Актуальные проблемы теории и практики массовой оценки недвижимости для целей налогообложения
Автор: Стерник Геннадий Моисеевич, Стерник С.Г.
Журнал: Имущественные отношения в Российской Федерации @iovrf
Рубрика: Оценка всех видов собственности - практический опыт
Статья в выпуске: 10 (109), 2010 года.
Бесплатный доступ
Авторами статьи проведен сравнительный анализ перспектив развития индивидуальной и массовой оценки недвижимости в целях налогообложения с использованием сравнительного подхода по методологии дис- кретного пространственно-параметрического моделирования рынка недвижимости (ДППМ) и методологии оценки на основе корреляционно-регрессионного моделирования рынка (КРМ). Приведены соответствую- щие примеры. Предложены возможные пути решения проблем, препятствующих достижению приемлемых результатов массовой оценки недвижимости в целях налогообложения.
Рынок недвижимости, оценка недвижимости, сравнительный подход, налогообложение, моделирование, дппм, корреляция, регрессия, крм, дискретный анализ, статистика
Короткий адрес: https://sciup.org/170151979
IDR: 170151979
Текст научной статьи Актуальные проблемы теории и практики массовой оценки недвижимости для целей налогообложения
Более 15 лет в Российской Федерации идут эксперименты по разработке и апробации методики массовой оценки недвижимости для целей налогообложения. Пока результаты неудовлетворительны (см. [2]). И это сдерживает столь необходимый переход к налогообложению по рыночной (кадастровой) стоимости земельных участков, жилой и нежилой недвижимости. В статье проанализированы проблемы, препятствующие решению этой важной задачи, и предложены возможные пути их решения.
Проблема № 1. Монопольная методология
Все эксперименты массовой оценки недвижимости для целей налогообложения проводились по общепринятой в мировой практике методологии корреляционнорегрессионного моделирования (КРМ). Она успешно применяется на развитых, широких, информационно открытых рынках стран с давними рыночными традициями, но «буксует» в условиях развивающихся рынков стран с транзитивной экономикой. В то же время в нашей стране разработана и получила широкое применение альтернативная методология дискретного пространственно-параметрического моделирования рынка (ДППМ), специально адаптированная к условиям России. Методология ДППМ получила признание в научных кругах [6], на государственном уровне (например, заказ Министерства экономического развития и торговли Российской Федерации на выполнение научно-исследовательских работ в 2004 году) и активно применяется (для анализа рынка недвижимости) в 25 регионах России, а также в странах Центральной и Восточной Европы и Центральной Азии. Целесообразно провести апробацию и сопоставление этой методологии с методологией КРМ для массовой оценки недвижимости в целях налогообложения. Сущность методологии мониторинга рынка недвижимости состоит в сборе документированной информации об объектах рынка, разделении объектов на однородные группы (выборки) по качеству, местоположению, размерам и другим признакам, определении статистических характеристик каждой выборки и исследовании полученных числовых пространственно-параметрических моделей с дискретным шагом.
* с татья подготовлена по материалам доклада на iii п оволжской научно-практической конференции «Статистические методы массовой оценки», проходившей 10–11 марта 2010 года в городе Нижнем Новгороде.
Проблема № 2. Ограничения по объему и качеству исходных данных
Считается, что минимальный объем данных для КРМ равен числу исследуемых факторов, умноженных на 3–5. На самом деле критическим является объем данных по факторам, присущим наиболее дорогим (и наиболее интересным для налогообложения) объектам, доля которых в выборке обычно невелика. В результате при исходном числе факторов (например по квартирам) более 30 значимыми в регрессионных моделях признаются 5 (в лучшем случае 6–7), и целый класс объектов с их параметрами просто выпадает из анализа. Более того, класс элитных (повышенной комфортности) объектов выпадает из рассмотрения в регрессионной модели также вследствие необходимого «отсечения» правой ветви распределения при принудительном приведении его к нормальному (гаусовскому) виду. В методологии ДППМ такое ограничение отсутствует, приведение к нормальному виду не требуется, все факторы включаются в анализ, и только итоговая погрешность моделирования меняется в зависимости от объема выборки. В таблице 1 приведен перечень значимых факторов квартирного рынка города Москвы, учитываемых при использовании ДППМ.
