методика и практика
НАУЧНАЯ СТАТЬЯ / RESEARCH PAPER УДК 338.984
DOI: 10.22227/1997-0935.2023.2.293-303
Прогноз стоимости основных строительных материалов в условиях неопределенности: методика и практика
Александр Константинович Орлов1, Владимир Александрович Болгов2
1 Национальный исследовательский Московский государственный строительный университет
(НИУ МГСУ); г. Москва, Россия; 2 Воронежский государственный технический университет (ВГТУ); г. Воронеж, Россия
АННОТАЦИЯ
Введение. Цель исследования заключается в оценке и прогнозировании динамики цен на основные строительные материалы в условиях высокого уровня неопределенности и риска на базе разработки соответствующей внешним условиям методики прогнозирования.
Материалы и методы. Построение прогноза в условиях неопределенности, которой можно охарактеризовать сегодняшнюю экономическую ситуацию в результате геополитических изменений, должно учитывать как расчетную, так и экспертную составляющую, вариативность развития ситуации, постоянную верификацию и актуализацию математической модели. Предложена методика прогнозирования стоимости строительных материалов в условиях неопределенности, основанная на поэтапно уточняемой ранжированной последовательности действий. Результаты. Произведены расчеты по предложенной методике, построен и верифицирован прогноз стоимости ключевых строительных материалов (арматуры и бетона товарного) на период июнь-декабрь 2022 г. Обоснована региональная специфика ценовой динамики в строительстве (исследование проводилось для Московского региона и г. Екатеринбург). Приведены главные сценарии динамики цен строительных материалов в 2022 г., идентифицированные с учетом ключевых рискообразующих факторов. < ЦП
Выводы. Определена необходимость разработки методики прогнозирования стоимости строительных материалов s С в условиях неопределенности, выполнена апробация авторской методики при прогнозировании цен основных строи- J н тельных материалов (арматуры и бетона товарного). Доказана восходящая динамика цен строительных материалов k и в прогнозном периоде для всех сценариев развития ситуации на строительном рынке. Установлены ключевые фак- g торы, влияющие на вероятность реализации каждого из сценариев; показана потребность постоянного мониторинга О Щ
финансовой модели инвестиционно-строительных проектов с учетом риска. U О
• 4
КЛЮЧЕВЫЕ СЛОВА: прогнозирование, стоимость, строительные материалы, экономико-математическое моде- м 1 лирование, экспертная оценка, методика § S
1 z
ДЛЯ ЦИТИРОВАНИЯ: Орлов А.К., Болгов В.А. Прогноз стоимости основных строительных материалов в условиях 9 неопределенности: методика и практика // Вестник МГСУ. 2023. Т. 18. Вып. 2. С. 293-303. DOI: 10.22227/1997- о 7 0935.2023.2.293-303 § °
» 3
Автор, ответственный за переписку: Александр Константинович Орлов, orlovak@mgsu.ru. о (
Forecasting prices for the main building materials in a context of uncertainty: method and practice
CO CO
l\J CO
о
1 ? Alexandr K. Orlov1, Vladimir A. Bolgov2 r 0
1 Moscow State University of Civil Engineering (National Research University) (MGSU);
Moscow, Russian Federation; t §
2 Voronezh State Technical University (VSTU); Voronezh, Russian Federation e e
ABSTRACT 0 H
U 0
Introduction. The purpose of the study is to evaluate and forecast the behaviour of prices for the main building materials in : 3
a highly uncertain and risky environment using the price behavior forecasting method that takes into account external 3 8
conditions. 1 ■
Materials and methods. A forecast, made in a context of uncertainty, typical for the current economic situation resulting from P ®
geopolitical changes, should take into account results of calculations, the experts' input, variability of scenarios, and s 5
a continuously verifiable and updatable mathematical model. The authors propose a method to forecast materials prices in U c
a context of uncertainty. The method is based on a ranked sequence of actions which is refined on a step-by-step basis. pp K
Results. The method proposed by the authors was employed to calculate and verify the forecast price of the main building , ,
materials (reinforcement bars and ready-mix concrete) in June to December 2022. The author offers scenarios, showing 2 2
the behaviour of prices for the main building materials in 2022 with account taken of the key factors of risk. 2 2
Conclusions. The need for a method to forecast building materials prices in a context of uncertainty was evident. The research 3 3 method was tested, and prices for the main building materials (reinforcing bars and ready-mix concrete) were analyzed.
