CC BY
200
12 (36) - 2010
Налоговая политика
массовая оценка недвижимости для целей налогообложения: проблемы и пути их решения
с. г. стерник,
доктор экономических наук, профессор кафедры антикризисного управления E-mail: sergey_sternik@hotmail. com Всероссийская государственная налоговая академия Министерства финансов Российской Федерации
г. м. стерник,
кандидат технических наук, профессор кафедры экономики и управления городским строительством E-mail: gm_sternik@sterno. ru Российский экономический университет им. Г. В. Плеханова
к. с. лапко,
заместитель заведующего кафедрой информатики
E-mail: lapkonst@rambler. ru Всероссийская государственная налоговая академия Министерства финансов Российской Федерации
В статье теоретически и на примерах проанализированы научно-практические перспективы и преимущества развития индивидуальной и массовой оценки недвижимости в целях налогообложения сравнительным подходом на основе методологии дискретного пространственно-параметрического моделирования рынка недвижимости в сопоставлении с методологией оценки на основе корреляционно-регрессионного моделирования рынка.
Ключевые слова: недвижимость, налогообложение, стоимость, рынок, оценка, моделирование, регрессия, кластер, коэффициент, точность.
Постановка задачи. Более 15 лет в РФ идут эксперименты по разработке и апробации методик массовой оценки недвижимости для целей налогообложения [2]. Результаты пока неудовлетворительны [3]. Одна из главных причин такого развития событий, по мнению авторов, состоит в том, что все попытки создания методики массовой
оценки недвижимости для целей налогообложения строились на единственной общепринятой в мировой практике методологии корреляционно-регрессионного моделирования (КРМ). Она успешно применяется на развитых, широких, информационно открытых рынках стран с давними рыночными традициями, но «буксует» в условиях информационно непрозрачных развивающихся рынков стран с транзитивной экономикой.
В то же время в нашей стране разработана и получила широкое применение альтернативная методология дискретного пространственно-параметрического моделирования рынка (ДППМ), специально адаптированная к условиям России [11]. Методология ДППМ получила признание на научном и на государственном уровнях [10], в том числе для массовой оценки недвижимости [6, с. 14-29; 7, с. 24-43; 9; 12; 13; 14, с. 128-136; 15, с. 22-27; 16-18], и активно применяется для ана-
лиза рынка недвижимости в 25 регионах России, а также в странах Центральной и Восточной Европы и Центральной Азии.
В связи с этим в настоящей работе рассмотрены теоретические и практические аспекты комплексного исследовательского алгоритма «анализ рынка — массовая оценка — индивидуальная оценка», основанного на применении альтернативной методологии ДППМ, и приведено сопоставление полученных результатов с методологией КРМ.
Основные положения методологии ДППМ, используемые при оценочной деятельности. Методология анализа рынка, предлагаемая для использования в интересах оценочной деятельности, в том числе ее математическая интерпретация в терминах теории множеств, подробно изложены в монографии [11] и статье [17]. Здесь будут кратко упомянуты только элементы методологии, необходимые для целей статьи.
Общий (универсальный) анализ рынка недвижимости включает в себя четыре этапа, которые выполняются последовательно, снизу вверх, и отражают различные уровни деятельности аналитика (рис. 1).
1. Создание и наполнение аналитических баз данных.
— сбор информации;
— предварительная обработка информации.
2. Мониторинг рынка:
— статистическая обработка данных;
— анализ и оценка текущего состояния показателей;
— анализ и оценка динамики показателей.
3. Исследование рынка:
— исследование пространственно-параметрических закономерностей изменения показателей;
— исследование динамических закономерностей изменения показателей;
— совместное исследование динамики различных показателей, в том числе показателей внешней среды (макроэкономических, смежных рынков и т. д.);
— исследование показателей, не поддающихся статистическому мониторингу.
4. Прогнозирование развития рынка:
Прогнозы
Создание и наполнение аналитических баз данных
т т т т т т т т т т т т т т т т
Первичные данные (риэлтерские базы данных, госорганы, СМИ, Интернет, полевое обследование и др.)
рис. 1. содержание общего (универсального) анализа рынка недвижимости
— исследование внешних и внутренних факторов, влияющих на изменение показателей;
— прогнозирование тенденций изменения показателей.
Наиболее трудоемкими этапами анализа рынка является создание баз данных, т. е. сбор и предварительная обработка (верификация) информации о рынке, и мониторинг рынка, т. е. статистическая обработка данных и построение модели рынка.
Анализ рынка в интересах оценочной деятельности начинается при наличии объекта (при массовой оценке — объектов) оценки. Проводится квалифицирование объекта как товара на рынке недвижимости, подбор аналогов сравнения, определение срока экспозиции каждого аналога, коэффициента торга, расчет поправок (корректировок) для сравнительного подхода, определение коэффициента капитализации для доходного подхода, определение поправок на внешний износ для затратного подхода и т. д.
