Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости

Размещено на http://www.allbest.ru/

Развитие и совершенствование методов прогнозирования на рынке жилой недвижимости

Стерник Геннадий Моисеевич, профессор кафедры «Управление проектами и программами» РЭУ им. Г.В. Плеханова, канд. техн. наук.

Стерник Сергей Геннадьевич, зам. по научной работе декана факультета экономики недвижимости РАНХиГС при Президенте РФ, д.э.н., профессор.

Свиридов Алексей Викторович, аспирант профессор кафедры «Управление проектами и программами» РЭУ им. Г.В. Плеханова.

Annotation

In this article a survey and analysis of existent forecasting real estate market development methods are represented. Native and foreign authors works are viewed. There has been discovered advantages and scopes of each method, evolution of forecasting methods that are applied in Russian territory starting from 1996 till present has been retraced including detailed overview of the latest and possessing the most successful forecasting abilities methodology based on imitating (stepped) block-module iterative model with feedbacks. Also there are results of approval and retrospective test of this methodology, that confirm its justifiability. Besides there has been carried out some calculating experiments revealing an impact of macroeconomic and sectoral parameters on market development dynamics. This experiments bear out the possibility of methodology usage for target placement of accomodation.

Key words: Real estate market, factors of real estate market, prognostic methodologies, mathematic models, simulation model, target placement of building volume.

Аннотация

прогнозирование рынок недвижимость имитационный

В настоящей статье представлен обзор и анализ существующих методов прогнозирования развития рынка недвижимости. Рассмотрены работы отечественных и зарубежных авторов. Выявлены достоинства и границы применимости каждого из методов. Прослежена эволюция методов прогнозирования рынка недвижимости, применяемых на территории РФ начиная с 1996 года по настоящее время, в том числе подробно рассмотрена наиболее новая и обладающая наибольшими прогностическими способностями методика, основанная на использовании имитационной (пошаговой) блочно-модульной итерационной модели с обратными связями. Также приведены результаты апробации и ретроспективной проверки данной методики, подтверждающие состоятельность методики. Кроме этого, проведен ряд расчетных экспериментов по влиянию на динамику развития рынка макроэкономических и отраслевых параметров, подтверждающих возможность использования данной методики для обоснования целевых объемов ввода жилья.

Ключевые слова: Рынок недвижимости, факторы рынка недвижимости, методики прогнозирования, математические модели, имитационная модель, обоснование объемов ввода жилья.

Проблема прогнозирования развития рынка недвижимости в трансформирующейся экономике России. Исходя из известного положения акад. В.В. Ивантера о том, что экономическое прогнозирование - это попытка оценить последствия какого-либо действия или бездействия власти, бизнеса и общества [1], рассмотрим проблемы прогнозирования рынка недвижимости России с начала его зарождения в формирующейся рыночной экономике, когда в условиях гиперинфляции и обвальной девальвации национальной валюты государство пыталось обеспечить доступность жилья для населения, по сегодняшний день.

С самого начала новейшей истории рынка недвижимости России в первую очередь были востребованы (и наиболее широко используются по настоящее время) экспертные предсказания - наименее формализованный метод, вызывающий обоснованное доверие в случае высказываний опытных экспертов о качественных тенденциях рынка (обычно в краткосрочном периоде - несколько месяцев), но и вызывающий неудовлетворенность потребителей прогнозов при попытках дать количественные оценки.

Несмотря на то, что первые формализованные, расчетные прогнозы (среднесрочные - на 1-3 года) появились уже в 1995 году [2-4], создание и совершенствование методов прогнозирования сталкивалось и до настоящего времени сталкивается с существенными трудностями.

Первое. Неприспособленность сложившихся в плановой экономике методов народно-хозяйственного прогнозирования на основе отраслевых балансов к прогнозированию в условиях рыночной экономики. Примером такой неприспособленности являются многочисленные попытки прогнозирования развития строительного комплекса как отрасли народного хозяйства в отрыве от макросистемы - рынка недвижимости, включающей этот комплекс в качестве производственной подсистемы наряду с подсистемой финансирования оборота недвижимости из доходов и накоплений граждан, ипотечного кредитования и других источников.

