Дослідження факторів впливу на ціноутворення на ринку нерухомості

Размещено на http://www.allbest.ru/

Размещено на http://www.allbest.ru/

Дослідження факторів впливу на ціноутворення на ринку нерухомості

Гавриш Богдана Михайлівна кандидат технічних наук, доцент

кафедри інформаційних технологій видавничої справи,

Національний університет «Львівська політехніка»

Тимченко Олександр Володимирович, доктор технічних наук,

професор кафедри комп'ютерних наук та інформаційних технологій, Українська академія друкарства

Скиба Ростислав Романович, аспірант кафедри комп'ютерних наук та інформаційних технологій, Українська академія друкарства

Анотація

Проведено аналіз основних факторів, які впливають на формування цін на житло. Запропоновано їхнє використання для моделі прогнозування цін, що базується на статистичних даних та аналізі ринкових тенденцій. Висвітлено особливості та переваги використання моделі прогнозування для розрахунку цін на житло. Проведено аналіз основних факторів, що впливають на формування цін на житло.

Питанню прогнозування та моделювання процесу ціноутворення на ринку нерухомості в регіональному розрізі приділено порівняно мало уваги. Більшість досліджень, присвячених цій тематиці, проводилися на національному рівні, але важливу роль відіграє оцінка нерухомості на регіональному рівні. Оскільки кожен регіон відрізняється рівнем життя, наявними доходами і витратами населення, чисельністю населення та іншими факторами. Ціноутворення на ринку нерухомості залежить від багатьох факторів, які можна класифікувати за двома групами: зовнішні та внутрішні. До зовнішніх факторів належать економічна ситуація в країні, процентні ставки, політична стабільність і демографічні зміни. Внутрішні фактори включають характеристики самої нерухомості, такі як місце розташування, розмір, стан будівлі та зручності.

Розглянуто моделі прогнозування цін на основі статистичних даних та аналізу ринкових тенденцій, зокрема, моделі, що базуються на статистичній подібності процесів з використанням трендів на основі цін на нерухомість, кускових трендів, авторегресійні та моделей кластерного і факторного аналізу. Визначено потенційно важливі фактори, що впливають на ціноутворення. Відзначено особливості та переваги використання моделі прогнозування для розрахунку цін на житло. Наведено порівняння різних методів розрахунку цін на житло. Запропоновано підхід до розрахунку цін на житло з використанням прогнозної моделі. Це опис необхідних кроків та даних для виконання розрахунків, включаючи збір та аналіз вхідних даних, побудову моделі, калібрування та перевірку її точності. Визначено доцільність використання нейромережевих моделей, які функціонують на основі «дерев рішень». Серед них найбільш відомим є метод «випадкового лісу». У статті описано процес розрахунку цін на житло з використанням моделі прогнозування, яка надає зручний та надійний інструмент для визначення ринкової вартості нерухомості з урахуванням ключових факторів.

Ключові слова: ціноутворення, ринок нерухомості, фактори впливу, модель передбачення.

Havrysh Bohdana Mykhailivna PhD in Engineering, Docent, Associate Professor, Department of Information Technologies in Publishing, Lviv Polytechnic National University

Tymchenko Oleksandr Volodymyrovych Doctor of Technical Sciences, Professor, Professor of the Department of Computer Sciences and Information Technologies, Ukrainian Academy of Printing

Skyba Rostyslav Romanovych Graduate student of the Department of Computer Sciences and Information Technologies, Ukrainian Academy of Printing

Study of factors influencing pricing on the real estate market

Abstract

Description of the main factors influencing housing price formation. It is proposed to use them for a price forecasting model based on statistical data and analysis of market trends. The features and advantages of using the prediction model for housing price calculation are highlighted.

An analysis of the main factors affecting the formation of housing prices was carried out. relatively little attention has been paid to the issue of forecasting and modeling of the pricing process in the real estate market in a regional context. Most of the studies devoted to this topic were conducted at the national level, but an important role is played by the assessment of real estate at a regional level. Since each region has a different standard of living, available income and expenses of the population, population and other factors. Pricing in the real estate market depends on many factors that can be classified into two groups: external and internal.