Таблица 1
Перечень значимых факторов квартирного рынка города Москвы
|
Характеристика объекта |
Способ описания |
|
Период строительства дома |
Диапазон значений |
|
Состояние дома (после реконструкции, капитального ремонта) |
Качественный признак |
|
Этажность дома |
Целое число |
|
Количество квартир в доме |
|
|
Количество машино-мест в подземной (наземной) парковке |
|
|
Количества лифтов в подъезде |
|
|
Этаж расположения квартиры |
|
|
Количество квартир на площадке |
|
|
Площадь квартиры |
Число |
|
Количество комнат |
Целое число |
|
Количество санузлов |
|
|
Количество балконов |
|
|
Площадь кухни |
Число |
|
Высота потолка |
|
|
Материал несущих конструкций |
Качественный признак |
|
Материал наружных и внутренних ограждений и перегородок |
|
|
Тип санузла |
|
|
Тип планировки |
|
|
Ориентация окон: во двор или на проезжую часть |
|
|
Наличие придомовой территории |
Бинарный признак |
|
Площадь придомовой территории |
Число |
|
Наличие ограждения и охраны территории |
Бинарный признак |
|
Наличие благоустройства территории |
|
|
Наличие телефона/Интернета (выделенной линии) в квартире |
|
|
Наличие консьержа в подъезде |
|
Удобство подъезда к дому |
Бинарный признак |
|
Наличие элитной планировки (двухуровневые квартиры, обогрев полов, деревянные стеклопакеты, центральное кондиционирование, эксклюзивные инфраструктура и отделка, индивидуальные лифты, зимний сад, каминный зал, система климат-контроля, очистка воды на входе в дом, автономное отопление) |
|
|
Наличие элитной инфраструктуры и сервиса (спортивно-оздоровительный комплекс (тренажерные залы, сауна, турецкая баня, бассейн, крытый теннисный корт), бойлерная, уборка квартир, современные телекоммуникации, управляющая компания) |
Проблема № 3. Трудности при априорной оценке погрешности моделирования как средства управления настройкой модели
Несмотря на глубокую теоретическую проработку этого вопроса применительно к КРМ (см. [3]), сложность инструментария приводит к тому, что его не используют на практике. В методологии ДППМ существует достаточно простая методика, являющаяся одним из ключевых составляющих моделирования рынка и настройки (оптимизации) модели по критерию минимальной априорной погрешности.
Приближенная оценка погрешности в определении математического ожидания случайной величины по данным репрезентативной выборки ее случайных значений при доверительной вероятности 0,95 равна:
5 = ± ^s
^ N -1
Из формулы следует, что погрешность в определении среднего обратно пропорциональна корню квадратному из объема выборки N и пропорциональна ее собственному разбросу, выражаемому величиной стандартного (среднеквадратического) отклонения s (СКО).
При наличии данных об объеме генеральной совокупности Ng случайная погрешность может быть скорректирована на множитель
N
1 - N . Ориентировочно можно принять сле-
дующие значения поправочного множителя в зависимости от доли выборки в объеме генеральной совокупности (табл. 2).
Таблица 2
Значения поправочного множителя в зависимости от доли выборки в объеме генеральной совокупности
|
Доля выборки, % |
< 10 |
25–30 |
40–60 |
70–80 |
> 95 |
|
Поправочный множитель |
1,00 |
0,8 |
0,7 |
0,5 |
0 |
Настройка (оптимизация) ДППМ производится путем дополнительного расчленения или слияния выборок по критерию минимума погрешности в определении средних.
