CC BY
95
Вестник Челябинского государстеенногоуниеерситета. 2015. № 18 (373). Экономика. Вып. 51. С. 125-132.
УДК 338 ББК 65.291
АНАЛИЗ И МОДЕЛИРОВАНИЕ ПОТРЕБИТЕЛЬСКИХ ПРЕДПОЧТЕНИЙ НА РЫНКЕ ИПОТЕЧНОГО ЖИЛИЩНОГО КРЕДИТОВАНИЯ
О. И. Стебунова
ФГБОУВПО «Оренбургский государстеенныйуниеерситет», Оренбург, Россия
Проведённый анализ ипотечного жилищного кредитования в Оренбургской области за период 2006-2014 гг. показал, что финансовый кризис 2008 г. оказал значительное негативное воздействие на изучаемый показатель. Выявленные особенности учтены при моделировании структурно-динамических изменений на ипотечном рынке с помощью модели экспоненциального сглаживания с мультипликативным сезонным эффектом, позволяющей построить краткосрочный прогноз объёмов выданных ипотечных жилищных кредитов для принятия обоснованных управленческих решений на рынке жилья. В статье также реализован подход к исследованию потребительских предпочтений на рынке ипотечного кредитовании Оренбургской области на основе метода анализа соответствий, позволившего выявить причины и цели покупки жилой недвижимости в кредит.
Ключевые слова: ипотечное жилищное кредитование, метод анализа соответствий, вероятность покупки жилья в ипотеку, модели бинарного выбора.
Острейшая проблема обеспечения граждан жильём в современной России привела к необходимости поиска новых схем и путей удовлетворения потребностей россиян в доступном жилье. Мировая практика решения данной проблемы утверждает, что наиболее эффективным механизмом в рассматриваемой сфере выступает ипотечное жилищное кредитование [1]. С одной стороны, ипотечное жилищное кредитование позволяет населению приобрести недвижимость, не имея необходимого размера собственных средств, с другой стороны, эффективное функционирование ипотечной жилищной сферы является одним из важных показателей развития рыночной экономики. Так, в условиях замедления кредитного риска и снижения качества портфелей ипотека является фактически единственным сегментом кредитования, сохраняющим значительный потенциал для дальнейшего развития при низком уровне просроченной задолженности.
Нестабильная макроэкономическая ситуация, наблюдаемая в России, значительно ухудшила ситуацию на ипотечном рынке и обострила существующие проблемы, связанные со снижением платёжеспособности населения, повышением банковских рисков и ростом процентных ставок. Отечественные исследования ипотечного жилищного кредитования связаны прежде всего с вопросами кредитования приобретения жилья в стране. Их разрабатывают В. Н. Киданов [3], И. А. Разумова [2], Г. А. Цылина [4]. В работах Л. И. Левина [6], М. А. Ляминой [5] применяются
методы многомерной классификации, позволяющие сравнивать регионы, близкие по уровню развития ипотечной жилищной сферы. Кроме того, многообразие ипотечных программ ставит актуальную задачу анализа потребительских предпочтений на рынке банковских услуг как для заёмщиков, так и для кредиторов. Данные обстоятельства порождают новые направления в исследовании проблем ипотечного жилищного кредитования, поэтому нарастает необходимость выявления и анализа факторов, механизмов функционирования ипотечной и жилищной сфер экономики как на уровне страны, так и на уровне региона.
Развитие ипотечного жилищного кредитования в Оренбургской области представляет собой весьма динамичный процесс, о чём свидетельствуют темпы и объёмы выданных ипотечных жилищных кредитов за 2006-2014 гг. (рис. 1) [7].
Сложившаяся за период 2006-2014 гг. динамика объёмов ипотечных жилищных кредитов (ИЖК) носила колебательный характер и характеризовалась двухэтапным изменением. Так, начиная с 1 октября 2008 г. наблюдался резкий спад объёма выданных ИЖК, связанный с тем, что под влиянием мирового финансового кризиса банковская система России свернула программы по ИЖК и, как результат, снизились объёмы выданных кредитов. Лишь к I кварталу 2011 г. стала наблюдаться тенденция восстановления ипотечной кредитной системы. Анализ ряда выданных ипотечных кредитов, с использованием различ-
Рис. 1. Динамика объёма предоставленных ипотечных жилищных кредитов в Оренбургской области
(по данным Центробанка РФ за 2006-2014 гг.), млнр.
