Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости


Скачать 0.81 Mb.
Название Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости
страница 3/7
Тип Документы
rykovodstvo.ru > Руководство эксплуатация > Документы
1   2   3   4   5   6   7

Figure 4. Approximation of long-term price trend (Moscow)

Рис. 4. Апроксимация долгосрочного ценового тренда (Москва)

Но на рынке недвижимости действуют и другие факторы, которые накладывают на базовый тренд более быстропротекающие, среднесрочные и краткосрочные колебания. Например, связанные с строительно-инвестиционным циклом, с развитием инфраструктуры рынка строительства жилья, с потребительским поведением граждан и т.д.

Эти колебания на рынке жилья реализовывались в фазе роста долгосрочного цикла не в колебаниях цен, а в колебаниях первой производной – темпов прироста цен относительно базового тренда.

Сущность метода изучения динамики рынка, разработанного летом 2006 года и названного нами методом негармонического разложения ценового тренда, сводится к переходу от изучения динамики исследуемой величины (собственно цен) к исследованию первой (приросты, или скорость роста), затем второй (скорость роста приростов, или ускорение роста цен) и т.д. производной – динамических рядов темпов прироста величин относительно аппроксимирующей функции предыдущего уровня.

Графики на рис. 5 показывают достаточно стабильную периодичность колебаний «среднего» тренда: полтора года - рост и около года – снижение. При этом амплитуды колебаний приростов росли. Положительные максимумы принимали значения 111, 216, 794 $/кв. м в месяц (соотношение 1:1,9:3,7). Иными словами, абсолютные значения положительной полуамплитуды удваивалось вместе с удвоением значений базового тренда. Отрицательные максимумы принимали значения 98, 374 $/кв. м в месяц, т.е. вторая полуамплитуда втрое больше первой и в 1,7 раза больше второй положительной полуамплитуды. Такие параметры колебаний можно принять в качестве ориентировочных при прогнозировании тенденций изменения темпов роста цен относительно базового тренда (параболы второй степени).

Математическая модель-прогноз состоит из следующей системы уравнений:

Y = y + Δy2 + Δy3 + Δy4 + …. + Δyn, (1)

y = a3 x3 + a2x2 + a1x + a0 , (2)

Δy1 (3);

Δy2 = (4);

Δy3 = (5);

………………………………………..

Δyn = (6),

где Y – прогнозное значение средней удельной цены предложения жилья в месяце х;

y – уравнение базового тренда (долгосрочный прогноз);

Δy1 – прогноз приростов средней удельной цены предложения жилья в месяце х относительно базового тренда;

Δy2 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда второго порядка;

Δy3 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда третьего порядка;

Δyn - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда предпоследнего порядка;

а, b, c, d, р с индексами – коэффициенты уравнений (трендов различного порядка), аппроксимирующих фактические данные.

Модели (3) – (6) сформированы как уравнения модифицированной синусоиды /20/. Например, в июле 2007 года уравнение динамики первой производной приняло вид

, R2=0,8408.

Опыт вычислений показал, что в связи с последовательным уменьшением амплитуды отклонений приростов цен от предшествующей аппроксимации в 2-3 раза (рис. 5) на практике достаточно ограничиться двумя-тремя итерациями расчета производной.



Figure 5. Dynamics and forecast of the first and the third derivative value

Рис. 5. Динамика и прогноз значений первой и третьей производной ценового тренда (Москва)
До октября 2008 года модель демонстрировала высокую точность (рис. 6). Но кризис 2008 года отменил сделанные ранее прогнозы.

«Лишь немногие экономисты видели приближение нынешнего кризиса. В самых распространенных математических моделях, которыми пользовались для прогнозирования экономисты, ничто не предполагало саму возможность коллапса вроде того, что случился в минувшем году» (Пол Кругман, нобелевский лауреат, 2009 год).



Figure 6. Superposition and gaining medium-term forecast of prices dynamic on the Moscow real estate market

Рис. 6. Суперпозиция и получение среднесрочного прогноза динамики цен на рынке жилья Москвы

Динамическая статистическая модель приведенного ранее вида содержит одну независимую переменную, один фактор – время. Более продвинутым считается многофакторное моделирование вида

Y = f (X1, X2, X3, Т).

С середины нулевых годов ряд специалистов начали активно развивать эти методы применительно к прогнозированию динамики цен на рынке недвижимости [21-26].