© А.К. Орлов, В.А. Болгов, 2023
Распространяется на основании Creative Commons Attribution Non-Commercial (CC BY-NC)
The upward price trend was substantiated for all construction market scenarios during the forecast period. Key factors, affecting the probability of each scenario, were identified. The author substantiated the need to continuously monitor the financial model of investment and construction projects to take risk into account.
KEYWORDS: forecast, cost, building materials, economic and mathematical modeling, expert evaluation, method
FOR CITATION: Orlov A.K., Bolgov V.A. Forecasting prices for the main building materials in a context of uncertainty: method and practice. Vestnik MGSU [Monthly Journal on Construction and Architecture]. 2023; 18(2):293-303. DOI: 10.22227/1997-0935.2023.2.293-303 (rus.).
Corresponding author: Alexandr K. Orlov, orlovak@mgsu.ru.
W (0 N N О О
сч сч сч'сч"
It (V U 3 > (Л
с и
(0 00 . г
« (U
!!
Ф О)
о ё
(Л W
Е О ^ с
ю о
S 1
о ЕЕ
fee
а> ^
W W
О (Я
ВВЕДЕНИЕ
Современные экономические условия, в которых функционирует строительная отрасль и реализуются инвестиционные проекты, характеризуются высокой степенью неопределенности и риска вследствие геополитических изменений и последующего санкци-онного давления, внешних ограничений, приведших к возникновению весной 2022 г. кратковременной паники на сырьевых и товарных рынках и ажиотажному спросу [1-4].
В таких условиях, которые можно описать как экономическая турбулентность или полная неопределенность, требуется прогноз ценовой динамики, в том числе строительных материалов, цены и наличие которых определяют не только затратоемкость инвестиционно-строительного проекта, но и его эффективность, и финансовую реализуемость [5, 6]. Одновременно следует отразить, что прогнозирование в ситуации неопределенности нуждается в применении как экспертных корректировок, так и план-фактных сопоставлений с целью оценки достоверности выбранной линии тренда [7-9].
Соответственно, устанавливается необходимость разработки методики прогнозирования стоимости строительных материалов в условиях неопределенности, а также составление прогнозной динамики цен строительных материалов на основе данного методического инструментария [10-14].
В качестве объекта исследования выбраны цено-образующие строительные материалы: арматурная сталь и бетон. Исследование проводилось для Московского региона и г. Екатеринбург.
Цель исследования — прогноз и оценка динамики изменения цен на основные виды строительных материалов (арматурная сталь, бетон) в Московской области, г. Екатеринбурге путем расчетно-эксперт-ного сценарного анализа цен материалов без учета влияния прогнозных изменений геополитической ситуации1.
МАТЕРИАЛЫ И МЕТОДЫ
Исследование проводилось с использованием статистического анализа, экономико-математического моделирования и прогнозирования, факторного
и сценарного анализа на основе структурированного интервью представителей строительной отрасли [15-20].
В целом методику прогнозирования стоимости строительных материалов в условиях неопределенности считаем целесообразным представить как поэтапно уточняемую ранжированную последовательность действий, блок-схема алгоритма методики представлена на рис. 1.
Мониторинг цен на строительные материалы осуществляется на различных уровнях: Росстата, региональных центров ценообразования или департаментов строительства регионов, предприятий при проведении конъюнктурного анализа. В целях прогнозирования стоимости считаем целесообразным произвести экспресс-оценку уровня и динамики цен на исследуемые строительные материалы по данным соответствующих вышеобозначенных служб.
Динамика цен на рассматриваемые материалы, согласно данным Росстата по федеральным округам, к которым относятся исследуемые регионы, представлена на графиках (рис. 2). Приведенная статистика Росстата содержит информацию о средних ценах на приобретенные строительные материалы, детали и конструкции, определенные исходя из цен на виды товаров с конкретными качественными ха-рактеристиками2.
Динамика цен на арматуру после роста цен летом 2021 г. вследствие картельного сговора поставщиков металлопроката снизилась в связи с проведенными ФАС проверками металлотрейдеров во всех регионах (рис. 2). Скачок цен в марте 2022 г. объясняется геополитическими изменениями. Дальнейшая динамика (после марта 2022 г.) во многом вызвана влиянием политики государства, направленной на снижение цены на металл на внутреннем рынке.
Для построения временного ряда и прогнозного тренда выбраны фактические цены по исследуемым регионам по сведениям региональных департаментов и центров ценообразования в строительстве, целесообразность применения которых для прогнозирования доказана путем проведения корреляционного анализа и обоснования наличия высокого уровня корреляции с данными официальной статистики Росстата.