External factors include the country's economic situation, interest rates, political stability and demographic changes. Intrinsic factors include characteristics of the property itself, such as location, size, building condition and amenities. Price forecasting models based on statistical data and analysis of market trends are considered, in particular, models based on statistical similarity of processes using trends based on real estate prices, piecewise trends, autoregressive and cluster and factor analysis models. Potentially important factors affecting pricing have been identified. Features and advantages of using the prediction model for calculating housing prices are noted. Comparisons of various methods of calculating housing prices are given. A proposed approach to calculating housing prices using a prediction model. This is a description of the necessary steps and data to perform the calculations, including collecting and analyzing input data, building the model, calibrating and checking its accuracy. The expediency of using neuro-network models that function on the basis of "decision trees" has been determined. Among them, the most famous is the "random forest" method. The article describes the process of calculating housing prices using a prediction model, which provides a convenient and reliable tool for determining the market value of real estate, taking into account key factors.

Keywords: pricing, real estate market, influencing factors, prediction model.

Вступ

Постановка проблеми. Ринок нерухомості є складним та динамічним середовищем, де ціни на житло постійно змінюються. Ціноутворення на ринку нерухомості залежить від багатьох факторів, які можна класифікувати у дві групи: зовнішні та внутрішні. Зовнішні фактори включають економічну ситуацію в країні, процентні ставки, політичну стабільність та демографічні зміни. Внутрішні фактори охоплюють характеристики самої нерухомості, такі як розташування, розмір, стан будівлі та зручності. Поліпшення ефективності функціонування ринку житлової нерухомості є важливим економічним завданням через залучення значних фінансових, матеріальних та людських ресурсів. Проте прогнозування вартості має певні труднощі, оскільки ціна на нерухомість піддається впливу багатьох факторів, таких як характеристики конкретного об'єкта нерухомості, регіональних та макроекономічних факторів, які не стосуються безпосередньо об'єкта, але впливають на тенденції та загальну кон'юнктуру ринку. Тому постає питання в економіко-математичному моделюванні даного процесу.

Аналіз останніх досліджень і публікацій

Огляд літературних джерел показав, що проблематика проведення індивідуальної вартісної оцінки окремого об'єкта або масової оцінки низки об'єктів достатньо широко досліджена, розроблені підходи та методи аналізу, створені ефективні моделі. Однак питання прогнозування та моделювання процесу ціноутворення на ринку нерухомості в регіональному розрізі приділено порівняно мало уваги. Проаналізуємо підходи, що можуть бути застосовані для вивчення цього питання.

Для дослідження питання ціноутворення можна використовують ряд моделей і методів, таких як:

* моделі, на основі статистичної схожості процесів;

* трендові моделі;

* моделі кластерного і факторного аналізу;

* нейромережеве моделювання;

* методи машинного навчання;

* просторове параметричне моделювання;

* лінійні регресійні моделі;

* методи експертної оцінки.

Детальніше розберемо характеристики даних груп моделей.

Моделі, базовані на статистичній схожості процесів, функціонують спираючись на припущення, що економіка має циклічний характер. Використання цього підходу є ефективним як під час кризи, так і після неї. Разом з тим, недоліком цих моделей є те, що неможливо врахувати специфіку кожного регіону (географічне розташування, природні умови тощо), які безпосередньо впливають на формування цін на нерухомість [1, 4].

Моделі, що використовують тренди на основі цін на нерухомість, інтерполюють ціни за допомогою функцій різної складності. Такий підхід не розглядає внутрішні чинники впливу на цінові зміни, а тому не гарантує високої точності прогнозу. Високий ступінь поліноміальної призводить до нестабільності прогнозу та великих похибок у порівнянні з моделями з більш простою структурою.

Використання кускового тренду зменшує обсяг вибірки в кожному інтервалі, що впливає на точність апроксимації та якість прогнозу. Даний метод доречно використовувати лише у випадках, коли існують періоди, в яких спостерігається певна закономірність у зміні цін, а також при застосуванні методів компонентної декомпозиції часових рядів для проведення подальшого аналізу сезонної складової.

Також до трендових моделей відносять і авторегресійні моделі. Вони основані на взаємозв'язку між теперішніми значеннями визначеного часового ряду та значеннями цього ж ряду в деякі більш ранні моменти часу. Припускається, що характер зміни вартості не змінюється. Спостерігається рівновага між попитом та пропозицією, характерна для саморегульованої ринкової рівноваги [2-4].

