Анализ и прогнозирование цен недвижимости

Приволжский центр финансового консалтинга и оценки
Лейфер Л. А. Гришина М.
Анализ и прогнозирование цен недвижимости.
Нижний Новгород
2009 год
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
Содержание
Вводная часть ................................................................................................................................... 3
1. Анализ траектории изменения цен недвижимости в Нижнем Новгороде (январь 1997июнь 2009 гг.) .................................................................................................................................... 5
2. Прогнозирование цен в условиях относительно стабильного состояния экономики.
Статистические методы, основанные на анализе трендов ...................................................... 8
Анализ временных рядов. Предварительные замечания ........................................................... 8
Анализ возможности интерполяции траектории цен жилья с помощью полиномов
высокого порядка ......................................................................................................................... 10
Анализ возможности прогнозирования удельных цен квартир .............................................. 12
3. Прогнозирование стоимости недвижимости в период кризиса. Методы, основанные
на статистическом подобии процессов. ..................................................................................... 16
Сравнение поведения инвестиционных активов в периоды предыдущего и текущего
кризисов ........................................................................................................................................ 16
Объяснение механизма, приводящего к подобию. Прогноз цен на недвижимость на основе
статистического подобия ............................................................................................................ 19
4. Прогнозирование, основанное на анализе зависимости цен недвижимости от
различных факторов. .................................................................................................................... 20
Статистическая зависимость и корреляции. Предварительные замечания ........................... 21
Корреляционный анализ приращений цен ................................................................................ 27
Баррель, доллар и квадратный метр ........................................................................................... 29
5. Анализ зависимости стоимости недвижимости в различных субъектах РФ от
величины средней заработной платы и прожиточного минимума ..................................... 29
Зависимость стоимости квадратного метра недвижимости на вторичном рынке от уровня
доходов населения ....................................................................................................................... 30
О возможности распространения основных выводов на другие сегменты рынка
недвижимости............................................................................................................................... 35
Выводы............................................................................................................................................. 37
Источники информации .............................................................................................................. 37
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
2
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
Вводная часть
На современном этапе, когда Россия вступила в период мирового финансового
кризиса, начавшегося в конце лета 2008 года и продолжающегося в настоящее время, особую
важность приобрела проблема прогнозирования основных параметров рынка. Это связано с
тем, что в периоды системных кризисов, охватывающих все рынки, значимость и
эффективность принимаемых решений определяется их будущими последствиями, которые
невозможно оценить, не предвидев, каким это будущее будет. Конечно, любая будущая
ситуация является весьма неопределенной. Поэтому не существует способов, позволяющих
точно «угадать» ее развитие. Вместе с тем известно множество приемов, методов и
соответствующих средств, позволяющих обнаружить тенденции, логику развития тех или
иных процессов и на основе сопоставления с прошлым опытом предсказать характеристики
наиболее вероятного развития событий.
Сложность проблемы прогнозирования параметров рынков в данный момент
обусловлена тем, что развивающиеся кризисные явления, спровоцированные дисбалансом
спроса и предложения на одном или нескольких рынках товара, распространяются на рынки
других товаров через взаимосвязанность экономической системы. С точки зрения
возможности
прогнозирования
этот
период
характеризуется
повышенной
неопределенностью, когда последующее поведение тех или иных показателей рынка сложно
предугадать, и вывод можно сделать лишь из совместного анализа поведения различных
факторов, влияющих на значения прогнозируемого показателя.
Основу прогноза обычно составляет анализ динамики процессов на рынке в
прошедшие годы, обнаружение и детальное изучение взаимосвязей между явлениями и
показателями, сопровождающих эти процессы, описание их количественных и качественных
характеристик и выявление устойчивых закономерностей. В наибольшей степени состояние
рынка и его динамику в соответствующем сегменте отражают цены. Дело в том, что цены
формируются под действием всех факторов, включая платежеспособный спрос, наличие на
рынке объектов недвижимости и соответственно уровень предложений, сопутствующие
условия для приобретения – развитие системы кредитования, процентные ставки и
требования к первоначальному взносу. Наконец, на цены влияют ожидания рынка. Таким
образом, рыночная цена вбирает в себя всю релевантную информацию об объекте,
известную участникам рынка.
Наибольшую эффективность прогнозирования можно обеспечить, осуществляя
анализ процессов на рынке сразу по трем направлениям.
Первое направление связано с изучением процессов изменения цен на рынке,
выявлением устойчивых тенденций, которые проявлялись в прошлом, и относительно
которых имеются основания предполагать, что они сохранятся и в будущем. В качестве
основного инструментария для этого обычно используются модели и статистические методы
анализа временных рядов, развитые в рамках традиционной методологии случайных
процессов. Данный анализ и опирающиеся на него методы прогнозирования обычно
используются в ситуации спокойного развития рынка, далекого от кризисных явлений и
непредвиденных скачков цен.
В условиях кризиса более полезным может оказаться анализ развития подобных
явлений в прошлом. Для этого необходимо выявить общие инварианты, характерные для
подобных кризисов, построить адекватные модели динамики цен при нарастании и
свертывании кризисных процессов. При этом следует применять методологию
статистического подобия, как инструмента анализа таких процессов. В этом случае может
оказаться эффективным использование фракталов, получивших за последние годы развитие
в различных областях и, в том числе, при анализе экономических процессов.
Важным дополнением к выявлению сложных закономерностей, характеризующих
механизмы развития процессов на рынке, в том числе, в периоды кризисного развития,
является анализ связей между различными процессами, воздействующими друг на друга.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
3
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
Такой анализ позволяет обнаружить закономерности явлений, скрытые пружины, толкающие
цены и другие параметры рынка в том или ином направлении. В качестве основного
инструментария исследования в этом случае выступает методология изучения многомерных
временных рядов и, прежде всего, его важнейшая ветвь – корреляционный и регрессионный
анализ. Заметим, что при кажущейся простоте такой анализ имеет ряд нюансов,
игнорирование которых зачастую приводит к серьезным ошибкам в интерпретации его
результатов.
В данной статье сделана попытка выполнить анализ динамики цен жилой
недвижимости, в той или иной степени коснувшись всех упомянутых направлений.
Результаты такого анализа могут служить базой для прогноза дальнейшего развития рынка
недвижимости.
Основной упор в статье сделан на объяснение наглядного смысла излагаемых
методов, а также описание их практического использования. При этом авторы с
неизбежностью сталкиваются со сложными, плохо формализуемыми ситуациями. Поэтому
важные утверждения в статье зачастую основаны на качественных нестрогих рассуждениях.
При этом, однако, мы старались избежать чрезмерного упрощения, которое в условиях
дефицита информации и значительной роли фактора неопределенности в анализируемой
ситуации рискует обернуться ложными выводами.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
4
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
1. Анализ траектории изменения цен недвижимости в Нижнем
Новгороде (январь 1997-июнь 2009 гг.)
В качестве отправной точки для осуществления процесса прогнозирования цен на
рынке недвижимости необходимо проанализировать имеющиеся данные и проследить, как
менялись цены на недвижимость на протяжении последних лет.
Вначале следует отметить, что, как известно, цены на рынках недвижимости в каждом
из регионов формируются под влиянием общих тенденций по всей стране. Другой
особенностью рынка недвижимости является то, что повышения/понижения цен на одном из
сегментов рынка недвижимости неизбежно влекут за собой соответствующие изменения цен
и в других сегментах. Следует также упомянуть тот факт, что первоначально на повышение
покупательской способности реагирует спрос именно на жилые объекты. При этом процессы
на рынке недвижимости в различных городах и в различных сегментах рынка развиваются
подобным образом. В связи с этим, рассмотрение динамики цен на рынке недвижимости в
любом конкретном городе позволяет увидеть общую картину развития рынка недвижимости
для всей России. Ниже приводится анализ динамики цен на вторичном рынке жилья в
Нижнем Новгороде за последние 12 лет.
Исходные данные для анализа цен взяты из базы данных, которая, начиная с 1995
года, систематически ведется Агентством недвижимости «Орион НН» и содержит более
100 000 записей. При этом все имеющиеся в базе данные проверены путем опроса продавцов.
В связи с этим они действительно отражают состояние рынка в любой момент времени из
рассматриваемого периода. Имеющиеся данные обрабатывались программной системой
«REALTY – PRO». Данная программная система наряду с обеспечением решения других
задач позволяет рассчитывать массовую оценку рыночной стоимости, ассоциируемую с
достаточно узким сегментом рынка, внутри заданного интервала времени и с фиксированной
периодичностью (еженедельно, ежемесячно, ежеквартально и т.д.). Особенность заложенных
в эту программу алгоритмов состоит в том, что с помощью специальной технологии
перекачки информации между разными сегментами рынка программа обеспечивает расчет
удельных цен внутри каждого сегмента рынка в отдельности с максимальным
использованием всей релевантной информации. Другими словами, рассчитываются не
средние по городу цены (которые при их огромном разбросе имеют смысл
среднебольничной температуры), а изменения средних цен в каждом отдельном сегменте
рынка (например, для трехкомнатных квартир стандартной планировки, в конкретной зоне
Нижнего Новгорода). Поэтому представленные на графике значения характеризуют по
существу динамику цен в рассматриваемом периоде времени, характерную для каждого
достаточно узкого сегмента в отдельности.
Результаты обработки данных, представлены здесь в виде временных рядов [5],
которые отображены на соответствующих графиках с заданной периодичностью. Для
удобства визуального анализа цены представлены относительными значениями,
приведенными к январю 1997 года. Таким образом, расчетная стоимость одного квадратного
метра квартиры в начале периода (январь 1997 года) принята за единицу. График значений
временного ряда относительных цен, вторичного жилья Нижнего Новгорода, взятых в
долларах, за рассматриваемый период (январь 1997 - июнь 2009 гг.) выглядит следующим
образом:
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
5
7
июль 2008
6
5
4
3
2
февраль 2009
август 1998
август 1999
1
0
ян
в
ию .97
л.
ян 97
в
ию .98
л.
ян 98
в
ию .99
л.
ян 99
в
ию .00
л.
ян 00
в
ию .01
л.
ян 01
в
ию .02
л.
ян 02
в
ию .03
л.
ян 03
в
ию .04
л.
ян 04
в
ию .05
л.
ян 05
в
ию .06
л.
ян 06
в
ию .07
л.
ян 07
в
ию .08
л.
ян 08
в.
09
цены в относительных единицах
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
Рис. 1. Динамика стоимости вторичного жилья (долл./кв.м.) в Нижнем Новгороде за период
январь 1997 –июнь 2009 гг.
30
июль 2008
25
20
февраль 2009
15
10
август 1999
5
август 1998
0
ян
в
ию .97
л.
ян 97
в
ию .98
л.
ян 98
в
ию .99
л.
ян 99
в
ию .00
л.
ян 00
в
ию .01
л.
ян 01
в
ию .02
л.
ян 02
в
ию .03
л.
ян 03
в
ию .04
л.
ян 04
в
ию .05
л.
ян 05
в
ию .06
л.
ян 06
в
ию .07
л.
ян 07
в
ию .08
л.
ян 08
в.
09
цены в относительных единицах
Еще раз отметим, что при расчетах использовались цены в долларовом выражении.
Аналогичная динамика, но уже в рублевых ценах, представлена на рисунке ниже:
Рис. 2. Динамика стоимости вторичного жилья (руб./кв.м.) в Нижнем Новгороде за период
январь 1997 – июнь 2009 гг.
Первым очевидным выводом из представленного графика является констатация того
факта, что в периоды между кризисами цены на рынке недвижимости Нижнего Новгорода
практически монотонно растут. Существуют лишь краткосрочные промежутки, когда
траектория движения цен меняла направление. В целом, анализируя график и события,
характерные для соответствующего периода времени, можно выделить несколько этапов:
1.
Незначительный прирост стоимости с 1997 года до августа 1998 года,
являющийся продолжением тенденции более раннего периода (с 1995 года).
2.
В связи с резким скачком курса доллара в августе 1998 года (более чем в
2 раза – с 6,7 руб./долл. до 14,4 руб./долл.), цены на квадратные метры недвижимости,
имевшие долларовое выражение, постепенно (в течение периода август 1998 - август
1999 гг.) начали снижаться в стремлении уравняться с рублевыми показателями своих
аналогов.
3.
