в некоторых научных работах /1, 2/ в связи с тем, что расчет по среднеарифметическим, а не медианным доходам, по мнению авторов, существенно (до 70%) завышает оценку доступности жилья для населения. В связи с этим необходимо разобраться с реальным положением дел.

Известно, что распределение доходов населения асимметрично, и медианные доходы всегда ниже среднеарифметических (рис. 7).


Источник: расчеты автора по данным Росстата

Рис. 7.

Из данных рис. 7 следует, что медианный доход в Москве в 2012 году составлял около 28 тыс. руб. При этом средний арифметический доход был равен 48,6 тыс. руб., т.е. превышал медианный на 74%.

Вместе с тем, распределение удельной цены квартир также асимметрично (рис. 8).

Источник: база данных ООО Sterniks Consulning

Рис. 8

Из данных рис. 8 следует, что медианная удельная цена предложения жилья в Москве в 2012 году составила 155,4 тыс. руб./кв. м. При этом среднеарифметическая цена составила 202,6 тыс. руб./кв. м, т.е. превышала медианную на 30,4%.

Следовательно, использование среднеарифметических значений душевых доходов и цен вместо медианных вносит в расчет коэффициента доступности жилья погрешность, равную 44,2%. Такой результат весом, но не критичен – неопределенность в оценке нелегальных доходов и другие допущения еще более снижают точность оценки. Тем не менее, существует способ устранить данную погрешность, который позволяет отказаться от использования как средних арифметических, так и средних медианных доходов и цен. Он связан с введением дифференциации групп населения по доходам и удельных цен – по различным классам качества жилья, как это сделан в работе /17/. Впоследствии подобный подход частично применялся и в других работах /7, 12 и др./, но дифференциация проводилась либо по доходным группам населения, при этом размер квартиры оставался равным 54 кв. м, либо по размеру квартир (по числу комнат), при этом доходы принимались средними по РФ (либо по городу Москве). В результате погрешность, связанная с использованием среднеарифметических доходов и цен вместо медианных, не могла быть устранена.

Таким образом, методика, приведенная в работе /17/, в настоящей статье использована как прототип, подлежащий совершенствованию в следующих направлениях:

- переход от экспертно сформированных «классов населения» к официальным группам по доходности;

- переход от оценки доступности жилья по одному показателю к оценке по двум и разработка порядка расчета второго показателя – доли населения, которой жилье доступно (в настоящей статье – без учета ипотеки, в дальнейшем - с учетом ипотечной поддержки);

- уточнение порядка формирования классов качества жилья, влияющего на среднюю площадь квартир и среднюю удельную цену в каждом классе, в связи с разработкой в 2011 году «Единой методики классифицирования строящихся жилых домов по потребительскому классу (качеству)».

Усовершенствованная методика оценки доступности жилья для населения. Методика включает следующие этапы (без учета ипотечной поддержки).

1)     Для каждой из выделенных доходных групп населения рассчитывается по формуле (2/3) показатель Кд по каждому из классов качества жилья, включая случай альтернативных сделок.

2)     Если Кд по всем группам превышает значение 3,0 года, то фиксируется наименьшее значение. Если Кд по одной или нескольким группам укладывается в заданное ограничение (жилье доступно), то варианты недоступного жилья отбрасываются, а по остальным фиксируется наибольшее значение.

3)     Рассчитывается средневзвешенное по доле населения в группе значение Кд для каждой группы.

4)     Рассчитывается средневзвешенное значение Кд по всем размерам/классам для объектов наилучшего класса, доступных данной группе.

5)     Рассчитывается по каждому объекту конкретного размера/класса доля населения, которой жилье доступно, как сумма долей каждой из групп с Кд =< 3,0.

6)     Рассчитывается по совокупности объектов наилучшего класса, доступных данной группе, доля населения города, которой жилье доступно, как сумма долей каждой группы (за исключением групп с Кд = .

7)     Для сравнения рассчитывается Кд по базовой методике.

Расчет показателей доступности жилья для населения Москвы в 2012 году и интерпретация результатов. Исходные данные для расчета приведены в табл. 3.

Таблица 3. Исходные данные для расчета показателей доступности жилья для населения Москвы в 2012 году

показатель

значение

источник

Численность населения, чел.

11980

Федеральная служба государственной статистики. Россия в цифрах. 2013: крат. стат. сб./Росстат-М., Р76 2013 (с 93, табл. 5.4), (с. 138, табл. 7.9)

gks.ru/free_doc/new_site/population/urov/urov_11sub.htm

gks.ru/free _doc/new_site/ perepis2010/croc/vol6pdf-m.html

Средний размер домохозяйства, чел.

2,6

Среднемесячный денежный душевой доход, руб./чел. в месяц

48621,6

Прожиточный минимум, руб./чел. в месяц

9747

Петербургский правовой портал 1997–2013. http://ppt.ru/info/?id=4

Распределение населения по доходам

№ группы

Диапазон доходов, тыс. руб.

Распреде ление насе ления, %

Средний доход в группе, тыс. руб.

Федеральная служба государственной статистики. Россия в цифрах. 2013: крат. стат. сб./Росстат-М., Р76 2013 (с 93, табл. 5.4), (с. 138, табл. 7.9)

gks.ru/free_doc/new_site/population/urov/urov_11sub.htm

gks.ru/free _doc/new_site/ perepis2010/croc/vol6pdf-m.html

1

до 10

10,9

5,0

2

до 20

18,6

15,0

3

до 30

24,6

25,0

4

до 40

11,0

35,0

5

до 50

6,0

45,0

6

до 70

9,5

60,0

7

до 90

5,5

80,0

8

до 150

6,7

125,0

9

до 250

4,2

255,0

10

св. 250

1,0

750,0

Средняя удельная цена в декабре на первичном рынке, тыс. руб./кв. м

ООО Sterniks Consulting

По всем классам

239,5

Эконом-класс

122,9

Комфорт-класс

170,8

Бизнес-класс

209,9

Элитный класс

420,0

средняя площадь квартиры на первичном рынке, кв. м

ООО Sternik’s Consulting

По всем классам

75,0

Комната*

18,0

Эконом-класс

50,0

Комфорт-класс

60,0

Бизнес-класс

110,0

Элитный класс

160,0

Примечание: * Средняя площадь жилья, приобретаемого в альтернативных сделках (разность площади приобретаемой квартиры и собственного жилья).

Результаты расчетов сведены в табл. 4.

Таблица 4. Результаты расчета показателей оценки доступности жилья для населения Москвы в 2012 году

Вариант расчета и показатель

Доля населения в группе, %

Кд для класса качества объекта

Кд для группы

Комната

эконом-класса

Комната

комфорт-класса

Квартира

эконом-класса

Квартира комфорт-класса

Квартира

бизнес-класса

Квартира

элитного класса

объект наилучше го класса, доступный данной группе

Кд, лет

по базовой методике

100

-

-

-

-

-

-

-

11,3

Группа 1

10,9

нет

Группа 2

18,6

13,5

18,8

37,5

62,5

140,9

410

Комната

эконом-класса

13,5

Группа 3

24,6

4,6

6,5

12,9

21,5

48,5

141,2

То же

4,6

Группа 4

11,0

2,8

3,9

7,8

13,0

29,3

85,3

То же

2,8

Группа 5

6,0

2,0

2,8

5,6

9,3

21,0

61,1

Комната комфорт-класса

2,8

Группа 6

9,5

1,4

2,0

3,9

6,5

14,7

42,9

То же

2,0

Группа 7

5,5

1,0

1,4

2,8

4,7

10,5

30,7

Квартира эконом-класса

2,8

Группа 8

6,7

0,6

0,9

1,7

2,8

6,4

18,7

Квартира комфорт-класса

2,8

Группа 9

4,2

0,3

0,5

1,0

1,6

3,0

10,5

Квартира бизнес-класса

3,0

Группа 10

1,0

0,1

0,1

0,3

0,4

1,0

2,9

Квартира элитного класса

2,9

Средневзвешенный Кд

-

5,0

7,0

13,9

23,3

52,3

152,2

По всем классам

5,5 года

Суммарная доля населения, которой жилье доступно, %

-

43,9

22,9

17,4

11,9

5,2

1,0

По всем классам - 43,9%

Из приведенных в табл. 4 данных следует, что Кд, рассчитанный по базовой методике (54 кв. м, 3 человека, ПМ = 0), для москвичей в 2012 году равен 11,3 года (жилье существенно недоступно - severely unaffordable). Доля населения, которой приобретение жилья за собственные средства (без учета ипотеки) доступно, по базовой методике не определяется.

При расчете по усовершенствованной методике (дифференциация по доходным группам и классу качества жилья, состав семьи 2,6 человека, ПМ = 9747 руб./месяц на человека) для отдельных групп населения получены следующие результаты:

- для группы 1 (10,9% населения Москвы) выход на рынок и приобретение любого жилья за собственные средства принципиально невозможно – доходы не превышают величину прожиточного минимума, Кд = ∞;

- для групп 2 (18,6%) и 3 (24,6%) ограниченно доступно улучшение жилищных условий (обмен меньшей квартиры эконом-класса на большую) – соответственно Кд = 13,5 лет (жилье существенно недоступно - severely unaffordable) и 4,6 года (приобретение жилья серьезно осложнено - seriously unaffordable);

- для группы 4 (11,6% населения) обмен меньшей квартиры эконом-класса на большую доступен (affordable) – Кд = 2,8 года;

- для групп 5 (6,0% населения) и 6 (9,5%) доступен обмен меньшей квартиры на большую в комфорт-классе – Кд = 2,8 и 2,0 года соответственно;

- для групп 7 (5,5% населения) и 8 (6,7%) доступно приобретение квартир в прямой сделке – соответственно эконом-класса (Кд = 2,8 года) и комфорт-класса (Кд = 2,8 года);

- для группы 9 (4,2%) доступно приобретение квартиры бизнес-класса – Кд = 2,9 года;

- для группы 10 (1,0%) доступно приобретение квартиры элитного класса – Кд = 2,9 года.

Средневзвешенный (без учета группы 1) Кд для объектов наилучшего класса, доступного данной группе, составляет 5,5 года.

Суммарная доля населения, которой доступно жилье соответствующего размера и качества, составляет:

- для комнаты эконом-класса – 43,9%;

- для комнаты комфорт-класса – 22,9%;

- для квартиры эконом-класса – 17,4%;

- для квартиры комфорт-класса – 11,9%;

- для квартиры бизнес-класса – 5,2;

- для квартиры элитного класса - 1,0%;

- по всем классам – 43,9%.

Таким образом, расчет по усовершенствованной методике показывает, что приобретение за собственные средства жилья такого размера и качества, который может себе позволить потребитель в соответствии с его финансовыми ресурсами, в том числе с зачетом имеющегося жилья, доступно для 43,9% москвичей, средневзвешенный (без учета группы 1) коэффициент доступности составляет 5,5 года.

Выводы.

1. Изменения и допущения, внесенные в базовую методику оценки доступности жилья для населения России по сравнению со стандартной международной (размер типовой квартиры 54 кв. м вместо нормы обеспеченности жильем, размер среднего домохозяйства 3,0 человека вместо среднестатистического, средние арифметические значения душевых доходов и удельных цен вместо средних медианных), снижают точность расчетов и не обеспечивают информационную полноту оценки доступности.

2. Многочисленные модификации базовой методики, предложенные в различных научных работах, позволили выбрать методику-прототип, наиболее удовлетворяющую современным требованиям, и с учетом накопленного опыта усовершенствовать ее, исключив ранее принятые допущения и ограничения.

3. Оценка доступности жилья для населения Москвы по состоянию на 2012 год, произведенная по усовершенствованной методике (без учета ипотечной поддержки, но с зачетом имеющегося жилья), показала, что доля населения, которой доступно жилье размера и качества, соответствующего финансовым возможностям различных доходных групп, составила 43,9%, а коэффициент доступности без учета первой группы равен 5,5 года (по базовой методике коэффициент доступности составил 11,3 года, а доля населения, которой жилье доступно без учета ипотеки, не определяется).

Литература

1. Barker K. Review of Housing Supply. Final report: Recommendations – London, HMSO, 2004 URL: www.barkerreview.org.uk

2. Greeen R, Malpezzi S. Primer on U.S. Housing market and housing policy, The Urban Institute Press. Washington D.C., 2003.

3. Freeman A, Chaplin R, Whitehead C. “Rental Affordability: A Review of International Literature”, Discussion Paper 88, Property Research Unit Department of Land Economy, University

4. Hancock, K.E. “Can pay? Wont pay?” or Economic Principles of “Affordability”, Urban Studies, Vol 30, No. 1, pp. 127-145, 1993. of Cambridge, 1997.

5. Schnare A.B., Struyk R.J. “Segmentation in Urban Housing Markets” Journal of Urban Economics 3, 1976.

6. Дженнифер Даниел. Анализ платежеспособного спроса на жилье в Москве. – Институт экономики города (Вашингтон), -М.: 1994. – 17 стр.

7. Иванкина Е.В. Проблемы создания доступного жилья. М.: Механизация строительства,
 №5, 2012, 0,7 п.л. (http://frem.ane.ru/about/sotrudniki/dekanat/ivankina_elena_vladimirovna)

8. Косарева Н.Б. Стратегия жилищной политики и развития жилищно-коммунального хозяйства // Материалы сайта Фонда «Институт экономики города» (www.urbaneconomics.ru). - 2000.

9. Косарева Н.Б., Туманов А.А. Об оценке доступности жилья в России // Вопросы экономики, №7, 2007.

10. Косарева Н.Б., Туманов А.А. Развитие ипотечного жилищного кредитования:
способ повышения доступности жилья для населения или фактор роста цен на жилье? Экономическая политика России – ХХI век, 2007.

11. Ноздрина Н.Н., Пчелинцев О.С., Стерник Г.М. Цены и доступность жилья в городах России. Журнал РАН «Проблемы прогнозирования» №6 1996, с. 115-138.

12. Ноздрина Н.Н., Шнейдерман И.М. Об оценке доступности жилья на рынке для населения. // Петербургский жилищный Конгресс. Конференция «Анализ и прогноз развития рынка недвижимости и строительства», 30.09-04.10. 2009. URL: www.realtymarket.ru.

13. Стерник Г.М. Доступное жилье – что это такое? – В сб. «Правовые и организационно-экономические основы формирования рынка доступного жилья в Москве». – РЭА им. Г.В.Плеханова (под ред. Стерника Г.М.), - М.: 2006, с. 3-17.

14. Стерник Г.М., Краснопольская А.Н. Определение коэффициента доступности жилья с учетом ипотечной поддержки. – Журнал «Имущественные отношения в РФ», №3 (10), 2007, стр. 43-46.

15. Стерник Г.М., Краснопольская А.Н. Влияние параметров ипотечного кредитования на коэффициент доступности жилья. - Материалы II Петербургского ипотечного форума, 2006. – www.realtymarket.ru.

16. Стерник Г.М., Краснопольская А.Н. Доступность жилья для населения Москвы с различным уровнем доходов с учетом возможности ипотечного кредитования. – Материалы III Петербургского ипотечного форума, 2008. URL:www.realtymarket.ru.

17. Стерник Г.М., Краснопольская А.Н. Разработка методики многофакторной оценки доступности жилой недвижимости. – «Имущественные отношения в Российской Федерации», 2009, № 1, стр. 26-38.

18. Единая методика классифицирования строящихся жилых домов по потребительскому классу (качеству). – РГР и Фонд РЖС, 2011. - http://realtymarket.ru/metodi-eskie-materiali/ .

19. Косарева Н., Туманов А. Доступно ли россиянам жилье? / Демоскоп Weekly № 307-308, 29.10- 11.11 2007 г. http://demoscope.ru/weekly/2007/0307/tema04.php

20. Краснопольская А.Н. Разработка методики многофакторной оценки доступности жилой недвижимости. – Автореферат диссертации (н. р. Стерник Г.М.). – РЭА им. Г.В.Плеханова, 2007.

21. Федеральная служба государственной статистики. Россия в цифрах. 2013: крат. стат. сб./Росстат-М., Р76 2013 (с 93, табл. 5.4), (с. 138, табл. 7.9)

www.gks.ru/free_doc/new_site/population/urov/urov_11sub.htm

www.gks.ru/free _doc/new_site/ perepis2010/croc/vol6pdf-m.html

22. Петербургский правовой портал 1997 – 2013. http://ppt.ru/info/?id=4

Стерник Г.М., Апальков А.А. Развитие методики оценки доступности жилья для населения

(«Имущественные отношения в Российской Федерации». - 2014. - №2. – С. 59-71)
Категория: методические материалы

Развитие методики оценки доступности жилья для населения

Стерник Геннадий Моисеевич,

профессор кафедры «Управление проектами и программами»

РЭУ им. Г.В. Плеханова

Апальков Александр Александрович,

аспирант кафедры

Аннотация

В статье рассмотрена эволюция методов оценки доступности жилья для населения, включая стандартную международную методику ХАБИТАТ ООН, базовую методику Госстроя, применяемую в официальных документах в РФ, и опубликованные в научных работах модификации. Выбрана методика-прототип, в наибольшей степени отвечающая современным требованиям, и произведено ее усовершенствование с учетом накопленного опыта. Подготовлены исходные данные и произведен расчет показателей доступности жилья на примере квартир в строящихся жилых домах Москвы в 2012 году (без учета ипотечной поддержки, но с зачетом имеющегося жилья). Показано отличие результатов оценки доступности от полученных по базовой методике.

Ключевые слова

Доступность жилья, показатели оценки доступности, коэффициент доступности, доля населения, которой жилье доступно, стандартная, базовая и модифицированная методика расчета коэффициента доступности, усовершенствованная методика оценки доступности жилья.

Проблема обеспечения доступности качественного и комфортного жилья для населения России становится все более актуальной, и вместе с тем в научных публикациях последнего времени вновь обсуждаются разнообразные подходы к оценке этой доступности /1-5, 7, 12 и др./. На наш взгляд, это свидетельствует о недостаточной удовлетворенности специалистов методикой расчета коэффициента доступности жилья, восходящей к стандартной методике Организации ООН по развитию городов (ХАБИТАТ ООН, 1947 г.).

Целью настоящей работы является рассмотрение положений стандартной методики и вариантов ее практической реализации в РФ для повышения точности расчетов и информационной полноты оценки доступности жилья для населения.

Некоторые особенности стандартной методики ХАБИТАТ ООН. Согласно стандартной методике, оценка доступности жилья производится с помощью коэффициента доступности Кд и используется для межстрановых сопоставлений уровня жизни населения. Он рассчитывается как отношение средней (медианной) цены типовой квартиры к совокупному годовому доходу среднего (медианного) домохозяйства и показывает число лет, в течение которого семья может накопить из текущих доходов сумму, необходимую для приобретения квартиры.

Существует общепринятая классификация рынков с точки зрения доступности жилья (табл. 1).

Таблица 1. Классификация рынков жилья по критерию доступности

Категория рынка

Значение Кд

Жилье доступно (affordable)

До 3 лет

Жилье не очень доступно (moderately unaffordable)

От 3 до 4 лет

Приобретение жилья серьезно осложнено (seriously unaffordable)

От 4 до 5 лет

Жилье существенно недоступно (severely unaffordable)

Более 5 лет

Источник: www.demographia.com.

Под типовой квартирой понимается квартира (unit), общая площадь которой равна значению средней для данной страны обеспеченности населения жильем (в восточноевропейских странах - 30, в западноевропейских – 40, в США – 70 кв. м на человека), умноженному на средний размер домохозяйства (рис. 1).

Источник: Росстат, Housing statistics in the European Union 2004.

Рисунок 1. Средний размер жилья в России и странах ЕС, кв. м

Таким образом, коэффициент доступности жилья для населения Кд согласно стандартной методике рассчитывается в зависимости от четырех переменных, выраженных средними (медианными) для данной страны значениями: цены 1 кв. м жилья, размера (общей площади) квартиры согласно сложившемуся уровню обеспеченности населения жильем, годового душевого дохода, размера (числа членов) домохозяйства.

Отличия базовой методики, используемой в официальных документах РФ, от стандартной методики. С самого начала рыночных преобразований в России американские и отечественные ученые проводили исследования, направленные на оценку доступности жилья для населения РФ. В частности, в работе Института экономики города, Вашингтон /6/ предложено использовать в качестве типовой квартиру размером 54 кв. м, что соответствовало не норме обеспеченности населения жильем (в то время она равнялась 14-15 кв. м на человека), а социальной норме предоставления субсидий на приобретение жилья (по 18 кв. м на человека) семье из трех человек (согласно Положению Совета Министров от декабря 1993 г. № 1278).

Именно эти переменные были заложены в дальнейшем в методику (назовем ее «базовой») Госстроя и Минрегиона РФ при формировании целевых показателей Госпрограмм «Жилище», в Стратегии развития жилищного строительства до 2020 года, в программе «Доступное жилье – гражданам России» и в других официальных документах, а также используются повсеместно в научных исследования и публикациях /7, 8, 11, 12/.

Стандартная методика (международная) и ее базовая модификация (в России) широко используются для оценки доступности жилья в разрезе регионов и городов /8, 9, 11, 14/, а в работе /12/ - и административных округов Москвы. Такая территориальная дифференциация Кд вполне объяснима с учетом существенных различий в доходах населения и ценах на жилье между городами и регионами. К сожалению, в отличие от зарубежных исследований, где варьируется медианный доход домохозяйства, т.е. душевой доход и размер домохозяйства, и полная цена квартиры, т. е. удельная цена и размер квартиры (рис. 2), в большинстве отечественных работ из четырех переменных варьируются лишь средний душевой доход и средняя удельная цена, а размер квартиры и размер домохозяйства оставляются в большинстве работ на уровне, заданном в базовой методике – 54 кв. м и 3,0 человека (рис. 3). Исключение составляет лишь работа /17/.

Источник: /9/, UN Habitat, 3rd Annual Demographia International Housing Affordability Survey.

Рис. 2. Коэффициент доступности жилья в городах США в 2006 г.

Источник: /15/, расчеты авторов по данным Росстата

Рис. 3. Коэффициент доступности жилья в различных федеральных округах РФ в октябре 2006 г., рассчитанный по базовой методике (без учета ипотечной поддержки)

Дальнейшая эволюция методики расчета Кд. В 2000 году в работе Фонда «Институт экономики города» /8/ предложена модификация базовой методики, в которой учтена стоимость годовых текущих расходов на все потребности семьи в виде годового прожиточного минимума семьи:

, (1)

где V – средняя стоимость квартиры;

S – площадь квартиры, кв. м;

P – средняя удельная цена квартиры, руб./кв. м;

I – годовой доход семьи;

- годовой прожиточный минимум семьи.

Однако, приведенная формула не отражает возможность полного отсутствия накоплений у граждан, когда годовой доход меньше или равен минимальным потребительским расходам. В связи с этим в 2006 году в работе /13/ была предложена модификация этой формулы в виде, показывающем, что при невыполнении условия «доходы больше расходов» величина Кд теряет смысл:

при I > ПМ,

. (2)

Далее, в той же работе /13/ рассмотрена возможность учета стоимости имеющейся квартиры при улучшении жилищных условий (альтернативные сделки), тогда в числителе формулы (2) величина S становится по смыслу равной разности площадей приобретаемой и имеющейся квартиры:

S = (SнSи) . P , (3)

где Sн – площадь новой (приобретаемой) квартиры, кв. м;

Sи – площадь имеющегося жилья, кв. м (принято допущение о равенстве удельной стоимости приобретаемого и имеющегося жилья).

Следующим шагом в развитии методики расчета Кд стал предложенный в работе /13/ и реализованный в /17/ переход от использования средних по территории доходов и средних по рынку удельных цен к дифференцированным по доходности группам населения (децильным, квинтильным и любым доступным в статистике) и к дифференцированным по классу качества размерам квартир и средним удельным ценам. Такой подход опирается на определение понятия «доступное жилье», сформулированное в работе /13/: «доступное жилье – это жилье, которое семья может приобрести по рыночной стоимости, используя свои сбережения, накопленные из своих текущих доходов за разумный период времени (возможно, с учетом стоимости имеющейся квартиры) при необходимом уровне текущих расходов, 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».

Известно, что в экономической теории установлена закономерность изменения структуры расходов домохозяйств при возрастании их дохода, известная как закон Энгеля: по мере роста дохода каждое домохозяйство начинает тратить на потребление меньшую долю доходов, и большую долю - сберегать. В связи с этим необходимо формулу (2/3) применять не только для расчета среднего коэффициента доступности жилья в стране, но и дифференцированно для различных регионов и групп населения по доходу (рис. 5).


Источник: /16, 17/

Рис. 4

Необходимо отметить, что в работе /17/ дифференциация населения по доходам осуществлена путем экспертного формирования диапазона доходов, соответствующего «классам населения» (малообеспеченный, средний, высокообеспеченный, элита – рис. 5).

Источник: /20/

Рис. 5. Распределение среднедушевых доходов в Москве (2007 г.)

В дальнейшем в ряде работ /7, 12 и др./ доходы населения дифференцируются не по экспертным решениям, а на основе децильных или иных доходных групп, представляемых Росстатом. Переход в настоящей статье к дифференциации по статистическим данным рассматривается как одно из направлений совершенствования методики расчета Кд.

Оценка доступности жилья по двум показателям. В 2000 году в работах Фонда «Институт экономики города» /8/ было предложено наряду с Кд использовать при оценке доступности второй показатель – долю населения, которой жилье доступно с учетом возможности получения ипотечного кредита (индекс возможности приобретения жилья с кредитом HАI – Housing affordability index).

Индекс возможности приобретения жилья с кредитом показывает соотношение доходов среднестатистического домохозяйства с доходами, которые необходимо иметь для приобретения стандартной квартиры с помощью ипотечного кредита, выдаваемого на стандартных условиях. Значение показателя в 100% означает, что среднестатистическая семья имеет доходы, в точности соответствующие необходимым доходам для приобретения стандартной квартиры с помощью ипотечного кредита (рис. 6). Если индекс возможности приобретения жилья с кредитом меньше 100%, то среднестатистическое домохозяйство не в состоянии приобрести стандартную квартиру.

,

где – величина ипотечного кредита.

Источник: /10/, ИЭГ по данным Росстата

Рис. 6. Картограмма индекса возможности приобретения жилья с кредитом в России (II кв. 2005 г.)