1 Новости рынка. URL: https://cmpro.ru/rus/news/novosti-rinka/
Мониторинг цен металлопроката и стройматериалов. URL: https://mc.ru/stats/stats
< П
ф е
<л t з
3 О (Л
с
0 сл
t СЯ
1 z У 1
J со
U -
> i
n °
» 3
0 Ш
01
о n
CO CO
n NJ >6 an
CD CD
l С
3 e
Рис. 1. Методика прогнозирования стоимости строительных материалов в условиях неопределенности Fig. 1. Method to forecast building materials prices in a context of uncertainty
Ю DO
■ T
s У
с о
<D Ж
2 2
о о
2 2
W W
90 ООО 80 ООО 70 ООО
60 ООО 50 ООО 40 000 30 ООО
20 ООО
10 000
п п
N N О о сч сч
сч'сч"
It (V U 3 > (Л
с и
m оо
. г
« (U ф Ф
о %
(Л (Л
Si
О (Я
■й £
а
-с
&
s
s
" I
hQ й
§ s &
CD ©
и
I
! в
3
s s
ОТ
(L>
и
2 g - z
ft ......~
Л
g Cl
£1 О о
и
-s
Вн
■й 3
g-
CS
(U ©
.3
и s S s
u
■s о
от J
\ eii
.as
I о * Я
<u О
1
>
о Й
л &
о §
X
" &
Л cd
5 s
6
u ©
2020
2021
2022
Арматура ЦФО, т
Reinforcing bars, Central Federal District, tonnes
Арматура УФО, т
Reinforcing bars, Ural Federal District, tonnes
Рис. 2. Динамика цен на арматуру по данным Росстата, руб.
Fig. 2. Rebar price behaviour according to the data of the Federal State Statistics Service, in Russian rubles
С целью прогнозирования применена модель ARIMA авторегрессии с интегрированным скользящим средним.
Для корректного использования модели проведено исследование построенного временного ряда на наличие автокорреляции (рис. 3).
Аналогично выполнено исследование временного ряда на частичную (частную) автокорреляцию
для нахождения порядка авгорегрессионнои модели ряда (рис. 4).
РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ
Практическая реализация модели для построенного временного ряда цены стали арматурной в Московском регионе позволила определить ряд прогнозных значений цены (табл. 1).
<л
(Л
Е О
DL° • с LO О
si
о ЕЕ £ о
СП ^ т- ^
Автокорреляция Autocorrelation
1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6
1 1 1 I I 1 i *
0,0
2,5
5,0
7,5 10,0 12,5 15,0 17,5
Рис. 3. Исследование временного ряда цены стали арматурной в Московском регионе на автокорреляцию Fig. 3. A study of the time series of rebar steel prices in the Moscow region
1,0 0,8 0,6 0,4 0,2 0,0 -0,2 -0,4 -0,6
Частичная автокорреляция Partial autocorrelation
■1 Г
1±
0,0
2,5 5,0 7,5 10,0 12,5 15,0 17,5
Рис. 4. Исследование временного ряда цены стали арматурной в Московском регионе на частичную автокорреляцию Fig. 4. Rebar steel prices in the Moscow region: a study of partial autocorrelation of the time series
Табл. 1. Прогнозные значения цены арматуры ф12 А500С в Московском регионе на прогнозный период 3, 6 и 9 месяцев
Table 1. Predicted values of the price of f12 A500C rebars in the Moscow region for the forecast period of 3, 6 and 9 months
Месяцы Прогнозные значения цены
Months Forecast price values
3 59 592,45
6 66 603,02
9 68 685,09
Полученный график временного ряда и прогноз динамики цены арматуры ф12 А500С в Московском регионе представлен на рис. 5.
Согласно результатам прогнозирования ожидается стабилизация динамики цены арматуры с последующим ростом (без учета влияния геополитических факторов). Следует учесть, что эта тенденция характерна и для мирового рынка. Мировой рынок сортового проката стали находится в движении3. Сегодня котировки цен на указанный вид металлопроката показывают небольшой, но стабильный рост4.