Прогнози на основі авторегресії можуть бути використані лише в рамках стабільних процесів, якщо можна припустити, що в прогнозному періоді не відбудеться жодних значних подій і що зміни цін відбуватимуться відповідно до минулих тенденцій. Поява непередбачуваних економічних шоків призводить до порушення стійких механізмів цінової варіації й обумовлює необхідність дослідження наявності прихованих важелів управління ціновою динамікою. Варто зазначити, що дана модель в умовах воєнного стану в країні, не підійде для прогнозування вартості об'єктів нерухомості, оскільки вона не може врахувати економічні всі потрясіння.

Моделі кластерного і факторного аналізу. За кластерного аналізу модель будується внаслідок послідовного чи паралельного перетину вибірки вихідних даних (кластеризація, стратифікація) за допомогою факторів, що зумовлюють ціни, які найбільш тісно корелюють з цінами на житло, та розрахунку коефіцієнтів моделі на основі зіставлення їх середніх значень. Кластери формуються завдяки загальній схожості певних характеристик окремих об'єктів. Середня ціна обчислюється для кожного кластера і, за певних умов, може бути застосована як ринкова ціна для об'єктів у цьому кластері. Моделі цієї категорії не визначають фактори, які безпосередньо впливають на механізм ціноутворення на ринку житла.

Модель факторного аналізу є результатом процесу переходу від досліджуваних показників до узагальнюючих чинників, які потім можуть бути застосовані в кореляційно-регресійному аналізі. Передусім, факторний аналіз слугує первинною обробкою та аналізом даних для майбутньої оцінки і не функціонує як окремий метод прогнозування

При використанні факторного та кластерного аналізу дані, зібрані під час спостереження, "стискаються". Це зумовлюється тим, що з загальної інформаційної вибірки обираються середні або факторні дані, що мінімізує ймовірність виникнення випадкових відхилень від "реальних" даних. Це дозволяє досить ефективно ідентифікувати закономірності на ринку нерухомості та створювати на цій основі більш правдиві моделі оцінки [5].

Нейро-мережеві моделі містять в собі таке поняття як «нейрон», що є структурно-функціональним вузлом, що забезпечує реалізацію операції нелінійного перетворення сукупності вхідних сигналів у вагові коефіцієнти.

Таким чином нейронна мережа являє собою множину нейронів, між якими існують зв'язки, зумовлені ваговими коефіцієнтами. Для побудови нейронної мережі вибірка, на якій буде проводитися "навчання", повинна бути достатньо місткою і мати одну моду. Процес навчання нейронної мережі в розрізі прогнозування ринку нерухомості базується на основі послідовної побудови вхідних векторів за деякою процедурою з паралельним коригуванням вагових коефіцієнтів, задля того щоб в результаті роботи нейромережа видавала потрібну множину виходів. Також варто зазначити, що в розрізі регіонів країни, потрібно буде робити «перенавчання» моделі або створювати нову.

Машинне навчання - це унікальна інноваційна технологія, яка застосовує алгоритми й статистичні методи для здійснення своїх завдань, не потребуючи втручання людини. Загалом, машинне навчання використовується задля розв'язання задач класифікації, регресії або обробки великих масивів даних. Однак він також може бути корисним у невеликих наборах даних для виявлення невидимих закономірностей, які важко виявити за допомогою традиційних методів регресії, таких як процес ціноутворення.

Найпопулярнішими методами, що базуються на машинному навчанні є ті, які функціонують за допомогою «дерев рішень». Серед таких найвідомішим є метод «випадкового лісу».

Мета статті - полягає у виявленні основних факторів, що впливають на формування цін на житло, для створення моделі передбачення цін, що ґрунтується на статистичних даних та аналізі ринкових тенденцій для ефективного розрахунку цін на житло.

ціноутворення ринок нерухомість

Виклад основного матеріалу

Житло є базовим і фундаментальним правом людини, яке гарантується як міжнародними документами, так і Конституцією України. Житло займає важливе місце в економічних та соціальних процесах суспільства. З одного боку, нерухомість може слугувати інструментом інвестування. З іншого боку, житло - це місце соціального відтворення, де відбувається відпочинок та спілкування з родиною. Також питання покращення ефективності функціонування ринку житлової нерухомості є важливим економічним завданням через залучення значних фінансових, матеріальних та людських ресурсів [5, 6].

