Прогноз цен на  квартиры 

Рынок недвижимости не раз проходил периоды подъема и спада. А что ждет участников рынка в  2017 году?

В настоящее время, особую важность приобрела проблема прогнозирования стоимости  квадратного метра недвижимости, которая обусловлена неопределенностью рынка жилья.

Сложность проблемы прогнозирования  рынка недвижимости также обусловлена  дисбалансом спроса и предложения. Баланс спроса и предложения на рынке недвижимости достигает редко. Предложение конкретного вида недвижимости обычно отстает от рыночного спроса. Сложность, инертность и длительный срок строительного процесса могут привести к возникновению не рыночного равновесия, а избыточного предложения. Если спрос на недвижимость резко увеличивается, дополнительное предложение не может быть обеспечено быстро. При снижении спроса избыточное предложение также не может поглощено рынком быстро.

Говоря о рынке недвижимости надо вести речь не объектах недвижимого имущества, а об участниках рынка недвижимости и функционирования самой недвижимости в качестве товара или источника дохода.

При анализе рынка недвижимости также необходимо изучить состояние экономики. Это оценка рыночного равновесия^[i], а также оценка рыночной реакции (как альтернативного использования недвижимости) и влияние на стоимость.

По прогнозированию недвижимости проведено мало исследований, одно из которых основано на анализе трендов^[ii]. Авторами  исследована динамика изменения цен,  построенная по статистике, относящейся к Нижнему Новгороду. Авторы считают, что не существует методов, позволяющих точно «угадать» будущее развитие ситуации. Вместе с тем авторы делают вывод, что   на примере известных  методов можно  обнаружить  тенденцию  развития событий и на основе сопоставления с прошлым опытом предсказать характеристики наиболее вероятного развития событий.

Нами  сделана попытка выполнить анализ динамики цен квартир, используя существующих методов (регрессионный анализ и метод экспоненциального сглаживания^[iii]). Результаты анализа могут служить базой для прогноза дальнейшего развития рынка недвижимости. Цены представлены относительными значениями, приведенными к январю 2013 года. Расчетная стоимость одного квадратного метра квартиры в начале периода (январь 2013 года) принята за единицу.

Однокомнатные квартиры 104-серии

Первоначальной ступенью в регрессионном анализе данных является проверка их однородности.

 

 

 

Рис. 1. Динамика цен однокомнатных квартир 104-серии в 5 микрорайоне в относительных единицах (период январь 2013-декабрь 2016 гг.).

 

 

На рисунке1, иллюстрирующему  общую  динамику цен однокомнатных квартир 104-серии в 5-ом микрорайоне г. Бишкек в течение длительного периода (январь 2013-декабрь 2016 гг.), отметим присутствующих в нем ценовых изменений. До октября 2013 года образованный из последовательных удельных цен квартир временной ряд содержал в себе выраженный плавный тренд, отражающий в среднем монотонный рост стоимости жилья. Далее после резкого скачка цен в середине  осени 2013 года характер тенденции полностью изменился: начался стремительный скачкообразный рост цен  с достижением первой пиковой точки максимального значения (февраль 2014 г.) и последующим спадом (ноябрь 2014 г.). Наблюдается  резкий скачок цен в конце 2014 года, продолжающийся до апреля 2015 года. Начиная с мая 2015 г. по декабрь 2016 г. цены на однокомнатные квартиры 104-серии заметно снизились.

Таким образом, исследуемый временной ряд содержит в себе различные тенденции (рис. 2).

               

Рис. 2. Тенденция стоимости однокомнатных квартир 104-серии в 5-ом микрорайоне г. Бишкек.

 

Из рисунка 2, видно, что линия тренда, представленного полиномом достаточно высокой степени, не может в полной мере аппроксимировать изменение показателя. Хорошая интерполяция не всегда гарантирует высокую точность прогноза дальнейшего поведения цен. При наличии достаточно точной интерполяции временного ряда, дающей приближенные к единице значения коэффициента детерминации (в нашем примере R²=0,816), не всегда возможно получить хороший результат в продолжении интерполирующей функции на прогнозный период. Более того, при высоких степенях полинома такой прогноз становится неустойчивым и, наоборот, приводит к большим ошибкам, чем модели более простой структуры. Поэтому для прогнозирования временных рядов на небольшие интервалы времени целесообразно использовать полиномы низкой степени.

Результаты обработки данных по стоимости однокомнатных квартир 104-серии, представлены в виде временных рядов, которые отображены на рисунке 3 и в таблице 1.

 

Рис. 3. Прогнозирование  стоимости квадратного метра однокомнатных квартир 104-серии в 5-ом микрорайоне г. Бишкек на основе трендовых моделей.

 

Таблица 1. Прогнозирование  цен на однокомнатные квартиры 104-серии в 5-ом микрорайоне  г. Бишкек,основанные  на анализе трендов.