ных критериев на наличие (отсутствие) тренда и сезонности, показал, что в динамике объёмов ИЖК наблюдалась тенденция к росту и сезонность [8]. Данные особенности учтены при выборе и оценке модели динамики объёмов ИЖК:
Л = /т х т Т; /, = 0,555
У1
т Т - к
+ 0,445/Г- + г{-1,
(1)
где Т = 13, ...,12.
На основе оценённой трендовой модели экспоненциального сглаживания с мультипликативным сезонным эффектом (1) построен прогноз объёмов ИПК в Оренбургской области на 2015 г. (рис. 2). Как видно, прогнозные значения в среднем на 14,2% превышают фактический объём выданных кредитов, и в конце 2015 г. составят 2761,7 млн р. Таким образом, в последующих периодах объём выданных ИПК будет иметь колебательный характер и тенденцию к последовательному увеличению.
Банковские программы по предоставлению ипотечных кредитов в Оренбургской области довольно многообразны и рассчитаны для физических лиц с разным уровнем дохода. Жильё в ипотеку предлагается как в строящихся домах, так и на вторичном рынке недвижимости [9]. С целью
выяснить, по каким причинам и для каких целей возникает необходимость покупки жилья в кредит, а также определить платёжеспособность заёмщиков, исходя из различного уровня дохода, сферы занятости и других факторов, был проведён опрос свыше 200 респондентов Оренбургской области по факторам:
— состав семьи;
— сфера занятости;
— размер среднемесячного дохода;
— цель ипотечного кредита (строительство дома, покупка первичного или вторичного жилья и т. д.);
— срок кредита;
— размер первоначального взноса;
— стоимость и характеристики квартиры, приобретаемой в ипотеку.
В результате проведённого исследования выявлено, что 67 % опрошенных работают по найму, 26% имеют собственный бизнес, 7% опрошенных состоят на госслужбе. Большинство наёмных сотрудников (18%) имеют среднемесячный доход 15 000-20000 р., 4% — 40 000-50 000 р. Среднемесячный доход большинства имеющих собственный бизнес (63 %) составляет около 40 000-50 000 р. Среди 8 человек, состоящих на госслужбе, только 1 человек имеет среднемесячный доход 50 000-100 000 р.
Поскольку информация, полученная от клиентов, носит в основном качественный харак-
т т = т т _12;
П = П-1
о С1 о СР О О о '—1 о о — о -—■ — Г-1 гч гч -—■ го п п го -4- 1Л 1П 1П ш —'
о ^ о го о о о о сз о о к о о о ч)" о о о о о к о о —1 о о о о о о N о о
сз о т—< о сз ■—1 о о т—1 о сз ■—* о т—1 сз сз 1—1 сз сз 1—1 сз и—1 о сз —* сз » сз —1 сз сз сз т—1 сз сз -—1 о т—1 сз сз сз
Рис. 2. Прогнозные и фактические значения объёма предоставленных ипотечных жилищных кредитов
в Оренбургской области, млнр.
тер, был проведён анализ соответствий, по -зволивший получить наглядное представле-ние о характере предпочтений клиентов для получения ипотечного жилищного кредита [10; 11].
