CC BY
278
ПРОГНОЗИРОВАНИЕ ЦЕН НА РЫНКЕ ЖИЛОЙ НЕДВИЖИМОСТИ НА ТАМБОВСКОМ РЕГИОНАЛЬНОМ РЫНКЕ
В. Ю. СУТЯГИН, Р. Ю. ЧЕРКАШНЕВ
В статье рассмотрен подход к прогнозированию цен на рынке жилья Тамбовской области. В результате корреляционно-регрессионного анализа было выведено линейное уравнение регрессии и проанализированы его факторы. В качестве выводов был составлен прогноз роста цен на Тамбовском региональном рынке жилья на ближайшие три года.
Ключевые слова: прогнозирование, корреляционно-регрессионный анализ, рынок жилой недвижимости.
Рынку жилой недвижимости традиционно уделяется пристальное внимание. И этому есть несколько объяснений.
Во-первых, вопросы жилья, а вернее, его дефицит - проблема, имеющая давнюю историю и в значительной степени не только и не столько экономическая, но и социальная. Вопросы доступности жилья обсуждаются на самом высоком уровне не один год, не одно десятилетие. Не случайно в
народе ходят названия: «сталинки», «хрущевки», «брежневки» и т. д., отражающие вехи развития отечественного рынка жилья.
Во-вторых, в 2000-х гг., когда Россия переживала бурный экономический подъем, именно строительный сектор являлся одним из локомотивов отечественной экономики. При этом именно благодаря жилой недвижимости так бурно рос российский строительный бизнес.
Рис. 1. Динамика ввода жилья в Российской Федерации за период 1990 по 2010 г. [4]
Примечательно, что докризисный уровень (2007-2008 гг.) превышает показатели СССР (рис. 1). Интересно, что за период с 2000 года по 2008 г. ввод жилья вырос более чем в два раза.
Следует также понимать, что само по себе строительство жилья обладает мультипликативным эффектом для экономики, поскольку строительный бизнес создает рабочие места не только внутри, но и в смежных отраслях (к примеру, производство строительных материалов, транспортная отрасль и т. д.).
В-третьих, развитие сектора жилой недвижимости традиционно связывают с таким банковским продуктом (или даже направлением продуктов), как ипотечное кредитование. Именно с этим периодом связано становление и развитие российской ипотеки. Это легко иллюстрируется официальными цифрами, публикуемыми Агентством по ипотечному жилищному кредитованию.
Для сравнения скажем, в 2002 г. сумма выданных ипотечных кредитов равнялась 150 млн дол. При этом около 90 % ипотечных кредитов выдавалось на вторичном рынке жилья. При этом доля ипотечного кредитования в ВВП на 2003 г. составляла менее 0,1 % (для сравнения в развитых странах более 10-20 %, а в отдельных случаях доходит до 50 %) [2]. Однако уже в 2008 г. общая сумма выданных ипотечных кредитов доросла до уровня в 26 млрд долл. США, а доля ипотечного кредита в ВВП выросла до уровня 2,5 %. Только с 2005 по 2008 г. объем выданных ипотечных кредитов вырос в 11,9 раз (рис. 2).
С точки зрения понимания закономерностей развития рынка, краеугольное значение имеет вопрос цен на жилье. Вопрос стоимости «квадратного метра» - это одновременно вопрос и экономический, и социальный. Доступность преслову-
того «квадратного метра» является одним из при оритетов и федерального правительства, и исполнительной власти на местах. Решению этого вопроса посвящены и федеральные целевые про-
граммы (в конце концов, сведенные в 2005 г. в национальные проект «Жильё» (проект «Доступное и комфортное жильё - гражданам России»)), и региональные программы.
