CC BY
65
DOI: 10.15838^.2021.4.76.7 УДК 338, ББК 65.05
© Басова Е.А.
Доступная ипотека vs доступность жилья. Хотели как лучше, а получилось...?
Елена Александровна БАСОВА
Вологодский научный центр Российской академии наук Вологда, Российская Федерация e-mail: [email protected]
ORCID: 0000-0003-2817-5454; ResearcherlD: AAD-4911-2020
Аннотация. Решение Правительства РФ о снижении ипотечной ставки весной 2020 года было анонсировано как мера по поддержке населения в период распространения коронавирусной инфекции. Однако является ли данное решение оптимальным и стратегически выверенным с точки зрения повышения доступности жилья для российских граждан на перспективу? В условиях роста цен на недвижимость ответ на этот вопрос в отечественных экономических исследованиях освещен в недостаточной степени. Актуальность исследования дополнительно обусловлена необходимостью оценить вероятность образования «пузыря» на первичном рынке жилья вследствие «двойного бума». В работе представлены результаты исследования динамики доступности жилья за период с 2000 по 2020 год. Определены регионы с наименьшей и наибольшей доступностью жилья. Изучено современное состояние рынка ипотечного кредитования в РФ. Построена факторная модель множественной регрессии цен на жилую недвижимость на рынке новостроек. Научная новизна исследования заключается в определении причины стремительного роста цен на недвижимость весной 2020 года на российском рынке жилья и их прогнозе на среднесрочный период. Признано, что в современных условиях ключевым фактором, способствующим увеличению цен на первичное жилье, является снижение ипотечной ставки по кредитам. Решение о резком сокращении процентной ставки вызвало повышенный спрос на приобретение жилья и последовавший вслед за этим чрезмерный рост цен, что, в конечном итоге, не привело к расширению доступности жилья. Автором обосновано отсутствие «пузыря» и оснований для снижения
Для цитирования: Басова Е.А. Доступная ипотека vs доступность жилья. Хотели как лучше, а получилось...? // Экономические и социальные перемены: факты, тенденции, прогноз. 2021. Т 14. № 4. С. 113—130. DOI: 10.15838/ esc.2021.4.76.7
For citation: Basova E.A. Mortgage availability vs. availability of housing. We wanted the best, but it turned out...? Economic and Social Changes: Facts, Trends, Forecast, 2021, vol. 14, no. 4, pp. 113-130. DOI: 10.15838/esc.2021.4.76.7
цен на российском рынке жилой недвижимости в ближайшей перспективе. Прогнозирование цен на первичное жилье реализовано посредством комбинации традиционного экономического инструментария и нейросетей. Сохранение значительной величины цен на российском рынке новостроек в среднесрочном периоде объясняется негативными тенденциями в развитии ключевых влияющих факторов, а также других макроэкономических индикаторов, характеризующих социально-экономическое развитие страны. Предложены управленческие мероприятия, нацеленные на расширение доступности жилья для российских граждан.
Ключевые слова: доступность жилья, льготное ипотечное кредитование, первичный рынок жилья, факторы роста цен на недвижимость, нейросетевое моделирование.
Введение
Современная Россия характеризуется значительным уровнем немонетарного неравенства [1; 2], одним из ярких проявлений которого выступает ограниченная доступность жилья. Согласно Посланию Президента РФ Федеральному собранию в апреле 2021 года, расширение доступности жилья остается главной задачей в развитии страны и повышении качества жизни российских граждан1. Однако удовлетворение базовой потребности человека в жилье осложняется рядом негативных моментов, которые характеризуются не только региональной пространственной разнородностью в объемах ввода жилья, но и, прежде всего, низким уровнем доходов населения и резким ростом цен на недвижимость, ускорившимся в период перехода к рынку. Указанные факторы в значительной степени повысили уровень недоступности жилья для подавляющей части населения.
По состоянию на 1 января 2020 года на учете в качестве нуждающихся в жилых помещениях зарегистрировано 2266,854 тыс. человек (или 4,1% к общей численности населения РФ) против 5419,293 тыс. человек (10,9%) в 2000 году. Положительная динамика в данном вопросе очевидна. Однако острота проблемы с доступностью жилья в РФ отчетливо демонстрируется низким уровнем обеспеченности жилплощадью. На одного российского жителя в среднем приходится 26,3 кв. м (по данным на 2019 г.) при европейской норме 30—40 кв. м и 100%-ой комфортности жилья. При этом сохраняется значительное число регионов, где обеспеченность жильем составляет в разы
1 Послание Президента РФ Федеральному Собранию от 21.04.2021. URL: http://www.consultant.ru/ document/cons_doc_LAW_382666/ (дата обращения 24.04.2021).
меньшую величину по сравнению со среднероссийским показателем2. Если учесть, что не все жилье в РФ является комфортным и имеет элементарные удобства в виде водопровода, горячего водоснабжения, ванной и т. д., то средний показатель обеспеченности по стране снизится до 17 кв. м [3, с. 329]. На сегодняшний день почти треть населения РФ (45 млн чел.) проживает без полного набора основных коммунальных удобств (или без холодной воды, или горячего водоснабжения и т. д.). Примерно 3 млн человек до сих пор вынуждены проживать в коммунальных квартирах. На 19% российских граждан приходится меньше 9 кв. м общей площади. Для сравнения: обеспеченность комфортным жильем на человека в США в четыре, а во Франции в 2,5 раза выше, чем в России. Показатели ввода жилья в США и РФ различаются на уровне двух раз (не в пользу нашей страны). До сих пор высока актуальность расселения граждан (3,9% в 2020 г.) из аварийного жилья. Более того, ипотечные кредиты для решения жилищного вопроса доступны не для многих. По оценкам «ДОМ.РФ», только 37% семей имеют возможность обслуживать ипотечный кредит3. Очевидно, что представленные данные во многом характеризуют доступность жилья в России на крайне низком уровне, несмотря на реализацию государственных программ в жилищной сфере и некоторые позитивные сдвиги в этом направлении.
2 Минимальная обеспеченность жильем в 2019 году зафиксирована в Республике Тыва, где на одного человека приходится 14,2 кв. м.
3 Стратегия развития жилищной сферы РФ на период до 2025 года. URL: https://xn--d1aqf.xn--p1ai/ upload/2020/Strategiya-razvitiya-zhilishhnoj-sfery-Rossijskoj-Federatsii-na-period-do-2025-goda.pdf (дата обращения 25.04.2021).
Способствовать формированию доступного рынка жилья в России призван ряд многочисленных проектов и программ в сфере жилищного строительства: национальный проект «Жилье и городская среда», рассчитанный на 2018—2024 гг., государственная программа «Обеспечение доступным и комфортным жильем и коммунальными услугами граждан РФ», государственная программа льготного кредитования под 6,5% годовых, Стратегия развития жилищной сферы РФ на период до 2025 года и некоторые другие документы. Основные задачи государственного регулирования жилищной сферы заключаются в создании условий, способствующих обеспечению доступности жилья посредством активизации использования ипотечных инструментов, увеличению объемов жилищного строительства, а также сокращению жилья, непригодного для проживания, и т. д.