Результаты проверки гипотезы о независимости признаков размера среднемесячного дохода и первоначального взноса (%набл = 30,32; %инфнабл = 32>74) свидетельствуют о том, что существует значимая связь между указанными признаками (табл. 1). Анализируя полученную двухмерную карту соответствия в аспекте расстояния
Таблица 1
Таблица сопряжённости для признаков «среднемесячный доход» и «первоначальный взнос»
Среднемесячный доход, тыс. р. Первоначальный взнос
10% от стоимости жилья Отсутствует 30% от стоимости жилья
5-10 1 1 0
10-15 5 4 2
15-20 5 8 1
20-25 11 6 0
25-30 11 5 0
30-40 8 2 2
40-50 16 6 2
50-100 3 3 2
между категориями признаков, можно сделать следующие выводы:
— респонденты, имеющие среднемесячный доход 5 000-10000 и 15 000-20000 р., предпочитают покупку недвижимости без первоначального взноса. Большинство респондентов, относящихся к данной группе, это молодые семьи без детей, где доходы остаются на относительно низком уровне. Ипотеку данной группе людей можно оформить, например, в банке ВТБ-24, даже без первоначального взноса;
— респонденты, среднемесячные доходы которых находятся в диапазоне 20 000-50 000 р., готовы заплатить первоначальный взнос 10% от стоимости жилья. Следует отметить, что немногие банки предусматривают ипотечные программы без первоначального взноса, следовательно, данной группе людей оформить ипотеку и оплачивать кредит будет проще;
— больший первоначальный взнос — 30 % от стоимости жилья, готовы заплатить респонденты, имеющие среднемесячный доход в пределах 50000-100000 р. Данная группа лиц может также оформить ипотечный кредит на меньший срок.
Немаловажной характеристикой приобретаемого жилья в ипотеку является количество комнат, так как данный признак является одним из основных при установлении цен на жильё, а также характеризует предпочтения заёмщиков в зависимости от состава семьи (табл. 2) [12].
Таблица 2
Сводная таблица сопряжённости для признаков «состав семьи», «срок кредитования», «первоначальный взнос» и «количество комнат»
Признак Градации Количество комнат
1 2 3
Семья с детьми дошкольного возраста 1 8 24
Состав семьи Молодая семья без детей 10 20 17
Семья с двумя и более детьми 0 2 13
5 лет 4 1 8
10 лет 5 10 8
Срок кредитования 15 лет 2 12 9
20 лет 0 6 10
25 лет 0 1 19
Первоначальный взнос Без первоначального взноса 10 % от стоимости жилья 11 0 10 20 22 31
30 % от стоимости жилья 0 0 1
Анализ двухмерных карт соответствия исследуемых признаков позволил сделать следующий вывод: квартиру с двумя комнатами желают приобрести в основном семьи с детьми дошкольного возраста на срок от 10-20 лет с первоначальным взносом 10 % от стоимости жилья. Трёхкомнатные квартиры приобретают в основном на срок более 25 лет с первоначальным взносом 10 % от стоимости жилья или без него. Ипотечный жилищный кредит на однокомнатную квартиру в большинстве случаев оформляется на 5-10 лет без первоначального взноса или с первоначальным взносом в размере 10 % от стоимости жилья.
Проанализируем зависимость между вероятностью покупки квартиры в ипотеку (у, — бинарная переменная, принимающая значение 1, если заёмщик приобретает в ипотеку жильё с г'-м количеством комнат, и 0 — в противном случае) и признаками, характеризующими заёмщика и его предпочтения на основе модели бинарного выбора:
— — стоимость 1 м2 жилья, тыс. р.;
— х2 — срок кредита, лет;
— х3 — ежемесячный платёж, тыс. р.;
— х4 — бинарная переменная, принимающая значение 1, если заёмщик состоит в молодой семье без детей, и 0 — в ином случае;
— х5 — бинарная переменная, принимающая значение 1, если заёмщик состоит в семье с детьми дошкольного возраста, и 0 — в ином случае;
— х6 — бинарная переменная, принимающая значение 1, если заёмщик состоит в семье с дву-
мя и более детьми, и 0 — в ином случае;
— х7 — бинарная переменная, принимающая значение 1, если целью кредита является покупка готового жилья, и 0 — в ином случае;
— х8 — бинарная переменная, принимающая значение 1, если целью кредита является покупка строящегося жилья, и 0 — в ином случае;
— х9 — бинарная переменная, принимающая значение 1, если заёмщик — наёмный сотрудник, и0 — в ином случае;
— х10 — бинарная переменная, принимающая значение 1, если заёмщик имеет собственный бизнес, и 0 — в ином случае;
— Хц — бинарная переменная, принимающая значение 1, если заёмщик состоит на государственной службе, и 0 — в ином случае;
— х12 — площадь приобретаемого жилья.