Второе. Неприспособленность стандартных эконометрических методов к прогнозированию тенденций рынка недвижимости в современных условиях.

Имеющиеся данные показывают, что в развитом рынке динамика цен на жилье не столь значительна, и в пределах десятилетних долгосрочных циклов (т.е. при исключении кризисных стадий) ее прогнозирование не представляет интереса. Отсюда рекомендации в методической литературе: если прогнозируется положительная динамика, то принимать годовой прирост цен в пределах 10%, если отрицательная - то -10% [5].

Эмпирическая литература периодически отмечает наличие «длинных циклов» на рынке недвижимости. Так, в исследовании «The Cyclical Behavior of the National Office Market» (1987) William Wheaton показал циклы в инвестиционной активности и вакантных площадях на рынке офисной недвижимости длиной в 10 лет для рынка США. Ball, Lizieri and MacGregor в исследовании «The Economics of Commercial Property Markets, London and New York: Routledge» (1998) показали, что циклы в коммерческой недвижимости Великобритании также составляют около 10 лет. Есть и другие оценки по длине циклов на рынке недвижимости, в среднем длина цикла составляет 10-20 лет.

В новейшей истории России отмечено два долгосрочных цикла продолжительностью около 10 лет. Если отмерять начало и конец цикла по нижним по уровню цен точкам, то в Москве в фазе роста первого десятилетнего цикла (июнь 1990 - август 1998 г.) цены выросли (в долларах) в 12 раз, второго (июнь 2000 - октябрь 2008 г.) - в 11,5 раза (рис. 1), причем этот рост по стадиям Под фазами цикла в макроэкономической литературе понимается 4 временных отрезка динамики цен, именуемые «спад (рецессия)» - Recession), «восстановление (оживление)” - Recovery, «подъем (рост)» - Expantion, «перепроизводство (избыточное предложение)” - Oversupply. Понятие «стадия цикла» введено в [2] и обозначает отрезки динамики с приблизительно одинаковым темпом роста цен. динамики был существенно неравномерным [6].

В результате столь высокой волатильности динамики цен на развивающемся рынке жилья применение стандартных эконометрических методов регрессионного моделирования и прогнозирования ценовых трендов, прекрасно работающих в области монотонного изменения динамики, возможно лишь в краткосрочном периоде (8-18 месяцев), и это сопряжено с риском непредсказуемой ошибки вследствие возможного перелома тенденций в среднесрочном периоде.

Figure 1. Dollar price indexes growth on the Moscow real estate market in 1990-2012 years

Индексы роста долларовых цен на рынке жилья Москвы в 1990-2012 годах

Третье. Непригодность методов, разработанных в странах с развитой рыночной экономикой, к прогнозированию в странах с переходной экономикой.

Западные макроэкономисты вплоть до начала 2000-х годов не выделяли недвижимость как особый товар от других товаров и не рассматривали собственные закономерности функционирования рынка недвижимости. Лишь статья Ричарда Грина “Следуя за лидером: как изменения в жилищных и нежилищных инвестициях предсказывают изменения в ВВП” (1997) показывает, что, в отличие от макроэкономистов, западные отраслевые экономисты рынков строительства и продажи недвижимости задолго до последнего финансового кризиса задавались вопросами: важно ли, чтобы рынок недвижимости был включен в макроэкономический анализ и прогноз, и наоборот? Что должно быть областью макрожилищного исследования? Как связаны фазы бизнес-циклов на рынках недвижимости с макроэкономическими циклами? [6].

