CC BY
59
ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ОЦЕНКИ КОММЕРЧЕСКОЙ НЕДВИЖИМОСТИ
Н.А. Головин, студент И.А. Азанова, студент В.Д. Балабаев, студент К.Д. Гладких, студент
Новосибирский государственный университет (Россия, г. Новосибирск)
DOI:10.24412/2411-0450-2022-12-1-89-94
Аннотация. Во многих областях применения оценка недвижимости играет важную роль: правительственные органы нуждаются в оценке для целей налогообложения и планирования расходов и доходов различных проектов, финансовые учреждения нуждаются в определении стоимости залога и прогнозирования рисков, а инвесторы в оценке недвижимости. Такие оценки все еще в основном выполняются вручную, но с ростом количества объектов недвижимости и уменьшением временных интервалов, в течение которых требуются оценки, эта задача стала более сложной, чем когда-либо. Недавнее увеличение количества качественных данных о коммерческой недвижимости и новые методы моделирования для их обработки открыли новые возможности в сфере автоматизированных моделей оценки (АМО). Автоматизированные системы оценивания уже имеет примеры успешного применения для прогнозирования цен на жилую недвижимость. Отсутствие исследований, оценивающих возможности применения АМО для прогнозирования коммерческой недвижимости на российском рынке, обусловливает актуальность данной работы. В данной работе проводится теоретическое исследование потенциала применения автоматизированных моделей оценки на российском рынке коммерческой недвижимости.
Ключевые слова: недвижимость, коммерческая недвижимость, автоматизированная система оценивания недвижимости, жилье, рынок недвижимости.
Определение и особенности коммерческой недвижимости
В Международных стандартах оценки приведено следующее определение недвижимости: «объект недвижимости определяют, как физический участок земли и относящиеся к нему улучшения (в том числе и постройки). Это осязаемая, материальная, «вещь». Объект недвижимости можно посмотреть и потрогать. В каждом государстве местным законодательством устанавливается основной принцип для различения движимого и недвижимого имущества» [Международные стандарты оценки, 2011].
Российское законодательство в 130 статье гражданского кодекса дает такое определение недвижимости: «к недвижимым вещам (недвижимое имущество, недвижимость) относятся земельные участки, участки недр и все, что прочно связано с землей, то есть объекты, перемещение ко-
торых без несоразмерного ущерба их назначению невозможно, в том числе здания, сооружения, объекты незавершенного строительства. К недвижимым вещам относятся также подлежащие государственной регистрации воздушные и морские суда, суда внутреннего плавания. Законом к недвижимым вещам может быть отнесено и иное имущество».
Оба этих определения охватывают достаточно широкий круг объектов, чем порождают достаточно большое количество классификаций недвижимости. Так, по характеру использования выделяют недвижимость:
1. Для жилья.
2. Для коммерческой деятельности.
3. Для производственной деятельности.
4. Для сельскохозяйственных нужд .
5. Для специальных целей: (больницы, школы, дома престарелых, церкви, здания
административных и правительственных учреждений).
В данной работе мной будет рассматриваться именно коммерческая недвижимость, поэтому обратимся к её определению. Коммерческая недвижимость - это недвижимость для инвестиций с целью получения стабильного денежного дохода в долгосрочной перспективе. Мотивом приобретения объекта коммерческой недвижимости является получение стабильного денежного дохода в течение длительного времени (создание условия для его извлечения) либо дохода от объекта за счет повышения его стоимости в долгосрочной перспективе. [Бычкова, 2009]. Другими словами, покупатель коммерческой недвижимости в первую рассчитывает на получение дохода от приобретаемого объекта, тогда как покупатели жилой недвижимости планируют использовать её для личных нужд. Такое принципиальное различие в целях приобретения объекта приводит к различию в факторах, оказывающих влияние на стоимость объекта. Именно поэтому для оценки цен на коммерческую недвижимость может не подойти логика и модели, используемые при оценке жилой недвижимости.
Роль оценки
Поскольку активы коммерческой недвижимости известны отсутствием непрерывной торговли и индексы, основанные на сделках, встречаются редко, оценщики выполняют жизненно важную функцию на рынке, выступая в качестве суррогата цен сделок. В большинстве случаев это происходит в форме единой оценки рыночной стоимости. Подобно ценообразованию на рынке облигаций или акций, оценки недвижимости являются ключевыми во взаимосвязанном процессе приобретения, продажи и оценки эффективности. Тем не менее, как в научных кругах, так и на практике существует определенный скептицизм в отношении способности оценщиков надежно выполнять эту задачу [Ш§ег8,2018].