В общем виде вероятность покупки жилья с г'-м количеством комнат для пробит-модели можно записать в виде [13]
Р (у, = 1| хь х2,..., х12 )= |
для логит-модели в виде
1
л/2п
-1, > е 2 Ж-
Р (у, = 1| х15 х2,..., х12 ) =
1 + Е
(2)
(3)
Для моделирования вероятности покупки жилья были оценены логит- и пробит-модели в эко-нометрическом пакете Б1а1а (табл. 3) [14].
Для оценки силы влияния и сравнительного анализа каждого фактора на результативный
е
Таблица 3
Оценка моделей вероятности покупки в ипотеку жилья с г-м количеством комнат
Количество комнат Оценка модели бинарного выбора
1 "( 1 ) е* Р(У\ -1 Хьх2,...,х12)- _ , 1 + е s - -20,18+ 1,23 х(1) - 8,93 х(2) - 6,76 х(3) +12,82 х(4) +11,36 х(5), (-9,35) (0,54) (5,19) (3,87) (1,58) (2,59) Wald chi2 (5) = 492,83; RfSEV - 0,67
2 " ( 1 ) е' 1 + е s - -4,02+ 0,29 х(1) - 2,62 х(2) - 3,46 х(з) + 0,87 х(4) + 0,47 х(5) + 0,26 х(7) + 2,34 х(9) + (-3,09) (0,39) (0,98) (1,28) (0,88) (0,84) (0,54) (0,94) + 1,09 х(11) + 0,67 х(12), (1,24) (0,59) Wald chi2 (9) =19,02; RfSEV - 0,27
3 - * 1 --t2 ^ (Уз - l| ХЪ X2>-> X12)- J f—e 2 dt, s - 3,57- 0,32 x(1) + 0,92 x(2) - 1,74 x(4) - 0,59 x(5) - 0,79 x(7) - 2,50 x(9) +1,29 x(10), (4,07) (0,22) (0,22) (0,62) (0,64) (0,42) (0,65) (0,88) Wald chi2 (7) =56,33; RjSEV - 0,56
признак используются предельные эффекты, показывающие изменение вероятности наступления события при увеличении значения объясняющей переменной на единицу. Оценка предельных эффектов также осуществлялась в ППП Б1а1а [14; 15]. Так, например, оценка предельного эффекта для переменной «стоимость 1 м2 жилья» составила 0,04, то есть в среднем стоимость каждого дополнительного квадратного метра жилья приводит к увеличению вероятности покупки в ипотеку жилья с одной комнатой на 4%-х пункта (п. п.). Также получено, что вероятность покупки жилья с одной комнатой у молодых семей выше, чем у семей с детьми дошкольного возраста. Заключение договора о взятии жилья в ипотеку молодой семьёй увеличивает вероятность приобретения жилья с одной комнатой на 45,63 п. п. Объясняется это тем, что для молодой семьи приобретение собственного жилья является первостепенной задачей в условиях нестабильной российской экономики, девальвации рубля и роста инфляции. Большинство молодых семей, согласно проведённому анкетированию, ориентированы на приобретение в ипотеку однокомнатной квартиры в связи с высокими ценами на жильё больших размеров. Следует отметить, что ипо-
тека для молодых семей в Сбербанке имеет ряд преимуществ перед обычными программами жилищного кредитования и пользуется популярностью у данной категории населения.
Увеличение срока кредитования на каждый дополнительный год и увеличение ежемесячного платежа за кредит приводят к уменьшению вероятности покупки в ипотеку жилья с двумя комнатами на 39,4 и на 52,1 п. п. соответственно. И действительно, заёмщики часто стараются сократить срок кредитования. При таком подходе есть свои преимущества, ведь чем быстрее будет выплачен кредит, тем меньшей будет сумма переплаты. Преимущества краткосрочной ипотеки очевидны: при оформлении ипотеки на короткий срок процентная ставка, как правило, ниже. Но в то же время краткосрочный ипотечный кредит предполагает довольно высокий ежемесячный платёж, возможностями выплаты которого обладает не каждый заёмщик. Самая высокая вероятность покупки жилья с двумя комнатами приходится на наёмных сотрудников. Наёмные сотрудники, как правило, составляют большую часть потенциальных заёмщиков со средним размером заработной платы и приобретают в основном жильё с двумя комнатами. К подобным клиентам банки
относятся менее насторожённо, в отличне от бизнесменов, имеющих относительно нестабильные заработки. Как правило, условия выдачи кредита для данной категории клиентов несколько отличаются от условий для наёмных сотрудников.