В работе /13/ показано, что переход от расчета коэффициента доступности к другому индикатору – доле накоплений (с учетом кредита) в стоимости квартиры - исключает возможность оценки влияния кредита на коэффициент доступности жилья, т.е. расчет первого (стандартного) показателя Кд. Кроме того, формула учитывает только одну составляющую кредита – размер ссуды, но не учитывает необходимость обслуживания кредита (размер годовых выплат по кредиту). Тем не менее, учет ипотечной поддержки при оценке доступности жилья для населения является важным методическим достижением и должен быть сохранен. Однако, в связи с ограничениями объема в данной статье влияние ипотечной поддержки на доступность жилья рассматриваться не будет. Но идея включения второго показателя – доли населения, которой жилье доступно – в оценку доступности жилья представляется целесообразной и используется в настоящей работе.

Таким образом, модель оценки доступности жилья для населения, предложенная в работе /13/ и реализованная в /17/, наиболее полно учитывает все факторы, формирующие коэффициент доступности. Однако, порядок расчета второго показателя – доли населения, которой жилье доступно (как без ипотеки, так и с ипотечной поддержкой), в этих работах не приведен, и его разработка является одной из задач настоящей статьи.

Одновременно должен быть уточнен порядок формирования классов качества жилья, влияющий на среднюю площадь квартир и среднюю удельную цену в каждом классе, в связи с разработкой в 2011 году «Единой методики классифицирования строящихся жилых домов по потребительскому классу (качеству)» /18/.

Среднеарифметические показатели vs медианных. В базовой методике расчет коэффициента доступности жилья ведется не для медианных, а для среднеарифметических значений душевого дохода и цены 1 кв. м жилья. Этот аспект вызвал возражения в некоторых научных работах /1, 2/ в связи с тем, что расчет по среднеарифметическим, а не медианным доходам, по мнению авторов, существенно (до 70%) завышает оценку доступности жилья для населения. В связи с этим необходимо разобраться с реальным положением дел.

Известно, что распределение доходов населения асимметрично, и медианные доходы всегда ниже среднеарифметических (рис. 7).


Источник: расчеты автора по данным Росстата

Рис. 7.

Из данных рис. 7 следует, что медианный доход в Москве в 2012 году составлял около 28 тыс. руб. При этом средний арифметический доход был равен 48,6 тыс. руб., т.е. превышал медианный на 74%.

Вместе с тем, распределение удельной цены квартир также асимметрично (рис. 8).

Источник: база данных ООО Sterniks Consulning

Рис. 8

Из данных рис. 8 следует, что медианная удельная цена предложения жилья в Москве в 2012 году составила 155,4 тыс. руб./кв. м. При этом среднеарифметическая цена составила 202,6 тыс. руб./кв. м, т.е. превышала медианную на 30,4%.

Следовательно, использование среднеарифметических значений душевых доходов и цен вместо медианных вносит в расчет коэффициента доступности жилья погрешность, равную 44,2%. Такой результат весом, но не критичен – неопределенность в оценке нелегальных доходов и другие допущения еще более снижают точность оценки. Тем не менее, существует способ устранить данную погрешность, который позволяет отказаться от использования как средних арифметических, так и средних медианных доходов и цен. Он связан с введением дифференциации групп населения по доходам и удельных цен – по различным классам качества жилья, как это сделан в работе /17/. Впоследствии подобный подход частично применялся и в других работах /7, 12 и др./, но дифференциация проводилась либо по доходным группам населения, при этом размер квартиры оставался равным 54 кв. м, либо по размеру квартир (по числу комнат), при этом доходы принимались средними по РФ (либо по городу Москве). В результате погрешность, связанная с использованием среднеарифметических доходов и цен вместо медианных, не могла быть устранена.

Таким образом, методика, приведенная в работе /17/, в настоящей статье использована как прототип, подлежащий совершенствованию в следующих направлениях:

- переход от экспертно сформированных «классов населения» к официальным группам по доходности;

- переход от оценки доступности жилья по одному показателю к оценке по двум и разработка порядка расчета второго показателя – доли населения, которой жилье доступно (в настоящей статье – без учета ипотеки, в дальнейшем - с учетом ипотечной поддержки);

- уточнение порядка формирования классов качества жилья, влияющего на среднюю площадь квартир и среднюю удельную цену в каждом классе, в связи с разработкой в 2011 году «Единой методики классифицирования строящихся жилых домов по потребительскому классу (качеству)».

Усовершенствованная методика оценки доступности жилья для населения. Методика включает следующие этапы (без учета ипотечной поддержки).

1)     Для каждой из выделенных доходных групп населения рассчитывается по формуле (2/3) показатель Кд по каждому из классов качества жилья, включая случай альтернативных сделок.

2)     Если Кд по всем группам превышает значение 3,0 года, то фиксируется наименьшее значение. Если Кд по одной или нескольким группам укладывается в заданное ограничение (жилье доступно), то варианты недоступного жилья отбрасываются, а по остальным фиксируется наибольшее значение.

3)     Рассчитывается средневзвешенное по доле населения в группе значение Кд для каждой группы.

4)     Рассчитывается средневзвешенное значение Кд по всем размерам/классам для объектов наилучшего класса, доступных данной группе.

5)     Рассчитывается по каждому объекту конкретного размера/класса доля населения, которой жилье доступно, как сумма долей каждой из групп с Кд =< 3,0.

6)     Рассчитывается по совокупности объектов наилучшего класса, доступных данной группе, доля населения города, которой жилье доступно, как сумма долей каждой группы (за исключением групп с Кд = .

7)     Для сравнения рассчитывается Кд по базовой методике.

Расчет показателей доступности жилья для населения Москвы в 2012 году и интерпретация результатов. Исходные данные для расчета приведены в табл. 3.

Таблица 3. Исходные данные для расчета показателей доступности жилья для населения Москвы в 2012 году

показатель

значение

источник

Численность населения, чел.

11980

Федеральная служба государственной статистики. Россия в цифрах. 2013: крат. стат. сб./Росстат-М., Р76 2013 (с 93, табл. 5.4), (с. 138, табл. 7.9)

gks.ru/free_doc/new_site/population/urov/urov_11sub.htm

gks.ru/free _doc/new_site/ perepis2010/croc/vol6pdf-m.html

Средний размер домохозяйства, чел.

2,6

Среднемесячный денежный душевой доход, руб./чел. в месяц

48621,6

Прожиточный минимум, руб./чел. в месяц

9747

Петербургский правовой портал 1997–2013. http://ppt.ru/info/?id=4

Распределение населения по доходам

№ группы

Диапазон доходов, тыс. руб.

Распреде ление насе ления, %

Средний доход в группе, тыс. руб.

Федеральная служба государственной статистики. Россия в цифрах. 2013: крат. стат. сб./Росстат-М., Р76 2013 (с 93, табл. 5.4), (с. 138, табл. 7.9)

gks.ru/free_doc/new_site/population/urov/urov_11sub.htm

gks.ru/free _doc/new_site/ perepis2010/croc/vol6pdf-m.html

1

до 10

10,9

5,0

2

до 20

18,6

15,0

3

до 30

24,6

25,0

4

до 40

11,0

35,0

5

до 50

6,0

45,0

6

до 70

9,5

60,0

7

до 90

5,5

80,0

8

до 150

6,7

125,0

9

до 250

4,2

255,0

10

св. 250

1,0

750,0

Средняя удельная цена в декабре на первичном рынке, тыс. руб./кв. м

ООО Sterniks Consulting

По всем классам

239,5

Эконом-класс

122,9

Комфорт-класс

170,8

Бизнес-класс

209,9

Элитный класс

420,0

средняя площадь квартиры на первичном рынке, кв. м

ООО Sternik’s Consulting

По всем классам

75,0

Комната*

18,0

Эконом-класс

50,0

Комфорт-класс

60,0

Бизнес-класс

110,0

Элитный класс

160,0

Примечание: * Средняя площадь жилья, приобретаемого в альтернативных сделках (разность площади приобретаемой квартиры и собственного жилья).

Результаты расчетов сведены в табл. 4.

Таблица 4. Результаты расчета показателей оценки доступности жилья для населения Москвы в 2012 году

Вариант расчета и показатель

Доля населения в группе, %

Кд для класса качества объекта

Кд для группы

Комната

эконом-класса

Комната

комфорт-класса

Квартира

эконом-класса

Квартира комфорт-класса

Квартира

бизнес-класса

Квартира

элитного класса

объект наилучше го класса, доступный данной группе

Кд, лет

по базовой методике

100

-

-

-

-

-

-

-

11,3

Группа 1

10,9

нет

Группа 2

18,6

13,5

18,8

37,5

62,5

140,9

410

Комната

эконом-класса

13,5

Группа 3

24,6

4,6

6,5

12,9

21,5

48,5

141,2

То же

4,6

Группа 4

11,0

2,8

3,9

7,8

13,0

29,3

85,3

То же

2,8

Группа 5

6,0

2,0

2,8

5,6

9,3

21,0

61,1

Комната комфорт-класса

2,8

Группа 6

9,5

1,4

2,0

3,9

6,5

14,7

42,9

То же

2,0

Группа 7

5,5

1,0

1,4

2,8

4,7

10,5

30,7

Квартира эконом-класса

2,8

Группа 8

6,7

0,6

0,9

1,7

2,8

6,4

18,7

Квартира комфорт-класса

2,8

Группа 9

4,2

0,3

0,5

1,0

1,6

3,0

10,5

Квартира бизнес-класса

3,0

Группа 10

1,0

0,1

0,1

0,3

0,4

1,0

2,9

Квартира элитного класса

2,9

Средневзвешенный Кд

-

5,0

7,0

13,9

23,3

52,3

152,2

По всем классам

5,5 года

Суммарная доля населения, которой жилье доступно, %

-

43,9

22,9

17,4

11,9

5,2

1,0

По всем классам - 43,9%

Из приведенных в табл. 4 данных следует, что Кд, рассчитанный по базовой методике (54 кв. м, 3 человека, ПМ = 0), для москвичей в 2012 году равен 11,3 года (жилье существенно недоступно - severely unaffordable). Доля населения, которой приобретение жилья за собственные средства (без учета ипотеки) доступно, по базовой методике не определяется.

При расчете по усовершенствованной методике (дифференциация по доходным группам и классу качества жилья, состав семьи 2,6 человека, ПМ = 9747 руб./месяц на человека) для отдельных групп населения получены следующие результаты:

- для группы 1 (10,9% населения Москвы) выход на рынок и приобретение любого жилья за собственные средства принципиально невозможно – доходы не превышают величину прожиточного минимума, Кд = ∞;

- для групп 2 (18,6%) и 3 (24,6%) ограниченно доступно улучшение жилищных условий (обмен меньшей квартиры эконом-класса на большую) – соответственно Кд = 13,5 лет (жилье существенно недоступно - severely unaffordable) и 4,6 года (приобретение жилья серьезно осложнено - seriously unaffordable);

- для группы 4 (11,6% населения) обмен меньшей квартиры эконом-класса на большую доступен (affordable) – Кд = 2,8 года;

- для групп 5 (6,0% населения) и 6 (9,5%) доступен обмен меньшей квартиры на большую в комфорт-классе – Кд = 2,8 и 2,0 года соответственно;

- для групп 7 (5,5% населения) и 8 (6,7%) доступно приобретение квартир в прямой сделке – соответственно эконом-класса (Кд = 2,8 года) и комфорт-класса (Кд = 2,8 года);

- для группы 9 (4,2%) доступно приобретение квартиры бизнес-класса – Кд = 2,9 года;

- для группы 10 (1,0%) доступно приобретение квартиры элитного класса – Кд = 2,9 года.

Средневзвешенный (без учета группы 1) Кд для объектов наилучшего класса, доступного данной группе, составляет 5,5 года.

Суммарная доля населения, которой доступно жилье соответствующего размера и качества, составляет:

- для комнаты эконом-класса – 43,9%;

- для комнаты комфорт-класса – 22,9%;

- для квартиры эконом-класса – 17,4%;

- для квартиры комфорт-класса – 11,9%;

- для квартиры бизнес-класса – 5,2;

- для квартиры элитного класса - 1,0%;

- по всем классам – 43,9%.

Таким образом, расчет по усовершенствованной методике показывает, что приобретение за собственные средства жилья такого размера и качества, который может себе позволить потребитель в соответствии с его финансовыми ресурсами, в том числе с зачетом имеющегося жилья, доступно для 43,9% москвичей, средневзвешенный (без учета группы 1) коэффициент доступности составляет 5,5 года.

Выводы.

1. Изменения и допущения, внесенные в базовую методику оценки доступности жилья для населения России по сравнению со стандартной международной (размер типовой квартиры 54 кв. м вместо нормы обеспеченности жильем, размер среднего домохозяйства 3,0 человека вместо среднестатистического, средние арифметические значения душевых доходов и удельных цен вместо средних медианных), снижают точность расчетов и не обеспечивают информационную полноту оценки доступности.

2. Многочисленные модификации базовой методики, предложенные в различных научных работах, позволили выбрать методику-прототип, наиболее удовлетворяющую современным требованиям, и с учетом накопленного опыта усовершенствовать ее, исключив ранее принятые допущения и ограничения.

3. Оценка доступности жилья для населения Москвы по состоянию на 2012 год, произведенная по усовершенствованной методике (без учета ипотечной поддержки, но с зачетом имеющегося жилья), показала, что доля населения, которой доступно жилье размера и качества, соответствующего финансовым возможностям различных доходных групп, составила 43,9%, а коэффициент доступности без учета первой группы равен 5,5 года (по базовой методике коэффициент доступности составил 11,3 года, а доля населения, которой жилье доступно без учета ипотеки, не определяется).

Литература

1. Barker K. Review of Housing Supply. Final report: Recommendations – London, HMSO, 2004 URL: www.barkerreview.org.uk

2. Greeen R, Malpezzi S. Primer on U.S. Housing market and housing policy, The Urban Institute Press. Washington D.C., 2003.

3. Freeman A, Chaplin R, Whitehead C. “Rental Affordability: A Review of International Literature”, Discussion Paper 88, Property Research Unit Department of Land Economy, University

4. Hancock, K.E. “Can pay? Wont pay?” or Economic Principles of “Affordability”, Urban Studies, Vol 30, No. 1, pp. 127-145, 1993. of Cambridge, 1997.

5. Schnare A.B., Struyk R.J. “Segmentation in Urban Housing Markets” Journal of Urban Economics 3, 1976.

6. Дженнифер Даниел. Анализ платежеспособного спроса на жилье в Москве. – Институт экономики города (Вашингтон), -М.: 1994. – 17 стр.

7. Иванкина Е.В. Проблемы создания доступного жилья. М.: Механизация строительства,
 №5, 2012, 0,7 п.л. (http://frem.ane.ru/about/sotrudniki/dekanat/ivankina_elena_vladimirovna)

8. Косарева Н.Б. Стратегия жилищной политики и развития жилищно-коммунального хозяйства // Материалы сайта Фонда «Институт экономики города» (www.urbaneconomics.ru). - 2000.

9. Косарева Н.Б., Туманов А.А. Об оценке доступности жилья в России // Вопросы экономики, №7, 2007.

10. Косарева Н.Б., Туманов А.А. Развитие ипотечного жилищного кредитования:
способ повышения доступности жилья для населения или фактор роста цен на жилье? Экономическая политика России – ХХI век, 2007.

11. Ноздрина Н.Н., Пчелинцев О.С., Стерник Г.М. Цены и доступность жилья в городах России. Журнал РАН «Проблемы прогнозирования» №6 1996, с. 115-138.

12. Ноздрина Н.Н., Шнейдерман И.М. Об оценке доступности жилья на рынке для населения. // Петербургский жилищный Конгресс. Конференция «Анализ и прогноз развития рынка недвижимости и строительства», 30.09-04.10. 2009. URL: www.realtymarket.ru.

13. Стерник Г.М. Доступное жилье – что это такое? – В сб. «Правовые и организационно-экономические основы формирования рынка доступного жилья в Москве». – РЭА им. Г.В.Плеханова (под ред. Стерника Г.М.), - М.: 2006, с. 3-17.

14. Стерник Г.М., Краснопольская А.Н. Определение коэффициента доступности жилья с учетом ипотечной поддержки. – Журнал «Имущественные отношения в РФ», №3 (10), 2007, стр. 43-46.

15. Стерник Г.М., Краснопольская А.Н. Влияние параметров ипотечного кредитования на коэффициент доступности жилья. - Материалы II Петербургского ипотечного форума, 2006. – www.realtymarket.ru.

16. Стерник Г.М., Краснопольская А.Н. Доступность жилья для населения Москвы с различным уровнем доходов с учетом возможности ипотечного кредитования. – Материалы III Петербургского ипотечного форума, 2008. URL:www.realtymarket.ru.

17. Стерник Г.М., Краснопольская А.Н. Разработка методики многофакторной оценки доступности жилой недвижимости. – «Имущественные отношения в Российской Федерации», 2009, № 1, стр. 26-38.

18. Единая методика классифицирования строящихся жилых домов по потребительскому классу (качеству). – РГР и Фонд РЖС, 2011. - http://realtymarket.ru/metodi-eskie-materiali/ .

19. Косарева Н., Туманов А. Доступно ли россиянам жилье? / Демоскоп Weekly № 307-308, 29.10- 11.11 2007 г. http://demoscope.ru/weekly/2007/0307/tema04.php

20. Краснопольская А.Н. Разработка методики многофакторной оценки доступности жилой недвижимости. – Автореферат диссертации (н. р. Стерник Г.М.). – РЭА им. Г.В.Плеханова, 2007.

21. Федеральная служба государственной статистики. Россия в цифрах. 2013: крат. стат. сб./Росстат-М., Р76 2013 (с 93, табл. 5.4), (с. 138, табл. 7.9)

www.gks.ru/free_doc/new_site/population/urov/urov_11sub.htm

www.gks.ru/free _doc/new_site/ perepis2010/croc/vol6pdf-m.html

22. Петербургский правовой портал 1997 – 2013. http://ppt.ru/info/?id=4

Опубликовано в журнале «Имущественные отношения в РФ» №10 (145), 2013, стр. 48-63.

Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости

Геннадий Моисеевич Стерник, профессор кафедры «Управление программами и проектами» РЭУ им. Г.В.Плеханова, канд.техн.наук

Алексей Викторович Свиридов, аспирант

В настоящей статье, являющейся продолжением публикации, посвященной созданию методики среднесрочного прогнозирования развития локального рынка жилой недвижимости /1/, излагаются результаты ее совершенствования и ретроспективной проверки.

Основные методические положения. Методика предназначена для среднесрочного (на глубину 4-5 лет) прогнозирования развития локального рынка жилой недвижимости по комплексу показателей состояния сложной системы «рынок жилой недвижимости»: предложение, спрос, поглощение площадей, объем строительства и ввода жилой недвижимости, динамика цен на вторичном и первичном рынке и др. В ходе разработки методики потребовалось уточнить ряд понятий (терминов и определений), используемых при анализе и моделировании рынка недвижимости. В частности, понятие «спрос» было разделено на шесть категорий: спрос-потребность, совокупный платежеспособный спрос, потенциальный платежеспособный спрос, предъявленный платежеспособный спрос, предъявленный спрос с перетеканием, удовлетворенный (реализованный) спрос.

Спрос-потребность – разность между желаемым и фактическим уровнем средней обеспеченности комфортным и благоустроенным жильем городского населения в регионе (без учета некачественного, в т.ч. подлежащего капитальному ремонту, ветхого и выводимого жилого фонда).

Совокупный платежеспособный спрос – объем жилья, которое городское население может приобрести на рынке за счет своих накоплений.

Потенциальный платежеспособный спрос – объем жилья, который городское население предполагает 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 платежеспособный спрос – объем жилья, которое городское население предполагает приобрести на рынке в течение ближайшего года при текущем уровне цен за счет всех источников финансирования, скорректированный на изменение склонности населения к расходованию сбережений с учетом изменения экономической ситуации в стране и регионе, степени недоверия к застройщикам, условий ипотечного кредитования, изменения уровня цен.

Предъявленный спрос с перетеканием между первичным и вторичным 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 году спрос, удовлетворенный в форме сделки, направленной на приобретение прав требования на строящийся объект (по ФЗ-214 или иными практикуемыми способами) или приобретение прав собственности на построенное жилье, в т.ч. с использованием государственных субсидий. Приблизительно равен объему поглощения.

Несколько уточнились и понятия в области ипотечного кредитования.

Планируемый властями (на основе прогнозов АИЖК) объем кредитования в денежном выражении именуется планируемым объемом ипотечного предложения.

Рассчитанный с учетом прогнозируемой динамики цен потенциальный объем прокредитованных площадей именуется объемом спроса на рынке ИЖК, а потенциальное количество выданных кредитов (с учетом площади приобретаемого жилья на вторичном и первичном рынке) – предъявленным объемом спроса на ипотечные кредиты.

Наконец, прогнозируемое с учетом ограничений по доступности (в силу уровня доходов населения), по наличию ипотечного предложения и спроса, а также предложения квартир на рынке, количество ипотечных сделок именуется объемом поглощения ипотечных кредитов.

Методика среднесрочного прогнозирования предназначена для прогнозирования динамики показателей развития рынка жилой недвижимости города/региона на глубину прогнозирования 3–5 лет. В основу ее методологии положены следующие методические подходы.

Методика основана на использовании имитационной (пошаговой) блочно-модульной итерационной модели с обратными связями.

Модель – имитационного (симуляционного) типа, поскольку все показатели рассчитываются последовательно, на глубину одного шага (один календарный год), и на следующем шаге в качестве исходных данных используются результаты этих расчетов.

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.

В качестве базовых исходных данных в методике используются объявленные планы и прогнозы федеральных, региональных, муниципальных властей в части макроэкономических параметров и отраслевых показателей развития рынка недвижимости. Кроме того, условием применения методики является наличие другой группы исходных данных, получаемых на основании результатов регулярного мониторинга первичного и вторичного рынков 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 результатов углубленного исследования рынка (типология и 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).

В основу методики положена следующая идея – объем поглощения площадей не может быть выше каждой из трех величин: спрос – потребность, предъявленный платежеспособный спрос, объем предложения. В соответствии с итерационным характером модели по результатам прогнозирования на текущий год производится расчет и сопоставление этих показателей, и минимальное значение из них используется как ограничение для прогноза объема поглощения. Это позволяет в порядке обратной связи корректировать заданные исходные данные об объеме предложения и ввода жилья, о потребности в жилье на следующий прогнозный год с учетом индикатора соотношения спрос/предложение. Кроме того, рассчитанный темп роста цен на жилье в предшествующем году и темп роста доходов в текущем году используются как индикатор типа рынка, 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.

Экзогенные переменные модели. Экзогенные переменные модели (исходные данные, определяемые вне модели), делятся на три категории – векторные, заданные на всю глубину прогнозирования с шагом один год (макроэкономические правительственные прогнозы, отраслевые параметры развития рынка жилья), скалярные (часть рыночных данных, по которым введено допущение об их неизменности в прогнозируемом периоде) и рыночные данные «обусловленные».

Сущность понятия «обусловленных» показателей заключается в том, что они рассчитываются (по историческим данным) для четырех вариантов состояния рынка по соотношению спрос/предложение (превосходство спроса, равновесие спроса и предложения, превосходство предложения, ажиотажный спрос) и шести вариантов типа рынка (падающий (кризисный), стабилизирующийся после спада, стабильный, стабилизирующийся после роста, растущий, перегретый).

В качестве экзогенных переменных используются:

А) Макроэкономические параметры развития РФ: рост ВВП, среднегодовые цены на нефть, среднегодовой курс доллара, чистый отток капитала частного сектора, дефицит/профицит федерального бюджета, темпы роста реального располагаемого годового дохода населения, темпы инфляции, норма сбережения населения.

Эти данные используются при формировании сценариев развития рынка жилья и частично – заменяют региональные данные при их отсутствии.

Б) Региональные макроэкономические параметры (векторные данные)[1]: численность городского населения в базовом году, темпы роста ВРП, темпы роста инвестиций в основной капитал, планируемый годовой темп региональной инфляции, номинальный среднедушевой годовой доход* (темпы роста реальных располагаемых денежных доходов населения*), децильное распределение доходов - средний уровень доходов в каждой децили, коэффициент теневых доходов, норма сбережения населения, средняя численность семьи.

В) Отраслевые параметры (скалярные и векторные данные): жилищный фонд города в базовом году; объем некачественного (подлежащего ремонту и реконструкции) жилого фонда в базовом году; федеральный норматив среднего уровня обеспеченности жильем; планируемый (рассчитанный на основании планируемого бюджетного финансирования) объем сноса ветхого и аварийного жилого фонда, объем капитального ремонта и модернизации жилых домов, предполагаемый объем выбытия жилого фонда; сальдо естественного прироста населения, сальдо миграционного притока в базовом году; планируемый (рассчитанный по данным о наличии земельных и строительных ресурсов) объем ввода площадей* (квартир*) коммерческого и муниципального жилья; планируемый объем государственного спроса на дотированное жилье (по программам поддержки определенных категорий населения, жилищных сертификатов); планируемый государством объем жилищного ипотечного кредитования в денежном выражении.

Г) Рыночные данные, полученные по результатам исследования для различного состояния рынка по соотношению спрос/предложение и типу рынка («обусловленные»): доля первичного рынка в общем объеме ипотечных сделок; доля инвестиционных сделок от общего числа сделок; доля приобретателей квартир–нерезидентов; доля респондентов, готовых приобрести жилье на рынке за свой счет в ближайшие полгода-год, от общего числа домохозяйств (предъявленный спрос); доля респондентов, готовых приобрести жилье на вторичном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки); доля инвестиционных сделок на вторичном рынке от общего числа инвестиционных сделок; средняя доля кредита в стоимости квартиры; коэффициенты соотношения ввод/строительство, строительство/предложение, поглощение/предложение и поглощение/спрос на первичном рынке, поглощение/спрос и поглощение/предложение на вторичном рынке; коэффициенты соотношения цен первичного и вторичного рынка, цен на жилье различного класса к средним ценам.

Д) Рыночные данные, полученные при регулярном мониторинге рынка и постоянные при расчетах (скалярные): средняя площадь квартиры в новостройках и готовых домах (в том числе в дифференциации по классам качества); средняя площадь приобретаемого жилья в альтернативных сделках; доля первичного рынка в спросе и в предложении; доля первичного рынка в спросе нерезидентов.