Как видно из сказанного, основные данные для оценочной деятельности аналитик получает на выходе нижнего, первого (наполнение аналитических баз данных) и второго (мониторинг) этапов своей работы. Кроме того, для доходного подхода используются результаты третьего и чет-
7х"
3
вертого этапов - исследования и прогнозирования тенденций рынка для расчета потока доходов исследуемого объекта. Таким образом, результаты анализа рынка при их правильном использовании могут обеспечить оценщику полную и достоверную информацию в соответствии с требованиями международных и федеральных стандартов оценки.
Опыт и здравый смысл подсказывают, что оценочные компании не могут ориентироваться на создание собственных аналитических баз данных и выделение персонала для аналитической деятельности. Но в последние годы на рынке недвижимости РФ появились специализированные аналитические консалтинговые компании. Кроме того, в национальных ассоциациях профессиональных участников рынка недвижимости, в крупной многопрофильной компании для проведения анализа рынка недвижимости в полном объеме начали создаваться аналитические подразделения.
В методологии предусматривается, что в аналитическом подразделении создаются (на основе данных из риэлтерских баз, данных единого государственного реестра прав (ЕГРП) и других источников) специализированные аналитические базы данных (АБД), которые одновременно могут использоваться в брокерской, инвестиционной, девелоперской, оценочной деятельности и иных видах операций с объектами недвижимости.
Из девяти блоков АБД ниже будут кратко описаны три блока, использующиеся при оценке: данные о сделках, о предложениях и об объектах.
Базы данных о проведенных сделках. Отличие их от принятого описания сделок в агентствах недвижимости заключается в строгой регламентации полей описания сделки и четком определении (сужении относительно норм Гражданского кодекса РФ) самого понятия сделки только процедурами, сопровождающимися оплатой объекта (переходом полных или частичных прав собственности на объект недвижимости). В силу информационной закрытости рынка недвижимости базы данных о сделках по преимуществу содержат информацию только об операциях своей компании (в редких случаях крупных сделок, особенно с участием иностранных компаний, они могут пополняться информацией из дружественных компаний или из СМИ).
В связи с тем, что данные ЕГРП содержат, как правило, искаженные в силу известных причин1
1 Например, в силу стремления продавца занизить цену недвижимого имущества для уклонения от уплаты налога на доходы физических лиц в соответствии с льготами по подп. 1 п. 1 ст. 220 Налогового кодекса РФ.
значения цен сделок, аналитики в редких случаях доступа к данным ЕГРП используют только поадресный список объектов купли-продажи и некоторые данные об объектах.
базы данных о предложениях. Они создаются на основе брокерских (риэлтерских) баз данных (наиболее близких по содержанию) путем их предварительной модернизации - дополнения необходимыми полями и справочниками и организации экспорта данных о группах объектов по специальному запросу. Обычно в брокерских базах данных содержится информация не только о предложениях, проходящих через компанию, но и о предложениях открытого рынка, что облегчает работу аналитика.
базы данных об объектах недвижимости - о существующем и строящемся фонде объектов различных видов и назначения. В брокерских базах данных обычно не содержится такого раздела, но информация об объектах (домах, комплексах) накапливается вместе с информацией о предложениях помещений в текущей базе, и особенно в архивах. Задача аналитика - организовать извлечение и хранение этой информации, а также ее пополнение (иногда в объеме 80-90 %) данными об объектах, отсутствующих в портфеле компании.
Собранная в АБД информация об объектах не меняется длительное время и требует лишь периодического (ежеквартального, ежегодного) пополнения по мере ввода в строй новых объектов.
Наличие базы данных объектов существующего и строящегося жилого и нежилого фонда обеспечивает решение различных аналитических задач, связанных в первую очередь с идентификацией и типизацией объектов, предлагаемых на рынке. Вдобавок эти данные необходимы для расчета таких показателей, как объем свободных (вакантных) площадей или объем площадей, поглощенных рынком.
Создание базы данных существующих и строящихся объектов города - сложная, трудоемкая и затратная задача. Поэтому чаще всего начинают с организации базы данных предложений на рынке продажи и/или аренды помещений. При этом перечень объектов (зданий и помещений) и их характеристики накапливаются по мере выставления объектов на рынок.
Существующие в государственных органах, инвестиционно-строительных, оценочных, брокерских компаниях информационные системы ориентированы на поддержку решения разнообразных управленческих задач и поэтому используют
несхожие перечни данных об информационных объектах, различную терминологию и понятия. Риэлторы, оценщики, аналитики рынка недвижимости создают свои информационные базы данных на основе собственных форматов, также зачастую разнящихся не только между регионами, но и между фирмами внутри одного города. Поэтому важным требованием к АБД является стандартизация описания объекта, предложения, спроса, сделки, обеспечение полноты и качества полей и классификаторов (справочников).
В полях АБД предусмотрено наличие следующих данных.
данные об объектах существующего и строящегося фонда: данные о земельных участках, зданиях, строениях, о комплексах зданий или строений и отдельных помещениях, характеризующие их назначение, категорию, виды разрешенного использования, местоположение (адрес), характеристики качества проекта, количество и размер зданий и помещений, состояние строительства, данные о застройщиках, заказчиках, проектировщиках (архитекторах), генподрядчиках.