Однако с тех пор как Кевин Готхэм в своей статье, написанной перед началом последнего мирового кризиса (2006), показал степень вовлечённости системы жилищного финансирования США в глобальную финансовую систему [7], стало понятно, что ключевой институциональной проблемой экономики США является то, что никакие экономические прогнозы не включают в себя оценку вероятности системного кризиса на рынке недвижимости. Ситуация тотальной несостоятельности методологии финансового анализа и инвестиционного прогнозирования рынков недвижимости в США подтверждается и в статье Ричарда Грина (2008), который обращается к проблеме ассиметрии информации на финансовом рынке [8] . Он приходит к выводу о том, что именно информационные проблемы привели к неверной оценке рисков, связанных с ипотечными активами, что создало условия для распространения кризиса. Этот вывод подтверждает в своей статье и Энтони Сандерс. На основании данных о ценах жилья и дефолтах по ипотечным кредитам, он показывает наличие структурного сдвига в их отношении после начала кризиса. Эти результаты указывают, что не всегда на основании исторических данных можно предсказать уровень финансового риска в случае наступления кризиса. Так, количество дефолтов по кредитам в кризис существенно превзошло количество, которое можно было предсказать при данном уровне падения цен [9].

Поэтому, с учетом того, что рынки недвижимости, в отличие от финансовых и товарных, являются менее совершенными и конкурентными, сегодня, в результате исследований механизмов мирового кризиса, экономисты как в США, так и в России согласны, что рынки недвижимости являются частью глобального финансового рынка и нуждаются в разработке и внедрении собственной методологии научного прогнозирования.

В специализированных зарубежных источниках имеется работа, посвященная прогнозированию на рынке недвижимости, причем не цен, а спроса на жилье [10]. Эта задача является актуальной для девелоперов, планирующих строительство в различных городах США. Анализируемой методикой предусмотрено, что объем спроса в прогнозируемом периоде определяется количеством домохозяйств, миграционный приток в город которых прогнозируется с учетом планируемого увеличения занятости в базовых и небазовых отраслях экономики города, с учетом размеров домохозяйства (числа членов семьи) и принятой в данной местности нормы обеспеченности жильем (в кв. м на человека).

Основная формула методики:

Dunits = Nb x Meb x Kn, шт.; Dareal = Dunits x n x S, кв. м,

где Dunits - прогнозируемый объем спроса на жилые помещения, шт.;

Nb - прогнозируемое увеличение базисной занятости (занятости в экспортно-ориентированных отраслях) за счет миграционного притока, чел.;

Meb - мультипликатор экономической базы (отношение общей занятости в экономике города к занятости в базовых отраслях);

Kn - коэффициент незанятости (отношение общей численности населения к общей занятости);

Dareal - прогнозируемый объем спроса на площади и поглощения площадей, кв. м;

n - средняя численность домохозяйства в городе, чел.;

S - средняя обеспеченность населения жильем в данном регионе, кв. м/ чел.

Практика апробирования данной методики в российских условиях показала, что она может быть ограничено использована в специальных условиях строительства технопарков и иных подобных территориально-производственных образований, а для применения в сложившихся городах с многопрофильной экономикой она непригодна [11]. Причинами такого положения являются принятые в методике допущения, естественные для развитого рынка (вне кризисных периодов), но не соответствующие закономерностям развивающегося рынка:

- относительно связи рынка труда и миграции (планируемое открытие новых рабочих мест в городе вызывает адекватный приток мигрантов вместе с семьями, причем пропорционально увеличивается численность населения за счет роста численности сферы обслуживания, медицины, транспорта и т.д. и дополнительного притока мигрантов в них);

- относительно закономерностей развитого рынка недвижимости, заключающейся в приблизительном равенстве (тождестве) объемов строительства, предложения, спроса и поглощения площадей.

Четвертое. Информационная закрытость рынка недвижимости России. В отличие от развитых рынков, где давно сложились лицензированным государством статистические бюро, обеспечивающие специалистов полной и достоверной информацией и показателях рынка недвижимости, в России за 20 лет продвижения к нормальной открытой статистике все еще далеко от завершения.

