CC BY
123
ВЛИЯНИЕ ИПОТЕЧНЫХ СТАВОК НА ЦЕНООБРАЗОВАНИЕ НА ПЕРВИЧНОМ РЫНКЕ ЖИЛЬЯ
УДК 347.276.5
Николай Игоревич Корнилов,
аспирант Московского Государственного Университета Экономики, Статистики и Информатики Тел.: (903) 976-62-07 Эл. почта: Dark_messiyah@mail.ru
В статье рассматривается связь цен на первичном рынке жилья, в зависимости от региональной принадлежности и типа дома, с величиной ставки по ипотеке. Даётся оценка силы такой связи и возможных последствий изменения таких ставок.
Ключевые слова: ипотека, ставки по ипотеке, ценообразование, рынок жилья.
Nikolay I. Kornilov,
Post-graduate student of the Moscow State University of Economics, Statistics and Informatics Tel.: (903) 976-62-07 E-mail: Dark_messiyah@mail.ru
INFLUENCE OF MORTGAGE RATES PRICE FORMATION ON THE PRIMARY HOUSING MARKET
The article considers relationship of prices in the primary market, depending on the regional origin and type of home, with the value of mortgage rates. Assesses the strength of such a relationship and the possible effects of changes in such rates.
Keywords: a mortgage, rates on a mortgage, pricing, housing market.
Ипотека является наиболее доступным способом улучшения жилищных условий в нашей стране. Изучение влияния ставок по ипотечным кредитам на цены на первичном рынке жилья представляется актуальной и важной задачей. Банковская услуга такого типа в подавляющем большинстве случаев (до 80%) предоставляется на первичном рынке жилья, и несомненно оказывает влияние на формирование цен на этом рынке. [1] В работе решается задача оценки степени и масштабов такого влияния.
Информационной базой исследования являются данные ФСГС и ЦБ РФ за 2013 год.
Причины, влияющие на цены объектов жилой недвижимости, можно разделить на две основные группы: локальные и глобальные.
Локальные определяют вариацию цен на квартиры в пределах одной местности. Например, одна квартира более удачно расположена, у другой площадь кухни больше, у третьей сделан хороший ремонт. Эти причины создают всю гамму цен на жилье в данный момент времени и, вообще говоря, слабо зависят от времени.[2]
Влияние локальных причин можно описать оценочными корректировками, которые используют оценщики для приведения цены одного объекта к цене другого.
Вторая группа причин, влияющих на ценообразование, - это глобальные причины. Они связаны с макроэкономическими параметрами, такими, как уровень развития экономики и бизнеса в городе, уровень доходов населения и уровень жизни в данном городе, а также его статус и престиж. Причем различие в ценах на аналогичную недвижимость, находящуюся в разных городах, также примерно пропорционально друг другу. Это позволяет говорить о сравнении общего уровня цен в одном городе с уровнем цен в другом и утверждать, что соотношение цен на аналогичную квартиру в разных городах будет примерно пропорционально соотношению уровней цен в этих городах.
1. Классификация региональных рынков жилья
Региональные рынки жилья СКФО представлены в нашем исследовании, как объединённый региональный рынок, в силу специфики этих субъектов федерации. Московский региональный рынок жилья из исследования убран по причине его анормальности в сравнении с остальными субъектами, включёнными в анализ: более нигде в России нет таких объёмов инвестиций в недвижимость, такого спроса на жильё - от типового до элитного, и таких цен.
Таким образом, в исследование включены данные по 75 региональным рынкам жилья. Первоначально проводилась их классификация с использованием данных за 2013 год по субъектам федерации по ценам на различные виды жилья на первичном рынке, среднедушевым доходам, данным по плотности населения, объёмах ипотечных кредитов, а так же средневзвешенным ставкам по ипотечным кредитам по данным ЦБ. В анализ включались следующие переменные: хг - среднедушевые денежные доходы населения х2 - плотность городского населения х3 - плотность сельского населения х4 - объём ипотечных кредитов
х5 - средневзвешенная ставка по ипотечным кредитам х6 - средние цены на первичном рынке жилья в регионе, по всем типам жилья;
Для разбиения исследуемой совокупности использовался иерархический агломеративный алгоритм кластерного анализа и правило Уор -да. В этом методе в качестве целевой функции применяют внутригруппо-вую сумму квадратов отклонений, т.е. сумму квадратов расстояний между каждой точкой (объектом) и средней по кластеру, содержащему этот объект. На каждом шаге объединяются такие два кластера, которые приводят к минимальному увеличению целевой функции, т.е. внутригрупповой суммы квадратов отклонений. Этот метод направлен на объединение близко расположенных кластеров. Замечено, что метод Уорда приводит к образованию кластеров примерно равных размеров и имеющих форму гиперсфер (гиперповерхность в «-мерном евклидовом пространстве, образованная точками равноудалёнными от заданной точки, называемой центром сферы).
