РЕГРЕССИОННЫЙ  АНАЛИЗ  ПОКАЗАТЕЛЕЙ  РАЗВИТИЯ  ПЕРВИЧНОГО  РЫНКА  ЖИЛЬЯ  МОСКВЫ

Стадникова  Татьяна  Александровна

аспирант  кафедры  управления  проектами  и  программами  Российский  экономический  университет  им.  Г.В.  Плеханова,  РФ,  г.  Москва

E-mail:  stadnikova.t@mail.ru

REGRESSION  ANALYSIS  OF  THE  INDICATORS  OF  PRIMARY  HOUSING  MARKET  IN  MOSCOW

Stadnikova  Tatyana  Alexandrovna

postgraduate  student  in  Department  of  project  and  program  management  Plekhanov  Russian  University  of  Economics,  Russia  Moscow

АННОТАЦИЯ

С  целью  элиминации  факторов  неопределённости  при  расчёте  эффективности  строительных  проектов  в  статье  обосновывается  необходимость  построения  регрессионной  модели  индикаторов  рынка  новостроек.  На  примере  первичного  рынка  недвижимости  Москвы  проведено  исследование  динамики  спроса  на  новостройки  в  зависимости  от  комнатности,  динамики  цен  на  жильё  в  зависимости  от  класса,  комнатности,  типа  домостроения.  По  результатам  анализа  рассчитаны  уравнения  регрессий  обозначенных  индикаторов.

ABSTRACT

With  the  purpose  to  eliminate  the  uncertainty  during  the  calculation  the  efficiency  of  construction  projects,  the  article  substantiates  the  need  to  build  regression  models  of  indicators  of  the  market  of  new  buildings.  On  the  example  of  the  primary  real  estate  market  of  we  conducted  a  study  of  the  dynamics  of  demand  for  new  buildings  depending  on  the  number  of  rooms,  the  dynamics  of  housing  prices,  depending  on  the  class,  number  of  rooms,  type  of  construction.  By  results  of  the  analysis  we  calculated  the  regression  equation  of  identified  indicators.

Ключевые  слова:  первичная  недвижимость  Москвы;  инвестиционно-строительный  проект;  регрессионный  анализ  жилья.

Keywords:  primary  real  estate  of  Moscow;  investment  and  construction  project;  regression  analysis  of  housing. 

Классическая  теоретическая  модель  оценки  эффективности  инвестиционно-строительного  проекта  (ИСП)  базируется  на  мониторинге  и  актуализации  рынка  жилой  недвижимости.  Это  концепция  представляет  собой  эвристический  подход  к  суждению  оценщика  относительно  неопределённости.  Однако,  независимо  от  используемого  метода,  оценка  всегда  будет  зависеть  от  неопределённости  о  сопоставимых  данных,  текущих  и  будущих  рыночных  условиях.  Обозначенные  исходные  неопределённости  приводят  к  волатильности  NPV,  PI,  PB  и  др.  показателей  эффективности  ИСП.  Многочисленные  исследования  [3,  4]  показывают,  что  многие  системы  являются  настолько  сложными  и  переменными,  что  они  препятствуют  элиминации  неопределённости.  Такой  системой,  вне  всякого  сомнения,  является  инвестиционно-строительная  отрасль.  Таким  образом,  образуется  широкий  спектр  фундаментальных  и  прикладных  полей  для  разработки  методы  борьбы  с  неопределенностью.

Для  решения  вышеуказанных  проблем,  спрогнозируем  величину  спроса  на  новостройки  в  зависимости  от  их  комнатности,  а  также  оценим  динамику  цен  на  жильё  в  разрезе  классности,  комнатности  и  типа  домостроения,  используя  метод  регрессионного  анализа  временных  рядов.  Эта  задача  решалась  путём  сбора  многочисленных  показателей  рынка  новостроек  Москвы,  их  анализа  и  обобщения  на  основе  [1,  2].  В  результате,  для  построения  регрессионной  математической  модели  мы  представили  полученные  данные  в  графическом  виде.  Построенные  графики  с  добавленными  линиями  тренда,  уравнениями  построенных  регрессий  и  коэффициентами  аппроксимации  изображены  на  графиках  1,  2,  3  и  4.

