Теория и многолетняя практика оценки рыночной стоимости недвижимости на компьютере на примере оценки квартир в Москве по программе «Рынок-М», автор Новиков Б.Д.

Ниже мы рассмотрим практический пример создания и эксплуатации методики и компьютерной программы для оценки стоимости квартир в г. Москве, с целью совершения сделок с ними. На этой основе рассматриваются общие методические вопросы массовой оценки объектов недвижимости.

В качестве такого примера использована программа «Рынок-М» (РЫНочной Оценки Квартир в Москве), разработанная автором совместно с программистом А. С. Костиковым. Эта программа, успешно эксплуатируемая с октября 1993 г., ежемесячно обновляется с учетом новой информации о рынке квартир за истекший месяц.

С 1994 г. программа «Рынок-М» успешно распространяется, как коммерческий продукт. Она была куплена рядом фирм и индивидуальных оценщиков. Результаты работы с этой программой многократно докладывались автором на различных курсах оценщиков (в т.ч. при РОО, а также при Департаменте Муниципального Жилья Правительства Москвы).

Знакомство с этим материалом позволит реальным и потенциальным пользователям данной программы лучше понять ее возможности, достоинства и недостатки, и правильно принимать решения по ее использованию, а также по трактовке выдаваемых программой результатов оценки. Рассмотрение этого конкретного примера полезно и для понимания общих вопросов, возможностей и ограничений массовой оценки объектов недвижимости и соответствующих компьютерных продуктов.

Рассмотренные здесь методические приемы, опробованные и отобранные в ходе этой работы, полезны и другим разработчикам, решающим подобные задачи. С их использованием может быть получена подобная методика оценки для других регионов или для других объектов массовой оценки рыночной стоимости недвижимости (например, для арендной платы за квартиры; для оценки квартир в других крупных городах и т.д.).

Ниже последовательно рассмотрены основные моменты разработки и использования методики и программы оценки квартир.

Как правило, при рассмотрении вопросов оценки недвижимости подразумевается, что речь идет о достаточно крупных и индивидуальных объектах типа зданий, нежилых помещений и так далее. Принятые законы об оценочной деятельности и Стандарты оценки, а также большинство публикаций, ориентируются именно на подобные объекты.

Однако на рынке недвижимости Москвы наиболее развит сектор купли-продажи квартир. В последние годы в Москве ежемесячно регистрировалось примерно по 5-10 тысяч таких сделок. Таким образом, квартиры в Москве превратились почти в «товар массового спроса». Поэтому обычный, сугубо индивидуальный подход к оценке объекта недвижимости становится избыточным и нерациональным при оценке московских квартир.

Обычный полный отчет об оценке крупного объекта недвижимости (например, здания) представляет собой целый том объемом 50-100 печатных страниц (включая приложения). Его подготовка весьма трудоемка и требует высокой квалификации разработчика. Такая работа оправдана, когда речь идет об уникальном объекте стоимостью в сотни тысяч и в миллионы долларов. Но, как правило, она не целесообразна при оценке обычной квартиры стоимостью в десятки тысяч долларов, то есть на 1-2 порядка дешевле крупного объекта.

Рекомендации западных авторов[1] и практический опыт московских риелторов указывают: для небольшой жилой недвижимости (в Москве — для квартир) целесообразно проводить оценки по упрощенной процедуре, которая может базироваться только на методе сопоставления рыночных продаж.

Как пишет Г. Харрисон[2], подход к оценке стоимости с точки зрения сравнения продаж основывается на прямом сравнении оцениваемого объекта с другими объектами недвижимости, которые были проданы или включены в реестр на продажу. Покупатели часто основывают свои заключения о стоимости главным образом на объектах недвижимости, предлагаемых на продажу. Оценщики также используют эту информацию наряду со сведениями о проданных или сданных в аренду объектах. Этот подход основан на принципе замещения, который гласит: при наличии нескольких товаров или услуг схожей пригодности, тот из них, который имеет самую низкую цену, пользуется наибольшим спросом и имеет самое широкое распространение. Применительно к жилью это означает: если на рынке оно может быть заменено (что обычно и происходит), то его стоимость обычно устанавливается на уровне затрат на приобретения жилья равной степени привлекательности, при допущении, что не понадобится много времени на осуществление замены.

В мире весьма популярен миф о том, что кто-либо может продать дом (в Москве — квартиру) за почти любую цену, если он захочет подождать достаточно долго покупателя, который пожелает купить именно этот самый дом (квартиру) и будет готов заплатить за него существенно больше рыночной стоимости. Однако дома (квартиры), внесенные в листинг на продажу по цене, значительно превышающей рыночную стоимость, зачастую остаются непроданными, вне зависимости от того, как долго они предлагались для продажи.

Цены индивидуальных продаж часто отличаются от рыночной нормы цен из-за мотивации участников сделки, условия их осведомленности и/или условий сделки. Однако в подавляющем большинстве случаев цены индивидуальных сделок имеют тенденцию отражать направление развития рынка. Когда имеется информация по достаточному количеству сопоставимых продаж и предложений на продажу для данного рынка, то легко определить ценовые тенденции, служащие лучшим индикатором рыночной стоимости недвижимости. Подход с точки зрения сопоставимых продаж в целом наиболее предпочтительный метод оценки рыночной стоимости жилой недвижимости. Оценки, базирующиеся на применении подходов по затратам и доходу, имеют большую вероятность быть подверженными значительной ошибке. В качестве альтернативы традиционным методам внесения поправок в цены аналогов существуют новые методы, использующее для сравнения большее число продаж. Они не зависят от поправок, основанных на ограниченной рыночной информации, а связаны со статистической обработкой данных по многим сопоставимым продажам[3].

А поскольку для этого класса объектов их достаточно много, метод поправок целесообразно заменять более новым методом, основанным на результатах регрессионного анализа больших массивов статистической информации. В результате такого анализа определяется характер математической зависимости для цены продажи квартиры на рынке от ее характеристик (параметров): общей и жилой площади, расположения, количества комнат, этажа, типа дома, наличия телефона и т.д.

Таким образом, строится модель и определяется некоторая зависимость (функция) цены от параметров квартиры, приближенно описывающая рыночную ситуацию. Будучи один раз сформулированной, эта зависимость может многократно применяться для различных квартир. Подставив в эту зависимость определенный набор значений параметров конкретной квартиры и выполнив соответствующие вычисления, на выходе мы получаем конкретное значение оценки этой квартиры. Определение формы этой зависимости требует высокой квалификации разработчиков и весьма трудоемко, но ее использование для оценки конкретной квартиры очень просто, доступно практически каждому и занимает очень мало времени, особенно если это делается на компьютере. В этом, собственно говоря, и выражается суть массовой оценки недвижимости.

Массовая оценка недвижимости — это специальный подход к упрощенной оценке большой группы однородных объектов (например, квартир). Такая оценка производится по определенной методике: для оцениваемого объекта определяется соответствующий набор значений фиксированного множества его параметров, а затем по неизменным для всех объектов правилам формируется значение его оценки.

Массовая оценка имеет свои специфические области применения. Примером такой оценки является оценка квартир «по справке Бюро Технической Инвентаризации (БТИ)», основанная на затратном подходе. Она выполняется государственным органом и используется для определения налогов и сборов. Однако оценка БТИ не ориентируется на рыночную стоимость. Поэтому для ее построения не требуется рыночная информация.