Включение в модель других факторов может повысить качество аппроксимации, приблизить модель к фактическим данным периода предыстории. Однако, метод обладает принципиальными недостатками:

1) это не всегда означает повышение точности прогноза, т.к. предварительно необходимо дать прогноз изменения каждого из входных индикаторов, что повышает вероятность общей ошибки;

2) методы регрессионного многофакторного прогнозирования разработаны для линейных (в лучшем случае – линеаризированных) моделей, а известные зависимости цена-фактор часто принципиально нелинейны;

3) метод основан на классе «аналитических» моделей, не позволяющих учитывать сложные связи (прежде всего обратные) между факторами.

Мощным методом прогнозирования, адаптированным для рынка недвижимости в середине нулевых годов, является метод нейронных сетей [27-29]. Это класс аналитических методов многофакторного моделирования, построенных на принципах обучения мыслящих существ и функционирования мозга и позволяющих прогнозировать значения некоторых переменных после прохождения этапа «обучения» на имеющихся данных. Недостаток метода, аналогичный недостатку многофакторного статистического моделирования – по каждому фактору необходимо включать в расчет собственный предварительный прогноз.

Фундаментальным продвижением методологии моделирования и прогнозирования рынка недвижимости является работа [30], в которой сформированы уравнения спроса и предложения на рынке жилья.

Спрос разделен на две составляющие - спрос домохозяйств и спрос инвесторов.

Уравнение спроса на жилье со стороны домохозяйств Dht выглядит следующим образом:

,

где incomet реальный доход домохозяйства, выраженный в рублях;

area_fitt – суммарный запас жилищного фонда на душу населения за вычетом ветхого и аварийного жилья.

Обратная функция спроса со стороны домохозяйств, которая используется для эмпирических расчетов, записана в виде:

,

где cpit – темп инфляции;

startt – предложение жилья на первичном рынке.

Уравнение спроса со стороны инвесторов DtInvest:

,

где D tInvest спрос на новое жилье со стороны инвесторов;

ind_PHt – темп роста цен на жилье;

ind_PHexp t+1 – ожидаемый темп роста на жилье в следующем периоде;

π exp t+1 ожидаемая инфляция будущего периода;

PAexp t+1 ожидаемая доходность от альтернативных инвестиций;

creditt переменная, характеризующая доступность кредита.

Обратная функция спроса со стороны инвесторов на первичное жилье имеет вид:

,

где ind_PHt Invest – отношение цен на жилье в текущем периоде к ценам на жилье в базисном периоде;

invhousest – доля (в процентах от общего объема) инвестиций в жилье – proxy-переменная для доходности от покупки жилья; характеризует ожидаемый темп роста цен на жилье в будущем периоде ind_PHexp t+1 ;

startt предложение жилья на первичном рынке;

rtst – прирост в процентах по отношению к прошлому году индекса РТС.

Предложение жилья со стороны строительных фирм:

,

где ind_PHt exp и ind_PEst exp ожидаемые рост цен на жилье и рост цен на недвижимость другого рода в период t , сформированные в прошлом периоде;

ct – издержки строительства (например, зарплата рабочих в строительной отрасли, стоимость строительных материалов).

Линеаризованная форма уравнения предложения имеет вид:

,

где startt предложение нового жилья в момент времени t;

ind_PHt – темп роста цен на жилье в предыдущих периодах;

invbuildst-1 доля инвестиций в нежилое строительство (здания и сооружения) как proxy-переменная для доходности строительства нежилых объектов;

pi_bcwt-1индекс стоимости строительно-монтажных работ в качестве proxy-переменной для зарплаты рабочих, занятых в строительстве.

Таким образом, темп роста цен на жилье имеет вид:



Рассматриваемые модели спроса и предложения учитывают следующие факторы рынка недвижимости: темп роста цен на жилье; ожидаемая инфляция будущего периода; ожидаемая доходность от альтернативных инвестиций; степень доступности кредитных средств; предложение жилья на первичном рынке; прирост по отношению к прошлому году индекса РТС; реальный доход домохозяйства; суммарный запас жилищного фонда на душу населения; издержки строительства; доля инвестиций в нежилое строительство; стоимость строительно-монтажных работ.