Стоимость определяется большим количеством характеристик, связанных с объектом недвижимости, таких как размер, местоположение, ряд качественных харак-
теристик и будущие денежные потоки. Оценка недвижимости связана с определением и анализом этих многочисленных характеристик, однако возникают трудности с количественной оценкой влияния огромного числа характеристик, чтобы прийти к оценке стоимости на основе последней информации. Это еще более актуально для коммерческой недвижимости, которая известна своей неоднородностью. Поэтому, несмотря на то, что оценка основана на профессиональном суждении, она остается отчасти субъективным мнением о стоимости, основанным на оценке влияний, которые оценщик считает значимыми для стоимости объекта недвижимости на данный момент, и поэтому является в равной степени искусством и наукой.
Кроме того, на многих рынках недвижимости принято отделять владение имуществом от его использования, то есть, цена обмена будет одинаковой независимо от того, имеет ли покупатель в виду инвестиции или жилье, в то время как в действительности взгляды этих двух групп участников торгов могут сильно отличаться. Инвестор будет рассматривать стоимость как дисконтированную стоимость потока арендной платы, получаемой от актива, в то время как владелец, занимающий помещение, будет рассматривать актив как фактор производства и присваивать ему стоимость, вытекающую из вклада недвижимости в прибыль бизнеса. Таким образом, любой актив, скорее всего, будет иметь несколько различных стоимостей, которые не всегда легко различить. То есть перед процессом оценки необходимо определить какую цену мы будем пытаться предсказать.
Рыночная стоимость общепризнана в научных кругах и на практике как «одинаковая для всех» стоимость, которая является основным показателем цены обмена актива, если бы он был продан на открытом рынке. Учитывая, что убедительной причиной использования Рыночной стоимости является обеспечение последовательности в процессе оценки, важно, чтобы в деталях было достигнуто согласие. Поэтому Международный комитет по
стандартам оценки дал следующее международное «стандартное» определение:
«Рыночная стоимость — это расчетная сумма, за которую актив должен быть обменен на дату оценки между желающим покупателем и желающим продавцом в сделке на рыночных условиях после надлежащего маркетинга, когда стороны действовали осознанно, осмотрительно и без принуждения» [IVSC, 2020].
Другими словами, недвижимость продается по указанным данным на открытом и конкурентном рынке, где покупатель и продавец действуют осмотрительно и осознанно. На цену не влияют неоправданные стимулы, при этом обе стороны действуют в своих интересах.
Предпринимаются адекватные рыночные усилия и предоставляется разумное время для выставления товара на открытом рынке. Платежи осуществляются наличными или в сопоставимых условиях финансовых договоренностей без влияния особых соображений, предоставленных кем-либо, связанным с продажей. Важно понимать, что приведенное выше определение стоимости основано на прошлой информации. Таким образом, оценщики отражают рынок, а не создают его.
В контексте построения автоматизированной модели оценивания недвижимости лучший аналог рыночных цен может быть получен из цен сделок. Идея заключается в том, что должна быть возможность оценить Рыночную стоимость на основе исторических цен сделок, так как это будет цена, уплаченная за недвижимость на открытом рынке. Однако из-за отсутствия в открытом доступе цен сделок для российского рынка коммерческой недвижимости, мной будут использованы цены из объявлений.
Точность ручной оценки
Прежде чем приступить к построению собственной автоматизированной модели и обсуждению потенциала АМО, важно получить некоторое представление о точности текущей практики оценки. Сначала мы рассмотрим литературу, в которой обсуждаются различия между оценочной и фактической транзакционной стоимостью.
Затем мы рассмотрим потенциальные причины этих ошибок в оценке.
Авторы одной из первых статей [Hager, 1985], в которой затрагивается тема различий между оценочной и сдельной стоимостями, приходят к выводу, что точность может значительно отличаться в зависимости от времени, рынков и даже людей. Хотя авторы и сравнивали оценки стоимости молодых оценщиков с более опытными, полученная общая разница в 13 процентов ставит под вопрос точность ручной оценки.
В другой работе [Schekkerman, 2004] автор на примере голландского рынка недвижимости сравнивает оценочную стоимость с фактической и приходит к выводу что только в одной третьей случаев ошибка составляет меньше 20 процентов. Однако тот факт, что более 20 процентов сделок были совершены в пределах 5 процентной погрешности относительно оцененной стоимости, свидетельствует о том, что за счёт совершенствования традиционных методов оценки можно добиться большей точности. Исследовательская инвестиционная фирма MSCI периодически публикует отчеты, в
которых сравнивает последние оценки стоимости с фактическими ценами сделок. В 2020 году MSCI проанализировал рынки недвижимости 23 стран, входящих в одноименный индекс. Средняя абсолютная разница в среднем по миру последнее двадцать лет колеблется около десяти процентов, а по состоянию на 2020 год составила 10,5 процентов. Более того, мы можем видеть более высокую разницу во время кризиса 2007 года и более низкую в последующий период. Большая часть ошибки в 2020 году приходится на недвижимость стоимостью менее 1 миллиона долларов. Возможной причиной этого может быть то, что эти объекты часто продаются более мелким сторонам, которые обладают меньшей переговорной силой и склонны платить цену выше рыночной стоимости. Для более крупных объектов недвижимости ошибка в среднем составляет 9,3 процента [MSCI, 2020].