В США массовая оценка широко применяется и для оценки рыночной стоимости недвижимости, но преимущественно в целях налогообложения. При этом массовая оценка рассматривается как систематическая оценка групп объектов недвижимости по состоянию на определенную дату с использованием стандартных процедур и статистического анализа. Массовая оценка строится на тех же принципах, что и индивидуальная оценка. Однако процедуры массовой оценки подразумевают построение оценочных моделей (выраженных в виде уравнений, таблиц и схем), применение стандартных методик и статистического контроля качества выполнения расчетов[4].

На языке математики (статистики) сказанное выше можно сформулировать немного иначе. Фактическая цена сделки для конкретной квартиры – это отдельное наблюдение случайной величины, выражающей цены квартир на рынке данного региона. Ее значение зависит от параметров квартиры, а также от условий сделки и характеристик ее участников. Поэтому абсолютно равноценные квартиры при разных участниках сделки могут быть одновременно проданы (и реально продаются) за разные цены. Рыночная стоимость квартиры – это среднее значение (математическое ожидание) этой случайной величины для данной квартиры. Соответственно, оценка рыночной стоимости квартиры – это оценка среднего значения (математического ожидания) этой случайной величины для данной квартиры на дату проведения оценки. Поэтому добросовестная (а не подогнанная) оценка рыночной стоимости квартиры не должна совпадать с фактической ценой сделки с этой квартирой с точностью до одного рубля или доллара. Правильные оценки должны быть близки к фактическим ценам сделок «в среднем», в статистическом смысле.

Как показывает западный и московский опыт, массовая оценка недвижимости может применяться и для определения ее рыночной стоимости. Но она применима только для групп объектов, обращающихся на рынке в большом количестве и имеющих установившуюся рыночную стоимость, что позволяет обоснованно применять статистические методы.

В России наиболее ярким примером такой группы являются московские квартиры. Ежемесячно в Москве оформляется несколько тысяч сделок купли-продажи квартир. Такие масштабы рынка позволяют установить закономерности, определяющие зависимость рыночных цен квартир от их параметров. Это и дает возможность применять для них подход массовой оценки недвижимости.

Другими возможными, но не столь очевидными, областями применимости массовой оценки недвижимости являются: купля-продажа квартир в других регионах России; аренда квартир в Москве или другом крупном городе.

Но массовая оценка недвижимости абсолютно неприменима для рыночной оценки крупных нежилых зданий или их комплексов (например, комплекса зданий и сооружений некоторого завода). В подобных случаях отсутствует необходимая статистическая база (выборка) наблюдений аналогичных сделок (объектов), и необходима традиционная индивидуальная оценка в соответствии со стандартными подходами.

Моделирование, вне зависимости от предметной области, является одним из основных методов научного исследования. При построении любой конкретной модели должны учитываться как общие принципы моделирования, так и особенности предметной области. Из бесконечного многообразия жизни модель выделяет наиболее существенные в данном случае черты и элементы и устанавливает теоретические (модельные) взаимосвязи между ними. Модели считаются «хорошими», если они не противоречат известным фактам и позволяют предсказывать новые. Необходимо точно определить предмет моделирования и закладываемые в модель предпосылки, а также область применения модели[5].

Модель является представлением того, как действует некоторая система. Модели разрабатываются для проверки теоретических положений и предсказания исхода будущих событий. Рассматриваемые нами оценочные модели служат для обоснования или прогноза рыночной стоимости объектов на базе имеющихся данных о недвижимости. Для построения модели необходимо наличие хорошей теоретической базы и эффективных аналитических и исследовательских методов. Оценщику, владеющему принципами моделирования, значительно легче обосновать результаты оценки. Лучшие образцы оценочных моделей являются точными, рациональными и объяснимыми.

Спецификация и калибровка моделей — отдельные этапы моделирования. Спецификация модели представляет собой процесс ее построения на основе экономической теории, теории оценки и рыночного анализа. Спецификация включает выбор используемых переменных спроса и предложения и определение их взаимосвязей и соотношений со стоимостью. Калибровка модели — это процесс адаптации формул массовой оценки к текущему состоянию рынка с расчетом неизвестных параметров модели, например, поправок при сравнении продаж.

Оценочная модель состоит из одной зависимой переменной и одной или нескольких независимых переменных. Зависимая переменная представляет собой то, что оценивается, например, рыночная стоимость объекта недвижимости. Независимая переменная, например жилая площадь, является величиной, используемой для прогнозирования или обоснования значения зависимой переменной. При спецификации модели оценщик должен решить, какие переменные исследовать, и каким образом они связаны между собой. При калибровке модели определяются количественные соотношения, то есть вводится коэффициент (цена или процентная поправка) для каждой независимой переменной, например, цена в долларах кв. м жилой площади[6].

Мы рассматриваем модель процесса ценообразования на вторичном рынке квартир в Москве. На нем продавцами выступают частные лица, а не государство. Цель моделирования — определить, как рыночная стоимость квартиры зависит от ее основных характеристик (параметров), и выявить характер (формулу) этой зависимости. Здесь следует подчеркнуть известное различие между понятиями фактической продажной цены и рыночной стоимости, которое мы рассматривали выше. Требуется также уточнить, какой тип цен и стоимости имеется в виду.

В любом случае мы рассматриваем цены до налогообложения. Но и до учета налогов при продаже квартиры на рынке наблюдается несколько различных типов цен сделки.

Во-первых, цены подразделяются на цену продавца, цену покупателя и цену реализации.

Цена продавца — это сумма, которую он получает себе в результате совершения сделки.

Цена покупателя это общая сумма всех его затрат на покупку квартиры.

Цена реализации — это сумма денег, которую покупатель отдает продавцу за квартиру.

Они различаются на величину оплаты услуг посредников и расходы на оформление сделки. Посредник может быть, а может и отсутствовать как у покупателя квартиры, так и у ее продавца. Сделка может страховаться или не страховаться. Затраты на оформление сделки могут разными способами распределяться между ее участниками. Эти расходы значительно различаются от сделки к сделке. Поэтому цена реализации характеризует квартиру как таковую, а цены покупателя и продавца сильно зависят и от условий сделки. Как правило, если у продавца есть посредник, то его оплата вычитается из цены реализации и уменьшает цену продавца. И наоборот, оплата покупателем услуг своего посредника (если он есть) увеличивает цену покупателя по отношению к цене реализации. Аналогичным образом на эти цены влияет оплата оформления сделки. Таким образом, цена продавца и покупателя могут значительно различаться (до 15% и более). Но цена реализации минимально зависит от конкретных особенностей механизма продажи и оформления сделки и определяется спецификой самой квартиры. Поэтому целесообразно моделировать именно зависимость цены реализации от многих параметров квартиры, что и сделано в нашей методике.

Во-вторых, на квартирном рынке существуют (как и на других рынках) различные виды цен:

◉ цена предложения — по которой квартира выставляется на продажу;

◉ цена спроса — определяемая в заявке на покупку квартиры;

◉ цена сделки — по которой фактически продается квартира.

Каждая из этих видов цен может рассматриваться как минимальная, максимальная или средняя. Первые две имеют случайный характер. Наибольший интерес для анализа представляет средняя цена сделки, как отражающая наиболее существенные черты рыночной ситуации и баланс спроса и предложения.