2000 – 2005 гг. – продолжительный период стабильного роста цен на
недвижимость, обусловленный, во-первых, общим приростом благосостояния
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
6
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
населения, во-вторых, постепенным возрастанием дефицита площадей. Так за пять
лет цена за квадратный метр вторичного жилья в Нижнем Новгороде увеличилась
вдвое по сравнению с начальным уровнем, однако это послужило лишь началом
грандиозного взлета цен на недвижимость в последующий период.
4.
Конец 2006 – июль 2008 гг. – период бурного повсеместного роста цен
на недвижимость (почти в 3,5 раза за 2 года). Начало взлета пришлось на конец лета
2006 года – с возобновлением деловой и покупательской активности после летнего
сезона. Это было обусловлено рядом причин, в том числе, началом развития ипотеки
и в связи с этим увеличивающимися возможности приобретения квартир населением.
Дополнительным
фактором,
простимулировавшим
возросший
спрос
на
недвижимость, послужила тенденция к ее непосредственному использованию в
качестве финансового инструмента, а именно, распространенная процедура покупки
недвижимости спекулянтами с целью последующей реализации по более высоким
ценам в условиях быстро растущего рынка. Это, однако, привело к неадекватному
росту цен, что и привело к последующему их снижению.
5.
Июль 2008 – февраль 2009 гг. – начало спада, обусловленное
последствиями мирового финансового кризиса (падение в 1,5 раза по сравнению с
максимальным уровнем июля 2008 года).
6.
Февраль-июнь 2009 года – наблюдается замедление темпов падения цен.
Однако пока понижательный тренд на рынке недвижимости еще не переломлен.
Тенденция может продолжиться вплоть до конца 2009 года, считают в Ассоциации
строителей России (АСР). Снижение цен может подстегнуть рост неплатежей по
банковским кредитам, в результате банки начнут продавать заложенное у них
имущество застройщиков. Также давление на цены в сторону их снижения, вероятно,
окажет нехватка денег у девелоперов. Они вынуждены будут снижать цены, чтобы
ускорить продажу построенных квартир. Однако больших скидок не будет. Рынок
потихоньку начинают готовить к грядущему дефициту новостроек. Темпы
строительства заметно снижаются. Внутри строительной отрасли зреют предпосылки
для нарастающего дефицита жилья. Грядущий дефицит жилья, спровоцированный
проблемами в строительной отрасли, приведет к неминуемому росту цен.
Таким образом, исследование общей динамики цен на недвижимость за период
январь 1997-июнь 2009 гг. показывает в среднем повышательный тренд,
стимулируемый все увеличивающимся платежеспособным спросом на жилые
квадратные метры. Как аномальное явление с точки зрения общей динамики,
сложившейся на рынке недвижимости за последние 12 лет, особый интерес
представляет собой поведение цен в периоды кризисов, наблюдавшимися в 1998 году
и в текущем 2009 году.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
7
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
2. Прогнозирование цен в условиях относительно стабильного
состояния экономики. Статистические методы, основанные на
анализе трендов
Применение статистических моделей и методов для целей прогнозирования
представляет собой наиболее распространенный способ анализа накопленных массивов
количественной информации о динамике тех или иных показателей с целью моделирования
процесса их дальнейшего изменения и развития. К настоящему времени статистическая
обработка рыночных данных все чаще предполагает составление регрессионных уравнений и
оценку параметров, выходя за пределы парного линейного анализа и базовых понятий
инструментария статистики. В частности, росту популярности статистических методов в
практике оценочной деятельности в немалой степени способствовал новый уровень
требований к Отчетам об оценке, связанный с повышением персональной ответственности
Оценщика.
Однако отмеченная популярность методов регрессионного анализа имеет и
оборотную сторону. Чрезмерно увлекаясь технологией обработки, Оценщик зачастую
забывает о предпосылках, на которых основаны эти методы, и соответственно о требованиях,
предъявляемых к статистическим данным. Применение статистических методов
«облегченного типа» (термин ввел профессор МГУ Тутубалин В.Н. [15]) заменяет
необходимость серьезного изучения аппарата анализа данных, включающего и правильный
подбор исходных данных, и анализ допущений на предмет их обоснованности, и, наконец,
интерпретацию результатов, освоением простейшей процедуры, которая легко реализуется с
помощью широко применяемых экселовских таблиц. Проведенный ниже анализ
подтверждает, что внешне красивые и формально правильные результаты ничего не дают с
содержательной точки зрения. Более того, своей красотой и кажущейся корректностью они
вводят в заблуждение и создают видимость научно обоснованного, а значит и правильного
прогноза.
Перед тем как приступить к анализу реальных процессов, характеризующих динамику
рынка недвижимости, следует привести краткий обзор методов, которые будут
использоваться в работе.
Анализ временных рядов. Предварительные замечания
Временной ряд представляет собой последовательность значений случайной
величины, например, цен объектов недвижимости в данном сегменте рынка, генерируемых
последовательно во времени. В случае, когда время непрерывно, временной ряд также
называется непрерывным. Если же время изменяется дискретно, получаем дискретный
временной ряд. В данной статье рассматриваются исключительно дискретные временные
ряды, в которых наблюдения осуществляются через фиксированные интервалы времени,
например, месяц, квартал или год.
Следует отметить, что идея использования математических моделей для описания
поведения экономических систем является общепризнанной. В том случае, если бы
экономические законы, управляющие рыночными процессами, могли бы быть точно
описаны системами дифференциальных уравнений, вычисление характеристик рынка в
любой момент времени не представляло бы принципиальных трудностей. В этом случае
было бы возможным точно предсказать, как, например, будут меняться цены в дальнейшем.
Однако, если в физике иногда и удается построить детерминированные модели, то в
экономике ситуация коренным образом отличается. На экономические процессы в большой
степени влияют неконтролируемые факторы. Причинно-следственные связи не поддаются
строгому анализу, а многие явления обнаруживаются лишь тогда, когда они уже проявились.
Кроме того, существует множество параметров, выраженных косвенным образом, которые
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
8
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
также необходимо учесть. Для таких систем нельзя предложить детерминированную модель,
допускающую точное вычисление будущего поведения системы. Тем не менее, можно
рассматривать ее аналог, позволяющий определить вероятность того, что некоторое будущее
значение будет лежать в конкретном интервале. Такая модель называется вероятностной
или стохастической. Соответственно, модели временных рядов, позволяющие описать
динамику процессов на реальном рынке, являются стохастическими.
В соответствии с приведенными терминами, если будущие значения временного ряда
точно определены какой-либо математической функцией, временной ряд является
детерминированным. В противном случае, при возможности описания будущих значений
только с помощью случайных величин, получаем случайный временной ряд. Временные
ряды, которые характеризуют поведение параметров рынка, являются случайными.
В дальнейшем следует различать стохастический процесс и временной ряд,
представляющий собой множество наблюденных значений, упорядоченных во времени.
Модель, описывающую вероятностную структуру последовательности наблюдений
временного ряда, называют стохастическим процессом. [5]. Если же использовать более
строгую статистическую терминологию, наблюденный временной ряд есть выборочная
реализация из бесконечного ансамбля таких рядов, генерируемых стохастическим
процессом. Из всех стохастических процессов выделяется отдельный класс, который
характеризуется постоянными, не изменяющимися в течение больших интервалов времени
значениями среднего арифметического и дисперсии. Такие процессы называются
стационарными. При этом величину среднего и дисперсии можно оценить стандартными
методами, относящимися к обработке случайных величин.
В большинстве случаев временные ряды, описывающие процессы на рынке
(например, цены недвижимости, или котировки акций) обнаруживают нестационарный
характер. Это, прежде всего, выражается в том, что значения временного ряда не колеблются
относительно фиксированного среднего, а проявляют четко выраженную тенденцию к росту
или падению. Также во многих случаях значениям временного ряда присуще наличие
периодической составляющей, - следствие сезонности тех или иных процессов. Среди
моделей, описывающих нестационарные процессы, наиболее распространенными являются
регрессионные модели. Для них характерно то, что, хотя уровень, относительно которого
происходят флуктуации, может принимать отличные значения в разные моменты времени,
поведение рядов (после исключения меняющегося уровня) оказывается во многом сходным.
Следует отметить, что именно методы регрессионного анализа пользуются наибольшей
популярностью среди всей совокупности статистических методов прогнозирования
временных рядов. Они основаны на выявлении общих тенденций, которые ассоциируются с
проявляющимися трендами, и построении математической модели тренда, выраженной
уравнением, по которому и рассчитываются прогнозные значения исследуемого явления.
При этом простейшим видом регрессионной модели является такая, в которой в качестве
независимой переменной выступает фактор времени.
Наряду с трендовыми моделями для прогнозирования временных рядов используются
авторегрессионные модели, основанные на выявлении взаимосвязей между значением
анализируемого временного ряда yt в текущий момент времени и рядом значений,
соответствующих предыдущим моментам времени: yt 1 , yt 2 ,.. . Отметим, что построение
авторегрессионных моделей напрямую связано с преобразованием исходного
нестационарного ряда, если он таковым является, к стационарному виду с помощью набора
некоторых несложных операций для расчета коэффициентов модели (метод
последовательных разностей, цепные индексы, логарифмирование). В этом и состоит их
принципиальное отличие. Если регрессионная модель составляется по данным исходного
ряда и состоит в выявлении трендов, которые интерполируются функциями различной
сложности, то в авторегрессионной модели прогнозирование осуществляется обычно на
основе стационарных рядов, образованных в результате преобразования исходных данных.
Впоследствии производится процедура обратного перехода к значениям исходного ряда.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
9
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
При этом порядок авторегрессионной модели (количество включаемых в нее в
качестве факторных показателей предыдущих уровней ряда) напрямую зависит от вида ряда,
а точнее, от степени корреляции между последовательностями его уровней. В связи с этим
включение в авторегрессионную модель фактических переменных ограничено для каждого
конкретного случая определенным числом параметров, превышать которое нецелесообразно
с точки зрения адекватности получаемых результатов (включение в модель незначимых
переменных, как правило, снижает точность прогноза, получаемого по такой модели). В
свою очередь, определенное число параметров дает возможность ориентироваться лишь на
ограниченное число значений ряда при составлении дальнейшего прогноза.
Учитывая, что конструктивные модели вероятностных процессов и соответствующий
математический аппарат достаточно хорошо разработан для анализа процессов,
принадлежащих к классу стационарных, широкое применение получили модели так
называемых нестационарных процессов, приводимых к стационарным. Такие процессы не
являются стационарными в указанном выше смысле. Однако если рассматривать значения,
на которые изменяются ряды через равные промежутки времени (приращения), то такие
ряды могут рассматриваться как аналогичные им. Так, особое значение в этой статье уделено
процессам, характеризуемым стационарными относительными приращениями. Отметим,
что игнорирование нестационарности того или иного процесса, зачастую приводит к ложным
выводам, что и будет проиллюстрировано ниже
Анализ возможности интерполяции траектории цен жилья с помощью
полиномов высокого порядка
7
6
5
y = -3E-09x 5 + 2E-05x4 - 0,0386x3 + 47,582x 2 - 29283x + 7E+06
R2 = 0,9433
4
3
2
август 2006
1
0
ян
в
ию .97
л.
ян 97
в
ию .98
л.
ян 98
в
ию .99
л.
ян 99
в
ию .00
л.
ян 00
в
ию .01
л.
ян 01
в
ию .02
л.
ян 02
в
ию .03
л.
ян 03
в
ию .04
л.
ян 04
в
ию .05
л.
ян 05
в
ию .06
л.
ян 06
в
ию .07
л.
ян 07
в
ию .08
л.
ян 08
в.
09
цены в относительных единицах
Первоначальной ступенью в регрессионном анализе данных является проверка их
однородности. Так, обратившись к рисунку, иллюстрирующему общую траекторию цен в
течение длительного периода нельзя не отметить присутствующих в нем структурных
изменений. Ориентировочно до августа 2006 года образованный из последовательных
удельных цен квартир временной ряд содержал в себе выраженный плавный тренд,
отражающий в среднем монотонный рост стоимости жилья. Далее после резкого скачка цен
в начале осени 2006 года характер тенденции полностью изменился: началось стремительное
скачкообразное нарастание показателей с достижением пиковой точки максимального
значения и последующим спадом. Графики (рис.3) иллюстрируют вывод о наличии двух
существенно разных процессов, относящихся к двум последовательным периодам времени:
январь 1997 - июнь 2009 гг.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
10
3
1
1
0
январь 1997 - июль 2006 гг.