Итак, мы убедились, что фактическая цена сделки и оценочная стоимость могут
значительно отличаться. Причины этого могут быть различные. Выделяют три причины:
- исторические оценки влияют на текущие оценки через «привязку». То есть, оценщики часто знают предыдущие оценки и находятся под влиянием этих прошлых результатов.
- большинство методологий оценки используют исторические сделки и таким образом вносят задержку в изменение рынка, известную как «запаздывающее» предубеждение. Поэтому оценщики в целом не спешат включать информацию, не основанную на сделках.
- Учитывая исторические цены сделок, которые не обязательно представляют собой рыночную стоимость, оценщикам приходится вручную корректировать информацию. Это вносит дополнительный «шум», который приводит к ошибкам в оценках [МсА1Мег, 2013].
Модели, основанные на данных, могут предложить решение против поведения оценщиков, поскольку они менее подвержены вышеописанным ошибкам и являются одной из причин интереса к АМО.
Автоматизированные методы оценки
Европейская группа ассоциаций оценщиков (ТЕGоVА) в разрабатываемых ею стандартах дает следующее определение АМО: «Автоматизированные модели оценки (АМО) могут быть определены как основанные на статистике компьютерные программы, которые используют информацию о недвижимости (например, сопоставимые продажи, характеристики недвижимости и т.д.) для определения стоимости, связанной с недвижимостью, или предполагаемой стоимости».
Международная ассоциация специалистов по оценке (1ААО) описывает АМО следующим образом: «математически обоснованная компьютерная программа, которая производит оценку рыночной стоимости на основе анализа местоположения, рыночных условий и характеристик недвижимости на основе собранной информации. Отличительной особенностью АМО является то, что он производит оценку рыночной стоимости посредством математического моделирования. Досто-
верность АМО зависит от используемых данных и навыков специалиста по моделированию, создающего АМО» [1ААО, 2018].
Рабочая группа RICS в своих стандартах так описывает АМО: «Автоматизированные модели оценки используют один или несколько математических методов для предоставления оценки стоимости определенной недвижимости на определенную дату, сопровождаемой мерой уверенности в точности результата, без вмешательства человека после инициирования» [RICS, 2021].
Другими словами, АМО — это основанная на одном или нескольких математических методов компьютерная программа, получающая на вход определенные характеристики объекта, и выдающая его предполагаемую стоимость. Иногда итоговая оценка предоставляется в сочетании со степенью уверенности в её точности.
Автоматизированные модели оценки (АМО) сегодня широко используются как в государственном, так и в частном секторе [Downie, 2008]. Изучение методов оценки недвижимости и применение подходов к оценке и ценообразованию жилой недвижимости является важной областью исследований как в академической, так и в коммерческой сфере. В последнее время наблюдается значительный рост коммерческих поставщиков АМО, которые предлагают свои услуги населению на платной основе, а также поставщикам ипотечных кредитов, таким как банки, и другим финансовым учреждениям для оценки портфелей жилой недвижимости. Хотя используются различные базовые модели, основой подхода являются статистические методы поиска данных и вычисления. Кроме того, АМО привлекают внимание сообщества оценщиков недвижимости, что приводит к дебатам об их достоинствах и точности.
АМО были разрабатываются и совершенствуются по ряду причин, в частности, потому, что они являются удобной, быстрой и недорогой альтернативой полной оценке. Они представляют собой компьютерные приложения, использующие различные статистические и алгоритмические
подходы для анализа взаимосвязи между ценой/стоимостью жилой недвижимости и ее базовыми характеристиками. Цель - получить оценку рыночной стоимости недвижимости. Методы, используемые различными поставщиками АМО, отличаются. Действительно, отдельные поставщики будут иметь в своем распоряжении несколько моделей, используя наиболее подходящую модель в конкретных обстоятельствах. Однако все модели, в большей или меньшей степени, будут содержать определенную степень неопределенности, связанную с полученной оценкой недвижимости. Мера этой неопределенности часто предоставляется поставщиком АМО.