Рис. 2. Поквартальный объем выданных ипотечных жилищных кредитов с 2005 по 2011 г., млн руб. [2]
Стратегический взгляд на развитие рынка жилья и его доступность показывает, что важнейшее значение приобретает прогнозирование (и далее таргетирование) цен на этом рынке [1]. Прогнозирование цен на рынке недвижимости (и жилья, в частности) преследует ряд задач:
- любой прогноз является проявлением системности подхода к вопросам управления, поскольку позволяет предвидеть ситуацию на рынке, а стало быть, реализовывать как взвешенную жилищную политику в масштабах целого региона (и даже страны), так и осуществлять эффективное управление недвижимыми активами;
- прогноз цен выставляет ориентиры для
всех участников рынка жилья: начиная от
застройщиков и потенциальных покупателей и заканчивая инвесторами, банковским сектором, риэлторами и т. д.;
- прогноз дает ключ к пониманию тех тенденций, которые протекают на рынке, и факторов, их обусловливающих.
- рассматривая вопросы прогнозирования, надо остановиться на тех методах, которыми располагает на сегодняшний день финансовая наука. Условно их можно разделить в три основных методологических подхода:
- экспертный;
- математико-статистический;
- детерминированный.
Экспертный подход делает упор на анализ мнений специалистов в той или иной области знаний, выступающих в качестве экспертов. На практике это может выглядеть как многоступенчатый опрос экспертов по специальным схемам и обработка полученных результатов с помощью статистического инструментария. Это
наиболее простые и достаточно популярные методы. Применение этих методов на практике обычно заключается в использовании опыта и знаний финансовых аналитиков и производственных руководителей предприятия. Основной плюс - интуитивная понятность, а также быстрота и простота применения. Недостатком является излишняя субъективность, поскольку результат всецело зависит от взглядов и квалификации экспертов. Экспертные оценки применяются не только для прогнозирования значений показателей, но и в аналитической работе, например, для разработки весовых коэффициентов, пороговых значений контролируемых показателей и т. п.
Математико-статистические методы ориентируются на оценку вероятности получения того или иного результата. Вероятность получения точного прогноза растет с ростом числа эмпирических данных. Эти методы занимают ведущее место с позиции формализованного прогнозирования и существенно варьируются по сложности используемых алгоритмов. Наиболее простой пример - исследование тенденций объема продаж, который реализуется с помощью анализа темпов роста показателей реализации. Результаты прогнозирования, полученные методами статистики, подвержены влиянию случайных колебаний данных, что может иногда приводить к серьезным просчетам [1].
Детерминированные методы ориентируются на выявление функциональных или жестко детерминированных стохастических связей между результирующим показателем и рядом факторов. В качестве примера можно привести зависимости, реализованные в рамках известной модели факторного анализа прибыли по модели Дюпон. Ис-
пользуя эту модель и подставляя в нее прогнозные значения различных факторов, например, выручки от реализации, суммы активов, размера чистой прибыли, можно рассчитать прогнозное значение одного из основных показателей эффективности - коэффициента рентабельности активов.
В последнее время в экономической науке широко используется методология корреляционно-регрессионного анализа. Вполне очевидно, что весь указанный методический аппарат вполне подходит и для целей прогнозирования цен на рынке недвижимости.
Метод корреляционно-регрессионного анализа позволяет удачно сочетать математикостатистический подход к прогнозированию с детерминированным, по сути, являясь гибридом.
При составлении прогнозов мы будем исходить из следующих фундаментальных предпосылок и допущений.
Первое - будущее похоже на прошлое. Отсюда следует, что тенденции, происходившие в прошлом, будут иметь аналогии и в будущем. Кроме того, факторы, действовавшие и формировавшие цену в прошлом, будут действовать и формировать цену в будущем.
Второе, рынок жилья достаточно эффективен. Согласно теории эффективности рынков, это значит, что вся доступная на рынке информация будет немедленно и в полной мере отражаться в цене, т. е. изменение факторов (в том числе и тех, которых при составлении прогнозов мы возможно не учли) будет отражаться на изменении цены на рынке жилья.
Общий алгоритм проведения корреляцион-но-регрессионого анализа может выглядеть следующим образом:
- осуществляется выборка исследуемого (результативного) показателя или параметра;
- производится качественный анализ взаимосвязи результативного параметра от фактора (или ряда факторов) и осуществляется выборка по факторным показателям;
- осуществляется выбор уравнения регрессии, описывающего характер взаимосвязи между результативным и факторными показателями, и осуществляется расчет параметров регрессии;
- производится оценка тесноты взаимосвязи между факторными признаками и результативным, проверка факторов на мультикол-
линеарность, а также проверка адекватности модели и отдельных ее коэффициентов.