данные о предложении: ссылка на код объекта; дата первого предложения и даты корректировок цены; информация о цене первого предложения и последующих корректировках; условия реализации; схема продажи; доля проданных (поглощенных рынком) и предлагаемых к продаже (в аренду) площадей в объекте.
данные о сделках: ссылка на код объекта сделки или данные об объекте; ссылка на код предложения или данные о предложении; ссылка на код клиента— участника сделки или данные о клиенте; данные о состоянии и цене сделки, датах завершения ее этапов.
Важным условием качества АБД является полнота описания информационных объектов (форматов, стандартов описания). Примеры стандартов в виде форм (заполняемых бланков), разработанных в 1998—2002 гг. для квартиры на вторичном рынке, для жилого объекта (дом, квартира), для элитного комплекса, для офисного здания, для объекта торговой недвижимости, для коттеджа и коттеджного поселка, приведены в монографии [11].
В 2009г. указанные стандарты приняты к использованию Национальным советом по оценочной деятельности. Стандарты предназначены для использования всеми профессионалами рынка недвижимости — риэлторами и девелоперами, оценщиками и аналитиками, управляющими, которые выполняют любые операции с объектами
недвижимости, государственными структурами при организации налогообложения, проведении инвентаризации и учета жилого и нежилого фонда. С этой целью в стандартах обобщен опыт создания информационных систем на рынке недвижимости (баз данных), при этом систематизирован перечень полей описания объекта, по возможности формализован состав классификаторов и произведена замена не общепринятых, жаргонных слов на профессиональную терминологию строителей, архитекторов, экономистов, специалистов в области инвентаризации, учета, паспортизации.
Необходимо иметь в виду, что для брокерской деятельности столь подробного описания объекта не требуется. Еще меньшее количество характеристик необходимо для анализа рынка. Однако для оценки единичных объектов, обоснования инвестиционных проектов желательны получение и регистрация максимально возможного числа характеристик из приведенных в стандарте.
обработка баз данных. Собранная в аналитической компании, в крупной риэлтерской фирме, в информационном агентстве, в мультилистинговой системе, в специализированной аналитической службе сервейинговой компании, в компьютере конкретного аналитика база данных еще не готова к проведению расчетов показателей рынка недвижимости. В первую очередь это касается базы предложений.
Подготовка базы предложений к обработке включает ряд операций, состав которых, алгоритм каждой из них и конечные результаты зависят от особенностей формата базы данных, содержания полей описания предложения. В общем случае очистка (верификация) АБД включает пять этапов.
Этап 1. Актуализация текущего листинга.
Этап 2. Чистка от артефактов, пропусков и ошибок.
Этап 3. Выделение уникальных объектов (очистка от повторов).
Этап 4. Исключение объектов по «выскакивающим» значениям цены.
Этап 5. Формирование выборки предложений различными способами.
Необходимо отметить, что разработанный алгоритм верификации баз данных тесно связан с методологией ДППМ анализа рынка. Различия с алгоритмом, применяемым при КРМ, как будет показано ниже, существенны и принципиальны.
Разработчики методик массовой оценки на основе методологии КРМ обычно не владеют данными о рынке и начинают собирать их вместе с
началом эксперимента. В результате качество данных сомнительное, а затраты времени исчисляются месяцами. Применяющие методологию ДППМ аналитики рынка недвижимости постоянно наращивают, актуализируют, очищают и обрабатывают свои базы данных, что позволяет использовать их без потерь времени и с гарантированным качеством (в пределах тех регионов и сегментов рынка, где эта работа налажена). В новых регионах (сегментах) потребуется 1-2 мес. для создания и первоначального наполнения баз данных.
Особенности альтернативных методов моделирования рынка. Анализ рынка недвижимости в любом его сегменте с точки зрения ценовой ситуации опирается на совокупность данных о цене каждого объекта сделки и его характеристиках, определяющих комфортность проживания или использования.