Основными пользователями автоматизированных моделей оценки выступают кредиторы и государство. Так банки могут использовать АМО для оценки недвижимости, предоставляемой в качестве обеспечения займа. Также с помощью таких моделей можно отслеживать стоимость недвижимости в течение всего срока кредита. Государство же в свою очередь может применять автоматизированные модели для целей налогообложения, выявления мошеннических схем, а также для планирования доходов и расходов инвестиционных проектов (например, для определения компенсационных выплат при строительстве новых или расширении существующих аэропортов и дорожных схем) [RICS, 2021].
Несмотря на широкое распространение в настоящее время, АМО вызывают некоторые споры, особенно по поводу их сравнения с традиционной ручной оценкой.
Среди преимуществ автоматизированных моделей чаще всего отмечают:
- Экономит время, деньги и ресурсы, помогает управлять постоянно увеличивающимся потоком данных, обеспечивая определенный уровень уверенности;
- Могут быть полезны для выявления нюансов/статистического анализа, которые оценщики обычно не могут заметить в ходе своих обычных исследований;
- Устраняет человеческий фактор, снижая риск мошенничества;
- Могут быть встроены в существующие электронные платформы обработки оценок.
- Среди недостатков таких моделей следует выделить следующие:
- Сложность сбора данных и разработки;
- Отсутствие большого количества качественных данных может привести к оценкам с низким уровнем достоверности;
- Использование АМО мало прозрачно для потребителей, особенно если используется модели типа «чёрный ящик».
Таким образом, несмотря на все преимущества автоматизированные модели оценки имеют ряд ограничений и решение о целесообразности разработки таких решений должно приниматься в каждом слу-
чае индивидуально.
Библиографический список
1. Бычкова, М.В. Исследование понятия «коммерческая недвижимость» // Имущественные отношения РФ.2009. №4. С. 86-91.
2. «Гражданский кодекс Российской Федерации (часть первая)» от 30.11.1994 № 51-ФЗ (ред. от 25.02.2022).
3. Медведева Н.И., Бровкин А.В. Оценка рыночной стоимости объектов коммерческой недвижимости с использованием доходного подхода // Экономика: вчера, сегодня, завтра. 2018. Т №8(9А). С.79-91
4. Международные Стандарты Оценки МСО-2011.
5. Downie, Mary-Lou and Robson, Gill Automated Valuation Models: an international perspective. RICS Automated Valuation Models Conference: AMOs Todayand Tomorrow. London, 4 November 2008.
6. Hager, D.P., and Lord, D.J. (1985). The property market, property valuations and property performance measurement // Journal of the institute of Actuaries. 1985.Vol.112(1), P. 19-60
7. Hilgers, B.A.J. Automated Valuation Models for Commercial Real Estate in the Nether-lans: Traditional Regression versus Machine Learning Techniques. Student thesis: Master. Eindhoven University of Technology, Eindhoven, 2018.
8. IAAO Standard on Automated Valuation Models (AVMs). Kansas City: International Association of Assessing Officers, 2018. 61 p.
9. IVCS International valuation standards. London: Page Bros, 2020. 138 p.
10. McAllister P. Baum A., Crosby N., Gallimore, P., Gray A. Appraiser behavior and appraisal smoothing: some qualitative and quantitative evidence. Journal of Property Research. 2013. Vol. 20 (3). P. 261-280.
11. RICS Automated valuation models. London: Royal Institution of Chartered Surveyors, 2021. 23 p.
12. TEGoVA European valuation standards, eight editions. Belgium: Gillis, 2016. 378 p.
THEORETICAL ASPECTS OF COMMERCIAL REAL ESTATE VALUATION
N.A. Golovin, Student I.A. Azanova, Student V.D. Balabaev, Student K.D. Gladkikh, Student Novosibirsk State University (Russia, Novosibirsk)
Abstract. Real estate valuation plays an important role in many applications: government agencies need valuation for tax purposes and planning the costs and benefits of various projects, financial institutions need valuation of collateral and risk forecasting, and investors need real estate valuation. Such appraisals are still mostly done by hand, but with the growth in the number of properties and the decreasing time intervals for which appraisals are required, the task has become more complex than ever. The recent increase in quality commercial real estate data and new modeling techniques for processing it have opened up new possibilities in the field of automated valuation models (AVMs). Automated valuation systems already have examples of successful applications for residential real estate price forecasting. The lack of studies evaluating the possibilities of using AVM for forecasting commercial real estate in the Russian market determines the relevance of this work. In this paper, a theoretical study of the potential of using automated valuation models in the Russian commercial real estate market is carried out.
Keywords: real estate, commercial real estate, automated real estate valuation system, housing, real estate market.