При всей ценности данной работы в теоретическом отношении, в прагматическом аспекте необходимо отметить, что использование полученных авторами уравнений спроса и предложения для прогнозирования требует, как и в случае обычных регрессионных многофакторных моделей и нейросетевых моделей, предварительного прогноза динамики каждого из рассматриваемых факторов, что зачастую нереализуемо.

Сравнительно недавно перечень методик прогнозирования рынка недвижимости был пополнен в связи с появлением нового аспекта этой задачи - проявившуюся потребность в методиках прогнозирования развития рынка недвижимости со стороны госорганов, связанную с разработкой и необходимостью обоснования стратегий развития рынка жилья и жилищного строительства, ипотечного кредитования и т. д. Такие методики, помимо обычных требований к научной обоснованности и достоверности результатов, выдвигают специфические требования доступности для расчетов в условиях ограниченного набора исходных данных, а именно – публикуемых в официальной статистике (Росстат) и в прогнозах развития экономики МЭР РФ, Минфина РФ, ЦБ РФ. Откликом на эту научную проблему послужила методика [33], основанная на ранее выполненном исследовании эластичности цен на жилье по доходам и типизации рынков в зависимости от стадии их динамики [17]. Методика включает следующие операции:

  • по данным о динамике цен определяется достигнутая стадия и тип рынка, экспертным способом прогнозируется их изменение в последующие годы;

  • из среднесрочного правительственного прогноза выбираются прогнозируемые значения темпов роста реальных доходов населения и инфляции, и рассчитываются темпы роста номинальных доходов;

  • выбирается одна из моделей, построенных для данного типа рынка, и рассчитывается среднемесячный темп роста цен на жилье.

Модели для прогнозирования цен на жилье получены в виде уравнения статистической связи между темпами роста цен на жилье на каждой стадии динамики и темпов роста среднедушевых доходов населения (рис. 7). В связи с ограниченность имеющейся статистики выделенные в [34] 10 типов рынка были сведены в три группы:

  • для типов 2 (развивающийся) и 7 (падающий, кризисный)

y = 0,534x + 0,795 (коэффициент детерминации R2 = 0,94);

  • для типов 5 (стабильный) и 8 (депрессивный)

y = 0,361х – 0,692 (R2 = 0,93);

  • для типов 3 (растущий) и 4 (перегретый)

y = 0,730х + 2,683 (R2 = 0,99).

Модели показали высокую точность прогнозирования динамики цен в Москве, Московской области, Санкт-Петербурге в краткосрочном периоде (1 год). Однако, в связи с необходимостью экспертного прогнозирования типа рынка модель не всегда обеспечивает необходимую точность в среднесрочном периоде (рис. 8).


Figure 7. Statistical linkage between growth rates of real estate prices and growth rates of average per capita income in terms of different market type via supply/demand correlation

Рис 7. Статистическая связь темпов роста цен на жилье с темпами роста среднедушевых доходов при различном типе рынка по соотношению спрос/предложение


Figure 8. Forecast of price dynamics on real estate market of capital regions for 2010-2013 and its examination with actual data

Рис. 7. Прогноз динамики цен на рынке жилья столичных регионов на 2010-2013 годы и его проверка по фактическим данным

Важным шагом на пути совершенствования методов прогнозирования, кроме выявления понятия «тип рынка» и определения связи темпа роста цен с типом рынка, было комплексное исследование факторов динамики ценообразования на рынке жилья и построение многоуровневой иерархии факторов спроса и предложения, в зависимости от глубины исследования (в долгосрочном, среднесрочном и краткосрочном периодах) и типа исследуемого рынка [34]. В соответствии с приведенной классификацией (табл. 2) был проведен феноменологический анализ действующих факторов динамики ценообразования.

Как показано в [34], факторов, влияющих на ситуацию на рынке недвижимости, значительно больше, чем их учитывается в большинстве рассмотренных моделей. Содержательный, феноменологический анализ факторов ценообразования, опирающийся на экспертные знания о рынке, качественные и количественные исследования закономерностей рынка, особенностей, отличающих рынки стран с транзитивной экономикой от развитых рыночных экономик, должен предшествовать любым попыткам формализованного моделирования рынка. Математические модели, даже успешно прошедшие фильтры статистического анализа значимости факторов, не могут быть признаны адекватными, если они не опираются на экономическую гипотезу о сущности протекающих на рынке процессов в данной фазе и стадии его развития [2-4]. Кроме того, в процессе прогнозирования необходимо учитывать, что между ценообразующими факторами существуют не только прямые, но и горизонтальные и обратные связи.