Использование подобных структур в российских условиях затруднено не только в силу их отсутствия, но и прежде всего в силу информационной закрытости отечественного рынка, высокой доли ценовых искажений, «серого» оборота, теневых (незарегистрированных) сделок и др.

Рынок недвижимости принято разделять на рынок строительства и продажи квартир (договоров долевого участия) в строящихся домах (первичный рынок) и рынок купли-продажи готового жилья (вторичный рынок). Что касается информации о ходе строительства, то Росстат, как преемник статистического ведомства СССР, сделал попытку сохранения имевшейся системы статистического наблюдения. Однако, механизмы сбора данных через местные органы планирования разрушились, а статистическая отчетность частных строительных компаний, аккумулируемая местными статорганами, в значительной степени искажает информацию. Несмотря на распоряжения правительства, местные органы управления за редкими исключениями (Москва, Санкт-Петербург и некоторые другие регионы) не создали реестры строящегося жилья и не владеют первичными данными. Другая часть показателей, касающаяся цен на первичном и вторичном рынке, оборотов вторичного рынка, долгое время была Росстату недоступна, и лишь в последние 10 лет был налажен сбор этих данных по специфической методике, аналогичной методике сбора данных на рынках товаров и услуг (что приемлемо при подсчете потребительской инфляции, но не всегда приемлемо на рынке недвижимости). Поэтому и сегодня большинство специалистов не доверяет данным Росстата, тем более что доступ к ним (особенно в разрезе городов/муниципальных образований) затруднен.

В связи с этим в России с самого начала развития рынка недвижимости начали создаваться информационно-аналитические, консалтинговые компании, которые взяли на себя функции сбора и анализа первичной рыночной информации и получения достоверной статистики различных сегментов рынка, исследованием и прогнозированием тенденций развития рынка. В начале нулевых годов государство осознало необходимость создания системы сбора и обработки информации о рынке недвижимости, однако разработанная по заказу Госстроя РФ концепция создания Федеральной информационно-аналитической системы рынка жилья (ФИАС РЖ) [12] не получила запланированного финансирования. Функция налаживания сбора данных и получения необходимой статистики осталась за профессиональными общественными организациям типа Российской Гильдии риэлторов (РГР), где эта работа выполнялась на волонтерской основе, и коммерческими организациями. Наконец, в последние годы этим начали заниматься также и созданные государством институты: Росрегистрация, Агентство по ипотечному жилищному кредитованию (АИЖК), и главным образом - Федеральный Фонд содействия развитию жилищного строительства (Фонд РЖС), который подключил коммерческие консалтинговые структуры к наполнению создаваемой им Единой аналитической информационной системы (ЕАИС).

Пятое. Недостаточная изученность закономерностей развития рынков недвижимости. С одной стороны, это является следствием предыдущего пункта - недостатка информации о рынке, с другой - следствием все еще не сложившейся законодательно-правовой базы рынка, непрерывного и существенного изменения «правил игры», гипертрофированного влияния на рынок политических решений федеральных и местных властей, что делает объективно существующие закономерности неустойчивыми и слишком часто изменяющимися. Тем не менее, на сегодняшний день ряд устойчивых закономерностей развивающегося рынка недвижимости России изучены [11, 13-18] и могут быть использованы при совершенствовании методик прогнозирования на рынке недвижимости.

Основные допущения, ограничения и рабочие гипотезы методологии прогнозирования развития рынка недвижимости. Развитие любого отраслевого розничного рынка зависит от соотношения трех фундаментальных факторов:

- степени глобальной потребности населения в экономическом благе, формирующем данный рынок (степени приоритета в структуре потребностей);

- степени дефицита данного экономического блага (развития адекватного предложения);

- доходов населения (экономической доступности блага и эластичности платежеспособного спроса на него по цене и по доходам населения).

Очевидно, что текущее состояние и прогноз перечисленных фундаментальных экономических факторов для рынка недвижимости (далее - РН), в свою очередь, зависят от меняющейся иерархии макро- и микроэкономических факторов, от государственного регулирования и институционального развития рынка, а также от состояния строительных ресурсов.

