CC BY
59
© С.А. Герасимов, А.Г. Огиренко, М.И. Смирнов, 2011
УДК 004.42(62): 65.02: 65.012.2
С.А. Герасимов, А.Г. Огиренко, М.И. Смирнов
АВТОМАТИЗИРОВАННАЯ СИСТЕМА ПРОГНОЗИРОВАНИЯ ИЗМЕНЕНИЯ ОФИСНЫХ АРЕНДНЫХ СТАВОК
Дано описание автоматизированной системы прогнозирования изменения арендных ставок для офисных помещений. Система позволяет учитывать как внешние макро- и микроэкономические факторы, так и собственные свойства офисной инфраструктуры. Рассматривается основная функциональность автоматизированной прогностической системы. Даются результаты ее практического использования при управлении офисными объектами недвижимости.
Ключевые слова автоматизированная система прогнозирования, офисная инфраструктура, арендные ставки, программный комплекс, пользовательский интерфейс, экономическая эффективность.
Эффективность крупных современных компаний, работающих на рынке недвижимости, во многом определяется использованием ее персоналом передовых информационных технологий, как при выполнении текущих (регулярных, циклических) бизнес-процессов, так и решении отдельных (подчас уникальных) задач, возникающих в процессе работы. В настоящее время в крупных городах нашей страны сегмент офисных зданий и сооружений является существенной частью общего рынка недвижимости. Для компаний управ-ляющими такими зданиями и сооружениями важное значение приобретают оценка и прогноз изменения офисных арендных ставок. Действительно, при заключении договора на несколько лет на аренду крупных (тысячи и более квадратных метров) помещений пренебрежение особенностями грядущих изменений на рынке может привести к большим финансовым потерям. На какой срок и по какой ставке заключать договор аренды, какие условия необхо-
димо обязательно отразить в договоре, в какой валюте осуществляются платежи, как часто, согласно заключенному договору, можно пересматривать его отдельные условия - эти вопросы обязательно встают перед специалистами управляющих компаний, и от правильного ответа на них во много зависит общая результативность их производственной деятельности.
Вопросам научного моделирования и прогнозирования изменения ставок коммерческой недвижимости посвящено много работ, как в нашей стране, так и за рубежом [1-3]. Часть из них позволяет достаточно точно оценить тенденции рынка, однако при их практической реализации в виде моделей и прикладных программ возникают определенные трудности, связанные как с автоматизированным получением исходных данных, так и их обработкой. Другие исследования, направленные на автоматическое получение результата, зачастую грешат неточностью прогнозов, что делает их неприемлемыми при использо-
вании в практической работе управляющих компаний. Таким образом, создание программного комплекса поддержки автоматизированного прогнозирования изменения офисных арендных ставок является актуальной и своевременной научной и практической задачей, имеющей важное значение для повышения эффективности бизнеса в сфере управления недвижимостью.
Проведенный анализ причин, определяющих стоимость аренды объекта офисной недвижимости позволил выделить три основные группы факторов, влияющих на прогноз:
• глобальные факторы (основные показатели развития макроэкономики);
• внешние факторы (показатели состояния рынка офисной недвижимости);
• внутренние факторы (собственные параметры объекта недвижимости).
Основные показатели развития макроэкономики непосредственно определяют инвестиционный климат и привлекательность во всех отраслях экономики в целом по стране и на рынке офисной недвижимости в том числе. Для прогноза рассматривались следующие глобальные факторы:
• размер внутреннего валового продукта (ВВП);
• темп роста ВВП;
• профицит бюджета;
• Индекс потребительских цен;
• международные резервы;
• внешнеторговое сальдо;
• оборот розничной торговли;
• темп роста реальных доходов населения;
• значения биржевых индексов РТС и ММВБ;
• курсы валют (доллар США, Евро)
• цены на полезные ископаемые
(нефть, золото).
