CC BY
6DOI: 10.24412/2071-3762-2021-9295-18-24
ЛОКАЛЬНЫЕ РЫНКИ НЕДВИЖИМОСТИ: ТРАНСФОРМАЦИЯ СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ ПОД ВОЗДЕЙСТВИЕМ ГЛОБАЛЬНЫХ ВЫЗОВОВ
Тиндова Мария Геннадьевна,
к.э.н., искусствовед, доцент кафедры прикладной математики и системного анализа Саратовский государственный технический университет имени Гагарина Ю.А., 410003, г. Саратов, ул. Радищева, 89 tindova75@gmail.ru
Кублин Игорь Михайлович,
д.э.н., профессор кафедры «Экономика и маркетинг». Социально-экономический институт. Саратовский государственный технический университет имени Гагарина Ю.А., 410003, г. Саратов, ул. Радищева, 89 ikublin@mail.ru
Демьянченко Наталья Васильевна,
д.э.н., доцент, заведующая кафедрой менеджмента и торгового дела, Краснодарский кооперативный
институт, 350015, г. Краснодар, ул. Митрофана Седина, 168/1
demjanchenko@mail.ru
Штезель Анна Юрьевна,
к.э.н., доцент кафедры торговли и общественного питания, РЭУ им. Г.В. Плеханова; 350916 г. Краснодар,
ул. Северная, 360
winterfang@mail.ru
В статье показана трансформация систем принятия решений в различных секторах российской экономики под воздействием глобальных вызовов, выразившихся в экономических санкциях как факторе протекционизма, изменении климата в виде участившихся природных и техногенных катастроф, пандемии COVID-l9. Показано изменение системы принятия решений в области оценки недвижимости под воздействием экономических санкций в виде введения новой переменной в модели оценки стоимости жилой, коммерческой и торговой недвижимости, проанализирована трансформация системы агрострахования под воздействием природных катастроф, таких как природные пожары, засухи, наводнения. Подвергнуто анализу изменение систем ценообразования на рынке оценки земельных участков под воздействием мер борьбы с пандемией COVID-19.
Ключевые слова: системы принятия решений; глобальные вызовы; экономические санкции; изменение климата; агрострахование; оценка недвижимости.
В последние годы отмечается высокий интерес к проблемам формирования и функционирования различных локальных рынков, перспективам их развития и регулирования. Эффективное функционирование различных локальных рынков рассматривается как одно из необходимых условий устойчивого регионального развития.
Развитие сферы недвижимости зачастую выступает в качестве им-
пульса для процветания смежных отраслей. Например, реализация инвестиционных проектов на рынке недвижимости приводит к повышению спроса на продукцию таких «комплементарных» отраслей, как строительство, торговля строительными материалами, а также создает дополнительные рабочие места, что сказывается на конъюнктуре локального рынка труда.
То,что сбалансированное функционирование рынка недвижимости является необходимым условием для развития иных видов экономической деятельности, объясняется тем, что недвижимость имеет комплексный мульти-аспектный характер. Она представляется тем редким экономическим благом, которое может быть использовано для удовлетворения как личных (прежде всего,
жилая недвижимость), так и производственных (земельные участки, а также недвижимость производственного, складского, торгового и схожего назначения) потребностей. Таким образом, наличие и доступность объектов недвижимости различного функционального назначения является необходимым условием для реализации воспроизводственного процесса в пространстве локальных рынков, в том числе воспроизводства населения и трудовых ресурсов на данных территориях [1].
В качестве объекта исследования выбраны системы принятия решений в области оценки земельных участков и недвижимости на локальных рынках, а также решения в сфере агрострахования. Современный мир подвержен активным изменениям, одни из которых могут начинаться как случайные явления, но принимать относительно постоянный характер (например, экономические санкции). Другие, в силу своего разнообразия и увеличивающейся частоты проявления, перестают носить случайный характер и становятся значимым фактором нашей жизни (например, природные и техногенные катастрофы). Все это приводит к необходимости трансформации большинства систем принятия решений за счет учета в них новых переменных.