Эндогенные переменные модели. Эндогенные переменные (выходные показатели и промежуточные данные, значения которых рассчитываются внутри модели), включают:

прогнозируемый объем жилого фонда;

прогнозируемая обеспеченность населения жильем;

прогнозируемый объем некачественного жилья в жилом фонде города;

прогнозируемая потребность городского населения в жилье;

потенциальный объем ввода, строительства коммерческого и муниципального жилья, потенциальный объем предложения коммерческого жилья;

средний коэффициент доступности приобретаемого жилья в базовом году, коэффициент доступности жилья для различных групп населения по доходности в базовом году;

средние совокупные накопления групп населения;

предъявленный платежеспособный спрос городского населения на рынке недвижимости (без учета ипотеки) в денежном выражении суммарный и для групп населения;

предъявленный платежеспособный спрос городского населения на рынке жилых площадей совокупный и для групп населения, в том числе площадей различного класса качества;

предъявленный платежеспособный спрос городского населения на рынке квартир совокупный и для групп населения, в том числе площадей и квартир различного класса качества;

предъявленный платежеспособный спрос городского населения на рынке площадей и квартир всех классов в прямых сделках;

предъявленный спрос нерезидентов и инвесторов на рынке площадей и квартир, в том числе на первичном и вторичном рынке, и предъявленный денежный спрос;

потенциальный объем жилищного ипотечного кредитования в денежном выражении на первичном и вторичном рынке, потенциальный объем предложения ипотечных кредитов, предъявленный спрос на ипотечные кредиты, поглощение ипотечного продукта в количестве прокредитованных площадей и выданных кредитов на покупку квартир, в том числе на первичном и на вторичном рынке;

суммарный предъявленный спрос населения, инвесторов и нерезидентов (с учетом ипотеки) на коммерческое жилье, в том числе на первичном и вторичном рынке, на жилье различного класса качества;

суммарный предъявленный спрос на площади и квартиры муниципального и коммерческого жилья, в том числе на первичном и вторичном рынках;

суммарный предъявленный спрос на площади и квартиры коммерческого жилья на первичном и вторичном рынках с учетом перетекания между рынками в случае дефицита предложения на одном из них и избыточного предложения на другом;

суммарный предъявленный денежный спрос на рынке коммерческого жилья;

соотношение спроса и предложения площадей на первичном рынке, вторичном рынке и на рынке в целом;

индикатор состояния рынка по соотношению спрос/предложение;

объем удовлетворенного спроса (объем поглощения) коммерческого городского жилья в площадях и квартирах, в том числе различного класса, на первичном и вторичном рынке;

прогнозируемый объем предложения, в том числе на первичном и вторичном рынке и для различных классов жилья;

прогнозируемый объем ежегодного нового предложения на первичном рынке, в том числе жилья различного класса;

прогнозируемый объем строительства и ввода площадей и квартир, в том числе коммерческого жилья и муниципального жилья;

среднемесячный темп роста цен на жилье, средняя удельная цена жилья в конце исследуемого года на вторичном и первичном рынке, в том числе жилья различного класса качества.

Основные направления совершенствования модели. Апробация методики была проведена в работе /1/ на примере расчета прогноза развития рынка жилья Москвы (в старых границах) в 2011-2016 годах при трех сценариях динамики макроэкономических исходных данных – оптимистическом, пессимистическом и реалистическом. Результаты апробации методики подтвердили ее работоспособность.

Вместе с тем, выявлена необходимость совершенствования методики в направлении снятия целого ряда допущений и ограничений и доработки алгоритма модели /2/:

·                   перехода от блочной модели к блочно-модульной для отказа от жесткого использования данных ГП "Жилище" и других правительственных документов и углубления исследования;

·                   переход к двухуровневой системе исходных данных для реализации расчета модулей;

·                   внедрение итерационного алгоритма не только с годовым шагом, но и внутри одного года - для повышения точности расчетов;

·                   уточнение алгоритма расчета объема спроса на первичном/вторичном рынках с перетеканием, расчета объема предъявленного спроса и поглощения ипотечного продукта.

Обновленный перечень блоков включает (рис. 1):

  • Блок 1 «Определение потребности городского населения в жилье и планируемого объема ввода социального жилья»;

  • Блок 2 «Функционирования строительного комплекса и определения потенциального объема ввода, строительства и предвари тельного объема предложения коммерческого жилья»;

  • Блок 3 «Жилищное финансирование. Определение объема потенциального платежеспособного спроса населения»;

  • Блок 4 «Определение предварительного объема предъявленного государством, населением, нерезидентами и инвесторами спроса на городское жилье»;

  • Блок 5 «Определение состояния рынка по соотношению спрос/предложение и расчета прогнозируемого объема удовлетворенного спроса (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».

Кроме того, предусмотрено включение в модель автономных блоков-модулей[2], которые предназначены для решения самостоятельных исследовательских задач и/или для подготовки (при необходимости) исходных данных к Блокам 1-6 (табл. 1).

Таблица 1. Перечень блоков-модулей и их назначение

Название

Источник и содержание исходных данных

Назначение вы ходных данных

М1

Определение объемов рекон струкции, капитального ре монта, реновации и строи тельства социального жилья

Запланированные объемы финансирования жилищных программ

1) В ГП «Жилище»

2) на вход Блока 1

М2

Определение наличия земельных ресурсов под жилищное строительство

Наличие земельных ресурсов под жилищное строительст во, планируемое их использо вание

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М3

Определение наличия строительных ресурсов

Наличие производственных мощностей и строительных ресурсов

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М4

Определение объема потен циального ипотечного пред ложения и господдержки

Состояние системы ИЖК и ее возможности по предложе нию ипотечных кредитов

1) в программу развития ИЖК

2) на вход Блока 4

М5

Мониторинг и исследование состояния рынка жилья и определение «обусловлен ных» данных о рынке

Реестры объектов нового строительства, ЕГРП, базы предложения жилья при различном соотношении спрос/предложение

1) Для анализа рынка

2) на вход Блоков 5 и 6

В блоке-модуле М1 по данным о планируемом объеме бюджетного финансирования программ реновации жилого фонда города в текущем году определяется (оптимизируется) планируемый объем реконструкции, капитального ремонта, реновации (сноса и переселения) жилищного фонда и нового муниципального строительства с учетом состояния фонда и удельных затрат на каждый вид реновации. Эти данные могут использоваться при разработке государственной программы «Жилище» и поступать в блок 1.

В блоке-модуле М2 на основании Реестра строящихся жилых домов, среднесрочных решений властей о выделении земельных участков под строительство жилья определяется потенциальный объем строительства в текущем году (без учета ограничений по спросу).

В блоке-модуле М3 определяются возможные ограничения жилищного строительства по объему производственных мощностей строительных предприятий, объема производимых в регионе и импортируемых строительных ресурсов.

Данные блоков-модулей М2 и М3 могут использоваться при разработке государственной программы «Жилище» и поступать в Блоки 1 и 2.

В блоке-модуле М4 «Определение объема потенциального ипотечного предложения и господдержки» рассчитывается денежный объем ипотечного предложения и господдержки с учетом планов федеральных и региональных властей. Результаты расчета передаются в Блок 4.

В блоке-модуле М5 «Исследование состояния рынка жилья и определение «обусловленных» данных о рынке» по данным о динамике строительства, ввода, предложения, поглощения жилья, поступающим из Реестров объектов нового строительства и ЕГРП, рассчитываются коэффициенты соотношения ввод/строительство, строительство/предложение, предложение/поглощение, спрос/поглощение и другие «обусловленные» данные при различном состоянии рынка по соотношению спрос/предложение. По данным о многолетней динамике цен, получаемой в результате обработки баз предложения жилья, и исследования типологии рынка вычисляются параметры регрессионных уравнений (моделей для прогнозирования цен) в зависимости от типа рынка. Результаты поступают в Блоки 5 и 6.

Рис. 1. Усовершенствованная структура модели

Переход к блочно-модульной структуре модели требует внедрения двухуровневой системы исходных данных и выходных показателей: исходные данные первого уровня для блоков и второго уровня для блоков-модулей, выходные данные блоков-модулей могут служить исходными данными первого уровня для блоков.

Например, исходные данные второго уровня к модулю М1:

- планируемый объем бюджетного финансирования жилищных программ (капитального ремонта, реконструкции жилого фонда и нового строительства муниципального (социального) жилья);

- наличие земельных ресурсов под жилищное строительство и решения властей об их распределении;

- ограничения по наличию производственных мощностей в строительстве;

- состояние производства и импорта строительных материалов.

Выходными данными модуля М1 являются планируемый объем реконструкции, капитального ремонта, реновации (сноса и переселения) жилищного фонда и нового муниципального строительства. Эти данные могут быть использованы для целей государственных программ, или перейти в Блок 1 в качестве исходных данных первого уровня.

Для повышения точности прогноза введен Блок 7 «Организация итерационных циклов по уточнению прогноза». В нем производится сопоставление предыдущего и нового значения индикатора спрос/предложение и организуются итерационные циклы по уточнению прогноза.

Вначале 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.

Апробация и ретроспективная проверка усовершенствованной модели. В качестве базового варианта для апробации модели принят вариант развития рынка жилой недвижимости Москвы (в старых границах) по Сценарию №1 (оптимистический) со следующим изменением: с целью ретроспективной проверки результатов прогнозирования ключевые макроэкономические показатели (темпы роста реальных располагаемых доходов населения, инфляция, денежный объем ипотечного кредитования) приняты по фактическим данным 2011 и 2012 годов. Используемые для расчета базового варианта исходные данные приведены в таблицах 2-7.

Макроэкономические параметры

Таблица 2. Параметры, заданные на глубину прогнозирования (векторные)

Показатели

2010

(базовый)

2011

2012

2013

2014

2015

2016

численность населения N, млн чел.

11,5

11,6

11,7

11,7

11,8

11,9

12,0

темпы роста ВРП, %

5,0

4,0

3,8

4,0

4,6

5,0

6,0

темпы роста инвестиций в основной капитал, %

-15,0

0,0

6,0

7,0

8,5

9,0

9,5

темпы роста реальных располагаемых денежных доходов населения , %

-8,0

-1,6

-1,6

2,5

3,0

4,0

5,0

темп инфляции, %;

8,8

6,1

6,6

5,7

5,7

5,5

5,5

Таблица 3. Параметры, постоянные при расчетах (скалярные)

показатель

значение

среднее количество членов домохозяйства nс, чел.

2,5

коэффициент теневых доходов Ктд

2,0

норма сбережения населения НС, %

20

Среднедушевой доход населения в базовом (2010) году, тыс. руб.

44,6

Превышение над среднедушевым доходом среднего уровня дохода в 3-8-й децильной группе (60% населения), раз

1,0

Превышение над среднедушевым доходом среднего уровня дохода в 9-й децильной группе (10% населения), раз

2,3

Превышение над среднедушевым доходом среднего уровня дохода в 10-й децильной группе (10% населения), раз

4,3

Отраслевые параметры

Таблица 4. Параметры, заданные на глубину прогнозирования (векторные)

показатели

2010 (базовый)

2011

2012

2013

2014

2015

2016

федеральный норматив сред него уровня обеспеченности жильем, кв. м/чел.

20,6

21,0

21,6

22,2

22,8

23,5

24,2

Планируемый объем жилищ ного фонда, млн кв. м

215,7

218,1

220,4

222,8

225,2

227,6

230,0

объем сноса жилого фонда, тыс. кв. м

0,2

0,3

0,5

0,4

0,4

0,0

0,0

объем выбытия жилого фонда, кв. м

0,0

0,0

0,0

0,0

0,0

0,0

0,0

объем капитального ремонта и реконструкции жилых домов, млн кв. м

3,2

7,7

4,7

4,7

4,7

4,7

4,7

планируемый государством объем ввода жилья, млн кв. м

1,77

1,76

2,54

2,54

2,54

2,54

2,54

планируемый объем ввода муниципального жилья, млн кв. м

0,68

0,70

0,76

0,76

0,76

0,76

0,76

планируемый государством объем жилищного ипотечного кредитования, млрд. руб.

47,0

48,5

62,4

122,9

153,6

184,3

211,2

Таблица 5. Параметры, постоянные при расчетах (скалярные)

показатель

значение

средняя площадь квартиры в новостройках, кв. м

90

средняя площадь квартиры в новостройках массового класса, кв. м

70

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

54

средняя площадь квартиры в домах повышенной комфортности на вторичном рынке, кв. м

70

средняя площадь приобретаемого жилья в альтернативных сделках, кв. м

18

доля первичного рынка в спросе, %

40

доля первичного рынка в предложении, %

25

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, %

10,0

средняя удельная цена жилья на вторичном рынке в декабре базового 2010 года, тыс. руб./кв. м

168,5

прирост средней удельной цены на вторичном рынке в базовом 2010 году, %

10,0

объем предложения на вторичном рынке, тыс. квартир

115,0

объем поглощения на вторичном рынке в базовом 2010 году, тыс. квартир

85,4

объем некачественного фонда в базовом 2010 году, млн кв. м

108

 

Рыночные данные (обусловленные параметры)

Таблица 6. Параметры, зависящие от соотношения спрос/предложение

Параметр

Индикатор состояния спрос/предложение

1

2

3

4

Коэффициент соотношения ввод/строительство

0,25

0,30

0,32

0,35

Коэффициент соотношения строительство/предложение

2,10

2,20

2,35

2,50

Коэффициент соотношения поглощение/предложение на первичном рынке

0,42

0,41

0,41

0,43

Коэффициент соотношения поглощение/спрос на первичном рынке

0,40

0,46

0,40

0,35

Коэффициент соотношения поглощение/ограничение на вторичном рынке

0,70

0,75

0,78

0,80

Доля респондентов, готовых приобрести жилье на рынке за свой счет в течение ближайшего года, от общего числа домохозяйств (предъявленный спрос), %

2,0%

2,8%

3,0%

3,5%

Доля приобретателей квартир–нерезидентов, %

25%

30%

40%

50%

Доля респондентов, готовых приобрести жилье на вто ричном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки), %

85%

80%

78%

75%

Доля ипотечных сделок на рынке жилья, %

15%

25%

28%

30%

Доля инвестиционного спроса на рынке жилья, %

0%

5%

6%

20%

Доля первичного рынка в общем объеме ипотечных сделок, %;

10%

12%

14%

20%

Доля ипотечных сделок от общего числа сделок на первичном рынке, %

10%

22%

22%

28%

Доля ипотечных сделок от общего числа сделок на вторичном рынке, %

10%

26%

28%

31%

Средняя доля кредита в стоимости квартиры, %

60%

70%

72%

82%

Таблица 7. Параметры, зависящие от типа рынка

Параметр

Индекс типа рынка

1

2

3

4

5

6

Соотношение цен первичного и вторичного рынка

1,18

1,17

1,15

1,14

1,12

1,07

Соотношение цен на массовое жилье к средним ценам

0,57

0,6

0,61

0,63

0,65

0,53

Соотношение цен на жилье повышенной комфортно сти к средним ценам

1,11

1,15

1,27

1,2

1,22

1,25

№ модели прогнозирования цен

1

2

3

4

5

6

Результаты расчетов и их интерпретация. Основные показатели расчета прогноза развития рынка жилой недвижимости Москвы вынесены на графики рис. 2-6. Графики показывают, что поведение прогнозируемых показателей четко различается по трем стадиям[3]: 2011-2012, 2013-2015 годы и 2016 год.

На первой стадии, в соответствии с заданными исходными данными о фактическом росте номинальных доходов населения города с темпом 5-7% в год, а также снижении объемов ввода жилья, прогнозируемый спрос несколько превышал предложение, объем поглощения на первичном и вторичном рынке увеличивался, цены росли с темпом 8-9%.

На второй стадии повышательная динамика прогнозируемого объема платежеспособного спроса населения (рис. 2) соответствует заданной в исходных данных (Сценарий № 1 оптимистический /1/) динамике роста номинальных доходов населения (10-12%). При этом снижение прогнозируемого объема предъявленного спроса населения в натуральном выражении объясняется ростом цен (рис. 6), опережающим рост доходов. Суммарный предъявленный спрос на площади (с учетом спроса нерезидентов, инвесторов и ипотеки) также несколько снижается, несмотря на рост денежного объема ипотечного предложения.

Прогнозируемая на второй стадии динамика объемов строительства коммерческого жилья (рис. 3) коррелирует с планируемым властями ростом объемом ввода жилья, обеспеченным земельными ресурсами, одобренными инвестиционными контрактами и проектной документацией (рис. 3).

На первичном рынке (рис. 4) предварительный объем суммарного спроса хотя и несколько снижается, но существенно превышает предложение. С 2013 года происходит перетекание спроса на вторичный рынок, где образовался избыток предложения (рис. 5). Предъявленный спрос все годы превышает выросший объем предложения, и объем поглощения ограничивается предложением. Спрос и предложение стабилизируются, вследствие чего стабилен и объем поглощения (рис. 4).

На вторичном рынке (рис. 5) прогнозируемый объем предложения в связи с ростом цен повышается в меру эластичности предложения по цене. В то же время снижающийся предварительный спрос после 2012 года становится меньше предложения. Однако, вследствие дефицита предложения на первичном рынке (рис. 4) спрос перетекает на вторичный, и поглощение продолжает расти (рис. 5).

Цены на второй стадии (рис. 6) растут с темпом 17-18% в год.

На третьей стадии, после 2015 года, прогнозируемая ситуация на рынке существенно меняется. Накопленный рост цен привел к тому, что значительная доля населения, имевшего намерение приобрести жилье, уходит с рынка, и денежный объем спроса снижается, несмотря на растущий денежный объем ипотечного предложения. Более резко снижается и суммарный предъявленный спрос в натуральном выражении.

Объем предложения на первичном рынке остается стабильным (рис. 4), а на вторичном рынке продолжает расти (рис. 5). Поглощение на первичном рынке стабильно, на вторичном – падает. В соответствии с общим превосходством спроса над предложением цены продолжают расти повышенными темпами (32-35)% (рис. 6).

В целом рынок переживает ситуацию устойчивого роста (аналог 2003 и 2006 года) и перехода в 2016 году к стабилизации на буме, аналогичной началу 2004-го и концу 2006-го года.

Таким образом, динамика прогнозируемых показателей развития рынка (преимущественно немонотонная) находит логичное объяснения в известных закономерностях поведения рынка и показывает, что разработанная модель адекватно учитывает связи между различными факторами, в том числе и обратные.

Сопоставление результатов прогнозирования некоторых показателей развития рынка в 2011-2012 годах с фактическими данными демонстрирует хорошее совпадение по уровню средних удельных цен на вторичном и первичном рынках (рис. 6), объему поглощения на вторичном рынке (рис. 5), объему предложения, нового предложения и поглощения на первичном рынке (рис. 4), объему ввода и строительства площадей (рис. 3).


Рис. 2 Рис. 3
Рис. 3 Рис. 4/strong>
Рис. 6

Литература

1. Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона) – Журнал «Имущественные отношения в РФ» №8 (131) 2012.

2. Стерник Г.М., Свиридов А.В. Совершенствование методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. – Материалы Международной научно-практической конференции «Современные проблемы управления проектами в инвестиционно-строительной сфере и природопользовании». - М.: РЭУ им. Г.В.Плеханова, 2013 г. (в печати).

3. Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. – М.: «Экономика», 2009. – 606 стр.



[1] Примечание: показатели, отмеченные звездочкой*, взаимозаменяемы.

[2] Блоки-модули – это самостоятельные блоки, которые могут использоваться либо не использоваться при расчетах.

[3] Под стадией динамики рынка недвижимости понимается отрезок времени с приблизительно одинаковым темпом роста цен /6/.

Г.М. Стерник, А.В.Свиридов, "Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости"

("Имущественные отношения в РФ", No. 10 (145), 2013, стр.48-63)
Категория: методические материалы

Опубликовано в журнале «Имущественные отношения в РФ» №10 (145), 2013, стр. 48-63.

Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости

Геннадий Моисеевич Стерник, профессор кафедры «Управление программами и проектами» РЭУ им. Г.В.Плеханова, канд.техн.наук

Алексей Викторович Свиридов, аспирант

В настоящей статье, являющейся продолжением публикации, посвященной созданию методики среднесрочного прогнозирования развития локального рынка жилой недвижимости /1/, излагаются результаты ее совершенствования и ретроспективной проверки.

Основные методические положения. Методика предназначена для среднесрочного (на глубину 4-5 лет) прогнозирования развития локального рынка жилой недвижимости по комплексу показателей состояния сложной системы «рынок жилой недвижимости»: предложение, спрос, поглощение площадей, объем строительства и ввода жилой недвижимости, динамика цен на вторичном и первичном рынке и др. В ходе разработки методики потребовалось уточнить ряд понятий (терминов и определений), используемых при анализе и моделировании рынка недвижимости. В частности, понятие «спрос» было разделено на шесть категорий: спрос-потребность, совокупный платежеспособный спрос, потенциальный платежеспособный спрос, предъявленный платежеспособный спрос, предъявленный спрос с перетеканием, удовлетворенный (реализованный) спрос.

Спрос-потребность – разность между желаемым и фактическим уровнем средней обеспеченности комфортным и благоустроенным жильем городского населения в регионе (без учета некачественного, в т.ч. подлежащего капитальному ремонту, ветхого и выводимого жилого фонда).

Совокупный платежеспособный спрос – объем жилья, которое городское население может приобрести на рынке за счет своих накоплений.

Потенциальный платежеспособный спрос – объем жилья, который городское население предполагает 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 платежеспособный спрос – объем жилья, которое городское население предполагает приобрести на рынке в течение ближайшего года при текущем уровне цен за счет всех источников финансирования, скорректированный на изменение склонности населения к расходованию сбережений с учетом изменения экономической ситуации в стране и регионе, степени недоверия к застройщикам, условий ипотечного кредитования, изменения уровня цен.

Предъявленный спрос с перетеканием между первичным и вторичным 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 году спрос, удовлетворенный в форме сделки, направленной на приобретение прав требования на строящийся объект (по ФЗ-214 или иными практикуемыми способами) или приобретение прав собственности на построенное жилье, в т.ч. с использованием государственных субсидий. Приблизительно равен объему поглощения.

Несколько уточнились и понятия в области ипотечного кредитования.

Планируемый властями (на основе прогнозов АИЖК) объем кредитования в денежном выражении именуется планируемым объемом ипотечного предложения.

Рассчитанный с учетом прогнозируемой динамики цен потенциальный объем прокредитованных площадей именуется объемом спроса на рынке ИЖК, а потенциальное количество выданных кредитов (с учетом площади приобретаемого жилья на вторичном и первичном рынке) – предъявленным объемом спроса на ипотечные кредиты.

Наконец, прогнозируемое с учетом ограничений по доступности (в силу уровня доходов населения), по наличию ипотечного предложения и спроса, а также предложения квартир на рынке, количество ипотечных сделок именуется объемом поглощения ипотечных кредитов.

Методика среднесрочного прогнозирования предназначена для прогнозирования динамики показателей развития рынка жилой недвижимости города/региона на глубину прогнозирования 3–5 лет. В основу ее методологии положены следующие методические подходы.

Методика основана на использовании имитационной (пошаговой) блочно-модульной итерационной модели с обратными связями.

Модель – имитационного (симуляционного) типа, поскольку все показатели рассчитываются последовательно, на глубину одного шага (один календарный год), и на следующем шаге в качестве исходных данных используются результаты этих расчетов.

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.

В качестве базовых исходных данных в методике используются объявленные планы и прогнозы федеральных, региональных, муниципальных властей в части макроэкономических параметров и отраслевых показателей развития рынка недвижимости. Кроме того, условием применения методики является наличие другой группы исходных данных, получаемых на основании результатов регулярного мониторинга первичного и вторичного рынков 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 результатов углубленного исследования рынка (типология и 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).

В основу методики положена следующая идея – объем поглощения площадей не может быть выше каждой из трех величин: спрос – потребность, предъявленный платежеспособный спрос, объем предложения. В соответствии с итерационным характером модели по результатам прогнозирования на текущий год производится расчет и сопоставление этих показателей, и минимальное значение из них используется как ограничение для прогноза объема поглощения. Это позволяет в порядке обратной связи корректировать заданные исходные данные об объеме предложения и ввода жилья, о потребности в жилье на следующий прогнозный год с учетом индикатора соотношения спрос/предложение. Кроме того, рассчитанный темп роста цен на жилье в предшествующем году и темп роста доходов в текущем году используются как индикатор типа рынка, 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.

Экзогенные переменные модели. Экзогенные переменные модели (исходные данные, определяемые вне модели), делятся на три категории – векторные, заданные на всю глубину прогнозирования с шагом один год (макроэкономические правительственные прогнозы, отраслевые параметры развития рынка жилья), скалярные (часть рыночных данных, по которым введено допущение об их неизменности в прогнозируемом периоде) и рыночные данные «обусловленные».

Сущность понятия «обусловленных» показателей заключается в том, что они рассчитываются (по историческим данным) для четырех вариантов состояния рынка по соотношению спрос/предложение (превосходство спроса, равновесие спроса и предложения, превосходство предложения, ажиотажный спрос) и шести вариантов типа рынка (падающий (кризисный), стабилизирующийся после спада, стабильный, стабилизирующийся после роста, растущий, перегретый).

В качестве экзогенных переменных используются:

А) Макроэкономические параметры развития РФ: рост ВВП, среднегодовые цены на нефть, среднегодовой курс доллара, чистый отток капитала частного сектора, дефицит/профицит федерального бюджета, темпы роста реального располагаемого годового дохода населения, темпы инфляции, норма сбережения населения.

Эти данные используются при формировании сценариев развития рынка жилья и частично – заменяют региональные данные при их отсутствии.

Б) Региональные макроэкономические параметры (векторные данные)[1]: численность городского населения в базовом году, темпы роста ВРП, темпы роста инвестиций в основной капитал, планируемый годовой темп региональной инфляции, номинальный среднедушевой годовой доход* (темпы роста реальных располагаемых денежных доходов населения*), децильное распределение доходов - средний уровень доходов в каждой децили, коэффициент теневых доходов, норма сбережения населения, средняя численность семьи.