Здесь необходимо уточнить системное понимание, собственно, объекта прогнозирования.

Используемое в литературе и практике по настоящее время понятие "строительная отрасль" как объект государственного управления не полностью отражает сущность реальных экономических отношений. Понятия «инвестиционно-строительный комплекс», «рынок строительства и продажи недвижимости», «первичный рынок недвижимости» больше соответствуют современному пониманию рассматриваемой сложной системы как совокупности производственных и непроизводственных отраслей, а также организационно-экономического механизма управления ими, обеспечивающих в форме капитальных вложений расширенное воспроизводство основных фондов (включая жилой фонд, а также реализацию государственной политики в жилищной сфере).

Таким образом, с точки зрения системного экономического анализа, строительная отрасль - производящий компонент (элемент) РН как сектора национальной экономики (сложной социально-экономической системы) [11].

В основу изучения РН положены представления о том, что он является сложной социально-экономической управляемой и саморегулируемой системой. В соответствии с этим, исследование проводится на основе принципов системного подхода к исследованию сложных объектов. К ним относится:

- изучение функционирования объекта не как изолированного, а как включенного в макросистему (внешнюю среду), и, следовательно - изучение условий функционирования объекта во внешней среде (экономические и политические условия в городе, регионе, стране, в мире);

- вычленение объекта из макросистемы, четкое определение границ исследуемой системы и элементов макросистемы;

- расчленение (многоуровневую декомпозицию, дезагрегирование) структуры объекта и процессов его функционирования на элементы (составные части), изучение элементов раздельно, и обратный синтез (объединение, агрегирование) элементов на подсистемы все более высокого уровня.

Существенные аспекты прогнозирования состояния системы:

- фундаментальной особенностью продукции строительства является ее территориальная закрепленность (что придает любым исследованиям РН четко выраженный региональный аспект);

- одновременно с пространственной закрепленностью предложения на РН, глобальный платежеспособный спрос на данном рынке для России экстерриториален;

- инвестирование и проектное финансирование строительства на региональных РН, в силу глобализации финансовых рынков, может осуществляться на местном, на межрегиональном, и на транснациональном уровне, что переводит всю систему региональных строительных проектов на глобальный экономический уровень. При этом вторичный и первичный рынки недвижимости системно объединены и зависимы между собой как экономические категории «запас» - «поток».

С этой точки зрения на рынке жилья в развивающейся экономике России сложились следующие условия экономического воспроизводства:

- глобальная потребность действует долгосрочно как основополагающий генератор развития;

- адекватное предложение хронически отстает от глобального спроса по количеству и качеству;

- экономическая доступность блага в целом пока мало соответствует доходам населения.

При этом необходимо подчеркнуть, что в России жилье значительно чаще приобретается за т.н. «серые доходы» населения, чем за счет семейных накоплений, легальных доходов, ипотеки и др.

Таким образом, в ближайшие десятилетия, пока глобальный дефицит жилья в России не будет исчерпан, циклы реального роста рынка, в основном, будут прямо связаны с мировым и национальным глобальным финансовым рынком через механизм «рост денежной массы - рост суммарных доходов населения - рост рынка жилья - рост остальных сегментов РН».

Многолетние исследования РН России как сектора национальной экономики с момента его образования [11] подтвердили действенность на этом рынке перечисленных положений экономической науки и позволили сформулировать изложенную ниже экономическую парадигму его расширенного воспроизводства, зависящего от платежеспособного спроса:

· Ключевым фактором развития РН в переходных экономиках (приоритетно исследуемым страновым и региональным макроэкономическим статистическим показателем) является показатель суммарного легального и теневого дохода населения с учетом изменяющейся склонности к потреблению, инвестированию, сбережению и накоплению.