Оптимизация модели начинается с проверки размаха выборок и их дисперсий. Условие оптимизации – минимизация размаха каждой выборки при ориентировочном равенстве коэффициентов варьирования ν :
' ( x max - x mn ) ^ mn
* const
Уменьшение размаха выборки можно получить за счет ее разделения на две путем введения дополнительного признака или разбиения диапазона какого-либо признака. Например, если выборка квартир в пятиэтажных панельных домах имеет слишком большой размах варьирования (значительно отличающийся от выборок квартир других типов), то рекомендуется разделить ее на два подтипа, включающие квартиры на первом (последнем) и средних этажах. Другой пример: разделение совокупности квартир в пятиэтажных панельных домах одного района на квартиры в сериях домов, объявленных к сносу (что может повысить их привлекательность и цену), и в несносимых сериях. Аналогично могут быть разбиты выборки по признаку местоположения: в заданных границах района выделяются 2–3 зоны с отличающимся уровнем цен, и вместо одной образуется 2–3 выборки квартир одного типа с изменившимися средним и уменьшившимся размахом варьирования.
Следующая процедура оптимизации модели имеет обратный характер – она осуществляется для проверки целесообразности объединения выборок. Для этого производится попарная проверка значимости различия выборок по типам, размерам, смежным районам, которая включает проверку различия дисперсий (по критерию Фишера Fp ) и средних (по критерию Стьюдента tp ) при заданных критериальных значениях уровня значимости р , выбираемых исследователем. Эта процедура соответствует аналогичной процедуре проверки значимости факторов в терминах регрессионного моделирования.
По результатам проверки выборки с незначимыми различиями объединяются, и значения параметров объединенных выборок пересчитываются. На практике возможно применение более простого условия объединения выборок 1 и 2:
δδ xcpi + 2^ > Xcp2 + -^ при xcpi < xcp2 ■
Такое преобразование по смыслу соответствует понижению размерности регрессионной модели, исключению незначимых факторов качества, местоположения и размера.
В таблицах 3 и 4 представлены фрагменты исходной и оптимизированной модели рынка квартир города Москвы по состоянию на 2003 год.
Таблица 3
Исходная пространственно-параметрическая модель рынка жилья города Москвы по состоянию на 2003 год
|
Тип жилья, местоположение |
Количество объектов, шт. |
Цена квартиры |
СКО, $ / м2 |
Погрешность (δ), $ / м2 (%) |
|||
|
минимум, $/м2 |
медиана, $/м2 |
максимум, $/м2 |
средняя, $/м2 |
||||
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|
Все типы жилья в Москве, в том числе: «хрущевки», панель |
115 367 |
368 |
1 167 |
6 294 |
1 302 |
488 |
2,9 (0,2) |
|
5 591 |
597 |
1 059 |
2 500 |
1 103 |
214 |
6,0 (0,6) |
|
|
панель с малой кухней |