В целях исследования цен на жилье и составления прогноза на Тамбовском региональном рынке было проанализировано несколько ключевых факторов, которые условно можно разбить на несколько групп.
Цена есть производная от множества факторов. Это справедливо и для цены «квадратного метра» жилья. При этом факторы могут быть частными и общими.
Частные факторы объясняют стоимость жилья в конкретном доме, конкретной квартире для конкретного покупателя. К таковым можно отнести: тип проекта дома, площадь квартиры, количество жилых комнат, этаж / этажность, местоположение и транспортную доступность, качество отделки, застройщика и его маркетинговую политику, платежеспособность покупателя и финансирование сделки купли-продажи и мн. др.
Для понимания развития рынка более важны общие факторы, которые характеризуют ситуацию в строительной отрасли и состояние экономики. Подчеркнем, что мы рассматриваем Тамбовский региональный рынок жилья. Большинство указанных факторов доступно из СМИ, в том числе из данных Росстата. К основным общим факторам, определяющим динамику цен, мы отнесем:
- динамику роста валового регионального продукта;
- численность населения региона;
- динамику прямых инвестиций в регионе;
- динамику роста доходов населения (заработной платы, в первую очередь);
- динамику ввода жилья;
- уровень инфляции;
- среднюю процентную ставку по кредитам и т. д.
Заметим, что указанные факторы можно разбить на три основные группы:
- общеэкономические факторы (динамика роста валового регионального продукта, уровень инфляции, средняя процентная ставка по кредитам);
- факторы спроса (динамика роста доходов населения, численность населения);
- факторы предложения (динамика ввода жилья, динамика прямых инвестиций в регионе).
Рассмотрим значение факторов за период с 1999 года по 2011 г. (т. е. за 13 лет). Данные приведены в таблице 1.
Таблица 1
Факторы, определяющие динамику цен на рынке жилой недвижимости1
Годы Средняя цена 1 м2 общей площади квартир на рынке жилья, руб., в том числе Средняя цена 1 м2 общей площади квартир на рынке вторичного жилья, руб. Средняя цена 1 м2 общей площади квартир на рынке первичного жилья, руб. Валовой региональный продукт, млн руб. Числен- ность населения, чел. Номинальная заработная плата, руб. Инвестиции в основ-ной капитал, млн руб. Ввод жилья, тыс. м2 Индекс потребительских цен, % Средняя ставка по кредитам, %
1 2 3 4 5 6 7 8 9 10 11
Y X1 X2 X3 X4 X5 X6 X7
1999 3487,00 3237 3737 16750,9 1247855 882,9 1893,6 200,5 33,7 39,7
2QQQ 4775,77 4453,35 5098,18 23387,3 1231054 1234,5 2526,5 241,1 19,7 24,4
2QQ1 6096,79 5823,44 6370,14 31086,6 1213591 1760,5 3772,3 220,7 17,4 17,9
2QQ2 9054,10 9212,33 8895,86 38897,8 1193381 2554,6 5341 248,2 14,3 15,7
2QQ3 10505,18 10443,69 10566,67 46877,7 1174233 3303,6 8257,5 258,7 10,51 13
2QQ4 11582,54 11342,73 11822,35 56775 1158858 4081,4 11316,4 311,1 14,4 11,4
2QQ5 13943,33 13826,31 14060,34 63614,8 1144817 5008,5 14698,1 350,3 9,8 10,7
200б 21054,34 22509,42 19599,26 79766,2 1130352 6275,9 19666,8 420,9 9,4 10,4
2QQ7 28177,57 28371,97 27983,16 106039,6 1117119 7903 30860,9 501,7 12,4 1Q
2QQ8 33250,11 34247,22 32252,99 120836 1106035 10295,7 42700,6 560,4 15,2 12,20
2QQ9 28674,25 29265,17 28083,33 133587 1096879 11605,8 48795,3 559,2 8,09 15,30
2Q1Q 28906,16 29232,08 28580,23 140936,7 1088437 12623,9 50019,3 569,1 8,12 10,8
2Q11 29665,80 30037,90 26953,24 167029,4 1085900 14995,00 65000 570,0 6,5 8,3
Следует обратить внимание и на тот факт, что прогнозы по указанным факторам обоснованны и доступны из публичных источников. В частности, данные по указанным факторам доступны из следующих источников:
- основные показатели уточненного прогноза социально-экономического развития Тамбовской области на 2013 г. и на период до 2014 г. [4];
- сценарные условия долгосрочного прогноза социально-экономического развития РФ до 2020 г. [5].