· В разные периоды развития рынков данный показатель зависит от разных причин импульсного роста денежной массы (макроэкономических денежных потоков) и преобладающих механизмов образования «серых» доходов населения:

- периодов либерализации предпринимательской деятельности и приватизации в различных кластерах;

- периодов интенсивных бюджетных инвестиций в различные национальные и региональные программы, проекты, предвыборные кампании и др.;

- «газово-нефтяного» роста, «ипотечно-нефтяного» роста и др. [11].

Главные выявленные свойства РН как динамической системы, оказывающей сопротивление действию ключевого интегрального фактора:

- неравномерность пространственного развития;

- цикличность параметрического развития в рамках неравномерности пространственного развития.

Организационно-экономический механизм функционирования и инвестиционного развития РН как подсистемы национальной экономики заключается в том, что, являясь саморегулируемой системой, РН подвергается управляющему и регулирующему воздействию государства в трех аспектах:

- как сфера, объединяющая предприятия отрасли;

- как территориально-распределенная система;

- как элемент системы территориальных рынков (социально-экономических систем).

Поэтому разработанная концепция рынка недвижимости (РН) как объекта статистического наблюдения и финансового математического моделирования определяет необходимость анализа и моделирования следующих конкурирующих рыночных макропроцессов:

- экономически эффективного решения социальных задач, связанных с созданием и использованием полезных свойств недвижимости;

- экономического перераспределения инвестиционных потоков между конкурирующими способами использования земель и видами недвижимости;

- экономического перераспределения всех видов прав на объекты недвижимости от одного экономического субъекта к другому;

- экономической защиты возникающих у субъектов прав (обеспечения экономической ликвидности вещных и иных прав на недвижимое имущество);

- экономически свободного (саморегулируемого) формирования цен на объекты и услуги.

Инфраструктура рынка недвижимости как объекта моделирования и прогнозирования представляет собой совокупность следующих элементов:

- объекты недвижимости,

- экономические субъекты, оперирующие на рынке,

- процессы функционирования рынка, т.е. процессы производства (создания), потребления (использования, эксплуатации), обмена (торгового оборота) объектов недвижимости и управления (менеджмента),

- механизмы, обеспечивающие функционирование рынка (институциональная и правовая среда).

Методологически важнейшим инструментом математического моделирования инфраструктуры РН является процедура классифицирования объектов, которую необходимо проводить заново при каждом региональном исследовании. Принципы, алгоритмы, степень точности и детализации любого классифицирования, т.е. создания информационной модели множества элементов, расчлененного на группы по определенному признаку, не универсальны, так как строго зависят от цели классифицирования.

Целью рыночного классифицирования объектов недвижимости является выделение сегментов РН, различающихся по закономерностям ценообразования и бизнес-процессов (при этом необходимо отметить, что сегменты рынка образуются с помощью классифицирования всех элементов инфраструктуры рынка: объектов, субъектов и процессов).

Обратной процедурой, необходимой, например, для прогнозирования спроса на продукт инвестиционного проекта, является процедура квалифицирования объекта как товара РН, в сегменте с уже разработанной классификацией объектного состава. Поэтому, в интересах рыночного анализа, классификация объектов РН как материальных (физических) объектов и как объектов экономико-правовых и социальных отношений, а также по любой другой группе признаков, - должна быть адекватна цели последующего квалифицирования объектов по данному признаку как товаров РН.

На основании изложенного, разработанная общая методология прогнозирования развития РН как сектора национальной экономики строится на модели «влияние ключевого интегрального фактора динамики (свободная денежная масса, доходы населения) - сопротивление системы элементов и факторов» и основывается на дискретном пространственно-параметрическом статистическом (кластерном) анализе и мониторинге каких-либо совокупностей региональных и локальных рынков. Обязательными для наблюдения количественными индикаторами состояния каждого локального РН являются объемные, ценовые и доходные показатели во всех фактически имеющихся или вновь образующихся на данном рынке сегментах (типах и классах недвижимости, с территориальным дифференцированием). Обязательными для определения качественными признаками каждого локального РН в исследуемом РН, как составной статистической совокупности, являются:

- экономический тип рынка (степень экономического и институционального развития рынка);

- фаза и стадия рыночного цикла;

- текущая и прогнозируемая стратегия основных участников рынка, включая государство;

- тенденции локальной зоны торговли (продуктами проектов локального РН).