Реализация программы льготного ипотечного кредитования, введенной в действие постановлением Правительства РФ в апреле 2020 года4, совпала с повышением цен как в среднем по России, так и в большинстве регионов. Однако неясно, что послужило пусковым механизмом для стремительного роста цен?
Какие факторы в наибольшей степени повлияли на формирование цены на российском рынке жилья? В связи с этим представляется интересным подтвердить или опровергнуть наличие взаимосвязи между повышением цен на российском рынке жилья и снижением ипотечных ставок, а также исследовать перспективы ценовых колебаний на жилую недвижимость в среднесрочном периоде. В качестве гипотез исследования нами рассматриваются следующие:
Н1 — детерминантой резкого роста цен на жилую недвижимость на первичном рынке жилья в России в 2020 году явилось снижение ипотечных процентных ставок, приведшее к так называемому «двойному буму»;
Н2 — высокий уровень цен на первичную жилую недвижимость сохранится в среднесрочном периоде, в т. ч. по причине действия неблагоприятных факторов макроэкономической среды.
Теоретические аспекты исследования
Пик упоминаний понятия «доступность жилья» в англоязычной литературе пришелся на 1975 год (рис. 1). В русскоязычной среде распространена категория «обеспеченность жильем», что объясняет ее более активное использование в отечественной экономической
Рис. 1. Частота упоминания понятий «доступность жилья», «обеспеченность жильем» и «жилищное неравенство» в англоязычной среде, %
Обеспеченность жильем
Доступность жилья Жилищное неравенство
Источник: разработано автором на основе данных сервиса Books Ngram Viewer.
4 Об утверждении Правил возмещения кредитным и иным организациям недополученных доходов по жилищным (ипотечным) кредитам (займам), выданным гражданам Российской Федерации в 2020 году: Постановление Правительства РФ № 566 от 23 апреля 2020 г. URL: http://static.government.ru/media/files/GEvoTKxqACpwNVXpAIv6Vrue BHCpywRz.pdf
литературе, особенно после 1990-х гг. Изучение вопросов доступности жилья в России по причине ограниченности статистических данных только начинает набирать обороты.
Исследованию теоретико-методологических вопросов ценообразования и доходности жилья посвящено множество фундаментальных трудов зарубежных ученых: А. Смита [4, с. 312], Д. Рикардо [5, с. 201], А. Маршалла [6, с. 135] и др. Проблематика рынка жилой недвижимости и реализации жилищной политики на региональном уровне отмечена в работах отечественных ученых: Е.В. Аленичевой, С.В. Кузнецова, М.Г. Шамаевой, Т.Ю. Овсянниковой, Т.И. Кубасовой, О.А. Мирошниковой, Б.Г. Преображенского, В.И. Жилиной, В.С. Мхитаряна и др. Вопросы доступности и удовлетворенности жильем в контексте немонетарного неравенства представлены в трудах Л.Н. Овчаровой, Н.Н. Рябушкина, О.В. Бервено, С.В. Мареевой и др. Моделированию цен на рынке жилья посвящены работы И.В. Липсица, Е.И. Лунина, В.М. Тарасевич, Г.Н. Чубакова. Оценка факторов, влияющих на формирование цен на жилую недвижимость, проведена в исследованиях В.Д. Ардзинова, В.И. Корецкого, А.Г. Кузьминского, Л.И. Мазурина, A.M. Резника. Проблемы оценки влияния ипотечных ставок на состояние рынка жилья изучены К.Л. Астаповым, И.В. Довдиенко, П.Н. Кострикиным, Е.Б. По-копцевой и др.
В качестве основных макроэкономических факторов, от которых зависит формирование цены на рынке жилья, выделяют уровень цены на нефть и другие экспортные товары, курс доллара, величину ВВП, инфляцию, объем ввода жилья, доходы населения, наличие инвестиционных направлений для вложения временно свободных средств, уровень занятости, объем выданных жилищных кредитов и т. д. На формирование цены конкретного объекта недвижимости влияют его месторасположение, расстояние до центра населенного пункта, общая площадь жилья, наличие качественной воды в районе и ряд других параметров [7—10].
По данным МВФ5, цены на жилую недвижимость определяются стоимостью арендной
5 Выступление Минь Чжу, заместителя директора-распорядителя МВФ на конференции «Housing Markets, Financial Stability and Growth», Индия, 2014 г.
платы на съемное жилье, уровнем доходов населения и приростом объема ипотечного кредитования. Ипотечный бум (вследствие резкого повышения спроса на жилье по причине низкой ипотечной ставки) создает предпосылки для появления «пузыря» на рынке недвижимости, что подтверждается результатами оценки МВФ по данным 21 из 23 стран мира. Формирование завышенной цены на жилье в связи с резким ростом спроса населения на приобретение квартир (домов) приводит к финансовому кризису. Согласно проведенным специалистами МВФ расчетам, рост объема выданных кредитов составляет почти половину ценовых колебаний на жилье в различных странах мира, начиная с 2009 года. Повышенный спрос на жилье в связи с низкими процентными ипотечными ставками, создавая «двойной» бум (жилищный и ипотечный), во многих случаях заканчивается спадом экономики. При этом показатели экономического развития после такого кризисного периода восстанавливаются ожидаемо медленнее, что обходится дороже с точки зрения упущенной выгоды.
Появление «пузыря» на жилищном рынке вследствие активизации кредитной политики впервые отмечено Кинледбергером в монографии 1978 года. Ученый показал роль стимулирующей денежно-кредитной политики, а также экономических шоков (возникновение инновационных технологий и рынков, изменение законодательства) в процессе появления финансовых пузырей [11, с. 138]. В настоящее время в мире накоплено достаточно большое количество исследований, которые связывают появление «пузырей» на рынке недвижимости с кредитной экспансией [12—16]. К настоящему моменту в отечественной науке и практике отмечено незначительное число работ, характеризующих вероятность появления «пузыря» на российском рынке недвижимости вследствие послабления ипотечной кредитной политики весной 2020 года. Наше исследование в определенной степени призвано восполнить указанный пробел.