Однако в наших условиях «серого» рынка большинство сделок с квартирами для уменьшения налогов и сборов оформляется по ценам из справок БТИ. А информация о реальных ценах сделок почти недоступна. Цены спроса также мало пригодны для анализа, поскольку в заявке на покупку квартиры ее цена и параметры указываются многовариантно (например: в Центре или около метро «Первомайская»). Зато по ценам предложения в рекламных публикациях (газеты «Из рук в руки», «Квартира Дача и Офис» и др.) и в базах данных риелторских фирм имеется большое количество однозначной информации о продаваемых квартирах. Именно эта информация, о тысячах реальных заявок на продажу квартир ежемесячно, пригодна для моделирования многопараметрической зависимости цены предложения продавца от характеристик квартиры. Но нас интересует другая зависимость — для цены сделки. Чтобы ее установить, нами дополнительно исследуется среднее соотношение между ценой предложения и ценой сделки. Для анализа этой однопараметрической зависимости достаточно и небольшой по объему информации о десятках реальных сделок, которые нам ежемесячно удается собирать. Объединяя эти две зависимости, нам удается получить модель для определения рыночной цены реализации при сделке купли-продажи квартиры.

В настоящее время собственность на квартиру в Москве непосредственно не связана с собственностью на земельный участок. Поэтому, в отличие от характерной для США практики оценки односемейных жилых домов, стоимость земельного участка учитывать не требуется. Оценке подлежит непосредственно квартира как специфический физический и экономический объект (с учетом ее окружения).

Другое важное отличие (или сходство?) с США связано с единицей измерения цен. В большинстве развитых западных стран цены и оценки обычно определяются в национальных денежных единицах. Однако в ряде стран с высоким уровнем инфляции, цены на недвижимость традиционно измеряются в «твердой» иностранной валюте, обычно — в долларах США. Это в полной мере относится и к Москве. В условиях резких колебаний курса рубля по отношению к доллару рублевые цены изменялись слишком быстро, а долларовые — относительно устойчивы. Поэтому в Москве на вторичном рынке квартир цены традиционно измеряются в долларах США. Далее в наших моделях мы следуем этой общепринятой практике. При необходимости перевод долларовых цен в рубли производится по официальному курсу на соответствующую дату, установленному Центральным Банком Российской Федерации (или на ММВБ).

Таким образом, в качестве зависимой переменной в нашей модели, исходя из специфики задачи, нами выбрана ожидаемая средняя цена реализации квартиры при сделке ее купли-продажи на вторичном рынке московских квартир, измеренная в долларах США.

А независимыми переменными являются параметры (характеристики) квартиры, оказывающие существенное влияние на ее рыночную стоимость и доступные для наблюдения и анализа. Их определение и описание составляет отдельный этап построения модели, который мы рассмотрим ниже.

В соответствии со своим определением рыночная стоимость объекта недвижимости зависит от тех факторов, которые определяют среднюю или наиболее вероятную цену его продажи на рынке при нормальных условиях сделки.

Как и в других механизмах ценообразования, цена каждой сделки по купле-продаже недвижимости определяется множеством таких факторов.

На первом уровне классификации они могут быть подразделены на объективные и субъективные факторы. При определенной условности такого деления оно группирует факторы, зависящие и независящие от воли отдельно взятого участника конкретной сделки.

При определении рыночной стоимости рассматриваются объективные факторы. Что касается субъективных факторов, то они связаны с поведением конкретного покупателя, продавца или посредника при заключении сделки, в части не определяемой непосредственно ее экономическими условиями (темперамент, осведомленность, честность, терпеливость, доверчивость, личные симпатии и антипатии и т.п.). Анализ этих факторов, относящихся к области индивидуальной психологии, а не экономики, выходит за рамки оценки рыночной стоимости недвижимости.

Объективные факторы, в основном, являются экономическими, определяющими, в конечном счете, средний уровень цен конкретных сделок. А цена каждой конкретной сделки формируется под влиянием и иных факторов и составляет своего рода случайную величину, которая колеблется вокруг этого среднего уровня.

Экономические факторы могут быть подразделены на макроэкономические и микроэкономические. К первым относятся факторы, связанные с общей конъюнктурой рынка: исходный уровень обеспеченности потребности в объектах недвижимости в регионе; объемы и структура нового строительства и реконструкции; факторы миграции; правовые и экономические условия сделок (налоги, пошлины,...); уровень и динамика инфляции; курс доллара и его динамика. В российских условиях в составе группы макроэкономических факторов могут быть также указаны следующие долгосрочные факторы:

◉ различия в динамике цен на товары и услуги, а также условий оплаты труда, влияющие на масштабы накопления денежных средств и величину отложенного спроса;

◉ темпы и масштабы формирования нового социального слоя «богатых людей», располагающих возможностями инвестирования средств в недвижимость;

◉ развитие системы иностранных представительств в регионе (в Москве).

В отдельную подгруппу можно выделить факторы, связанные с феноменами массового сознания: инфляционные ожидания, рекламные мифы и т.п. Они особенно проявляются на квартирном рынке. Влияние указанных факторов, определяющих общую ситуацию на рынке квартир, на общий уровень, структуру и динамику цен на различные типы квартир, — это предмет самостоятельного исследования.

Макроэкономические факторы являются инерционными, существенно влияющими на долгосрочную динамику общего уровня цен на квартиры и на изменение их структуры (т. е. соотношения цен между разными группами аналогичных квартир). Но в краткосрочном плане (примерно в рамках одного месяца) их условно можно считать постоянными, а общую конъюнктуру рынка — фиксированной. (На практике наблюдалось одно существенное исключение: это — валютный курс. Однако на цены в долларах он непосредственно не влияет. А его влияние на рублевые цены учитывалось путем определения цены недвижимости в долларах с ее последующим пересчетом в рубли по курсу на момент сделки.). Их совокупное влияние проявляется в динамике и в текущем среднемесячном уровне рыночных цен на квартиры.

Микроэкономические факторы характеризуют объективные параметры конкретных сделок. Из них особенно важны те, которые описывают объект сделки (квартиру). Существенными являются также факторы, связанные с характером сделки и условиями платежей. Но в последние годы (после 1999 г.) характер сделок с квартирами в Москве стал типовым и стабильным. Отработаны основные процедуры оформления сделок и их оплаты. Поэтому при массовой оценке рыночной стоимости квартир можно и нужно ориентироваться на типовой (средний) характер сделки, считать этот фактор постоянным и не учитывать его при оценке рыночной стоимости квартир. Тогда рыночная стоимость (усредненная цена) квартиры, оцениваемая на фиксированную дату, обуславливается ее параметрами (характеристиками) как потребительной стоимости.

На основе анализа способов описания и оценки квартир специалистами риелторами и оценщиками представляется целесообразным выделить следующие группы параметров, которые описывают:

Критерием для отбора параметров квартиры, которые следует включать в ее стандартное описание для массовой оценки, служит практика реальных участников квартирного рынка. Если продавцы и покупатели квартир, а также риелторы и оценщики, достаточно часто используют тот или иной параметр квартиры для определения или обоснования ее рыночной стоимости или продажной цены, значит, этот фактор учитывается рынком и должен включаться в первичное описание квартиры для ее оценки, и наоборот.

Набор таких параметров медленно изменяется с течением времени. Например, в 1993-94 гг. большинство участников сделок с квартирами в старых домах не интересовалось типом межэтажных перекрытий. Соответственно, этот параметр обычно не влиял на цену квартиры, и его не следовало учитывать при оценке ее рыночной стоимости. А в 1996-97 гг. тип перекрытий стал одной из важнейших характеристик квартиры. Например, в «сталинских» или в более старых домах (во всех новых домах только железобетонные перекрытия) цены на квартиры с деревянными перекрытиями по деревянным балкам могут быть ниже на 15-20%, чем на аналогичные квартиры в домах с железобетонными перекрытиями. Поэтому появилась острая необходимость включить этот параметр в стандартное описание квартиры для ее массовой оценки. Что и было сделано.