Методика среднесрочного прогнозирования локального рынка жилой недвижимости. Учитывая накопленные к настоящему времени результаты углубленного исследования закономерностей развивающегося рынка недвижимости России и факторов, определяющих динамику спроса и предложения на рынке недвижимости и их влияние на динамику цен на жилье, была сформулирована задача и разработана методика прогнозирования не только динамики цен, но и динамики комплекса показателей развития сложной системы «рынок жилой недвижимости»: предложение, спрос, поглощение площадей, объем строительства и ввода жилой недвижимости [35].

Возрастание роли государства в экономике, особенно в период кризиса, сопровождалось в последние годы повышенным вниманием к стратегическому и среднесрочному прогнозированию как на федеральном, так и на региональном и местном уровне. Параметры прогнозов развития экономики в целом и отдельных отраслей и сегментов становятся жестким ориентиром для всех руководителей и нацеливают их внимание на безусловное достижение заданного уровня. Однако в части параметров рынка недвижимости эти прогнозы недостаточно детализированы. Кроме того, недостаточная обоснованность прогнозов, сопровождаемая изменением внешних условий функционирования экономики и рынка недвижимости, приводит к их неожиданным и слишком частым корректировкам. Поэтому одной из особенностей разрабатываемой методики является, наряду с использованием официальных прогнозов в качестве предварительных ориентиров, их детализация и проверка.

В ходе разработки методики потребовалось уточнить ряд понятий (терминов и определений), используемых при анализе и моделировании рынка недвижимости. В частности, понятие «спрос» было разделено на пять категорий: спрос-потребность, совокупный платежеспособный спрос, потенциальный платежеспособный спрос, предъявленный платежеспособный спрос, удовлетворенный (реализованный) спрос.

Спрос-потребность – разность между желаемым и фактическим уровнем средней обеспеченности комфортным и благоустроенным жильем городского населения в регионе (без учета некачественного, в т.ч. подлежащего капитальному ремонту, ветхого и выводимого жилого фонда).

Совокупный платежеспособный спрос – объем жилья, которое городское население может приобрести на рынке за счет своих накоплений.

Потенциальный платежеспособный спрос – объем жилья, который городское население предполагает приобрести на рынке в течение ближайших 3-5 лет за счет всех источников финансирования (собственные сбережения, кредиты, зачет имеющегося жилья, государственные сертификаты и т.д.).

Предъявленный платежеспособный спрос – объем жилья, которое городское население предполагает приобрести на рынке в течение ближайшего года при текущем уровне цен за счет всех источников финансирования, скорректированный на изменение склонности населения к расходованию сбережений с учетом изменения экономической ситуации в стране и регионе, степени недоверия к застройщикам, условий ипотечного кредитования, изменения уровня цен.

Удовлетворенный (реализованный) спрос – предъявленный в текущем году спрос, удовлетворенный в форме сделки, направленной на приобретение прав требования на строящийся объект (по ФЗ-214 или иными практикуемыми способами) или приобретение прав собственности на построенное жилье, в т.ч. с использованием государственных субсидий. Приблизительно равен объему поглощения.

Несколько уточнились и понятия в области ипотечного кредитования.

Планируемый властями (на основе прогнозов АИЖК) объем кредитования в денежном выражении именуется планируемым объемом ипотечного кредитования.

Рассчитанный с учетом прогнозируемой динамики цен потенциальный объем прокредитованных площадей именуется объемом предложения ипотеки в натуральном выражении, а потенциальное количество выданных кредитов (с учетом площади приобретаемого жилья на вторичном и первичном рынке) – объем предложения ипотечных кредитов.

Наконец, прогнозируемое с учетом ограничений по доступности (в силу уровня доходов населения) и по наличию ипотечного предложения, а также предложения квартир на рынке, количество ипотечных кредитов именуется объемом поглощения ипотечных кредитов.

Методика среднесрочного прогнозирования предназначена для прогнозирования динамики показателей развития рынка жилой недвижимости города/региона на глубину прогнозирования 3–5 лет. В основу ее методологии положены следующие методические подходы.