6
5
4
3
2
1
y = 3E-06x5 - 0,0167x4 + 43,249x3 56154x2 + 4E+07x - 9E+09
R2 = 0,9706
0
ав
г.0
де 6
к.
0
ап 6
р.
0
ав 7
г.0
де 7
к.
0
ап 7
р.
0
ав 8
г.0
де 8
к.
08
2
цены в относительных единицах
2
7
y = 3E-09x5 - 2E-05x4 + 0,0447x3 - 54,758x2 +
33528x - 8E+06
R2 = 0,9653
ян
в.
9
ян 7
в.
9
ян 8
в.
9
ян 9
в.
0
ян 0
в.
0
ян 1
в.
0
ян 2
в.
0
ян 3
в.
0
ян 4
в.
0
ян 5
в.
06
цены в относительных единицах
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
август 2006 - июнь 2009 гг.
Рис. 3. Динамика стоимости вторичного жилья (долл./кв.м.) в Нижнем Новгороде
Таким образом, исследуемый временной ряд как бы содержит в себе две различные
тенденции. На верхней части рис. 3, можно отметить, что линия тренда, представленного
полиномом достаточно высокой степени, все же не может в полной мере аппроксимировать
изменение показателя. В тоже время намного удачней выглядит ситуация на нижних
рисунках: тот же самый тренд приближает две части исходного временного ряда (до августа
2006 года и после него) в значительно большей степени. Значения коэффициентов
детерминации подтверждают сделанные выводы. Отсюда следует, что для построения
модели, позволяющей приблизить траекторию изменения цен с помощью полинома,
целесообразно анализировать данные части ряда по отдельности, характеризующие по
существу разную динамику движения цен. Здесь следует сделать два следующих важных
замечания.
Хорошая интерполяция временного ряда с помощью полинома высокого порядка, не
отражающего внутренние механизмы движения цен, отнюдь не гарантируют высокую
точность прогноза дальнейшего поведения цен. Здесь следует обратить внимание на весьма
распространенное заблуждение о том, что использование интерполяционной функции с
высоким коэффициентом детерминации позволяет качественно спрогнозировать
дальнейшую динамику ряда. Даже в случае наличия достаточно точной интерполяции
временного ряда, дающей приближенные к единице значения коэффициента детерминации,
не всегда возможно получить хороший результат в продолжении интерполирующей функции
на прогнозный период. Более того, при высоких степенях полинома такой прогноз
становится неустойчивым и, наоборот, приводит к большим ошибкам, чем модели более
простой структуры (низкой размерности). Подробный анализ процедуры выбора модели для
интерполяции функции, с помощью которой в данном случае следует описывать тренд,
выполнен в статье [3]. Здесь лишь отметим, что для прогнозирования временных рядов на
небольшие интервалы времени целесообразно использовать полиномы не выше второй
степени.
Разделение ряда на части приводит к уменьшению объема исследуемой выборки
(внутри каждого отрезка), что отражается на снижении точности приближения и
последующего прогноза. Такое разделение оправдано только в том случае, если можно
выделить интервалы времени, внутри которых сохраняется единый механизм изменения цен.
При этом есть основания утверждать, что этот механизм сохранится в обозримом будущем
(на протяжении прогнозного периода).
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
11
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
Анализ возможности прогнозирования удельных цен квартир
Любая модель строится при каких-либо предположениях относительно реального
процесса. Как следствие, никакая модель не может являться абсолютно правильной и должна
быть подвергнута диагностической проверке. С точки зрения статистических методов,
существует ряд показателей, позволяющих в определенной мере оценить адекватность
построенной модели. Каждый из них основан на анализе ошибки, получающейся
вычислением разности между уровнями реального временного ряда и его значениями,
вычисленными по исследуемой модели.
Для того чтобы оценить качество метода прогнозирования с точки зрения
погрешности результатов, рассмотрим результаты прогноза на период длительностью 1 год,
используя в качестве базы прогноза данные об удельных ценах за предшествующий период,
равный, в свою очередь, двум годам. Таким образом, прогнозирование осуществляется для 7
периодов, при этом имеется возможность сравнить результаты прогноза с фактическими
данными, которые показывают, как развивался процесс на самом деле.
Прогнозные базы и прогнозируемые периоды
Таблица 1
База прогноза
1
2
3
4
5
6
7
2000-2001
2001-2002
2002-2003
2003-2004
2004-2005
2005-2006
2006-2007
Прогнозный период
2002
2003
2004
2005
2006
2007
2008
Результаты прогнозирования по каждому из перечисленных периодов приведены на
графиках ниже.
1.
1,0
январь 2002
0,8
0,6
0,4
0,2
0,0
ян
в.
00
м
ар
.0
0
м
ай
.0
ию 0
л.
00
се
н.
00
но
я.
00
ян
в.
01
м
ар
.0
1
м
ай
.0
ию 1
л.
01
се
н.
01
но
я.
01
ян
в.
02
м
ар
.0
2
м
ай
.0
ию 2
л.
02
се
н.
02
но
я.
02
цены в относительных единицах
1,2
динамический ряд индексов вторичного жилья январь 2002 года-декабрь 2002 года
динамический ряд индексов вторичного жилья январь 2000 года-декабрь 2001 года
модель авторегрессии скользящего среднего
Полиномиальный (динамический ряд индексов вторичного жилья январь 2000 года-декабрь 2001 года)
Прогнозирование рынка недвижимости на 2002 год на основе данных 2000-2001 гг.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
12
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
2.
1,2
январь 2003
года
1,0
0,8
0,6
0,4
0,2
0,0
ян
в.
01
м
ар
.0
1
м
ай
.0
1
ию
л.
01
се
н.
01
но
я.
01
ян
в.
02
м
ар
.0
2
м
ай
.0
2
ию
л.
02
се
н.
02
но
я.
02
ян
в.
03
м
ар
.0
3
м
ай
.0
3
ию
л.
03
се
н.
03
но
я.
03
цены в относительных единицах
1,4
динамический ряд индексов вторичного жилья январь 2003 года-декабрь 2003 года
динамический ряд индексов вторичного жилья январь 2001 года-декабрь 2002 года
Полиномиальный (динамический ряд индексов вторичного жилья январь 2001 года-декабрь 2002 года)
Прогнозирование рынка недвижимости на 2003 год на основе данных 2001-2002 гг.
На протяжении 2000-2003 гг. рынок недвижимости плавно и равномерно набирал рост (см. Гл.
1), таким образом, тенденции его на данном промежутке времени (2000-2003 гг.) являлись весьма
предсказуемыми.
Направление прогнозного тренда по анализируемым данным идентично направлению
динамики реальных показателей (линия после отметки начала прогнозного интервала на том или
ином графике).
3.
1,6
1,4
январь 2004
года
1,2
1,0
0,8
0,6
0,4
0,2
0,0
м
ян
в
.0
2
ар
.0
м 2
ай
.0
ию 2
л.
0
се 2
н.
0
но 2
я.
0
ян 2
в.
0
м 3
ар
.0
м 3
ай
.0
ию 3
л.
0
се 3
н.
0
но 3
я.
0
ян 3
в.
0
м 4
ар
.0
м 4
ай
.0
ию 4
л.
0
се 4
н.
0
но 4
я.
04
цены в относительных единицах
1,8
динамический ряд индексов вторичного жилья январь 2004 года-декабрь 2004 года
динамический ряд индексов вторичного жилья январь 2002 года-декабрь 2003 года
Полиномиальный (динамический ряд индексов вторичного жилья январь 2002 года-декабрь 2003 года)
Прогнозирование рынка недвижимости на 2004 год на основе данных 2002-2003 гг.
Уже с 2004 года поведение динамики цен становится в некотором смысле более спонтанным:
она начинает стремительно набирать рост; при этом линия прогнозного тренда отклоняется в сторону
меньшего наклона, однако, сохраняет основное направление тенденции достоверным.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
13
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
4.
2,0
январь 2005
1,5
1,0
0,5
0,0
ян
в.
03
м
ар
.0
3
м
ай
.0
3
ию
л.
03
се
н.
03
но
я.
03
ян
в.
04
м
ар
.0
4
м
ай
.0
4
ию
л.
04
се
н.
04
но
я.
04
ян
в.
05
м
ар
.0
5
м
ай
.0
5
ию
л.
05
се
н.
05
но
я.
05
цены в относителньых единицах
2,5
динамический ряд индексов вторичного жилья январь 2005 года-декабрь 2005 года
динамический ряд индексов вторичного жилья январь 2003 года-декабрь 2004 года
Полиномиальный (динамический ряд индексов вторичного жилья январь 2003 года-декабрь 2004 года)
Прогнозирование рынка недвижимости на 2005 год на основе данных 2003-2004 гг.
Далее, с конца 2004-2005 гг. показатели цен замедляют движение вверх. И, несмотря на то,
что снижение вобщем-то не является значительным, с точки зрения прогнозирования
статистическими моделями данный факт, оказывается, не так-то просто выявить: ориентируясь на
значения предыдущих уровней, можно получить завышенные прогнозные значения по трендовой
модели.
5.
3,5
3,0
2,5
2,0
январь 2006
1,5
1,0
0,5
0,0
ян
в.
04
м
ар
.0
4
м
ай
.0
ию 4
л.
04
се
н.
04
но
я.
04
ян
в.
05
м
ар
.0
5
м
ай
.0
ию 5
л.
05
се
н.
05
но
я.
05
ян
в.
06
м
ар
.0
6
м
ай
.0
6
ию
л.
06
се
н.
06
но
я.
06
цены в относительных единицах
4,0
динамический ряд индексов вторичного жилья январь 2006 года-декабрь 2006 года
динамический ряд индексов вторичного жилья январь 2004 года-декабрь 2005 года
Полиномиальный (динамический ряд индексов вторичного жилья январь 2004 года-декабрь 2005 года)
Прогнозирование рынка недвижимости на 2006 год на основе данных 2004-2005 гг.
Как уже было отмечено выше, рассматриваемый временной ряд не является однородным. Так,
в августе 2006 года произошел резкий взлет цен на недвижимость, с этого же момента была
отмечена радикальная смена тренда (см. Гл. 2. Анализ фактических данных). Тенденции реальных
показателей и предсказанные значения уровней ряда по трендовой модели в этой ситуации, как и
следовало ожидать, сильно расходятся.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
14
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
6.
8,0
7,0
6,0
5,0
январь 2007
4,0
3,0
2,0
1,0
0,0
ян
в.
05
м
ар
.0
5
м
ай
.0
ию 5
л.
05
се
н.
05
но
я.
05
ян
в.
06
м
ар
.0
6
м
ай
.0
6
ию
л.
06
се
н.
06
но
я.
06
ян
в.
07
м
ар
.0
7
м
ай
.0
7
ию
л.
07
се
н.
07
но
я.
07
цены в относительных единицах
9,0
динамический ряд индексов вторичного жилья январь 2007 года-декабрь 2007 года
динамический ряд индексов вторичного жилья январь 2005 года-декабрь 2006 года
Полиномиальный (динамический ряд индексов вторичного жилья январь 2005 года-декабрь 2006 года)
Прогнозирование рынка недвижимости на 2007 год на основе данных 2005-2006 гг.
Впрочем, период бурного роста цен на недвижимость несколько затянулся, дав тем самым
надежду некоторым образом прогнозировать дальнейшую ситуацию на рынке жилья. Однако стоит
возникнуть каким-либо непредвиденным обстоятельствам, не имеющим связи с предыдущими
устоявшимися тенденциями, как рынок вновь становится непредсказуем: прогнозы, основанные на
значениях предыдущих уровней складывались в сторону дальнейшего роста цен на недвижимость, в
реальности же ситуация сложилась кардинально другим образом, что нетрудно увидеть на
приведенном ниже рисунке.
7.
цены в относительных единицах
7,0
6,0
март 2008
года
5,0
4,0
3,0
2,0
1,0
ян
в.
0
м 6
ар
.0
м 6
ай
.
ию 06
л.
0
се 6
н.
0
но 6
я.
0
ян 6
в.
0
м 7
ар
.0
м 7
ай
.
ию 07
л.
0
се 7
н.
0
но 7
я.
0
ян 7
в.
0
м 8
ар
.0
м 8
ай
.
ию 08
л.
0
се 8
н.
0
но 8
я.
0
ян 8
в.