При определении набора параметров, используемых для описания квартиры, требуется учитывать наличие доступной для анализа рыночной информации, необходимой чтобы отразить в модели оценки влияние этого параметра на стоимость квартиры. Окончательный выбор набора параметров квартиры, используемых в модели, зависит и от подхода к ее построению (спецификации) и калибровке.

Среди трех стандартных методов рыночной оценки недвижимости — затратного, по доходности и сопоставления продаж — для массовой оценки московских квартир достаточно ориентироваться только на последний из них. Имеется достаточно много рыночной информации о продажах квартир. Поэтому нет необходимости ориентироваться на косвенные методы определения их рыночной стоимости (затратный и доходный), которые в условиях несбалансированного московского рынка могут давать неадекватные представления о стоимости квартир. Впрочем, как отмечено выше, и в Америке метод сопоставления продаж в целом, представляет собой наиболее предпочтительный метод оценки рыночной стоимости жилой недвижимости.

Методика массовой оценки, базирующаяся на методе сопоставления продаж и определяющая рыночную стоимость квартиры в зависимости от ее параметров, может создаваться разными путями.

Первый подход ориентируется на формализацию мнений экспертов (специалистов) о характере зависимости рыночной стоимости объекта от его параметров. Мы назовем его экспертным. При этом автор методики закладывает в нее свое мнение о форме этой зависимости, которое в большей или меньшей степени обобщает мнения других специалистов. Получаемые в результате методики носят чисто субъективный характер. У разных авторов они могут очень сильно различаться по выдаваемым результатам для одинаковых объектов. В отдельных случаях подобные методики могут быть «хорошими», то есть в большинстве случаев давать оценки, близкие к фактическим рыночным ценам. Но часто они могут быть и «плохими». Сложность экспертной разработки методики определяется тем, что необходимо учитывать множество параметров (десятки), среди которых могут быть и статистически зависимые (например, наличие лифта и мусоропровода в доме взаимосвязаны: обычно они имеются либо отсутствуют вместе). А опрашиваемый эксперт, как правило, не может разделить влияние на цену таких «связанных» параметров, и происходит «удвоение» поправок. Кроме того, такую методику сложно обновлять, поскольку мнения эксперта могут быть менее динамичными, чем рынок, либо наоборот, прогнозировать изменения, которые реально на рынке не произойдут или затронут его в меньшей степени.

Второй подход базируется на использовании статистического анализа. Мы назовем его статистическим. Как показывает опыт США, он может широко применяться при оценке мелких жилых объектов. Основным и традиционным статистическим методом, имеющимся в распоряжении оценщика, для калибровки моделей сравнения продаж является множественный регрессионный анализ (МРА). МРА — это статистический способ определения неизвестных данных на основе известной и доступной информации. В массовой оценке неизвестными данными являются значения рыночной стоимости. К известным и доступным данным относятся цены продажи и характеристики объектов недвижимости.[7]

В США в последние годы внимание оценщиков привлекли методы изучения рыночных данных с помощью регрессионного анализа и других математических методов. Стандартные программы пошаговой множественной регрессии (как более традиционной разновидности МРА) основаны на том, что определенные идентифицируемые характеристики рынков жилья (называемые независимыми переменными) могут быть по отдельности исследованы для уточнения их индивидуального и совокупного вклада в величину стоимости. Однако в отличие от традиционных методов, математические приемы анализа сопоставимых продаж являются более сложными и обычно требуют более мощной вычислительной техники. Основным вкладом этих новых методов явилось более пристальное внимание к процессу внесения поправок при анализе продаж. Там, где используется более одного набора сопоставимых пар, при расчете коэффициентов поправок существует возможность «удвоения» поправок. Это происходит из-за взаимозависимости или пересечения многих элементов сравнения (часто именуемых, как их «колинеарность»). Например, поправки, которые вводятся для жилой площади и для числа спален, не являются независимыми. Любая переменная, вероятно, включает некоторые элементы другой переменной. Методы регрессии (особенно пошаговой) применяются для ослабления этой проблемы и позволяют количественно измерить взаимозависимость, если она существует. Другая причина все более широкого использования регрессионного анализа и сходных методов — они позволяют анализировать большие объемы рыночной информации и обеспечивают более качественный анализ и понимание рынка при оценке рыночной стоимости, чем традиционные методы[8].

По аналогии, применение МРА может быть особенно рекомендовано для квартир в Москве.

При использовании этого метода путем математической обработки имеющейся информации о рыночных ценах и параметрах большого числа однородных объектов определяется математическая зависимость цены от параметров, которая наилучшим, в некотором стандартном математическом смысле, образом соответствует имеющейся информации. Получаемые при этом результаты зависят в основном от представленной на обработку информации и, в меньшей степени, от вариантов стандартных методов ее обработки, выбранных автором методики. Они имеют воспроизводимый, объективный характер и мало зависят от человека, проводящего анализ (особенно, при фиксированных методах обработки исходной информации). Современные методы статистического анализа с использованием компьютеров и специальных пакетов прикладных программ позволяют обрабатывать огромные массивы информации (о десятках и сотнях тысяч квартир) и получать хорошие и устойчивые результаты. К недостаткам этого метода относятся его высокая трудоемкость и возможность учитывать только строго ограниченный набор параметров объектов и значений каждого параметра, исходя из наличия информации о них в массиве исходных данных (в нашем случае — в базе данных заявок на продажу квартир, ведущейся фирмой).

При разработке нами в 1993 г. методики рыночной оценки квартир принят и последовательно применялся естественный критерий качества методики: если обычно по методике получаются правдоподобные оценки, либо оценки близкие к фактическим ценам сделок, то методика хорошая, а иначе — плохая.

Наш практический опыт показал, что экспертный подход не позволяет получить удовлетворительных результатов, а статистический приводит к методике, которая хорошо оценивает обычные квартиры в домах массовой застройки, но плохо справляется с оценкой нестандартных квартир.

Для повышения качества методики в части необычных квартир мы применили третий подход. Назовем его смешанным. При этом подходе сначала делается предварительная оценка по набору основных параметров, учитываемых в базе данных заявок на продажу квартир, на основе статистического подхода, а затем она корректируется с учетом значений ряда дополнительных параметров, которые там не отражаются, на основе экспертного подхода. В результате получается уточненная оценка по широкому набору основных и дополнительных параметров на основе смешанного подхода. Именно такая оценка дает наилучшие результаты и применима как для стандартных, так и для необычных квартир.

Таким образом, именно смешанный подход оказывается оптимальным для практики.

Выбор учитываемых параметров и задание возможного диапазона значений каждого из параметров квартиры — важнейший этап построения методики оценки.

Выше мы рассмотрели факторы, влияющие на оценку рыночной стоимости недвижимости, показали, что при ежемесячном обновлении методики (модели) массовой оценки квартир все макроэкономические факторы можно считать условно-постоянными, поскольку их совокупное воздействие отражается в ценах квартир, анализируемых при построении и калибровке модели. Соответственно, анализировать и описывать требуется только сами квартиры, как объекты оценки, с учетом их внутренних и внешних характеристик (дома, окружения, местоположения).

Применяемый нами смешанный подход определяет некоторые ограничения. В статистической части модели, соответствующей методике предварительной оценки квартир, набор параметров и их значений определяется тем, что имеется в исходной информации для анализа. Возможно только исключить некоторые из них из рассмотрения. Но это делать не требуется, так как статистически не значимые параметры автоматически исключаются из получаемой при применении метода МРА оценочной зависимости.

А в экспертной части методики уточненной оценки квартир имеется полная свобода творчества. Критерием отбора параметров здесь служит максимально адекватное отражение рыночной реальности, даже если она и кажется не вполне рациональной (что мы уже обсуждали выше при рассмотрении понятия рыночной стоимости недвижимости).