< п
ф е
90 000
80 000
70 000
60 000
50 000
0
—■ Фактические цены, руб. Actual prices, Russian rubles Прогноз цены Forecast prices
\\ л
10
20
30
40
50
60
Рис. 5. Прогнозный график временного ряда и прогноз динамики цены арматуры ф12 А500С в Московском регионе Fig. 5. Forecast time series and the behaviour of forecast f12 A500C rebar prices in the Moscow region
С целью сопоставления прогнозных и фактических значений цены арматуры проведен анализ цены арматуры ф2 А500С в Московском регионе, г. Екатеринбург по данным сайта mcena.ru за май-июль 2022 г., на основании которого и выполнено прогнозирование. В целом отмечается, что фактические значения цены арматуры в рассматриваемых регионах находятся в пределах доверительного интервала
прогноза и отражают тенденцию изменения цены, определенную ранее в процессе прогнозирования5.
0 w
t СО
1 z
У 1
J со
U -
> I
n °
» 3
0 Ш
01
о n
CO CO
l\J CO
о
>6 In
CD CD
l С
3 e
3 Рынок стали России. URL: https://www.mcena.ru/analitika/ rynok-stali-rossii-v-ozhidanii-zimy-2023-goda
4 Сортовой прокат стали—тенденции рынка. URL: https:// www.mcena.ru/novosti/sortovoj-prokat-stali--tendencii-rynka
5 Минстрой России. URL: https://www.minstroyrf.gov.ru/
ю а
■ т
(Л У
с о
(D *
2 2 о о 2 2 W W
Динамика цены арматуры в Московском регионе наблюдается в пределах доверительного интервала и характеризует общую тенденцию линии тренда (рис. 6).
Однако следует заметить, что в трехмесячном прогнозном горизонте отклонение фактических цен от прогнозных находится в пределах от 11 до 14 % в сторону уменьшения цены, что в целом характеризует прогноз как достоверный (табл. 2).
Данное отклонение во многом вызвано влиянием политики государства, направленной на снижение цены на металл на внутреннем рынке6.
Результаты прогнозирования показывают (рис. 7), что ожидается некоторое снижение и стабилизация динамики цены арматуры с последующим ростом (без учета влияния геополитических факторов). Выявленный по результатам прогнозирования более низкий уровень цен на арматуру в г. Екатеринбурге по сравнению с Московским регионом является следствием специализации промышленности г. Екатеринбурга и Свердловской области на металлургическом производстве7.
Аналогично осуществлено прогнозирование цен на бетон товарный (табл. 3, рис. 8).
(О (О
N N
О О
N N
СЧ~СЧ~
К <D U 3
> (Л
с и
U оо
во ^
о н
<и О)
О ё
Рис. 6. Сопоставление прогнозных и фактических цен арматуры ф12 А500С в Московском регионе Fig. 6. Compared actual and forecast prices of f12 A500C rebars in the Moscow region
Табл. 2. Сравнение прогнозных и фактических цен арматуры в Московском регионе в прогнозном интервале 3 месяца Table 2. Comparison of the actual and predicted prices of rebars in the Moscow region in the forecast interval of 3 months
Отчетный период Reporting period Фактические цены, руб. Actual prices, Russian rubles Моделируемая цена, руб. Simulated price, Russian rubles Отклонение фактического от прогнозного значения цены, % Deviation of the actual price value from the forecast price value, %
01.06.2022 60 590 67 925 89
16.06.2022 59 490 69 555 86
01.07.2022 62 990 70 626 89
17.07.2022 62 990 71 329 88
E о cl °
^ a Ю °
s 1
о E
fee
a> ^
in
(Л
■8 El
О И
--Стоимость стройматериалов: чего ждать в 2022-2023.
6 ЕМИСС — государственная статистика. URL: https:// URL: https://delovoymir.biz/stoimost-stroymaterialov-v-2022-www.fedstat.ru/ 2023-godah.html
Рис. 7. Сопоставление прогнозных и фактических цен арматуры ф12 А500С в г. Екатеринбург Fig. 7. Compared actual and forecast prices of f12 А500С rebars in Ekaterinburg city
Табл. 3. Прогнозные значения цены бетона В35 в Московском регионе на прогнозный период 3, 6 и 9 месяцев (источник: данные заказчика, мониторинг цен в свободном доступе8, анализ НИУ МГСУ)
Table 3. Forecast values of the price of B35 concrete in the Moscow region for the forecast period of 3, 6 and 9 months (source: customer's data, open-access prices, analysis of MGSU specialists)
Месяцы Прогнозные значения цены
Months Forecast price values
3 5731,41
6 5738,47
9 5732,64
Полученный график временного ряда и прогноз динамики цены бетона В35 в Московском регионе представлен на рис. 8.