18 557 |
625 |
1 076 |
3 222 |
1 130 |
229 |
3,5 (0,3) |
|
типовая панель |
20 277 |
570 |
1 083 |
3 553 |
1 142 |
260 |
3,7 (0,3) |
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|
современная панель |
24 767 |
457 |
1 149 |
4 351 |
1 203 |
294 |
3,8 (0,4) |
|
«хрущевки», кирпич |
7 112 |
403 |
1 109 |
4 048 |
1 191 |
340 |
8,2 (0,7) |
|
кирпич с малой кухней |
6 589 |
628 |
1 304 |
4 359 |
1 417 |
454 |
11,3 (0,8) |
|
«сталинский» кирпич |
16 024 |
452 |
1 467 |
5 140 |
1 609 |
641 |
10,0 (0,6) |
|
кирпичные башни |
4 709 |
368 |
1 450 |
5 938 |
1 643 |
697 |
20,9 (1,3) |
|
монолит |
10 097 |
390 |
1 296 |
2 500 |
1 364 |
432 |
8,9 (0,9) |
|
повышенной комфортности |
1 420 |
2 501 |
3 167 |
4 000 |
3 184 |
433 |
22,4 (0,7) |
|
«элита» Всего в Центральном административном округе, в том числе: Арбат |
224 « 130 |
4 013 ХРУЩЕВК 778 |
4 464 И», ПАНЕЛ 1 226 |
6 294 Ь 2 500 |
4 597 1 287 |
502 336 |
59,4 (1,3) 52,6/4,1 |
|
2 |
1 943 |
2 075 |
2 075 |
2 009 |
66 |
93,3/5.3 |
|
|
Басманный |
8 |
998 |
1 370 |
1 667 |
1 347 |
192 |
135,8/10,5 |
|
Замоскворечье |
3 |
1 209 |
1 328 |
2 500 |
1 665 |
516 |
390,1/23,4 |
|
Красносельский |
0 |
– |
– |
– |
– |
– |
– |
|
Мещанский |
1 |
1 125 |
1 125 |
1 125 |
1 125 |
– |
0,0 |
|
Пресненский |
59 |
837 |
1 167 |
2 069 |
1 221 |
269 |
70,0/5,7 |
|
Таганский |
27 |
778 |
1 095 |
1 724 |
1 148 |
230 |
88,5/7,7 |
|
Тверской |
14 |
889 |
1 262 |
1 905 |
1 360 |
298 |
159,3/11,7 |
|
Хамовники |
12 |
1 261 |
1 548 |
2 071 |
1 532 |
190 |
109,7/7,2 |
|
Якиманка |
4 |
1 209 |
1 328 |
2 500 |
1 665 |
516 |
390,1/23,4 |
|
Всего в Западном административном округе, в том числе: Внуково |
615 |
674 |
1 103 |
2 273 |
1 156 |
227 |
18,7/1,6 |
|
0 |
– |
– |
– |
– |
– |
– |
|
|
Дорогомилово |
21 |
719 |
1 367 |
2 273 |
1 435 |
469 |
204,7/14,3 |
|
Крылатское |
0 |
– |
– |
– |
– |
– |
– |
|
Кунцево |
106 |
800 |
1 094 |
1 774 |
1 130 |
198 |
38,5/3,4 |
|
Можайский |
94 |
755 |
1 063 |
1 625 |
1 117 |
202 |
41,7/3,7 |
|
Ново-Переделкино |
0 |
– |
– |
– |
– |
– |
– |
|
Очаково-Матвеевское |
45 |
804 |
1 032 |
1 667 |
1 121 |
220 |
65,6/5,9 |
|
Проспект Вернадского |
138 |
839 |
1 156 |
1 667 |
1 215 |
215 |
36,6/3,0 |
|
Раменки |
5 |
898 |
930 |
1 500 |
1 052 |
228 |
203,9/19,4 |
|
Солнцево |
36 |
764 |
1 048 |
1 400 |
1 078 |
176 |
58,7/5,4 |
|
Тропарево-Никулино |
11 |
674 |
1 000 |
1 227 |
957 |
173 |
104,3/11,0 |
|
Филевский парк |
69 |
933 |
1 125 |
1 606 |
1 154 |
151 |
36,4/3,2 |
|
Фили-Давыдково |
90 |
828 |
1 091 |
1 742 |
1 115 |
192 |
40,5/3,6 |
Таблица 4
Оптимизированная пространственно-параметрическая модель рынка жилья («хрущевки», панель) по Центральному и Западному административным округам города Москвы по состоянию на 2003 год
|
Местоположение жилья |
Количество объектов, шт. |