Характеристики могут быть непрерывными и дискретными величинами и выражаться (на примере квартирного рынка):
- числом (значения площади квартиры, площади кухни, высоты потолка, количества лифтов в доме, количества квартир в доме, площади придомовой территории, декартовых координат местоположения, расстояния до ближайшей станции метро и т. п.);
- диапазоном чисел (диапазон значений периода строительства, диапазон периода экспозиции объекта и т. п.);
- количественным признаком (этажность дома, этаж квартиры, число комнат, санузлов, балконов, машино-мест в гараже и т. п.);
- качественным признаком (материал несущих конструкций, наружных и внутренних ограждений и перегородок, тип санузла, планировки, ориентация окон во двор или на проезжую часть и т. п.);
- бинарным признаком «да — нет» (благоустройство, наличие придомовой территории, ограждения и охраны, консьержа в подъезде, лифта, телефона/Интернета (выделенной линии) в квартире, состояние дома - после реконструкции, капремонта, удобство подъезда к дому, особенности элитной планировки (наличие двухуровневых квартир, обогрев полов, деревянные стеклопакеты, центральное кондиционирование, эксклюзивная инфраструктура и отделка, индивидуальные лифты, зимний сад, каминный зал, система климат-контроля, очистка воды, автономное отопление), наличие элитной инфраструктуры и сервиса
(спортивно-оздоровительный комплекс - тренажерные залы, сауна, турецкая баня, бассейн, крытый теннисный корт, бойлерная, уборка квартир, современные телекоммуникации, управляющая компания) и т. д.). Для разработки многофакторной математической модели зависимости цены от характеристик объекта, выраженных непрерывными значениями (первая группа характеристик) либо принудительно приведенными к непрерывным (например вторая группа), может быть применена общеизвестная методология регрессионного моделирования. С определенными допущениями и ухищрениями она применяется и в случае некоторых дискретных характеристик (корреляционно-регрессионное моделирование).
В теории регрессионного анализа характеристики объекта именуются факторами. На основании рыночной информации строится непрерывно-дискретная модель рынка Y = F (Х), с помощью статистических критериев определяются уровни значимости факторов. Критериальные значения факторов, по которым принимаются решения, задаются исследователем. Факторы, удовлетворяющие этим критериям, признаются значимыми, остальные - случайными, и регрессионная модель строится как осреднение по факторам, признанным случайными.
Обычно при исходных 20-30 и более факторах значимыми оказываются 5-7. Причины лежат в области исходных данных: даже при общепризнанном влиянии характеристики на комфортность проживания и уровень цен (например совокупность характеристик элитного дома и квартиры) незначительное количество таких объектов в выборке приводит к статистической незначимости этого фактора. На самом деле критическим является объем данных по факторам, присущим наиболее дорогим (и наиболее интересным для налогообложения) объектам, доля которых в выборке обычно невелика. Следовательно, целый класс квартир при массовой оценке будет оценен с большой ошибкой.
В методологии ДППМ такое ограничение отсутствует, все факторы включаются в анализ, при этом непрерывные приводятся к дискретным путем выделения диапазонов их изменения.
В табл. 1 приведен перечень факторов, учитываемых в ДППМ квартирного рынка Москвы.
Методология КРМ предъявляет высокие требования к квалификации специалистов, затраты времени на разработку модели одного сегмента
Таблица 1
перечень значимых факторов в дппМ квартирного рынка Москвы
характеристика объекта способ описания
Местоположение (зона, район) Качественный признак
Период строительства Диапазон значений
Состояние дома — после реконс- Качественный
трукции, капремонта признак
Этажность дома Целое число
Количество квартир в доме Целое число
Количество машино-мест в под- Целое число
земной/наземной парковке
Количества лифтов в подъезде Целое число
Этаж расположения квартиры Целое число
Количество квартир на площадке Целое число
Площадь квартиры Число
Количество комнат Целое число
Количество санузлов Целое число
Количество балконов Целое число
Площадь кухни Число
Высота потолка Число
Материал несущих конструкций Качественный признак
Материал наружных и внутренних Качественный
ограждений и перегородок признак
Тип санузла Качественный признак
Тип планировки Качественный признак
Ориентация окон во двор или на Качественный
проезжую часть признак
Наличие придомовой территории Бинарный признак
Площадь придомовой территории Число
Наличие ограждения и охраны Бинарный признак
территории
Наличие благоустройства Бинарный признак
территории
Наличие телефона/интернета (выделенной линии) в квартире Бинарный признак
Наличие консьержа в подъезде Бинарный признак
Удобство подъезда к дому Бинарный признак
Особенности элитной планировки Бинарный признак
(наличие двухуровневых квартир,
обогрев полов, деревянные стек-
лопакеты, центральное кондицио-
нирование, эксклюзивная инфра-
структура и отделка, индивидуаль-
ные лифты, зимний сад, каминный
зал, система климат-контроля,
очистка воды на входе в дом, авто-
номное отопление)
Наличие элитной инфраструктуры Бинарный признак
и сервиса (спортивно-оздорови-
тельный комплекс (тренажер-
ные залы, сауна, турецкая баня,
бассейн, крытый теннисный
корт), бойлерная, уборка квартир,
современные телекоммуникации,
управляющая компания)
рынка в одном городе исчисляются даже при высокой автоматизации процесса месяцами, а группа высококвалифицированных специалистов (в последнем эксперименте) работает в нескольких городах последовательно.
Методология ДППМ доступна специалистам без специального образования, при наличии баз данных построение модели требует одной-двух недель (даже без специальной автоматизации). В дальнейшем по мере автоматизации расчетов этот срок сокращается до двух-трех дней. Обучение новых специалистов (для регионов, где такая работа только начинается) потребует 4—5 дней лекционно-практических занятий и 1—2 мес. методического сопровождения работы начинающих специалистов.