Сопоставление прогнозных и фактических цен на бетон товарный проведено для Московской области на примере бетона готового В25 по данным mcena.ru. Результат сопоставительного анализа приведен на рис. 9.
Рост фактических цен был вызван, во-первых, увеличением спроса вследствие сезонного характера строительных работ, а также ростом цены на доставку цемента в связи с увеличением ставок операторов на привлечение подвижного состава согласно статистике ОАО «РЖД». Повышение железнодорожных
6000 5750 5500 5250 5000 4750 4500 4250 4000
— Фактические цены, руб. Actual prices, Russian rubles Прогноз цены Forecast prices S Л ■■■
1 /
0 10 2 0 3 0 4 0 50 60 7 0
Рис. 8. Прогнозный график временного ряда и прогноз динамики цены бетона В35 в Московском регионе Fig. 8. Forecast time series and behaviour of the forecast price for B35 concrete in the Moscow region
< П
tT
iH О Г
0 w
t CO
1 z y i
J CD
U -
> i
n °
» 3
0 Ш
01
о n
CO CO
l\J CO
о
>6 о о
0)
о
c n
• )
[8
® 8
Ю DO
■ T
(Л У
с о
<D Ж
2 2
о о
2 2
W W
' Мониторинг цен. URL: https://www.mcena.ru/
(О (О
сч N
О О
сч сч сч'сч"
It (V
U 3
> (Л
с и
U 00
. г
« (U
<U <D
о ё
тарифов, несмотря на принятое Правительством РФ решение об отмене индексации грузовых тарифов на перевозку строительных грузов, объясняется индексацией на 11 % тарифов на порожний пробег вагонов, а также расценок на доставку топлива и отдельных видов материалов (уголь, на котором
работают многие российские цементные заводы, или, к примеру, футеровочный кирпич)9. В дальнейшем прогнозируется стабилизация цены на достигнутом уровне благодаря окончанию сезонных работ и принимаемым государством мер по стабилизации рыночной конъюнктуры.
Рис. 9. Сопоставление прогнозных и фактических цен на бетон В25 в Московском регионе за май-июль 2022 г Fig. 9. Compared actual and forecast prices for B25 concrete in the Moscow region in May to July 2022
<Л (Л
E о
DL° • с LO О
Sg
о EE fe о a> ^
ЗАКЛЮЧЕНИЕ И ОБСУЖДЕНИЕ
С учетом выполненного прогнозирования и результатов экспертной оценки можно заключить, что в 2022 г. не ожидается сильного снижения цен на стройматериалы: при самом оптимистичном сценарии их рост замедлится до 2-3 %. Однако в базовом сценарии прогнозируется рост цен в совокупности на 7-8 %. Пессимистичный сценарий предусматривает еще больший рост цен на 16-25 %. Реализация того или иного сценария находится в зависимости главным образом от факторов санкционного давления, изменения экономической ситуации, ставки рефинансирования, объемов ипотечного кредитования и проектного финансирования, а также реализации
госпрограмм. На объемы потребления строительных материалов может оказать влияние расширение рынка строительства за счет программ по восстановлению освобожденных территорий. В 2022 г. ожидается стабилизация или небольшое снижение цен на арматуру с их дальнейшим ростом, что объясняется потребностью покрытия издержек производителей металлопроката в условиях сокращения экспорта.
Результаты прогнозирования, считаем, подтверждают тезис о необходимости постоянного мониторинга и корректировки финансовой модели проектов с учетом рисковой динамики ценообразу-ющих факторов, проведении план-фактного анализа и реализации мер адаптивного управления рисками проектов.
w
W
СПИСОК ИСТОЧНИКОВ
г
Е!
О И
1. Филатов К.В. Влияние цены стройматериалов на себестоимость строительства в современных условиях // Бизнес-образование в экономике знаний. 2021. № 2 (19). С. 111-113.