Материалы и методы
Исследователи используют достаточно большой арсенал средств для изучения факторов и разработки прогнозов цен на рынке жилой недвижимости [17—22]. В данной работе представлены результаты применения тради-
Таблица 1. Факторы формирования цен на первичном рынке жилья в РФ и их динамика за период с 2010 по 2020 год
Показатель 2010 2012 2014 2016 2018 2020
Средние цены на первичном рынке жилья, руб. (Y) 48144 48163 51714 53287 61832 79003
Средний уровень процентной ставки по ипотечному жилищному кредиту, % (Х,) 13,2 12,2 12,4 12,5 9,6 7,8
Средний уровень процентной ставки по вкладам со сроком свыше года, % (Х2) 6,0 7,7 8,1 8,4 6,2 4,6
ИПЦ, декабрь в % к декабрю предыдущего года (Х3) 108,8 106,6 111,4 105,4 104,3 104,9
Индекс цен производителей на строительную продукцию, % (Х4) 109,6 108,3 104,6 106,6 106,5 102,9
Средняя цена нефти марки Urals, долл. США за баррель (Х5) 78,2 110,5 97,6 41,9 70,0 41,7
Среднедушевые денежные доходы, руб. в месяц (Х6) 18958 23221 27412 30865 33178 35361
Средний номинальный курс доллара США к рублю за период, руб. (Х7) 30,4 31,1 38,4 67,0 62,7 72,2
ВВП в текущих ценах, трлн руб. (Х8) 37687768 49926069 59188270 69237704 84976724 83989295
Средняя стоимость строительства 1 кв. м общей площади жилых помещений во введенных в эксплуатацию жилых зданиях в РФ, руб. (Х9) 31877 34354 39447 40890 41358 44518
Динамика ввода в действие жилых домов, в % к предыдущему периоду (Х10) 97,6 105,6 119,4 94,0 95,5 100,2
Источник: данные Росстата, ЦБ РФ.
ционного экономического инструментария и нейросетевого моделирования. Разработка факторной модели основана на применении множественной регрессии [22; 23].
В рамках исследования в качестве основных факторов, оказывающих влияние на формирование цены на первичном рынке жилья в России, предложены следующие (табл. 1).
В результате применения метода пошаговой регрессии с учетом критерия Фишера и значения коэффициента детерминации получена экономико-математическая модель факторов, влияющих на формирование цены на первичном рынке жилья, со следующим набором независимых переменных: Y = 11 707,15 — 3 760,4Х1 — 1053,5Х2 + 803,1Х3 - 78,4Х5 + 0,5Х6. Хорошее качество построенной модели подтверждается статистически значимыми связями по критерию Фишера ^^а^^ меньше 0,5). Значение скорректированного коэффициента ^2ас1. = 0,95; R2 = 0,98) наибольшее по сравнению с другими моделями регрессии.
Выявленные факторы имеют особое практическое значение, т. к. выступают точками
управленческого воздействия, что в современных условиях особенно актуально, т. к. «время невмешательства в политику ценообразования на рынке жилья прошло»6. С другой стороны, представленная модель является основой для разработки прогнозных значений цен в жилищном сегменте, в т. ч. в рамках нейросетевого моделирования.
Факторы эконометрической модели стали основой (входными данными) при проведении прогноза с помощью нейросетей. Комбинация традиционного статистического инструментария и нейросетей позволяет повысить точность прогнозов [24, с. 824], т. к. в сеть загружается не просто набор переменных из десятков или сотен единиц, а совокупность переменных, прошедших первичную статистическую обработку, которые заведомо являются значимыми факторами роста цен на жилье. В связи с этим для обучения сети требуется гораздо меньше времени и эпох (экспериментальных расчетов).
6 Выступление Минь Чжу, заместителя директора-распорядителя МВФ на конференции «Housing Markets, Financial Stability and Growth», Индия, 2014 г.
Искусственные нейронные сети доказали свою эффективность в прогнозировании макроэкономических процессов, в т. ч. при моделировании цен на рынке жилья [25—29]. Однако в отличие от классической схемы регрессионного прогнозирования с понятным алгоритмом исследования и доступными для понимания этапами его реализации нейросети представляют собой «черный ящик». Это инструмент экономико-математического моделирования по принципу работы основных биологических аналогов искусственных нейронных сетей (ИНС) — нейронов (сетей нервных клеток мозга). Формальный нейрон (рис. 2), имеющий различное количество входных данных (переменных), содержит адаптивный сумматор, на выходе которого получается взвешенная сумма входов S. После сравнения сумматора с пороговой величиной веса w0 и реализации активационной функции нейрона на выходе имеем сигнал (Y), т. е. выход нейрона или выходные моделируемые данные.
Алгоритм нейросетевого моделирования включает предварительную нормировку входных данных, в нашем случае — по стандартной
формуле: Х = (Х - Х )/(Х - Х . ). Как пот г ^ norm v min7' v max min7
казали результаты проведенного исследования,
наиболее оптимальная структура нейронной сети представляет собой многослойный персеп-трон, который состоит из 7 входов, 7 скрытых нейронов и 1 выхода (MLP 7-7-1). В качестве активационной функции нейронов на скрытом слое выступает логистическая функция, на выходном — сигмоидальная. Средняя ошибка прогнозов нормированных значений составила 1,2% при ошибке на тестовой выборке 1,9%. Нейросетевое моделирование осуществлено в программе Statistica.
Информационной базой исследования послужили официальные информационные ресурсы Федеральной службы государственной статистики России, статистические и аналитические издания ЦБ РФ, данные Единой информационной системы жилищного строительства Минстроя России7.
Дискуссия по полученным результатам и выводы
Ситуация с доступностью жилья в России никогда не была легкой. По словам В.В. Путина, «жилищная проблема — это вечная проблема России»8. Данное утверждение особенно справедливо для низкодоходных слоев населения. Откладывать денежные средства / оплачи-
Рис. 2. Формальный нейрон
Входы
Источник: составлено автором по [30 , с. 223].
7 https://xn--80az8a.xn--d1aqf.xn--p1ai/ (дата обращения 02.04.2021).
8 Выступление Президента России В.В. Путина на заседании Госсовета по вопросам развития строительного комплекса и совершенствования градостроительной деятельности, 17 мая 2016 г. URL: http://www.kremlin.ru/events/ president/news/51926 (дата обращения 25.04.2021).
вать ипотечный кредит на покупку жилья могут себе позволить только представители седьмого квинтиля и выше. Согласно исследованию [31, с. 66], население, находящееся у черты бедности, даже получив ипотечный кредит, что при существующих требованиях к первоначальному взносу практически нереально, не сможет им воспользоваться, т. к. время, необходимое для выплат, превысит среднюю продолжительность жизни. Тем не менее, тенденции последних лет (рис. 3), складывающиеся в сфере диапазона цен на жилую недвижимость, рисовали оптимистичную картину относительно величины индикатора «доступность жилья» на среднероссийском уровне.
Если в 2000 году на покупку стандартного жилья для семьи из трех человек общей площадью 54 кв. м (при условии вложения всего полученного годового дохода) потребовалось бы порядка 6 лет, то к 2019 году примерно в два раза меньше — 2,7 года. Вторичный рынок демонстрировал более скромное улучшение доступности: на уровне 4,3 и 2,5 года соответ-
ственно. В некоторой степени учесть текущие расходы домохозяйств позволяет модифицированный вариант расчета доступности жилья, включающий величину расходов семьи на уровне установленного прожиточного минимума для трех человек. Согласно проведенным расчетам, доступность новостроек в 2000 году на среднероссийском уровне составляла около 13 лет, снизившись к 2019 году до 3,9 года. Динамика доступности на вторичном рынке равнялась 9,9 и 3,6 года соответственно.