Предметом исследования является изучение трансформации данных систем под воздействием таких глобальных вызовов, как экономические санкции, изменение климата и, как следствие, увеличе-
ние частоты появления различных природных катастроф, и глобальная пандемия COVID-19.
Рассмотрим экономические санкции как ценообразующий фактор на локальных рынках недвижимости.
В современном мире ускоренного потребления главной ценностью являются различные сегменты рынка сбыта. Поэтому многие экономические вопросы сегодня решаются под воздействием политических инструментов. Одним из таких способов давления с целью продвижения товара на глобальном рынке являются экономические санкции, которые вводятся крупными странами, такими как США, Китай или объединениями, например, ЕС или страны ОПЕК, к странам с менее развитой экономикой [2].
Одной из таких стран, которая с 2014 года находится под всё увеличивающимся числом экономических санкций, является Россия. Данные ограничения выражаются в ограничениях в банковской сфере, в ограничениях на поставки некоторых продуктов, в сокращении сотрудничества в сфере ВПК и др.
Как показывают исследования, любое санкционное воздействие, даже если это просто сообщение в иностранных СМИ о возможности такого воздействия, выражается в падении стоимости национальной валюты. В частности, в работе Nosov V.V., TindovaM.G., Ramazanov I.A., Poletaeva L.P, Avdotjin V.P. «Assessing Natural Resources Usind Knowledge-
Based Information Processing Tools [3] на основе фрактального и коинтеграционного анализа было показано, что любые сообщения об экономическом,полити-ческом, социальном или военном воздействии на РФ приводят к падению курса рубля. Данный факт позволил авторам прийти к выводу о спекулятивной составляющей при формировании стоимости на валютном рынке и усилении этой доли при сокращении горизонта планирования.
Поэтому одним из ценообразу-ющих факторов в любом секторе российской экономики является стоимость доллара. В качестве примера рассмотрим модель оценки стоимости недвижимости в Саратове. Для целей исследования составим базу исходной информации о стоимости жилой, коммерческой и торговой недвижимости на основе объявлений о продаже объектов в сети Интернет за период с декабря 2012 по июль 2021 года. Кроме того, в статье рассматривается социальная недвижимость, к которой отнесены такие объекты как кинотеатры, больницы, школы и детские сады; их стоимость определялась расходами на строительство.
Корреляционный анализ рынка показал, что в 2013 году связь между стоимостью доллара и 1 кв.м. жилья в Саратове в среднем составляла около 19%, начиная с 2014 года,влияние данного фактора стало увеличиваться. Те же тенденции можно увидеть и в других секторах ранка недвижимости Саратова (табл. 1)
Таблица 1
Корреляционная матрица влияния стоимости доллара на разные типы недвижимости в Саратове
Тип недвижимости Год
2013 2014 2015 2016 2017 2018 2019 2020 2021
Жилье 0,193 0,198 0,283 0,325 0,334 0,319 0,452 0,534 0,647
Коммерческая недвижимость 0,342 0,458 0,462 0,578 0,624 0,691 0,632 0,601 0,673
Торговая недвижимость 0,331 0,457 0,493 0,499 0,579 0,601 0,659 0,678 0,612
Социальная сфера 0,112 0,118 0,157 0,231 0,341 0,352 0,401 0,432 0,453
Данный факт говорит о необходимости включения новой переменной, а именно переменной «курс доллара» в модели определения стоимости недвижимости.
Так, например, модель оценки стоимости торговых помещений
в 2013 году имела вид: у= 5,25 + 53,35-х, + 38,5х2 + + 4,42х3 + 1,75х4+е,
где
у — цена (тыс.руб./кв.м);
х1 — местоположение (1 — центр,
0 — иначе); х2 — состояние (1 - хорошее, 0 -
требует ремонта); х3 — парковка (1 - есть, 0 - нет); хА — курс доллара.