Соответствующие наборы параметров для предварительной и для уточненной оценки представлены в приложениях 3 и 4.

Наиболее важный и сложный параметр — это местоположение квартиры. Теоретически этот параметр может задаваться многими различными вариантами. Однако мы, исходя их своей последовательной ориентации на риелторскую практику и на используемую в ней информацию, остановились на наиболее распространенном варианте описания. Местоположение квартиры в Москве определяется заданием ближайшей станции метро и расстоянием от метро в минутах пешком, либо наземным транспортом. Только такой вариант позволил нам ежемесячно получать достаточное количество исходной информации для статистической обработки. Она поступала в форме массива данных на магнитном носителе (на дискете) или по электронной почте. Далее она автоматизировано (с помощью специальной компьютерной программы) готовилась к статистической обработке соответствующим пакетом статистических прикладных компьютерных программ.

А доступность и невысокая трудоемкость получения и первичной подготовки исходной информации для статистического анализа являются важнейшими условиями, определяющими практическую реализуемость постоянного обновления методики массовой оценки для поддержания ее соответствия меняющейся рыночной конъюнктуре.

В перспективе возможна привязка программы оценки квартир к автоматизированным картографическим системам. Но это станет реальным только после перевода баз данных риелторских фирм по продажам квартир на подобные системы, чтобы из них получать исходную информацию для анализа в новом формате данных.

Огромные массивы исходной информации о продажах десятков тысяч московских квартир, необходимой для построения и калибровки модели их массовой оценки, практически невозможно обработать вручную. Эту задачу можно решить только с использованием современной компьютерной техники и соответствующего программного обеспечения. Аппаратных возможностей современных персональных компьютеров (например, на базе любых процессоров Pentium) вполне достаточно для решения подобных задач. Можно использовать и типовое программное обеспечение (например, статистические пакеты прикладных программ), но часть программ для этих задач приходится писать специально. В нашем случае были написаны программы для преобразования информации о квартирах из исходного формата, выдаваемого из базы данных, в формат, пригодный для обработки используемым нами статистическим пакетом.

Использованный нами смешанный подход к моделированию рынка квартир базируется на статистическом анализе массивов реальных данных о заявках на их продажу.

В настоящее время статистический регрессионный анализ — это весьма развитая и сложная математическая дисциплина, детали которой мы, естественно, здесь не рассматриваем. Хорошее изложение основ этих методов применительно к нуждам оценщиков недвижимости содержится в переводной американской литературе[9].

Но в прикладном плане методы регрессионного анализа реализованы в специальных статистических пакетах прикладных программ. Это позволяет получать и использовать результаты анализа, не очень задумываясь, какими математическими методами они получены. Но их правильное использование требует определенной квалификации. Инструкция пользователю применявшегося нами пакета представляет собой книжку на английском языке объемом около 150 страниц. Пользователь пакета должен уметь вводить в него исходную информацию, выбирать форму искомой модели (регрессии), организовывать процесс обработки информации на компьютере и правильно трактовать получаемые результаты. Для этого не требуется знать детали используемых в статистическом пакете расчетных алгоритмов, но нужно понимать суть применяемых статистических методов обработки информации.

В любом случае для получения качественных результатов анализа необходимая качественная исходная информация.

В последние годы квартирный рынок в Москве можно считать сформировавшимся, но он остается весьма динамичным. Рыночные стоимости квартир довольно существенно изменяются со временем. Поэтому любая методика для поддержания актуальности требует частого обновления. В нашем случае оно обеспечивается ежемесячно. Реально это возможно, если в качестве исходной информации для многопараметрического статистического анализа на компьютере используются готовые массивы информации. В нашем случае использовалась коммерческая база данных, которая продана ряду риелторских фирм и постоянно обновляется ее владельцем. В ней за месяц накапливалось примерно 30-60 тысяч заявок на продажу московских квартир.

Однако такая «не специальная» исходная информация не вполне отвечает требованиям дальнейшей статистической обработки. В ней содержатся лишние данные о некоторых квартирах в Подмосковье или о квартирах, продаваемых с условием пожизненного проживания, а также квартиры без указания цен или некоторых наиболее важных параметров (площадь, расположение). Такие «плохие» заявки (квартиры) выявляются и удаляются из выборки до начала анализа. Для уменьшения влияния на модель случайных «выбросов» из выборки удаляются самые дешевые и сами дорогие (в расчете на 1 кв.м) квартиры: например, по 1% квартир с каждого края. Как правило, удаляемые при этом квартиры — нетиповые, и реальная оценка для них обеспечивается за счет дополнительных «экспертных» параметров. Поэтому в статистическом анализе учитывать их нецелесообразно.

Серьезная техническая проблема — это различие форматов представления информации в базе данных о квартирах и в используемом пакете прикладных программ для статистического анализа. Например, в исходном файле наличие лифта отражается знаком «+», а его отсутствие — знаком «–». А для обработки статистическим пакетом записывается соответственно «1» или «0». Аналогично, в числовой форме кодируются и другие качественные показатели (количественные показатели типа площадей квартиры или кухни, первоначально выраженные в числовой форме, на этом этапе могут оставаться без изменения). Для решения проблемы перекодирования исходной информации разработана и применяется специальная программа переформатирования данных выборки квартир из базы данных в формат, пригодный для обработки статистическим пакетом (в некоторых более новых и дорогих статистических пакетах это можно сделать средствами самого пакета).

В результате такой предварительной подготовки формируется совокупность данных, которая пригодна для дальнейшего статистического регрессионного анализа.

В конечном итоге нас интересует оценка стоимости квартиры. Но цены квартир различаются в десятки раз. Различия в ценах определяются разницей в размерах квартир, которые также могут различаться в 10 и более раз, и в их качестве. Эти различия можно и нужно учитывать последовательно. Учет размеров квартир осуществляется при помощи выявления зависимости цены квартиры от ее площади. Затем рассматривается зависимость цены, приведенной на единицу площади, от качественных характеристик квартиры.

Для сопоставимости цены квартир обычно приводятся на условную единицу измерения или единицу сравнения. В риелторской практике рассматривались два основных варианта такой единицы для московских квартир: 1 кв. м общей либо жилой площади квартиры. Однако уже в 1993 г. большинство стало использовать приведение по общей площади. Большинство публикаций об уровне и динамике цен на квартиры в Москве говорит о средней цене 1 кв.м общей площади квартиры. Наш статистический анализ подтвердил более высокую корреляцию (взаимосвязь) цены с общей площадью квартиры, по сравнению с ее жилой площадью.

Поэтому в дальнейшем исследовалась именно зависимость цены 1 кв. м общей площади квартиры от ее параметров. При этом рассматривается общая приведенная площадь всех помещений квартиры, с учетом приведенной площади балконов и лоджий (как в документах БТИ).

Первоначально в нашей методике переход к цене квартиры осуществлялся умножением полученного результата на ее общую площадь. При этом, как исключение, было возможно и внесение отдельных экспертных поправок непосредственно к цене всей квартиры (например, на отсутствие телефона). Такая модель выражается формулой:

S общ — ее общая площадь (без балконов и лоджий) в кв.м;

К — коэффициент стоимости 1 кв.м ее общей площади, определяемый в зависимости от ее характеристик х1, х2,..., хN;

п1, п2,..., пM — аддитивные экспертные поправки к общей стоимости квартиры.

При этом в статистическом анализе аддитивные поправки не учитывались, и рассматривалась зависимость типа

Такой подход соответствует принятой у риелторов практике рассматривать зависимость стоимости 1 кв.м квартиры от ее параметров.