Некоторое сокращение доступности жилья отмечено по итогам 2007—2008 гг. из-за резкого роста цен на недвижимость, что связано с негативными последствиями мирового экономического кризиса, стремительным снижением цен на нефть и ростом курса доллара. Население инвестировало денежные средства в покупку жилья, что спровоцировало резкий рост цен на недвижимость. После 2010 года цены стабилизировались, наблюдалось постепенное улучшение ситуации с доступностью покупки жилья вплоть до 2019 года.
Рис. 3. Доступность жилья в РФ по классическому и модифицированному варианту расчетов за 2000-2020 гг.
Количество
лет 14,0 -
12,0
10,0
8,0
6,0
4,0
2,0
0,0
Руб.
90000 80000 70000 60000 50000 40000 30000 20000 10000 0
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Доступность на первичном рынке, классич. вар-нт Доступность на вторичном рынке, классич. вар-нт Среднедушевые денежные доходы, руб. в месяц •1 Средние цены на вторичном рынке жилья
Доступность на первичном рынке, модиф. вар-нт Доступность на вторичном рынке, модиф. вар-нт Средние цены на первичном рынке жилья
Источник: расчеты автора на основе данных Росстата.
В связи с ростом цен после введения программы льготного ипотечного кредитования в 2020 году снижение доступности жилья отмечено практически во всех регионах. Наилучший уровень доступности первичного жилья в классическом измерении индикатора по итогам 2020 года наблюдался в Дагестане, Тюменской области и Еврейской автономной области (табл. 2). Тревожная ситуация с доступностью новостроек сложилась в Крыму, Москве и Приморском крае. При покупке вторичного жилья максимальное количество лет с учетом расходов (модифицированный вариант расчета доступности) понадобится семьям в Крыму, Ингушетии и Забайкальском крае.
В результате реализации госпрограммы «Льготная ипотека под 6,5% годовых» в половине субъектов РФ темпы прироста ипотечного кредитования в 2020 году превысили среднероссийский уровень9. Остальные регионы продемонстрировали не столь значительную, но также положительную динамику роста. Всплеск выдачи кредитов за 9 месяцев 2020 года по отношению к аналогичному периоду предыдущего года отмечен в пятнадцати российских субъектах: прирост на уровне 44% зафиксирован в Москве и Красноярском крае, 41% — в Республике Татарстан, а также Свердловской и Нижегородской областях.
Таблица 2. Регионы РФ с наибольшей и наименьшей доступностью жилья на первичном рынке*, лет
Доступность по классическому варианту расчета Д оступность по модифицированному варианту расчета
Ранг Территория 2020 г. Динамика за 2005-2020 гг. Ранг Территория 2020 г. Динамика за 2005-2020 гг.
1 Республика Дагестан 1,7 1 Тюменская область 2,5 —_-
2 Тюменская область 1,9 -__ 2 Республика Дагестан 2,8
3 Еврейская автон омная область 1,9 —-^ 3 Липецкая область 3,2
4 Камчатский край 2,0 4 Камчатский край 3,4 ^-----
5 Республика Коми 2,1 ^--- 5 Республика Адыгея 3,5 _
* * * *** *** *** *** *** *** * **
15 Вологодская область 2,5 17 Вологодская область 4,1
* * * *** *** *** *** *** *** * **
74 г. Сан кт-Петербург 4,1 - 74 Приморский край 7,2 ..
75 Забайкальский край 4,2 75 Иркутская область 7,3
76 Приморски й край 4,5 76 Забайкальский край 8,3
77 г. Москва 4,6 — 77 Республика Ингушетия** 8,8
78 Республика Крым** 4,9 — 78 Республика Крым** 9,9 —
* Кроме Мурманской области, Магаданской области, Республики Тыва, Чукотского автономного округа, Ненецкого автономного округа, Ханты-Мансийского автономного округа - Югра и Ямало-Ненецкого автономного округа. **Динамика доступности представлена за 2014-2020 гг. Источник: расчеты автора по данным Росстата.
9 Ипотека в России. URL: https://ratings.ru/files/research/banks/NCR_Mortage_Nov2020.pdf (дата обращения 14.04.2021).
История выдачи ипотечных жилищных кредитов (ИЖК) в отечественной банковской сфере началась с 1995 года [32, с. 136] после создания рабочей группы, включающей представителей Правительства РФ, Национальной ассоциации по ипотечному кредитованию, а также иностранных консультантов, и последующего утверждения федеральной целевой программы «Свой дом»10. Основная цель указанной программы заключалась в создании в России двухуровневой системы ипотечного кредитования, направленной на привлечение внебюджетных средств для улучшения жилищных условий нуждающихся. Данная система предполагала функционирование коммерческих банков по выдаче ипотечных кредитов и «Агентства по ипотечному жилищному кредитованию» (АИЖК), учрежденного в 1997 году для рефинансирования ИЖК11. В 2018 году АИЖК переименовано в «ДОМ.РФ» при сохранении функций по содействию в проведении государственной жилищной политики.
В настоящее время ипотечное кредитование является основным источником роста розничного кредитного портфеля банковских учреждений. Льготная ипотека введена как мера по «обеспечению санитарно-эпидемиологического благополучия населения». Условия программы льготной ипотеки: гражданство РФ, первичное жилье (строящееся или готовое к сдаче), максимальная сумма кредита от 6 до 12 млн рублей (в зависимости от региона), ставка 6,5% годовых на весь срок кредита, первоначальный взнос не менее 15% от стоимости приобретаемого жилья, кредитный договор заключен с 17 апреля 2020 г. по 1 июля 2021 г. Срок кредита — не более 30 лет. Кредит выдается в пределах до 6 млн рублей (включительно) для жилых помещений, расположенных на территориях субъектов Российской Федерации, за исключением г. Москвы, Московской области, г. Санкт-
10 О федеральной целевой программе «Свой дом»: Постановление Правительства РФ от 27 июня 1996 г. № 753. URL: https://base.garant.ru/2306342/ (дата обращения 11.04.2021).
11 Об Агентстве по ипотечному жилищному кредитованию: Постановление Правительства РФ от 26 августа 1996 г. № 1010. URL: http://www.consultant.ru/document/ cons_doc_LAW_99723/92d969e26a4326c5d02fa79b8f9cf499 4ee5633b/ (дата обращения 11.04.2021).
Петербурга и Ленинградской области; до 12 млн рублей (включительно) для жилых помещений, расположенных на территориях г. Москвы, Московской области, г. Санкт-Петербурга и Ленинградской области12.
Реализация программы «Льготная ипотека под 6,5% годовых» привела к снижению процентной ставки на первичном рынке жилья с
8.3 до 5,9% годовых, на вторичном — с 9,3 до 8% годовых13. В целом за 2020 год российским банковским сектором выдано 1,7 миллиона ипотечных кредитов на сумму свыше 4,3 трлн рублей. Таким образом, прирост объема выдачи ипотечных кредитов в год введения льготной ипотеки составил порядка 25%.