Значимыми переменными по критерию Стьюдента в данной модели являются только х^ и х2. Коэффициент детерминации составляет /?= 0,821, и он значим по критерию Фишера (Г= ^^A>fr =2,48).
Но уже в модели для оценки стоимости торговых помещений за 2015 год переменная х4 становится значимой, и сила ее влияния увеличивается:
¿/=7,16 + 32,6х1 + 11,3х2 + + 4,42х3 + 4,87х4+ £ (Я=0,856). Все результаты регрессионного анализа за исследуемый промежуток времени представлены в таблице 2.
Таблица 2
Регрессионные модели оценки стоимости различных типов недвижимости в Саратове
Жилье
Год Регрессия Р2 Значимые параметры
2013 у = 0,64 + 0,23 • + 0,32 • х2 + 0,4 ■ х3 0,542 Ь0, Ъ2
2014 у = 0,96 + 0,15 • ха + 0,05 • х2 + 0,82 • х3 0,589 Ь0, Ъ1г Ь2
2015 у = 1,1 + 0,13 • X! + 0,27 х2 + 1,01 -х3 0,632 Ъ2, Ъ3
2016 у = 1,05 + 0,05 • хг + 0,36 • х2 + 1,36 • х3 0,675 ъ2,ъ3
2017 у = 1,45 + 0,18 • хх + 0,25 • х2 + 1,87 • х3 0,671 Ь0, ь±, Ъ2,Ь3
2018 у = 1,68 + 0,18 • хх + 0,4 ■ х2 + 1,35 • х3 0,602 ьг, ъ3
2019 у = 1,75 + 0,15 • X! + 0,56 • х2 + 0,93 • х3 0,681 К ьз
2020 у = 1,94 + 0,14 • хх + 0,13 • х2 + 2,81 • х3 0,684 ъг, Ъ3
2021 у = 3,41 + 0,12 • X! + 0,16 • х2 + 3,12 • х3 0,684 ь0, ъг, ъ3
Коммерческая недвижимость
Год Регрессия Н2 Значимые параметры
2013 у = 27,14 + 9,46 • хх + 0,07 • х2 + 1,1 • х3 0,512 ь0, ьг
2014 у = 27,92 + 8,16 • хх + 0,03 х2 +0,91 х3 0,512 ь0, ь±, ъ2
2015 у = 32,21 + 8,16 ■ X! + 0,01 ■ х2 + 2,12 • х3 0,515 К ьз
2016 у = 41,47 + 11,46 X! - 1,27 х2 + 4,3 х3 0,516 ьг, Ъ3
2017 у = 41,63 + 9,12 • - 1,07 • х2 + 3,23 • х3 0,523 Ь0, Ь2, ъ3
2018 у = 39,42 + 10,17 • хг - 1,34 • х2 + 3,74 • х3 0,515
2019 у = 43,29 + 1,23 • хх - 2,41 ■ х2 + 4,57 • х3 0,515 ьг, ъ2, ъ3
2020 у = 43,35 + 1,23 • хг - 0,73 • х2 + 5,57 • х3 0,527 Ъ-1, ъ2, ь3
2021 у = 43,96 + 4,57 • хх - 0,98 • х2 + 6,73 • х3 0,527 ь0, Ъ1,Ъ2,Ь3
Торговая недвижимость
Год Регрессия Н2 Значимые параметры
2013 у = 5,25 + 53,35 • X! + 38,5 • х2 + 4,42 • х3 + 1,75 • х4 0,821 ь0, ьг, ъ2
2014 у = 5,93 + 41,27 • хх + 29,91 • х2 + 3,92 • х3 + 2,55 • х4 0,826 ъ0, ъх
2015 у = 7,16 + 32,6 • хх + 11,3 • х2 + 4,42 • х3 + 4,87 • х4 0,856 Ъ0, Ъг, Ъ2, Ъ4
2016 у = 7,35 + 32,6 • X! + 12,8 • х2 + 3,12 • х3 + 4,5 • х4 0,861 ь0, Ъ1,Ъ2,Ъ4
2017 у = 8,93 + 34,8 • ха + 12,67 • х2 + 3,15 • х3 + 4,89 • х4 0,855 ь0, ъг, ъ4
2018 у = 11,58 + 37,85 • хх + 12,57 • х2 + 2,68 • х3 + 5,52 • х4 0,834 К Ь4
2019 у = 12,37 + 37,6 • X! + 11,59 х2 + 1,27 • х3 + 9,52 • х4 0,872 ь0, ъг, ь4
2020 у = 15,24 + 34,48 • х± + 9,93 • х2 + ОД6 • х3 + 9,37 • х4 0,864 Ьг, Ь2, ь4
2021 у = 15,24 + 34,48 • хх + 9,56 • х2 + ОД2 • х3 + 9,52 • х4 0,864 Ьг, Ь2, ъ4
М. Тиндова, И. Кублин и др. Локальные рынки недвижимости: трансформация систем принятия решений под ...