2. Orlov A.K., Kankhva V.S. Lean construction concept used to develop infrastructure facilities for
tourism clusters // Buildings. 2021. Vol. 12. Issue 1. P. 23. DOI: 10.3390/buildings12010023
3. Ефремян Б.Л., Канхва В. С. Перераспределение приоритетов в управлении рисками в жилищном
НИАЦ. URL: https://niac.mos.ru/
строительстве в условиях последствии внешних шо-ков // Вестник МГСУ. 2022. Т. 17. № 6. С. 756-768. DOI: 10.22227/1997-0935.2022.6.756-768
4. Стерник С.Г., Гареев И. Ф. Структурные изменения на рынке жилой недвижимости в 2020 году: экспансия государственной поддержки и системный рост индивидуального жилищного строительства // Жилищные стратегии. 2021. Т. 8. № 2. С. 85-130. DOI: 10.18334/zhs.8.2.112369
5. Курманова Л.Р., Садыкова А.И., Хабибул-лин Р.Г. Тенденции развития сферы жилищного строительства в современных условиях // Инновационное развитие экономики. 2021. № 5 (65). С. 105-113. DOI: 10.51832/2223-798420215105
6. Гринберг Р.С., Белозёров С.А., Соколовская Е.В. Оценка эффективности экономических санкций. Возможности систематического анализа // Экономика региона. 2021. Т. 17. № 2. С. 354-374. DOI: 10.17059/ ekon.reg.2021-2-1
7. Walentek D. Instrumental or symbolic? The role of multilateral economics sanctions. 2019. URL: https:// www.peio.me/wp-content/uploads/2019/01/PEIO12_ paper_19.pdf
8. Smeets M. The theory and practice of economic sanctions // Russian Trade Policy. 2019. Рp. 66-78. DOI: 10.4324/9780429464041
9. Chakraborty D., Elhegazy H., Elzarka H., Gutierrez L. A novel construction cost prediction model using hybrid natural and light gradient boosting // Advanced Engineering Informatics. 2020. Vol. 46. P. 101201. DOI: 10.1016/j.aei.2020.101201
10. Streicher K.N., Mennel S., Chambers J., Parra D., Patel M.K. Cost-effectiveness of large-scale deep energy retrofit packages for residential buildings under different economic assessment approaches // Energy and Buildings. 2020. Vol. 215. P. 109870. DOI: 10.1016/j.enbuild.2020.109870
11. Chen I., Chuo Y.-Y., MaH. Uncertainty analysis of remediation cost and damaged land value for brownfield investment // Chemosphere. 2019. Vol. 220. Pp. 371-380. DOI: 10.1016/j.chemosphere.2018.12.116
12. Kim H.-J., Seo Y.-C., Hyun C.-T. A hybrid conceptual cost estimating model for large building
Поступила в редакцию 31 октября 2022 г. Принята в доработанном виде 6 февраля 2023 г. Одобрена для публикации 6 февраля 2023 г.
Об авторах: Александр Константинович Орлов — кандидат экономических наук, доцент, директор института «Экономика, управление и коммуникации в сфере строительства и недвижимости»; Национальный исследовательский Московский государственный строительный университет (НИУ МГСУ); 129337, г. Москва, Ярославское шоссе, д. 26; SPIN-код: 3545-1668, Scopus: 57192545943, ResearcherID: ААН-8610-2019, ORCID: 0000-0003-1800-5478; orlovak@mgsu.ru;
Владимир Александрович Болгов — кандидат экономических наук, доцент кафедры цифровой и отраслевой экономики; Воронежский государственный технический университет (ВГТУ); 394006, г. Воронеж, ул. 20-летия Октября, д. 84; SPIN-код: 2814-7129, Scopus: 571944440216, ResearcherID: AAD-3421-2022, ORCID: 0000-0002-6563-9783; bolgov@vgtu.ru.