Основной пик выдачи ИЖК пришелся на последний квартал 2020 года. При этом если в 4 квартале 2010 года было выдано 612 тыс. ипотечных кредитов на общую сумму 151 млрд рублей (рис. 4), то за этот же период 2020 года количество выданных ИЖК возросло почти в
5.4 раза (1598 млрд руб.). Зафиксировано увеличение средней суммы ипотечного кредита почти в два раза: с 1207 руб. в 2010 г. до 2476 руб. в 2020 г. (в сопоставимых ценах на 12%). Срок выдачи ипотечных кредитов также вырос: с 16,3 года в 2010 г. до 18,4 года в 2020 г. Указанные тенденции наряду с уменьшением площади строящихся квартир свидетельствуют не в пользу повышения доступности жилья. Если средняя площадь двухкомнатной квартиры в начале 2000-х гг. составляла порядка 55 кв. м, то к концу исследуемого периода — примерно 50 кв. м. Застройщики при строительстве многоквартирного жилья переориентировались на более ликвидные варианты для продажи: студии, одно- и двухкомнатные квартиры меньшей площади.
12 Об утверждении Правил возмещения кредитным и иным организациям недополученных доходов по жилищным (ипотечным) кредитам (займам), выданным гражданам Российской Федерации в 2020 и 2021 годах: Постановление Правительства РФ от 23 апреля 2020 г. № 566 (с изменениями от 24 октября 2020 г. № 1732). URL: http://gov.garant.ru/SESSION/PILOT/main.htm (дата обращения 11.04.2021).
13 Российские банки: финансовые итоги 2020 года. URL: https://www.finversia.ru/publication/rossiiskie-banki-finansovye-itogi-2020-goda-90341 (дата обращения
15.04.2021).
Рис. 4. Динамика показателей ипотечного рынка в РФ
Тыс. шт. 250
200 -
150
100 ■
50
ем ем ем m m m
1Л ш ш ю щ ш
Количество выданных ИЖК, тыс. шт. Средневзвешенная процентная ставка по ИЖК, % Прирост средней суммы ИЖК, % Логарифмическая (Прирост средней суммы ИЖК, %)
%
20
15
10
5
0
■ -5 -10
-15
Источник: расчеты автора на основе данных ЦБ РФ (https://cbr.ru/statistics/pdko/Mortgage/ML/) и Единой информационной системы Минстроя РФ.
По оценкам экспертов14, в выигрыше оказались заемщики, оформившие ипотечный кредит в первые 3—4 месяца действия госпрограммы льготного кредитования, когда ценовые колебания на рынке жилья только начали движение вверх и еще не достигли пика. К концу 2020 года средняя цена за 1 кв. м на первичном и вторичном рынках жилья (рис. 5) составила 79003 и 66712 руб. соответственно, превысив цены начала 2000-х гг. в несколько раз. При пересчете в цены 2020 года видно, что цены на новостройки за двадцать лет возросли почти вдвое (в текущих ценах — 9 раз), на вторичное жилье — 1,6 раза (или 10 раз в текущей оценке) при росте потребительских цен на товары и услуги за этот же период примерно в 6 раз.
14 Ипотека в России. URL: https://ratings.ru/files/ research/banks/NCR_Mortage_Nov2020.pdf (дата обращения 14.04.2021).
Увеличение цен на жилье отмечено не только в России, но и в других странах. Однако если в ЕС прирост цен за 2010—2019 гг. составил порядка 19%, то в РФ на первичном рынке за этот период — 33%, на вторичном — 37%. По мнению экспертов15, основными факторами подорожания жилой недвижимости в России после 2018 года наряду с ростом себестоимости жилищного строительства является введение эскроу-счетов и налога на банковские вклады, что поспособствовало повышению инвестиционного спроса на недвижимость.
15 Эксперт: любое решение по льготной ипотеке обречено, доступным жилье для россиян станет только после «переворота» на рынке. URL: https://pulse.mail. ru/article/ekspert-lyuboe-reshenie-po-lgotnoj-ipoteke-obrecheno-dostupnym-zhile-dlya-rossiyan-stanet-tolko-posle-perevorota-na-rynke-2996310860094837967-547-8015430638327764/ (дата обращения 25.01.2021).
0
000001900002230001020048010202010200010002020202012302012348010148480200
Рис. 5. Динамика средних цен на первичном и вторичном рынках жилья в текущих и сопоставимых ценах, РФ
Руб. 140000
125
20000
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020
Индекс потребительских цен, %
Средние цены на первичном рынке жилья (текущие цены) Средние цены на вторичном рынке жилья (текущие цены) Средние цены на первичном рынке жилья (цены 2020 г.) Средние цены на вторичном рынке жилья (цены 2020 г.)
Источник: данные Росстата.
%
Результаты корреляционного анализа16 свидетельствуют, что одним из основных факторов, обусловивших скачок цен на первичном рынке жилья в 2020 году, стало снижение процента по ипотеке. Корреляция между средним уровнем ипотечной процентной ставки и величиной цен на новостройки составляет максимальную величину на уровне г = -0,90 (табл. 3). Наиболее высокое статистически значимое воздействие на изменение цены на жилую недвижимость оказали также среднедушевые денежные доходы (г = 0,82), курс доллара (г = 0,78), динамика ВВП (г = 0,83). До введения программы льготной ипотеки ключевыми факторами формирования цен на первичном рынке являлись объем ВВП, среднедушевые денежные доходы и стоимость строительства 1 кв. м жилья. Дополнительно получены данные, свидетельствующие о незначительном влиянии основных макро-
16 Для корреляционного анализа и построения факторной модели использованы данные по РФ с 2010 по 2020 гг. в поквартальной разбивке.
экономических факторов на цены на вторичном рынке жилья, что косвенно указывает на существенное воздействие психологической составляющей при установлении цены в данном сегменте рынка.
Наиболее сильно снижение ипотечной процентной ставки оказало влияние на рост цен в первичном сегменте жилищного рынка в 37 регионах РФ (табл. 4). При этом в Южном федеральном округе сильная корреляционная связь отмечена во всех субъектах, что, вероятно, объясняется хорошим уровнем доступности жилья (по сравнению с другими округами), значительным уровнем ввода жилых домов и высоким показателем миграционного прироста населения. В Центральном федеральном округе максимальный коэффициент корреляции зафиксирован в Тульской (-0,89), Брянской (-0,84) и Московской (-0,84) областях. Не оказало статистически значимого влияния введение льготной ипотеки на цены во Владимирской области (0,02), Республике Коми (0,15) и Тверской области (0,23). Средний уровень положительно-
Таблица 4. Распределение регионов РФ по силе корреляционной связи между процентными ставками по ИЖК и ценами на первичном рынке жилья
Таблица 3. Корреляционная матрица*
Y Х1 Х2 Х3 Х4 Х5 Хе Х7 Х8 Х9 Х10
Y 1
-0,90 1
х2 -0,51 0,72 1
Х3 0,44 0,66 0,60 1
Х4 -0,64 0,41 -0,17 -0,01 1
Х5 -0,64 0,39 0,03 0,21 0,46 1
Х6 0,82 -0,69 -0,06 -0,40 -0,76 -0,73 1
Х7 0,78 -0,60 -0,05 -0,34 -0,60 -0,91 0,93 1
Х8 0,83 -0,76 -0,17 -0,50 -0,66 -0,68 0,98 0,91 1
Х9 0,83 -0,70 -0,09 -0,36 -0,79 -0,73 0,98 0,91 0,95 1
Х10 -0,21 0,15 0,16 0,36 -0,18 0,61 -0,18 -0,45 -0,22 -0,13 1
* Построена на данных по РФ за 2010-2020 гг. Источник: расчеты автора.