Методика основана на использовании имитационной (пошаговой) блочно-модульной итерационной модели с обратными связями.

Модель – имитационного (симуляционного) типа, поскольку все показатели рассчитываются последовательно, на глубину одного шага (один календарный год), и на следующем шаге в качестве исходных данных используются результаты этих расчетов.

Итерационный характер модели заключается в том, что на каждом шаге сначала рассчитываются предварительные значения прогнозируемых показателей на текущий год по данным о состоянии рынка по соотношению спрос/предложение в конце предшествующего года, а затем они в одной или более итерациях корректируются на основе последовательного уточнения прогноза состояния рынка и типа рынка в текущем году.

Блочно-модульная структура модели подразумевает включение наряду с одноуровневыми блоками также автономных блоков-модулей, позволяющих при необходимости рассчитывать исходные данные к основным блокам.

В качестве базовых исходных данных в методике используются объявленные планы и прогнозы федеральных, региональных, муниципальных властей в части макроэкономических параметров и отраслевых показателей развития рынка недвижимости. Кроме того, условием применения методики является наличие другой группы исходных данных, получаемых на основании результатов регулярного мониторинга первичного и вторичного рынков жилья региона (по показателям объемов ввода, строительства, предложения, поглощения жилья, спроса, доли ипотечных сделок, размеров предлагаемых на рынке квартир, уровня цен, эластичности предложения на вторичном рынке по цене) и результатов углубленного исследования рынка (типология и закономерности циклического развития рынка, классификация жилья, сегментация спроса по уровню доходов покупателей, потребительским предпочтениям относительно классов качества жилья, желаемой площади приобретения в прямых и альтернативных сделках, доли нерезидентов в общем количестве домохозяйств – приобретателей жилья, доли инвестиционного (спекулятивного) спроса на жилье).

В основу методики положена следующая идея – объем поглощения площадей не может быть выше каждой из трех величин: спрос – потребность, предъявленный платежеспособный спрос, объем предложения. В соответствии с итерационным характером модели по результатам прогнозирования на текущий год производится расчет и сопоставление этих показателей, и минимальное значение из них используется как ограничение для прогноза объема поглощения. Это позволяет в порядке обратной связи корректировать заданные исходные данные об объеме предложения и ввода жилья, о потребности в жилье на следующий прогнозный год с учетом индикатора соотношения спрос/предложение. Кроме того, рассчитанный темп роста цен на жилье в предшествующем году и темп роста доходов в текущем году используются как индикатор типа рынка, что служит основанием для прогнозирования темпов роста цен в текущем году. Эта величина также передается в порядке обратной связи для корректировки заданных исходных данных о покупательной способности населения на рынке жилья, спросе на ипотечное кредитование, доступности жилья и ипотечных кредитов.

Экзогенные переменные модели. Экзогенные переменные модели (исходные данные, определяемые вне модели), делятся на три категории – векторные, заданные на всю глубину прогнозирования с шагом один год (макроэкономические правительственные прогнозы, отраслевые параметры развития рынка жилья), скалярные (часть рыночных данных, по которым введено допущение об их неизменности в прогнозируемом периоде) и рыночные данные «обусловленные».

Сущность понятия «обусловленных» показателей заключается в том, что они рассчитываются (по историческим данным) для четырех вариантов состояния рынка по соотношению спрос/предложение (превосходство спроса, равновесие спроса и предложения, превосходство предложения, ажиотажный спрос) и шести вариантов типа рынка (падающий (кризисный), стабилизирующийся после спада, стабильный, стабилизирующийся после роста, растущий, перегретый).

В качестве экзогенных переменных используются:

А) Макроэкономические параметры развития РФ: рост ВВП, среднегодовые цены на нефть, среднегодовой курс доллара, чистый отток капитала частного сектора, дефицит/профицит федерального бюджета, темпы роста реального располагаемого годового дохода населения, темпы инфляции, норма сбережения населения.

Эти данные используются при формировании сценариев развития рынка жилья и частично – заменяют региональные данные при их отсутствии.

Б) Региональные макроэкономические параметры (векторные данные)2: численность городского населения в базовом году, темпы роста ВРП, темпы роста инвестиций в основной капитал, планируемый годовой темп региональной инфляции, номинальный среднедушевой годовой доход* (темпы роста реальных располагаемых денежных доходов населения*), децильное распределение доходов - средний уровень доходов в каждой децили, коэффициент теневых доходов, норма сбережения населения, средняя численность семьи.