При моделировании вероятности покупки трёхкомнатной квартиры в ипотеку доказано, что увеличение срока ипотечного жилищного кредитования приводит к увеличению вероятности покупки жилья с тремя комнатами. В среднем, увеличение срока кредитования на каждый дополнительный год приводит к увеличению вероятности приобретения жилья с тремя комнатами в ипотеку на 15 п. п. Данный вывод подтверждают результаты проведённого анкетирования: респонденты, желающие приобрести жильё с тремя комнатами, хотят оформить ипотечный кредит на более длительный срок. Объясняется это тем, что с увеличением срока уменьшается ежемесячный платёж: перед заёмщиком появляется возможность приобрести жильё лучшего качества с невысокой нагрузкой на личный бюджет. Однако в связи с высокими процентными ставками при долгосрочном ипотечном кредитовании увеличиваются и переплаты. Лишь небольшая доля граждан способна погасить кредит досрочно, сократив тем самым переплату. Этим объясняется то, что, согласно полученной модели, вероятность покупки жилья с тремя комнатами у наёмных сотрудников ниже, чем, например, у людей, имеющих собственный бизнес. Если заёмщик является наёмным сотрудником, то вероятность приобретения жилья с тремя комнатами у него снижается на 40,8 п. п. Также вероятность покупки жилья с тремя комнатами у молодой семьи ниже, чем у семьи с детьми дошкольного возраста. Если заёмщик состоит в молодой семье без детей или в семье с детьми дошкольного возраста, вероятность приобретения жилья с тремя комнатами в ипотеку снижается на 28,3 и 9,6 п. п. соответственно.
Если ипотечный жилищный кредит оформляется на покупку готового жилья, вероятность приобретения жилья с тремя комнатами уменьшается на 12,95 п. п. В данном случае явно подтверждается тот факт, что цены на строящееся жильё или жильё на первичном рынке ниже, чем на готовое жильё или жильё на вторичном рынке.
На основе проведённого исследования, можно сделать вывод о том, что рынок ипотечного жилищного кредитования Оренбургской области является в настоящее время сложившимся
и одним из наиболее развитых сегментов банковской сферы. Анализ динамики объёмов, выданных ИЖК, позволил установить, что финансовый кризис 2008 г. оказал негативное воздействие на ипотечный рынок. При условии сохранения сложившейся в 2009-2014 гг. тенденции к росту можно утверждать, что данный показатель будет продолжать расти, о чём свидетельствует полученный прогноз объёмов выданных ИПК на 2015 г. Анализ потенциальных потребителей банковских услуг в сфере ипотечного жилищного кредитования показал, что в результате разрозненных доходов населения возможность взятия жилья в ипотеку, а также кредитоспособность заёмщиков довольно различна. В целом, можно сказать, что в Оренбургской области кредитный рейтинг находится на среднем уровне, спрос на ипотеку также является достаточно высоким у всех категорий населения. На основе проведённого опроса о потребительских предпочтениях составлен портрет потенциального потребителя банковских услуг в сфере ипотечного жилищного кредитования: заёмщик — мужчина или женщина, состоящий в браке с семьёй без детей или с детьми дошкольного возраста. Средний доход на одного члена семьи составляет 15 000-20000 р. По роду деятельности заёмщик — наёмный сотрудник. Планирует покупку готового жилья в ипотеку по причине невозможности самостоятельно накопить нужную сумму. Планирует оформить ипотечный кредит на срок 20-25 лет или более, желательно без первоначального взноса или с первоначальным взносом в размере 10%.