График  1.  Регрессионный  анализ  структуры  спроса  на  квартиры  в  новостройках  Москвы  по  комнатности  (%)

График  2.  Регрессионный  анализ  средней  стоимости  квадратного  метра  в  новостройках  Москвы  в  зависимости  от  класса  (рубли)

График  3.  Регрессионный  анализ  средней  стоимости  квадратного  метра  в  новостройках  Москвы  в  зависимости  от  типа  домостроения  (рубли)

График  4.  Регрессионный  Анализ  средней  стоимости  квадратного  метра  в  новостройках  Москвы  в  зависимости  от  комнатности  (рубли)

Для  исследуемых  характеристик  новостроек  Москвы  мы  получили,  что:

·     линейный  тип  регрессии  отражает  изменение  цены  на  жильё  эконом-  и  комфорт-класса;

·     полиномиальный  тип  регрессии  соответствует  уровню  спроса  на  однокомнатные,  двухкомнатные  и  многокомнатные  квартиры,  кроме  того  отражает  ценовую  динамику  жилья  бизнес-класса,  всех  типов  домостроения  (панельного,  монолитного  и  кирпичного),  а  также  изменение  цены  на  однокомнатные  и  трёхкомнатные  квартиры;

·     логарифмический  тип  регрессии  отвечает  спросу  на  трёхкомнатные  квартиры;

·     степенной  тип  регрессии  моделирует  изменение  цены  на  монолитные  дома,  а  также  трёхкомнатные  и  многокомнатные  квартиры. 

Как  видно  из  представленных  графиков,  анализируемые  индикаторы  рынка  недвижимости  являются  крайне  нестабильными  величинами.  Для  всех  линий  тренда  мы  задали  построение  5  прогнозных  периодов.  В  целях  получения  научно  обоснованных  прогнозов,  мы  используем  экстраполяцию  рядов  динамики.  Этот  прогноз  даёт  надёжные  и  точные  результаты.  Экстраполяция  основывается  на  гипотезе  о  том,  что  ранее  выявленные  закономерности  будут  действовать  в  прогнозном  периоде.  Получив  регрессионную  математическую  модель,  мы  можем  прогнозировать  процесс  изменения  цены  на  недвижимость,  уровня  спроса  и  предложения.  Как  это  выглядит  при  использовании  квадратичного  тренда  показано  на  вышеприведённых  рисунках.  Однако  вполне  возможно,  что  далее  характер  зависимости  существенно  изменится.  Слишком  сложной  является  система  «реализация  ИСП». 

Теоретической  основой  распространения  тенденций  на  будущее  является  такое  известное  свойство  рынка  недвижимости,  как  инерционность.  Учитывая  все  необходимые  условия,  предпосылки  и  гипотезы,  связанные  с  проведённым  экономико-теоретическим  анализом  первичного  рынка  жилья  Москвы,  мы  пришли  к  следующему  выводу.

Подводя  итог  исследований,  были  выявлены  закономерности  развития  рынка  новостроек  Москвы.  Так,  для  строительного  комплекса  Москвы  характерна  резкая  дифференциация  стоимости  1  м²  жилья  в  зависимости  от  типа  домостроения,  этажности,  количества  комнат,  сегмента  и  др.  факторов.  В  связи  с  этим,  мы  полагаем,  что  необходимо  ввести  коэффициенты  в  расчёты  финансово-экономической  модели,  которые  отражали  бы  вышесказанные  особенности  ИСП.  Они,  в  свою  очередь,  должны  основываться  на  многолетнем  анализе  первичного  рынка  жилья.  Таким  образом,  в  ходе  проекта  создаётся  база  коэффициентов,  позволяющая  быстро  оценить  эффективность  ИСП  с  учётом  факторов  неопределённости,  а  следовательно,  обеспечивающая  максимальную  эффективность  управления  ИСП.  Коэффициенты  должны  согласоваться  с  проектными  данными,  перманентно  модифицируемые  в  финансово-экономической  модели  ИСП.

Список  литературы:

1.Обзор  рынка  новостроек  Москвы  по  материалам  информационно-аналитического  центра  компании  «Пересвет-Инвест»,  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://www.peresvet.ru/analitika/  (дата  обращения  15.09.2013). 

2.Обзор  рынка  новостроек  Москвы  по  материалам  информационно-аналитического  центра  компании  «Азбука  Жилья»,  [Электронный  ресурс]  —  Режим  доступа.  —  URL:  http://www.azbuka.ru/consult/reviews.php  (дата  обращения  10.09.2013). 

3.Guerra  M.L.,  Sorini  L.,  Stefanini  L.,  Fuzzy  Investment  Decision  Making,  L.  Magdalena,  M.  Ojeda-Aciego,  J.L.  Verdegay  (eds.):  Proceedings  of  IPMU  08,  ISBN:  978-84-612-3061-7,  (2008),  745—750.

4.Mallinson  M  and  French  N.,  Uncertainty  in  Property  Valuation:  the  nature  and  relevance  of  uncertainty  and  how  it  might  be  measured  and  reported,  Journal  of  Property  Investment  &  Finance,  18.1  13-32.