Цена квартиры |
СКО, $ / м 2 |
Погрешность (δ), $ / м 2 (%) |
|||
|
минимум, $/м 2 |
медиана, $/м 2 |
максимум, $/м 2 |
средняя, $/м 2 |
||||
|
Всего в Центральном административном округе, в том числе: Хамовники, Арбат, Замоскворечье, Якиманка |
130 |
778 |
1 226 |
2 500 |
1 287 |
336 |
52,6 (0,4) |
|
21 |
1 209 |
1 328 |
2 500 |
1 670 |
316 |
190,0 (11,4) |
|
|
Пресненский |
59 |
837 |
1 167 |
2 069 |
1 221 |
269 |
70,0 (5,7) |
|
Таганский |
27 |
778 |
1 095 |
1 724 |
1 148 |
230 |
88,5 (7,7) |
|
Тверской, Мещанский, Басманный |
23 |
889 |
1 265 |
1 905 |
1 350 |
280 |
139,0 (10,3) |
|
Всего в Западном административном округе, в том числе: Дорогомилово, Раменки, Филевский парк, проспект Вернадского |
1 220 |
673 |
1 158 |
3 222 |
1 215 |
260 |
15,3 (1,6) |
|
338 |
711 |
1 323 |
3 222 |
1 355 |
262 |
20,3 (1,5) |
|
|
Крылатское |
33 |
948 |
1 250 |
1 667 |
1 297 |
205 |
71,4 (5,5) |
|
Кунцево |
131 |
806 |
1 129 |
2 079 |
1 195 |
225 |
39,3 (3,4) |
|
Можайский, Очаково-Матвеевское |
325 |
734 |
1 071 |
1 857 |
1 114 |
146 |
30,2 (2,7) |
|
Ново-Переделкино, Солнцево |
52 |
753 |
1 063 |
1 370 |
964 |
138 |
48,3 (5,0) |
|
Тропарево-Никулино |
208 |
673 |
1 167 |
2 000 |
1 186 |
266 |
36,9 (11,0) |
|
Фили-Давыдково |
133 |
806 |
1 123 |
1 974 |
1 217 |
247 |
42,8 (3,6) |
Проблема № 4. Определение апостериорной погрешности массовой оценки объектов недвижимости
Определить отклонение фактических данных от модельных оценок можно легко, используя обе альтернативные методологии, но почему-то такие результаты в работах по методологии КРМ нам практически не встречались (возможно, по причине слабой информационной базы либо неуверенности в качестве оценки). В таблице 5 приведен пример сопоставления модельных оценок, полученных при использовании ДППМ, с конкретными рыночными данными.
Таблица 5
Определение отклонения удельной цены предложения выборки объектов от средневыборочной
|
Адрес |
Количество комнат |
Этаж квартиры/ этажность дома |
Площадь квартиры |
Удельная цена, $/м2 |
Отклонение, % |
|
|
общая, м2 |
жилая, м2 |
|||||
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
|
Аминьевское шоссе, д. 14 |
2 |
4/5 |
43 |
30 |
953 |
20 |
|
Аминьевское шоссе, д. 30 |
2 |
2/5 |
44 |
30 |
1 204 |
1 |
|
Беловежская ул., д. 37-1 |
1 |
4/5 |
32,1 |
18,2 |
1 299 |
9 |
|
Беловежская ул., д. 55 |
2 |
2/5 |
46,4 |
29,4 |
1 202 |
6 |
|
Беловежская ул., д. 89 |
2 |
3/5 |
49 |
31 |
1 142 |
-4 |
|
Веерная ул., д. 24 |
1 |
2/5 |
32 |
17,4 |
1 375 |
15 |
|
Гвардейская ул., д. 4 |
1 |
1/5 |
30,4 |
17,1 |
1 098 |
8 |
|
Гвардейская ул., д. 8 |
1 |
1/5 |
31 |
18 |
1 354 |
13 |
|
Истринская ул., д. 5 |
2 |
2/5 |
48,4 |
31,2 |
1 398 |
1 |
|
Истринская ул., д. 5-2 |
2 |
2/5 |
47,5 |
31,2 |
1 105 |
-18 |
|
Кастанаевская ул., д. 21-3 |
2 |
5/5 |
44 |
28,6 |
1 545 |