0
м 9
ар
.0
м 9
ай
.0
9
0,0
динамический ряд индексов вторичного жилья январь 2007 года-декабрь 2007 года
динамический ряд индексов вторичного жилья январь 2006 года-март 2008 года
Полиномиальный (динамический ряд индексов вторичного жилья январь 2006 года-март 2008 года)
Прогнозирование рынка недвижимости на 2008 год на основе данных 2006-2007 гг.
Рис. 4. Прогнозирование рынка недвижимости
Таким образом, в периоды «спокойного» развития процессов на рынке недвижимости
прогнозирование на небольшие периоды времени на основе трендовых моделей дает в целом
неплохие результаты. Однако возможность непредвиденных кризисных состояний,
нарушающих казалось бы установившиеся тенденции требует более тонкого анализа
скрытых механизмов, управляющих динамикой цен на рынке недвижимости.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
15
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
3. Прогнозирование стоимости недвижимости в период кризиса.
Методы, основанные на статистическом подобии процессов.
Развитие российской экономической системы, как и других экономических систем,
происходит циклами, что наглядно подтверждается теми кризисными явлениями, которые
происходили на ее «арене» с временным интервалом около 7-10 лет. Это и 1991 год, и
дефолт 1998 года и текущая экономическая ситуация. Здесь не рассматриваются причины
этой цикличности, хотя именно такой анализ позволил бы предсказывать появление
кризисов до их зарождения и предсказывать общий ход развития экономики на долгие годы.
Однако обратим внимание на то, что цикличность в развитии экономики и соответствующих
процессов, происходящих внутри нее, дает основания для применения метода
статистического подобия с целью проведения анализа и прогнозирования дальнейшего
развития рынка недвижимости в период кризиса и непосредственно в посткризисный период.
Общая методология статистического подобия применительно к исследованию сложных
технических систем изложена в различных источниках и, в частности, в т.4 десятитомного
справочника [16].
Сравнение поведения инвестиционных активов в периоды предыдущего и
текущего кризисов
Ограничимся анализом механизмов развития кризисных явлений и анализом
возможности краткосрочного прогноза поведения ивестиционных инструментов в периоды
кризисов. В качестве таких инструментов наибольшей популярностью в России пользуются
акции, торгующиеся в РТС, и объекты недвижимости. К сожалению, мы не располагаем
подробными данными по динамике фондового рынка и рынка недвижимости, относящимися
к 1990-1991 гг. В связи с этим ограничимся сравнением динамики индекса РТС и динамики
цен жилья в Нижнем Новгороде по временным интервалам, относящимся к кризисам 19981999 гг. и 2008-2009 гг.
В соответствии с общей методологией теории подобия сравнение динамики индексов
РТС, характеризующих процессы развития кризисного развития на фондовом рынке в
течение двух различных периодов, осуществляется в безразмерных ценах. Чтобы увидеть,
как менялись цены, совместим по временной шкале аналогичные «точки» кризиса (в данном
случае они соответствуют пиковым моментам перед решающим снижением рыночной цены).
В качестве таких точек принимаем: апрель 1998 года и май 2008 года. Значения индексов в
эти моменты времени примем за единицу. Далее рассчитаем относительные значения
средних цен в предшествующие и последующие периоды времени. Результаты обработки
представлены на графике (рис. 5). Синий график показывает динамику индекса РТС в период
прошлого кризиса. Красный иллюстрирует динамику развития процессов на фондовом
рынке при текущем кризисном развитии.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
16
индекс в относительных единицах
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
дек. '97
фев. '98
фев. '08
апр. '08
2
1,9
1,8
1,7
1,6
1,5
1,4
1,3
1,2
1,1
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
апр. '98
июн. '08
авг. '08
июн. '09
июн. '98
окт. '08
апр. '09
дек. '08
авг. '98
фев. '09
окт. '98
дек. '98
июн. '99
фев. '99
апр. '99
временной интервал
ноябрь 1997 г. - июль 1999 г.
январь 2008 г. - июнь 2009 г.
Рис. 5. Сравнение кризисных периодов 1998-1999 гг. и 2008-2009 гг. по базовым индексам
РТС
Приведенные графики демонстрируют подобие траекторий изменения значения
индекса РТС, ассоциируемых с прошлым и текущим кризисом. При этом следует отметить,
что кризис 2008 -2009 гг. выглядит более динамичным и характеризуется более активным
выходом из кризиса. Если принять гипотезу о подобии процессов в прошлый и текущий
кризис, то следует ожидать, что далее сохранится наметившийся в последние месяцы
повышательный тренд, как это было в прошлый кризис. Другими словами относительно
динамики индекса РТС можно считать, что он уже достиг своего минимального уровня, и
значит дно кризиса осталось позади. При темпах, аналогичных прошедшему кризисному
периоду, прирост должен составить вполне ощутимые показатели – 10-20% за ближайший
квартал. Это утверждение, однако, нуждается в подтверждении дальнейшим поведением
индекса.
Таким же образом сравним траектории изменения цен жилья в оба кризисных
периода. Чтобы увидеть, как менялись цены на жилье, совместим по временной шкале
аналогичные «точки» кризиса. В качестве таких точек принимаем: август- месяц 1998 и
сентябрь 2008 года. Значения средней цены 1 кв. м. жилья в эти моменты времени примем за
единицу. Далее рассчитаем относительные значения средних цен в предшествующие и
последующие периоды времени. Результаты обработки представлены на графике (рис. 6).
Синий график показывает динамику средних цен в период прошлого кризиса в базисных
индексах. Красный иллюстрирует процессы текущего кризисного развития.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
17
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
4). Сравнение кризисных периодов 1998 г. и 2008 г. по базовым
индексам цен вторичного жилья НН (в USD)
апр. '98
май '08
2
1.9
1.8
1.7
1.6
1.5
1.4
1.3
1.2
июн. '98
1.1
1
июл. '08 0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
авг. '98
окт. '98
сен. '08
дек. '98
ноя. '08
март '09
янв. '09
фев. '99
апр. '99
апрель 1998 г. - декабрь 1999 г.
июн. '99
авг. '99
окт. '99
дек. '99
май 2008 г. - март 2009 г."
Рис. 6. Сравнение кризисных периодов 1998-1999 гг. и 2008-2009 гг. по базовым индексам
рынка вторичного жилья Нижнего Новгорода (руб./кв.м.)
Из сопоставления графиков видно, что траектории цен жилья в в течение обоих
кризисов практически совпадают. Как известно, в периоды, предшествующие кризисам,
рынок недвижимости оказался явно «перегретым», тем самым создав предпосылки для
неизбежного снижения цен. Далее, непосредственно перед «кризисной точкой» отмечено
замедление роста цен и только через 3 -4 месяца после начала кризиса начали проявляться
первые признаки снижения. В результате в течение 6 месяцев (с сентября по март цены на
жилье в обоих случаях упали на 30-40%. Таким образом, динамика цен в периоды кризисов
сохраняет статистическое подобие, характеризующее изменение цен жилья в периоды
кризисов
Что касается траектории изменения цен на нефть, то здесь также наблюдается
подобие процессов, относящихся к периоду 1998-1999 гг. и периоду 2009-2009 гг., в чем
можно убедиться из графика (рис. 7) [20]. Однако в этом случае подобие выражено в
меньшей степени, чем мы это наблюдали для цен недвижимости и индекса РТС.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
18
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
цены в относительных единицах
авг. '08
окт. '08
авг. '98
окт. '98
3
2,9
2,8
2,7
2,6
2,5
2,4
2,3
2,2
2,1
2
1,9
1,8
1,7
1,6
1,5
1,4
1,3
1,2
1,1
1
0,9
0,8
0,7
0,6
0,5
дек. '99
авг. '99
окт. '99
июн. '09
апр. '99
дек. '08
фев. '09
июн. '99
апр. '09
фев. '99
дек. '98
временной интервал
август 1998 г. - декабрь 1999 г.
август 2008 г. - июнь 2009 г.
Рис. 7. Сравнение кризисных периодов 1998-1999 гг. и 2008-2009 гг. по базовым индексам
стоимости барреля нефти марки Urals (долл./барр.)
По-видимому, в этом случае также действуют рыночные механизмы, приводящие к
статистическому подобию. Однако, чтобы сделать такой вывод, следует исследовать
механизмы, относящиеся к процессам на мировых рынках.
Объяснение механизма, приводящего к подобию. Прогноз цен на
недвижимость на основе статистического подобия
Общий характер тенденций развития кризисной ситуации, как в том, так и в другом
случае, совпадающих с достаточно большой точностью, позволяет говорить об общих
механизмах, характерных для этих процессов. Действительно, основные участники рынка в
критических ситуациях ведут себя в среднем одинаково. Когда неожиданно обнаруживается,
что количество платежеспособных покупателей уменьшилось и рынок переполняется
предложениями квартир продавцы не торопятся сразу снижать цены. С другой стороны
потенциальные покупатели останавливаются в ожидании, что цены скоро упадут и можно
будет приобрести квартиры на более выгодных условиях. Поскольку в этот период никаких
объективных событий, которые бы изменили ситуацию на рынке в пользу продавцов, не
происходит, то дальнейшими процессами управляет коллективное поведение людей.
Появляются продавцы, которые нуждаются в срочных деньгах, или просто хотят
зафиксировать прибыль, поскольку они вкладывали деньги на выгодных условиях, и
снижают цены продаж. Одновременно среди покупателей выделяются более нетерпеливые,
которые нуждаются в быстром решении жилищных проблем, или спекулянты, ожидающие
быстрой смены ценового тренда. Все это происходит на фоне уменьшения строительства
новых объектов. Через некоторое время количество предложений на рынке снижается до
уровня, когда покупатели начинают испытывать дефицит жилья, и ценовой тренд меняет
знак. При этом обнаруживается, что строительные мощности уменьшились, в процессе
строительства очень мало недвижимости и непрерывность процесса поступления квартир на
рынок нарушается. Эти и другие причины толкают рынок вверх и цены переходят в режим
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
19
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
быстрого роста. Таким образом, как только запускается механизм дестабилизации, рынком
управляет поведенческий фактор («коллективная психология»), и рынок в новой ситуации
ведет себя подобно тому, как он вел себя в прошлом. Такое объяснение соответствует
поведенческой теории. Формализованное описание движения цен в период кризиса
возможно, если предположить, что рынок недвижимости ведет себя как динамическая
система. При этом значения базовых характеристик: средние доходы населения, условия
ипотечного кредитования, наличие предназначенных для продажи объектов и т. д., является
входом в динамическую систему. В качестве выхода выступают рыночные цены. В силу
инерционности системы изменение входных параметров не оказывает немедленного влияния
на выход, а вызывает некоторую запаздывающую реакцию. Такой эффект мы наблюдали в
начале кризиса, когда он уже начал проявляться в снижении доходов населения, а цены
оставались на старом уровне – продавцы квартир еще не были готовы к снижению цен и
цены застыли на некоторое время в ожидании возвращения ситуации.
Подобие процессов, характерное для параметров, формируемых на российских
рынках инвестиций (цены недвижимости, индекс РТС), позволяет использовать методы и
модели статистического подобия для прогнозирования соответствующих рынков в периоды
кризисных ситуаций.
Высокая степень совпадения между тенденциями двух временных интервалов,
относящихся к кризисным периодам на рынке недвижимости Нижнего Новгорода
1998-1999 гг. и 2008-2009 гг., и объяснение механизмов, приводящих к такому подобию, дает
основание и некоторую уверенность предполагать, что дальнейшее поведение рынка
вторичного жилья в текущей ситуации и в дальнейшем сохранит динамику, подобную
предыдущему кризису. Поэтому, если исходить из того, что статистическое подобие
процессов изменения цен в процессе развития кризиса и последующего выхода из него,
сохранится на ближайший период, можно сделать некоторые предположения о дальнейшей
динамике цен на вторичном рынке жилья Нижнего Новгорода.
Прежде всего, из сопоставления кризисных ситуаций в предположении аналогичного
развития рынка недвижимости, можно ожидать, что цены текущего рынка жилья находятся в
стадии завершения процесса снижения... После этого, как это следует из характера динамики
относительных цен в период прошлого кризиса, должна наступить недолгая стабилизация
цен на рынке недвижимости с последующим переходом к росту цен.
Таким образом, если принять гипотезу о подобии процессов, характерных для
циклически повторяющихся кризисных периодов, мы придем к заключению, что текущий
кризис достиг низшей точки (дна) в своем развитии, и что в ближайшем будущем следует
ожидать плавного перехода в стадию медленного роста ценовых показателей.