Результаты данного исследования показывают, что для увеличения объёмов выданных ипотечных кредитов необходимо повышать доступность жилья для населения, в частности для молодых семей. Поэтому в этих условиях возрастает роль государственного регулирования ипотечного рынка. Основными направлениями государственной поддержки должны стать меры по стимулированию жилищного строительства, в частности, предоставление льгот инвесторам в жилищное строительство, так как на этапе строительства жильё имеет меньшую стоимость, а ипотечные организации могут приобрести от заёмщиков качественный залог. Также необходимо усиление информационной прозрачности ипотечного рынка для своевременного выявления и предупреждения кризисных явлений на рынке жилья, контроля рисков в финансовом секторе.
Список литературы
1. Солодилова, М. Н. Ипотечное жилищное кредитование: экономическая сущность, особенности организации и финансирования / М. Н. Солодилова //Вестн. Самар. муницип. ин-таупр. -2014. — № 1. — С. 112-120.
2. Разумова, И. А. Ипотечное кредитование / И. А. Разумова. - СПб. : Питер, 2005. - 208 с.
3. Киданов, В. И. Ипотечное кредитование: теория и практика. - М. : Финансы и кредит, 2007. -168 с.
4. Цылина, Г. А. Ипотека: жильё в кредит / Г. А. Цылина. - М. : Экономика, 2001. - 358 с.
5. Лямина, М. А. Воздействие мультипликативного эффекта на баланс инвестиций и сбережений в жилищном секторе / М. А. Лямина // Проблемы упр. - 2008. - Вып. 6. - С. 69-81.
6. Левин, Л. И. Оценка и анализ развития региональных рынков ипотечного жилищного кредитования / Л. И. Левин, А. О. Ивашков // Финансы и кредит. - 2010. - № 33. - С. 43-48.
7. Центральный банк Российской Федерации [Электронный ресурс] : офиц. сайт. - URL: www.cbr.ru
8. Реннер, А. Г. О математическом моделировании и прогнозировании динамики структуры показателей, характеризующих социально-экономические процессы / А. Г. Реннер, Л. М. Туктамышева II Экономика и предпринимательство. - 2013. - № 5 (34). - С. 192-195.
9. Стебунова, О. И. Моделирование ценообразования на вторичном рынке жилья / О. И. Стебунова// Вестн. Оренбург, гос. ун-та. - 2012. - № 13. - С. 335-340.
10. Большаков, А. А. Методы обработки многомерных данных и временных рядов : учеб. пособие для вузов / А. А. Большаков, Р. Н. Каримов. - М. : Горячая линия : Телеком, 2007. - 522 с.
11. Тихомиров, Н. П. Методы эконометрики и многомерного статистического анализа : учебник / Н. П. Тихомиров, Т. М. Тихомирова, О. С. Ушмаев. - М. : Экономика, 2011. - 647 с.
12. Стебунова, О. И. Статистическое исследование вторичного рынка жилья : автореф. дис. ... канд. экон. наук. - Оренбург : Издат. центр ОГАУ, 2006. - 24 с.
13. Green, W. Н. Econometric Analysis / W. Н. Green. - 5th ed. - Prentice Hall, 2002. - 1026 p.
14. Stewart, M. В. Semi-nonparametric estimators of extended ordered probit models / M. B. Stewart II Stata J. - 2004. - Vol. 4, is. 1. - P. 27-39.
15. Stewart, M. B. A Comparison of semiparametric estimators for the ordered response model/М.В. Stewart II Computational Statistics&Data Analysis. - 2005. - Vol. 49, is. 2. - P. 555-573.
Сведения об авторе
Стебунова Ольга Ивановна — кандидат экономических наук, доцент кафедры математических методов и моделей в экономике Оренбургского государственного университета, Оренбург, Россия, ostebunova@mail.ru
Bulletin ofChelyabinsk State University.
2015. No. 18 (373). Economy. Issue 51. Pp. 125-132.
ANALYSIS AND MODELING OF CONSUMER PREFERENCE IN THE MARKET OF MORTGAGE LENDING
O. I. Stebunova
OrenburgState University, Orenburg, Russia, ostebunova@mail.ru
The analysis of mortgage lending in the Orenburg region in the period from 2006-2014 yeas, it showed that the financial crisis of 2008 had a significant negative impact on the studied parameters. These peculiarities into account in the simulation of structural and dynamic changes in the mortgage market by using exponential smoothing models with multiplicative seasonal effect, allowing to build a short-term forecast of the volume of mortgage housing loans to make informed management decisions in the housing market. The article also introduces an approach to the study of consumer preferences in the mortgage market of the Orenburg region on the basis of correspondence analysis, will reveal the reasons and goals of the purchase of residential real estate loans.