projects // Automation in Construction. 2012. Vol. 25. Pp. 72-81. DOI: 10.1016/j.autcon.2012.04.006
13. Acuña-Díaz O., Al-Halawani N., Alonso-Barneto M., Ashirbekov A., Ruiz-Flores C., Rojas-Solórzano L. Economic viability of phase-changing materials in residential buildings — A case study in Alice Springs, Australia // Energy and Buildings. 2022. Vol. 254. P. 111612. DOI: 10.1016/j.enbuild.2021.111612
14. Aïssani A., Chateauneuf A., Fontaine J.-P., Audebert Ph. Cost model for optimum thicknesses of insulated walls considering indirect impacts and uncertainties // Energy and Buildings. 2014. Vol. 84. Pp. 21-32. DOI: 10.1016/j.enbuild.2014.07.090
15. Sarcheshmehpour M., Estekanchi H.E. Life cycle cost optimization of earthquake-resistant steel framed tube tall buildings // Structures. 2021. Vol. 30. Pp. 585-601. DOI: 10.1016/j.istruc.2021.01.038
16. DziadoszA. The influence of solutions adopted at the stage of planning the building investment on the accuracy of cost estimation // Procedia Engineering. 2013. Vol. 54. Pp. 625-635. DOI: 10.1016/j. proeng.2013.03.057
17. Angeles K., Kijewski-Correa T. Advancing building data models for the automation of high-fidelity regional loss estimations using open data // Automation in Construction. 2022. Vol. 140. P. 104382. DOI: 10.1016/j. autcon.2022.104382
18. Curto D., Acebes F., González-Varona J.M., Poza D. Impact of aleatoric, stochastic and episte-mic uncertainties on project cost contingency reserves // International Journal of Production Economics. 2022. Vol. 253. P. 108626. DOI: 10.1016/j.ijpe.2022. 108626
19. LiuX., NoonanD. Building underwater: Effects of community-scale flood management on housing development // Journal of Housing Economics. 2022. Vol. 57. P. 101854. DOI: 10.1016/j.jhe.2022.101854
20. Dodd T., Guthrie J., Dumay J. Management controls and modern slavery risks in the building and construction industry: Lessons from an Australian social housing provider // The British Accounting Review. 2022. P. 101098. DOI: 10.1016/j.bar.2022.101098
< П
tT
iH
О Г s 2
0 м t со
1 z y i
J CD
U -
> i
n °
С 3
о СС
oí
o n
со со
n M
С 6 >6
• )
[8
® 8
Ю DO
■ £
s □
s У
с о
(D Ж
M M
о о
to to
w w
Вклад авторов:
Орлов А.К. — научное редактирование, нормативно-методическое обеспечение.
Болгов В.А. — разработка концепции исследования, написание текста статьи, подготовка итоговых выводов. Авторы заявляют об отсутствии конфликта интересов.
REFERENCES
1. Filatov K. Influence of the building materials' price on the construction self-cost in modern conditions. Business Education in the Knowledge Economy. 2021; 2(19):111-113. (rus.).
2. Orlov A.K., Kankhva V.S. Lean construction concept used to develop infrastructure facilities for tourism clusters. Buildings. 2021; 12(1):23. DOI: 10.3390/ buildings12010023
3. Efremyan B.L., Kankhva V.S. Redistribution of risk management priorities in the housing construction sector under the conditions of external shocks. Vestnik MGSU [Monthly Journal on Construction and Architecture]. 2022; 17(6):756-768. DOI: 10.22227/19970935.2022.6.756-768 (rus.).
4. Sternik S.G., Gareev I.F. Structural changes in the residential real estate market in 2020: expansion of
M M state support and systematic growth of individual hou-2 2 sing construction. Russian Journal ofHousing Research.
2021; 8(2):85-130. DOI: 10.18334/zhs.8.2.112369 (rus.). ^ ^ 5. Kurmanova L.R., Sadykova A.I., Khabibul-o 3 lin R.G. Trends in the development of housing construc-E J2 tion in modern conditions. Innovative Development of to oo Economy. 2021; 5(65):105-113. DOI: 10.51832/2223-co q 798420215105 (rus.).
2 E 6. Grinberg R.S., Belozyorov S.A., Sokolovska O. o -¡J Effectiveness of Economic Sanctions: Assessment by
• ^ Means of a Systematic Literature Review. Economy ? h of Region. 2021; 17(2):354-374. DOI: 10.17059/ekon. ! ^ reg.2021-2-1 (rus.).
7. Walentek D. Instrumental or Symbolic? The Role § ij ofMultilateralEconomics Sanctions. 2019. URL: https:// ® -o www.peio.me/wp-content/uploads/2019/01/PEIO12_pa-8 ^ per_19.pdf
(N ^
z ° 8. Smeets M. The theory and practice of eco-$ 2 nomic sanctions. Russian Trade Policy. 2019; 66-78. — 1 DOI: 10.4324/9780429464041 ^ <3 9. Chakraborty D., Elhegazy H., Elzarka H., Guttle o errez L. A novel construction cost prediction model using S g hybrid natural and light gradient boosting. AdvancedEn-° | gineeringInformatics. 2020; 46:101201. DOI: 10.1016/j. § ^ aei.2020.101201
2: £ 10. Streicher K.N., Mennel S., Chambers J.,
$ ° Parra D., Patel M.K. Cost-effectiveness of large-scale
^ • deep energy retrofit packages for residential buildings
O jjj under different economic assessment approaches. Ener-
g O gy and Buildings. 2020; 215:109870. DOI: 10.1016/j.