13 |
|
Кастанаевская ул., д. 23 |
3 |
2/5 |
55,5 |
37 |
1 504 |
11 |
|
Кастанаевская ул., д. 23-2 |
2 |
4/5 |
44 |
32 |
1 545 |
14 |
|
Кастанаевская ул., д. 27/3 |
2 |
4/5 |
43,7 |
29,1 |
1 148 |
-15 |
|
Кастанаевская ул., д. 27-2 |
2 |
5/5 |
43 |
27 |
1 651 |
22 |
|
Кастанаевская ул., д. 27-2 |
2 |
3/5 |
46 |
31,1 |
1 326 |
-2 |
|
Кастанаевская ул., д. 57 |
2 |
5/5 |
45 |
28 |
1 444 |
21 |
|
Кастанаевская ул., д. 57-2 |
2 |
5/5 |
45 |
28 |
1 333 |
12 |
|
Кастанаевская ул., д. 63 |
3 |
5/5 |
59,7 |
41,3 |
1 187 |
-1 |
|
Кастанаевская ул., д. 63-1 |
2 |
4/5 |
45,3 |
28,8 |
1 415 |
18 |
|
Кунцевская ул., д. 83 |
2 |
3/5 |
46,2 |
30,4 |
1 112 |
-7 |
|
Кутузовский просп., д. 84 |
2 |
4/5 |
42,8 |
27,7 |
1 074 |
-10 |
|
Кутузовский просп., д. 84 |
1 |
2/5 |
32 |
20 |
1 287 |
8 |
|
Малая Филевская ул., д.1 6 |
2 |
2/5 |
48,7 |
32,7 |
1 201 |
-13 |
|
Матвеевская ул., д. 20 |
2 |
3/5 |
46 |
28 |
913 |
-24 |
|
Матвеевская ул., д. 20-1 |
3 |
3/5 |
60 |
42 |
1 166 |
-2 |
|
Матвеевская ул., д. 26 |
2 |
1/5 |
45 |
31 |
1 200 |
1 |
|
Матвеевская ул., д. 26 |
1 |
4/5 |
31,4 |
17,4 |
1 180 |
-1 |
|
Матвеевская ул., д. 26 |
1 |
3/5 |
53 |
20 |
1 147 |
-4 |
|
Матвеевская ул., д. 28 |
1 |
3/5 |
32 |
18 |
1 375 |
15 |
|
Матвеевская ул., д. 28 |
3 |
2/5 |
60 |
42 |
1 200 |
1 |
|
Матвеевская ул., д. 30 |
1 |
2/5 |
38 |
17,2 |
947 |
-21 |
|
Матвеевская ул., д. 9-2 |
3 |
2/5 |
60 |
42 |
1 166 |
-2 |
|
Молодогвардейская ул., д.1-1 |
3 |
2/5 |
60 |
42 |
1 416 |
18 |
|
Молодогвардейская ул., д. 36 |
2 |
3/5 |
46 |
0 |
1 213 |
-14 |
|
Молодогвардейская ул., д. 36-4 |
1 |
3/5 |
32 |
20 |
1 387 |
1 |
|
1 |
2 |
3 |
4 |
5 |
6 |
7 |
|
Оршанская ул., д. 4 |
2 |
5/5 |
45 |
31 |
1 288 |
-5 |
|
Поклонная ул., д. 3 |
3 |
3/5 |
58,6 |
48,6 |
1 372 |
15 |
|
Поклонная ул., д. 8 |
2 |
4/5 |
45 |
27 |
1 333 |
12 |
|
Рублевское шоссе, д. 103 |
2 |
3/5 |
46,1 |
30 |
1 338 |
-1 |
|
Рублевское шоссе, д. 87 |
2 |
4/5 |
45 |
32 |
888 |
26 |
|
Славянский бул., д. 5 |
2 |
5/5 |
47 |
30 |
1 361 |
1 |
|
ул. Академика Павлова, д. 28 |
2 |
2/5 |
47 |
30 |
1 142 |
-16 |
|
ул. Академика Павлова, д. 30 |
2 |
3/5 |
47,7 |
32,5 |
1 612 |
19 |
|
ул. Академика Павлова, д. 33 |
2 |
2/5 |
47 |
30,8 |
1 385 |
2 |
|
ул. Академика Павлова, д. 34 |
1 |
3/5 |
31,5 |
18,2 |
1 279 |
-6 |
|
ул. Академика Павлова, д. 36 |
1 |
3/5 |
32 |
18,5 |
1 700 |
25 |
|
ул. Академика Павлова, д. 38 |
2 |
2/5 |
45 |
31 |
1 111 |
-18 |
|
ул. Академика Павлова, д. 40-1 |
2 |
5/5 |
47 |
32,5 |
1 636 |
21 |
|
ул. Артамонова, д. 3 |
3 |
2/5 |
67,1 |
46,5 |
1 098 |
-8 |
|
ул. Артамонова, д. 4 |
2 |
5/5 |
51 |
30 |
1 223 |
2 |
|
ул. Артамонова, д. 8 |
1 |
4/5 |
33 |
17 |
1 393 |
17 |
|
ул. Артамонова, д. 8 |
3 |
2/5 |
68 |
47 |
1 044 |
-13 |
|
ул. Герасима Курина, д. 12 |
2 |
1/5 |
44,5 |
28 |
1 508 |
11 |
|