Показатели состояния рынка офисной недвижимости определяют баланс спроса и предложения на рынке недвижимости, его возмож-ности, динамику развития и дальнейшие перспективы. В каждом регионе и в каждом территориальном субъекте существует свой уникальный рынок недвижимости. Одни из них могут иметь стабильный тренд развития годами, другие же могут резко меняться в результате ввода в эксплуатацию новых объектов или от иных событий. Состояние рынка офисной недвижимости определяется следующими факторами:
• спрос и предложение на рынке;
• средние запрашиваемые ставки аренды, динамика;
• объем строительства;
• планируемые площади к вводу;
• доля свободных площадей;
• влияющие на рынок недвижимости административные решения.
Среди внутренних факторов, определяющих стоимость объекта офис-ной недвижимости рассматривались следующие:
• классность офисного объекта недвижимости;
• местоположение (в том числе транспортная доступность);
• наличие парковки;
• управление зданием и услуги для арендаторов;
• инженерные системы здания (централизованная система управления зданием; система отопления, вентиляции и кондиционирования воздуха; возможности системы отопления, вентиляции и кондиционирования воздуха; система пожарной безопасности; лифтовое хозяйство; электроснабжение; система безопасности);
• конструктивные особенности здания (высота потолков; планировка; глубина этажа; коэффициент потерь;
Рис. 1. Функциональная схема автоматизированной системы
Рис. 2. Пример окна пользовательского интерфейса системы
допустимая нагрузка на межэтажные перекрытия; отделка площадей общего пользования и фасада; наличие фальшпола; освещение и расположение окон);
• собственность объекта недвижимости (включая количество владельцев и прозрачность структура собственности).
При этом общее число проанализированных факторов составило 45. По результатам статистического анализа основных характеристик факторов была выявлена неоднородность представления данных в виде качественных и количественных показателей. Для формализации исходных данных и представления статистической информации в едином унифицированном формате была проведена оцифровка качественных факторов. В результате проведенной оцифровки качественных значений некоторых факторов все виды факторов приведены в единый формат, благодаря чему был проведен многофакторный анализ, позволивший выявить значимые факторы и взаимосвязи между ними. По результатам факторного анализа в четырех группах факторов было выявлено 15 значимых показателей, факторная
нагрузка которых превысила пороговое значение равное 0,5.
Практическая реализация методики оценки и прогнозирования осуществлена при помощи специально разработанного пакета прикладных программ (ППП) "Век-тор-Н", реализованного в интегрированной среде разработки программного обеспечения для MS Windows. Результаты расчётов и прогнозирования отображаются в собственном интерфейсе и могут экспортироваться MS Excel для их последующей обработки и визуализации. Разработанный ППП "Вектор-Н"
Рис. 3. Пример окна пользовательского интерфейса ввода объекта недвижимости
является основой автоматизированной системы оценки и прогнозирования изменения офисных арендных ставок объектов недвижимости.
Использование большого числа приближенных и недетерминированных исходных данных влечет за собой увеличение пространства решений, как при построении вариантов, так и при формировании механизма прогноза в системе. Для целенаправленного сокращения перебора при поиске решения использовалась концепция [4], позволяющая при решении практических задач, требующих для прогнозирования перебора комбинаторного числа вариантов,
устранить явление «информационного взрыва» без существенной потери точности на основе учета семантики проводимых преобразований.
Функциональная схема системы включает в себя интерфейс взаимодействия с пользователем, четыре программных модуля и четыре базы данных (рис. 1). ЛПР взаимодействует с ППП через интерфейс пользователя (рис. 2). Посредством меню главного окна осуществляется обращение к модулям, просмотр и редактирование баз данных, вывод отчётов.
Модуль добавления объектов вносит в базы данных анализируемые объекты и существующие предложения по объектам недвижимости, которые будут использоваться для сравнения. Модуль обновления позволяет вносить изменения в объекты недвижимости и обновлять информацию в базе глобальных и внешних показателей.
В базе данных (БД) анализируемых объектов недвижимости хранятся характеристики объектов, для которых будет производиться оценка сто-имос-ти аренды и ее прогнозирование. Объекты недвижимости добавляются в базу данных с подробным указанием их внутренних характеристик, описанием и фотографией (рис. 3).
В БД предложений на рынке недвижимости хранятся известные предложения с описанием объекта, указанием его классности, запрашиваемой ставкой аренды.
БД глобальных и внешних показателей хранит как известные, так и прогно-
Рис. 4. График средних запрашиваемых ставок по аналогичным объектам недвижимости с прогнозными оценками
зируемые значения глобальных и внешних факторов.