Для построения регрессионной модели приведем данные в сопоставимый вид. Результаты представлены в таблице 2.
Корреляционно-регрессионный анализ произведен с использованием программного комплекса IBM SPSS Statistics 20. Построение регрессионной модели осуществлено методом шагового отбора
1 Источником информации по графам 2-9 являются дан-
ные Росстата РФ (http://www.gks.ru), графы 10 - данные Банка России (http://www.cbr.ru)
факторов на базе линейного уравнения, которое в наиболее общем виде иметь вид:
Y=а0+a1X1+ а2Х2+... + апХп.
Оценка адекватности модели произведена на основе показателя F-критерия Фишера; оценка адекватности параметров регрессии - с помощью показателя ^критерия Стьюдента, а проверку факторов на мультиколлинеарность - с помощью коэффициентов парной регрессии (значение которого не должно превышать 0,8).
В результате проведенного анализа на этапе построения уравнения регрессии, проверки факторов на мультиколлинеарность и проверки адекватности модели и факторов были признаны не существенными факторы Х1, Х2, Х4, Х5, Х6, Х7.
В итоговом варианте уравнение регрессии имеет вид:
Y=-15,559+1,424 х Х3
Уравнение составлено в пределах 95 % доверительного интервала.
Основные параметры, характеризующие силу и тесноту связи, приведены в табл. 3.
Таблица 2
Факторы регрессионной модели
Годы Темп прироста средней цены 1 м2 общей площади квартир на рынке жилья, % Темп прироста валового регионального продукта, % Темп прироста численности населения, % Темп прироста номинальной заработной платы, % Темп прироста инвестиций в основной капитал, % Темп прироста ввода жилья, % Индекс потребительских цен, % Средняя ставка по кредитам, %
1 2 5 6 7 8 9 10 11
Y Х1 Х2 Х3 Х4 Х5 Х6 Х7
1999 62,85 69,69 -1,09 44,03 52,60 -1,57 33,7 39,7
2000 36,96 39,62 -1,35 39,82 33,42 20,25 19,7 24,4
2001 27,66 32,92 -1,42 42,61 49,31 -8,46 17,4 17,9
2002 48,51 25,13 -1,67 45,11 41,58 12,46 14,3 15,7
2003 16,03 20,52 -1,60 29,32 54,61 4,23 10,51 13
2004 10,26 21,11 -1,31 23,54 37,04 20,26 14,4 11,4
2005 20,38 12,05 -1,21 22,72 29,88 12,60 9,8 10,7
2006 51,00 25,39 -1,26 25,30 33,81 20,15 9,4 10,4
2007 33,83 32,94 -1,17 25,93 56,92 19,20 12,4 10
2008 18,00 13,95 -0,99 30,28 38,36 11,70 15,2 12,20
2009 -13,76 10,55 -0,83 12,72 14,27 -0,21 8,09 15,30
2010 0,81 5,50 -0,77 8,77 2,51 1,77 8,12 10,8
2011 2,63 18,51 -0,23 13,20 31,15 5,94 6,5 8,3
Таблица 3
Оценка тесноты взаимосвязи факторных и результативных показателей, адекватности модели
Модель R R-квадрат Стд. ошибка оценки Значение F-статистики
1 0,789 0,622 14,15855 18,122
Напомним, что величина коэффициента корреляции более 0,7 свидетельствует о сильной связи, а пороговое значение F-статистики 4,75.
