I. Введение

Помимо этого, уже первые исследования рынка частных домов выделили четыре сегмента (субрынка), каждый из которых подчиняется своим несколько различающимся законам. Первый из них - это свободные и освоенные участки под застройку, включая участки с домами предназначенными на снос. Второй - т.н. "деревяшки" т.е. деревянные дома старой постройки, которые, тем не менее, используются для постоянного жилья, несмотря на низкую обеспеченность коммуникациями. Третий - дома постройки 70-90-х годов, каменные либо высококачественные деревянные с развитой инфраструктурой и не уступающие по условиям проживания обычным квартирам. И, наконец, последний - т.н. коттеджи, благоустроенные элитные дома последнего десятилетия, различных материалов и технологий постройки.

Различие законов этих субрынков - несомненно. Самый простой пример - отношение к размеру участка. Для обычной семьи, использующей частный дом для проживания в наше время, существует характерная площадь земли 6-10 соток, которую эта семья может обрабатывать (как известно, огородничество стало для многих семей в Россией основным источником продуктов питания в связи с общим низким уровнем заработков). В увеличении этого участка сверх нужды собственник мало заинтересован, однако стоимость приращения участка в указанных пределах довольно высока. В то же время владелец коттеджа в престижном месте скорее готов вкладывать деньги в здание или постройки, чем в увеличение участка. Как известно, большая стоимость земли в элитных районах вызывает высокую плотность застройки коттеджных поселков, и понятно, что такие небольшие участки пока (!) удовлетворяют владельцев. Точно также для этих групп различно и отношение к коммуникациям, локальному окружению и пр. факторам.

II. Моделирование рынка частных домов, коттеджей и земельных участков Одинцовского района.

Уникальность Одинцовского района с точки зрения недвижимости заключается в том, что этот район считается наиболее престижным и привлекательным для загородного проживания жителей столицы. Хорошая экологическая обстановка, обширные рекреационные ресурсы, развитость коммуникаций определили высочайшую цену земли в этом районе. По некоторым сведениям стоимость сотки земли в районе Барвихи, Раздоров достигала 20000$ на пике подъема стоимости недвижимости. Однако отметим, что такая фантастическая цена в большей степени создавалась фактом соседства сильных мира сего. Этот фактор чрезвычайно трудно учесть при анализе, фактически, он является точечным. При этом получить точную информацию о сделке такого рода практически невозможно. С другой стороны, этот рынок достаточно хорошо освещен как прессой, так и вниманием риэлторов.

База данных, использованная для анализа состояла из следующих двух групп записей:

1. Сделки по земельным участкам и частным домам за 1995-1998 гг.
2. Предложения по земельным участкам и коттеджам за 1998 г.

• рынок обычных частных домов – это рынок ориентированный на потребительские качества жилища, т.е. на интересы покупателя, при этом объект рассматривается как единый (дом+участок+др.строения, стоимость каждой части зависит от местоположения)
• рынок коттеджей – рынок продавца и застройщика, покупатель зачастую рассматривает недвижимость как средство вложения денег (либо поднятия престижа владельца), дом может не использоваться для постоянного проживания, объект рассматривается как участок плюс улучшения, т.е. местоположение определяет стоимость участка, стоимость здания может быть рассмотрена как затраты на постройку.

При анализе рынка использовался стандартный подход массовой оценки, именуемый Компьютеризованная Массовая Оценка (КМО), разработанный в 70-80-х годах американскими аналитиками рынка [1]. Выявление основных тенденций и особенностей проводится путем создания моделей рынка. В ходе моделирования на основе регрессионного, дискриптивного и кластерного анализа выявляются основные параметры модели, значимость факторов, нелинейные тенденции. Вычленяются три группы факторов, влияющих на стоимость – характеристики объекта, местоположение, временной тренд (подробнее -[2,3]). Калибровка коэффициентов модели осуществляется либо методом обратной связи, либо в ходе регрессионного анализа.

где RS - общая поправка на местоположение; Т – поправка временного тренда (на время сделки); k_общ – набор общих поправок на характеристики объекта; k_зд – набор поправок на характеристики здания, S_общ, …, S_доп - характерные площади здания, участка, дополнительных сооружений; k_уч – набор поправок на характеристики земельного участка; k_доп – набор поправок на характеристики дополн. сооружений; B_1-j – базовые ставки стоимостей 1кв.м. характерных площадей.

Поверхности отклика цен на местоположение создавались методом отношений/остатков¹, этим же методом рассчитывался временной тренд. При этом применялись процедуры, заложенные в математико-статистическом пакете NCSS6.0.