В БД результатов оценки и прогнозов сохраняются все результаты работы программы, которые потом могут быть отображены в табличном или графическом виде.
Все добавленные объекты и показатели сохраняются в соответст-вующих базах данных и могут быть использованы при последующих запусках системы. Периодическое обновление и пополнение баз данных также входит в функционал системы.
Для оценки размера арендных ставок объекта и прогнозирования их изменения Модуль оценки и прогнозирования получает информацию об объекте из БД анализируемых объектов и опирается в
расчетах на данные из БД глобальных и внешних показателей. Из БД предложений на рынке недвижимости поступает информация для сравнения объектов недвижимости со схожими параметрами.
Модуль графического представления данных, используя результаты расчетов, обеспечивает представление отчётов в удобном для пользователя графическом виде. На рис. 4 представлена оценка стоимости аренды объекта недвижимости (чёрная точка) и кривая средних запрашиваемых ставок аренды по объектам со схожими характеристиками (чёрным цветом) и прогноз её изменения (серым цветом) на ближайшее полугодие.
Рассмотренная автоматизированная система оценки и прогнозирования изменения офисных арендных ставок объектов недвижимости успешно использовалась в практической работе при управлении комплексом зданий в центральных кварталах г. Москвы [5]. Использование системы позволило путем учета тенденций и прогнозирования состояния рынка недвижимости при заключении договоров аренды офисных помещений повысить рентабельность бизнеса.
1. Фридман Дж., Ордуэй Н. Анализ и оценка приносящей доход недвижимости, М., 1995, 480 с.
2. Кузнецов Д.Д., Синочкина И.С. Квали-метрическое моделирование ставок арендной платы. «Проблемы недвижимости». Выпуск 1. 1999, с. 64-71.
-------------- СПИСОК ЛИТЕРАТУРЫ
3. Григорьев А.В., Козин П.А., Поветки-на Н.С. Методика определения рыночной арендной платы для специализированной недвижимости. //Материалы IV международной научно-практической конференции «Оценочные технологии в экономических
процессах: управление собственностью».
СПб., 2005, с. 90-95.
4. Смирнов М.И. Интеллектуальные ПС решения прикладных комбинаторных задач на основе метахарактеризации. «Программные продукты и системы». 1992, № 2, с.58-60.
5. Огиренко А.Г., Смирнов М.И. Автоматизированная система управления группой компаний, работающих в сфере недвижимости, на основе программного комплекса «Галактика». «Приборы и системы. Управление, контроль, диагностика». 2011. № 1, с. 52-54. ШШ
КОРОТКО ОБ АВТОРАХ --------------------------------------------------------
Герасимов Сергей Александрович - аспирант, Московский государственный горный университет, Moscow State Mining University, Russia, [email protected]
Огиренко Андрей Григорьевич - кандидат технических наук, начальник ИТ отдела, Нафтам-ИНПРО,.
Смирнов Максим Игоревичи - доктор технических наук, профессор, генеральный директор Наф-там-ИНПРО, e-mail [email protected]
А
----------------------------------- ДИССЕРТАЦИИ
ТЕКУЩАЯ ИНФОРМАЦИЯ О ЗАЩИТАХ ДИССЕРТАЦИЙ ПО ГОРНОМУ ДЕЛУ И СМЕЖНЫМ ВОПРОСАМ
Автор Название работы Специальность Ученая степень
УРАЛЬСКИЙ ГОСУДАРСТВЕННЫЙ ГОРНЫЙ УНИВЕРСИТЕТ ТЮМЕНСКИЙ ГОСУДАРСТВЕННЫЙ НЕФТЕГАЗОВЫЙ УНИВЕРСИТЕТ
ХЛУС Андрей Александрович Повышение эффективности бурового одношарошечного долота 05.05.06 к.т.н.
САНКТ-ПЕТЕРБУРГСКИЙ УНИВЕРСИТЕТ ТЕХНОЛОГИИ И ДИЗАЙНА
КУЗНЕЦОВА Ирина Васильевна Диагностика камнесамоцветного сырья для производства ювелирных изделий 17.00.06 к.т.н.