В) Отраслевые параметры (скалярные и векторные данные): жилищный фонд города в базовом году; объем некачественного (подлежащего ремонту и реконструкции) жилого фонда в базовом году; федеральный норматив среднего уровня обеспеченности жильем; планируемый (рассчитанный на основании планируемого бюджетного финансирования) объем сноса ветхого и аварийного жилого фонда, объем капитального ремонта и модернизации жилых домов, предполагаемый объем выбытия жилого фонда; сальдо естественного прироста населения, сальдо миграционного притока в базовом году; планируемый (рассчитанный по данным о наличии земельных и строительных ресурсов) объем ввода площадей* (квартир*) коммерческого и муниципального жилья; планируемый объем государственного спроса на дотированное жилье (по программам поддержки определенных категорий населения, жилищных сертификатов); планируемый государством объем жилищного ипотечного кредитования в денежном выражении.

Г) Рыночные данные, полученные по результатам исследования для различного состояния рынка по соотношению спрос/предложение и типу рынка («обусловленные»): доля первичного рынка в общем объеме ипотечных сделок; доля инвестиционных сделок от общего числа сделок; доля приобретателей квартир–нерезидентов; доля респондентов, готовых приобрести жилье на рынке за свой счет в ближайшие полгода-год, от общего числа домохозяйств (предъявленный спрос); доля респондентов, готовых приобрести жилье на вторичном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки); доля инвестиционных сделок на вторичном рынке от общего числа инвестиционных сделок; средняя доля кредита в стоимости квартиры; коэффициенты соотношения ввод/строительство, строительство/предложение, поглощение/предложение и поглощение/спрос на первичном рынке, поглощение/спрос и поглощение/предложение на вторичном рынке; коэффициенты соотношения цен первичного и вторичного рынка, цен на жилье различного класса к средним ценам.

Д) Рыночные данные, полученные при регулярном мониторинге рынка и постоянные при расчетах (скалярные): средняя площадь квартиры в новостройках и готовых домах (в том числе в дифференциации по классам качества); средняя площадь приобретаемого жилья в альтернативных сделках; доля первичного рынка в спросе и в предложении; доля первичного рынка в спросе нерезидентов.

Эндогенные переменные модели. Эндогенные переменные (выходные показатели и промежуточные данные, значения которых рассчитываются внутри модели), включают:

прогнозируемый объем жилого фонда;

прогнозируемая обеспеченность населения жильем;

прогнозируемый объем некачественного жилья в жилом фонде города;

прогнозируемая потребность городского населения в жилье;

потенциальный объем ввода, строительства коммерческого и муниципального жилья, потенциальный объем предложения коммерческого жилья;

средний коэффициент доступности приобретаемого жилья в базовом году, коэффициент доступности жилья для различных групп населения по доходности в базовом году;

средние совокупные накопления групп населения;

предъявленный платежеспособный спрос городского населения на рынке недвижимости (без учета ипотеки) в денежном выражении суммарный и для групп населения;

предъявленный платежеспособный спрос городского населения на рынке жилых площадей совокупный и для групп населения, в том числе площадей различного класса качества;

предъявленный платежеспособный спрос городского населения на рынке квартир совокупный и для групп населения, в том числе площадей и квартир различного класса качества;

предъявленный платежеспособный спрос городского населения на рынке площадей и квартир всех классов в прямых сделках;

предъявленный спрос нерезидентов и инвесторов на рынке площадей и квартир, в том числе на первичном и вторичном рынке, и предъявленный денежный спрос;

потенциальный объем жилищного ипотечного кредитования в денежном выражении на первичном и вторичном рынке, потенциальный объем предложения ипотечных кредитов, предъявленный спрос на ипотечные кредиты, поглощение ипотечного продукта в количестве прокредитованных площадей и выданных кредитов на покупку квартир, в том числе на первичном и на вторичном рынке;

суммарный предъявленный спрос населения, инвесторов и нерезидентов (с учетом ипотеки) на коммерческое жилье, в том числе на первичном и вторичном рынке, на жилье различного класса качества;

суммарный предъявленный спрос на площади и квартиры муниципального и коммерческого жилья, в том числе на первичном и вторичном рынках;

суммарный предъявленный спрос на площади и квартиры коммерческого жилья на первичном и вторичном рынках с учетом перетекания между рынками в случае дефицита предложения на одном из них и избыточного предложения на другом;

суммарный предъявленный денежный спрос на рынке коммерческого жилья;

соотношение спроса и предложения площадей на первичном рынке, вторичном рынке и на рынке в целом;

индикатор состояния рынка по соотношению спрос/предложение;

объем удовлетворенного спроса (объем поглощения) коммерческого городского жилья в площадях и квартирах, в том числе различного класса, на первичном и вторичном рынке;

прогнозируемый объем предложения, в том числе на первичном и вторичном рынке и для различных классов жилья;

прогнозируемый объем ежегодного нового предложения на первичном рынке, в том числе жилья различного класса;

прогнозируемый объем строительства и ввода площадей и квартир, в том числе коммерческого жилья и муниципального жилья;

среднемесячный темп роста цен на жилье, средняя удельная цена жилья в конце исследуемого года на вторичном и первичном рынке, в том числе жилья различного класса качества.

Основные направления совершенствования модели. Апробация методики была проведена в работе /1/ на примере расчета прогноза развития рынка жилья Москвы (в старых границах) в 2011-2016 годах при трех сценариях динамики макроэкономических исходных данных – оптимистическом, пессимистическом и реалистическом. Результаты апробации методики подтвердили ее работоспособность.

Вместе с тем, выявлена необходимость совершенствования методики в направлении снятия целого ряда допущений и ограничений и доработки алгоритма модели /2/:

·                   перехода от блочной модели к блочно-модульной для отказа от жесткого использования данных ГП "Жилище" и других правительственных документов и углубления исследования;

·                   переход к двухуровневой системе исходных данных для реализации расчета модулей;

·                   внедрение итерационного алгоритма не только с годовым шагом, но и внутри одного года - для повышения точности расчетов;

·                   уточнение алгоритма расчета объема спроса на первичном/вторичном рынках с перетеканием, расчета объема предъявленного спроса и поглощения ипотечного продукта.

Обновленный перечень блоков включает (рис. 1):

  • Блок 1 «Определение потребности городского населения в жилье и планируемого объема ввода социального жилья»;

  • Блок 2 «Функционирования строительного комплекса и определения потенциального объема ввода, строительства и предвари тельного объема предложения коммерческого жилья»;

  • Блок 3 «Жилищное финансирование. Определение объема потенциального платежеспособного спроса населения»;

  • Блок 4 «Определение предварительного объема предъявленного государством, населением, нерезидентами и инвесторами спроса на городское жилье»;

  • Блок 5 «Определение состояния рынка по соотношению спрос/предложение и расчета прогнозируемого объема удовлетворенного спроса (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».

Кроме того, предусмотрено включение в модель автономных блоков-модулей[2], которые предназначены для решения самостоятельных исследовательских задач и/или для подготовки (при необходимости) исходных данных к Блокам 1-6 (табл. 1).

Таблица 1. Перечень блоков-модулей и их назначение

Название

Источник и содержание исходных данных

Назначение вы ходных данных

М1

Определение объемов рекон струкции, капитального ре монта, реновации и строи тельства социального жилья

Запланированные объемы финансирования жилищных программ

1) В ГП «Жилище»

2) на вход Блока 1

М2

Определение наличия земельных ресурсов под жилищное строительство

Наличие земельных ресурсов под жилищное строительст во, планируемое их использо вание

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М3

Определение наличия строительных ресурсов

Наличие производственных мощностей и строительных ресурсов

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М4

Определение объема потен циального ипотечного пред ложения и господдержки

Состояние системы ИЖК и ее возможности по предложе нию ипотечных кредитов

1) в программу развития ИЖК

2) на вход Блока 4

М5

Мониторинг и исследование состояния рынка жилья и определение «обусловлен ных» данных о рынке

Реестры объектов нового строительства, ЕГРП, базы предложения жилья при различном соотношении спрос/предложение

1) Для анализа рынка

2) на вход Блоков 5 и 6

В блоке-модуле М1 по данным о планируемом объеме бюджетного финансирования программ реновации жилого фонда города в текущем году определяется (оптимизируется) планируемый объем реконструкции, капитального ремонта, реновации (сноса и переселения) жилищного фонда и нового муниципального строительства с учетом состояния фонда и удельных затрат на каждый вид реновации. Эти данные могут использоваться при разработке государственной программы «Жилище» и поступать в блок 1.

В блоке-модуле М2 на основании Реестра строящихся жилых домов, среднесрочных решений властей о выделении земельных участков под строительство жилья определяется потенциальный объем строительства в текущем году (без учета ограничений по спросу).

В блоке-модуле М3 определяются возможные ограничения жилищного строительства по объему производственных мощностей строительных предприятий, объема производимых в регионе и импортируемых строительных ресурсов.

Данные блоков-модулей М2 и М3 могут использоваться при разработке государственной программы «Жилище» и поступать в Блоки 1 и 2.

В блоке-модуле М4 «Определение объема потенциального ипотечного предложения и господдержки» рассчитывается денежный объем ипотечного предложения и господдержки с учетом планов федеральных и региональных властей. Результаты расчета передаются в Блок 4.

В блоке-модуле М5 «Исследование состояния рынка жилья и определение «обусловленных» данных о рынке» по данным о динамике строительства, ввода, предложения, поглощения жилья, поступающим из Реестров объектов нового строительства и ЕГРП, рассчитываются коэффициенты соотношения ввод/строительство, строительство/предложение, предложение/поглощение, спрос/поглощение и другие «обусловленные» данные при различном состоянии рынка по соотношению спрос/предложение. По данным о многолетней динамике цен, получаемой в результате обработки баз предложения жилья, и исследования типологии рынка вычисляются параметры регрессионных уравнений (моделей для прогнозирования цен) в зависимости от типа рынка. Результаты поступают в Блоки 5 и 6.

Рис. 1. Усовершенствованная структура модели

Переход к блочно-модульной структуре модели требует внедрения двухуровневой системы исходных данных и выходных показателей: исходные данные первого уровня для блоков и второго уровня для блоков-модулей, выходные данные блоков-модулей могут служить исходными данными первого уровня для блоков.

Например, исходные данные второго уровня к модулю М1:

- планируемый объем бюджетного финансирования жилищных программ (капитального ремонта, реконструкции жилого фонда и нового строительства муниципального (социального) жилья);

- наличие земельных ресурсов под жилищное строительство и решения властей об их распределении;

- ограничения по наличию производственных мощностей в строительстве;

- состояние производства и импорта строительных материалов.

Выходными данными модуля М1 являются планируемый объем реконструкции, капитального ремонта, реновации (сноса и переселения) жилищного фонда и нового муниципального строительства. Эти данные могут быть использованы для целей государственных программ, или перейти в Блок 1 в качестве исходных данных первого уровня.

Для повышения точности прогноза введен Блок 7 «Организация итерационных циклов по уточнению прогноза». В нем производится сопоставление предыдущего и нового значения индикатора спрос/предложение и организуются итерационные циклы по уточнению прогноза.

Вначале 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.

Апробация и ретроспективная проверка усовершенствованной модели. В качестве базового варианта для апробации модели принят вариант развития рынка жилой недвижимости Москвы (в старых границах) по Сценарию №1 (оптимистический) со следующим изменением: с целью ретроспективной проверки результатов прогнозирования ключевые макроэкономические показатели (темпы роста реальных располагаемых доходов населения, инфляция, денежный объем ипотечного кредитования) приняты по фактическим данным 2011 и 2012 годов. Используемые для расчета базового варианта исходные данные приведены в таблицах 2-7.

Макроэкономические параметры

Таблица 2. Параметры, заданные на глубину прогнозирования (векторные)

Показатели

2010

(базовый)

2011

2012

2013

2014

2015

2016

численность населения N, млн чел.

11,5

11,6

11,7

11,7

11,8

11,9

12,0

темпы роста ВРП, %

5,0

4,0

3,8

4,0

4,6

5,0

6,0

темпы роста инвестиций в основной капитал, %

-15,0

0,0

6,0

7,0

8,5

9,0

9,5

темпы роста реальных располагаемых денежных доходов населения , %

-8,0

-1,6

-1,6

2,5

3,0

4,0

5,0

темп инфляции, %;

8,8

6,1

6,6

5,7

5,7

5,5

5,5

Таблица 3. Параметры, постоянные при расчетах (скалярные)

показатель

значение

среднее количество членов домохозяйства nс, чел.

2,5

коэффициент теневых доходов Ктд

2,0

норма сбережения населения НС, %

20

Среднедушевой доход населения в базовом (2010) году, тыс. руб.

44,6

Превышение над среднедушевым доходом среднего уровня дохода в 3-8-й децильной группе (60% населения), раз

1,0

Превышение над среднедушевым доходом среднего уровня дохода в 9-й децильной группе (10% населения), раз

2,3

Превышение над среднедушевым доходом среднего уровня дохода в 10-й децильной группе (10% населения), раз

4,3

Отраслевые параметры

Таблица 4. Параметры, заданные на глубину прогнозирования (векторные)

показатели

2010 (базовый)

2011

2012

2013

2014

2015

2016

федеральный норматив сред него уровня обеспеченности жильем, кв. м/чел.

20,6

21,0

21,6

22,2

22,8

23,5

24,2

Планируемый объем жилищ ного фонда, млн кв. м

215,7

218,1

220,4

222,8

225,2

227,6

230,0

объем сноса жилого фонда, тыс. кв. м

0,2

0,3

0,5

0,4

0,4

0,0

0,0

объем выбытия жилого фонда, кв. м

0,0

0,0

0,0

0,0

0,0

0,0

0,0

объем капитального ремонта и реконструкции жилых домов, млн кв. м

3,2

7,7

4,7

4,7

4,7

4,7

4,7

планируемый государством объем ввода жилья, млн кв. м

1,77

1,76

2,54

2,54

2,54

2,54

2,54

планируемый объем ввода муниципального жилья, млн кв. м

0,68

0,70

0,76

0,76

0,76

0,76

0,76

планируемый государством объем жилищного ипотечного кредитования, млрд. руб.

47,0

48,5

62,4

122,9

153,6

184,3

211,2

Таблица 5. Параметры, постоянные при расчетах (скалярные)

показатель

значение

средняя площадь квартиры в новостройках, кв. м

90

средняя площадь квартиры в новостройках массового класса, кв. м

70

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

54

средняя площадь квартиры в домах повышенной комфортности на вторичном рынке, кв. м

70

средняя площадь приобретаемого жилья в альтернативных сделках, кв. м

18

доля первичного рынка в спросе, %

40

доля первичного рынка в предложении, %

25

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, %

10,0

средняя удельная цена жилья на вторичном рынке в декабре базового 2010 года, тыс. руб./кв. м

168,5

прирост средней удельной цены на вторичном рынке в базовом 2010 году, %

10,0

объем предложения на вторичном рынке, тыс. квартир

115,0

объем поглощения на вторичном рынке в базовом 2010 году, тыс. квартир

85,4

объем некачественного фонда в базовом 2010 году, млн кв. м

108

 

Рыночные данные (обусловленные параметры)

Таблица 6. Параметры, зависящие от соотношения спрос/предложение

Параметр

Индикатор состояния спрос/предложение

1

2

3

4

Коэффициент соотношения ввод/строительство

0,25

0,30

0,32

0,35

Коэффициент соотношения строительство/предложение

2,10

2,20

2,35

2,50

Коэффициент соотношения поглощение/предложение на первичном рынке

0,42

0,41

0,41

0,43

Коэффициент соотношения поглощение/спрос на первичном рынке

0,40

0,46

0,40

0,35

Коэффициент соотношения поглощение/ограничение на вторичном рынке

0,70

0,75

0,78

0,80

Доля респондентов, готовых приобрести жилье на рынке за свой счет в течение ближайшего года, от общего числа домохозяйств (предъявленный спрос), %

2,0%

2,8%

3,0%

3,5%

Доля приобретателей квартир–нерезидентов, %

25%

30%

40%

50%

Доля респондентов, готовых приобрести жилье на вто ричном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки), %

85%

80%

78%

75%

Доля ипотечных сделок на рынке жилья, %

15%

25%

28%

30%

Доля инвестиционного спроса на рынке жилья, %

0%

5%

6%

20%

Доля первичного рынка в общем объеме ипотечных сделок, %;

10%

12%

14%

20%

Доля ипотечных сделок от общего числа сделок на первичном рынке, %

10%

22%

22%

28%

Доля ипотечных сделок от общего числа сделок на вторичном рынке, %

10%

26%

28%

31%

Средняя доля кредита в стоимости квартиры, %

60%

70%

72%

82%

Таблица 7. Параметры, зависящие от типа рынка

Параметр

Индекс типа рынка

1

2

3

4

5

6

Соотношение цен первичного и вторичного рынка

1,18

1,17

1,15

1,14

1,12

1,07

Соотношение цен на массовое жилье к средним ценам

0,57

0,6

0,61

0,63

0,65

0,53

Соотношение цен на жилье повышенной комфортно сти к средним ценам

1,11

1,15

1,27

1,2

1,22

1,25

№ модели прогнозирования цен

1

2

3

4

5

6

Результаты расчетов и их интерпретация. Основные показатели расчета прогноза развития рынка жилой недвижимости Москвы вынесены на графики рис. 2-6. Графики показывают, что поведение прогнозируемых показателей четко различается по трем стадиям[3]: 2011-2012, 2013-2015 годы и 2016 год.

На первой стадии, в соответствии с заданными исходными данными о фактическом росте номинальных доходов населения города с темпом 5-7% в год, а также снижении объемов ввода жилья, прогнозируемый спрос несколько превышал предложение, объем поглощения на первичном и вторичном рынке увеличивался, цены росли с темпом 8-9%.

На второй стадии повышательная динамика прогнозируемого объема платежеспособного спроса населения (рис. 2) соответствует заданной в исходных данных (Сценарий № 1 оптимистический /1/) динамике роста номинальных доходов населения (10-12%). При этом снижение прогнозируемого объема предъявленного спроса населения в натуральном выражении объясняется ростом цен (рис. 6), опережающим рост доходов. Суммарный предъявленный спрос на площади (с учетом спроса нерезидентов, инвесторов и ипотеки) также несколько снижается, несмотря на рост денежного объема ипотечного предложения.

Прогнозируемая на второй стадии динамика объемов строительства коммерческого жилья (рис. 3) коррелирует с планируемым властями ростом объемом ввода жилья, обеспеченным земельными ресурсами, одобренными инвестиционными контрактами и проектной документацией (рис. 3).

На первичном рынке (рис. 4) предварительный объем суммарного спроса хотя и несколько снижается, но существенно превышает предложение. С 2013 года происходит перетекание спроса на вторичный рынок, где образовался избыток предложения (рис. 5). Предъявленный спрос все годы превышает выросший объем предложения, и объем поглощения ограничивается предложением. Спрос и предложение стабилизируются, вследствие чего стабилен и объем поглощения (рис. 4).

На вторичном рынке (рис. 5) прогнозируемый объем предложения в связи с ростом цен повышается в меру эластичности предложения по цене. В то же время снижающийся предварительный спрос после 2012 года становится меньше предложения. Однако, вследствие дефицита предложения на первичном рынке (рис. 4) спрос перетекает на вторичный, и поглощение продолжает расти (рис. 5).

Цены на второй стадии (рис. 6) растут с темпом 17-18% в год.

На третьей стадии, после 2015 года, прогнозируемая ситуация на рынке существенно меняется. Накопленный рост цен привел к тому, что значительная доля населения, имевшего намерение приобрести жилье, уходит с рынка, и денежный объем спроса снижается, несмотря на растущий денежный объем ипотечного предложения. Более резко снижается и суммарный предъявленный спрос в натуральном выражении.

Объем предложения на первичном рынке остается стабильным (рис. 4), а на вторичном рынке продолжает расти (рис. 5). Поглощение на первичном рынке стабильно, на вторичном – падает. В соответствии с общим превосходством спроса над предложением цены продолжают расти повышенными темпами (32-35)% (рис. 6).

В целом рынок переживает ситуацию устойчивого роста (аналог 2003 и 2006 года) и перехода в 2016 году к стабилизации на буме, аналогичной началу 2004-го и концу 2006-го года.

Таким образом, динамика прогнозируемых показателей развития рынка (преимущественно немонотонная) находит логичное объяснения в известных закономерностях поведения рынка и показывает, что разработанная модель адекватно учитывает связи между различными факторами, в том числе и обратные.

Сопоставление результатов прогнозирования некоторых показателей развития рынка в 2011-2012 годах с фактическими данными демонстрирует хорошее совпадение по уровню средних удельных цен на вторичном и первичном рынках (рис. 6), объему поглощения на вторичном рынке (рис. 5), объему предложения, нового предложения и поглощения на первичном рынке (рис. 4), объему ввода и строительства площадей (рис. 3).


Рис. 2 Рис. 3
Рис. 3 Рис. 4/strong>
Рис. 6

Литература

1. Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона) – Журнал «Имущественные отношения в РФ» №8 (131) 2012.

2. Стерник Г.М., Свиридов А.В. Совершенствование методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. – Материалы Международной научно-практической конференции «Современные проблемы управления проектами в инвестиционно-строительной сфере и природопользовании». - М.: РЭУ им. Г.В.Плеханова, 2013 г. (в печати).

3. Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. – М.: «Экономика», 2009. – 606 стр.



[1] Примечание: показатели, отмеченные звездочкой*, взаимозаменяемы.

[2] Блоки-модули – это самостоятельные блоки, которые могут использоваться либо не использоваться при расчетах.

[3] Под стадией динамики рынка недвижимости понимается отрезок времени с приблизительно одинаковым темпом роста цен /6/.

Опубликовано в журнале «Механизация строительства» № 9 за 2013 год, стр. 53-63.

Методология и методы анализа рынка недвижимости – источник информации для прогнозирования рынка

Геннадий Моисеевич Стерник, профессор кафедры «Управление программами и проектами» РЭУ им. Г.В.Плеханова, канд.техн.наук

Сергей Геннадьевич Стерник, зам. по науке декана факультета экономики недвижимости РАНХиГС при Президенте РФ, д.э.н., проф.

В предыдущей статье (1) изложены допущения, ограничения и рабочие гипотезы о предметной области моделирования в методологии прогнозирования РН. В настоящей работе приводятся основные положения методологии и конкретные методики количественного определения показателей предыстории рынка, необходимые при построении методики его прогнозирования.

Основные положения методологии анализа рынка недвижимости. Прикладное прогнозирование, с одной стороны, отражает практический опыт использования важнейших положений экономической теории в исследовании вариантов народнохозяйственного развития. С другой стороны, оно включает инструментальный аппарат моделирования процессов взаимосвязи показателей, характеризующих различные стороны экономических отношений, и методов получения количественных оценок. Для этого необходимо выявление долговременных, устойчивых существенных закономерностей и взаимосвязей, определяющих тенденции развития в ретроспективе и в перспективе /2, с. 18, 29/. Прежде всего, необходимо достаточно полно выявить перечень свойств системы и количественных и качественных показателей, характеризующих ее развитие.

Опыт исследования рынка недвижимости (РН) как сегмента рыночной экономики и сложной социально-экономической системы /3/ позволил сформулировать следующий перечень свойств, необходимых и достаточных для изучения закономерностей поведения рынка в ретроспективе и перспективе: ценовая ситуация на рынке; предложение; спрос; размер объектов; объем операций (натуральный оборот рынка, объем поглощения); емкость, денежный оборот рынка; доходность сегмента рынка; ликвидность объектов; доступность объектов; портрет и предпочтения потребителей на рынке; внешние условия функционирования рынка.

Каждому свойству ставится в соответствие набор показателей (качественных и количественных), необходимых для квантификации состояния рынка по данному свойству.

По ценовой ситуации:

мин., макс., средние полные цены предложения и сделок и объем выборки,

мин., макс., средневзвешенные удельные цены предложения и сделок и объем выборки, мин., макс., средневзвешенные ставки аренды (в предложениях вакантных площадей, действующие в занятых площадях, реализованные в сделках) и объем выборки, мин., макс., средняя арендная плата и объем выборки, мода, медиана, размах индивидуальных значений в выборках и объем выборок, частотное распределение цен (ставок) в выборках (гистограмма), погрешности в определении средних значений;

по конъюнктуре предложения:

объем ввода в строй объектов, помещений, площадей, объем строительства объектов, помещений, площадей, объем общего предложения объектов, помещений, площадей, объем вновь поступившего предложения объектов, помещений, площадей;

по конъюнктуре спроса:

количество обращений в компанию по поводу покупки/аренды объектов,

объем платежеспособного денежного спроса, потенциального и предъявленного спроса населения города, нерезидентов, инвесторов на объекты, помещения, площади;

по размерам помещений:

мин., макс., средняя площадь объектов в строительстве, предложении, спросе (площадь земельных участков, общая площадь квартир с различным числом комнат, полезная площадь блоков некоммерческих помещений);

по оборотам рынка:

число зарегистрированных сделок купли-продажи, аренды объектов, помещений, в том числе с использованием ипотечного кредитования, объем поглощенных рынком площадей;

по емкости рынка:

объем сделок в денежном выражении;

по доходности объектов:

среднерыночная доходность в сегменте рынка от рентных, дилерских, девелоперских операций;

по ликвидности объектов:

минимальное, максимальное, среднее за период время экспозиции проданных (сданных в аренду) и непроданных объектов/помещений на вторичном рынке, размах индивидуальных значений в выборках и объем выборок,

частотное распределение времени в выборках (гистограмма), погрешности в определении средних значений;

темп поглощения помещений/площадей в новостройках на первичном рынке (доля проданных или сданных в аренду помещений/площадей за период);

по доступности объектов:

коэффициент доступности жилья для населения,

в т.ч. жилья различного класса для различных групп населения по доходности, в т.ч. с учетом возможности ипотечного кредитования и господдержки;

по предпочтениям потребителей на рынке: доля потребителей в спросе, предпочитающих приобрести объекты недвижимости с заданным диапазоном характеристик (распределение характеристик по предпочтительности в спросе);

по внешним условиям функционирования рынка: макроэкономические показатели, политические, географические, социально-экономические условия в регионе, состав и состояние фонда существующих и строящихся объектов, территориальная структура города и тенденции ее развития, федеральные и региональные нормативы землепользования, градостроительства, затрат на девелопмент.

Содержание общего анализа включает 4 этапа.