№п/п	период	цена, кв.м/долл.	квадратичный тренд	экспоненциальный тренд	линейный тренд
1	2013Jan	1170	1117	1290	1271
2	Feb	1050	1128	1277	1262
3	March	1070	1138	1264	1252
4	April	1150	1147	1252	1242
5	May	1080	1155	1239	1232
6	June	1065	1162	1227	1223
7	July	1080	1168	1215	1213
8	Aug	1050	1173	1203	1203
9	Sept	1075	1178	1191	1193
10	Oct	1250	1181	1179	1184
11	Nov	1150	1183	1167	1174
12	Dec	1320	1185	1156	1164
13	2014Jan	1265	1185	1144	1155
14	Feb	1370	1185	1133	1145
15	March	1235	1184	1122	1135
16	April	1320	1182	1110	1125
17	May	1190	1178	1099	1116
18	June	1265	1174	1088	1106
19	July	1233	1169	1078	1096
20	Aug	1225	1163	1067	1086
21	Sept	1275	1156	1056	1077
22	Oct	1230	1148	1046	1067
23	Nov	1180	1140	1035	1057
24	Dec	1360	1130	1025	1048
25	2015Jan	1370	1119	1015	1038
26	May	1069	1108	1005	1028
27	June	984	1095	995	1018
28	Aug	930	1082	985	1009
29	Sept	1060	1067	975	999
30	Oct	940	1052	965	989
31	Nov	840	1036	956	979
32	Dec	940	1018	946	970
33	Jan	855	1000	937	960
34	2016Feb	790	981	927	950
35	March	830	961	918	941
36	April	770	940	909	931
37	May	810	918	900	921
38	June	805	895	891	911
39	July	830	872	882	902
40	Aug	800	847	873	892
41	Sept	925	821	865	882
42	Oct	885	795	856	872
43	Nov	745	767	848	863
44	Dec	855	739	839	853
45	2017Jan	880	709	831	843
46	Feb	840	679	823	834
47	March,прогноз		648	814	824

 

Прогнозирования цен на однокомнатные квартиры 104-серии по методу экспоненциального сглаживания.

 

На рисунке 4  можно  увидеть, что при коэффициенте сглаживания k = 0,8 («Экспоненциальная модель 1» - оранжевый график) прогноз на следующий период достаточно близок к фактическим значениям стоимости (синий график) и периодически фактические цены соприкасаются с прогнозными.

 

                Рис. 4. Прогнозирование стоимости однокомнатных квартир 104-серии в 5-ом микрорайоне г. Бишкек по методу экспоненциального сглаживания.

Серый график - значения прогноза при коэффициенте сглаживания k=0,1. Видно, что данная модель практически не соприкасается с фактическими ценами (синим графиком). Также модель 2 более сглаженная и медленнее реагирует на всплески, чем модель 1.

Рассчитав точность прогноза для моделей с коэффициентами сглаживания k=0,8 и k=0,1, мы видим, что точность модели 1 = 99,2% выше, чем точность модели 2 = 98,1%.Следовательно, для этого ряда из двух коэффициентов оптимальным  для прогноза будет  k=0,8.

Анализ показал, что рассчитанные прогнозные значения стоимости однокомнатных квартир 104-серии, основанные  на  анализе трендов, модели 1 и метода экспоненциального  сглаживания  практически совпадают. Прогнозное значение стоимости  в марте 2017 г. по экспоненциальной модели 1 составляет 848 долл./м², по экспоненциальному и линейному трендам – 814-824 долл./м².

Рассмотрим   взаимосвязь динамики цен на однокомнатную квартиру 104-серии в 5-м микрорайоне и курса доллара. Известно, что цены купли-продажи квартиры в большинстве случаев исчисляются в долларах. Какое влияние оказывает курс доллара на рынок жилья? Как правило, в случае, если доллар дешевеет, продавцы недвижимости, увеличивают долларовые цены. Данное положение демонстрирует график корреляционной зависимости курса доллара и стоимости квадратного метра однокомнатных квартир 104-серии в 5-ом микрорайоне г. Бишкек (рис. 5).

 

                Рис. 5. Зависимость между курсом доллара и удельной стоимостью  жилья.

Однокомнатные квартиры 105-серии

 

В качестве примера приводим анализ динамики цен однокомнатных квартир 105-серии, расположенных в микрорайоне Джал-23.

На рисунке 6 показана динамика цен однокомнатных квартир 105-серии в  микрорайоне Джал-23.

Результаты обработки данных по стоимости однокомнатных квартир 105-серии, представлены в виде временных рядов, которые отображены на рисунке 7 и в таблице 2.

 

                Рис. 6. Динамика цен однокомнатных квартир 105-серии в  микрорайоне Джал-23 в относительных единицах (период январь 2013-декабрь 2016 гг.).

 

Рис. 7. Прогнозирование  стоимости квадратного метра однокомнатных квартир 105-серии в  микрорайоне Джал-23 г. Бишкек на основе трендовых моделей.