Естественно данное утверждение можно признать справедливым только при условии,
что второй волны банковского кризиса не будет. Дело в том, что в отличии от предыдущего
текущий кризис в недвижимости развивался на фоне развивающейся в России ипотеки. До
настоящего времени невыплаты по кредитам являлись незначительными и потому не
оказывали заметного влияние на ход кризиса. Однако если эти невыплаты осенью этого года
перейдут допустимые границы, и на рынок будет «выкинута» залоговая недвижимость по
заниженным ценам, то дальнейшее развитие может пойти по иному сценарию. Таким
образом, методы статистического подобия, основанные на фундаментальном предположении
цикличности экономической системы, представляют собой удобный инструмент для
прогнозирования цен на рынке недвижимости.
4. Прогнозирование, основанное на анализе зависимости цен
недвижимости от различных факторов.
С точки зрения принятия инвестиционных решений наиболее важной является задача
выявления предвестников, указывающих, что в обозримом периоде должна произойти смена
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
20
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
тенденций. Обычно в качестве таких предвестников рассматриваются факторы, которые в
той или иной степени влияют на процессы ценообразования на рынке недвижимости.
Многие авторы в качестве таких факторов рассматривают денежные потоки, поступающие в
Россию от экспорта нефти [17], [18] и др. И в этом есть своя логика, хотя, как будет показано
ниже, прогнозирование на основе анализа цен на нефть не всегда столь эффективно, как это
может показаться.
Для того чтобы описать причинно-следственные связи и динамику развития
процессов во времени, порожденную этими связями, воспользуемся методами
корреляционного и регрессионного анализа, позволяющих установить статистические
зависимости между различными временными рядами.
Статистическая зависимость и корреляции. Предварительные замечания
Обнаружение и детальный анализ взаимосвязей между явлениями и показателями
различной природы, описание их количественных и качественных характеристик,
безусловно, представляет собой важнейшую составляющую любого исследования, в том
числе, экономического. Рассмотрим вкратце теоретические основы корреляционного и
регрессионного анализа [6]. С точки зрения процедуры обработки данных следует выделить
два типа задач: исследование взаимозависимости между несколькими случайными рядами,
либо изучение зависимости одного временного ряда (значений цен на рынке) от базовых
величин, образующих временные ряды данных, например, изменяющиеся во времени
значения средних доходов населения, величин валового продукта или условий ипотечного
кредитования. Первый тип задач – установление взаимосвязи между временными рядами,
опирается на корреляционный анализ. Во втором случае применяется аппарат
множественной регрессии. С математической точки зрения в этих подходах много общего.
Однако подмена одного метода другим может привести к ошибкам в интерпретации
результатов.
Взаимозависимость между двумя стационарными процессами, как правило,
характеризуется коэффициентом корреляции, который определяется тем же образом, что и
для двух случайных величин. Если есть основания ожидать запаздывания одного из
процессов, корреляции рассчитывают для случайных величин, сдвинутых на фиксированный
интервал времени или лаг. При этом величина корреляции может существенно изменяться в
зависимости от лага, отражая реальные процессы запаздывания в динамической системе, под
которой в данном случае понимается рынок.
Таким образом, корреляционный анализ представляет собой полезный инструмент, в
некоторой степени и при определенных условиях характеризующий взаимозависимость
случайных величин. Однако следует также учитывать, что в общем случае анализ
взаимосвязей между двумя временными рядами есть весьма сложная задача, не
исчерпывающаяся расчетом одного лишь коэффициента корреляции и не позволяющая
сделать достаточно надежные суждения относительно взаимосвязи двух или нескольких
рядов. В связи с этим, коэффициент корреляции для двух рядов в общей ситуации, т.е. при
отсутствии уверенности, что случайные величины описываются нормальным законом
распределения, можно рассматривать скорее как индикатор наличия какой-либо
взаимосвязи, чем как точную меру ее выражения.
Прежде, чем перейти к обсуждению методов и непосредственно к анализу данных,
следует сделать одно существенное замечание [6]: статистическая зависимость, какой бы
сильной она не была, не может служить основанием для утверждения о наличии причинноследственной связи. Данное утверждение лежит вне статистики. Оно может быть сделано
лишь на основании содержательного анализа процессов, порождающих эти ряды. В связи с
этим следует отметить, что использование методов корреляционно–регрессионного
анализа в практике исследования рынков не всегда является безупречным, и некорректное
применение его или некорректная интерпретация результатов могут привести к серьезным
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
21
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
заблуждениям. Существует ли прямая зависимость между ценами на нефть и рыночной
стоимостью жилья?
Для изучения и анализа общих закономерностей особый интерес представляют
данные по различным стоимостным и макроэкономическим показателям. На сегодняшний
день внимание многих отечественных экономистов в значительной степени привлекают к
себе динамики цен на нефть и недвижимость. Это связано с тем, что именно нефть, как в
явной степени преобладающий экспортируемый товар, и недвижимость, как важнейшая
характеристика платежеспособности, а, следовательно, благополучного финансового
состояния населения, можно во многом назвать основными показателями-индикаторами
стабильного состояния российской экономики. С учетом наблюдавшихся в последние годы
возрастающих тенденций, как на рынке природных ресурсов, так и на рынке недвижимости,
многие эксперты подчеркивают наличие прямых зависимостей между ценами на квадратный
метр площади жилья и удельной стоимостью экспортируемого нефтяного ресурса.
Сопоставим динамику индексов вторичного жилья Нижнего Новгорода с динамикой
стоимости барреля нефти марки Urals, как основного экспортируемого ресурса нашей
страны. Данные взяты за период с января 1997 года по июнь 2009 года [20].
Соответствующий график изображен на рисунке ниже:
7
цены в относительных единицах
6
5
4
3
2
1
ян
в
ию .97
л.
ян 97
в
ию .98
л.
ян 98
в
ию .99
л.
ян 99
в
ию .00
л.
ян 00
в
ию .01
л.
ян 01
в
ию .02
л.
ян 02
в
ию .03
л.
ян 03
в
ию .04
л.
ян 04
в
ию .05
л.
ян 05
в
ию .06
л.
ян 06
в
ию .07
л.
ян 07
в
ию .08
л.
ян 08
в.
09
0
Рис. 8. Динамика стоимости нефти марки Urals (долл./баррель) за период
январь 1997 года – июнь 2009 года
Помимо общей возрастающей тенденции, можно выделить несколько основных
эпизодов в динамике изменения цен на нефть, типичных, для всего мирового рынка
нефтяного сырья:
- 1997 - 1998 гг. – период отрицательных показателей роста цен на нефть, причина
которых кроется в разбалансировке мирового нефтяного рынка. С одной стороны, избыточное предложение нефтяного сырья, вызванное чрезмерным увеличением
производства и поставок нефти на рынок, а с другой, – недостаточный спрос вследствие
общего замедления темпов экономического роста в некоторых крупных промышленно
развитых странах, находящихся под влиянием кризиса 1997 года в Юго-Восточной Азии.
- в 1999 г. начался рост цен на мировом рынке нефтяных ресурсов. Благоприятными
факторами здесь послужили общее сокращение объемов экспортируемого сырья, а также
наметившийся экономический и промышленный рост во многих странах. С начала 1999 года
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
22
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
до конца 2006 года цены на нефть увеличились в 3 раза. Во многом определяющую роль в
этом случае сыграла политическая нестабильность в ряде регионов ее добычи (сокращения
нефтедобычи в Ираке вследствие военного конфликта с США, напряженная политическая
ситуация в Персидском заливе, Венесуэле, Нигерии). В этот период имели место
краткосрочные периоды снижения цен (наибольший период падения с середины 2001 – до
середины 2002 гг.). Однако общая повышательная тенденция сохранялась длительный
период и оборвалась только в конце 2006 года.
- период 2006-2007 гг. охарактеризовался кратковременным спадом нефтяных
показателей: за 4 месяца стоимость барреля упала в 1,5 раза. Среди основных причин снижение спроса на нефтяное сырье (вследствие как накопившегося запаса собственных
ресурсов, так и аномально теплого зимнего сезона).
- спад, впрочем, продолжался недолго - нефть вновь достигла прежних показателей, и
с начала 2007 года началось самое стремительное увеличение цен на нефтяное сырье: за
полтора года цены взлетели в 2,7 раза.
- далее с началом кризисного периода на мировом экономическом пространстве
произошло быстротечное падение цен с темпами, превышающими предшествующий период
их роста, и менее, чем за полгода, начиная с августа 2008 года цена на нефть снизилась в
2,6 раза (до уровня 3х годичной давности - ноября 2005 года).
-С января 2009 года
падение сменилось небольшим ростом. Поступающая
информация о сокращении запасов нефти и бензина в США способствует росту спроса и, как
следствие, цены на данный вид сырья. Так, за полгода уровень ценовых котировок на нефть
поднялся более, чем в полтора раза (средняя стоимость нефти марки Urals в долларах за
баррель за июнь 2009 года составила 68,3 единицы, что приблизительно соответствует уже
более высоким показателям конца лета 2007 года). Однако говорить о смене тенденции пока
еще преждевременно.
Посмотрим, как вели себя цены на жилье в этот же период на фоне меняющихся цен
нефти. Траектории цен приведены в относительных ценах. За единицу приняты цены,
приходящиеся на январь 1997 года, за полтора года до начала первого кризиса. В качестве
базовых на первом графике приведены цены в рублях, на втором в долларах.
цены в относительных единицах
7
6
5
4
3
2
1
ян
в
ию .97
л.
ян 97
в
ию .98
л.
ян 98
в
ию .99
л.
ян 99
в
ию .00
л.
ян 00
в
ию .01
л.
ян 01
в
ию .02
л.
ян 02
в
ию .03
л.
ян 03
в
ию .04
л.
ян 04
в
ию .05
л.
ян 05
в
ию .06
л.
ян 06
в
ию .07
л.
ян 07
в
ию .08
л.
ян 08
в.
09
0
динамика стоимости нефти марки Urals (долл./баррель)
динамика стоимости вторичного жилья Нижнего Новгорода (долл./кв.м.)
Рис. 9. Динамика стоимостей квадратного метра вторичного жилья (долл./кв.м.) в г. Нижнем
Новгороде и барреля нефти марки Urals (долл./барр.) за период январь 1997 года - июнь 2009
года
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
23
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
цены в относительных единицах
30
25
20
15
10
5
ян
в
ию .97
л.
ян 97
в
ию .98
л.
ян 98
в
ию .99
л.
ян 99
в
ию .00
л.
ян 00
в
ию .01
л.
ян 01
в.
ию 02
л.
ян 02
в
ию .03
л.
ян 03
в
ию .04
л.
ян 04
в
ию .05
л.
ян 05
в
ию .06
л.
ян 06
в
ию .07
л.
ян 07
в
ию .08
л.
ян 08
в.
09
0
динамика стоимости нефти марки Urals (руб./баррель)
динамика стоимости вторичного жилья Нижнего Новгорода (руб./кв.м.)
Рис. 10. Динамика стоимостей квадратного метра вторичного жилья (руб./кв.м.) в г. Нижнем
Новгороде и барреля нефти марки Urals (руб./барр.) за период январь 1997 года - июнь 2009
года
Сопоставляя графики динамики стоимости квадратного метра вторичного жилья и
барреля нефти, взятых в относительных единицах, приведенных к одному и тому же
моменту – январю 1997 года, можно сделать следующие выводы: обе траектории,
представленные на графике, на достаточно длительном периоде времени демонстрируют в
среднем повышательную тенденцию. За десять лет долларовые цены и нефти, и квартир
выросли в 6 раз при исчислении в долларах и в 25 раз при исчислении в рублях. Далее в
определенный момент эти тенденции сменяются резким спадом. Наблюдающаяся схожесть
поведения еще более проявляется, если эти данные посмотреть на плоскости: цена нефти удельная цена жилья (рис. 12).
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
24
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
цены на недвижимость в относительных
единицах
8
ρ=0,8672
7
6
5
4
3
2
1
0
0
1
2
3
4
5
6
7
цен на нефть в относительных единицах
Рис. 11. Зависимость цены на недвижимость в г. Нижнем Новгороде от цены на нефть марки
Urals (в относительных единицах)
Формальным подтверждением взаимосвязи между удельными ценами на
недвижимость и нефть может служить высокий коэффициент корреляции.