Здесь для жилой недвижимости переменными являются: х1 — площадь кухни, х2 — состояние (1 — хорошее, 0 — требует ремонта); х3 — курс доллара. Для коммерческих помещений: х1 — местоположение (1 — центр, 0 — иначе); х2 — назначение (1 — офисы, 2 — склады, 3 — свободного назначения); х3 — курс доллара.
В целом модели, представленные в таблице 2, говорят о том, что в сегменте коммерческой недвижимости за исследуемый промежуток времени поменялась направленность спроса: если в 2013 году интерес представляли офисные помещения, то уже с 2016 года произошел рост цены на помещения свободного назначения. В сегменте жилой недвижимости наблюдается устойчивое снижение роли площади кухни в общей стоимости квартир. Данный факт можно объяснить вводом за последние 9 лет достаточного количества нового жилья с большим размером кухни.
Таким образом, проведенный анализ показал трансформацию систем принятия решений в сфере оценки недвижимости под влиянием экономических санкций, выражающихся в конечном итоге в повышении курса доллара, следствием чего является необходимость включения новой переменной «курс доллара» в модель оценки стоимости недвижимости, что было показано на примере трансформации оценочных моделей жилой, коммерческой и торговой недвижимости.
Еще одним глобальным вызовом современной жизни, влияющим на многие ее стороны, является изменение климата, которое проявляется в возросшем количестве природных и техногенных катастроф: природные пожары,
наводнения, засухи и пр. Главным объектом, несущим колоссальные убытки, при этом является сельское хозяйство, а именно земледелие. С целью эффективного решения проблем агрострахования целесообразно сформировать действительные стимулы по защите собственников от форс-мажорных обстоятельств. Подобные стимулирующие выгоды могут формироваться за счет углубления конкурентных отношений и усиления финансовых стимулов, а также снижения неэффективных затрат при хозяйственной деятельности. Расширение подходов в агростраховании быстро провести невозможно в силу отсутствия полного информационного обеспечения и неготовности участников страхового рынка. Следует отметить, что пандемия коронавиру-са СОУЮ-19 сказалась на многих сферах жизни населения и производственной деятельности хозяйствующих субъектов. В этой связи государство должно участвовать в системе агрострахова-ния и принимать активные меры по поддержанию производителей сельхозпродукции. Негативный эффект от пандемии и карантинных мер будет ощущаться длительное время. К тому же принимаемые меры со стороны государства должны предусматриваться на средне- или долгосрочный временной период. По нашему мнению, участие государства в субсидировании агрострахования позволит создать конкурентную среду и даст возможность усилить нацеленность страховых структур на решение проблем в сельскохозяйственном бизнесе.
Новейшим вызовом всем установившимся правилам жизни стала глобальная пандемия СОУЮ-19, борьба с которой изменила мно-
гие привычные стороны жизни людей, повлияла на многие политические и экономические процессы.