Эволюция методов прогнозирования, применяемых на рынке недвижимости России. Применяемые на рынке недвижимости России в девяностые-нулевые годы методы прогнозирования весьма разнообразны [2-4, 19-35], но в общем виде могут быть разделены два крайних подхода: эвристический (логико-аналитический), или фундаментальный анализ, и математический, или технический анализ. По нашему мнению, наиболее эффективными и обладающими наибольшей прогностической способностью являются комбинированные методы, включающие в себя элементы обоих этих подходов.

Первая же работа, посвященная прогнозированию на зарождающемся рынке недвижимости России [2], содержала две методики, работающих совместно: эвристическую и математическую, основанную на регрессионно-статистической модели.

Эвристический подход (один из вариантов фундаментального анализа) к прогнозированию цен на объекты недвижимости состоит в логическом, использующем как количественные, так и качественные данные, анализе факторов, формирующих тенденции изменения цен, и выявлении результирующей тенденции.

Сбор и анализ информации о фундаментальных факторах динамики становления рынка в 1990-1994 годах и ситуации на рынке к концу 1994 года (резкое повышение объема предложения вследствие приватизации жилья) и в экономике (начало стабилизации) позволил с помощью эвристической методики получить качественный прогноз о намечающемся переломе тенденций и переходе рынка в стадию стабилизации. Эта гипотеза была положена в основу в методике, основанной на регрессионной статистической модели.

Статистический метод состоит в использовании динамического ряда значений уровня цен для построения статистической модели процесса и получении на ее основе экстраполяционного прогноза. Однако, его применение эффективно в стационарных процессах с монотонной динамикой, и при этом экстрополяционные уравнения (даже лучшие из них типа ARIMA), обеспечивая малую погрешность прогноза, не исключают высокую вероятность ошибки в случае перелома тенденции.

Если же вид уравнения регрессионной модели задан аналитиком не подбором подходящего сглаживания, а исходя из гипотезы о возможном характере протекания моделируемого процесса, то такая модель может иметь значительную прогностическую способность.

Именно такая модель была разработана в [2-4] и применена для прогнозирования динамики вторичного рынка жилья в Москве, Твери, Екатеринбурге, Рязани, Барнауле в 1995 году:

V (Т) = А / (1 + ехр (B - CT)),

где V- средняя за период (среднемесячная) удельная цена общей площади квартиры;

Т - порядковый номер периода (месяца);

А, В и С - постоянные коэффициенты (параметры модели).

Figure 2. The dynamic of medium specific prices of real estate in Moscow and Saint-Petersburg from June 1990 - December 1994 and a forecast for logistic model till December 1998

Динамика средних удельных цен на жилье в Москве и Санкт-Петербурге в июне 1990 - декабре 1994 года и прогноз до декабря 1998 года по логистической модели

Подобная логистическая модель используется в теории систем автоматического регулирования для любого переходного процесса (изменение некоторого параметра системы при ее переходе из одного состояния в другое, например, при взлете самолета). Но если рынок представляет собой самонастраивающуюся, саморегулируемую систему, то его развитие должно подчиняться подобной закономерности, и эта закономерность является общей как для технических, так и для социально-экономических систем [2].

В октябре 2000 года, через два года после начала кризиса, была построена новая модель (аналогичная модели выхода самолета из пике) вида

V = B0-B1/(B2+exp((B3*Т+B4)2)).

Эта модель использовалась при прогнозировании динамики цен в Москве на 2001 и 2002 гг. (рис. 3). Модель дала прогноз высокой точности о переходе рынка к росту в 2001 году и к стабилизации к середине 2002 года, после чего началась новая стадия роста, не предсказанная моделью.