1) Создание и наполнение аналитических баз данных: сбор информации; предварительная обработка (верификация) информации.

2) Мониторинг рынка: статистическая обработка данных; описание и анализ текущего состояния показателей; описание и анализ динамики показателей.

3) Исследование рынка: исследование пространственно-параметрических закономерностей изменения показателей; исследование динамических закономерностей изменения показателей; совместное исследование динамики различных показателей, в том числе показателей внешней среды; исследование показателей, не поддающихся статистическому мониторингу.

4) Прогнозирование развития рынка: исследование внешних и внутренних факторов, влияющих на изменение показателей; прогнозирование тенденций изменения показателей.

В настоящей статье рассмотрены второй (мониторинг) и третий (углубленное исследование рынка) этап анализа рынка, как ключевые подготовительные этапы к созданию методов прогнозирования.

Методология дискретного числового пространственно-параметрического моделирования РН. Формализованное описание процедуры построения дискретных пространственно-параметрических моделей (ДППМ) рынка произведено в терминах теории множеств - аппарата, специально созданного для описания дискретных пространств. Изложение ведется в сопоставлении с подходами и понятиями смежной методологии – корреляционно-регрессионного моделирования, на примере рынка купли-продажи квартир.

Пусть xi = Î X - удельная цена i-й квартиры в заданном периоде (в последующем временной параметр опускается).

Тогда дискретное множество значений удельных цен выражается следующим:

X = { xi } , I = 1, N. (1)

Запись (1) представляет собой модель первичной рыночной информации - исходных данных для построения модели рынка.

В общем случае цена объекта недвижимости (например, квартиры) зависит от ее характеристик xj::

xi = S (xj) ,

где S – оператор связи.

Характеристики могут быть непрерывными и дискретными величинами и выражаться числом (значения размера кухни, высоты потолка, декартовых координат местоположения, расстояния до ближайшей станции метро, и т.п.); диапазоном чисел (диапазон значений периода строительства, высоты потолков, и т.п.); количественным признаком (этажность дома, этаж расположения квартиры, число комнат, число санузлов, число балконов, и т.п.); качественным признаком (материал несущих конструкций, материал наружных ограждений, тип санузла, тип планировки, ориентация окон во двор или на проезжую часть, и т.п.); бинарным признаком «да-нет» (наличие лифта в доме, наличие телефона в квартире, состояние дома – после реконструкции, капремонта, и т.д.).

Разделим все характеристики по трем классификационным основаниям – качества, местоположения, размера:

T = (xjT) - множество характеристик качества (конструктивно-технические характеристики дома и квартиры, характеристики комфортности проживания, от которых зависят предпочтения покупателей и цена;

M = (xjM) - множество характеристик местоположения дома, от которых зависят предпочтения покупателей и цена;

R = (xjR) - множество характеристик размера квартиры, от которых зависит ее цена.

Тогда X Þ { xi (xj T , xjM , xjR ) }. (2)

Преобразуем числовые значения характеристик в дискретные, разбив их на диапазоны. Тогда

X = { xi { xt1, xt2, …} , {xm1 , xm2 , … }, {xr1 , xr2, … } } .

Изучение существующих в жилищном фонде и на рынке квартир показывает, что большая часть теоретически возможного числа вариантов являются физически нереализуемыми. Например, сочетание «панель – высота потолков от 3 м» или «свободная планировка – кухня площадью менее 6,0 м», и т.п.

Сгруппируем характеристики качества таким образом, чтобы совокупность диапазонов и/или признаков всех значимых характеристик образовывала физически определимое множество, соответствующее подмножеству элементов множества (1):

{ xit1 } = {xi ½xt = {xt1} } ;

{ xit2 } = {xi ½xt = {xt2 } } ;

………………………… ,

или Èxit = xit1 È xit2 È … .

Назовем подмножество {xitj} физически определимых вариантов сочетания характеристик «типом квартиры» Ti. Тогда

XT1 = {xit1},…

XT2 = {xit2},

………………..

Следовательно, XT = {XT1, XT2 , …}множество подмножеств, объединяющих квартиры одного типа.

Аналогично приводятся к дискретным характеристики местоположения и размера.

Наконец, объединение трех множеств приводит к выявлению групп объектов, выделенных по признаку сочетания типа, зоны (района) и размера:

X = XT È XM È XR; (3)

Ç XT Ç XM Ç XR = Æ ; (4)

X = {{xT1M1R1}, {xT2M1R1}}, …}. (5)

Условие (4) означает, что пересечение множеств есть пустое множество, т.е. один и тот же объект не может принадлежать двум одноуровневым выборкам.

Выражение (5) в терминах регрессионных моделей массовой оценки называется «спецификацией» модели рынка. Следующий этап – «калибровка» модели, или получение количественных оценок входящих в модель параметров.

В терминах дискретных пространственно-параметрических моделей эта процедура включает статистическую обработку выборок (8) и определение основных параметров выборки - объема n, среднего xср., размаха варьирования xмин. и xмакс., дисперсии D, погрешности в определении среднего d. В результате образуется исходная дискретная пространственно-параметрическая модель рынка:

X = {{(n, xср., xмин. , xмакс., D , d) T1M1R1} , {( n, xср., xмин. , xмакс., D , d) T2M1R1 } , … }(6)

Следующей операцией при построении ДППМ является ее корректировка и оптимизация (в терминах регрессионных моделей массовой оценки - «настройка»). Корректировка начинается с проверки объема выборок в каждой клетке матрицы.

На практике возможно отсутствие объектов какого-либо типа в жилищном фонде и на рынке данного района. В этом случае из матрицы исключается соответствующая строка.

Возможны случаи слишком малого объема выборки данного типа в конкретном районе. Тогда данная выборка подлежит объединению со смежной выборкой, параметры объединенной выборки пересчитываются.

Оптимизация модели начинается с проверки размаха выборок и их дисперсий. Условие оптимизации - минимизация размаха каждой выборки при ориентировочном равенстве коэффициентов варьирования ν:

(xмакс. xмин.) → мин.; ν i = √ Di / xср.i const. (10)

Уменьшение размаха выборки можно получить за счет ее разделения на две путем введения дополнительного признака или разбиения диапазона какого-либо признака.

Следующая процедура оптимизации модели имеет обратный характер – она направлена на проверку целесообразности объединения выборок. Для этого производится попарная проверка значимости различия выборок по типам, по размерам, по смежным районам. Она включает проверку различия дисперсий (по критерию Фишера Fp) и средних (по критерию Стьюдента tp) при заданных критериальных значениях уровня значимости р, выбираемых исследователем. Эта процедура соответствует аналогичной процедуре проверки значимости факторов в терминах регрессионного моделирования.

По результатам проверки выборки с незначимыми различиями объединяются, и значения параметров объединенных выборок пересчитываются. На практике возможно применение более простого условия объединения выборок 1 и 2:

xср.1 + δ1/2 > xср.2 δ2/2 (при xср.1 < xср.2). (11)

Такое преобразование соответствует по смыслу понижению размерности регрессионной модели, исключению незначимых факторов качества, местоположения и размера.

В результате образуется оптимизированная ДППМ рынка.


Таблица 1. Пример ДППМ рынка строительства и продажи жилья Москвы в 4 квартале 2012 года

зона

Класс

Стадия строительства

Этажность

Объем строительства (продолжение справа – размещено ниже)

Объектов, шт

Квартир, шт.

Площадей, тыс. кв. м

всего

1-ком.

2-ком.

3-ком.

Многоком.

Москва (продолжение ниже – административные округа)

По всем классам

Все стадии

Вся этажность

301

66272

14941

21102

20094

9362

6262330

до 5

14

902

30

50

42

779

190,9

от 5 до 17

104

17872

3397

5349

6028

3098

1825746

от 17 до 30

151

34364

9008

11411

9650

3688

2940742

от 30 и более

32

13134

2506

4292

4374

1797

1304969

Проектная декларация

Вся этажность

12

3875

1213

1067

704

272

267291

от 5 до 17

6

1420

487

533

340

60

95114

от 17 до 30

6

2455

726

534

364

212

172177

Начало строительства - закладка фундамента

Вся этажность

33

3892

688

1301

1337

566

393040

от 5 до 17

17

903

164

293

301

145

103969

от 17 и более

16

2989

524

1008

1036

421

289071

Возведение стен дома

Вся этажность

35

6438

1280

1989

2302

867

613066

до 17

13

704

124

188

265

127

80169

от 17 до 30

17

4041

918

1256

1210

657

375076

от 30 и более

5

1693

238

545

827

83

157821

Завершение монтажа и подключение внутреннего инженерного оборудования

Вся этажность

48

13005

3693

4565

3269

1313

1032375

до 17

16

3844

936

1236

1100

572

358477

от 17 до 30

21

5554

1824

2333

1123

274

365553

от 30 и более

11

3607

933

996

1046

467

308344

Введенный в эксплуатацию дом

Вся этажность

134

29038

6378

9096

9029

4546

2941219

до 5

9

747

6

32

21

687

161218

от 5 до 17

37

5416

1107

1523

1793

993

586727

от 17 до 30

73

15420

3930

4870

4876

1756

1407529

от 30 и более

15

7455

1335

2671

2339

1110

785743

Жилье, оформленное в собственность застройщика

Вся этажность

39

10024

1689

3084

3453

1798

1015337

до 17

18

5740

603

1594

2250

1293

630942

от 17 до 30

19

4284

1086

1490

1203

505

384394

Продолжение справа

Объем предложения

Размеры объектов (продолжение справа – размещено ниже)

Объ ек тов, шт.

Квартир, шт

Количество квартир, шт.

Суммарная площадь, кв. м

все

1-ком.

2-ком.

3-ком

Многоком.

мин.

макс.

сред.

мин.

макс.

сред.

все

1-ком

2-ком

3-ком.

все

1-ком.

2-ком.

3-ком.

Много ком.

все

1-ком

2-ком.

3-ком

Много ком

295

7629

1499

2401

2433

1280

3

2

2

2

4093

704

1200

1600

891

220

71,1

80,2

75,5

31,0

1450

420000

20805

13

196

16

22

39

119

3

2

4

4

163

24

22

21

163

64

10,0

12,5

10,5

55,6

1450

38238

13633

104

2161

471

555

709

415

9

2

2

2

4093

402

1200

1600

891

171

57,5

61,4

65,5

29,7

1680

420000

17555

151

4015

846

1300

1301

563

56

10

9

15

744

276

295

322

121

229

73,2

79,8

69,4

24,4

6189

64135

19475

32

1257

166

524

384

183

145

19

23

45

1944

704

732

479

270

410

100

148

141

56,1

12567

131295

40780

12

1290

364

418

392

116

74

36

32

2

620

210

210

108

100

322

110

97,0

64,0

22,6

4514

44750

22274

6

747

207

311

204

25

74

40

32

2

328

120

140

80

20

236

81,1

88,8

56,6

10,0

4514

24500

15852

6

543

157

107

188

91

240

36

36

48

620

210

210

108

100

409

145

106

72,8

35,3

12600

44750

28696

33

1078

130

358

378

212

9

8

6

6

440

176

192

162

137

121

45,8

52,0

51,4

17,1

2103

53060

11910

Продолжение справа

Площадь квартир, кв. м (продолжение справа – размещено ниже)

мин.

макс.

сред.

1-ком.

2-ком.

3-ком.

всего

1-ком.

2-ком.

3-ком.

Многоком.

всего

1-ком.

2-ком.

3-ком.

Многоком.

26,7

47,16

60,2

831,5

101,8

234,8

270

831,5

94,49

50,40

76,90

112,63

169,06

38,6

56

79

531,7

65

105,2

230

531,7

211,61

47,65

81,38

127,56

231,68

35,91

51,7

73,03

831,5

101,8

234,8

270

831,5

102,16

51,31

77,06

117,65

172,51

26,7

47,16

60,2

576

86,7

127,9

220

576

85,58

49,04

73,98

108,29

153,81

35,4

58,5

65,2

326,1

87

113,5

199

326,1

99,36

54,07

84,41

115,15

167,23

36,8

57,9

75

191,6

56,5

110,39

157,1

191,6

68,98

43,51

70,31

97,79

125,62

36,8

57,9

83,8

156,7

56,5

110,39

156,7

112,45

66,98

43,85

67,96

92,12

104,32

Продолжение справа

Полная цена квартиры объекта, тыс. руб. (продолжение справа – размещено ниже)

мин.

макс.

сред.

все

1-ком.

2-ком.

3-ком.

Многоком.

все

1-ком.

2-ком.

3-ком.

Многоком.

все

1-комн.

2-ком.

3-ком.

Многоком

                             

4131,0

4131,0

5920,0

6475,5

9347,3

292374

40981,2

81570,5

160610,6

292374

17161

7589

12760

19804

43591

8470,8

8470,8

13094,5

17704,7

13928,0

292374

8470,8

62752,8

177047,2

292374

29403

8851

26254

24050

24846

4625,2

4625,2

6726,8

8734,0

10306,8

251495

40981,2

81570,5

160610,6

251495

24101

7884

15882

26445

72276

4131,0

4131,0

5920,0

6475,5

9347,3

210280

16560,6

44300,7

82033,5

210280

13708

7230

11049

17730

29969

5871,8

5871,8

7778,3

11070,1

13878,5

187470

20437,5

48331,2

68472,0

187470

16515

8461

13360

17929

45714

Продолжение справа

Удельная цена квартир, тыс. руб./кв. м (продолжение справа – размещено ниже)

мин.

макс.

средневзвешенная

все

1-ком.

2-ком.

3-ком.

Многоком

все

1-ком.

2-ком.

3-ком.

Многоком

все

1-ком.

2-ком.

3-ком.

Многоком.

71,5

85,0

80,0

75,0

71,5

1068,9

655,1

839,7

850,9

1068,9

181,6

150,5

165,9

175,8

257,8

71,5

185,7

194,5

188,5

71,5

1046,0

185,7

706,6

188,5

1046,0

138,9

185,7

322,5

188,5

107,2

94,4

104,3

100,4

94,4

100,8

1068,9

655,1

839,7

850,9

1068,9

235,9

153,6

206,1

224,7

418,9

75,0

85,0

80,0

75,0

75,0

808,7

237,0

438,2

604,0

808,7

160,1

147,4

149,3

163,7

194,8

109,6

119,5

115,5

117,0

109,6

900,0

375,0

464,7

375,0

900,0

166,2

156,5

158,2

155,7

273,3

75,0

85,0

80,0

75,0

75,0

190,0

176,8

172,9

190,0

140,0

113,4

118,4

109,2

107,9

113,1

Продолжение справа

Удельная цена квартир, тыс. руб./кв. м (продолжение справа – размещено ниже)

Медиана, тыс. руб./кв. м

Мода, тыс. руб./кв. м

СКО, тыс. руб./кв. м

все

1-ком.

2-ком.

3-ком.

Многоком.

все

1-ком.

2-ком.

3-ком.

Многоком.

все

1-ком.

2-ком.

3-ком.

Многоком.

167,3

158,1

158,0

162,3

196,6

140,0

140,0

140,0

140,0

178,7

186,3

89,3

127,3

136,9

235,3

93,0

185,7

450,6

188,5

93,0

90,0

188,7

455,6

198,5

90,0

290,9

0,00

256,0

0,00

313,4

34,6

179,6

255,0

298,5

441,6

750,0

360,0

255,0

298,5

750,0

231,5

146,5

171,0

179,2

246,5

154,3

152,6

147,3

153,3

164,9

140,0

140,0

140,0

140,0

178,7

78,9

28,0

52,4

69,0

97,8

144,5

147,7

148,6

142,0

142,9

144,5

147,7

148,6

142,0

142,9

99,1

51,6

96,5

69,0

162,7

107,3

118,4

113,2

98,6

108,1

140,0

140,0

140,0

140,0

140,0

26,1

22,9

24,3

31,1

22,3

102,2

110,3

104,5

98,2

102,4

102,2

110,3

104,5

98,2

102,4

27,9

25,2

25,9

34,6

0,77

Продолжение справа

Погрешность в определении средней удельной цены,

тыс. руб./кв. м

Погрешность в определении средней удельной цены,

%

все

1-ком.

2-ком.

3-ком.

Многоком.

все

1-ком.

2-ком.

3-ком.

Многоком.

12,9

6,1

8,8

9,4

16,3

7,1

4,1

5,3

5,4

6,3

96,8

0,00

85,2

0,00

104,3

69,7

0,0

26,4

0,0

97,2

27,3

17,3

20,2

21,1

29,1

11,6

11,2

9,8

9,4

6,9

7,7

2,7

5,1

6,7

9,5

4,8

1,8

3,4

4,1

4,9

21,3

11,1

20,8

14,8

35,0

12,8

7,1

13,1

9,5

12,8

9,4

8,3

8,8

11,2

8,0

8,3

7,0

8,0

10,4

7,1

15,0

13,5

13,9

18,5

0,41

14,2

11,7

12,8

18,9

0,4



Периодический мониторинг оптимизированных ДППМ является информационной базой для методологии углубленного исследования и прогнозирования РН.

Методика определения разрывов рынка и объемов удовлетворенного спроса. Используемая при регулярном мониторинге любого сегмента рынка недвижимости методология числового дискретного пространственно-параметрического и динамического моделирования рынка предусматривает, что для каждого шага рассматриваемого периода (например, месяца) определяется целый ряд показателей состояния рынка, среди которых наиболее актуальными являются:

·                   суммарный объем общего бесповторного предложения (Supply) S0;

·                   суммарный объем нового (впервые поступившего на рынок в рассматриваемом периоде) бесповторного предложения Sn;

·                   средняя удельная цена (арендная ставка) общего предложения (Price) P и другие показатели.

Не менее актуальными являются показатели, которые при регулярном мониторинге рынка не удается определить:

·                   суммарный объем сделок (Transaction) T;

·                   суммарный объем спроса (Demand) D.

Суммарный объем зарегистрированных сделок на вторичном рынке жилья (сделок купли-продажи квартир) иногда удается получать от регистрирующих органов. Но в большинстве регионов и городов эти данные не публикуются. Что касается объема сделок на первичном рынке (сделок продажи договоров долевого участия), то своевременная регистрация этих договоров до настоящего времени полностью не налажена (застройщики задерживают регистрацию), поэтому публикуемые регистрирующими органами данные по этой и иным причинам (например, не регистрируются сделки с квартирами ЖСК) далеки от объективных. В связи с этим разработана и используется методика определения разрывов рынка и объема поглощения на основе анализа динамики предложения.

Для сбора исходных данных расчета в излагаемой методике исследуется динамика предложения на локальном рынке за предыдущий годовой период к моменту расчета. Исходными данными для расчета разрывов спроса и предложения рынка являются следующие величины:

-                     S0 - остаток предложения на конец предыдущего периода;

-                     S1 остаток предложения на конец исследуемого периода;

-                     S01 - суммарный объем нового бесповторного предложения за период.

При расчете годового разрыва в качестве остатка предложения на конец предыдущего периода принимается общий объем предложения в декабре прошлого года, на конец текущего - в декабре исследуемого года. В случае расчета разрывов в ежемесячной динамике в качестве этих величин можно принимать объемы в последний день предыдущего и исследуемого месяца либо объемы в предыдущем и в исследуемом месяце.

При расчете годового разрыва объем нового бесповторного предложения, если известен ежемесячный объем, определяется объединением месячных выборок и новой очисткой объединенной выборки от повторов.

Суммарный объем предложения за период равен остатку предложения на конец предыдущего периода плюс объем бесповторного нового предложения за период:

Sп = S0 + S01 (1)

Суммарный объем реализованного спроса принимается равным объему оттока предложения за период, т.е. разности объемов предложения на конец предыдущего и на конец текущего периодов плюс объем бесповторного нового предложения:

Sс = Sоп = (S0S1) + S01 (2)

Таким образом, разрыв рынка, или разность объемов поглощения и предложения за период, равен остатку предложения на конец текущего периода (со знаком минус):

Sр = Sс - Sп = ((S0 - S1) + S01) - (S0 + S01) = - S1 (3)

Анализ показывает, что поглощение зависит не только от общего объема предъявленного на рынке спроса, но еще и от его качественно-структурной динамики. На нормальном активном первичном рынке эта динамика выражается стремлением к определенному недоиспользованию имеющихся площадей и максимальному освоению вновь появляющихся площадей.

Данная закономерность была описана еще в 1976 году Мануэлем Готтлибом, и с ней нельзя не согласиться. График Готтлиба из Национального бюро экономических исследований в Нью-йорке (1976), возможно - самый точный систематический анализ циклов на рынке недвижимости в западной литературе /4/. Приняв методологию Митчелла и Бернса /5/ (1946), Готтлиб, исследовав больше чем 100 циклов строительства недвижимости в различных городах в разных странах, рассчитал, что по его статистике строительные циклы показывают точную периодичность в 19,7 лет и точное стандартное отклонение в 5 лет. Периодичность местных, региональных и национальных циклов, в этой статистике, как правило, взаимосвязана. Периодичность циклов жилищного строительства может быть значительно более длительной, чем периодичность обычных бизнес-циклов, и амплитуды также больше, чем у бизнес-циклов. Процент пустующих помещений также показывает наличие циклических движений. Интересно, но согласно данным Готтлиба, процент пустующих помещений в различных сообществах в различные периоды времени одинаков. Они (пустующие помещения) имеют свойство "приводить" новый строительный цикл.

В целом при самом низком спросе объем поглощения меньше объема спроса (не каждый покупатель находит себе объект требуемого качества). Аналогично при высоком спросе не каждый объект находит своего покупателя. Другими словами, существует общая закономерность рынка недвижимости: объем поглощения меньше объема спроса и объема предложения. Это показано на рисунке 1 (а, б), на котором выделены три зоны, где соотношение объема спроса D, реализованного спроса T, общего предложения S0 и нового предложения Sn меняется. Одновременно меняется оценка разрывов рынка (разницы между объемом спроса и объемом общего или нового предложения):

·                   зона А - спрос меньше общего и нового предложения, реализованный спрос несколько меньше спроса (на 2–5 процентов), разрыв рынка относительно общего и относительно нового предложения отрицательный;

·                   зона Б - спрос меньше общего, но больше нового предложения, реализованный спрос меньше спроса (на 5–15 процентов), разрыв рынка относительно общего предложения отрицательный, относительно нового – положительный;

·                   зона В - спрос больше общего и нового предложения, реализованный спрос меньше предложения (на 2–5 процентов), разрыв рынка относительно общего и нового предложения отрицательный.


А. Объем сделок T при различном соотношении спроса D и предложения S0 и Sn


Б. Изменение соотношения спроса D, реализованного спроса T, общего предложения S0 и нового предложения Sn в динамике (спрос растет)

А: разрыв рынка (-/-)

D < So,

D < Sn

TD

 


Рисунок 1 (а,б). Анализ разрывов рынка

Ниже методика иллюстрируется на примере расчета, выполненного при обосновании инвестиционного проекта застройки района Раменский г. Москвы. В данном случае для анализа разрыва платежеспособного спроса и предложения за исследуемый период на вторичном рынке жилья в узкой локации использованы следующие исходные данные:

- выборка ограничена предложением квартир вторичного рынка жилья муниципальных районов Раменский, Очаково-Матвеевский, Тропарево-Никулино;

- месячные выборки открытого предложения квартир (количество квартир, выставленных на продажу в базовом и отчетном месяце (в случае годовых показателей – май 2005 г. и май 2006 г., при расчете динамики показателей - в предыдущем и текущем месяце, соответственно);

- накопленная выборка бесповторного пришедшего на рынок за исследуемый период предложения (т.н. нового предложения).

Результаты расчетов, приведенные на графиках (рисунок 2), показывают, что за 12 месяцев в исследуемой локации (районы Раменский, Очаково-Матвеевский, Тропарево-Никулино) объем поглощения составил 4128 квартир, разрыв рынка (дефицит предложения) составил 258 квартир, удовлетворенный спрос за период в 1,07 раза превышает объем нового предложения
.

Рисунок 2. Динамика объемов предложения, поглощения вторичного рынка жилья и разрывов рынка, 2005-2006 гг. Раменский, Очаково-Матвеевский, Тропарево-Никулино

Динамика этих показателей в течение года характеризуется:

- понижающимся вдвое за период с мая 2005 года по февраль 2006 года объемом полного предложения и его частичным восстановлением к маю текущего года;

- практически стабильным объемом нового предложения:

- нарастающим после мая-июля 2005 года разрывом рынка (дефицитом предложения) - за исключением декабря-января и мая 2006 г.;

- снижающимся в связи с дефицитом предложения объемом удовлетворенного спроса - при растущем платежеспособном спросе.

Ниже показан пример расчета объема поглощения на первичном рынке жилья города (Пермь).

Таблица . Пример расчета объемов поглощения на первичном рынке жилья г. Перми

Период (год, полугодие)

2011-2

2012-1

2012-2

Объем строительства

объектов

95

88

104

квартир

14 542

13 466

15 050

тыс. кв. м

900 468

809 954

905 595

Объем ввода

объектов

19

46

61

квартир

2 926

6 950

9 761

тыс. кв. м

218 863

486 692

638 366

Объем предложения на конец периода (январь или июнь)

объектов

58

67

72

квартир

5365

4 223

4 522

тыс. кв. м

341 180

291 390

308 281

Объем нового предложения за период

объектов

12

25

33

квартир

2 169

3 952

4 575

тыс. кв. м

125 087

220 215

268 295

Объем поглощения за период

объектов

8

13

20

квартир

1 236

4 862

4 276

тыс. кв. м

147 577

270 005

251 404

Источник: Б. Николаев, ГК «Камская долина» (Пермь)

Методика определения объема предъявленного спроса. В условиях отсутствия реальной возможности для строгого количественного определения, объем предъявленного платежеспособного спроса на рынке жилья (первичном и вторичном) определяется следующим образом:

- ежемесячно анализируется количество обращений в компанию (желательно – в группу крупных компаний) по поводу приобретения жилья; вычисляется индекс объема спроса (рисунок. 3, а);

-                     по возможности раз в год (в период кризиса – раз в полгода) проводится социологическое исследование и определяется доля респондентов, имеющих намерение и возможность приобрести квартиру на рынке в ближайшие полгода-год; вычисляется коэффициент пересчета индекса в натуральные объемы (в количестве квартир, кв. метров). На рисунке 3,а показаны две такие точки, полученные по результатам исследований ВЦИОМ;

-                     при отсутствии данных социологических исследований коэффициент пересчета индекса определяется по стадиям стабильного рынка приравниванием объема предъявленного спроса к объему предложения. На рис. 3,б эта стадия в Москве – лето-осень 2007 года;

-                     индексы пересчитываются в объемы в ежемесячной или квартальной динамике (рис. 3,в).