Одним из таких экономически процессов влияние антиковидных мер, который особенно заметен, является процесс ценообразования на российском рынке недвижимости, в частности, на рынке земельных участков.
Поэтому целью статьи является изучение влияния различных анти-ковидных мер на формирование стоимости земельных участков в различных регионах европейской части РФ.
В качестве объекта исследования рассмотрим стоимость земельных участков на рынке Крыма, Краснодарского края, Ленинградской области (Приморский район), Калининградской области (приморские районы) и Саратовской области как представителя Поволжья (рис.)
Для целей исследования составим на основе представленных в сети Интернет объявлений о продаже земельных участков (дачных участков), базу исходной информации, учитывающей среднюю стоимость похожих участков за период с октября 2018 по сентябрь 2021 года [5].
Предварительный анализ, основанный на тесте Фостера-Стюар-та, показал наличие основного тренда во всех исследуемых рядах (^ = й-0/с0 = 8-0/2,509 = = 3,185 > = 2,0423, где ^ находится из таблицы Стью-дента при а = 5% и п = 35.
Для выбора формы модели, описывающей динамику изменения, было отдано предпочтение линейной, квадратичной и показательной формам регрессии. Сравнительный анализ коэффициентов детерминации и показателей
-крым ^а^нрасн.краи ш ленинг.о&л ^^калин.обл
Рис. 1. Динамика изменения стоимости земельных участков
аппроксимации позволил выбрать квадратичную функцию, оптимальным образом описывающую тренды исследуемых временных рядов.
Исследуя показатели динамики рядов изменения стоимости земельных участков, в частности, темп прироста, был отмечен общий рост стоимости во всех регионах за выбранный промежуток времени. Для Крыма средний темп прироста составил 2,9%, причем наибольшие показатели роста соответствовали районам, примыкающим к Крымскому мосту (в частности, такими районами стали Феодосия, Коктебель), для Краснодарского края — 2,3%, для Ленинградской области — 1,7%, для Калининградской области — 1,5%, для Саратовской области — 0,4%.
Основной задачей нашего исследования является изучение влияния антиковидных мер на ры-рынок земельных участков. В качестве таких факторов влияния рассмотрим две переменные, задаваемые фиктивным образом:
если вводились ограничительные меры
0,иначе
{1, если вводился запрет назарубежные турпоездки 0,иначе
Следует отметить, что переменная 2 строилась на основе
ковид г
антиковидных мер, вводимых в Москве [6], т.к. анализ информации, представляемой Росреес-тром изучаемых регионов, показал, что основная доля сделок купли-продажи земельных (дачных) участков в исследуемый промежуток времени, а именно 83%, приходится на сделки, в которых покупателями являются представители Москвы и Московской области.
Кроме того, проводимые ранее исследования, например, в работе М.Г. Тиндовой «Методы оценки запасов природных ресурсов», показало наличие сезонности в компонентном составе временных рядов, описывающих изменение стоимости земельных (дачных) участков. Данный показатель приводил к ценовому росту земельных участков весной и снижению стоимости в зимние месяцы.
Поэтому в качестве еще одного параметра была рассмотрена фиктивная переменная
= {^ £
', для зимних месяцев иначе
Для проверки гипотезы Н0 о влиянии выбранных фиктивных переменных построим квадратичные регрессионные модели. Значимость параметров при переменных по критерию Стьюдента будет говорить о принятии соответствующей гипотезы Н0.
Результаты регрессионного анализа, представленные в таблице 3, показывают, что во всех рассмотренных регионах влияние переменных 2 и 2 имело
г ковид туризм
место: гипотезы Н0 принимаются в каждом случае в силу значимости параметров Ь2 и Ь3 в соответствующих уравнениях регрессии.
Гипотеза Н0 о влиянии переменной 2 принялась только для
сезон г "
Ленинградской и Калининградской областей.
Средняя ошибка аппроксимации полученных моделей составляет 4,5%.
сезон
М. Тиндова, И. Кублин и др. Локальные рынки недвижимости: трансформация систем принятия решений под ...