Figure 3. The dynamic of medium specific prices of real estate in Moscow in 2000 and a forecast for logistic model in 2001-2002

Рис. 3. Динамика средней удельной цены жилья в Москве в 2000 году и прогноз на 2001-2002 годы по логистической модели

Применение этих моделей подтвердило, что при высокой прогностической способности в среднесрочном периоде они обладают существенным ограничением: после перехода системы в новое состояние модель описывает стабилизацию и не предсказывает то или иное изменение трендов.

В дальнейшем, по мере продолжающегося (пусть и колебательного) роста цен на нефть, в среде макроэкономистов и политиков сложилось представление о начале долгосрочного устойчивого роста экономики России. Это позволило при среднесрочном прогнозировании от использования логистических моделей разового перехода системы в новое состояние перейти к колебательным моделям.

К середине нулевых годов были накоплены длинные ряды наблюдений динамики цен на рынке недвижимости. В июне 2006 года была разработана методика прогнозирования, основанная на следующих предпосылках [19-20].

Аппроксимация ценового тренда за 6 лет (полиномом второго порядка) показала, что рынок жилья Москвы, как и других городов России, находится в начале полупериода роста (точнее, в первой четверти периода) «длинного» цикла колебаний, ответственность за который несет исторический дефицит жилья на фоне совокупности макроэкономических показателей. Это уравнение было названо «базовый тренд», и он принят как основа для долгосрочного прогноза динамики цен, с возможным переломом тенденции в 2010-2011 году (переход рынка недвижимости во вторую четверть цикла) (рис. 4).



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

Рис. 4. Апроксимация долгосрочного ценового тренда (Москва)

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

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

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

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

Математическая модель-прогноз состоит из следующей системы уравнений:

Y = y + Дy2 + Дy3 + Дy4 + …. + Дyn, (1)

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

Дy1 (3);

Дy2 = (4);

Дy3 = (5);

………………………………………..

Дyn = (6),

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

y - уравнение базового тренда (долгосрочный прогноз);

Дy1 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно базового тренда;

Дy2 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда второго порядка;

Дy3 - прогноз приростов средней удельной цены предложения жилья в месяце х относительно тренда третьего порядка;

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

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

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

, R2=0,8408.

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

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

Рис. 5. Динамика и прогноз значений первой и третьей производной ценового тренда (Москва)

До октября 2008 года модель демонстрировала высокую точность (рис. 6). Но кризис 2008 года отменил сделанные ранее прогнозы.

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

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

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

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

Y = f (X1, X2, X3, Т).

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

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

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

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

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

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

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

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

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

,

где incomet - реальный доход домохозяйства, выраженный в рублях;

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

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

,

где cpit - темп инфляции;

startt - предложение жилья на первичном рынке.

Уравнение спроса со стороны инвесторов DtInvest:

,

где D tInvest - спрос на новое жилье со стороны инвесторов;

ind_PHt - темп роста цен на жилье;

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

р exp t+1 - ожидаемая инфляция будущего периода;

PAexp t+1 - ожидаемая доходность от альтернативных инвестиций;

creditt - переменная, характеризующая доступность кредита.

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

,

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

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

startt - предложение жилья на первичном рынке;

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

Предложение жилья со стороны строительных фирм:

,

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

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

Линеаризованная форма уравнения предложения имеет вид:

,

где startt - предложение нового жилья в момент времени t;

ind_PHt - темп роста цен на жилье в предыдущих периодах;

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

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

Таким образом, темп роста цен на жилье имеет вид:

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

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

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

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

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

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

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

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

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

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

y = 0,361х - 0,692 (R2 = 0,93);

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

y = 0,730х + 2,683 (R2 = 0,99).

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



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

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



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

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

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

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

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

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

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

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

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

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

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

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

Несколько уточнились и понятия в области ипотечного кредитования.

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

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

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

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

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

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

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

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

...