Однако, как показано у Харрисона[10], при таком подходе в процессе построения линейной регрессии для зависимости стоимости квартиры от ее площади (т.е. при приближении этой зависимости прямой линией) в модель произвольно вводится допущение, что эта прямая проходит через начало координат. А для реальных выборок квартир это обычно не так.

Общая модель линейной регрессии цены от площади квартиры имеет вид:

Алгоритм простой линейной регрессии так подбирает значения констант А и К, чтобы по анализируемой выборке квартир минимизировать сумму квадратов отклонений оценок квартир по этой формуле от реальных цен квартир. При этом частный случай, когда А = 0, реализуется очень редко. Соответственно, первая модель, в которой заложено это предположение (А = 0), значительно хуже описывает рыночную реальность и имеет меньшую точность.

Поэтому в настоящее время мы используем несколько более сложный подход, чем использовавшийся первоначально.

На первом этапе по имеющейся (предварительно подготовленной для статистического анализа) выборке квартир строится простая модель линейной однопараметрической регрессии для зависимости цены квартиры от ее общей площади. По этой модели определяются значения констант А и К.

На втором этапе формируется новая выборка, где для каждой квартиры (i) вычисляется соответствующая ей величина Кi, по формуле:

Затем эта расчетная величина Кi, как приведенная стоимость 1 кв.м, рассматривается в качестве зависимой переменной и статистическими методами строится модель для ее оценки по всем учитываемым характеристикам квартир. То есть К рассматривается как функция от параметров (характеристик) квартиры.

Такой подход — более общий и позволяет лучше моделировать рыночную реальность и обеспечить большую точность оценок по сравнению с первоначальным подходом, когда считалось, что А = 0, и рассматривалась зависимость от параметров квартиры для исходной (не приведенной) стоимости 1 кв.м.

Современные статистические пакеты позволяют строить модели как линейной, так и нелинейной регрессии. Но методы построения линейных моделей существенно проще и надежней. Они предъявляют менее жесткие требования к количеству исходной информации и лучше приспособлены для учета возможных зависимостей между параметрами. Поэтому мы предпочли ориентироваться на построение модели линейной регрессии при определении статистической зависимости приведенной стоимости 1 кв. м общей площади квартиры от ее параметров. Однако такая модель применима, когда она не противоречит существу дела.

Основным видом модели, к которой непосредственно применяется МРА, является аддитивная модель.

Общая структура аддитивной модели МРА выглядит следующим образом:

b1, b2,..., bp — коэффициенты (веса) приписываемые в процессе работы алгоритма независимым переменным;

Адекватность и интерпретируемость модели МРА зависит от того, в какой степени удовлетворяются некоторые исходные требования. Для массовой оценки к ним относятся полнота и точность данных, линейность, аддитивность, отсутствие корреляции между независимыми переменными, репрезентативность выборки и некоторые другие, более специальные статистические требования[11].

Точность оценок, генерируемых моделью, не может быть выше точности данных, на которых они основаны. Компьютерное редактирование данных позволяет выявить и отсеять данные не пригодные для анализа (выше мы уже рассматривали этот момент применительно к московским квартирам).

Линейность означает, что предельный вклад независимой переменной в значение зависимой переменной является постоянной величиной на всем интервале возможных значений переменной. Поскольку условие линейности в реальности выполняется далеко не всегда, может возникнуть необходимость в математическом преобразовании данных, используемых в аддитивных моделях МРА. Кроме того, линейности может способствовать стратификация объектов по каким-либо однородным группам. Напротив, в мультипликативном МРА условие линейности не обязательно.

Аддитивность означает, что предельный вклад произвольной независимой переменной не зависит от других переменных, используемых в модели. Условие аддитивности нарушается, если, например, дополнительная площадь увеличит стоимость нового дома в большей степени, чем старого. Когда имеет место смешанное (интерактивное) влияние переменных на цену продажи, приближенной аддитивности часто можно добиться за счет мультипликативных или дробных преобразований. Достижению аддитивности помогает и стратификация. Однако существенно интерактивные модели не удается удовлетворительно аппроксимировать путем преобразования входных данных. В таких случаях приходится обращаться к моделям, имеющим мультипликативную или гибридную структуру.

МРА также предполагает, что независимые переменные не коррелируют между собой. Ситуация, когда это условие нарушается — так называемая мультиколлинеарность — довольно частое явление в массовой оценке. Обычно встречается неполная мультиколлинеарность, когда некоторые независимые переменные, коррелируют друг с другом, но точной линейной зависимости не наблюдается (например, общая и жилая площади квартиры). Проблема для этого случая мультиколлинеарности в том, что возникают затруднения в интерпретации коэффициентов регрессии (например, при жилой площади он может быть отрицательным, что может казаться странным). В таких ситуациях следует помнить, что коэффициенты регрессии измеряют предельный вклад переменной при фиксации остальных переменных в уравнении. Это позволяет объяснить появление коэффициентов с неожиданным знаком или величиной.

Простой процедурой уменьшения мультиколлинеарности является исключение избыточных переменных. Когда две переменные сильно коррелируют между собой, зачастую одну из них можно исключить из модели без существенной потери ее точности. В действительности алгоритм пошаговой регрессии в значительной степени выполняет эту процедуру автоматически посредством исключения переменных, соответствующих некоторому установленному уровню значимости.

Для корректного использования МРА требуется также, чтобы совокупность объектов недвижимости, на основе которых строятся модели, представляла собой репрезентативную выборку из совокупности объектов, к которой модель применяется (то есть, имела бы примерно такую же структуру по типам квартир).

Из перечисленных выше условий наиболее важные — полнота, точность и репрезентативность входных данных. МРА — это довольно надежный инструмент. Он работает достаточно хорошо даже в тех ситуациях, когда остальные вышеупомянутые исходные требования не выполняются. Разумеется, серьезные нарушения этих условий могут явиться причиной недостоверности моделей и потребовать от разработчика принятия необходимых мер по их корректировке.

Как видно из сказанного выше, использование аддитивной модели МРА связано с целым рядом ограничивающих условий. А мультипликативная модель частично свободна от них.

Мультипликативная модель имеет следующий вид:

Эту модель обычно калибруют, взяв натуральный логарифм от обеих частей:

ln (Y) = ln (b0 * X1 ^b¹ * X2 ^b² *... Xn ^bn) =
= ln (b0) + b1*ln (X1) + b2*ln (X2) +... +bn * ln (Xn)

МРА применяется для этой последней формулы, определяется ln (Y), а затем и Y по формуле

Когда цены варьируют в широком диапазоне, логарифмирование позволяет нормализовать распределение, уравнивая таким образом веса, присваиваемые объектам. С другой стороны, мультипликативная структура модели делает невозможным введение в модель аддитивных соотношений. Нельзя также разделить компоненты стоимости, относящиеся к земельному участку и сооружениям[12].

В нашем случае для московских квартир, особенно для приведенной стоимости 1 кв.м общей площади, недостатки мультипликативной модели несущественны, а ее достоинства очень важны. Поэтому на этом этапе моделирования мы выбрали мультипликативную модель. А в совокупности с первым этапом, где применялась простая аддитивная однопараметрическая зависимость цены квартиры от ее площади, мы используем гибридную модель.

Для применимости МРА требуется примерное выполнение требования линейности. Непосредственная проверка этого требования довольно затруднительна. Но даже примерная линейность анализируемой зависимости, безусловно, означает ее монотонность. Поэтому если для какой-либо переменной в модели не выполняется даже требование монотонности ее влияния на зависимую переменную, то такая переменная не годится для модели МРА.