Формализованное описание процедуры построения дискретных пространственно-параметрических моделей рынка ниже произведено в терминах теории множеств — аппарата, специально созданного для описания дискретных пространств. Изложение ведется в сопоставлении с подходами и понятиями смежной методологии — регрессионных моделей с непрерывными аргументами, на примере рынка купли-продажи квартир. Более подробный вариант приведен в монографии [11].
Пусть х = еХ — удельная цена г-й квартиры, или цена 1 м2, в заданном периоде (в последующем временной параметр опускается). Тогда дискретное множество значений удельных цен выражается так:
X = Ц}, I = 1, N. (1)
Запись (1) представляет собой модель первичной рыночной информации — исходных данных для построения модели рынка.
В общем случае цена квартиры на рынке зависит от ее характеристик ^. х = S (. где S — оператор связи.
Характеристики могут быть непрерывными и дискретными величинами и выражаться:
- числом (значения размера кухни, высоты потолка, декартовых координат местоположения, расстояния до ближайшей станции метро и т. п.);
- диапазоном чисел (значений периода строительства, высоты потолков и т. п.);
- количественным признаком (этажность дома, этаж квартиры, число комнат, санузлов, балконов и т. п.);
- качественным признаком (материал несущих конструкций, наружных ограждений, тип санузла и планировки, ориентация окон во двор
7х"
7
или на проезжую часть и т. п.); - бинарным признаком «да — нет» (наличие лифта в доме, телефона в квартире, состояние дома — после реконструкции, капремонта и т. д.).
Разделим все характеристики по трем классификационным основаниям — качества, местоположения, размера:
Т = (.) — множество характеристик качества (конструктивно-технические характеристики дома и квартиры, характеристики комфортности проживания, от которых зависят предпочтения покупателей и цена);
М = (.) — множество характеристик местоположения дома, от которых зависят предпочтения покупателей и цена;
R = (.) — множество характеристик размера квартиры, от которых зависит ее цена. Тогда Х= {х {^
В теории регрессионного анализа характеристики объекта именуются факторами. На основании рыночной информации строится непрерывно-дискретная модель рынка Х= F(E,;.), с помощью статистических критериев определяются уровни значимости факторов. Критериальные значения факторов, по которым принимаются решения, задаются исследователем. Факторы, удовлетворяющие этим критериям, признаются значимыми, остальные — случайными, и регрессионная модель строится как осреднение по факторам, признанным случайными.
Обычно при исходных 20—30 факторах значимыми оказываются 5—10. Иногда исследователь переходит к дискретной по каждому отдельному фактору модели, разбивая его диапазон варьирования на поддиапазоны (шаги) по признаку существенного изменения цены на каждом (не обязательно равном) шаге.
Общее число диапазонов будет равно сумме чисел диапазонов каждой характеристики-фактора. Например, при 10 характеристиках, значения каждой из которых разбито на три диапазона, образуется матрица из 30 значений. Полное число перестановок значений в диапазонах характеристик соответствует теоретически возможному числу сочетаний вариантов описания квартир. На практике при построении регрессионных моделей массовой оценки квартир, оно достигает нескольких сотен.
Аналогичные по сути, но несколько иные по форме процедуры используются и при построении дискретных моделей. Начнем их описание с группы
характеристик качества объекта.
Изучение существующих в жилищном фонде и на рынке квартир показывает, что большая часть теоретически возможного числа вариантов являются физически нереализуемыми. Например, сочетание «панель — высота потолков от 3 м» или «свободная планировка — кухня площадью менее 6,0 м2» и т. п.
Сгруппируем характеристики качества таким образом, чтобы совокупность диапазонов и признаков всех значимых характеристик образовывала физически определимое множество, соответствующее подмножеству элементов множества (1):
{%} = ц I ч,= ад;
{ХЙ} = {Х 1 ^ = Йй!};
или
^хи = ХЛ
Назовем подмножество {х.,.} физически определимых вариантов сочетания характеристик типом квартиры Т. Тогда
Х71 = {хй},-ХТ2 = {ХЙ2},"-
Следовательно, ХТ = {ХТ1 ХТ2,...} — множество подмножеств, объединяющих квартиры одного класса (2).
Аналогично приводятся к дискретным характеристики (координаты) местоположения:
{х.ш1! = {х. 1 = {^м1}!;
{Хш2} {х. 1 ^ш {^ш2}};
или
Назовем подмножество {^ш.} зоной (районом) местоположения объекта М. Тогда
ХМ1 = {Хш1},. ХМ2 = {Хш2},.
Следовательно,
ХМ = {ХМ1 ХМ2,.} — множество подмножеств, объединяющих объекты одной зоны (3).
Характеристики размера квартиры чаще всего описываются в (1) дискретным показателем «число комнат». Например, в коттеджах, квартирах свободной планировки размер задается величиной общей площади и может быть переведен в дискретный вид назначением диапазонов общей площади объекта. В общем случае
{хм! = {Х. I %г = {^}}; {х2! = {х I $г= {^}};
или
V XJ = xr1 V xir2 V... .
