Доступная ипотека vs доступность жилья. Хотели как лучше, а получилось...?

Автор: Басова Елена Александровна

Журнал: Экономические и социальные перемены: факты, тенденции, прогноз @volnc-esc

Рубрика: Региональная экономика

Статья в выпуске: 4 т.14, 2021 года.

Бесплатный доступ

Решение Правительства РФ о снижении ипотечной ставки весной 2020 года было анонсировано как мера по поддержке населения в период распространения коронавирусной инфекции. Однако является ли данное решение оптимальным и стратегически выверенным с точки зрения повышения доступности жилья для российских граждан на перспективу? В условиях роста цен на недвижимость ответ на этот вопрос в отечественных экономических исследованиях освещен в недостаточной степени. Актуальность исследования дополнительно обусловлена необходимостью оценить вероятность образования «пузыря» на первичном рынке жилья вследствие «двойного бума». В работе представлены результаты исследования динамики доступности жилья за период с 2000 по 2020 год. Определены регионы с наименьшей и наибольшей доступностью жилья. Изучено современное состояние рынка ипотечного кредитования в РФ. Построена факторная модель множественной регрессии цен на жилую недвижимость на рынке новостроек. Научная новизна исследования заключается в определении причины стремительного роста цен на недвижимость весной 2020 года на российском рынке жилья и их прогнозе на среднесрочный период. Признано, что в современных условиях ключевым фактором, способствующим увеличению цен на первичное жилье, является снижение ипотечной ставки по кредитам. Решение о резком сокращении процентной ставки вызвало повышенный спрос на приобретение жилья и последовавший вслед за этим чрезмерный рост цен, что, в конечном итоге, не привело к расширению доступности жилья. Автором обосновано отсутствие «пузыря» и оснований для снижения цен на российском рынке жилой недвижимости в ближайшей перспективе. Прогнозирование цен на первичное жилье реализовано посредством комбинации традиционного экономического инструментария и нейросетей. Сохранение значительной величины цен на российском рынке новостроек в среднесрочном периоде объясняется негативными тенденциями в развитии ключевых влияющих факторов, а также других макроэкономических индикаторов, характеризующих социально-экономическое развитие страны. Предложены управленческие мероприятия, нацеленные на расширение доступности жилья для российских граждан.

Еще

Доступность жилья, льготное ипотечное кредитование, первичный рынок жилья, факторы роста цен на недвижимость, нейросетевое моделирование

Короткий адрес: https://sciup.org/147234790

IDR: 147234790   |   DOI: 10.15838/esc.2021.4.76.7

Список литературы Доступная ипотека vs доступность жилья. Хотели как лучше, а получилось...?