Стадии развития рынка (отрезки времени с приблизительно постоянным соотношением спрос/предложение и темпом роста цен) не совпадают по началу и окончанию с границами календарного года (они имеют продолжительность от 8 до 14 месяцев). Поэтому при анализе спроса сначала месячная динамика переводится в полугодовую, а затем при необходимости – в условный календарный год, объединяющий два полугодовых периода (из одного или смежных календарных годов).

А. ДИНАМИКА ИНДЕКСА ОБЪЕМА СПРОСА


Б. ДИНАМИКА ОБЪЕМА ПРЕДЛОЖЕНИЯ

 


В. Масштабирование динамики объема предложения и индексов спроса


Рисунок 3. Методика определения объема предъявленного спроса

Таким образом, описанные в настоящей работе методология дискретного пространственно-параметрического моделирования РН, методы расчета разрывов локального РН, темпов поглощения продуктов локального РН и объема предъявленного платежеспособного спроса представляют собой инструментарий мониторинга и углубленного исследования РН, на котором основываются эволюция и современное состояние методологии прогнозирования РН. Их содержание будет раскрыто в последующих работах.

Литература

1. Стерник Г.М., Стерник С.Г. Методология прогнозирования российского рынка недвижимости. Часть 1. Основные допущения, ограничения и рабочие гипотезы. - Механизация строительства. — 2013, № 8 (830), стр. 53-63.

2. Прикладное прогнозирование национальной экономики / под ред. В.В. Ивантера, И.А. Буданова, А.Г. Коровкина, В.С. Сутягина. – М.: Экономистъ, 2007 – 896 ч.

3. Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. - М.: Изд. «Экономика», 2009. – 606 с.

4. Gottlieb, Manuel (1976), Long Swings in Urban Development, New York: National Bureau of Economic Research.

5. Burns, A. M., and W. C. Mitchell (1946), Measuring Business Cycles, New York: National Bureau of Economic Research.

Стерник С.Г., Стерник Г.М. Методология прогнозирования российского рынка недвижимости. Часть 2. Методы анализа как информационная база прогнозирования рынка

(Механизация строительства. -- 2013. -- No. 9. -- c. 53-63)
Категория: методические материалы

Опубликовано в журнале «Механизация строительства» № 9 за 2013 год, стр. 53-63.

Методология и методы анализа рынка недвижимости – источник информации для прогнозирования рынка

Геннадий Моисеевич Стерник, профессор кафедры «Управление программами и проектами» РЭУ им. Г.В.Плеханова, канд.техн.наук

Сергей Геннадьевич Стерник, зам. по науке декана факультета экономики недвижимости РАНХиГС при Президенте РФ, д.э.н., проф.

В предыдущей статье (1) изложены допущения, ограничения и рабочие гипотезы о предметной области моделирования в методологии прогнозирования РН. В настоящей работе приводятся основные положения методологии и конкретные методики количественного определения показателей предыстории рынка, необходимые при построении методики его прогнозирования.

Основные положения методологии анализа рынка недвижимости. Прикладное прогнозирование, с одной стороны, отражает практический опыт использования важнейших положений экономической теории в исследовании вариантов народнохозяйственного развития. С другой стороны, оно включает инструментальный аппарат моделирования процессов взаимосвязи показателей, характеризующих различные стороны экономических отношений, и методов получения количественных оценок. Для этого необходимо выявление долговременных, устойчивых существенных закономерностей и взаимосвязей, определяющих тенденции развития в ретроспективе и в перспективе /2, с. 18, 29/. Прежде всего, необходимо достаточно полно выявить перечень свойств системы и количественных и качественных показателей, характеризующих ее развитие.

Опыт исследования рынка недвижимости (РН) как сегмента рыночной экономики и сложной социально-экономической системы /3/ позволил сформулировать следующий перечень свойств, необходимых и достаточных для изучения закономерностей поведения рынка в ретроспективе и перспективе: ценовая ситуация на рынке; предложение; спрос; размер объектов; объем операций (натуральный оборот рынка, объем поглощения); емкость, денежный оборот рынка; доходность сегмента рынка; ликвидность объектов; доступность объектов; портрет и предпочтения потребителей на рынке; внешние условия функционирования рынка.

Каждому свойству ставится в соответствие набор показателей (качественных и количественных), необходимых для квантификации состояния рынка по данному свойству.

По ценовой ситуации:

мин., макс., средние полные цены предложения и сделок и объем выборки,

мин., макс., средневзвешенные удельные цены предложения и сделок и объем выборки, мин., макс., средневзвешенные ставки аренды (в предложениях вакантных площадей, действующие в занятых площадях, реализованные в сделках) и объем выборки, мин., макс., средняя арендная плата и объем выборки, мода, медиана, размах индивидуальных значений в выборках и объем выборок, частотное распределение цен (ставок) в выборках (гистограмма), погрешности в определении средних значений;

по конъюнктуре предложения:

объем ввода в строй объектов, помещений, площадей, объем строительства объектов, помещений, площадей, объем общего предложения объектов, помещений, площадей, объем вновь поступившего предложения объектов, помещений, площадей;

по конъюнктуре спроса:

количество обращений в компанию по поводу покупки/аренды объектов,

объем платежеспособного денежного спроса, потенциального и предъявленного спроса населения города, нерезидентов, инвесторов на объекты, помещения, площади;

по размерам помещений:

мин., макс., средняя площадь объектов в строительстве, предложении, спросе (площадь земельных участков, общая площадь квартир с различным числом комнат, полезная площадь блоков некоммерческих помещений);

по оборотам рынка:

число зарегистрированных сделок купли-продажи, аренды объектов, помещений, в том числе с использованием ипотечного кредитования, объем поглощенных рынком площадей;

по емкости рынка:

объем сделок в денежном выражении;

по доходности объектов:

среднерыночная доходность в сегменте рынка от рентных, дилерских, девелоперских операций;

по ликвидности объектов:

минимальное, максимальное, среднее за период время экспозиции проданных (сданных в аренду) и непроданных объектов/помещений на вторичном рынке, размах индивидуальных значений в выборках и объем выборок,

частотное распределение времени в выборках (гистограмма), погрешности в определении средних значений;

темп поглощения помещений/площадей в новостройках на первичном рынке (доля проданных или сданных в аренду помещений/площадей за период);

по доступности объектов:

коэффициент доступности жилья для населения,

в т.ч. жилья различного класса для различных групп населения по доходности, в т.ч. с учетом возможности ипотечного кредитования и господдержки;

по предпочтениям потребителей на рынке: доля потребителей в спросе, предпочитающих приобрести объекты недвижимости с заданным диапазоном характеристик (распределение характеристик по предпочтительности в спросе);

по внешним условиям функционирования рынка: макроэкономические показатели, политические, географические, социально-экономические условия в регионе, состав и состояние фонда существующих и строящихся объектов, территориальная структура города и тенденции ее развития, федеральные и региональные нормативы землепользования, градостроительства, затрат на девелопмент.

Содержание общего анализа включает 4 этапа.

1) Создание и наполнение аналитических баз данных: сбор информации; предварительная обработка (верификация) информации.

2) Мониторинг рынка: статистическая обработка данных; описание и анализ текущего состояния показателей; описание и анализ динамики показателей.

3) Исследование рынка: исследование пространственно-параметрических закономерностей изменения показателей; исследование динамических закономерностей изменения показателей; совместное исследование динамики различных показателей, в том числе показателей внешней среды; исследование показателей, не поддающихся статистическому мониторингу.

4) Прогнозирование развития рынка: исследование внешних и внутренних факторов, влияющих на изменение показателей; прогнозирование тенденций изменения показателей.

В настоящей статье рассмотрены второй (мониторинг) и третий (углубленное исследование рынка) этап анализа рынка, как ключевые подготовительные этапы к созданию методов прогнозирования.

Методология дискретного числового пространственно-параметрического моделирования РН. Формализованное описание процедуры построения дискретных пространственно-параметрических моделей (ДППМ) рынка произведено в терминах теории множеств - аппарата, специально созданного для описания дискретных пространств. Изложение ведется в сопоставлении с подходами и понятиями смежной методологии – корреляционно-регрессионного моделирования, на примере рынка купли-продажи квартир.

Пусть xi = Î X - удельная цена i-й квартиры в заданном периоде (в последующем временной параметр опускается).

Тогда дискретное множество значений удельных цен выражается следующим:

X = { xi } , I = 1, N. (1)

Запись (1) представляет собой модель первичной рыночной информации - исходных данных для построения модели рынка.

В общем случае цена объекта недвижимости (например, квартиры) зависит от ее характеристик xj::

xi = S (xj) ,

где S – оператор связи.

Характеристики могут быть непрерывными и дискретными величинами и выражаться числом (значения размера кухни, высоты потолка, декартовых координат местоположения, расстояния до ближайшей станции метро, и т.п.); диапазоном чисел (диапазон значений периода строительства, высоты потолков, и т.п.); количественным признаком (этажность дома, этаж расположения квартиры, число комнат, число санузлов, число балконов, и т.п.); качественным признаком (материал несущих конструкций, материал наружных ограждений, тип санузла, тип планировки, ориентация окон во двор или на проезжую часть, и т.п.); бинарным признаком «да-нет» (наличие лифта в доме, наличие телефона в квартире, состояние дома – после реконструкции, капремонта, и т.д.).

Разделим все характеристики по трем классификационным основаниям – качества, местоположения, размера:

T = (xjT) - множество характеристик качества (конструктивно-технические характеристики дома и квартиры, характеристики комфортности проживания, от которых зависят предпочтения покупателей и цена;

M = (xjM) - множество характеристик местоположения дома, от которых зависят предпочтения покупателей и цена;

R = (xjR) - множество характеристик размера квартиры, от которых зависит ее цена.

Тогда X Þ { xi (xj T , xjM , xjR ) }. (2)

Преобразуем числовые значения характеристик в дискретные, разбив их на диапазоны. Тогда

X = { xi { xt1, xt2, …} , {xm1 , xm2 , … }, {xr1 , xr2, … } } .

Изучение существующих в жилищном фонде и на рынке квартир показывает, что большая часть теоретически возможного числа вариантов являются физически нереализуемыми. Например, сочетание «панель – высота потолков от 3 м» или «свободная планировка – кухня площадью менее 6,0 м», и т.п.

Сгруппируем характеристики качества таким образом, чтобы совокупность диапазонов и/или признаков всех значимых характеристик образовывала физически определимое множество, соответствующее подмножеству элементов множества (1):

{ xit1 } = {xi ½xt = {xt1} } ;

{ xit2 } = {xi ½xt = {xt2 } } ;

………………………… ,

или Èxit = xit1 È xit2 È … .

Назовем подмножество {xitj} физически определимых вариантов сочетания характеристик «типом квартиры» Ti. Тогда

XT1 = {xit1},…

XT2 = {xit2},

………………..

Следовательно, XT = {XT1, XT2 , …}множество подмножеств, объединяющих квартиры одного типа.

Аналогично приводятся к дискретным характеристики местоположения и размера.

Наконец, объединение трех множеств приводит к выявлению групп объектов, выделенных по признаку сочетания типа, зоны (района) и размера:

X = XT È XM È XR; (3)

Ç XT Ç XM Ç XR = Æ ; (4)

X = {{xT1M1R1}, {xT2M1R1}}, …}. (5)

Условие (4) означает, что пересечение множеств есть пустое множество, т.е. один и тот же объект не может принадлежать двум одноуровневым выборкам.

Выражение (5) в терминах регрессионных моделей массовой оценки называется «спецификацией» модели рынка. Следующий этап – «калибровка» модели, или получение количественных оценок входящих в модель параметров.

В терминах дискретных пространственно-параметрических моделей эта процедура включает статистическую обработку выборок (8) и определение основных параметров выборки - объема n, среднего xср., размаха варьирования xмин. и xмакс., дисперсии D, погрешности в определении среднего d. В результате образуется исходная дискретная пространственно-параметрическая модель рынка:

X = {{(n, xср., xмин. , xмакс., D , d) T1M1R1} , {( n, xср., xмин. , xмакс., D , d) T2M1R1 } , … }(6)

Следующей операцией при построении ДППМ является ее корректировка и оптимизация (в терминах регрессионных моделей массовой оценки - «настройка»). Корректировка начинается с проверки объема выборок в каждой клетке матрицы.

На практике возможно отсутствие объектов какого-либо типа в жилищном фонде и на рынке данного района. В этом случае из матрицы исключается соответствующая строка.

Возможны случаи слишком малого объема выборки данного типа в конкретном районе. Тогда данная выборка подлежит объединению со смежной выборкой, параметры объединенной выборки пересчитываются.

Оптимизация модели начинается с проверки размаха выборок и их дисперсий. Условие оптимизации - минимизация размаха каждой выборки при ориентировочном равенстве коэффициентов варьирования ν:

(xмакс. xмин.) → мин.; ν i = √ Di / xср.i const. (10)

Уменьшение размаха выборки можно получить за счет ее разделения на две путем введения дополнительного признака или разбиения диапазона какого-либо признака.

Следующая процедура оптимизации модели имеет обратный характер – она направлена на проверку целесообразности объединения выборок. Для этого производится попарная проверка значимости различия выборок по типам, по размерам, по смежным районам. Она включает проверку различия дисперсий (по критерию Фишера Fp) и средних (по критерию Стьюдента tp) при заданных критериальных значениях уровня значимости р, выбираемых исследователем. Эта процедура соответствует аналогичной процедуре проверки значимости факторов в терминах регрессионного моделирования.

По результатам проверки выборки с незначимыми различиями объединяются, и значения параметров объединенных выборок пересчитываются. На практике возможно применение более простого условия объединения выборок 1 и 2:

xср.1 + δ1/2 > xср.2 δ2/2 (при xср.1 < xср.2). (11)

Такое преобразование соответствует по смыслу понижению размерности регрессионной модели, исключению незначимых факторов качества, местоположения и размера.

В результате образуется оптимизированная ДППМ рынка.


Таблица 1. Пример ДППМ рынка строительства и продажи жилья Москвы в 4 квартале 2012 года

зона

Класс

Стадия строительства

Этажность

Объем строительства (продолжение справа – размещено ниже)

Объектов, шт

Квартир, шт.

Площадей, тыс. кв. м

всего

1-ком.

2-ком.

3-ком.

Многоком.

Москва (продолжение ниже – административные округа)

По всем классам

Все стадии

Вся этажность

301

66272

14941

21102

20094

9362

6262330

до 5

14

902

30

50

42

779

190,9

от 5 до 17

104

17872

3397

5349

6028

3098

1825746

от 17 до 30

151

34364

9008

11411

9650

3688

2940742

от 30 и более

32

13134

2506

4292

4374

1797

1304969

Проектная декларация

Вся этажность

12

3875

1213

1067

704

272

267291

от 5 до 17

6

1420

487

533

340

60

95114

от 17 до 30

6

2455

726

534

364

212

172177

Начало строительства - закладка фундамента

Вся этажность

33

3892

688

1301

1337

566

393040

от 5 до 17

17

903

164

293

301

145

103969

от 17 и более

16

2989

524

1008

1036

421

289071

Возведение стен дома

Вся этажность

35

6438

1280

1989

2302

867

613066

до 17

13

704

124

188

265

127

80169

от 17 до 30

17

4041

918

1256

1210

657

375076

от 30 и более

5

1693

238

545

827

83

157821

Завершение монтажа и подключение внутреннего инженерного оборудования

Вся этажность

48

13005

3693

4565

3269

1313

1032375

до 17

16

3844

936

1236

1100

572

358477

от 17 до 30

21

5554

1824

2333

1123

274

365553

от 30 и более

11

3607

933

996

1046

467

308344

Введенный в эксплуатацию дом

Вся этажность

134

29038

6378

9096

9029

4546

2941219

до 5

9

747

6

32

21

687

161218

от 5 до 17

37

5416

1107

1523

1793

993

586727

от 17 до 30

73

15420

3930

4870

4876

1756

1407529

от 30 и более

15

7455

1335

2671

2339

1110

785743

Жилье, оформленное в собственность застройщика

Вся этажность

39

10024

1689

3084

3453

1798

1015337

до 17

18

5740

603

1594

2250

1293

630942

от 17 до 30

19

4284

1086

1490

1203

505

384394

Продолжение справа

Объем предложения

Размеры объектов (продолжение справа – размещено ниже)

Объ ек тов, шт.

Квартир, шт

Количество квартир, шт.

Суммарная площадь, кв. м

все

1-ком.

2-ком.

3-ком

Многоком.

мин.

макс.

сред.

мин.

макс.

сред.

все

1-ком

2-ком

3-ком.

все

1-ком.

2-ком.

3-ком.

Много ком.

все

1-ком

2-ком.

3-ком

Много ком

295

7629

1499

2401

2433

1280

3

2

2

2

4093

704

1200

1600

891

220

71,1

80,2

75,5

31,0

1450

420000

20805

13

196

16

22

39

119

3

2

4

4

163

24

22

21

163

64

10,0

12,5

10,5

55,6

1450

38238

13633

104

2161

471

555

709

415

9

2

2

2

4093

402

1200

1600

891

171

57,5

61,4

65,5

29,7

1680

420000

17555

151

4015

846

1300

1301

563

56

10

9

15

744

276

295

322

121

229

73,2

79,8

69,4

24,4

6189

64135

19475

32

1257

166

524

384

183

145

19

23

45

1944

704

732

479

270

410

100

148

141

56,1

12567

131295

40780

12

1290

364

418

392

116

74

36

32

2

620

210

210

108

100

322

110

97,0

64,0

22,6

4514

44750

22274

6

747

207

311

204

25

74

40

32

2

328

120

140

80

20

236

81,1

88,8

56,6

10,0

4514

24500

15852

6

543

157

107

188

91

240

36

36

48

620

210

210

108

100

409

145

106

72,8

35,3

12600

44750

28696

33

1078

130

358

378

212

9

8

6

6

440

176

192

162

137

121

45,8

52,0

51,4

17,1

2103

53060

11910

Продолжение справа

Площадь квартир, кв. м (продолжение справа – размещено ниже)

мин.

макс.

сред.

1-ком.

2-ком.

3-ком.

всего

1-ком.

2-ком.

3-ком.

Многоком.

всего

1-ком.

2-ком.

3-ком.

Многоком.

26,7

47,16

60,2

831,5

101,8

234,8

270

831,5

94,49

50,40

76,90

112,63

169,06

38,6

56

79

531,7

65

105,2

230

531,7

211,61

47,65

81,38

127,56

231,68

35,91

51,7

73,03

831,5

101,8

234,8

270

831,5

102,16

51,31

77,06

117,65

172,51

26,7

47,16

60,2

576

86,7

127,9

220

576

85,58

49,04

73,98

108,29

153,81

35,4

58,5

65,2

326,1

87

113,5

199

326,1

99,36

54,07

84,41

115,15

167,23

36,8

57,9

75

191,6

56,5

110,39

157,1

191,6

68,98

43,51

70,31

97,79

125,62

36,8

57,9

83,8

156,7

56,5

110,39

156,7

112,45

66,98

43,85

67,96

92,12

104,32

Продолжение справа

Полная цена квартиры объекта, тыс. руб. (продолжение справа – размещено ниже)

мин.

макс.

сред.

все

1-ком.

2-ком.

3-ком.

Многоком.

все

1-ком.

2-ком.

3-ком.

Многоком.

все

1-комн.

2-ком.

3-ком.

Многоком

                             

4131,0

4131,0

5920,0

6475,5

9347,3

292374

40981,2

81570,5

160610,6

292374

17161

7589

12760

19804

43591

8470,8

8470,8

13094,5

17704,7

13928,0

292374

8470,8

62752,8

177047,2

292374

29403

8851

26254

24050

24846

4625,2

4625,2

6726,8

8734,0

10306,8

251495

40981,2

81570,5

160610,6

251495

24101

7884

15882

26445

72276

4131,0

4131,0

5920,0

6475,5

9347,3

210280

16560,6

44300,7

82033,5

210280

13708

7230

11049

17730

29969

5871,8

5871,8

7778,3

11070,1

13878,5

187470

20437,5

48331,2

68472,0

187470

16515

8461

13360

17929

45714

Продолжение справа

Удельная цена квартир, тыс. руб./кв. м (продолжение справа – размещено ниже)

мин.

макс.

средневзвешенная

все

1-ком.

2-ком.

3-ком.

Многоком

все

1-ком.

2-ком.

3-ком.

Многоком

все

1-ком.

2-ком.

3-ком.

Многоком.

71,5

85,0

80,0

75,0

71,5

1068,9

655,1

839,7

850,9

1068,9

181,6

150,5

165,9

175,8

257,8

71,5

185,7

194,5

188,5

71,5

1046,0

185,7

706,6

188,5

1046,0

138,9

185,7

322,5

188,5

107,2

94,4

104,3

100,4

94,4

100,8

1068,9

655,1

839,7

850,9

1068,9

235,9

153,6

206,1

224,7

418,9

75,0

85,0

80,0

75,0

75,0

808,7

237,0

438,2

604,0

808,7

160,1

147,4

149,3

163,7

194,8

109,6

119,5

115,5

117,0

109,6

900,0

375,0

464,7

375,0

900,0

166,2

156,5

158,2

155,7

273,3

75,0

85,0

80,0

75,0

75,0

190,0

176,8

172,9

190,0

140,0

113,4

118,4

109,2

107,9

113,1

Продолжение справа

Удельная цена квартир, тыс. руб./кв. м (продолжение справа – размещено ниже)

Медиана, тыс. руб./кв. м

Мода, тыс. руб./кв. м

СКО, тыс. руб./кв. м

все

1-ком.

2-ком.

3-ком.

Многоком.

все

1-ком.

2-ком.

3-ком.

Многоком.

все

1-ком.

2-ком.

3-ком.

Многоком.

167,3

158,1

158,0

162,3

196,6

140,0

140,0

140,0

140,0

178,7

186,3

89,3

127,3

136,9

235,3

93,0

185,7

450,6

188,5

93,0

90,0

188,7

455,6

198,5

90,0

290,9

0,00

256,0

0,00

313,4

34,6

179,6

255,0

298,5

441,6

750,0

360,0

255,0

298,5

750,0

231,5

146,5

171,0

179,2

246,5

154,3

152,6

147,3

153,3

164,9

140,0

140,0

140,0

140,0

178,7

78,9

28,0

52,4

69,0

97,8

144,5

147,7

148,6

142,0

142,9

144,5

147,7

148,6

142,0

142,9

99,1

51,6

96,5

69,0

162,7

107,3

118,4

113,2

98,6

108,1

140,0

140,0

140,0

140,0

140,0

26,1

22,9

24,3

31,1

22,3

102,2

110,3

104,5

98,2

102,4

102,2

110,3

104,5

98,2

102,4

27,9

25,2

25,9

34,6

0,77

Продолжение справа

Погрешность в определении средней удельной цены,

тыс. руб./кв. м

Погрешность в определении средней удельной цены,

%

все

1-ком.

2-ком.

3-ком.

Многоком.

все

1-ком.

2-ком.

3-ком.

Многоком.

12,9

6,1

8,8

9,4

16,3

7,1

4,1

5,3

5,4

6,3

96,8

0,00

85,2

0,00

104,3

69,7

0,0

26,4

0,0

97,2

27,3

17,3

20,2

21,1

29,1

11,6

11,2

9,8

9,4

6,9

7,7

2,7

5,1

6,7

9,5

4,8

1,8

3,4

4,1

4,9

21,3

11,1

20,8

14,8

35,0

12,8

7,1

13,1

9,5

12,8

9,4

8,3

8,8

11,2

8,0

8,3

7,0

8,0

10,4

7,1

15,0

13,5

13,9

18,5

0,41

14,2

11,7

12,8

18,9

0,4



Периодический мониторинг оптимизированных ДППМ является информационной базой для методологии углубленного исследования и прогнозирования РН.

Методика определения разрывов рынка и объемов удовлетворенного спроса. Используемая при регулярном мониторинге любого сегмента рынка недвижимости методология числового дискретного пространственно-параметрического и динамического моделирования рынка предусматривает, что для каждого шага рассматриваемого периода (например, месяца) определяется целый ряд показателей состояния рынка, среди которых наиболее актуальными являются:

·                   суммарный объем общего бесповторного предложения (Supply) S0;

·                   суммарный объем нового (впервые поступившего на рынок в рассматриваемом периоде) бесповторного предложения Sn;

·                   средняя удельная цена (арендная ставка) общего предложения (Price) P и другие показатели.

Не менее актуальными являются показатели, которые при регулярном мониторинге рынка не удается определить:

·                   суммарный объем сделок (Transaction) T;

·                   суммарный объем спроса (Demand) D.

Суммарный объем зарегистрированных сделок на вторичном рынке жилья (сделок купли-продажи квартир) иногда удается получать от регистрирующих органов. Но в большинстве регионов и городов эти данные не публикуются. Что касается объема сделок на первичном рынке (сделок продажи договоров долевого участия), то своевременная регистрация этих договоров до настоящего времени полностью не налажена (застройщики задерживают регистрацию), поэтому публикуемые регистрирующими органами данные по этой и иным причинам (например, не регистрируются сделки с квартирами ЖСК) далеки от объективных. В связи с этим разработана и используется методика определения разрывов рынка и объема поглощения на основе анализа динамики предложения.

Для сбора исходных данных расчета в излагаемой методике исследуется динамика предложения на локальном рынке за предыдущий годовой период к моменту расчета. Исходными данными для расчета разрывов спроса и предложения рынка являются следующие величины:

-                     S0 - остаток предложения на конец предыдущего периода;

-                     S1 остаток предложения на конец исследуемого периода;

-                     S01 - суммарный объем нового бесповторного предложения за период.

При расчете годового разрыва в качестве остатка предложения на конец предыдущего периода принимается общий объем предложения в декабре прошлого года, на конец текущего - в декабре исследуемого года. В случае расчета разрывов в ежемесячной динамике в качестве этих величин можно принимать объемы в последний день предыдущего и исследуемого месяца либо объемы в предыдущем и в исследуемом месяце.