В) Отраслевые параметры (скалярные и векторные данные): жилищный фонд города в базовом году; объем некачественного (подлежащего ремонту и реконструкции) жилого фонда в базовом году; федеральный норматив среднего уровня обеспеченности жильем; планируемый (рассчитанный на основании планируемого бюджетного финансирования) объем сноса ветхого и аварийного жилого фонда, объем капитального ремонта и модернизации жилых домов, предполагаемый объем выбытия жилого фонда; сальдо естественного прироста населения, сальдо миграционного притока в базовом году; планируемый (рассчитанный по данным о наличии земельных и строительных ресурсов) объем ввода площадей* (квартир*) коммерческого и муниципального жилья; планируемый объем государственного спроса на дотированное жилье (по программам поддержки определенных категорий населения, жилищных сертификатов); планируемый государством объем жилищного ипотечного кредитования в денежном выражении.

Г) Рыночные данные, полученные по результатам исследования для различного состояния рынка по соотношению спрос/предложение и типу рынка («обусловленные»): доля первичного рынка в общем объеме ипотечных сделок; доля инвестиционных сделок от общего числа сделок; доля приобретателей квартир–нерезидентов; доля респондентов, готовых приобрести жилье на рынке за свой счет в ближайшие полгода-год, от общего числа домохозяйств (предъявленный спрос); доля респондентов, готовых приобрести жилье на вторичном рынке с учетом продажи имеющейся квартиры, от общего числа приобретателей вторичного рынка (альтернативные сделки); доля инвестиционных сделок на вторичном рынке от общего числа инвестиционных сделок; средняя доля кредита в стоимости квартиры; коэффициенты соотношения ввод/строительство, строительство/предложение, поглощение/предложение и поглощение/спрос на первичном рынке, поглощение/спрос и поглощение/предложение на вторичном рынке; коэффициенты соотношения цен первичного и вторичного рынка, цен на жилье различного класса к средним ценам.

Д) Рыночные данные, полученные при регулярном мониторинге рынка и постоянные при расчетах (скалярные): средняя площадь квартиры в новостройках и готовых домах (в том числе в дифференциации по классам качества); средняя площадь приобретаемого жилья в альтернативных сделках; доля первичного рынка в спросе и в предложении; доля первичного рынка в спросе нерезидентов.

Эндогенные переменные модели. Эндогенные переменные (выходные показатели и промежуточные данные, значения которых рассчитываются внутри модели), включают:

прогнозируемый объем жилого фонда;

прогнозируемая обеспеченность населения жильем;

прогнозируемый объем некачественного жилья в жилом фонде города;

прогнозируемая потребность городского населения в жилье;

потенциальный объем ввода, строительства коммерческого и муниципального жилья, потенциальный объем предложения коммерческого жилья;

средний коэффициент доступности приобретаемого жилья в базовом году, коэффициент доступности жилья для различных групп населения по доходности в базовом году;

средние совокупные накопления групп населения;

предъявленный платежеспособный спрос городского населения на рынке недвижимости (без учета ипотеки) в денежном выражении суммарный и для групп населения;

предъявленный платежеспособный спрос городского населения на рынке жилых площадей совокупный и для групп населения, в том числе площадей различного класса качества;

предъявленный платежеспособный спрос городского населения на рынке квартир совокупный и для групп населения, в том числе площадей и квартир различного класса качества;

предъявленный платежеспособный спрос городского населения на рынке площадей и квартир всех классов в прямых сделках;

предъявленный спрос нерезидентов и инвесторов на рынке площадей и квартир, в том числе на первичном и вторичном рынке, и предъявленный денежный спрос;

потенциальный объем жилищного ипотечного кредитования в денежном выражении на первичном и вторичном рынке, потенциальный объем предложения ипотечных кредитов, предъявленный спрос на ипотечные кредиты, поглощение ипотечного продукта в количестве прокредитованных площадей и выданных кредитов на покупку квартир, в том числе на первичном и на вторичном рынке;

суммарный предъявленный спрос населения, инвесторов и нерезидентов (с учетом ипотеки) на коммерческое жилье, в том числе на первичном и вторичном рынке, на жилье различного класса качества;