Корреляционный анализ, результаты которого представлены в таблице 4, показал рост стоимости земельных участков в исследуемых регионах в периоды действия карантинных и ограничительных мер в Москве. Исключением является Крым и Саратовская область, как представитель Поволжья. Другими словами, в такие периоды интерес потребителей был сосредоточен в местах с низким туристическим потоком в обычное, безковидное время, а именно Приморский район Ленинградской области, прибрежные территории Калининградской области, немного меньше Краснодарский край.
Таким образом, интерес покупателей сосредоточивался на земельных участках вблизи морского побережья (с мягким зимним климатом) и уходил из российской
провинции с ее холодными зимами (в частности, Саратовской области).
Те же тенденции можно увидеть при вводе запрета на зарубежные туристические поездки. Изменяется только сила влияния, которая возрастает в Калининградской области и Краснодарском крае и снижается в Ленинградской области. Также корреляционный анализ показал снижение влияния сезонности на стоимость недвижимости. Более того, в исследуемый промежуток времени наблюдался рост стоимости недвижимости в Калининградской и Саратовской областях в зимние месяцы. Также проводимый корреляционный анализ показал достаточно сильную зависимость стоимости земельных (дачных) участков от динамики курса доллара во всех регионах.
Таким образом, проведенный анализ показывает наличие зависимости стоимости земельных (дачных) участков в некоторых регионах РФ, а именно в прибрежных районах Крыма, Краснодарского края, Ленинградской и Калининградской областей, от вводимых в Москве главным санитарным врачом ограничительных мер по борьбе с новой глобальной пандемией — СО\Л1>19.
Таким образом, на примере трех систем принятия решений в сфере оценки недвижимости, агро-страхования и оценки земельных участков в работе показана необходимость трансформации систем под воздействием глобальных вызовов. Изменение климата, экономические санкции, пандемия СОУШИЭ - все это требует изменения систем принятия решений с учетом факторов рынка.
Таблица 3
Регрессионный анализ влияния переменных
Регион Регрессия R2 Значимые параметры
Крым у = 8,14 - 0,091^ - 0,07zm - 0,43^ - 0,14t + 0,005t2 0,722 b0, b2,b3,b4, bs
Краснодарский край у = 6,34 + 0,0 lz^ - 0,49zKOB + 0,16z^p + 0,09t + 0,0007t2 0,766 b2, b3,b4, bs
Ленинградская область у = 6,13 - 0,25гсез + 0,25z„8 - 0,48z^T + 0,01t + 0,002t2 0,923 b0, b±, b3,bs
Калининградская область у = 8,16 - 0,2lz^ + О.Збг^ - 0,0lz^ - 0,18t + 0,005t2 0,687 b0, bv b2,b3,b4, bs
Саратовская область у = 9,82 - 0,3бг^ + 0,56zKOB - 0,34z7yp - 0,21t + 0,0008t2 0,652 b0, b2,b3,bs
Таблица 4
Корреляционная матрица влияния переменных на стоимость участков
Регионы Факторы
^ковид ^туризм Zce30H доллар
Крым -0,238 -0,365 0,357 0,378
Краснодарский край 0,167 0,271 0,334 0,627
Ленинградская область 0,245 0,121 0,168 0,681
Калининградская область 0,189 0,232 -0,157 0,577
Саратовская область -0,259 -0,126 -0,251 0,657
ИСТОЧНИКИ
1. Лантус ЕВ. Локальный рынок недвижимости в системе локальных рынков крупных городов: общие и специфические факторы его функционирования и развития // Российское предпринимательство. 2016. Т. 17. № 10. С. 1237—1250.
2. Государственное и региональное управление субъектами рыночной экономики / К.А. Карташов, В. Г. Буш, Е.А. Дер-качева [и др.]. Краснодар: Издательство «Новация», 2020. 302 с. — ISBN 978-5-907222-89-2.