Метрикой расстояния в данном исследовании изберём метрику расстояний Чебышева. Такое расстояние может оказаться полезным, когда необходимо определить два объекта в разные классы в зависимости от различий между ними по одному наиболее значимому признаку. В нашем случае, значимым признаком является цена на первичном рынке жилья.
Анализ построенного иерархического дерева позволяет выделить 4 кластера. В первый войдут региональные рынки первичного жилья Курганской области, ХМАО, Пензенской, Кировской, Волгоградской, Ростовской, Тюменской, Иркутской и Свердловской областей, а так же Ставропольского, Алтайского и Камчатского краёв, Чувашской республики и Ненецкого АО. Этот кластер сформирован двумя группами региональных рынков - обеспеченных серьёзными финансовыми ресурсами Тюмени, ХМАО и Ростова с одной стороны, и рынков небогатых регионов с другой. Этот кластер можно назвать совокупностью нетипичных для России региональных рынков. Кластер составлен из 14 регионов.
Второй кластер включает в себя Хабаровский край, Томскую область, Забайкальский край, Мурманская, Псковская, Тамбовская, Амурская, Челябинская, Омская, Кемеровская, Костромская, Новосибирская, Саратовская и Калужская области, а так же Забайкальский, Приморский и Пермский края, республики Коми, Марий Эл, Башкортостан, Хакассия, Саха, Тыва, Бурятия и Адыгея, ЯНАО и город Санкт-Петербург.
Во второй кластер входят экономически менее благополучные регионы, с существенным разрывом
между уровнями доходов и цен на жильё. Наличием подобного разрыва объясняется присутствие в этом списке Санкт-Петербурга. В состав кластера входят 27 регионов.
Третий кластер составляют региональные рынки всех остальных субъектов, включённых в анализ. Это Ленинградская, Архангельская, Тверская, Ульяновская, Вологодская, Новгородская, Смоленская, Самарская, Нижегородская, Астраханская, Ярославская, Рязанская, Воронежская, Оренбургская, Курская, Орловская, Брянская, Липецкая, Ивановская, Владимирская, Тульская, Калининградская и Белгородская области, а так же Красноярский край, республики Татарстан, Мордовия и Удмуртия. Кроме того, сюда же могут быть отнесены показатели регионов СКФО.
Третий кластер составляют развитые региональные рынки жилья. Относительно высокие доходы населения позволяют создать обеспеченный спрос на достаточно высокие цены, предложенные застройщиками. Ситуацию в этом кластере можно назвать благоприятной с точки зрения как рядового покупателя жилья, так и инвестора, вложившего капитал в строительство на ранних этапах. В состав кластера входит 21 регион.
Четвёртый кластер сформирован рынками трёх областей - Московской, Сахалинской и Еврейской. Фактически, четвёртый кластер представляет собой совокупность аномалий, поэтому моделирование по данным об этих субъектах проводиться в рамках исследования не будет.
2. Моделирование влияния ипотечных ставок на цены на первичном рынке жилья
Опираясь на данные классификации, построены уравнения типологической регрессии стоимости 1 2
1 м на первичном рынке жилья для трёх кластеров с учётом типа жилья. Регрессионные модели строились для результирующих показателей.
у1 - средние цены по всем типам жилья в регионе, тыс. руб./м2;
у2 - средние цены на крупнопанельные и крупноблочные дома в регионе, тыс. руб./м2;
Дендрограмма по 75 объектам Метод Уорда
Метрика расстояний Чебышава
к
Рис. 1.Дендрограмма классификации региональных рынков первичного жилья в России (2013 год).
тип дома кластер уравнение регрессии по кластерам Я Р §
дома всех типов 1 Г1 = 410,06 + 0,003х1 + 31,59х5 0,803 9,51 4,84
2 Г1 = 375,25 + 0,004х1 + 0,01х2 + 27,9х 0,734 5,2 14,64
3 Г1 = 290,7 + 0,011х1 + 19,7х5 0,81 10,1 9,34
крупнопанельные и крупноблочные 1 Г2 = 154,6 + 0,004х1 + 0,01х2 + 21,3х5 0,69 9,5 6,32
2 Г2 = 203 + 0,03х1 + 0,013х2 + 23,7х5 0,79 5,3 13,92
3 Г2 = 109,3 + 0,009х1 + 34,1х5 0,64 9,7 11,71
кирпичные 1 Г3 = 332,16 + 0,01х1 + 37,32х5 0,72 9,6 5,27
2 Г3 = 366,2 + 0,012х1 + 41,23х5 0,63 5,7 17,2
3 Г3 = 215,1 + 0,01х1 + 0,02х2 +41,23х5 0,52 10,2 12,43
монолитные, монолитно-кирпичные 1 Г4 = 281,1 + 0,01х1 + 23,9х5 0,61 9,52 7,12
2 Г4 = 171 + 0,03х1 + 14,2х5 0,58 5,62 18,1
3 Г4 = 401 + 0,011х1 + 28,1х5 0,54 9,5 11,9
у3 - средние цены на кирпичные дома в регионе, тыс. руб./м
у4 - средние цены на монолитные, в том числе монолитно-кирпичные дома в регионе, тыс. руб./м2 В качестве объясняющих переменных использовались следующие показатели:
X - среднедушевые денежные доходы населения, руб.;
х2 - плотность городского населения, чел/км2;
х3 - плотность сельского населения, чел/км2;
х4 - объём ипотечных кредитов, млн. руб.;
х5 - средневзвешенная ставка по ипотечным кредитам, процент.