Если учесть, что рынок недвижимости является инерционным, то следует ввести
некоторое запаздывание цен квартир по отношению к ценам нефти, отражающее, что
реакция рынка на изменения доходов, поступающих от экспорта нефти, должна проявиться
не сразу, а по истечении некоторого достаточно длительного периода времени. Такое
запаздывание по разным оценкам составляет 2-3 месяца [23]. В этом случае графики,
подобные вышеприведенным, покажут несколько большее сходство траекторий движения
цен нефти и цен жилья (рис. 13).
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
25
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
цены на недвижимость в относительных
единицах
8
ρ=0,8955
7
6
5
4
3
2
1
0
0
1
2
3
4
5
6
7
цены на нефть в относительных единицах
Рис. 12. Зависимость цены на недвижимость в г. Нижнем Новгороде от цены на нефть марки
Urals (с лагом 2-3 месяца).
Следует отметить, что большинство аналитических исследований, результатами
которых является заключение о высокой ценовой корреляции между парой баррельквадратный метр, как раз и основаны на подобном сопоставлении двух указанных
временных рядов во времени. К примеру, специалисты аудиторско-консалтинговой
компании «Бейкер Тилли русаудит» в своем весьма обстоятельном исследовании «Баррель,
доллар и квадратный метр: скованные одной цепью» [17], сопоставив последовательные
изменения цен на нефть и на недвижимость в течение 2000-2008 гг., указали на зависимость
цен недвижимости от цены нефти. Рассчитанные ими коэффициенты корреляции лежат в
интервале: 0,85-0,9.
Однако является ли рис. 13 и достаточно высокое значение коэффициента корреляции
убедительным свидетельством прямой зависимости цен на недвижимость от стоимости
нефти, экспортируемой Россией? Перед тем как ответить на этот вопрос, следует сделать
одно замечание. Коэффициент корреляции двух временных рядов, характеризующихся
выраженным возрастающим трендом, может быть близок к единице даже в том случае, когда
ничего общего между этими процессами нет. Это, однако, не может служить основанием для
утверждения о существовании причинно-следственной связи между процессами. В этом
легко убедиться, если рассчитать коэффициент корреляции между ценой нефти и другим
временным рядом с выраженным повышательным трендом, который никак не может иметь
отношение к процессам на рынке нефти (например, значениями веса соседского ребенка в
интервале от года до 10 лет). В этом случае коэффициент корреляции также будет близок к
единице. Такого рода примеров в литературе приведено множество. Первым указал на то,
что высокие корреляции могут не выражать никаких причинных связей один из
основоположников корреляционного анализа Дж. Э. Юл (1926). Он же отметил, что
большинство таких «бессмысленных» корреляций проявляется через трендовые изменения
рядов во времени. Причины ложных корреляций лежат в неправомерном использовании
корреляционного анализа применительно к таким рядам. Дело в том, что определение
коэффициента корреляции имеет смысл только для стационарных процессов. Несоблюдение
этого требования зачастую приводит к ложным выводам относительно наличия зависимости
между процессами, что зачастую приводит к серьезным ошибкам при интерпретации
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
26
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
результатов даже среди опытных специалистов. И в данном случае дело может быть вовсе
не в существующей экономической взаимосвязи, а лишь в существовании тренда,
искусственно завышающего существующую корреляционную зависимость. Так что большой
коэффициент корреляции, рассчитанный для значений двух временных рядов, сам по себе
не может служить доказательством наличия причинно-следственной связи между ценой
нефти и ценами квартир.
Кстати говоря, существование прямой связи между ценами нефти и ценами квартир
не кажется очевидным, если посмотреть на графики с относительными ценами нефти и
квартир на более коротких интервалах времени, в течение которых происходят заметные
изменения цен. Действительно, как видно из упомянутых графиков (рис. 12, 13), существуют
периоды, когда рост цен нефти сопровождался падением цен недвижимости и, наоборот, на
фоне падения цен нефти недвижимость упрямо росла. Это подтверждают и события
последних месяцев, когда цены на нефть выросли на 30%, и их рост не повлиял на
продолжающийся спад цен на рынке жилья. Впрочем, если учесть лаг в несколько месяцев,
то в ближайшее время следует ожидать начала роста цен на квартиры.
Корреляционный анализ приращений цен
Поскольку прямое сопоставление траекторий цен нефти и удельных цен квартир не
позволяет сделать надежные выводы относительно их взаимозависимости, включим в
рассмотрение более тонкие методы анализа, которые рекомендуются использовать в
соответствующей литературе [5], [6], [7].
В соответствии с общепринятой методологией анализа временных рядов рассмотрим
динамику приращений удельных цен недвижимости и цен нефти за одинаковые периоды.
Это позволяет привести исходный нестационарный процесс к стационарному и тем самым
обеспечить возможность эффективного использования методов корреляционного анализа и
более четко отследить, насколько взаимосвязаны изменения (приращения) изучаемых
ценовых показателей на всем исследуемом интервале.
В качестве интервалов времени, за которые мы будем рассматривать приращения цен,
будем рассматривать достаточно длинные промежутки, к примеру, полгода, на которых
прирост ценового показателя будет проявляться в достаточной степени. При этом, учитывая
механизм ценообразования, целесообразно рассматривать относительные приращения, т.е.
изменение цен за период по отношению к цене в начале периода.
Нетрудно увидеть, что такие временные ряды совпадают с временными рядами так
называемых цепочечных индексов, равных отношению цены в конце периода к цене в начале
периода, если из них вычесть постоянную составляющую, равную единице. Поэтому в
дальнейшем будем исследовать корреляцию именно между цепочечными индексами,
характеризующими относительное приращение цен жилья и цен нефти. Анализ зависимости
выполним в координатах: цепочечный индекс цен квадратного метра квартир цепочечный
индекс цен нефти (рис. 14). Нами были построены такие графики для различных значений
периодов и различных величин лага. Наибольший коэффициент корреляции соответствует
периоду, равному 6 месяцев и лагу, равному тоже 6 месяцев.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
27
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
цепочечные индексы цен недвижимость
1,9
ρ = 0,400
1,7
3
1,5
1,3
1,1
4
0,9
1
0,7
2
0,5
0,5
0,7
0,9
1,1
1,3
1,5
1,7
1,9
цепочечные индексы цен на нефть марки Urals
Рис. 13. Зависимость цепочечных полугодовых индексов цен на недвижимость (долл./кв.м.) в
Нижнем Новгороде от цены на нефть марки Urals (долл./баррель) с лагом 6 месяцев
Коэффициент корреляции для полученных временных рядов, равный 0,4, отвечает
наличию «умеренной» степени взаимосвязи. При этом из рассмотрения был исключен
временной интервал, соответствующий 1999 году (относительно ценовых показателей
нефти). Как уже было упомянуто выше, 1999 года явился для рынка нефтяного сырья
«переломным»: уровень цен за баррель, за год увеличившись более, чем в два раза,
преодолел отметку в 20 долл. и уже практически не опускался ниже (за исключением осени
2001 года, когда краткосрочное снижение цены достигло чуть более 18 долл.).
Следует обратить внимание на выделенные точки (рис. 14), которые удалены от
основной массы (выделенных на рис. 14 окружностью) значений (точки «1», «2», «3», «4»).
Они показывают, что не только цены на нефть в коротких промежутках времени оказывают
влияние на цены жилья. Существуют и другие факторы, влияние которых оказывается
весьма значимым.
Таким образом, прямое и быстрое влияние цен нефти на стоимость жилья в явном
виде не столь очевидно. Влияние динамики ценовых показателей нефти на процесс
удорожания российской недвижимости естественно может быть объяснено с позиции
взаимосвязи нескольких процессов. Так, рост стоимости нефтяных котировок влечет рост
объема ВВП за счет высокой доли экспорта нефтяных ресурсов (нефтяной сектор, в
совокупности с сектором газодобывающей промышленности, вот уже несколько лет
формируют более половины бюджетных доходов России). Через пополнение бюджета
увеличиваются реальные доходы населения, стимулируя повышение покупательского
спроса, в том числе, на жилье. Возникающие колебания баланса спроса и предложения на
рынке недвижимости, подкрепляемые как изначальным дефицитом новых строительных
объектов, так и нарастающей спекулятивной составляющей, неудержимо «подталкивают»
стоимость квадратного метра все выше и выше.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
28
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
Баррель, доллар и квадратный метр
Важным звеном, связующим динамику цен на нефть и недвижимость, является курс
доллара. Общая тенденция очевидна: с приростом цены на нефть и увеличением потока
долларовой массы в РФ, курс доллара сдает позиции. При этом, поскольку цены на
недвижимость в большинстве городов России в течение длительного времени исчислялся в
долларах (в Нижнем Новгороде в том числе), курс данной валюты, оказывал сильное
влияние на рынок жилья: в случае, если доллар дешевел, продавцы недвижимости, как
правило, увеличивали долларовые цены.
Таким образом, можно ожидать, что нефть и недвижимость коррелируют
опосредованно через курс американской валюты: с ростом нефтяных котировок доллар
продолжает тенденцию на снижение, что приводит к увеличению долларовых цен. Данное
положение демонстрирует график корреляционной зависимости курса доллара и стоимости
квадратного метра вторичного жилья в г. Нижнем Новгороде (рис. 15).
2,25
ρ=-0,70
цены на недвижимость в
относительных единицах
2,05
1,85
1,65
1,45
1,25
1,05
0,85
0,90
0,95
1,00
1,05
1,10
1,15
1,20
курс доллара в относительных единицах
Рис. 14. Зависимость между курсом доллара и удельной стоимостью вторичной
недвижимости в г. Нижнем Новгороде
Таким образом, уровень цен на нефть, как один из основных источников доходов
нашей страны не может не влиять на покупательскую способность населения, а, как
следствие, и на спрос на жилье. Однако прямая зависимость между изменениями цен нефти и
стоимостью недвижимости выражена достаточно слабо. Поэтому к использованию цен на
нефть в качестве прогнозного параметра следует относиться с определенной осторожностью.
5. Анализ зависимости стоимости недвижимости в различных
субъектах РФ от величины средней заработной платы и
прожиточного минимума
Определяющую роль в вопросе обеспечения спроса на жилые квадратные метры в
конечном счете играют доходы платежеспособного населения. Поэтому непосредственным
фактором в системе ценообразования на рынке недвижимости, влияющим на объем спроса и,
как следствие этого, на цену квартир, является величина реальных располагаемых доходов
граждан или, иными словами, потребительских доходов. Другими словами, решающую роль
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
29
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
играет та часть доходов, которая остается после вычитания необходимых затрат на
проживание, т. е. тех средств, которые могут быть использованы. Эту гипотезу, однако,
следует подтвердить соответствующим анализом данных.
Зависимость стоимости квадратного метра недвижимости на вторичном
рынке от уровня доходов населения
Построим график корреляционной зависимости между удельной стоимостью квартир на
вторичном рынке недвижимости и величиной дохода населения по различным субъектам
РФ. Под величиной дохода среднестатистического покупателя жилья будем понимать
величину средней заработной платы за вычетом уровня прожиточного минимума,
характерного для того или иного субъекта РФ. Действительно, рассматривать общий доход
потребителя лишь с точки зрения накопления необходимой суммы для покупки
недвижимости, отрицая при этом текущее потребление, недопустимо. Минимальные
расходы на текущее потребление, а именно, прожиточный минимум, используемые в
расчете, учитывают потребительскую корзину (включает минимальные наборы продуктов
питания, непродовольственных товаров и услуг, необходимых для сохранения здоровья
человека и обеспечения его жизнедеятельности), а также обязательные платежи и сборы, в
зависимости от региона. С этим условием построим графики данной корреляционной
зависимости для 2002-2007 гг. Далее осуществим процедуру выравнивания или усреднения
имеющегося ряда данных для выявления некоторой приближенной функциональной
зависимости в изменении средней стоимости 1 кв.м. вторичной недвижимости от величины
средней заработной платы за вычетом прожиточного минимума (см. рис. 16).
30 000
ср. стоимость 1 кв.м., руб.
2002 год
ρ=0,4797
25 000
Москва
y = 2918,5Ln(x) - 13298
R2 = 0,2285
20 000
15 000
10 000
5 000
Мурманская обл.
0
0
1 000
2 000
3 000
4 000
5 000
6 000
ср. з/пл (с учетом прожит. мин.), руб.
ср. стоимость 1 кв.м., руб.
2003 год
35 000
ρ=0,4869
30 000
Москва
y = 2903,7Ln(x) - 12156
R2 = 0,122
25 000
20 000
15 000
Респ. Дагестан
10 000
5 000
Магаданская обл.