Keywords: mortgage lending, the method of correspondence analysis, the probability of a home purchase mortgage, binary choice model.
References
1. Solodilova M.N. Ipotechnoye zhilishchnoye kreditovaniye: ekonomicheskaya sushchnost', osobennosti organizatsii i finansirovaniya [Mortgage lending: the economic entity, especially the organization and financing] Vestnik Samarskogo munitsipal'nogo instituía upravleniya [Bulletin of Samara Municipal Institute of Management], 2014, no. 1, pp. 112-120. (In Russ.).
2. Razumov I.A. Ipotechnoye kreditovaniye [Mortgages]. St. Petersburg, Piter Publ., 2005. 208 p. (In Russ.).
3. Kidanov V.N. Ipotechnoye kreditovaniye: teoriya i praktika [Mortgage lending: theory and practice]. Moscow, Finance and Credit Publ., 2007. 168 p. (In Russ.).
4. Tsylina G.A. Ipoteka: zhil'ye v kredit [Mortgages: real estate loan], Moscow, Economics, 2001. 358 p. (In Russ.).
5. Lyamina M.A. Vozdeystviye mul'tiplikativnogo effekta na balans investitsiy i sberezheniy v zhilishch-nom sektore [Exposure to a multiplier effect on the balance of investments and savings in the residential sector], Problemy upravleniya [Control sciences], 2008, iss. 6, pp. 69-81. (In Russ.).
6. Levin L.I., Ivashkov S.A. Otsenka i analiz razvitiya regional'nykh rynkov ipotechnogo zhilishchnogo kreditovaniya [Evaluation and analysis of regional markets, mortgage lending], Finansy i kredit [Finance and Credit], 2010, no. 33, pp. 43-48. (In Russ.).
7. Central Bank of the Russian Federation. Available at: www.cbr.ru (accessed 10.05.2015) (In Russ.).
8. Renner A.G., Tuktamysheva L.M. O matematicheskom modelirovanii i prognozirovanii dinamiki struk-tury pokazateley, kharakterizuyushchikh sotsial'no-ekonomicheskiye protsessy [Mathematical modeling and forecasting of structural dynamics of indicators characterizing socio-economic processes]. Ekonomika i predprinimatel'stvo [Economics and Business], 2013, no. 5 (34), pp. 192-195. (In Russ.).
9. Stebunova O.I. Modelirovaniye tsenoobrazovaniya na vtorichnom rynke zhil'ya [Simulation of pricing on the secondary market]. Vestnik Orenburgskogo gosudarstvennogo universiteta [Bulletin of the Orenburg State University], 2012, no. 513, pp. 335-340. (In Russ.).
10. Bolshakov A.A. Metody obrabotki mnogomernykh dannykh i vremennykh ryadov: ucheb. posobiye dlya vuzov [Treatment methods of multidimensional data and time series]. Moscow, Hotline, Telekom, 2007. 522 p. (In Russ.).
11. Tikhomirov N.P., Tikhomirov T.M. Ushmaev O.S. Metody ekonometriki i mnogomernogo statistichesli-ogo analiza [Methods of econometrics and multivariate statistical analysis]. Moscow, Economics, 2011. 647 p. (In Russ.).
12. Stebunova O.I. Statisticheskoye issledovaniye vtorichnogo rynka zhil'ya [Statistical research of the secondary housing market. Abstract of thesis]. Orenburg, 2006. (In Russ.).
13. Green W.H. Econometric Analysis. 5th ed. Prentice Hall, 2002. 1026 p.
14. Stewart M.B. Semi-nonparametric estimators of extended ordered probit models. Stata Jurnal, 2004, vol. 4, is. 1, pp. 27-39.
15. Stewart M.B. A Comparison of semiparametric estimators for the ordered response model. Computational Statistics&Data Analysis, 2005, vol. 49, is. 2, pp. 555-573.