суммарный предъявленный спрос на площади и квартиры муниципального и коммерческого жилья, в том числе на первичном и вторичном рынках;

суммарный предъявленный спрос на площади и квартиры коммерческого жилья на первичном и вторичном рынках с учетом перетекания между рынками в случае дефицита предложения на одном из них и избыточного предложения на другом;

суммарный предъявленный денежный спрос на рынке коммерческого жилья;

соотношение спроса и предложения площадей на первичном рынке, вторичном рынке и на рынке в целом;

индикатор состояния рынка по соотношению спрос/предложение;

объем удовлетворенного спроса (объем поглощения) коммерческого городского жилья в площадях и квартирах, в том числе различного класса, на первичном и вторичном рынке;

прогнозируемый объем предложения, в том числе на первичном и вторичном рынке и для различных классов жилья;

прогнозируемый объем ежегодного нового предложения на первичном рынке, в том числе жилья различного класса;

прогнозируемый объем строительства и ввода площадей и квартир, в том числе коммерческого жилья и муниципального жилья;

среднемесячный темп роста цен на жилье, средняя удельная цена жилья в конце исследуемого года на вторичном и первичном рынке, в том числе жилья различного класса качества.

Структура модели включает 7 блоков (рис. 9):

  • Блок 1 «Определение потребности городского населения в жилье и планируемого объема ввода социального жилья»;

полотно 3

Figure 9. Enlarged model structure

Рис. 9. Укрупненная структура модели

  • Блок 2 «Функционирования строительного комплекса и определения потенциального объема ввода, строительства и предвари тельного объема предложения коммерческого жилья»;

  • Блок 3 «Жилищное финансирование. Определение объема потенциального платежеспособного спроса населения»;

  • Блок 4 «Определение предварительного объема предъявленного государством, населением, нерезидентами и инвесторами спроса на городское жилье»;

  • Блок 5 «Определение состояния рынка по соотношению спрос/предложение и расчета прогнозируемого объема удовлетворенного спроса (поглощения), предложения, строительства и ввода жилья»;

  • Блок 6 «Определение типа рынка и прогнозирование уровня цен на жилье»;

  • Блок 7 «Организация итерационных циклов по уточнению прогноза».

Кроме того, предусмотрено включение в модель автономных блоков-модулей3, которые предназначены для решения самостоятельных исследовательских задач и/или для подготовки (при необходимости) исходных данных к Блокам 1-6 (табл. 1).

В блоке-модуле М1 по данным о планируемом объеме бюджетного финансирования программ реновации жилого фонда города в текущем году определяется (оптимизируется) планируемый объем реконструкции, капитального ремонта, реновации (сноса и переселения) жилищного фонда и нового муниципального строительства с учетом состояния фонда и удельных затрат на каждый вид реновации. Эти данные могут использоваться при разработке государственной программы «Жилище» и поступать в блок 1.
Таблица 1. Перечень блоков-модулей и их назначение



Название

Источник и содержание исходных данных

Назначение вы ходных данных

М1

Определение объемов рекон струкции, капитального ре монта, реновации и строи тельства социального жилья

Запланированные объемы финансирования жилищных программ

1) В ГП «Жилище»

2) на вход Блока 1

М2

Определение наличия земельных ресурсов под жилищное строительство

Наличие земельных ресурсов под жилищное строительст во, планируемое их использо вание

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М3

Определение наличия строительных ресурсов

Наличие производственных мощностей и строительных ресурсов

1) в ГП «Жилище»

2) на вход Блоков 1 и 2

М4

Определение объема потен циального ипотечного пред ложения и господдержки

Состояние системы ИЖК и ее возможности по предложе нию ипотечных кредитов

1) в программу развития ИЖК

2) на вход Блока 4

М5

Мониторинг и исследование состояния рынка жилья и определение «обусловлен ных» данных о рынке

Реестры объектов нового строительства, ЕГРП, базы предложения жилья при различном соотношении спрос/предложение

1) Для анализа рынка

2) на вход Блоков 5 и 6


В блоке-модуле М2 на основании Реестра строящихся жилых домов, среднесрочных решений властей о выделении земельных участков под строительство жилья определяется потенциальный объем строительства в текущем году (без учета ограничений по спросу).