3. Assessing natural resources using Knowledge-based information processing tools / V.V. Nosov, M.G. Tindova, I.A. Ramazanov [et al.] // Journal of Physics: Conference Series, Saint Petersburg, 27—29 мая 2020 года. — Saint Petersburg: Institute of Physics Publishing, 2020. -DOI 10.1088/1742-6596/1703/1/012009.
4. Тиндова М.Г. Методы оценки запасов природных ресурсов // Вестник Саратовского государственного социально-экономического университета. 2010. № 5 (34). С. 156—158.
5. КалининаН.Н., Попова Т.С., ТимченкоА.И., ЦукахинА.Б. Экономика и инструментарий бренд-стратегии современных организаций // Экономика устойчивого развития. 2020. № 2(42). С. 88—92.
DOI: 10.24412/2071-3762-2021-9295-18-24
Local Real Estate Markets: Transformation of Decision-Making Systems under the Influence of Global Challenges Tindova Maria Gennadievna,
Ph.D. in Economics, Art historian, Associate Professor of the Department of Applied Mathematics and System Analysis Saratov State Technical University named after Gagarin Yu.A., Radishcheva, 89, Saratov, Russia, 410003 (tindova75@gmail.ru)
Kublin Igor Mikhailovich,
Doctor of Economics, Professor of the Department of Economics and Marketing. Socio-economic Institute. Saratov State Technical University named after Gagarin Yu.A., Radishcheva, 89, Saratov, Russia, 410003 (ikublin@mail.ru)
Demyanchenko Natalia Vasilyevna,
Doctor of Economics, Associate Professor, Head of the Department of Management and Trade, Krasnodar Cooperative Institute, Mitrofan Sedina str., 168/1, Krasnodar, Russia, 350015 (demjanchenko@mail.ru)
Shtezel Anna Yurievna,
Candidate of Economics, Associate Professor of the Department of Trade and Public Catering, Plekhanov Russian University of Economics; Severnaya str., 360 Krasnodar, Russia, 350916 (winterfang@mail.ru)
The article shows the transformation of decision-making systems in various sectors of the Russian economy under the influence of global challenges, expressed in economic sanctions as a factor of protectionism, climate change in the form of frequent natural and man-made disasters, the COVID-19 pandemic. The article shows the change in the decision-making system in the field of real estate valuation under the influence of economic sanctions in the form of the introduction of a new variable in the model of valuation of residential, commercial and commercial real estate, analyzes the transformation of the agricultural insurance system under the influence of natural disasters such as wildfires, droughts, floods. Changes in pricing systems in the land valuation market under the influence of measures to combat the new COVID-19 pandemic have been analyzed.
Keywords: decision-making systems; global challenges; economic sanctions; climate change; agricultural insurance; real estate valuation.
REFERENCES
1. Lantus, E.V. (2016) The local real estate market in the system of local markets of large cities: general and specific factors of its functioning and development. Journal of Russian entrepreneurship, 2016, T. 17, No. 10, pp. 1237—1250.
2. Public administration actors of the market economy [K.A. Kartashov, V.G. Bush, E.A. Dergacheva [and others]. Krasnodar: Publishing House «Innovation», 2020, 302 p. - ISBN 978-5-907222-89-2.
3. Assessing natural resources using knowledge-based information processing tools [V.V. Nosov, M.G. Tindova, I.A. Ramazanov [et al.]. Journal of Physics: Conference Series, Saint Petersburg, May 27-29, 2020. Saint Petersburg: Institute of Physics Publishing, 2020. DOI 10.1088/1742-6596/1703/1/012009.
4. Tindova, M.G. (2010) Methods of assessing reserves of natural resources. Bulletin of the Saratov State Socio-Economic University, 2010, No. 5, pp. 156-158.
5. Kalinina, N.N.; Popova, T.S.; Timchenko, A.I.; Tsukakhin, A.B. (2020) Economics and tools of brand strategy of modern organizations. Economics of sustainable development, 2020, No. 2, pp. 88-92.