В нашем случае многие важные для ценообразования параметры квартиры непригодны для моделирования методом линейного МРА. Например, вводимый для характеристики местоположения квартиры код ближайшей станции метро, состоящий из номера линии и порядкового номера станции на этой линии метро и рассматриваемый как число, явно не может линейно влиять на стоимость. Это влияние даже не является монотонным: при росте этого кода средняя цена квадратного метра может, как возрастать, так и уменьшаться.

Чтобы появилась такая монотонная и, предположительно, линейная зависимость, код станции метро заменяется в модели ее весом, который определяется как средняя цена 1 кв. м для всех квартир с таким кодом из рассматриваемой при определении регрессии выборки. Такой подход применяется и к замене других переменных. Он базируется не на произвольных математических преобразованиях (например, логарифмировании или взятии обратной величины 1/Х), а на использовании реальной рыночной информации. Эта его особенность представляется нам крайне важной. Каждому значению исходного параметра квартиры (например, площади кухни) сначала ставится в соответствие значение средней стоимости 1 кв.м общей площади по выборке квартир, имеющих данное значение этого параметра (например, кухню размеров 6 кв.м, т.е. от 5,50 до 6,49 кв.м). Таким образом, по каждому «взвешенному» параметру восстанавливается монотонность зависимости средней цены 1 кв.м квартир от значения «веса» этого параметра. Затем при необходимости с целью повышения линейности модели и упрощения трактовки получаемых при использовании МРА коэффициентов, к этим весам могут применяться монотонные математические преобразования, например, нормировка и/или логарифмирование.

После этого предположение о приблизительно линейном характере зависимости цены от веса станции метро, а также от всех других «взвешенных» переменных становится правдоподобным. Аналогичные замены переменных делаются и для некоторых других параметров, принимающих много значений: количество комнат, расстояние от метро, площадь кухни и др. Тогда в формуле линейной регрессии вместо значения исходного параметра используется соответствующее значение «веса». Например, вместо числа комнат = 3, используется соответствующий вес = 0,57.

Если параметр принимает всего два значения (например, наличие лифта: нет = 0; есть = 1) такая замена не требуется, а если 3-4 значения, то она может быть выполнена при присвоении кодов (например, нет мусоропровода = 0, есть мусоропровод в квартире = 0,1, есть мусоропровод на лестнице = 1).

Возможно также использовать и другой, более естественный, подход. Современные статистические пакеты позволяют работать не только с числовыми, но и с номинальными переменными (типа наименования станции метро). Тогда автоматически формируются и обрабатываются выборки для каждого фиксированного значения номинальной переменной.

Вся совокупность квартир в Москве достаточно разнородна. Структура цен внутри разных групп квартир может различаться. Например, цены на квартиры, расположенные в кирпичных домах с лифтом, обычно существенно выше, чем на аналогичные квартиры в панельных или блочных домах. И различия в весах станций метро (и других параметров) могут различаться не только за счет разного местоположения, но и по причине различной доли кирпичных домов в окружающей застройке.

Чтобы повысить качество статистического анализа в подобных случаях генеральная совокупность обычно подразделяется на более однородные группы. В нашем случае для отдельного анализа выделяются 4 группы квартир:

3) кроме 1-го этажа, в панельных или блочных (не в кирпичных) домах с лифтом;;

4) кроме 1-го этажа, в кирпичных домах с лифтом.

Для второй, третье и четвертой групп отдельно строятся веса переменных и статистические модели с соответствующими номерами. А для квартир на первом этаже вводятся специальные поправки. Они определяются статистически в зависимости от номера модели и числа комнат в квартире как соотношение соответствующих значений средних цен 1 кв.м квартир на первом этаже и не на первом этаже.

Такое разбиение на группы примерно в 2,5 раза увеличивает трудоемкость работы, но позволяет улучшить качество методики и точность расчетов.

После замены переменных для линеаризации зависимости можно приступить непосредственно к процедуре регрессионного анализа. При этом удобно воспользоваться традиционным пошаговым методом анализа. Исходя из сути задачи, можно указать параметры, которые обязательно включаются в модель (например, вес станции метро) и некоторые другие исходные управляющие параметры для этой процедуры. Обычно путем содержательного анализа получаемых формально результатов, выявляется необходимость некоторой корректировки этих исходных параметров для получения более осмысленных зависимостей. Окончательный результат, правильный формально и содержательно осмысленный (объяснимый), обычно получается после нескольких итераций с разными управляющими параметрами, но с неизменной исходной информацией о квартирах.

Такой анализ производится отдельно для каждой из рассмотренных выше трех моделей (кроме первого этажа) в отдельности. Соответственно, в результате возникает три формулы зависимости цены квартиры от ее параметров. При этом возникает дополнительная проблема согласованности результатов, получаемых по разным моделям. То есть, при изменении параметров квартиры, переводящих ее в другую модель, изменение ее оценки должно соответствовать рыночным реалиям (например, при замене панельного дома на кирпичный квартира должна становиться дороже). В большинстве случаев это обеспечивается автоматически в результате моделирования. Но если появляются исключения, то это требует дополнительного содержательного анализа и, возможно, корректировки методики оценки.

Полученные в итоге формулы зависимости приведенной цены 1 кв. м общей площади квартиры от ее параметров (с учетом вычисленной ранее константы А) служат основой методики предварительной оценки квартир.

Практика опытной эксплуатации программы предварительной оценки квартир, полученной на основе чистого статистического подхода, показала ее пригодность только для оценки стандартных квартир. А для необычных квартир погрешности оказались слишком велики. Поэтому понадобилось расширить набор учитываемых параметров квартир.

Известно, например, что стоимость первой в доме расселенной коммунальной квартиры была существенно меньше, чем последней. Ясно, что покупателю дорогой квартиры значительно приятнее жить по соседству с себе подобными, чем с обычными жильцами коммуналок. Для учета этого фактора в уточненную оценку включен параметр «Характеристика соседей по дому». Аналогично включен целый ряд других дополнительных параметров (охрана подъезда, шумность окон и т.д.). Всего (по состоянию на август 2005 г.) для предварительной оценки учитывается 15 параметров квартиры, а для уточненной — добавляется еще 29 (см. приложения 3 и 4).

Кроме того, в обоих случаях учитывается и дата оценки. Как и цена квартиры на рынке, величина оценки зависит от времени. В программу заложена базовая дата, а также темпы ежесуточного изменения цен по группам однородных квартир, которые меняются при каждом ежемесячном обновлении программы.

Число дополнительных параметров для уточненной оценки постепенно увеличивалось за время эксплуатации и совершенствования программы. Так в программу был внесен параметр «тип межэтажных перекрытий». Этот параметр достаточно важен при покупке квартиры в старом доме. Но еще в 1993-94 гг. он редко обсуждался при покупке и был неизвестен многим продавцам и покупателям. Это значит, что в то время он мало влиял на рыночную стоимость, и поэтому он не включался в оценку. Сейчас ситуация изменилась, и он был включен в уточненную оценку.

В перспективе подобная ситуация может повториться с картами участков радиоактивного загрязнения или карстовых участков Москвы. Такая информация существует и даже публиковалась, но пока она на практике, как правило, игнорируется продавцами и покупателями квартир и не влияет на их рыночную стоимость. Следовательно, в настоящее время она не должна учитываться в оценке.

Обобщая сказанное выше, важно подчеркнуть еще раз один методический момент: при оценке должны учитываться реалии современного рынка, а не представления специалистов о «правильном» ценообразовании, даже если эти представления вполне разумны, а рынок — не вполне рационален.