Впрочем, такое различие устойчивости коэффициентов для моделей А и В как и значительно более высокое качество прогнозных цен по модели В (определяется статистическими коэффициентами R² и COD [1]) не является неожиданным. Помимо того, что на цены предложений не оказывают влияние факторы сделки, формирование этих цен исходит из более ограниченного круга параметров, которые обычно и публикуются. Также отметим большее единообразие описания факторов и параметров. Все это вместе делает листинговые базы данных весьма привлекательными для моделирования. Однако, существенный недостаток таких б/д состоит в том, что в них доминирует точка зрения продавца, а также факт наличия некоторого завышения (5-15%) цены предложения со стороны риэлтора в расчете на процедуру торга с клиентом. Несомненно, что база данных реальных сделок дает более адекватную рынку прогнозную цену, тем не менее, для общего анализа рынка, определения вкладов факторов в цену листинговые базы данных весьма полезны.

Обратим внимание на существенное различие базовых стоимостей единиц площади участка и здания. Стоимость земли по рыночным данным (модель А) более чем в полтора раза превышает стоимость по листингу (модель В). Феномен достаточно неожиданный, обычно цена предложения выше чем цена сделки, однако здесь необходимо вспомнить, что мы имеем дело с двумя разными субрынками. Как писалось выше, размер участка не слишком важен для владельца престижного коттеджа, помимо этого, эти участки, большей частью, расположены вне населенных пунктов – в так называемых коттеджных поселках. Для владельца обычного дома участок важен с точки зрения сельскохозяйственного производства, также сделки имели место в деревнях и поселках. Эти обстоятельства и определяют упомянутое различие стоимостей.

Некоторое различие поправки на свободный участок для моделей А и В может быть интерпретировано с различием приобретаемых прав в случае деревни и коттеджного поселка.

Остается обсудить два других важных фактора – фактор времени сделки и фактор местоположения. Временной тренд (рис.1) был получен лишь для б/д по сделкам, т.к. собранные предложения относились лишь к узкому периоду лета 1998 г. Тренд не выявил т.н. сезонных колебаний, видимо они пока не сформировались на рынке частных домов, либо шум б/д и ее относительная малочисленность не позволил их вычленить. Однако отметим две тенденции, характерные для рынка недвижимости центра России в целом:

Различие субрынков проявляется и в формировании т.н. положительных центров локального влияния (ЦЛВ) на стоимость объектов. На рисунках они представляют из себя яркие пики. Это места, которые являются притягательными в глобальном масштабе (в нашем случае – на уровне поселковых подразделений района). На обеих поверхностях выделяется основной ЦЛВ – район восточной части Рублево-Успенского шоссе (он обозначен – 1). В случае модели А он несколько смещен в сторону Жуковки, в модели В центр расположен в точке Раздоры. Однако, если в случае ЦЛВ1 наблюдается единодушие субрынков, то ЦЛВ, обозначенный – 2, различен. Так, для модели В, это район Николиной горы, а для модели А ЦЛВ2 располагается юго-западнее, в районе Захарьево-Белозерово и, фактически, расслаивается на два близкорасположенных ЦЛВ. Николина Гора для постоянного проживания в частных домах котируется лишь чуть выше среднего. К сожалению, недостаток данных не позволяет провести детальное исследование вклада местоположения на уровне поселок/деревня, также, наверняка упущен ряд т.н. отрицательных ЦЛВ и, возможно, несколько более мелких положительных. Но в любом случае, техника построения поверхности отклика цен на местоположение позволила выделить основные ЦЛВ и указать на их различия в случае субрынков.

В целом можно отметить, что рынок частных домов и коттеджей Одинцовского района развит достаточно хорошо, рационален и поддается численному анализу. На нем четко выделяются, по крайней мере, два субрынка – а) частные дома в деревнях и поселках и в) коттеджи в коттеджных поселках. Рынки эти пересекаются и в какой-то степени конкурируют.

Тверь и Новгород – типичные средние города центральной части России со среднеразвитым рынком частных домов и коттеджей. Изучение и моделирование рынка проводилось компанией ЦАРН в рамках проекта АМР США в 1996-1999 гг. Разработанные модели внедрены в использование в массовой оценке недвижимости, описанной в фискальном кадастре этих городов. Детально эта работа описана в ряде финальных отчетов проекта (материалы на сервере http://crea.ru), в данной статье мы приведем лишь основные результаты (см. также [3]).