Результаты оценки существенности параметров рецессии приведены в таблице 4.
Таблица 4
Оценка адекватности параметров регрессии
Модель Нестандартизованные коэффициенты t 95,0 % доверительный интервал Корреляции
В Стд. Ошибка Нижняя граница Верхняя граница Частная
Ао -15,559 10,141 -1,534 -1,534 -1,534
Х3 1,424 0,335 4,257 4,257 4,257 0,789
Пороговое значение ^статистики Стьюдента 2,201. Сведения об исключенных факторах и их ^ статистиках Стьюдента приведены в таблице 5.
Таблица 5
Информация об исключенных факторах
Модель t Частная корреляция
Х5 1,404 0,406
Х4 0,379 0,119
Х2 0,194 0,061
Х1 1,750 0,484
Х6 0,628 0,195
Х7 0,413 0,130
Проведенный анализ позволяет сделать несколько значимых выводов и прогнозов.
Первое, учитывая доступность исходных факторов, можно спрогнозировать ценовую ситуацию на рынке недвижимости Тамбовской области на ближайшие годы.
Согласно Основным показателям уточненного прогноза социально-экономического развития Тамбовской области на 2013 г. и на период до 2014 г. размеры заработной платы вырастут с 14 290,4 (2011) до 21 290 (на конец 2014 г.), что позволяет рассчитать темпы прироста номиналь-
Прогнозирование
ной заработной платы и, следовательно, спрогнозировать темп прироста цен на жилье. Заметим, что именно эти цифры заложены при составлении бюджета Тамбовской области на 2012 г. и 20132014 плановый период.
Прогноз показывает (табл. 6), что средняя стоимость 1 м2 жилья к концу 2014 г. в регионе достигнет 34 005,78 рублей (против 29 665,80 рублей на конец 2011 г.). Другими словами, цены за указанный период вырастут на 14,6 %, при этом существенный рост стоит ожидать именно в течение ближайшего 2012 г.
Таблица 6
цен на рынке жилья
Годы Средняя цена 1 м2 общей площади квартир на рынке жилья, руб- Темп прироста цен на рынке жилой недвижимости Номинальная заработная плата, руб. Темп прироста номинальной З/П, % Темп инфляции, % Отношение темпов прироста цен на рынке жилья к темпам инфляции
1999 3487,00 62,85 882,9 44,03 77,8 1,4
2000 4775,77 36,96 1234,5 39,82 33,7 2,1
2001 6096,79 27,66 1760,5 42,61 19,7 2,6
2002 9054,10 48,51 2554,6 45,11 17,4 3,4
2003 10505,18 16,03 3303,6 29,32 14,3 2,5
2004 11582,54 10,26 4081,4 23,54 10,51 1,2
2005 13943,33 20,38 5008,5 22,72 14,4 1,7
2006 21054,34 51,00 6275,9 25,30 9,8 2,2
2007 28177,57 33,83 7903 25,93 9,4 1,7
2008 33250,11 18,00 10295,7 30,28 12,4 1,8
2009 28674,25 -13,76 11605,8 12,72 15,2 0,3
2010 28906,16 0,81 12623,9 8,77 8,09 -0,4
2011 29665,80 2,63 14290,40 13,20 8,12 0,4
Годы Средняя цена 1 м2 общей площади квартир па рынке жилья, руб- Темп прироста цен на рынке жилой недвижимости Номинальная заработная плата, руб. Темп прироста номинальной З/П, % Темп инфляции, % Отношение темпов прироста цен на рынке жилья к темпам инфляции
2Q12 32616,83 9,95 16850,00 17,91 7,5 1,7
2Q13 33413,45 2,44 18980,00 12,64 6,0 0,4
2Q14 34005,78 1,77 21290,00 12,17 5,5 0,4
Второе, анализ факторной модели позволяет сделать вывод, что корень жилищной проблемы -низкая платежеспособность населения (стоимость жилья зависит лишь от одного фактора). В этом смысле корень решения жилищной проблемы -резкое повышение платежеспособности. До этой поры другие рычаги (в частности, поддержка ипотечного рынка, строительного бизнеса и т. д.) будут оставаться неэффективными.