Назовем подмножество {^ } размером квартиры R. Тогда
XR1 = {ХМГ .
XR2 = {Xir2}, "•
Следовательно, XM = {XR1 XR2, ...} — множество подмножеств, объединяющих объекты одного размера (4).
Наконец, объединение множеств (2) — (4) приводит к выявлению групп объектов, выделенных по признаку сочетания типа, зоны (района) и размера:
X = XT и XM U XR;
nXT n XM n XR = 0; (5)
X = {{X71M1R1}, {XT2M1R1}, (6)
Условие (5) означает, что пересечение множеств (2) — (4) есть пустое множество. На практике возможно, что в исходных данных (1) информация о характеристиках квартир неполна, и объект не удается приписать ни одному из выбранных типов или зон, или размеров. Тогда необходимо их выделить в тип (зону, размер) «прочие» для выполнения условия (5).
Таким образом, мы понизили размерность задачи (пространство переменных) с 20 — 30 до трех, не исключив ни одного фактора. И в этом состоит основное отличие методологии ДППМ от КРМ, где понижение размерности сопровождается исключением большинства факторов.
Выражение (6) в терминах регрессионных моделей массовой оценки называется спецификацией модели рынка. Следующий этап — «калибровка» модели, или получение количественных оценок входящих в модель параметров.
В терминах дискретных пространственно-параметрических моделей эта процедура включает статистическую обработку выборок (6) и определение основных параметров выборки — объема n, среднего x ., размаха варьирования x и x , дис-
* ^ ср ' * * * мин макс'^
персии D, погрешности в определении среднего 8. В результате образуется исходная дискретная пространственно-параметрическая модель рынка:
ГХ = {{{п, хср, хшн, хмакс, D, 8)тшш}/1
[П, Хср , Хмин , Хмакс , D, 8)T2MLR1, •••}
Применение несложных стандартных процедур статистической обработки выборок, ориентированных на использование инструментария MS Excel, является еще одним отличием методологии ДППМ от регрессионного моделирования.
Следующей операцией при построении дискретной пространственно-параметрической модели рынка является ее корректировка и оптимизация (в терминах регрессионных моделей массовой оценки — настройка).
Корректировка начинается с проверки объема выборок в каждой клетке матрицы.
На практике возможно отсутствие объектов какого-либо типа в жилищном фонде и на рынке данного района. В этом случае из матрицы исключается соответствующая строка.
Возможны случаи слишком малого объема выборки данного типа в конкретном районе. В этом случае данная выборка подлежит объединению с выборкой территориально смежного района, параметры объединенной выборки пересчитываются.
Оптимизация модели начинается с проверки размаха выборок и их дисперсий. Условие оптимизации — минимизация размаха каждой выборки при ориентировочном равенстве коэффициентов варьирования V:
(ХМакс - Хмин ) ^ МИН; ]
^=>/Д7хср,-«с°п^ I'
Уменьшение размаха выборки можно получить за счет ее разделения на две путем введения дополнительного признака или разбиения диапазона какого-либо признака. Например, если выборка квартир в пятиэтажных панельных домах имеет слишком большой размах варьирования, значительно отличающийся от выборок квартир других типов, то рекомендуется разделить ее на два подтипа, включающие квартиры на первом и последнем этажах. Другой пример: разделение совокупности квартир в пятиэтажных панельных домах одного района на квартиры в сериях домов, объявленных к сносу, что может повысить их привлекательность и цену, и в несносимых сериях.
Аналогично могут быть разбиты выборки по признаку местоположения: в заданных границах района выделяются 2—3 зоны с различающимися уровнями цен, и вместо одной образуются 2—3 выборки квартир одного типа с изменившимися средними и уменьшившимся размахом варьирования.
Следующая процедура оптимизации модели имеет обратный характер — она направлена на проверку целесообразности объединения выборок. Для этого производится попарная проверка значимости различия выборок по типам, размерам, смежным районам. Она включает проверку различия дисперсий (по критерию Фишера F) и
средних (по критерию Стьюдента р при заданных критериальных значениях уровня значимости р, выбираемых исследователем. Эта процедура соответствует аналогичной процедуре проверки значимости факторов в терминах регрессионного моделирования.
По результатам проверки выборки с незначимыми различиями объединяются, и значения параметров объединенных выборок пересчитываются. На практике возможно применение более простого условия объединения выборок (1) и (2):
Хсп1 + 81 / 2 > Хср2 - 82 /2 (при Хср1 < Хср2-
).
Такое преобразование соответствует по смыслу понижению размерности регрессионной модели, исключению незначимых факторов качества, мес-
Вербальиая модель диапазона рыночной стоимости объекта
(объектов) с неопределенной погрешностью
Рис. 2. Алгоритм использования методологии ДППМ рынка недвижимости в интересах оценочной деятельности
тоположения и размера. В результате образуется оптимизированная ДППМ рынка.