               

Таблица 2. Прогнозирование  цен на однокомнатные квартиры 105-серии в  микрорайоне  Джал-23 г. Бишкек, основанные  на анализе трендов.

№п/п	период	цена, кв.м/долл	квадратичный тренд	логарифмический тренд	линейный тренд
1	2013Jan	910	998	1188	1131
2	Feb	1030	1007	1129	1123
3	March	1000	1015	1095	1115
4	April	945	1022	1071	1107
5	May	1030	1029	1052	1098
6	June	1000	1035	1037	1090
7	July	985	1040	1024	1082
8	Aug	980	1045	1012	1074
9	Sept	1050	1048	1002	1066
10	Oct	1060	1051	993	1058
11	Nov	1015	1054	985	1050
12	Dec	1095	1055	978	1042
13	2014Jan	1140	1056	971	1033
14	Feb	1160	1056	965	1025
15	March	1150	1055	959	1017
16	April	1100	1054	954	1009
17	May	1065	1052	949	1001
18	June	1105	1049	944	993
19	July	1130	1045	939	985
20	Aug	1095	1041	935	977
21	Sept	1080	1035	931	968
22	Oct	1090	1029	927	960
23	Nov	1095	1023	923	952
24	Dec	1050	1015	919	944
25	2015Jan	1040	1007	916	936
26	Feb	1040	998	913	928
27	March	1020	989	910	920
28	April	940	978	906	912
29	May	855	967	903	903
30	June	970	956	901	895
31	July	815	943	898	887
32	Aug	880	930	895	879
33	Sept	850	916	893	871
34	Oct	920	901	890	863
35	Nov	830	885	888	855
36	Dec	745	869	885	847
37	2016Jan	755	852	883	838
38	Feb	750	834	881	830
39	March	745	816	878	822
40	April	690	796	876	814
41	May	760	776	874	806
42	June	680	756	872	798
43	July	725	734	870	790
44	Aug	790	712	868	782
45	Sept	700	689	866	773
46	Oct	800	665	864	765
47	Nov	720	641	863	757
48	Dec	760	616	861	749
49	2017Jan[iv]	590	859	741
50	Feb	563	857	733
51	March	535	856	725
52	April	507	854	717

 

Прогнозирования цен на однокомнатные квартиры 105-серии по методу экспоненциального сглаживания.

 

На рисунке 8 видим, что при коэффициенте сглаживания k = 0,8 («Экспоненциальная модель 1» - оранжевый график) прогноз на следующий период (март 2017 г.) достаточно близок к фактическим значениям стоимости (синий график), а также периодически фактические цены соприкасаются с прогнозными.

 

                Рис. 8. Прогнозирование стоимости однокомнатных квартир 105-серии в  микрорайоне  Джал-23 г. Бишкек по методу экспоненциального сглаживания.

 

Прогнозное значение стоимости однокомнатных  квартир 105-серии в микрорайоне Джал-23 в марте 2017 г. по экспоненциальной модели 1 и экспоненциальной модели 2 составляет 690-770 долл./м², по логарифмическому и линейному трендам – 725-855 долл./м².

Рассмотрим результаты прогноза на 2017 г., используя в качестве базы прогноза данные об удельных ценах за 2015-2016 гг.

                Рис. 9. Прогнозирование рынка квартир на 2017 г. на основе данных 2015-2016 гг. (цены в относительных единицах).

 

В период с января 2013 г. по февраль 2014 г. стоимость однокомнатных квартир 105-серии в микрорайоне  Джал-23 плавно набирал рост (см. рис. 6). Начиная с марта 2014 г. стоимость стремительно начала падать. Такая тенденция цен сохранилась до апреля 2016 г.

Предполагая, что в прогнозный период цены будут изменяться, сохраняя установившиеся тенденции, попытаемся прогнозировать цены на однокомнатные квартиры на 2017 г. (рис. 9). Анализ по модели АР показывает, что прогнозные значения цен на однокомнатные квартиры 105-серии в микрорайоне Джал-23 в 2017 г. сохраняются на уровне  2016 г. (рис. 10).

                Рис. 10. Прогноз цен на однокомнатные квартиры 105-серии по модели AR

                Таким образом, в периоды «спокойного» развития процессов на рынке квартир прогнозирование на небольшие периоды времени на основе трендовых моделей дает в целом неплохие результаты.

 

[i]//www. gosreg.kg /Анализ рынка/ Рыночная цена квартир 104-серии.

[ii]Лейфер Л. А. Гришина М. Анализ и прогнозирование цен недвижимости. /Нижний Новгород, 2009.

[iii]Экспоненциальное сглаживание – это наиболее распространенный метод прогнозирования различных временных рядов. Но он дает возможность спрогнозировать процесс только в краткосрочном периоде. 

[iv] Красным выделены прогнозные значения стоимости квадратного метра.