При расчете годового разрыва объем нового бесповторного предложения, если известен ежемесячный объем, определяется объединением месячных выборок и новой очисткой объединенной выборки от повторов.

Суммарный объем предложения за период равен остатку предложения на конец предыдущего периода плюс объем бесповторного нового предложения за период:

Sп = S0 + S01 (1)

Суммарный объем реализованного спроса принимается равным объему оттока предложения за период, т.е. разности объемов предложения на конец предыдущего и на конец текущего периодов плюс объем бесповторного нового предложения:

Sс = Sоп = (S0S1) + S01 (2)

Таким образом, разрыв рынка, или разность объемов поглощения и предложения за период, равен остатку предложения на конец текущего периода (со знаком минус):

Sр = Sс - Sп = ((S0 - S1) + S01) - (S0 + S01) = - S1 (3)

Анализ показывает, что поглощение зависит не только от общего объема предъявленного на рынке спроса, но еще и от его качественно-структурной динамики. На нормальном активном первичном рынке эта динамика выражается стремлением к определенному недоиспользованию имеющихся площадей и максимальному освоению вновь появляющихся площадей.

Данная закономерность была описана еще в 1976 году Мануэлем Готтлибом, и с ней нельзя не согласиться. График Готтлиба из Национального бюро экономических исследований в Нью-йорке (1976), возможно - самый точный систематический анализ циклов на рынке недвижимости в западной литературе /4/. Приняв методологию Митчелла и Бернса /5/ (1946), Готтлиб, исследовав больше чем 100 циклов строительства недвижимости в различных городах в разных странах, рассчитал, что по его статистике строительные циклы показывают точную периодичность в 19,7 лет и точное стандартное отклонение в 5 лет. Периодичность местных, региональных и национальных циклов, в этой статистике, как правило, взаимосвязана. Периодичность циклов жилищного строительства может быть значительно более длительной, чем периодичность обычных бизнес-циклов, и амплитуды также больше, чем у бизнес-циклов. Процент пустующих помещений также показывает наличие циклических движений. Интересно, но согласно данным Готтлиба, процент пустующих помещений в различных сообществах в различные периоды времени одинаков. Они (пустующие помещения) имеют свойство "приводить" новый строительный цикл.

В целом при самом низком спросе объем поглощения меньше объема спроса (не каждый покупатель находит себе объект требуемого качества). Аналогично при высоком спросе не каждый объект находит своего покупателя. Другими словами, существует общая закономерность рынка недвижимости: объем поглощения меньше объема спроса и объема предложения. Это показано на рисунке 1 (а, б), на котором выделены три зоны, где соотношение объема спроса D, реализованного спроса T, общего предложения S0 и нового предложения Sn меняется. Одновременно меняется оценка разрывов рынка (разницы между объемом спроса и объемом общего или нового предложения):

·                   зона А - спрос меньше общего и нового предложения, реализованный спрос несколько меньше спроса (на 2–5 процентов), разрыв рынка относительно общего и относительно нового предложения отрицательный;

·                   зона Б - спрос меньше общего, но больше нового предложения, реализованный спрос меньше спроса (на 5–15 процентов), разрыв рынка относительно общего предложения отрицательный, относительно нового – положительный;

·                   зона В - спрос больше общего и нового предложения, реализованный спрос меньше предложения (на 2–5 процентов), разрыв рынка относительно общего и нового предложения отрицательный.


А. Объем сделок T при различном соотношении спроса D и предложения S0 и Sn


Б. Изменение соотношения спроса D, реализованного спроса T, общего предложения S0 и нового предложения Sn в динамике (спрос растет)

А: разрыв рынка (-/-)

D < So,

D < Sn

TD

 


Рисунок 1 (а,б). Анализ разрывов рынка

Ниже методика иллюстрируется на примере расчета, выполненного при обосновании инвестиционного проекта застройки района Раменский г. Москвы. В данном случае для анализа разрыва платежеспособного спроса и предложения за исследуемый период на вторичном рынке жилья в узкой локации использованы следующие исходные данные:

- выборка ограничена предложением квартир вторичного рынка жилья муниципальных районов Раменский, Очаково-Матвеевский, Тропарево-Никулино;

- месячные выборки открытого предложения квартир (количество квартир, выставленных на продажу в базовом и отчетном месяце (в случае годовых показателей – май 2005 г. и май 2006 г., при расчете динамики показателей - в предыдущем и текущем месяце, соответственно);

- накопленная выборка бесповторного пришедшего на рынок за исследуемый период предложения (т.н. нового предложения).

Результаты расчетов, приведенные на графиках (рисунок 2), показывают, что за 12 месяцев в исследуемой локации (районы Раменский, Очаково-Матвеевский, Тропарево-Никулино) объем поглощения составил 4128 квартир, разрыв рынка (дефицит предложения) составил 258 квартир, удовлетворенный спрос за период в 1,07 раза превышает объем нового предложения
.

Рисунок 2. Динамика объемов предложения, поглощения вторичного рынка жилья и разрывов рынка, 2005-2006 гг. Раменский, Очаково-Матвеевский, Тропарево-Никулино

Динамика этих показателей в течение года характеризуется:

- понижающимся вдвое за период с мая 2005 года по февраль 2006 года объемом полного предложения и его частичным восстановлением к маю текущего года;

- практически стабильным объемом нового предложения:

- нарастающим после мая-июля 2005 года разрывом рынка (дефицитом предложения) - за исключением декабря-января и мая 2006 г.;

- снижающимся в связи с дефицитом предложения объемом удовлетворенного спроса - при растущем платежеспособном спросе.

Ниже показан пример расчета объема поглощения на первичном рынке жилья города (Пермь).

Таблица . Пример расчета объемов поглощения на первичном рынке жилья г. Перми

Период (год, полугодие)

2011-2

2012-1

2012-2

Объем строительства

объектов

95

88

104

квартир

14 542

13 466

15 050

тыс. кв. м

900 468

809 954

905 595

Объем ввода

объектов

19

46

61

квартир

2 926

6 950

9 761

тыс. кв. м

218 863

486 692

638 366

Объем предложения на конец периода (январь или июнь)

объектов

58

67

72

квартир

5365

4 223

4 522

тыс. кв. м

341 180

291 390

308 281

Объем нового предложения за период

объектов

12

25

33

квартир

2 169

3 952

4 575

тыс. кв. м

125 087

220 215

268 295

Объем поглощения за период

объектов

8

13

20

квартир

1 236

4 862

4 276

тыс. кв. м

147 577

270 005

251 404

Источник: Б. Николаев, ГК «Камская долина» (Пермь)

Методика определения объема предъявленного спроса. В условиях отсутствия реальной возможности для строгого количественного определения, объем предъявленного платежеспособного спроса на рынке жилья (первичном и вторичном) определяется следующим образом:

- ежемесячно анализируется количество обращений в компанию (желательно – в группу крупных компаний) по поводу приобретения жилья; вычисляется индекс объема спроса (рисунок. 3, а);

-                     по возможности раз в год (в период кризиса – раз в полгода) проводится социологическое исследование и определяется доля респондентов, имеющих намерение и возможность приобрести квартиру на рынке в ближайшие полгода-год; вычисляется коэффициент пересчета индекса в натуральные объемы (в количестве квартир, кв. метров). На рисунке 3,а показаны две такие точки, полученные по результатам исследований ВЦИОМ;

-                     при отсутствии данных социологических исследований коэффициент пересчета индекса определяется по стадиям стабильного рынка приравниванием объема предъявленного спроса к объему предложения. На рис. 3,б эта стадия в Москве – лето-осень 2007 года;

-                     индексы пересчитываются в объемы в ежемесячной или квартальной динамике (рис. 3,в).

Стадии развития рынка (отрезки времени с приблизительно постоянным соотношением спрос/предложение и темпом роста цен) не совпадают по началу и окончанию с границами календарного года (они имеют продолжительность от 8 до 14 месяцев). Поэтому при анализе спроса сначала месячная динамика переводится в полугодовую, а затем при необходимости – в условный календарный год, объединяющий два полугодовых периода (из одного или смежных календарных годов).

А. ДИНАМИКА ИНДЕКСА ОБЪЕМА СПРОСА


Б. ДИНАМИКА ОБЪЕМА ПРЕДЛОЖЕНИЯ

 


В. Масштабирование динамики объема предложения и индексов спроса


Рисунок 3. Методика определения объема предъявленного спроса

Таким образом, описанные в настоящей работе методология дискретного пространственно-параметрического моделирования РН, методы расчета разрывов локального РН, темпов поглощения продуктов локального РН и объема предъявленного платежеспособного спроса представляют собой инструментарий мониторинга и углубленного исследования РН, на котором основываются эволюция и современное состояние методологии прогнозирования РН. Их содержание будет раскрыто в последующих работах.

Литература

1. Стерник Г.М., Стерник С.Г. Методология прогнозирования российского рынка недвижимости. Часть 1. Основные допущения, ограничения и рабочие гипотезы. - Механизация строительства. — 2013, № 8 (830), стр. 53-63.

2. Прикладное прогнозирование национальной экономики / под ред. В.В. Ивантера, И.А. Буданова, А.Г. Коровкина, В.С. Сутягина. – М.: Экономистъ, 2007 – 896 ч.

3. Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. - М.: Изд. «Экономика», 2009. – 606 с.

4. Gottlieb, Manuel (1976), Long Swings in Urban Development, New York: National Bureau of Economic Research.

5. Burns, A. M., and W. C. Mitchell (1946), Measuring Business Cycles, New York: National Bureau of Economic Research.

Опубликовано в журнале «Экономика строительства» № 5, 2013, стр. 45-56.

УДК 339.13.017: 332.72

Тестирование модели среднесрочного прогнозирования развития локального рынка жилой недвижимости

Стерник Г.М., профессор кафедры управления проектами и программами Российского экономического университета им. Г.В. Плеханова, главный аналитик Российской Гильдии риэлторов, кандидат технических наук.

Свиридов А.В[1]., аспирант кафедры «Управление проектами и программами» РЭУ им. Г.В.Плеханова.

В настоящей статье приведена интерпретация результатов тестирования модели среднесрочного прогнозирования развития локального рынка жилой недвижимости на примере г. Москвы на 2013 – 2016 годы.

The data interpretation of residential real estate market midterm prognostication of development model is represented in this article.

Ключевые слова: рынок недвижимости; прогнозирование; имитационная модель; апробация; тестирование.

Key words: real estate market; prognostication; simulation model; approbation; testing.

Разработанная в 2011 году методика среднесрочного прогнозирования развития локального рынка жилой недвижимости [1] была апробирована на примере расчета прогноза развития рынка жилья Москвы на 20112012 годы. В дальнейшем лежащая в основе методики имитационная блочно-модульная итерационная модель функционирования рынка строительства и продажи жилья была усовершенствована с целью повышения точности прогнозирования [2] и проведена ее апробация и ретроспективная проверка на базовом варианте исходных данных [3]. В качестве базового варианта для тестирования модели принят вариант сценария №1 (оптимистический) работы [1] со следующим изменением: с целью ретроспективной проверки результатов прогнозирования ключевые макроэкономические параметры (темпы роста реальных располагаемых доходов населения, инфляция, денежный объем ипотечного кредитования) приняты по фактическим данным 2011 и 2012 годов.

В настоящей работе излагаются результаты тестирования модели на чувствительность к изменению исходных данных макроэкономических параметров и оценка влияния изменения внешних условий функционирования рынка на динамику его развития при фиксированных целевых объемах ввода жилья.

Проверка чувствительности модели к изменению макроэкономических исходных данных. Расчет чувствительности некоторых основных показателей к изменению исходных данных выполнен на период 2013-2016 годов при следующих условиях:

·       темпы роста реальных располагаемых доходов населения приняты на уровне +6%, 6% и 12%;

·       инфляция принята в 7%;

·       планируемый государством объем жилищного ипотечного кредитования принимался на уровне 20%, 0 и +20% от базового сценария.

В результате были сформированы 9 вариантов изменения исходных данных (табл. 1).

Таблица 1. Варианты изменения исходных данных

Темпы роста реальных располагаемых доходов населения, %

Изменение объемов ипотечного кредитования относительно базового варианта, %

+20

0

-20

+6

2

3

4

-6

5

6

7

-12

8

9

10

Основные результаты тестирования приведены на рис. 1–11. Там же приведены данные базового варианта 1, рассчитанного при темпах роста реальных доходов населения в +(8–11)% и среднем уровне ипотечной поддержки.

На рис. 1 приведена динамика объема предъявленного спроса на рынке жилой недвижимости (в млн. кв. м), а на рис. 2 – соотношение спроса и предложения (суммарно на первичном и вторичном рынках).

В базовом варианте 1 спрос плавно снижается. Как показано в работе [1], это объясняется повышением цен (рис. 7 и 11), приводящим к тому, что при росте доходов населения с темпом ниже роста цен суммарный денежный спрос покрывает меньший объем площадей. Однако соотношение спрос/предложение сохраняется в пользу спроса. Ситуация на рынке характеризуется устойчивым ростом (аналог 2003 и 2006 года) с переходом в 2016 году к стабилизации на буме, аналогичной началу 2004-го и концу 2006-го года.

В варианте 2, при заданных повышенных темпах роста доходов населения (13% в номинальном выражении) и повышенной ипотечной поддержке, в 2013 и 2014 году спрос превышает предложение, цены растут высокими темпами, и объем предъявленного спроса понижается сильнее, чем в варианте 1. А в 2015 и 2016 годах спрос становится меньше предложения (рис. 2), цены начинают снижаться, отток покупателей увеличивается, предъявленный спрос обваливается в связи с тем, что соотношение спрос/предложение изменилось в пользу предложения (рис. 2), у части покупателей (в том числе инвесторов) в этих условиях снижается склонность к расходованию сбережений, и они уходят с рынка (ситуация кризиса осени 2008 – 2009 года).

В вариантах 3 и 4, при высоких доходах, но снижающейся ипотечной поддержке, объем предъявленного спроса падает быстрее. Лишь в 2016 году он стабилизируется, что связано с достигнутым существенным снижением цен (ситуация конца 2009 года – окончание фазы спада на рынке).

В вариантах 5, 6 и 7, при заданных низких темпах роста доходов населения (близких к нулю в номинальном выражении), цены повышаются, но незначительно, объем предъявленного спроса практически стабилен, в случае снижения ипотечной поддержки (вар. 6 и 7) спрос несколько ниже (см. рис. 1), но устойчиво превышает объем предложения (см. рис. 2). Такая динамика напоминает ситуацию на рынке в 2011-2012 годах (медленное послекризисное восстановление).

В вариантах 8, 9 и 10, при заданных отрицательных темпах роста доходов населения (снижение на (5-6)% в номинальном выражении), объем предъявленного спроса в 2016 году начинает увеличиваться, цены все еще снижаются (аналог – середина 2009 года).

Таким образом, графики рис. 1 и 2 демонстрируют высокую чувствительность модели по показателям объема спроса и соотношения спрос/предложение к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Рис. 1 Рис. 2

На рис. 3 приведена динамика объема строительства коммерческого (предназначенного на продажу) жилья, а на рис. 4 – объем предложения на первичном рынке (в млн. кв. м).

В базовом варианте 1 объем строительства в 2013 году увеличивается, в последующие годы – стабилен. Это объясняется, как показано в работе [1], заданными исходными данными о планах города по вводу жилья (рост в 2013 году и стабильный объем в последующие годы вследствие ограничений по земельным ресурсам). Аналогично ведет себя и объем предложения (см. рис. 4).

В вариантах 2, 3 и 4, при резком снижении объема предъявленного спроса, объем строительства и предложения увеличивается с 2015 года. Это может быть объяснено замедлением темпов строительства вследствие снижения объема поглощения (см. рис. 6) и потока доходов девелопера.

В вариантах 5, 6, 7 и 8, 9 и 10, при сниженных доходах населения и близком к стабильности спросе, объем строительства и предложения стабилен, при этом не реагирует на снижение доходов и уменьшение ипотечной поддержки. Такой результат может быть объяснен инерционностью строительства: при незначительно различающихся в этих двух группах вариантов объеме спроса и устойчивом превосходстве спроса над предложением объемы строительства и предложения не снижаются, при этом нет ни «зависшего» строительства и предложения, ни их роста вследствие отмеченного выше ограничения по земельным ресурсам.

Таким образом, графики рис. 3 и 4 демонстрируют достаточно высокую чувствительность модели по показателям объема строительства коммерческого жилья и предложения на первичном рынке к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Рис. 3 Рис. 4

На рис. 5 приведена динамика объема предъявленного спроса на первичном рынке (с учетом перетекания части избыточного спроса на дефицитный по спросу вторичный рынок), на рис. 6 - динамика объема поглощения строящегося жилья (в млн кв. м).

В базовом варианте 1 после 2013 года объем спроса (см. рис. 5) снижается, при этом он остается выше объемов предложения (см. рис. 4). После роста объемов строительства и предложения в 2013 году растет и объем поглощения (см. рис. 6). В 2014-2016 годах он стабилен и ограничивается стабильностью предложения (см. рис. 4).

В варианте 2 объем спроса и поглощения по сравнению с вариантом 1 становится ниже с 2015 года, вследствие предшествующего интенсивного роста цен (см. рис. 7) и оттока с рынка части покупателей.

В варианте 3 и 4 объем спроса также снижается. Объем поглощения в 2013 году растет (вследствие роста объема предложения, т.е. сдвига вверх этого ограничения), в 2015 году снижается (вследствие снижения объема спроса – см. рис. 5), в 2016 году – растет или стабилен (вследствие некоторого увеличения спроса).

В вариантах 5, 6 и 7 в 2014-2016 годах при сохраняющемся низком уровне цен спрос стабилен и устойчиво превосходит предложение (см. рис. 5), объем строительства и предложения также стабильны, вследствие чего стабилен и объем поглощения (см. рис. 6), который ограничивается предложением.

В вариантах 8, 9 и 10 при несколько снижающихся ценах (см. рис. 7) объем предъявленного спроса повышается, объем поглощения стабилен.

Рис. 5 Рис. 6

На рис. 7 показаны варианты динамики средних удельных цен на первичном рынке (в тыс. руб./кв. м).

В базовом варианте 1 цены в 2013-2015 годах растут высокими темпами (более 17% в год), а в 2016 году – вырастают на 35%.

В вариантах 2, 3 и 4 при повышенных доходах и сохраняющемся превосходстве спроса над предложением (см. рис. 4 и 5) в 2013-2014 годах цены растут повышенными темпами (более 43% в год), в 2015-2016 году наблюдается переход к стабилизации (вследствие оттока покупателей и снижения объема поглощения).

В вариантах 5, 6 и 7, при сниженных до нуля доходах, стабильном спросе и устойчивом превосходстве спроса над предложением (см. рис. 5), цены растут незначительными темпами, а в вариантах 8, 9 и 10, при отрицательных темпах роста доходов – несколько снижаются (на 4-5% в год).

Такая динамика может быть объяснена тем, что при низких ценах и низких доходах населения сохраняется высокий спрос на жилье и ипотеку, который сосредотачивается в сегменте дешевого жилья и малых размеров кредита, при сохранении и даже росте объемов поглощения и незначительно повышении или снижении цен. При этом снижение объема ипотечной поддержки (в условиях высокого спроса и низких цен) не сказывается на динамике цен.

Таким образом, графики рис. 5 и 6 демонстрируют достаточно высокую чувствительность модели по показателям объема поглощения жилья и динамики цен на первичном рынке к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Рис. 7

На рис. 8 и 9 показаны варианты динамики объема предъявленного спроса и предложения на вторичном рынке (в тыс. квартир).

Объем предъявленного спроса на вторичном рынке близко повторяет динамику общего для обоих рынков объема спроса (см. рис. 1), поскольку в модель заложена гипотеза о том, что в случае избытка спроса на одном рынке и дефицита на другом происходит перетекание спроса на дефицитный рынок.

В базовом варианте 1 объем предъявленного спроса с 2011 года постепенно снижается, а объем предложения растет, что объясняется ростом цен (рис. 11). Соотношение спрос/предложение меняется в пользу предложения с 2015 года.

В варианте 2 объем предъявленного спроса падает до 2015 года и несколько снижается в 2016 году, а предложение растет до 2015 года более высокими темпами, но в 2016 снижается вместе со снижением цен. Цены начинают снижаться на год раньше, а предложение – на шаг позже. Это связано с принятым в модели допущением о том, что продавцы ориентируются на ранее сложившиеся цены. Аналогичное явление наблюдается и в других вариантах расчета – снижение объема предложения при начале снижения цен происходит с лагом в один шаг расчета.

В вариантах 3 и 4 падение спроса и рост предложения продолжается до 2015 года. В 2016 году спрос несколько увеличивается, а предложение снижается в полном соответствии с начавшемся снижением цен и с лагом в один год.

В вариантах 5, 6 и 7 спрос на вторичном рынке увеличивается, причем при снижении ипотечной поддержки темпы роста снижаются. Объем предложения растет незначительными темпами при почти стабильных ценах.

В вариантах 8, 9 и 10 объем предъявленного спроса растет высокими темпами (они так же снижаются при уменьшении ипотечной поддержки), но цены снижаются вследствие снижения доходов населения, и объем предложения несколько снижается вместе со снижением цен.

Таким образом, графики рис. 8 и 9 демонстрируют достаточно высокую чувствительность модели по показателям объема спроса и предложения на вторичном рынке к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Рис. 8 Рис. 9

На рис. 10 и 11 показаны варианты динамики объема поглощения квартир на вторичном рынке (в тыс. шт.) и средней удельной цены квартир (тыс. руб./кв. м).

В базовом варианте 1 объем поглощения постепенно растет до 2015 года, но затем снижается в соответствии со снижением спроса, который становится меньше предложения (см. рис. 7). При этом цены также растут, в том числе и в 2016 году, в связи с общим превышением спроса над предложением на рынке (см. рис. 2).

В варианте 2 объем поглощения падает вместе со спросом с 2015 года. При этом цены начинают снижаться.

В вариантах 3 и 4 объем поглощения падает в 2014 и 2015 годах, но в 2016 году увеличивается вследствие увеличения объема спроса (см. рис. 8). При этом цены плавно снижаются, поскольку спрос все еще меньше предложения.

В вариантах 5, 6, 7 и 8, 9 и 10 объем поглощения почти стабилен, несмотря на рост спроса, поскольку поглощение начинает ограничиваться предложением (см. рис. 9). Цены соответственно повышаются либо снижаются небольшими темпами. Различия между вариантами в связи с снижением ипотечной поддержки – незначительны, что естественно в условиях дефицита предложения и соответствует ранее выявленным закономерностям рынка: при низких ценах и низких доходах населения сохраняется высокий спрос на жилье и ипотеку, который сосредотачивается в сегменте дешевого жилья и малых размеров кредита, при сохранении и даже росте объемов поглощения.

Таким образом, графики рис. 10 и 11 демонстрируют достаточно высокую чувствительность модели по показателям объема поглощения и динамики цен на вторичном рынке к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Рис. 10 Рис. 11

Вывод 1. Исследование показало достаточно высокую чувствительность модели к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Оценка влияния внешних условий функционирования рынка на динамику его развития при фиксированных целевых объемах ввода. По результатам тестирования сформированы четыре сценария развития рынка жилой недвижимости Москвы в 2013-2016 годах в зависимости от изменения макроэкономических параметров.

Сценарий № 1 – базовый вариант. Темпы роста доходов населения в номинальном выражении 8-11%, денежный объем ипотечного кредитования – по оптимистическому сценарию работы [1].

Сценарий № 2 соответствует варианту 2: темп роста доходов населения в номинальном выражении 13-14%, денежный объем ипотечного кредитования +20% от базового варианта.

Сценарий № 3 соответствует варианту 6: темп роста доходов населения в номинальном выражении близок к нулю, денежный объем ипотечного кредитования на уровне базового варианта.

Сценарий № 4 соответствует варианту 10: темп роста доходов населения в номинальном выражении -6% (доходы снижаются), денежный объем ипотечного кредитования -20% от базового варианта.

Совместная динамика основных показателей развития рынка при четырех сценариях приведена на рис. 12-14.

При развитии рынка по Сценарию № 1 (умеренный рост доходов и средний уровень ипотечной поддержки) на первичном рынке предъявленный спрос (с учетом перетекания на вторичный рынок) хотя и снижается, но остается выше предложения, предложение в 2013-2016 году стабильно, объем поглощения постепенно увеличивается, цены к 2016 году вырастут в 2,3 раза.

На вторичном рынке предъявленный спрос (с учетом перетекания избытка спроса с первичного рынка) с 2014 года снижается, но остается выше предложения, а в 2015-2016 году становится ниже предложения, предложение повышается, объем поглощения квартир стабилен, цены вырастут в 2,5 раза за 2011-2016 год.

В целом рынок переживает ситуацию устойчивого роста (аналог 2003 и 2006 года) и перехода в 2016 году к стабилизации на буме, аналогичной началу 2004-го и концу 2006-го года.

Рис. 12. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1

При развитии рынка по Сценарию № 2 (повышенные темпы роста доходов и ипотечной поддержки) на первичном рынке предъявленный спрос (с учетом перетекания на вторичный рынок) снижается, но до 2014 года остается выше предложения и далее - ниже предложения, предложение растет и становится больше спроса в 2015 году, объем поглощения после 2013 года постепенно снижается, цены к 2015 году вырастут более чем вдвое и в следующем году начинают снижаться.

На вторичном рынке предъявленный спрос (с учетом перетекания избытка спроса с первичного рынка) с 2014 года снижается и становится ниже предложения, предложение повышается до 2015 года и затем несколько снижается, объем поглощения квартир с 2015 года падает, цены вырастают вдвое к 2014 году, но затем снижаются.

В целом рынок переживает кризисную ситуацию, аналогичную осени 2008 – началу 2009 года.

Рис. 13. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 2

При развитии рынка по Сценарию № 3 (близкие к нулю темпы роста доходов и повышенный уровень ипотечной поддержки) на первичном рынке предъявленный спрос устойчиво выше предложения, предложение стабильно, объем поглощения после 2013 года стабилизируется, цены с 2012 года плавно растут невысокими темпами (1% в год).

На вторичном рынке предъявленный спрос (с учетом перетекания избытка спроса с первичного рынка) с 2013 повышается и остается выше предложения, предложение незначительно повышается, объем поглощения квартир с 2013 года стабилен, цены растут небольшими темпами. В целом рынок сохраняет стабильность по всем показателям. Ситуация аналогична середине 2004 – 2005 года.