Таким образом, сущность разработанной методологии мониторинга рынка недвижимости состоит в сборе документированной информации об объектах рынка, разделении объектов на однородные группы (кластеры) по качеству, местоположению, размерам и другим признакам, определении статистических характеристик каждой выборки и исследовании полученных числовых пространственно-параметрических моделей с дискретным шагом. Методология отличается простотой и не требует при использовании специального образования.
Для целей оценочной деятельности специально надо оговорить, что применение методологии ДППМ
помимо основного назначения (оценка рыночной и иных видов стоимости) может использоваться для прямой оценки арендных ставок, износа улучшений или затрат на их создание, коэффициента заполняе-мости и других параметров, которые необходимы в практике оценки недвижимости.
Концепция использования методологии ДППМ рынка недвижимости в интересах оценочной деятельности. Методология дискретного про-странственно-парамет-рического моделирования рынка недвижимости обеспечивает оценщику полный комплекс информации о рынке, необходимый для использования в соответствии с федеральным стандартом оценки при любом подходе - сравнительном, затратном, доходном - в индивидуальной оценке и при массовой оценке.
Алгоритм использования методологии ДППМ включает несколько этапов, показанных на рис. 2:
Точечная оценка объекта с минимизированной
неопределенной погрешностью тремя подходами
1
Отчет об оценке объекта
— квалифицирование объекта оценки как товара на рынке недвижимости (по назначению, виду отчуждаемых прав, классу качества проекта, местоположению, размеру и другим признакам);
— обзор аналитических публикаций в сегменте рынка и уточнение квалифицирования;
— сбор и предварительная обработка фактических рыночных данных в соответствии с требованиями методологии ДППМ;
— построение дИИМ сегмента рынка, при необходимости уточнение квалифицирования и пересчет ДППМ;
— массовая оценка заданного перечня объектов;
— расчет поправок и других рыночных показателей, необходимых при индивидуальной оценке;
— индивидуальная оценка объекта.
При этом задачей обзора публикаций участников и аналитиков сегмента рынка является изучение свойств генеральной статистической совокупности в качестве ценообразующих факторов и критериев для определения рыночной стоимости объекта (объектов) и построение вербальной модели диапазона рыночной стоимости с неопределенной погрешностью.
Задачей сбора и анализа фактических рыночных данных является построение ДППМ сегмента рынка в границах значений параметров, обеспечивающих устойчивые статистические характеристики выборки аналогов оцениваемого объекта (объектов) по виду отчуждаемых прав, функциональному назначению, технико-экономическим показателям и локации.
Задачей массовой оценки является определение диапазона рыночной стоимости объекта (объектов) с определенной достигнутой погрешностью.
В случае неудовлетворительной погрешности по одному или нескольким объектам по данным ДППМ рассчитываются поправки (корректировки) и другие необходимые данные (срок экспозиции объекта, коэффициент капитализации, коэффициент торга) и производится индивидуальная оценка объекта с минимизированной погрешностью.
сущность методики массовой оценки, основанной на методологии ДППМ, заключается в том, что:
— изучается заданный перечень объектов оценки и их характеристики;
— определяется принадлежность каждого оцениваемого объекта к одному из сегментов и/или одной из ценовых ниш (кластеров);
— после квалифицирования объекта как товара на рынке недвижимости и определения принадлежности к ценовой нише ему приписывается диапазон стоимости, полученный в ДППМ;
— при необходимости уменьшения диапазона для отдельных объектов в оценку могут вноситься детализирующие индивидуальные поправки (корректировки, коэффициенты), определяемые по данным ДППМ любыми корректными методами.
Метод последовательных сечений. При использовании метода последовательных сечений для расчета коэффициентов сначала исходное множество рассекается по первому ценообразующему фактору. Затем каждое из полученных подмножеств аналогичным образом рассекается по второму це-нообразующему фактору. Подмножества, полученные в результате второго сечения, в свою очередь, рассекаются по третьему фактору, и т. д.
В результате каждого этапа (цикла) сечений мы имеем уменьшающиеся по мощности (количеству элементов) множества. Но каждое из последующих множеств более однородно с точки зрения входящих в него объектов, чем предыдущее. Степень однородности множества можно оценивать по величине коэффициента вариации цен множества или размаха вариации цен в множестве. В идеале в результате последнего сечения можно получить множество, состоящее из нескольких объектов, обладающих одинаковыми ценообразующими факторами с близким к нулю коэффициентом вариации. Среднее значение этого последнего множества можно принять за оценку рыночной стоимости объекта оценки.
Если погрешности, близкие к нулю, в последнем сечении все-таки не получены, то устанавливается ценовой диапазон (ценовая ниша) стоимости объекта, после чего окончательная стоимость определяется индивидуальными поправками при помощи различных методов, в первую очередь — корреляционно-регрессионных.
В случае недостаточной статистической значимости данных, получаемых методом последовательного сечения, возможно установление рыночной стоимости определением ценовых поправок к среднему значению исходной выборки методом параллельных сечений.