В блоке-модуле М3 определяются возможные ограничения жилищного строительства по объему производственных мощностей строительных предприятий, объема производимых в регионе и импортируемых строительных ресурсов.

Данные блоков-модулей М2 и М3 могут использоваться при разработке государственной программы «Жилище» и поступать в Блоки 1 и 2.

В блоке-модуле М4 «Определение объема потенциального ипотечного предложения и господдержки» рассчитывается денежный объем ипотечного предложения и господдержки с учетом планов федеральных и региональных властей. Результаты расчета передаются в Блок 4.

В блоке-модуле М5 «Исследование состояния рынка жилья и определение «обусловленных» данных о рынке» по данным о динамике строительства, ввода, предложения, поглощения жилья, поступающим из Реестров объектов нового строительства и ЕГРП, рассчитываются коэффициенты соотношения ввод/строительство, строительство/предложение, предложение/поглощение, спрос/поглощение и другие «обусловленные» данные при различном состоянии рынка по соотношению спрос/предложение. По данным о многолетней динамике цен, получаемой в результате обработки баз предложения жилья, и исследования типологии рынка вычисляются параметры регрессионных уравнений (моделей для прогнозирования цен) в зависимости от типа рынка. Результаты поступают в Блоки 5 и 6.

Апробация и ретроспективная проверка модели. В качестве базового варианта для апробации модели принят вариант развития рынка жилой недвижимости Москвы (в старых границах) работы [35] со следующим изменением: с целью ретроспективной проверки результатов прогнозирования ключевые макроэкономические показатели (темпы роста реальных располагаемых доходов населения, инфляция, денежный объем ипотечного кредитования) на 2011 и 2012 годы приняты по фактическим данным. Используемые для расчета базового варианта исходные данные приведены в таблицах 2-7 [36].
1   2   3   4   5   6   7

Похожие:

Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Учебно-тематическое планирование умк «Hot Spot 4» 4 год обучения
Коммуникативные задачи. Развитие и совершенствование лексических навыков. Развитие и совершенствование грамматических навыков. Развитие...
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Отчет о работе управляющего совета руководящего органа Системы добровольной...
В 2016 г. Руководство росс, отдел по стандартизации и сертификации и Управляющий Совет росc продолжили работу по обеспечению деятельности...
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon «утверждено» Приказом по ОАО «СтройкаИнвест»
В буквальном переводе с английского «девелопмент» означает «развитие», а применительно к недвижимости продвижение проектов, связанных...
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Основные положения судебного делопроизводства
Развивающая: совершенствование навыков самостоятельной работы с законодательством; развитие мыслительных операций, умений пользоваться...
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Отчет о научно-исследовательской работе разработка методов оценки...
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Отчет о научно-исследовательской работе «Разработка методов оценки...
Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Методические рекомендации росс по созданию территориальных органов...
Процедура создания тос на базе Ассоциации (гильдии) риэлторов, осуществляющей свою деятельность в субъекте РФ
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Арсеньев Предварительно «Утвержден»
Технологическая подготовка производства. Освоение новых изделий. Совершенствование технологии, внедрение новых техпроцессов, прогрессивных...
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Справочник востребованных на рынке труда
Пр-285, и пунктом 1 Комплекса мер, направленных на совершенствование системы среднего профессионального образования, на 2015–2020...
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon «Невербальные средства общения»
Цель: развитие и совершенствование у педагогов умений, являющихся базовыми в реализации коммуникативной компетентности
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Должностная инструкция (риэлтора агента по продаже недвижимости)
Настоящая должностная инструкция определяет функциональные обязанности, права и ответственность агента по продаже недвижимости Агентства...
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Общие сведения
«Создание классификаторов пространственных данных, разработка и внедрение геоинформационных технологий, внедрение методов и технологий...
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Развитие теории и аналитических методов расчета подземных сооружений на сейсмические воздействия

Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Развитие научных основ и практических методов повышения эффективности технологии зерносушения

Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Совершенствование современных методов обследования и лечения детей...
Работа выполнена в Государственном бюджетном образовательном учреждении высшего профессионального образования «Московский государственный...
Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости icon Руководство и организация соревнований 1 Организацию, непосредственную...
Совершенствование форм и методов работы по профилактике детского дорожно-транспортного травматизма

Руководство, инструкция по применению




При копировании материала укажите ссылку © 2024
контакты
rykovodstvo.ru
Поиск