Территория* 0,1-0,3 (слабая) 0,3-0,7 (средняя) 0,7-1,0 (сильная)
Центральный федеральный округ 2(+) 6(-) 10(-)
Северо-Западный федеральный округ 2(-), 1(+) 2(-) 4(-)
Южный федеральный округ - - 6(-)
Северо-Кавказский федеральный округ 1(-) 3(-), 2(+) 1(-)
Приволжский федеральный округ 3(-) 7(-) 4(-)
Уральский федеральный округ - 4(-) -
Сибирский федеральный округ - 4(-) 5(-)
Дальневосточный федеральный округ - 3(-) 7(-)
* Кроме Мурманской области, Республики Тыва, Республики Крым, г. Севастополя, Чукотского автономного округа, Ненецкого автономного округа, Ханты-Мансийского автономного округа - Югра и Ямало-Ненецкого автономного округа. Источник: расчеты автора по данным Росстата и ЦБ РФ.
го отклика ипотечной ставки на ценовые колебания отмечен в Республике Ингушетии и Кабардино-Балкарской Республике, где стоимость квадратного метра ниже среднероссийского уровня в 2—2,5 раза. По величине цены за 1 кв. м жилой недвижимости эти субъекты находятся внизу регионального российского рейтинга (76 и 82 место соответственно).
Определение характера спроса (инвестиционный, естественный, отложенный и т. п.) в каждом конкретном регионе требует дополнительного изучения не только статистической информации (часто не доступной), но и результатов социологических опросов. Однако на данном этапе развития ситуации на жилищном рынке абсолютно точно следует не допустить нового витка роста цен, в связи с чем необхо-
дим «умный» и стратегически выверенный подход. Как предполагает спикер Совета Федерации В.И. Матвиенко17, назрела необходимость внедрения «умной региональной ипотеки», нацеленной на учет социально-экономической ситуации в регионах, в т. ч. на рынке жилья. Продление льготной ипотеки не на всей территории РФ, а только в тех регионах, где не зафиксирован резкий скачок цен, анонсировала в своем выступлении Глава ЦБ РФ Э. Набиул-лина. Претендовать на продолжение программы льготного кредитования жилья после июля
17 Матвиенко: Условия ипотеки должны зависеть от ситуации в регионе // Российская газета. 12.04.2021. URL: rg.ru/2021/04/12/matvienko-usloviia-ipoteki-dolzhny-zaviset-ot-situacii-v-regione.html (дата обращения 23.04.2021).
2020 года могут 24 региона18. Как показал анализ, в перечень вошли субъекты, отличающиеся низким приростом цен на жилье при высоких показателях его ввода. Тем не менее, вызывает вопрос включение в список Волгоградской области, где наблюдается значительный рост цен на жилую недвижимость в 2020 году (21% по отношению к 2019 г.), в то время как Липецкая область, характеризующаяся высокими темпами жилищного строительства и низким уровнем ценовых колебаний (в пределах 6%) в период действия льготной ипотеки, не включена в него. По словам Председателя Центробанка, перечень регионов подлежит уточнению и дальнейшему обсуждению.
Согласно характеристике методического подхода, изложенного в предыдущем разделе нашего исследования, представим результаты
прогнозирования цен на рынке первичного жилья РФ на основе искусственных нейронных сетей (рис. 6).
Прогноз позволяет сделать вывод о сохранении высоких цен на первичном рынке жилья в среднесрочной перспективе (при отсутствии дополнительных решений органов государственной власти и управления), что во многом объясняется неутешительным трендом ретроспективных и прогнозных значений основных макроэкономических показателей (рис. 7).
Согласно данным Росстата, с 2000 года среднедушевые денежные доходы населения в текущих ценах ежегодно повышаются. Однако уровень реальных располагаемых доходов населения, начав снижаться с 2013 года, к концу 2020 года сократился примерно на 10% в рублевом эквиваленте и на 61% — в долларовом.
Рис. 6. Результаты прогнозирования цен на первичное жилье с использованием нейросетей
Руб.
90000 -
80000 --
70000 --
60000 - -
50000 ---
40000 -
30000 -
20000 -
10000 -
о -
ооооооооооооооооооооооооо
N(\fN(\(N(NNfN(N(\fNNfNfNrMfNfNrMfNfMrMfMfMrMfM CQCQCQCQCQCQCQCQCQCQCQCQCQCQCQCQCQCQCQCQCQCQCQCQCQ
факт
прогноз
Источник: расчеты автора.
18 В перечень регионов-кандидатов на продление ипотеки вошли Башкортостан, Удмуртия, Мордовия, Алтай, Дагестан, Чечня, Ингушетия, Ставропольский край, Новосибирская, Ростовская, Челябинская, Ярославская, Саратовская, Волгоградская, Тверская, Ульяновская, Кировская, Ивановская, Оренбургская, Омская, Псковская, Астраханская, Томская, Курганская области.
Источник: Строй, кто идет: глава ЦБ назвала регионы с перспективой продления льготной ипотеки // Известия. 2021. 11 марта. URL: https://iz.ru/1135265/anna-kaledina/stroi-kto-idet-glava-tcb-nazvala-regiony-s-perspektivoi-prodleniia-lgotnoi-ipoteki? utm_source=yxnews&utm_medium=desktop (дата обращения 23.04.2021).
Рис. 7. Прогнозные тренды макроэкономических показателей в РФ
Средняя фактическая стоимость строительства 1 кв м общей площади жилых помещений, руб.
45000
35000
25000
у = 1205 К2 =
,7х - 2Е+06 0,9489
2010 2012 2014 2016 2018 2020 2022
Реальные располагаемые денежные доходы, % к предыдущему периоду
106
101
96
91
К
у = -0,6691х + 1448,4
= 0,3692
2010 2012 2014 2016 2018 2020 2022
Курс доллара США к рублю за период, руб.
Динамика ВВП, % к предыдущему периоду
86х -959' 0,8467
9,4
106 104 102 100 98 96
у = 0, )493х2 - 99,15х + 201213
К2 = 0,4269
2010 2012 2014 2016 2018 2020 2022
2010 2012 2014 2016 2018 2020 2022
Динамика ввода в действие жилых домов, % к предыдущему периоду
120 Л у = -0,1345х2 + 541,37х -544846
Цена нефти марки Urals, долл. за баррель
110
100
90
К2 = 0,0753
120
70
20
у = -0, 0909x2 + 360,48х - 357133
К2 = 0,5206
2010 2012 2014 2016 2018 2020 2022
2010 2012 2014 2016 2018 2020 2022
Источник: расчеты автора на основе данных Росстата.
