Михаил Борисович Ласкин – кандидат физико-математических наук, старший научный сотрудник, доцент
Санкт-Петербург
Mikhail B. Laskin – Cand. Sci. (Phys. – Math.), Senior Researcher, Associate Professor
Saint Petersburg
Полина Андреевна Черкесова – студентка магистратуры, кафедра Информационных систем в экономике
Санкт-Петербург
Polina A. Cherkesova – Master's degree student, Department of Information Systems in Economics
Saint Petersburg
Целью исследования является развитие теоретических и методологических подходов к прогнозированию рыночной стоимости на рынке недвижимости. Актуальность исследования определяется системообразующим местом, которое рынок недвижимости занимает в экономике страны и регионов, затрагивая интересы владельцев различных форм собственности, строительных и девелоперских компаний, страховых компаний, банков. Другим аспектом, определяющим актуальность исследования, является несоответствие между хорошо структурированными кадастровыми базами данных и рыночными данными, рассредоточенными между разными владельцами информационных ресурсов, их неструктурированность, ориентация на рекламу, а не на аналитические исследования рынка.
Материалы и методы. В исследовании использована модель многомерного логарифмически нормального закона распределения ансамбля цен на объекты жилой недвижимости в равноотстоящие моменты времени и кадастровой стоимости, модель ARIMA для прогнозирования рыночной стоимости, учитывающая особенности логарифмически нормального распределения цен, как распределения с положительной ассиметрией. В качестве статистического материала были использованы рыночные данные по жилой недвижимости, опубликованные в периодической печати в период с конца 2012 по 2018 год. Объемы выборок еженедельных публикаций составляют 15000–20000 объектов, использовались данные за 21 квартал (более пяти лет). В качестве базы сравнения использованы данные кадастрового учета объектов недвижимого имущества в г. Санкт-Петербурге за 2018 год. Общий объем кадастровой базы жилой недвижимости г. Санкт-Петербурга (отдельные квартиры) составляет 2226734 объекта с достаточно полным (и хорошо структурированным) набором ценообразующих факторов. Авторами предложен метод оценки наиболее вероятного движения рыночной стоимости для заранее выбранного объекта недвижимости, прошедшего кадастровый учет и имеющему занесенную в реестр кадастровую стоимость, прогнозирования рыночной стоимости в будущем периоде.
Результаты. Теоретической значимостью работы является предложенный авторами алгоритм оценки наиболее вероятной траектории рыночной стоимости исследуемого объекта на основе многомерного условного логарифмически нормального распределения цен при заданном значении кадастровой стоимости. К логарифмам полученных временных рядов применяется хорошо разработанная и изученная модель прогнозирования временных рядов ARIMA, возврат от логарифмированных цен к реальным проводится с учетом особенностей логарифмически нормального распределения. Результаты сравниваются с медианными оценками и оценками, полученными по средним значениям.
Заключение. В работе показано, что введение кадастровой стоимости в РФ открывает новые возможности для анализа и прогнозирования рыночных цен, т.к. кадастровые базы содержат наиболее полные списки объектов недвижимости, включая кадастровую стоимость, которая теперь в соответствии с законодательством должна обновляться не реже, чем раз в три года и, по состоянию на 2015 и 2018 год, была определена как рыночная стоимость и, следовательно, до следующей кадастровой оценки может служить базой для постоянного сравнения с рыночными данными, которые все время меняются, прежде всего по составу объектов.
The aim of the research is to develop theoretical and methodological approaches to market value forecasting in the real estate market. The relevance of the research is determined by the system-forming place that the real estate market occupies in the economy of the country and regions, affecting the interests of owners of various forms of ownership, construction and development companies, insurance companies, banks. Another aspect that determines the actuality of the study is the discrepancy between well-structured cadastral databases and market data dispersed between different owners of information resources, and the unstructured nature of market data, which in most cases is focused on advertising, rather than on analytical market research.
Materials and methods. The study uses a model of a multidimensional logarithmically normal distribution law of the ensemble of prices for residential real estate at equidistant points of time and cadastral value, the ARIMA model for predicting market value, taking into account the features of the logarithmically normal distribution of prices, as a distribution with positive asymmetry. As a statistical material, we used market data on residential real estate published in the periodical press in the period from the end of 2012 to 2018. The volume of samples of weekly publications is 15000-20000 objects; data for 21 quarters (more than five years) was used. As a comparison base, we used data from cadastral registration of real estate objects in Saint Petersburg for 2018. The total volume of the cadastral database of residential real estate in Saint Petersburg (individual apartments) is 2 226734 objects with a fairly complete (and well-structured) set of price-forming factors. The authors propose a method for estimating the most likely movement of the market value for a pre-selected real estate object that has passed cadastral registration and has a cadastral value entered in the register and predicting the market value in the future period.
Results. The theoretical significance of the work is the proposed algorithm for estimating the most probable trajectory of the market value of the investigated object, based on the conditional multivariate log-normal distribution for a given value of the cadastral value. A well-developed and studied ARIMA time series forecasting model is applied to the logarithms of the obtained time series, the return from logarithmic prices to real prices is carried out taking into account the peculiarities of the logarithmically normal distribution. Results are compared with median scores and estimates, obtained by average values.
Conclusion. The paper shows that the introduction of cadastral value in the Russian Federation opens up new opportunities for analyzing and forecasting market prices, since cadastral databases contain the most complete lists of real estate objects, including the cadastral value, which now, in accordance with the law, must be updated at least once every three years and, as of 2015 and 2018, was determined as the market value, therefore, until the next cadastral assessment, can serve as a basis for constant comparison with market data, which are constantly changing, primarily in the composition of objects.
The authors declare that there are no conflicts of interest present.