ул. Герасима Курина, д. 12-2 |
2 |
1/5 |
44,3 |
28 |
1 514 |
12 |
|
ул. Герасима Курина, д. 36 |
2 |
5/5 |
47,1 |
31,1 |
1 458 |
8 |
|
ул. Герасима Курина, д. 4-4 |
2 |
3/5 |
45,7 |
29,5 |
1 266 |
-7 |
|
ул. Гришина, д. 12 |
2 |
4/5 |
40 |
27,6 |
1 375 |
15 |
|
ул. Клочкова, д. 2 |
1 |
4/5 |
32 |
17,5 |
1 531 |
28 |
|
ул. Красных Зорь, д. 29 |
2 |
1/5 |
45 |
29 |
1 244 |
4 |
|
ул. Красных Зорь, д. 33 |
2 |
5/5 |
46 |
28 |
1 239 |
4 |
|
ул. Олеко Дундича, д. 33 |
1 |
3/5 |
33 |
18 |
1 545 |
14 |
|
ул. Олеко Дундича, д. 33 |
1 |
1/5 |
30 |
18 |
1 500 |
11 |
|
ул. Олеко Дундича, д. 37 |
1 |
5/5 |
30,9 |
17,3 |
1 216 |
-10 |
|
ул. Пивченкова, д. 1 |
2 |
2/5 |
44,6 |
28,6 |
1 372 |
1 |
|
ул. Пивченкова, д. 10 |
2 |
2/5 |
44,1 |
29 |
1 353 |
0 |
|
ул. Пивченкова, д. 8 |
1 |
3/5 |
32,5 |
19,3 |
1 676 |
24 |
|
Ярцевская ул., д. 18 |
3 |
3/5 |
59,3 |
42,5 |
1 259 |
-7 |
|
Ярцевская ул., д. 34 |
3 |
3/5 |
60 |
42 |
1 533 |
13 |
Проблема № 5. Трудности сбора рыночных данных
Разработчики методик массовой оценки на основе методологии КРМ обычно не владеют данными о рынке и начинают их собирать одновременно с началом проведения эксперимента. В результате качество данных сомнительное, а затраты времени исчисляются месяцами. Применяющие методологию ДППМ аналитики рынка недвижимости, постоянно наращивают, актуализируют, очищают и обрабатывают свои базы данных, что позволяет их использовать без потерь времени и с гарантированным качеством (в пределах тех регионов и сегментов рынка, в которых эта работа налажена). В новых регионах (сегментах) потребуется 1–2 месяца для создания и первоначального наполнения баз данных.
Проблема № 6. Сложность разработки модели рынка и высокие требования к квалификации специалистов
Методология КРМ предъявляет высокие требования к квалификации специалистов, затраты времени на разработку модели одного сегмента рынка в одном городе исчисляются месяцами (даже при высокой автоматизации процесса), а группа высококвалифицированных специалистов работает в нескольких городах последовательно (см., например, [2]). Методология ДППМ доступна специалистам без специального образования, при наличии баз данных построение модели требует одну-две недели (даже без специальной автоматизации). В дальнейшем, по мере автоматизации расчетов, этот срок сокращается до двух-трех дней. Обучение новых специалистов (для регионов, в которых такая работа только начинается) потребует 4–5 дней лекционно-практических занятий и 1–2 месяцев методического сопровождения работы начинающих специалистов.
Проблема № 7. Трудности оценки на узких рынках
Обе методологии лучше работают на широких рынках. Тем не менее накопленный опыт сбора рыночной информации и применения методологии ДППМ рынка позволил выработать пути «обхода» этой трудности. Приведем примеры.