За последние несколько лет число рабочих мест уменьшилось на 0,5 млн ед. Указанные тенденции не способствуют расширению доступности жилья. Удорожание строительных работ, необходимость открытия эскроу-счетов застройщиками также выступают не в пользу снижения цен и являются факторами «невозврата» к ценам прошлых сезонов. Более того, отсутствие динамики роста ВВП на фоне постепенного снижения спроса на нефть в мире (согласно прогнозам Всемирного банка) формирует дополнительный негативный момент в развитии ситуации в стране в средне- и долгосрочной
перспективе. Иными словами, на данный момент логические предпосылки для значительного снижения цен на рынке жилья отсутствуют. Приходится констатировать, что на рынке жилья «пузырь» не сформирован, вероятность его сдутия минимальна, т. к. цены в ближайшей перспективе не подлежат значительному уменьшению.
Полученные результаты не противоречат мнению ряда экспертов рынка недвижимости, которые выражают мнение о появлении признаков стагнации на рынке жилья в 2021 году. Почти половина опрошенных риелторов (45%)
предположили, что спрос на недвижимость после 2020 года сократится в связи с ростом цен. Порядка 15% специалистов рынка недвижимости прогнозируют снижение цен и дальнейшую рецессию на рынке. Продление льготной ипотеки с учетом наличия отложенного спроса и снижения объемов предложения на рынке, по мнению трети опрошенных, приведет к росту цен на жилье от 4—5 до 20%.
Заключение
Полученные результаты подтвердили гипотезы о том, что ценовой скачок на рынке новостроек является следствием «двойного бума» по причине сокращения процентной ставки на ИЖК и повышения спроса на недвижимость. Рост масштаба рынка спроса имеет свой предел, особенно в условиях возросших цен на жилье. В связи с этим вероятность сдутия «пузыря» на рынке жилой недвижимости незначительна. Более того, в среднесрочной перспективе ожидается стагнация ценовых колебаний, подтвержденная результатами прогнозирования с использованием искусственных нейронных сетей.
Из-за отсутствия перспектив роста доходной части бюджета у российского населения при высоких ценах на жилье граждане откладывают покупку жилья на неопределенное время. Как показали результаты расчетов, рост цен привел к снижению доступности жилья по классическому варианту на полгода, по модифицированному — почти на год. Учитывая, что три года по методике доступности жилья — это почти 10 лет ипотеки [3, с. 321], нетрудно определить, какой дополнительный период недоступности жилья ожидает российских граждан. Более того, в условиях, когда период кредитования растягивается, а величина первоначального взноса растет, следует говорить не о повышении доступности жилья через снижение ставки, а о повышении степени закредитованности населения и появлении «ипотечного крючка» для россиян. Является ли сокращение ставки по ИЖК запланированным шагом денежно-кредитной политики в целях поддержки российского банковского сектора или, как сказал бывший премьер-министр РФ В.С. Черномырдин:
«Хотели как лучше, а получилось, как всегда», — покажет время. Но уже сейчас с уверенностью можно сказать, что «ипотечный крючок» и введение эскроу-счетов в большей степени на руку банкирам и лишь отчасти простым гражданам, нуждающимся в жилье.
В настоящее время решение задачи повышения доступности жилья видится в совершенствовании социально-экономической политики в стране в части эффективного использования природной ренты, о чем неоднократно заявлял еще в конце 1990-х гг. академик Д.С. Львов. Ученый настаивал на невозможности ее сосредоточения в руках определенной группы людей. По его мнению [33, с. 31], природная рента должна работать на благо всего населения страны. Это позволит основную часть полученных доходов направлять на инвестиции и развитие экономики. Указанные действия, наряду с упрощением законодательства и налогообложения малого предпринимательства как источника новых рабочих мест, позволят активизировать деятельность в части повышения доходов населения. Решить задачу доступности жилья только с помощью отдельных макроэкономических факторов невозможно, поэтому в целях расширения доступности и обеспеченности жильем российских граждан следует проводить целенаправленную политику в части роста доходов и заработной платы.
Результаты проведенного исследования могут быть востребованы федеральными и региональными органами управления при разработке программ развития жилищной сферы территорий, а также мероприятий в рамках социальной политики, направленных на повышение доступности жилья. Используемый методический инструментарий может применяться государственными органами власти и частными финансовыми компаниями при проведении ими собственных исследований рынка жилой недвижимости. В перспективе возможно исследование доступности жилья для различных доходных страт населения, в т. ч. с использованием результатов социологических опросов.
Литература
1. Мареева С.В. Немонетарные неравенства и их воздействие на экономическое положение населения // Российское общество и вызовы времени. Книга третья / М.К. Горшков [и др.]; под ред. М.К. Горшкова, Н.Е. Тихоновой. М.: Весь Мир, 2016. C. 247-265.
2. Басова Е.А. Теоретико-методологические основы исследования категории «немонетарное неравенство» // Актуальные проблемы экономики и права. 2020. Т. 14. № 3. С. 415-427. DOI: http://dx.doi. org/10.21202/1993-047X.14.2020.3.415-427
3. Аганбегян А.Г. О приоритетах социальной политики. М: Дело, 2020. 512 с.
4. Классика экономической мысли: сочинения / В. Петти, А. Смит, Д. Рикардо, Дж. Кейнс, М. Фридмен. М.: ЭКСМО-Пресс, 2000. 896 с.
5. Рикардо Д. Начала политической экономии и налогового обложения: избранное / [пер. с англ.; предисл. П.Н. Клюкина]. М.: Эксмо, 2007. 960 с.
6. Маршалл А. Принципы экономической науки. М.: Прогресс, 1993. Т. 1. 415 с.
7. Lin Y Application of nonparametric regression in house price forecast. Advances in Social Sciences January, 2020, vol. 09 (08), pp. 1123-1131. DOI: 10.12677/ASS.2020.98156
8. Gao P., Zhang R., Yang X. The application of stock index price prediction with neural network. Mathematical and Computational Applications, 2020, vol. 25 (3), pp. 53-69. DOI: 10.3390/mca25030053
9. Ясницкий Л.Н., Ясницкий В.Л. Разработка и применение комплексных нейросетевых моделей массовой оценки и прогнозирования стоимости жилых объектов на примере рынков недвижимости Екатеринбурга и Перми // Имущественные отношения в РФ. 2017. № 3. С. 68-84.
10. Yilmaz B., Kestel S. A stochastic approach to model housing markets: The US housing market case. Numerical Algebra, 2018, vol. 8 (4), pp. 481-492. DOI: 10.3934/naco.2018030
11. Нетунаев Е.Б. Эффективность денежно-кредитной политики как инструмента противодействия финансовым пузырям // Вестник Института экономики РАН. 2018. № 3. С. 134-150.