Метод параллельных сечений. При использовании метода параллельных сечений для расчета коэффициентов (ценовых поправок к среднему значению исходной выборки) каждый раз по каждому из исследуемых факторов рассекается только исходное множество.
Для каждого из факторов определяется ценовая поправка по данному фактору как коэффициент отношения среднего значения удельной стоимости в интересующей подвыборке к среднему значению в исходной выборке. Например:
¡г х& х
где К1Ь — коэффициент местоположения;
i — порядковый номер исследуемой территориальной зоны.
=^,
где КБ — коэффициент функционального типа, качественной категории и т. п.; у — порядковый номер категории.
г хм
х
где КА — коэффициент размерности, площади и т. п.;
к — порядковый номер интервала (кармана) площадей.
Окончательная формула для расчета рыночной стоимости сравнительным подходом будет
выглядеть так:
Скв (^, %, %) = СБ х Къ х К]В х КкА * Площадь,
где Скв — полная рыночная стоимость (т. е. стоимость 1 м2, умноженная на площадь объекта оценки);
СБ — средняя стоимость 1 м2 в исходной выборке.
Список литературы
1. Анисимова И. Н., Баринов Н. П., Грибовский С. В. Учет разнотипных ценообразующих факторов в многомерных регрессионных моделях оценки недвижимости // Вопросы оценки. 2004. № 2.
2. Бабленкова И. И. Оценка и экспертиза недвижимости для налогообложения: учеб. -метод. пособие. М.: ВГНА, 1999.
3. Бондарчук С. Л. Тестирование системы массовой оценки недвижимости в субъектах Российской Федерации: доклад на семинаре в Институте недвижимости Высшей школы экономики 16 октября 2009 г.
4. Грибовский С. В. Методология определения арендной платы за земли поселений // Правовое регулирование рынка недвижимости. 2001. № 2—3 (7—8).
5. Грибовский С. В., Сивец С. А. Математические методы оценки стоимости недвижимого имущества. М.: Финансы и статистика. 2008. 368 с.
6. Грибовский С. В., Федотова М. А., Стерник Г. М., Житков Д. Б. Методология массовой оценки квартир для налогообложения // Бюллетень финансовой информации. 2005. № 1 (116).
7. Грибовский С. В., Федотова М. А., Стерник Г. М, Житков Д. Б. Экономико-математические модели оценки недвижимости // Финансы и кредит. 2005. № 3 (171).
8. Грибовский С. В., Баринов Н. П., Анисимова И. Н. О повышении достоверности оценки рыночной стоимости методом сравнительного анализа // Вопросы оценки. 2002. № 1.
9. Лапко К. С. Развитие методов массовой оценки недвижимости для целей налогообложения // Аудит и финансовый анализ. 2010. № 4.
10. Стерник Г. М. и др. Концепция создания Федеральной информационно-аналитической системы рынка жилья: отчет по НИР по заказу Госстроя России, 2001.
11. Стерник Г. М., Стерник С. Г. Анализ рынка недвижимости для профессионалов. М.: Экономика. 2009. 601 с.
12. Стерник Г. М., Стерник С. Г. Информационное обеспечение работ по оценке. Мониторинг рынка. Опыт создания баз данных // Методы оценки имущества, основанные на современных технологиях анализа статистических данных: материалы 2-й Поволжской научно-практической конференции. Нижний Новгород, 2007.
13. Стерник Г. М., Стерник С. Г. Массовая оценка недвижимости для целей налогообложения: проблемы и пути их решения // Реестр оценщиков. 2010. № 2.
14. Стерник Г. М., Стерник С. Г. Массовая оценка недвижимости для целей налогообложения: проблемы и пути их решения // Статистические методы массовой и индивидуальной оценки недвижимости и земельных участков (материалы 3-й Поволжской научно-практической конференции). Нижний Новгород, 2010.
15. Стерник Г. М., Стерник С. Г. Массовая оценка недвижимости на основе дискретного пространственно-параметрического моделирования рынка (на примере таунхаусов западного сектора ближнего Подмосковья) // Оценочная деятельность. 2010. № 2.
16. Стерник С. Г. Применение числовых дискретных пространственно-параметрических моделей как дополнительная альтернатива регрессионно-корреляционному моделированию в индивидуальной оценке рыночным подходом // Методы оценки имущества, основанные на современных технологиях анализа статистических данных (материалы 2-й Поволжской научно-практической конференции). Нижний Новгород, 2007.
17. Стерник С. Г. Развитие оценки недвижимости сравнительным подходом на основе методологии дискретного пространственно-параметрического анализа и моделирования рынка // Аудит и финансовый анализ. 2009. № 5.
18. Федотова М. А., Грибовский С. В., Стерник Г. М. и др. Разработка методики массовой оценки рыночной стоимости квартир для целей налогообложения: отчет по НИР по заказу МЭРТ РФ, 2004.
19. Эккерт Дж. К. Организация оценки и налогообложения недвижимости. Т. 1, 2. М.: Интер, 1997.
(Окончание следует).