Интересно, что по оценкам Управления экономической политики Тамбовской области средняя заработная плата вырастет на 49 %. Вместе с тем, приходится признать, что уровень доходов тамбовчан остается крайне низким для решения жилищной проблемы. И в обозримом будущем эту проблему решить вряд ли удастся. Довольно примечательно, что, не смотря на тенденциозный и довольно бурный рост доходов населения (как в рамках исследуемого периода, так и прогноза), стоимость 1 м2 жилья как превышала, так и будет превышать среднемесячный (номинальный) заработок. К примеру, чтобы приобрести 1 м2 жилья в «среднестатистической» квартире (по результатам 2011 г.) (29 665,80 руб.) тамбовча-нину необходимо отработать более двух месяцев (средняя заработная плата - 14 290,40 руб.).
Третье, распространенная гипотеза в оценочной среде о приблизительном равенстве темпов инфляции и темпов роста на рынке недвижимости не согласуется со статистикой. Главное, регрессионный анализ показал, что фактор инфляции (индекс потребительских цен) не является статистически значимым. Расчетное отношение темпов роста цен на рынке жилья к темпам инфляции показывает довольно большой разброс значений (от - 0,4 до 3,4). Среднее значение в диапазоне равно 1,5, хотя при таком сильном разбросе значений корректнее использовать показатель медианы для характеристики центральной тенденции в выборке. Медиана - это значение признака, справа и слева от которого находится равное число наблюдений (по 50 %). Этот параметр (в отличие от среднего значения)
устойчив к статистическим «выбросам». Медианное значение показателя отношения равно 1,7; что указывает на тот факт, что темп роста цен на рынке жилой недвижимости приблизительно равен 1,7 от темпа инфляции.
Наконец, четвертое, уже сложившаяся практика инвестиционной покупки жилья с целью роста его стоимости в обозримой перспективе (в перспективе на три года) может использоваться лишь только как консервативный вариант инвестирования. Подчеркнем, что согласно нашему прогнозу сводный рост за период 2012-2014 гг. на рынке жилой недвижимости составит всего лишь 14,6 %. Для сравнения, к примеру, средняя годовая процентная ставка по депозитам в 2Q11 г. колебалась от 5 до 6,9 %. При этом к концу года наметился явный рост доходности депозитов. Таким образом, за те же три года доходность по банковским депозитам будет колебаться от 15,8 до 22,6 %.
Подводя итог, хочется заострить внимание, что прогноз цен на рынке жилья обладает безусловной ценностью для очень широкого круга субъектов, в том числе:
- девелоперы (застройщики);
- инвесторы;
- производители строительных материалов;
- покупатели;
- кредитные организации;
- ипотечные агентства и брокеры;
- риэлторы.
Литература
1. Жиденко А. В., Толстых Т. Н. Система развития регионального рынка жилья // Вестник Тамбовского университета. Серия Гуманитарные науки. Тамбов, 2011. Вып. 2 (94).
2. Зетиман Г. Методы прогнозирования финансового состояния организации. URL: http: // www.iteam.ru
3. Ипотека в цифрах. URL: http://
www.rusipoteka. ru
4. Основные показатели уточненного прогноза социально-экономического развития Тамбовской
области на 2013 год и на период до 2014 года. URL: http: //www.tambov.gov.ru
5. Средние цены на рынке жилья // Федеральная служба государственной статистики РФ. URL: http: // www.gks.ru
* * *
FORECASTING OF THE PRICES IN THE RESIDENTIAL REAL ESTATE MARKET AT THE TAMBOV REGIONAL MARKET
V. Yu. Sutyagin, R. Yu. Cherkashnev
In article the approach to forecasting of the prices in the market of housing of the Tambov region is considered. As a result of the correlation and regression analysis the equation linear regressions was deduced and its factors are analyzed. As conclusions the rise in prices forecast in the Tambov regional market of housing for the next three years was made.
Key words: forecasting, correlation and regression analysis, residential real estate market.