0
0
1 000
2 000
3 000
4 000
5 000
6 000
7 000
ср. з/пл (с учетом прожит. мин.), руб.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
30
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
45 000
ρ=0,3702
ср. стоимость 1 кв.м., руб.
40 000
35 000
2004 год
Москва
y = 4406,9Ln(x) - 22191
R2 = 0,1716
30 000
Санкт-Петербург
25 000
20 000
15 000
10 000
5 000
Магаданская обл.
0
0
2 000
4 000
6 000
8 000
10 000 12 000 14 000 16 000
ср. з/пл (с учетом прожит. мин.), руб.
ср. стоимость 1 кв.м., руб.
2005 год
60 000
ρ=0,4558
Москва
y = 6206,7Ln(x) - 35410
R2 = 0,2276
40 000
Санкт-Петербург
50 000
30 000
20 000
10 000
Магаданская обл.
0
0
5 000
10 000
15 000
20 000
ср. з/пл (с учетом прожит. мин.), руб.
ср. стоимость 1 кв.м., руб.
2006 год
90 000
ρ=0,4558
y = 10877Ln(x) - 71701
70 000
R2 = 0,2361
Москва
80 000
60 000
50 000
40 000
30 000
20 000
10 000
Таймырский авт.округ
0
0
5 000
10 000
Камчатский край
Магаданская обл.
15 000
20 000
25 000
ср. з/пл (с учетом прожит. мин.), руб.
ср. стоимость 1 кв.м., руб.
2007 год
140 000
120 000
100 000
ρ=0,5190
Москва
y = 22765Ln(x) - 179843
R2 = 0,2701
80 000
60 000
40 000
20 000
Магаданская обл.
0
0
5 000
10 000
15 000
20 000
25 000
30 000
величина средней заработной платы, руб.
Рис. 15. Графики корреляционной зависимости между удельной стоимостью вторичного
жилья и величиной средней заработной платы (с учетом прожиточного минимума) по
субъектам РФ
На приведенных диаграммах рассеяния очевидно, что некоторые точки значительно
«выбиваются» из основной массы.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
31
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
- Москва - значительно выделяется на диаграмме каждого года по причине весомого
превышения общего уровня удельной стоимости недвижимости в московском регионе.
Высокий престиж проживания в столичном регионе поднял уровень московских цен на
жилье на недосягаемый уровень.
- Санкт-Петербург, являясь вторым по федеральной значимости городом в нашей
стране, также держит высокую планку цен на жилую недвижимость, которая, впрочем, все
же в 1,5 раза ниже московской.
- Наиболее отстранена от основной массы точек отметка Тюменской области. Тюмень
– крупный промышленный, индустриально развитый и научный город, имеющий статус
нефтедобывающего центра, вот уже несколько лет подряд находится на первом месте по
рейтингу средних заработных плат. При этом стоимость недвижимости в Тюмени
относительно не высока – при сильной инфраструктуре и достаточно высокой численности
населения, город все же достаточно удален от столичного региона.
Из общей картины выделяются еще несколько регионов. Показатели доступности
жилья в этих регионах являются лидирующими по всей стране, однако причина здесь
заключается в убывающей численности населения (-30% за последние годы) и
соответственном наличии большого количества высвободившихся площадей на рынке, в
отсутствии строительства нового жилья. К примеру, в Магадане уровень средней заработной
платы даже превосходит стоимость 1 кв.м. вторичного жилья (причем в 1,2 раза) [24].
Более убедительной исследуемая зависимость становится, если значение цен продажи
квартир усреднить по нескольким городам с близкими по величине значениями доходов
населения. Построенные таким образом графики имеют вид.
ср. стоимость 1 кв.м., руб.
2002 год
14 000
y = 1E-04x2 + 0,4335x + 5065,2
R2 = 0,9718
12 000
10 000
8 000
6 000
4 000
2 000
0
0
1 000
2 000
3 000
4 000
5 000
6 000
7 000
8 000
700
800
ср. з/пл (с учетом прожит. мин.), руб.
ср. стоимость 1 кв.м., руб.
2003 год
16 000
y = 0,0051x2 + 7,0825x + 6409,9
R2 = 0,9445
14 000
12 000
10 000
8 000
6 000
4 000
2 000
0
0
100
200
300
400
500
600
ср. з/пл (с учетом прожит. мин.), руб.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
32
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
y = 6E-07x2 + 0,498x + 7515,4
R2 = 0,9817
18 000
ср. стоимость 1 кв.м., руб.
2004 год
20 000
16 000
14 000
12 000
10 000
8 000
6 000
4 000
2 000
0
0
5 000
10 000
15 000
20 000
ср. з/пл (с учетом прожит. мин.), руб.
ср. стоимость 1 кв.м., руб.
2005 год
25 000
y = 2E-06x2 + 0,4651x + 9537,1
R2 = 0,9738
20 000
15 000
10 000
5 000
0
0
5 000
10 000
15 000
20 000
25 000
ср. з/пл (с учетом прожит. мин.), руб.
35 000
ср. стоимость 1 кв.м., руб.
2006 год
2
y = 7E-06x + 0,5244x + 12074
R2 = 0,9555
30 000
25 000
20 000
15 000
10 000
5 000
0
0
5 000
10 000
15 000
20 000
25 000
30 000
ср. з/пл (с учетом прожит. мин.), руб.
45 000
y = 16730Ln(x) - 119722
R2 = 0,9753
ср. стоимость 1 кв.м., руб.
2007 год
40 000
35 000
30 000
25 000
20 000
15 000
10 000
5 000
0
0
5 000
10 000
15 000
20 000
25 000
30 000
35 000
40 000
ср. з/пл (с учетом прожит. мин.), руб.
Рис. 16. График усредненной зависимости между удельной стоимостью вторичного жилья и
величиной средней заработной платы (с учетом прожиточного минимума) по субъектам РФ
На графиках четко прослеживается общая тенденция зависимости стоимости
квадратного метра от уровня доходов населения. Обратим внимание на коэффициенты
детерминации – с каждым временным периодом (данном случае, годом) коэффициент
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
33
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
детерминации увеличивается, что свидетельствует о повышении влияния изменения уровня
доходов населения (средняя зарплата за вычетом прожиточного минимума) на стоимость 1
кв.м. жилой недвижимости. Тенденция вполне закономерная. Она связана с тем, что
происходит постепенная легализация доходов населения, в результате чего данные по
доходам населения все больше отвечают действительному положению дел.
Таким образом, стоимость недвижимости представляет собой сложную функцию,
зависящую от различных переменных, как внешних, так и внутренних, значения каждой из
которых, в свою очередь, в той или иной степени являются определяющими друг друга. Так,
безусловно, уровень цен на нефть, как один из основных источников доходов нашей страны
не может не влиять на покупательскую способность населения, а, как следствие, и на спрос
на жилье. С другой стороны, объемы строящегося жилья, как основной фактор предложения
на рынке недвижимости, без сомнения, также играют значительную роль. В этом же списке
можно перечислить доходы населения, процент по ипотечному кредиту, размер первого
взноса в ипотечной компании, количество предложения жилья на рынке недвижимости,
стоимость строительства (строительных материалов и т.п.), принятие законов о
строительстве, облегчающих/осложняющих получение разрешения на строительство (к
примеру, принятие закона о долевом строительстве послужило одним из факторов,
спровоцировавшим дефицит предложения нового жилья в 2006 году, повлекшим резкое
повышение цены).
При этом наиболее существенная и в тоже время, обобщающая роль среди факторов
спроса на квадратные метры принадлежит показателям, отражающим реальные доходы
населения. Полученные в этой главе достаточно высокие значения коэффициентов
корреляционной зависимости между стоимостью 1 кв.м. недвижимости и рассчитанной
величиной реальных доходов населения свидетельствуют в пользу этого.
Особенно четко рассматриваемая взаимосвязь прослеживается в пиковые моменты
роста доходов или же их падения. В частности, бурный рост цен на недвижимость, имевший
место на рынке с начала 2006 года вплоть до осени 2008 года, сопровождался
одновременным увеличением доходов населения. Взаимосвязь цен на жилье и доходов
населения в полной мере проявилась также на поведении рынка жилья в условиях текущего
кризиса. Данные статистики демонстрируют следующий факт: падение данного показателя,
составившее за первые два месяца 2009 года 7,2% (по сравнению с аналогичным периодом
2008 года), в совокупности с растущей инфляцией (+3,5% за январь-февраль 2009 года),
безработицей, а также снижением доступности кредитов для частных лиц спровоцировало
резкое сокращение покупательской платежеспособности. Все это, в свою очередь, не
замедлило сказаться и на потребительском спросе на жилье, вызвав стремительное падение
цен. Таким образом, основной рычаг, «подталкивающий» цену на недвижимость вверх, а
именно, спекулятивный спрос, вследствие отсутствия основного источника своего
подкрепления (растущей покупательской платежеспособности), резко остановился. В итоге,
согласно результатам аналитических исследований различных компаний, по наиболее
крупным городам снижение цен предложения жилья за январь-февраль 2009 года в
сравнении с их пиковым состоянием, которое пришлось на период конец весны – начало
осени 2008 года, составило до 20% в рублях и порядка 20-40% в долларовом выражении [18].
Как видно из приведенного ранее графика, примерно в такой же степни снизились цены и в
Нижнем Новгороде.
Наличие причинно следственной связи между доходами населения и ценами квартир,
четко выраженной в результатах корреляционно – регрессионного анализа позволяют
предложить процедуру прогнозирования цен квартир в обозримом будущем. Наиболее
простая и в то же время достаточно надежная схема прогнозирования выглядит следующим
образом:
 На основе данных официальных источников прогнозируются доходы
населения;
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
34
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)

На основе этих данных и с учетом ожидаемого прожиточного минимума
составляется чистый доход населения, который может быть использован для
приобретения жилья.
О возможности распространения основных выводов на другие сегменты
рынка недвижимости
Приведенный график (рис. 18) показывает соотношение средней стоимости 1 кв.м.
вторичного и первичного рынков жилья за 2007 год (по последним данным Госкомстата РФ)
для 69 субъектов РФ [19].
140 000
г. Москва
120 000
руб.
100 000
80 000
Респ. Северная ОсетияАлания
Саратовская обл.
60 000
Хабаровский край
Свердловская обл.
Еврейская АО
Респ. Хакасия
Удмуртская Респ.
Амурская обл.
40 000
величина средней з/п
средняя стоимость 1 кв.м. первичной недвижимости
средняя стоимость 1 кв.м. вторичной недвижимости
Рис. 17. Общий уровень средней стоимости 1 кв.м. первичной и вторичной недвижимости по
субъектам РФ за 2007 года
Без дополнительных вычислений видно, что соотношение между ценами на
первичном и вторичном рынке недвижимости существует жесткая связь независимо от
субъекта федерации. Причина этого кроется в том, что на баланс спроса и предложения,
определяющего стоимость квадратного метра на первичном рынке, влияет большее
количество внешних факторов. Это и реальные доходы населения, и себестоимость
строительства и др. В свою очередь, себестоимость строительства зависит от доступности
так называемых «длинных денег» - кредитов для строителей, а также от стоимости
материалов, сложностей, связанных с получением разрешения на строительство и т.п. Важно
также понимать, что цена на новостройки не является самостоятельной, как на квартиры
вторичного рынка, а, по сути, есть функция объема продаж. Она может быть заметно ниже,
если необходимо быстро распродать большой объем квартир и вернуть кредитные средства,
или же напротив выше, если есть возможность увеличить срок экспозиции объекта и
распродавать жилье по максимально высокой цене. Другими словами, зачастую цена на
новостройки определяется не столько рынком, сколько выбранной стратегией продаж.
Вторичный рынок, как более инертный, дольше сохраняет стабильность, менее резко
реагирует на изменения окружающих экономических факторов и почти полностью
находится под влиянием изменения покупательской способности, а, следовательно, реальных
располагаемых доходов населения. Все дело в присутствии на нем большого количества
независимых продавцов и покупателей (что, в свою очередь, обеспечивает важное условие
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
35
Камчатский край
Московская обл.
г. Санкт-Петербург
Красноярский край
Иркутская обл.
Архангельская обл.
Респ. Карелия
Ленинградская обл.
Новосибирская обл.
Пермский край
Калининградская обл.
Субъекты РФ
Самарская обл.
Респ. Татарстан
Ярославская обл.
Новгородская обл.
Респ. Тыва
Калужская обл.
Нижегородская обл.