12. Glaeser E., Gottlieb J.D., Tobio K. Housing booms and city centers. American Economic Review, 2012, vol. 102 (3), pp. 127-133. DOI: 10.1257/aer.102.3.127
13. Aoki K., Proudman J., Gertjan V. House prices, consumption, and monetary policy: A financial accelerator approach. Journal of Financial Intermediation, 2004, vol. 13, pp. 414-435.
14. Glaeser E.L., Gyourko J., Saiz A. Housing supply and housing bubbles. Journal of Urban Economics, 2008, vol. 64, pp. 198-217.
15. Caraiani P., Luiky M.-A., Wesselbaumz D. Credit policy and asset price bubbles. Journal of Macroeconomics, 2020, vol. 65, pp. 103-229. DOI: 10.1016/j.jmacro.2020.103229
16. Dokko J., Doyle B.M., Kiley M.T., Kim J. Monetary policy and the global housing bubble. Economic Policy, 2011, vol. 26 (66), pp. 237-287. DOI: 10.1111/j.1468-0327.2011.00262.x
17. Curry B., Morgan Р.Н., Silver M. Neural networks and non-linear statistical methods: An application to the modelling of price-quality relationships. Computers and Operations Research, 2002, vol. 29 (8), pp. 951-969. DOI: 10.1016/S0305-0548(00)00096-4
18. Clapp J. M., Giaccotto C. Evaluating house price forecasts. Journal of Real Estate Research, 2002, vol. 24 (1), pp. 1-26.
19. Dua P., Miller S., Smyth D. Using leading indicators to forecast U.S. home sales in a Bayesian vector autoregressive framework. Journal of Real Estate Finance and Economics, 1999, no. 18 (2), pp. 191-205.
20. Maqsood Z., Akhtar R., Latif H. Housing price forecastability by using factor analysis. Pyrex Journal of Business and Finance Management Research, 2019, vol. 5 (3), pp. 25-31.
21. Chen H., Wang S., Li Z., Xia J., Wei J. The housing price forecasting model based on improved GM model. Computer Science and Application, 2018, vol. 08 (12), pp.1804-1812. DOI: 10.12677/CSA.2018.812200
22. Дайитбегов Д.М. Компьютерные технологии анализа данных в эконометрике: монография. М.: Вузовский учебник: ИНФРА-М, 2018. 587 с.
23. Mariel P., Hoyos D., Meyerhoff J. Econometric Modelling: Basics. In: Environmental Valuation with Discrete Choice Experiments, Guidance on Design, Implementation and Data Analysis. 2020. Pp. 61-81. DOI: 10.1007/9783-030-62669-3 5
24. Балацкий Е.В., Юревич М.А. Использование нейронных сетей для прогнозирования инфляции: новые возможности // Вестник УРФУ. Серия: Экономика и управление. 2018. № 5. С. 823—838.
25. Кетова К.В., Вавилова Д.Д. Оценка тенденций изменения человеческого капитала социально-экономической системы на основе применения алгоритма нейросетевого прогнозирования // Экономические и социальные перемены: факты, тенденции, прогноз. 2020. Т. 13. № 6. С. 117—133. DOI: 10.15838/esc.2020.6.72.7
26. Serrano W. The Random Neural Network in Price Predictions. In: Artificial Intelligence Applications and Innovations. 2020. Pp. 303-314. DOI:10.1007/978-3-030-49161-1_26
27. Linh M. The hedonic pricing model applied to the housing market. International Journal of Economics and Business Administration, 2020, VIII (Special Issue 1), pp. 416-428. DOI: 10.35808/ijeba/526
28. Gupta N., Nigam S. Crude oil price prediction using Artificial Neural Network. Procedia Computer Science, 2020, vol. 170, pp. 642-647. DOI: 10.1016/j.procs.2020.03.136
29. Khalafallah A. Neural Network Based Model for predicting housing market performance. Tsinghua Science & Technology, 2008, no. 13, pp. 325-328. DOI: 10.1016/S1007-0214(08)70169-X
30. Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.
31. Кубишин Е.С., Седлов А.П., Соболева И.В. Бедность в России: методология измерения и международные сравнения // Вестник Института экономики РАН. 2021. № 1. С. 56-70. DOI: 10.24412/20736487-2021-1-56-70
32. Варламова Т.П. Система ипотечного жилищного кредитования в России: формирование и перспективы развития // Вестник СГСЭУ. 2018. № 5 (74). С. 136-139.
33. Львов Д.С. Россия: рамки реальности и контуры будущего // Экономические и социальные перемены в регионе: факты, тенденции, прогноз. 2007. № 37. C. 27-33.
Сведения об авторе
Елена Александровна Басова - кандидат экономических наук, старший научный сотрудник, Вологодский научный центр Российской академии наук (160014, Российская Федерация, г. Вологда, ул. Горького, д. 56а; e-mail: [email protected])
Basova E.A.
Mortgage Availability vs. Availability of Housing. We Wanted the Best, but It Turned Out...?
Abstract. The Russian government's decision to lower mortgage rates in the spring of2020 was announced as a measure to support the population during the spread of coronavirus infection. However, is this decision optimal and strategically correct in terms of improving the availability of housing for Russian citizens in the future? In the context of rising real estate prices, this issue in domestic economic research is insufficiently addressed. The relevance of the research is additionally conditioned by the evaluation necessity of the "bubble" formation probability on the primary housing market due to the "double boom". In this paper, we present the study results of availability of housing dynamics for the period from 2000 to 2020. We identified the regions with the lowest and the highest availability of housing. We have studied the current state of the mortgage lending market in Russia and constructed a multiple regression factor model for residential real estate prices on the new housing market. The scientific novelty of the presented research consists in the determination of the reasons of the rash growth of real estate prices in the spring of 2020 on the Russian housing market and their forecast for the medium term period. It is recognized that in modern conditions the key factor contributing to the increase in primary housing prices is the reduction in mortgage interest rates on loans. The decision to sharply reduce the interest rate has caused an increased demand for housing and the subsequent excessive growth of prices, which ultimately did not contribute to the availability of housing. We substantiate the absence of a "bubble" and the reasons for lower prices
on the Russian residential real estate market in the short term. We have implemented the forecasting of primary housing prices through a combination of traditional economic tools and neural networks. The persistence of significant price levels on the Russian market of new buildings in the medium term can be explained by the negative trends in the development of key influencing factors and other macroeconomic indicators characterizing the socio-economic development of the country. We have proposed managerial measures aimed at expanding the availability of housing for Russian citizens.
Key words: availability of housing, preferential mortgage lending, primary housing market, real estate price growth factors, neural network modeling.
Information about the Author
Elena A. Basova - Candidate of Sciences (Economics), Senior Researcher, Vologda Research Center of the Russian Academy of Sciences (56A, Gorky Street, Vologda, 160014, Russian Federation; e-mail: [email protected])
Статья поступила 11.05.2021.