* S enbuild.2020.109870
H =
O Received October 31, 2022. <D <V
BQ > Adopted in revised form on February 6, 2023. Approved for publication on February 6, 2023.
11. Chen I., Chuo Y.-Y., Ma H. Uncertainty analysis of remediation cost and damaged land value for brownfield investment. Chemosphere. 2019; 220: 371-380. DOI: 10.1016/j.chemosphere.2018.12.116
12. Kim H.-J., Seo Y.-C., Hyun C.-T. A hybrid conceptual cost estimating model for large building projects. Automation in Construction. 2012; 25:72-81. DOI: 10.1016/j.autcon.2012.04.006
13. Acuña-Díaz O., Al-Halawani N., Alonso-Bar-neto M., Ashirbekov A., Ruiz-Flores C., Rojas-Solór-zano L. Economic viability of phase-changing materials in residential buildings — A case study in Alice Springs, Australia. Energy and Buildings. 2022; 254:111612. DOI: 10.1016/j.enbuild.2021.111612
14. Ai'ssani A., Chateauneuf A., Fontaine J.-P., Audebert Ph. Cost model for optimum thicknesses of insulated walls considering indirect impacts and uncertainties. Energy and Buildings. 2014; 84:21-32. DOI: 10.1016/j.enbuild.2014.07.090
15. Sarcheshmehpour M., Estekanchi H.E. Life cycle cost optimization of earthquake-resistant steel framed tube tall buildings. Structures. 2021; 30:585-601. DOI: 10.1016/j.istruc.2021.01.038
16. Dziadosz A. The Influence of Solutions Adopted at the Stage of Planning the Building Investment on the Accuracy of Cost Estimation. Procedía Engineering. 2013; 54:625-635. DOI: 10.1016/j.pro-eng.2013.03.057
17. Angeles K., Kijewski-Correa T. Advancing building data models for the automation of high-fidelity regional loss estimations using open data. Automation in Construction. 2022; 140:104382. DOI: 10.1016/j. autcon.2022.104382
18. Curto D., Acebes F., González-Varona J.M., Poza D. Impact of aleatoric, stochastic and epistemic uncertainties on project cost contingency reserves. International Journal of Production Economics. 2022; 253:108626. DOI: 10.1016/j.ijpe.2022.108626
19. Liu X., Noonan D. Building underwater: Effects of community-scale flood management on housing development. Journal of Housing Economics. 2022; 57:101854. DOI: 10.1016/j.jhe.2022.101854
20. Dodd T., Guthrie J., Dumay J. Management controls and modern slavery risks in the building and construction industry: Lessons from an Australian social housing provider. The British Accounting Review. 2022; 101098. DOI: 10.1016/j.bar.2022.101098
методика и практика
B i о N о т E s : Alexandr K. Orlov — Candidate of Economic Sciences, Associate Professor, Director of the Institute of Economics, Management and Communications in Construction and Real Estate; Moscow State University of Civil Engineering (National Research University) (MGSU); 2б Yaroslavskoe shosse, Moscow, 129337, Russian Federation; SPIN-code: 3545-1бб8, Scopus: 57192545943, ResearcherID: AAН-8610-2019, ORCID: 0000-0003-1800-5478; orlovak@mgsu.ru;
Vladimir A. Bolgov — Candidate of Economic Sciences, Associate Professor of the Department of Digital and Sectoral Economics; Voronezh State Technical University (VSTU); 84 20th Anniversary of October st., Voronezh, 39400б, Russian Federation; SPIN-code: 2814-7129, Scopus: 57194444021б, ResearcherID: AAD-3421-2022, ORCID: QQQQ-QQQ2-6563-9783; bolgov@vgtu.ru.
Contribution of the authors:
Alexandr K. Orlov — development of the research concept, writing the text of the article, preparation of final conclusions. Vladimir A. Bolgov — scientific editing, normative and methodological support. The authors declare no conflict of interest.
< DO
ID <D
s О
t H
i X
s
3 G) X 3
W С H о y
•
s _
о со
з со
t i z
< 1
J CD
о r CD —
n ó
03 CD
СО
o СП
-
О r
n t
_
t S
о со
i z
n 2
a со
О
J^
Cl i en en
r
о о
i о
о
a i
r in
< )
I Т
О
С 3 S
3 <D i
00
i ■
00 DO
J
s 3
s у
С О
<D X
О o
M M
о о
10 10
u U