Тверская обл.
Астраханская обл.
Рязанская обл.
Волгоградская обл.
Респ. Алтай
Костромская обл.
Кировская обл.
Воронежская обл.
Пензенская обл.
Ставропольский край
Респ. Марий Эл
Ивановская обл.
Респ. Адыгея
Респ. Дагестан
Алтайский край
0
Оренбургская обл.
20 000
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
конкурентности вторичного рынка недвижимости), многие из которых являются, по своей
сути, одним и тем же лицом. Так, продавцы, одновременно выступающие покупателями
другого жилья, вынуждены «держать» цену. С другой стороны, вторичный рынок жилья это рынок однообразного законченного товара. В отличие от рынка новостроек квартиры не
различаются разной степенью готовности дома, уровнем отделки (или степенью подготовки
под нее), а также юридическим состоянием.
Таким образом, объекты нового и строящегося жилья, хотя и сильно влияют на рынок
недвижимости, все же представляют собой не достаточно хороший ориентир для выявления
общерыночных тенденций. Дополнительные «смущения» может также вносить активность
продаж, создавая ощущения «бума» в одни периоды и затишья в другие. Однако периоды
роста и снижения покупательской активности, в тоже время связаны со множеством
факторов и еще не означают коррекцию цен. Общий уровень цен на жилье, в данном случае,
может быть только сглаженной и усредненной реакцией на все подобные локальные
изменения. И уровень цен вторичного рынка в большей степени соответствует этим
критериям [22].
Все это дает основания использовать для анализа лишь один из данных рядов
индексов, к примеру, вторичной недвижимости, как в большей степени ликвидной, строя
предположения относительно первичного рынка жилья в соответствии и по аналогии с
полученными подобным образом результатами.
Подобные выводы можно сделать и из анализа динамики доходов населения.
Распределения доходов населения после исключения минимальных затрат семьи,
определяемых прожиточным уровнем, по субъектам РФ за 2002-2007 гг. согласно данным
Госкомстата РФ [19], имеет следующий вид:
20 000
Сахалинская об
18 000
16 000
Мурманская обл.
руб.
Алтайский край
Московская обл.
14 000
Свердловская обл.
12 000
10 000
Калужская обл.
Самарская обл.
Респ. Башкортостан
8 000
6 000
4 000
2 000
Субъекты РФ
2002 г.
2003 г.
2004 г.
2005 г.
2006 г.
2007 г.
Рис. 18. Динамика доходов населения (с учетом прожиточного минимума) по субъектам РФ,
руб.
Из графика видно, что доходы населения имеют значительный разброс по субъектам
РФ, однако, по каждому субъекту наблюдался рост, в результате чего соотношение по
уровню доходов между субъектами сохранялось неизменным. Таким образом, зависимость
средней стоимости квартир от дохода населения существует независимо от того, по какому
субъекту и в какой период времени проводится анализ, что дает основания распространить
результаты данного исследования на другие сегменты рынка недвижимости.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
36
Омская обл.
Респ. Саха (Якутия)
Кемеровская обл.
Красноярский край
Респ. Хакасия
Респ. Бурятия
Курганская обл.
Челябинская обл.
Саратовская обл.
Пензенская обл.
Нижегородская обл.
Респ. Татарстан
Чувашская Респ.
Респ. Марий Эл
Ростовская обл.
Астраханская обл.
Краснодарский край
Карачаево-Черкесская Респ.
Респ. Дагестан
Кабардино-Балкарская Респ.
Новгородская обл.
г. Санкт-Петербург
Вологодская обл.
Ленинградская обл.
Респ. Коми
г. Москва
Тульская обл.
Рязанская обл.
Тамбовская обл.
Липецкая обл.
Костромская обл.
Ивановская обл.
Владимирская обл.
Белгородская обл.
0
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
Выводы
1. Всякая будущая ситуация является неопределенной. Поэтому не существует
методов, позволяющих точно «угадать» будущее развитие ситуации. Вместе с тем известно
много приемов и методов, позволяющих обнаружить тенденции, логику развития событий и
на основе сопоставления с прошлым опытом предсказать характеристики наиболее
вероятного развития событий. В статье рассмотрены три подхода, каждый из которых
характеризуется своими ограничениями и соответственно своей областью применения.
2. Выявление тренда и прогнозирование цен в предположении, что общий характер
движения цен не изменяется, составляет основу первого подхода. При этом сохраняется
устойчивое соотношение между спросом и предложением, характерное для типичной
ситуации саморегулирующегося рыночного баланса. Такой прогноз можно использовать в
условиях установившихся процессов, когда есть основания ожидать, что никаких
радикальных событий в прогнозный период не произойдет, и цены будут изменяться,
сохраняя установившиеся тенденции.
3. Второй подход относится к ситуации, когда в силу каких то внешних причин
нарушено равновесие между спросом и предложением. Причинами этого могут быть
перегрев рынка на фоне интенсивного строительства, проблемы в банковском секторе или
другие финансовые проблемы в стране. Поскольку характер снижения цен больше зависит от
реакции многочисленных участников рынка (покупателей, продавцов, девелоперов), то
траектория изменения цен сохранятся в среднем одинаковой, независимо от причин,
породивших кризисные явления. В этом случае для прогнозирования можно использовать
модели и методы статистического подобия, основанные на анализе прошлых кризисов,
имевших место на данном рынке в более ранние периоды времени. Отмеченное здесь
подобие характерно для всего рынка недвижимости в целом. Можно говорить о подобии в
динамике цен по разным сегментам (жилье, офисы, складские помещения и т. п.). Поэтому
основные результаты, полученные для жилой недвижимости, могут быть распространены на
другие сегменты рынка недвижимости.
4. Наконец, третий подход, опирающийся на методы корреляционного и
регрессионного анализа, в некотором роде является дополнением к первым двум. Основу
такого подхода составляет понимание того, что рынок представляет собой сложную
взаимосвязанную систему, регулируемую балансом спроса и предложений. При этом спрос и
предложения представляют собой функцию, зависящую от различных переменных,
значения каждой из которых, в свою очередь, в той или иной степени являются
определяющими друг друга. Так, уровень цен на нефть, как один из основных источников
доходов нашей страны влияет на доходы населения и, как следствие, на его покупательскую
способность. Последняя, в свою очередь, на спрос на жилье, который замыкает цепочку
факторов, определяющих рост цен. Однако наиболее существенная и в тоже время,
обобщающая роль среди них принадлежит показателям, отражающим реальные доходы
населения.
5.Все исследования динамики изменения цен построены по статистике, относящейся
к Нижнему Новгороду. Однако цены в основном ведут себя одинаково во всех городах.
Поэтому выводы могут быть отнесены и к другим городам России (кроме тех, которые в
силу региональных причин существенно отличаются от типового города).
Источники информации
Книги, научные публикации
1. Елисеева И.И., Курышева С.В., Костеева Н.В. Эконометрика. Учебное пособие - М:
Финансы и статистика, 2004. – 344 л.: ил. – ISBN 5-279-01955-0
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
37
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
2. Орлов А.И. Эконометрика. Учебник - М.: Изд-во Экзамен, 2002.
3. Лейфер Л.А., Сергеева З.А. Восстановление функций с помощью моделей простой
структуры, Заводская лаборатория, ежемесячный научно – технический журнал, №1,
1984
4. Тихомиров Н.П., Дорохина Е.Ю. Эконометрика. Учебник - М.: Изд-во Экзамен, 2003.
– 512 л. - ISBN 5-94692-438-9
5. Бокс Дж., Дженкинс Г.М. Анализ временных рядов, прогноз и управление. Вып.1. М.: Мир, 1974. - 406 с.; вып. 2. М.: Мир, 1974. - 198 с.
6. Кендалл М., Стьюарт А. Статистические выводы и связи. М.: Наука, 1973. 900 с.
7. Econometric methods / J. Johnston, John DiNardo. – Singapore a.c.: Mc Graw-Hill, 1997. –
534 p.
8. Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. - М.:
Изд-во Экономика, 2009. – 606 стр. - ISBN 978-5-282-02958-1
9. Стерник Г.М., Стерник С.Г. Методология и технология анализа рынка недвижимости
(мастер-класс для опытных аналитиков). - «МИЭЛЬ-Недвижимость», 2005. – 249 стр.
10. Стерник Г.М., Технология анализа рынка недвижимости. – М.: Изд-во АКСВЕЛЛ,
2005. – 203 стр. - ISBN 5-87039-081-8
11. Анализ и моделирование экономических процессов. / Сборник статей под ред.
В.З. Беленького. Выпуск 5. - М.: ЦЭМИ РАН, 2008. - 169 стр.
12. Борисов В.Н., Блохин А.А., Ивантер В.В. Прикладное прогнозирование национальной
экономики: Учебное пособие для вузов (под ред. Ивантера В.В., Буданова И.А.,
Коровкина А.Г. и др.). – М.: Изд-во Экономистъ, 2007. – 896 стр. - ISBN 978-5-98118212-9
13. Дубовский С.В. Россия на переломе: 1990-2010 // Российская наука: день нынешний и
день грядущий. Сборник статей победителей конкурса РФФИ – 98 М.: Academia,
1999.
14. Орлов А.И. Организационно-экономическое моделирование: учебник : в 3 ч. Часть 1:
Нечисловая статистика. – М.: Изд-во МГТУ им. Н.Э. Баумана. – 2009. – 541 стр.
15. Тутубалин В.Н. Границы применимости (вероятностно-статистические методы и их
возможности). Брошюра изд-ва «Знание», серия «Математика, кибернетика», 1977, 63
с.
16. Надежность и эффективность в технике; справочник; Ред. Совет: Авдуевский В.С. и
др.. М., Машиностроение, 1987. том 4. Методы подобия в надежности.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
38
Лейфер Л.А. Гришина М. Анализ и прогнозирование цен недвижимости (ЗАО «Приволжский центр финансового консалтинга и оценки»)
Электронные ресурсы
17. ООО «Аудиторско-консалтинговая компания «Бейкер Тилли Русаудит». Баррель,
доллар и квадратный метр: скованные одной цепью. Исследование зависимости цен
на недвижимость московского региона от цены на нефть марки Urals для
прогнозирования цен на недвижимость в условиях экономического кризиса.
[Электронный ресурс] – Режим доступа: www.rb.ru/upload/admins/files/kv-neft1.pdf
18. Стерник Г.М. Рынок жилья городов России: от устойчивого роста к кризису.
[Электронный
ресурс]
–
Режим
доступа:
www.realtymarket.org/docs/pps/russia_sternik_11_03_09.pdf
19. Федеральная служба государственной статистики [Электронный ресурс] – Режим
доступа: http//www.gks.ru
20. Центральный Банк Российской Федерации [Электронный ресурс] – Режим доступа:
http//www.cbr.ru
21. RTS Биржа [Электронный ресурс] – Режим доступа: http//www.rts.ru
22. Official Energy Statistics from the U.S. Government [Электронный ресурс] – Режим
доступа: http://tonto.eia.doe.gov
23. Интервью
с
профессором
строительством» РЭА
им.
кафедры
Г.В.
«Экономика
Плеханова,
и
управление
городским
Стерника.
2009.01.04
Геннадия
[Электронный ресурс] – Режим доступа: http://www.bfm.ru/news/2009/01/04/interv-justernik.html
24. Методология расчета индексов рынка недвижимости. [Электронный ресурс] – Режим
доступа: http://www.irn.ru/methods/
25. Может ли столичное жилье стать доступным. 2009.03.13 [Электронный ресурс] –
Режим доступа: http://realty.vz.ru/forecast/2009/3/13/418.html
26. Россияне могут заработать на квартиру за 7 лет. 2008.12.01 [Электронный ресурс] –
Режим доступа: http://www.gdeetotdom.ru/analytics/building/1808968/
27. Лейфер Л. А. ., Кашникова З.А., Уханов П.Е., Шегурова Д.А. Оценка рыночной
стоимости объектов недвижимости, находящихся в отдаленных районах. “ВОПРОСЫ
ОЦЕНКИ” №4 2006,: режим доступа : http://www.valuer.ru/bookshop/seebook.asp
28. Лейфер Л. А., Лейфер И. Л. Анализ рынка жилья в ПФО. Форум «Недвижимость
регионов Приволжья: опыт, проблемы, перспективы» Россия, Нижний Новгород,
сентябрь, 2007 г.
http://www.labrate.ru/leifer/real-estate-market-research-for-appraisers-2009-1.pdf
39