Рис. 14. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3

При развитии рынка по Сценарию № 4 (снижение доходов и пониженный уровень ипотечной поддержки) на первичном рынке предъявленный спрос устойчиво выше предложения, предложение стабильно, объем поглощения после 2013 года стабилизируется, цены после 2012 года существенно снижаются (с темпом около 5% в год).

На вторичном рынке предъявленный спрос с 2013 повышается и остается выше предложения, предложение незначительно снижается, объем поглощения квартир с 2013 года также снижается, цены после 2012 года снижаются с темпом около 5% в год.

Такое поведение рынка аналогично ситуации 2011 года и соответствует ранее выявленным закономерностям: при низких ценах и низких доходах населения сохраняется высокий спрос на жилье и ипотеку, который сосредотачивается в сегменте дешевого жилья и малых размеров кредита, при сохранении и даже росте объемов поглощения и незначительном повышении или снижении цен. В целом рынок близок к состоянию рецессии по показателям объема поглощения и динамике цен (аналог ситуации середины 2007 года).

Рис. 15. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 4

Таким образом, получены следующие оценки влияния внешних условий функционирования на развитие рынка жилой недвижимости Москвы при фиксированных показателях целевого объема ввода жилья в 2013-2016 годах.

Сценарий №1 (средние темпы роста доходов (8-11%) и ипотечной поддержки) отличается значительными темпами роста цен в 2013-2015 годах (17%) и 35% в 2016 году, что повышает инвестиционную привлекательность девелопмента, но снижает доступность жилья для населения. В целом рынок переживает ситуацию устойчивого роста и перехода в 2016 году к стабилизации на буме, аналогичной началу 2004-го и концу 2006-го года.

Сценарий № 2 (высокие темпы роста доходов (13-14%) и повышенная ипотечная поддержка) отличается еще более высокими темпами роста цен в 2013-2014 годах (более 43%) и последующего снижения. В целом рынок переживает кризисную ситуацию, аналогичную осени 2008 – началу 2009 года.

Сценарий № 4 (снижающиеся на 6% в год доходы и пониженный уровень ипотечной поддержки) характеризуется признаками рецессии и также неблагоприятен для развития рынка.

Наиболее благоприятным для рынка является Сценарий № 3. При низких темпах роста доходов населения (в номинальном выражении близких к нулю) и среднем уровне денежного объема ипотеки темп снижения цен составляют (4-5)% в год, по остальным показателям рынок стабилен. Вместе с тем, такая ситуация не обеспечивает достаточно высокой доходности инвестиционно-строительных проектов, что может снизить активность девелоперов и потребовать их дополнительной поддержки со стороны государства.

Вывод 2. Выбранные четыре сценария динамики макроэкономических показателей охватывают весь возможный спектр ситуаций на рынке жилой недвижимости Москвы до 2016 года и позволили дать оценку влияния внешних условий функционирования рынка на динамику его развития при фиксированных целевых объемах ввода.

Литература

1.   Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона), Журнал «Имущественные отношения в РФ». - №8 (131) 2012, 1-14 стр.

2.   Стерник Г.М., Свиридов А.В. Совершенствование методики среднесрочного прогнозирования развития локального рынка жилой недвижимости как элемента методологии управления проектами и программами. – Материалы Международной научно-практической конференции «Современные проблемы управления проектами в инвестиционно-строительной сфере и природопользовании». - М.: РЭУ им. Г.В.Плеханова, 2013 г., стр. 86 – 96.

3.   Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. – Журнал "Имущественные отношения в РФ" (в печати).

Геннадий Моисеевич Стерник, профессор РЭУ им Г.В. Плеханова, кафедра «Управления проектами и программами», адрес: 117997 Российская Федерация, г. Москва, Стремянный пер., 36.

Контактная информация: телефон: +7-495-795-71-58; e-mail: gm_sternik@sterno.ru

Свиридов Алексей Викторович, аспирант РЭУ им Г.В. Плеханова, кафедра «Управления проектами и программами», адрес: 117997 Российская Федерация, г. Москва, Стремянный пер., 36.

Контактная информация: телефон: +7-916-582-58-69; e-mail: sviridov@progtech.ru



[1] 1401780, МО, г. Жуковский, ул. Строительная, д. 14, корп. 4, кв. 39. Телефон: +7-916-582-58-69;

e-mail: sviridov@progtech.ru

Стерник Г.М., Свиридов А.В. Тестирование модели среднесрочного прогнозирования развития локального рынка жилой недвижимости.

(«Экономика строительства», No. 5, 2013, стр. 45-56.)
Категория: методические материалы

Опубликовано в журнале «Экономика строительства» № 5, 2013, стр. 45-56.

УДК 339.13.017: 332.72

Тестирование модели среднесрочного прогнозирования развития локального рынка жилой недвижимости

Стерник Г.М., профессор кафедры управления проектами и программами Российского экономического университета им. Г.В. Плеханова, главный аналитик Российской Гильдии риэлторов, кандидат технических наук.

Свиридов А.В[1]., аспирант кафедры «Управление проектами и программами» РЭУ им. Г.В.Плеханова.

В настоящей статье приведена интерпретация результатов тестирования модели среднесрочного прогнозирования развития локального рынка жилой недвижимости на примере г. Москвы на 2013 – 2016 годы.

The data interpretation of residential real estate market midterm prognostication of development model is represented in this article.

Ключевые слова: рынок недвижимости; прогнозирование; имитационная модель; апробация; тестирование.

Key words: real estate market; prognostication; simulation model; approbation; testing.

Разработанная в 2011 году методика среднесрочного прогнозирования развития локального рынка жилой недвижимости [1] была апробирована на примере расчета прогноза развития рынка жилья Москвы на 20112012 годы. В дальнейшем лежащая в основе методики имитационная блочно-модульная итерационная модель функционирования рынка строительства и продажи жилья была усовершенствована с целью повышения точности прогнозирования [2] и проведена ее апробация и ретроспективная проверка на базовом варианте исходных данных [3]. В качестве базового варианта для тестирования модели принят вариант сценария №1 (оптимистический) работы [1] со следующим изменением: с целью ретроспективной проверки результатов прогнозирования ключевые макроэкономические параметры (темпы роста реальных располагаемых доходов населения, инфляция, денежный объем ипотечного кредитования) приняты по фактическим данным 2011 и 2012 годов.

В настоящей работе излагаются результаты тестирования модели на чувствительность к изменению исходных данных макроэкономических параметров и оценка влияния изменения внешних условий функционирования рынка на динамику его развития при фиксированных целевых объемах ввода жилья.

Проверка чувствительности модели к изменению макроэкономических исходных данных. Расчет чувствительности некоторых основных показателей к изменению исходных данных выполнен на период 2013-2016 годов при следующих условиях:

·       темпы роста реальных располагаемых доходов населения приняты на уровне +6%, 6% и 12%;

·       инфляция принята в 7%;

·       планируемый государством объем жилищного ипотечного кредитования принимался на уровне 20%, 0 и +20% от базового сценария.

В результате были сформированы 9 вариантов изменения исходных данных (табл. 1).

Таблица 1. Варианты изменения исходных данных

Темпы роста реальных располагаемых доходов населения, %

Изменение объемов ипотечного кредитования относительно базового варианта, %

+20

0

-20

+6

2

3

4

-6

5

6

7

-12

8

9

10

Основные результаты тестирования приведены на рис. 1–11. Там же приведены данные базового варианта 1, рассчитанного при темпах роста реальных доходов населения в +(8–11)% и среднем уровне ипотечной поддержки.

На рис. 1 приведена динамика объема предъявленного спроса на рынке жилой недвижимости (в млн. кв. м), а на рис. 2 – соотношение спроса и предложения (суммарно на первичном и вторичном рынках).

В базовом варианте 1 спрос плавно снижается. Как показано в работе [1], это объясняется повышением цен (рис. 7 и 11), приводящим к тому, что при росте доходов населения с темпом ниже роста цен суммарный денежный спрос покрывает меньший объем площадей. Однако соотношение спрос/предложение сохраняется в пользу спроса. Ситуация на рынке характеризуется устойчивым ростом (аналог 2003 и 2006 года) с переходом в 2016 году к стабилизации на буме, аналогичной началу 2004-го и концу 2006-го года.

В варианте 2, при заданных повышенных темпах роста доходов населения (13% в номинальном выражении) и повышенной ипотечной поддержке, в 2013 и 2014 году спрос превышает предложение, цены растут высокими темпами, и объем предъявленного спроса понижается сильнее, чем в варианте 1. А в 2015 и 2016 годах спрос становится меньше предложения (рис. 2), цены начинают снижаться, отток покупателей увеличивается, предъявленный спрос обваливается в связи с тем, что соотношение спрос/предложение изменилось в пользу предложения (рис. 2), у части покупателей (в том числе инвесторов) в этих условиях снижается склонность к расходованию сбережений, и они уходят с рынка (ситуация кризиса осени 2008 – 2009 года).

В вариантах 3 и 4, при высоких доходах, но снижающейся ипотечной поддержке, объем предъявленного спроса падает быстрее. Лишь в 2016 году он стабилизируется, что связано с достигнутым существенным снижением цен (ситуация конца 2009 года – окончание фазы спада на рынке).

В вариантах 5, 6 и 7, при заданных низких темпах роста доходов населения (близких к нулю в номинальном выражении), цены повышаются, но незначительно, объем предъявленного спроса практически стабилен, в случае снижения ипотечной поддержки (вар. 6 и 7) спрос несколько ниже (см. рис. 1), но устойчиво превышает объем предложения (см. рис. 2). Такая динамика напоминает ситуацию на рынке в 2011-2012 годах (медленное послекризисное восстановление).

В вариантах 8, 9 и 10, при заданных отрицательных темпах роста доходов населения (снижение на (5-6)% в номинальном выражении), объем предъявленного спроса в 2016 году начинает увеличиваться, цены все еще снижаются (аналог – середина 2009 года).

Таким образом, графики рис. 1 и 2 демонстрируют высокую чувствительность модели по показателям объема спроса и соотношения спрос/предложение к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Рис. 1 Рис. 2

На рис. 3 приведена динамика объема строительства коммерческого (предназначенного на продажу) жилья, а на рис. 4 – объем предложения на первичном рынке (в млн. кв. м).

В базовом варианте 1 объем строительства в 2013 году увеличивается, в последующие годы – стабилен. Это объясняется, как показано в работе [1], заданными исходными данными о планах города по вводу жилья (рост в 2013 году и стабильный объем в последующие годы вследствие ограничений по земельным ресурсам). Аналогично ведет себя и объем предложения (см. рис. 4).

В вариантах 2, 3 и 4, при резком снижении объема предъявленного спроса, объем строительства и предложения увеличивается с 2015 года. Это может быть объяснено замедлением темпов строительства вследствие снижения объема поглощения (см. рис. 6) и потока доходов девелопера.

В вариантах 5, 6, 7 и 8, 9 и 10, при сниженных доходах населения и близком к стабильности спросе, объем строительства и предложения стабилен, при этом не реагирует на снижение доходов и уменьшение ипотечной поддержки. Такой результат может быть объяснен инерционностью строительства: при незначительно различающихся в этих двух группах вариантов объеме спроса и устойчивом превосходстве спроса над предложением объемы строительства и предложения не снижаются, при этом нет ни «зависшего» строительства и предложения, ни их роста вследствие отмеченного выше ограничения по земельным ресурсам.

Таким образом, графики рис. 3 и 4 демонстрируют достаточно высокую чувствительность модели по показателям объема строительства коммерческого жилья и предложения на первичном рынке к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Рис. 3 Рис. 4

На рис. 5 приведена динамика объема предъявленного спроса на первичном рынке (с учетом перетекания части избыточного спроса на дефицитный по спросу вторичный рынок), на рис. 6 - динамика объема поглощения строящегося жилья (в млн кв. м).

В базовом варианте 1 после 2013 года объем спроса (см. рис. 5) снижается, при этом он остается выше объемов предложения (см. рис. 4). После роста объемов строительства и предложения в 2013 году растет и объем поглощения (см. рис. 6). В 2014-2016 годах он стабилен и ограничивается стабильностью предложения (см. рис. 4).

В варианте 2 объем спроса и поглощения по сравнению с вариантом 1 становится ниже с 2015 года, вследствие предшествующего интенсивного роста цен (см. рис. 7) и оттока с рынка части покупателей.

В варианте 3 и 4 объем спроса также снижается. Объем поглощения в 2013 году растет (вследствие роста объема предложения, т.е. сдвига вверх этого ограничения), в 2015 году снижается (вследствие снижения объема спроса – см. рис. 5), в 2016 году – растет или стабилен (вследствие некоторого увеличения спроса).

В вариантах 5, 6 и 7 в 2014-2016 годах при сохраняющемся низком уровне цен спрос стабилен и устойчиво превосходит предложение (см. рис. 5), объем строительства и предложения также стабильны, вследствие чего стабилен и объем поглощения (см. рис. 6), который ограничивается предложением.

В вариантах 8, 9 и 10 при несколько снижающихся ценах (см. рис. 7) объем предъявленного спроса повышается, объем поглощения стабилен.

Рис. 5 Рис. 6

На рис. 7 показаны варианты динамики средних удельных цен на первичном рынке (в тыс. руб./кв. м).

В базовом варианте 1 цены в 2013-2015 годах растут высокими темпами (более 17% в год), а в 2016 году – вырастают на 35%.

В вариантах 2, 3 и 4 при повышенных доходах и сохраняющемся превосходстве спроса над предложением (см. рис. 4 и 5) в 2013-2014 годах цены растут повышенными темпами (более 43% в год), в 2015-2016 году наблюдается переход к стабилизации (вследствие оттока покупателей и снижения объема поглощения).

В вариантах 5, 6 и 7, при сниженных до нуля доходах, стабильном спросе и устойчивом превосходстве спроса над предложением (см. рис. 5), цены растут незначительными темпами, а в вариантах 8, 9 и 10, при отрицательных темпах роста доходов – несколько снижаются (на 4-5% в год).

Такая динамика может быть объяснена тем, что при низких ценах и низких доходах населения сохраняется высокий спрос на жилье и ипотеку, который сосредотачивается в сегменте дешевого жилья и малых размеров кредита, при сохранении и даже росте объемов поглощения и незначительно повышении или снижении цен. При этом снижение объема ипотечной поддержки (в условиях высокого спроса и низких цен) не сказывается на динамике цен.

Таким образом, графики рис. 5 и 6 демонстрируют достаточно высокую чувствительность модели по показателям объема поглощения жилья и динамики цен на первичном рынке к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Рис. 7

На рис. 8 и 9 показаны варианты динамики объема предъявленного спроса и предложения на вторичном рынке (в тыс. квартир).

Объем предъявленного спроса на вторичном рынке близко повторяет динамику общего для обоих рынков объема спроса (см. рис. 1), поскольку в модель заложена гипотеза о том, что в случае избытка спроса на одном рынке и дефицита на другом происходит перетекание спроса на дефицитный рынок.

В базовом варианте 1 объем предъявленного спроса с 2011 года постепенно снижается, а объем предложения растет, что объясняется ростом цен (рис. 11). Соотношение спрос/предложение меняется в пользу предложения с 2015 года.

В варианте 2 объем предъявленного спроса падает до 2015 года и несколько снижается в 2016 году, а предложение растет до 2015 года более высокими темпами, но в 2016 снижается вместе со снижением цен. Цены начинают снижаться на год раньше, а предложение – на шаг позже. Это связано с принятым в модели допущением о том, что продавцы ориентируются на ранее сложившиеся цены. Аналогичное явление наблюдается и в других вариантах расчета – снижение объема предложения при начале снижения цен происходит с лагом в один шаг расчета.

В вариантах 3 и 4 падение спроса и рост предложения продолжается до 2015 года. В 2016 году спрос несколько увеличивается, а предложение снижается в полном соответствии с начавшемся снижением цен и с лагом в один год.

В вариантах 5, 6 и 7 спрос на вторичном рынке увеличивается, причем при снижении ипотечной поддержки темпы роста снижаются. Объем предложения растет незначительными темпами при почти стабильных ценах.

В вариантах 8, 9 и 10 объем предъявленного спроса растет высокими темпами (они так же снижаются при уменьшении ипотечной поддержки), но цены снижаются вследствие снижения доходов населения, и объем предложения несколько снижается вместе со снижением цен.

Таким образом, графики рис. 8 и 9 демонстрируют достаточно высокую чувствительность модели по показателям объема спроса и предложения на вторичном рынке к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Рис. 8 Рис. 9

На рис. 10 и 11 показаны варианты динамики объема поглощения квартир на вторичном рынке (в тыс. шт.) и средней удельной цены квартир (тыс. руб./кв. м).

В базовом варианте 1 объем поглощения постепенно растет до 2015 года, но затем снижается в соответствии со снижением спроса, который становится меньше предложения (см. рис. 7). При этом цены также растут, в том числе и в 2016 году, в связи с общим превышением спроса над предложением на рынке (см. рис. 2).

В варианте 2 объем поглощения падает вместе со спросом с 2015 года. При этом цены начинают снижаться.

В вариантах 3 и 4 объем поглощения падает в 2014 и 2015 годах, но в 2016 году увеличивается вследствие увеличения объема спроса (см. рис. 8). При этом цены плавно снижаются, поскольку спрос все еще меньше предложения.

В вариантах 5, 6, 7 и 8, 9 и 10 объем поглощения почти стабилен, несмотря на рост спроса, поскольку поглощение начинает ограничиваться предложением (см. рис. 9). Цены соответственно повышаются либо снижаются небольшими темпами. Различия между вариантами в связи с снижением ипотечной поддержки – незначительны, что естественно в условиях дефицита предложения и соответствует ранее выявленным закономерностям рынка: при низких ценах и низких доходах населения сохраняется высокий спрос на жилье и ипотеку, который сосредотачивается в сегменте дешевого жилья и малых размеров кредита, при сохранении и даже росте объемов поглощения.

Таким образом, графики рис. 10 и 11 демонстрируют достаточно высокую чувствительность модели по показателям объема поглощения и динамики цен на вторичном рынке к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Рис. 10 Рис. 11

Вывод 1. Исследование показало достаточно высокую чувствительность модели к изменению макроэкономических исходных данных – темпов роста доходов населения и объема ипотечной поддержки.

Оценка влияния внешних условий функционирования рынка на динамику его развития при фиксированных целевых объемах ввода. По результатам тестирования сформированы четыре сценария развития рынка жилой недвижимости Москвы в 2013-2016 годах в зависимости от изменения макроэкономических параметров.

Сценарий № 1 – базовый вариант. Темпы роста доходов населения в номинальном выражении 8-11%, денежный объем ипотечного кредитования – по оптимистическому сценарию работы [1].

Сценарий № 2 соответствует варианту 2: темп роста доходов населения в номинальном выражении 13-14%, денежный объем ипотечного кредитования +20% от базового варианта.

Сценарий № 3 соответствует варианту 6: темп роста доходов населения в номинальном выражении близок к нулю, денежный объем ипотечного кредитования на уровне базового варианта.

Сценарий № 4 соответствует варианту 10: темп роста доходов населения в номинальном выражении -6% (доходы снижаются), денежный объем ипотечного кредитования -20% от базового варианта.

Совместная динамика основных показателей развития рынка при четырех сценариях приведена на рис. 12-14.

При развитии рынка по Сценарию № 1 (умеренный рост доходов и средний уровень ипотечной поддержки) на первичном рынке предъявленный спрос (с учетом перетекания на вторичный рынок) хотя и снижается, но остается выше предложения, предложение в 2013-2016 году стабильно, объем поглощения постепенно увеличивается, цены к 2016 году вырастут в 2,3 раза.

На вторичном рынке предъявленный спрос (с учетом перетекания избытка спроса с первичного рынка) с 2014 года снижается, но остается выше предложения, а в 2015-2016 году становится ниже предложения, предложение повышается, объем поглощения квартир стабилен, цены вырастут в 2,5 раза за 2011-2016 год.

В целом рынок переживает ситуацию устойчивого роста (аналог 2003 и 2006 года) и перехода в 2016 году к стабилизации на буме, аналогичной началу 2004-го и концу 2006-го года.

Рис. 12. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 1

При развитии рынка по Сценарию № 2 (повышенные темпы роста доходов и ипотечной поддержки) на первичном рынке предъявленный спрос (с учетом перетекания на вторичный рынок) снижается, но до 2014 года остается выше предложения и далее - ниже предложения, предложение растет и становится больше спроса в 2015 году, объем поглощения после 2013 года постепенно снижается, цены к 2015 году вырастут более чем вдвое и в следующем году начинают снижаться.

На вторичном рынке предъявленный спрос (с учетом перетекания избытка спроса с первичного рынка) с 2014 года снижается и становится ниже предложения, предложение повышается до 2015 года и затем несколько снижается, объем поглощения квартир с 2015 года падает, цены вырастают вдвое к 2014 году, но затем снижаются.

В целом рынок переживает кризисную ситуацию, аналогичную осени 2008 – началу 2009 года.

Рис. 13. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 2

При развитии рынка по Сценарию № 3 (близкие к нулю темпы роста доходов и повышенный уровень ипотечной поддержки) на первичном рынке предъявленный спрос устойчиво выше предложения, предложение стабильно, объем поглощения после 2013 года стабилизируется, цены с 2012 года плавно растут невысокими темпами (1% в год).

На вторичном рынке предъявленный спрос (с учетом перетекания избытка спроса с первичного рынка) с 2013 повышается и остается выше предложения, предложение незначительно повышается, объем поглощения квартир с 2013 года стабилен, цены растут небольшими темпами. В целом рынок сохраняет стабильность по всем показателям. Ситуация аналогична середине 2004 – 2005 года.

Рис. 14. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 3

При развитии рынка по Сценарию № 4 (снижение доходов и пониженный уровень ипотечной поддержки) на первичном рынке предъявленный спрос устойчиво выше предложения, предложение стабильно, объем поглощения после 2013 года стабилизируется, цены после 2012 года существенно снижаются (с темпом около 5% в год).

На вторичном рынке предъявленный спрос с 2013 повышается и остается выше предложения, предложение незначительно снижается, объем поглощения квартир с 2013 года также снижается, цены после 2012 года снижаются с темпом около 5% в год.

Такое поведение рынка аналогично ситуации 2011 года и соответствует ранее выявленным закономерностям: при низких ценах и низких доходах населения сохраняется высокий спрос на жилье и ипотеку, который сосредотачивается в сегменте дешевого жилья и малых размеров кредита, при сохранении и даже росте объемов поглощения и незначительном повышении или снижении цен. В целом рынок близок к состоянию рецессии по показателям объема поглощения и динамике цен (аналог ситуации середины 2007 года).

Рис. 15. Динамика развития рынка жилой недвижимости при макроэкономических условиях по Сценарию № 4

Таким образом, получены следующие оценки влияния внешних условий функционирования на развитие рынка жилой недвижимости Москвы при фиксированных показателях целевого объема ввода жилья в 2013-2016 годах.

Сценарий №1 (средние темпы роста доходов (8-11%) и ипотечной поддержки) отличается значительными темпами роста цен в 2013-2015 годах (17%) и 35% в 2016 году, что повышает инвестиционную привлекательность девелопмента, но снижает доступность жилья для населения. В целом рынок переживает ситуацию устойчивого роста и перехода в 2016 году к стабилизации на буме, аналогичной началу 2004-го и концу 2006-го года.

Сценарий № 2 (высокие темпы роста доходов (13-14%) и повышенная ипотечная поддержка) отличается еще более высокими темпами роста цен в 2013-2014 годах (более 43%) и последующего снижения. В целом рынок переживает кризисную ситуацию, аналогичную осени 2008 – началу 2009 года.

Сценарий № 4 (снижающиеся на 6% в год доходы и пониженный уровень ипотечной поддержки) характеризуется признаками рецессии и также неблагоприятен для развития рынка.

Наиболее благоприятным для рынка является Сценарий № 3. При низких темпах роста доходов населения (в номинальном выражении близких к нулю) и среднем уровне денежного объема ипотеки темп снижения цен составляют (4-5)% в год, по остальным показателям рынок стабилен. Вместе с тем, такая ситуация не обеспечивает достаточно высокой доходности инвестиционно-строительных проектов, что может снизить активность девелоперов и потребовать их дополнительной поддержки со стороны государства.

Вывод 2. Выбранные четыре сценария динамики макроэкономических показателей охватывают весь возможный спектр ситуаций на рынке жилой недвижимости Москвы до 2016 года и позволили дать оценку влияния внешних условий функционирования рынка на динамику его развития при фиксированных целевых объемах ввода.

Литература

1.   Стерник Г.М. Методика среднесрочного прогнозирования развития рынка жилья города (региона), Журнал «Имущественные отношения в РФ». - №8 (131) 2012, 1-14 стр.

2.   Стерник Г.М., Свиридов А.В. Совершенствование методики среднесрочного прогнозирования развития локального рынка жилой недвижимости как элемента методологии управления проектами и программами. – Материалы Международной научно-практической конференции «Современные проблемы управления проектами в инвестиционно-строительной сфере и природопользовании». - М.: РЭУ им. Г.В.Плеханова, 2013 г., стр. 86 – 96.

3.   Стерник Г.М., Свиридов А.В. Совершенствование и ретроспективная проверка методики среднесрочного прогнозирования развития локального рынка жилой недвижимости. – Журнал "Имущественные отношения в РФ" (в печати).

Геннадий Моисеевич Стерник, профессор РЭУ им Г.В. Плеханова, кафедра «Управления проектами и программами», адрес: 117997 Российская Федерация, г. Москва, Стремянный пер., 36.

Контактная информация: телефон: +7-495-795-71-58; e-mail: gm_sternik@sterno.ru

Свиридов Алексей Викторович, аспирант РЭУ им Г.В. Плеханова, кафедра «Управления проектами и программами», адрес: 117997 Российская Федерация, г. Москва, Стремянный пер., 36.

Контактная информация: телефон: +7-916-582-58-69; e-mail: sviridov@progtech.ru



[1] 1401780, МО, г. Жуковский, ул. Строительная, д. 14, корп. 4, кв. 39. Телефон: +7-916-582-58-69;

e-mail: sviridov@progtech.ru

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,