Методика и пример оценки объекта при отсутствии аналогов (метод регрессионной экстраполяции)
Судебный запрос на оценку стоимости квартиры в городе Зарайске Московской области в 2002 году поставил перед оценщиком нетривиальную задачу, поскольку необходимые данные отсутствовали. Для ее решения по имеющемуся архиву данных была построена дискретная пространственно-параметрическая модель рынка жилья Московской области, в которой рассчитано средневзвешенное значение цены предложения жилья в каждом из 45 населенных пунктов, вошедшем в выборку, и среднего по области (584 $/м2). Затем было проведено исследование модели2 – построены регрессионные уравнения зависимости средних удельных цен в населенных пунктах от основных ценообразующих факторов – численность населения, удаленность от Москвы, географическое направление.
Оказалось, что зависимость от численности населения незначима, а зависимость от удаленности имеет высокий коэффициент регрессии (0,87) и хорошо описывается уравнением Y = 901 x 0,22 (коэффициент детерминации равен 0,76, то есть 76 процентов факторов описывается этим уравнением). Подставив величину удаленности города Зарайска от Московской кольцевой автомобильной дороги (118 км) в уравнение, получаем оценку средней удельной цены квартир в нем – 345 $/м2 (см. рис. 1).
Второй значимый фактор – географическое направление. В связи с тем, что оцениваемый город находится на юго-востоке области, поправка на уровень цен в нем составила от среднего 528/584 = 0,90. Таким образом, окончательная оценка - 345 х 0,90 = 310 $/м2.
Методика и пример индивидуальной оценки объекта при отсутствии прямых аналогов (метод косвенных аналогов)
Приведем пример определения целесообразной ставки аренды ресторана, расположенного в Москве, вблизи станции метро «Проспект Вернадского» (за пределами Третьего транспортного кольца). Арендуемая площадь – 450 квадратных метров.
В связи с тем, что рынок аренды помещений под рестораны в локации объекта оценки достаточно узкий, при массовой оценке погрешность в определении средней составила ±18%.
Рис. 1. Статистическая связь «цена – расстояние» на квартирном рынке городов Московской области по мере удаления города от Московской кольцевой автомобильной дороги (МКАД)
Рис. 2. Статистическая связь арендных ставок для офисов и ресторанов, находящихся у соответствующих станций метро, $/м2 в год
Для уменьшения диапазона рекомендуемой ставки предложения исследуемого объекта в аренду необходимо обнаружить зависимость искомой величины от доступных для исследования факторов. Полученная зависимость должна учесть совокупную положительную поправку на главные конкурентные преимущества объекта – особенности местоположения и расположения (непосредственная близость от городской магистрали и выхода из метро в престижном районе с высокой разнообразной активностью и интенсивной проходимостью).
Однако в условиях поставленной задачи оказалось, что прямое определение поправок невозможно из-за недостаточности статистических данных. В связи с ограниченностью статистики по объектам, совпадающим по назначению (ресторан), были привлечены данные по группам объектов близкого назначения (офисные помещения). Затем было рассчитано регрессионное уравнение зависимости исследуемых величин – средней арендной ставки для объектов «ресторан» и «офис» вблизи аналогичных станций метро (см. рис. 2).
Далее, подставляя в значение аргумента Х среднее значение ставки предложения в аренду офисов вокруг станции метро «Проспект Вернадского» (473 $/м2 в год), получаем в качестве отклика Y искомую величину рекомендуемой ставки предложения в субаренду на открытом рынке ресторана у станции метро «Проспект Вернадского» – 554,31 $/м2 в год.
Проблема № 8. Организационно-административная
Случилось так, что саморегулируемые организации оценщиков, как и аналитические команды риелторских ассоциаций, отдали право решения проблемы массовой оценки недвижимости специалистам в области математических методов моделирования случайных процессов и IT, не являющихся экспертами в области рынка недвижимости. На наш взгляд, только объединение усилий всех названых категорий специалистов при ведущей роли оценочного сообщества позволит решить все проблемы и получить приемлемый результат.