В качестве основы в обоих городах была принята упомянутая гибридная структура модели. Калибровка ее коэффициентов также проводилась методом обратной связи. Качество предсказания цен б/д моделями было средним, так COD составлял порядка 17-21%, однако модели совершенствовались на протяжение двух лет и последние полевые исследования (т.е. детальное рассмотрение предсказанных стоимостей с выездом на объект) работоспособности моделей показали их хорошее качество. Ниже (табл.8-12) приведены основные параметры модели (свободные земельные участки г.Тверь и коттеджи г.Новгород не входили в б/д, на которых строились модели).

Прежде всего, остановимся на стоимости земли. Хорошо видно (табл.13), что земля Одинцовского района в несколько раз превышает стоимость городских земель городов России. Несомненно, это результат соседства столицы и влияния такого факторов как престижность, доходы населения, развитость рынка. Люди готовы платить в несколько раз больше, предпочитая жить рядом с Москвой, хотя Тверская область, скажем, примыкает к Московской. Также интересен факт, что значение отношения поправки на местоположение в наилучшем месте к наихудшему в Одинцовском районе значительно выше, чем в городах. Это снова влияние фактора престижности.

Что касается здания, то цены Одинцовского района также значительно превышают цены сравниваемых рынков. Интересно, что при этом отношение стоимости кв.м.частного дома и коттеджа для г.Твери несколько ниже чем аналогичное отношение для Одинцовского района.

Однако, в целом, значения большинства поправок на характеристики и отдельные факторы для всех моделей либо близки, либо действуют в одну сторону, что свидетельствует о сходных законах формирования рынка. Некоторые количественные различия (как, например, для значений поправок на материал стен и фактор свободного участка) могут быть обусловлены узкой спецификой места.

Табл.13 Отношение стоимостей 1 кв.м. характерных площадей Одинцовского района к средним значениям для гг. Тверь и Новгород.

Уже на основании первичного анализа можно сделать заключение о подтверждении гипотезы существования двух субрынков, по крайней мере, в Одинцовском районе. Рынок частных домов отличен от рынка коттеджей в первую очередь по ряду количественных параметров, таких как стоимости 1 кв.м. площадей, средние параметры объектов, а также по отношению к местоположению и приращению зем.участка. Помимо этого, достаточно хорошо виден резкий отрыв уровня цен на недвижимость в Одинцовском районе от уровня средних городов России. Важным результатом можно отметить и то, что этот оказался вполне доступен моделированию и глубокому численному анализу.

Рынок частных домов и коттеджей, который описан выше, относится к докризисному периоду. Кризис 1998 года сильно затронул весь рынок недвижимости страны, в отдельных регионах за год цены упали в 2-3 раза. Падение цен коснулось и Одинцовского района. Осенью 1998 цены предложений держались еще некоторое время на прежнем уровне, но количество трансакций падало, и снижение цен стало неизбежно. К осени 1999 года описываемый рынок относительно стабилизировался, по отзывам агентов рынка, предложение превышает спрос, однако сделки имеют место. Это дает основание провести актуализацию полученных выше результатов методом анализа отношений. Для этого были собраны предложения за сентябрь 1999 года, и для этих объектов были рассчитаны оценки по модели осени 1998 года, а также отношения этих оценок к текущей цене предложения. Результаты сведены в табл.14.

Среднее значение отношений составляет 1.75, медианное – 1.47. по этим значениям можно судить, что общее падение стоимости составило более чем треть цены 1998 года. Вследствие незначительности выборки такая оценка весьма приблизительна. Для использования значений базовых ставок 1998 для оценки объектов на осень 1999 года следует их редуцировать примерно на 35-40%. Для выявления отдельных тенденций падения цен следует провести более детальный сбор данных, особенно – рыночных сделок.

Cноски:

¹Этот метод основывается на расчете отношения цены сделки к предсказанной цене сделки в рамках полной модели, но с исключением анализируемого фактора. Отклонение этого отношения от единицы приписывается влиянию этого фактора. Далее зависимость "отношение(значение фактора)" аппроксимируется нелинейной функцией.

²Значения стоимости кв.м. гибридных площадей расчитывается в рамках гибридной модели с включением всех видов площадей, значение стоимости кв.м. общей площади - в рамках упрощенной модели с включением только общей площади.

³Фактор зем.участка без построек, выставленный на продажу.

ЛИТЕРАТУРА:

[1] “Организация оценки и налогообложения недвижимости”. (под ред. Дж.К.Эккерта), Стар Интер, Москва 1997 г.

[2] “О роли и задачах компьютеризованной массовой оценки в России”. Ю.Кочетков. Журнал RWAY, 1998, т.35, №.2, стр.107-111

[3] “Компьютеризованная массовая оценка в России: первые результаты”. Н.В.Калинина и Ю.Кочетков. Научный парк, 1998, №1