Включение в модели показателей плотности населения обусловлено наличием связи между экономической ситуацией в регионе и численностью населения в нём. Чем более развита экономика региона, тем выше в нём плотность населения -люди стремятся туда приехать и там остаться. Иллюстрируемая экономическая ситуация, в свою очередь, определяет на цены на жильё.
Полученные уравнения типологической регрессии и их параметры представлены в таблице 1.
По уравнениям регрессии, представленным в таблице 1, можно сделать следующие выводы:
Влияние ставки по ипотечным кредитам на стоимость 1 м жилья существенно, т.е. значим коэффициент регрессии х;.
В первом кластере наиболее сильное влияние на стоимость жилья в кирпичных домах - рост средневзвешенной ставки на 1% влечёт за собой увеличение средней цены на этот вид первичного жилья на 37,33 тысячи рублей. Рост ставок по ипотеке обусловлен, в первую очередь, ростом стоимости денег для банков, повышением ставки рефинансирования, а значит - ставки по кредитам и для юридических лиц, в том числе, строительных компаний. Повышение стоимости заёмных средств увеличивает цену нового жилья. Кроме того, высокий процент по ипотеке отпугивает потенциальных покупателей с недостаточно прочным материальным
положением для покупки дорогого жилья пусть даже в кредит. Относительно низкая ставка по ипотеке привлекает больше покупателей на рынок, спросом у которых пользуются не самые дорогие объекты на рынке жилья.
Во всех кластерах наиболее сильно ставки по ипотеке влияют на цены в кирпичных домах, слабее всего среди рассматриваемых типах жилья - в монолитно-кирпичных. Последний тип традиционно представлен на рынке в наиболее престижном сегменте, а значит, и наиболее дорогом. Покупатели, которые могу себе позволить покупку элитного жилья, весьма редко прибегают к использованию услуг ипотеки и увеличение стоимости этой банковской услуги на цены в элитном сегменте рынка влияет довольно слабо и опосредовано. Кирпичные дома в нашей стране исторически воспринимаются как наиболее комфортные для проживания, и пользуются широким спросом, поэтому влияние колебаний ипотечных ставок сказывается на этом сегменте рынка наиболее сильно.
Заключение
Таким образом, влияние размера ипотечных ставок на цены на первичном рынке жилья существенно, но зависит от сегмента рынка В более благополучных типичных региональных рынках жилья такое влияние выражено сильнее, нежели на менее благополучных, или нетипичных. Следует особо оговорить, что снижение ипотечных ставок само по себе не может повлечь за собой снижение цен на новостройки. Только снижение цены заёмных средств может повлечь за собой понижение цен на первичном рынке жилья. В то же время, повышение ипотечных ставок существенно корректирует существующие цены, и делает жилую недвижимость, возможно, более привлекательной с точки зрения инвестиционной деятельности, но всё менее и менее доступной для основной массы покупателей.
Литература
1. Егина Н.А., Теркулова И.И. Развитие рынка ипотечного кре-
дитования в России в условиях мирового финансового кризиса // Научное издание «Системное управление», ГОУ ВПО «Мордовский государственный университет им. Н.П. Огарева», № 1 (5), 2009
2. Горемыкин В.А. Ипотечное кредитование / В. А. Горемыкин. М. : МГИУ, 2007. - 368 с. - ISBN 978-5-2760-1122-6.
3. Дубров А.М., Мхитарян В.С., Трошин Л.И. Многомерные статистические методы — М: Финансы и статистика, 2003.
References
1. Egina N.A., Terkulova I.I. The development of the mortgage market in Russia during the global financial crisis // Nauchnoe izdanie «Sistemnoe
upravlenie», GOU VPO «Mordovskij gosudarstvennyj universitet im. N.P. Ogareva», № 1 (5), 2009
2. Goremykin VA. Mortgage Loans / VA. Goremykin M: MGIU, 2007. -368 p. - ISBN 978-5-2760-1122-6.
3. Dubrov A.M., Mkhitaryan VS., Troshin L.I. Multivariate statistical methods - M: Finance and Statistics, 2003.