Прогнозування вартості має певні труднощі, оскільки ціна на нерухомість піддається впливу багатьох факторів, таких як характеристики конкретного об'єкта нерухомості, регіональних та макроекономічних факторів, які не стосуються безпосередньо об'єкта, але впливають на тенденції та загальну кон'юнктуру ринку. Більшість досліджень, присвячених даній тематиці, проводилися на національному рівні, але важливу роль відіграє оцінка нерухомості в регіональному розрізі. Оскільки кожен регіон відрізняється рівнем життя, наявними доходами та витратами населення, чисельністю та іншими фактори.

За останні роки ринок нерухомості в Львівській області стрімко зростав, оскільки розташування поруч з кордоном і дешевша ціна, ніж в Києві приваблювали людей з усіх куточків України.

Однак ціни на нерухомість є досить чутливими до кризових та політичних явищ. І повномасштабна війна росії проти України, яка супроводжується руйнуванням інфраструктури, спричинила безпрецедентну житлову кризу, яка зачепила більшість населення. Війна також загострила і висвітлила проблеми житлової політики, які існували й раніше. Подолання цієї кризи неможливе без оновлення принципів та підходів до забезпечення населення житлом [7].

Постає важливе питання, як буде змінюватися ціна в майбутньому та що може зробити держава для врегулювання даної ситуації. З цього випливає основне завдання магістерської дисертації - за допомогою економіко- математичного моделювання визначити ряд макроекономічних, регіональних та соціально-політичних факторів, які впливають на ціноутворення первинного ринку нерухомості [8, 9]. А також побудувати модель з урахуванням усіх особливостей Львівського регіону, яка дозволила б на основі тенденцій визначених факторів прогнозувати середню ціну за квадратний метр на первинному ринку нерухомості на майбутній період.

Відбір факторів впливу на основі регресійно-кореляційного аналізу. Для дослідження як залежна змінна була обрана середня ціна квадратного метра на первинному ринку у Львівській області (грн). Оскільки акцент даної роботи спрямований на кризові явища, то розглянемо зовнішні чинники впливу.

Таким чином, як незалежні змінні були обрані, такі 14 потенційно можливих факторів впливу на ціноутворення у Львівському регіоні:

1. Рівень безробіття (%).

2. Рівень інфляції (%).

3. Наявний дохід у розрахунку на одну особу (грн) у Львівській області, з розрахунку на рік.

4. Курс гривні щодо до долара США (грн).

5. Валовий регіональний продукт у Львівській області на душу населення (грн) з розрахунку на рік.

6. Облікова ставка (% річних), за даними НБУ України.

7. Чисельність наявного населення в Львівській області (тис осіб).

8. Прожитковий мінімум (грн), з розрахунку на рік.

9. Витрати населення на одну особу (грн) по Львівській області, з розрахунку на рік.

10. Індекс девальвації гривні відносно долару США (%).

11. Індекс цін на будівельно-монтажні роботи (%).

12. Індекс фінансового стресу України (%) - це показник, що відображає рівень стресу у фінансовому секторі України. ІФС приймає значення від 0 до 1, де 0 відповідає повній відсутності стресу, а 1 - найвищому рівню стресу.

13. Індекс споживчих настроїв - провідний показник для вимірювання тенденцій споживчого ринку, який застосовується у всьому світі. Зазначений показник є прогнозним індикатором можливих змін купівельного попиту в наступних періодах. Показник може набувати значень від 0 до 200, де 200 - в тому разі, якщо все населення позитивно оцінює економічну ситуацію.

14. Індекс миру (GPI) - це методика обчислення рівня напруженості/миру у країнах та регіонах. Даний показник був розроблений Інститутом економіки та миру. Наразі до списку обчислень входять 163 країни. Чим нижче значення показника, тим вище країна знаходиться у рейтинговому списку і вважається, що у неї кращий стан спокою і миру.

Усі обрані чотирнадцять показників умовно можна поділити на макроекономічні, регіональні та соціально-політичні чинники. Класифікація факторів представлена у табл. 1.

Таблиця 1