  • Мареева С.В. Немонетарные неравенства и их воздействие на экономическое положение населения // Российское общество и вызовы времени. Книга третья / М.К. Горшков [и др.]; под ред. М.К. Горшкова, Н.Е. Тихоновой. М.: Весь Мир, 2016. C. 247-265.
  • Басова Е.А. Теоретико-методологические основы исследования категории «немонетарное неравенство» // Актуальные проблемы экономики и права. 2020. Т. 14. № 3. С. 415-427. DOI: http://dx.doi. org/10.21202/1993-047X.14.2020.3.415-427
  • Аганбегян А.Г. О приоритетах социальной политики. М: Дело, 2020. 512 с.
  • Классика экономической мысли: сочинения / В. Петти, А. Смит, Д. Рикардо, Дж. Кейнс, М. Фридмен. М.: ЭКСМО-Пресс, 2000. 896 с.
  • Рикардо Д. Начала политической экономии и налогового обложения: избранное / [пер. с англ.; предисл. П.Н. Клюкина]. М.: Эксмо, 2007. 960 с.
  • Маршалл А. Принципы экономической науки. М.: Прогресс, 1993. Т. 1. 415 с.
  • Lin Y Application of nonparametric regression in house price forecast. Advances in Social Sciences January, 2020, vol. 09 (08), pp. 1123-1131. DOI: 10.12677/ASS.2020.98156
  • Gao P., Zhang R., Yang X. The application of stock index price prediction with neural network. Mathematical and Computational Applications, 2020, vol. 25 (3), pp. 53-69. DOI: 10.3390/mca25030053
  • Ясницкий Л.Н., Ясницкий В.Л. Разработка и применение комплексных нейросетевых моделей массовой оценки и прогнозирования стоимости жилых объектов на примере рынков недвижимости Екатеринбурга и Перми // Имущественные отношения в РФ. 2017. № 3. С. 68-84.
  • Yilmaz B., Kestel S. A stochastic approach to model housing markets: The US housing market case. Numerical Algebra, 2018, vol. 8 (4), pp. 481-492. DOI: 10.3934/naco.2018030
  • Нетунаев Е.Б. Эффективность денежно-кредитной политики как инструмента противодействия финансовым пузырям // Вестник Института экономики РАН. 2018. № 3. С. 134-150.
  • Glaeser E., Gottlieb J.D., Tobio K. Housing booms and city centers. American Economic Review, 2012, vol. 102 (3), pp. 127-133. DOI: 10.1257/aer.102.3.127
  • Aoki K., Proudman J., Gertjan V. House prices, consumption, and monetary policy: A financial accelerator approach. Journal of Financial Intermediation, 2004, vol. 13, pp. 414-435.
  • Glaeser E.L., Gyourko J., Saiz A. Housing supply and housing bubbles. Journal of Urban Economics, 2008, vol. 64, pp. 198-217.
  • Caraiani P., Luiky M.-A., Wesselbaumz D. Credit policy and asset price bubbles. Journal of Macroeconomics, 2020, vol. 65, pp. 103-229. DOI: 10.1016/j.jmacro.2020.103229
  • Dokko J., Doyle B.M., Kiley M.T., Kim J. Monetary policy and the global housing bubble. Economic Policy, 2011, vol. 26 (66), pp. 237-287. DOI: 10.1111/j.1468-0327.2011.00262.x
  • Curry B., Morgan Р.Н., Silver M. Neural networks and non-linear statistical methods: An application to the modelling of price-quality relationships. Computers and Operations Research, 2002, vol. 29 (8), pp. 951-969. DOI: 10.1016/S0305-0548(00)00096-4
  • Clapp J. M., Giaccotto C. Evaluating house price forecasts. Journal of Real Estate Research, 2002, vol. 24 (1), pp. 1-26.
  • Dua P., Miller S., Smyth D. Using leading indicators to forecast U.S. home sales in a Bayesian vector autoregressive framework. Journal of Real Estate Finance and Economics, 1999, no. 18 (2), pp. 191-205.
  • Maqsood Z., Akhtar R., Latif H. Housing price forecastability by using factor analysis. Pyrex Journal of Business and Finance Management Research, 2019, vol. 5 (3), pp. 25-31.
  • Chen H., Wang S., Li Z., Xia J., Wei J. The housing price forecasting model based on improved GM model. Computer Science and Application, 2018, vol. 08 (12), pp.1804-1812. DOI: 10.12677/CSA.2018.812200
  • Дайитбегов Д.М. Компьютерные технологии анализа данных в эконометрике: монография. М.: Вузовский учебник: ИНФРА-М, 2018. 587 с.
  • Mariel P., Hoyos D., Meyerhoff J. Econometric Modelling: Basics. In: Environmental Valuation with Discrete Choice Experiments, Guidance on Design, Implementation and Data Analysis. 2020. Pp. 61-81. DOI: 10.1007/9783-030-62669-3 5
  • Балацкий Е.В., Юревич М.А. Использование нейронных сетей для прогнозирования инфляции: новые возможности // Вестник УРФУ. Серия: Экономика и управление. 2018. № 5. С. 823—838.
  • Кетова К.В., Вавилова Д.Д. Оценка тенденций изменения человеческого капитала социально-экономической системы на основе применения алгоритма нейросетевого прогнозирования // Экономические и социальные перемены: факты, тенденции, прогноз. 2020. Т. 13. № 6. С. 117—133. DOI: 10.15838/esc.2020.6.72.7
  • Serrano W. The Random Neural Network in Price Predictions. In: Artificial Intelligence Applications and Innovations. 2020. Pp. 303-314. DOI:10.1007/978-3-030-49161-1_26
  • Linh M. The hedonic pricing model applied to the housing market. International Journal of Economics and Business Administration, 2020, VIII (Special Issue 1), pp. 416-428. DOI: 10.35808/ijeba/526
  • Gupta N., Nigam S. Crude oil price prediction using Artificial Neural Network. Procedia Computer Science, 2020, vol. 170, pp. 642-647. DOI: 10.1016/j.procs.2020.03.136
  • Khalafallah A. Neural Network Based Model for predicting housing market performance. Tsinghua Science & Technology, 2008, no. 13, pp. 325-328. DOI: 10.1016/S1007-0214(08)70169-X
  • Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.
  • Кубишин Е.С., Седлов А.П., Соболева И.В. Бедность в России: методология измерения и международные сравнения // Вестник Института экономики РАН. 2021. № 1. С. 56-70. DOI: 10.24412/20736487-2021-1-56-70
  • Варламова Т.П. Система ипотечного жилищного кредитования в России: формирование и перспективы развития // Вестник СГСЭУ. 2018. № 5 (74). С. 136-139.
  • Львов Д.С. Россия: рамки реальности и контуры будущего // Экономические и социальные перемены в регионе: факты, тенденции, прогноз. 2007. № 37. C. 27-33.
Еще
Статья научная