Величины поправок на значения дополнительных параметров невозможно определить статистически из-за отсутствия необходимой исходной информации. Поэтому их приходится определять на основе экспертных мнений. Окончательно они определяются автором и включаются в методику и в программу. Эти величины также корректируются в процессе обновления программы на основе ежемесячного сопоставления получаемых оценок с известными нам ценами реальных сделок, по которым удается получить полное описание квартиры по основным и дополнительным параметрам. Это позволяет повышать качество оценок и постоянно совершенствовать методику.

Описанный выше многопараметрический статистический анализ относился к ценам предложения продавцов. Для перехода к интересующим нас ценам сделок он, как упоминалось выше, дополняется анализом однопараметрической зависимости между известными нам фактическими рыночными ценами сделок и получаемыми на основе цен предложения оценками. В результате из сопоставления средних фактических цен сделок и средних оценок по ценам предложения для трех выделенных выше групп квартир (моделей) получаются три коэффициента перехода от цен предложения к ценам сделки. Эти коэффициенты включаются в методику (алгоритм) оценки.

Таким образом, на выходе оценки получаются значения, в среднем соответствующие ценам реальных сделок (ценам реализации квартир).

Разработка методики служит только основой для создания удобного для пользователя инструмента массовой оценки квартир. Выполнение расчетов по методике вручную трудоемко и неудобно, требует дополнительных трудозатрат на фиксацию результатов.

В современных условиях единственно приемлемой для коммерческого продукта является форма соответствующей компьютерной программы. Такая программа должна быть очень простой в обучении для неподготовленного пользователя, требовать минимальных затрат времени и сил на ввод исходных данных по конкретной квартире и на получение ее оценки, а также соответствующей распечатки.

Такая программа была разработана программистом А.С. Костиковым с участием автора. В сделанную на основе Fox-Pro программную оболочку легко вставляется нужная методика оценки. В результате получается простая и удобная для пользователя компьютерная программа оценки квартир, соответствующая «принципу телевизора». Внесение исходных данных в компьютер организовано как заполнение выводимого на экран шаблона с использованием «меню» для выбора значений текстовых параметров. А затем нажатием 2-3 клавиш запускается программа оценки. Результаты оценки вместе с параметрами квартиры выдаются на экран или на печать по выбору пользователя. Их также можно запомнить в специальный файл, а затем обрабатывать его любым редактором текстов при подготовке на компьютере отчета об оценке квартиры.

Быстрое изменение рыночных цен на квартиры (до 10% за 1 месяц в ту или другую сторону) приводит к необходимости постоянного обновления программы оценки. Но высокая трудоемкость анализа и формирования актуальной методики заставляет искать компромисс. Анализ показывает, что структура цен, то есть соотношение цен на квартиры с разными параметрами (например, между однокомнатными и двухкомнатными квартирами) меняется медленнее, чем средний уровень цен. Это обстоятельство учитывается при обновлении программы оценки.

В нашем случае автором обеспечивается ежемесячное обновление программы с учетом общего изменения уровня цен по моделям и по группам квартир с определенным числом комнат. При этом структура цен в методике оценки и основной алгоритм учета параметров квартиры не меняются. На новый месяц заново определяются новые уровни цен на новую базовую дату и новые темпы ежесуточного изменения цен. А учет изменений в структуре рыночных цен осуществляется один раз в квартал. При этом методика полностью формируется заново на основе нового статистического анализа данных за истекший квартал, что обеспечивает учет изменения и в уровнях цен, и в их структуре.

Таким образом, методика оценки не делается «раз навсегда», а постоянно обновляется на новые версии вслед за изменениями рыночной конъюнктуры.

Рассматриваемая в этом материале программа оценки успешно эксплуатируется с сентября 1993 г. по настоящее время. Осуществляется ежемесячное обновление программы и постоянное ее совершенствование. С 1994 г. осуществляется ее продажа как коммерческого продукта. За это время ее купили десятки московских фирм или индивидуальных оценщиков.

Эта программа может рассматриваться как частный случай экспертной системы. Подобные системы известны, например, в медицине. Они не заменяют человека, а помогают ему. Такая формальная система на компьютере работает хуже лучших специалистов, но лучше новичков или специалистов среднего уровня.

Человек обычно специализируется в довольно узкой области: хорошо оценивает квартиры в определенном районе или определенного типа (например, бывшие коммуналки). А программа обобщает знания многих специалистов и результаты статистического анализа. Она применима ко всем квартирам в пределах МКАД, а также для московских районов массовой застройки вне МКАД (для Подмосковья и других регионов она не годится).

Использование программы не требует практически никаких специальных знаний и позволяет неспециалистам легко и просто получать квалифицированные оценки рыночной стоимости московских квартир. Погрешность этих оценок по сравнению с фактическими ценами сделок, обычно не превышает 10% (для уточненной оценки). Поэтому эта программа особенно полезна для новых фирм, испытывающих недостаток опытных специалистов.

Кроме того, эта программа помогает риелторам решать специфические задачи. Предварительная оценка по ограниченному кругу параметров квартиры, содержащихся в поступающих на фирму заявках на продажу, позволяет выбирать перспективные для дальнейшей посреднической работы варианты. Если запрашиваемая цена ниже оценки, квартиру будет достаточно просто продать, и работать с ней перспективно. А если выше — наоборот.

Эта программа может помочь также при контактах с клиентами. Если они предлагают нереальные цены, то переубедить их на словах довольно сложно, поскольку они понимают пристрастность риелтора, убеждающего их изменить цену с целью облегчения своей работы. А компьютер в этом плане имеет явные преимущества. Если продемонстрировать клиенту на компьютере несколько разумных оценок чужих квартир, с которыми он согласится, а затем оценить его квартиру, это будет убедительным доводом для клиента и позволит согласовать с ним разумную цену.

В настоящее время любой желающий может приобрести у Автора программу оценки московских квартир и ежемесячно получать ее обновленную версию. Также можно приобрести ее программную оболочку и на ее основе сделать подобную программу для своего региона, заложив в нее свою методику оценки. В этом случае на договорной основе может быть получена методическая помощь от автора в разработке такой методики.

Аналогичный программный продукт для оценки рыночной стоимости московских квартир разрабатывался также и фирмой «Центр анализа рынков недвижимости». Но эта разработка не доведена до логического конца: программный продукт не был предложен на рынке для приобретения всеми желающими. Насколько известно автору, это связано с высокой трудоемкостью сбора и обработки исходной информации в принятом там формате, отличном от используемого в риелторских фирмах, который требовал ручной работы по внесению исходных данных в компьютер для дальнейшей обработки. Возможно, были и другие причины.

Описанная выше программа «Рынок-М» в 1994-2005 г.г. и широко применялась автором для оценки московских квартир, особенно при ипотеке в последние годы. В 1996 г. она была отмечена дипломом Российского Общества Оценщиков (РОО) и с 1998 г. по настоящее время на нее вдавались сертификаты РОО, подтверждающие ее соответствие требованиям РОО. По доступной автору информации, она была единственным программным продуктом, который был предназначен для оценки рыночной стоимости московских квартир и предлагался на рынке для приобретения любым покупателем.

Массовая оценка рыночной стоимости недвижимости может и должна получить значительное развитие по мере становления рынков недвижимости в России. Вслед за Москвой она может применяться для квартирного рынка других крупных городов. Возможно ее распространение и на рынки других небольших объектов (например, индивидуальных жилых домов или земельных участков) по мере их развития и проявления массового характера сделок.

Массовая оценка особенно актуальна в период становления рынка недвижимости в России. При отсутствии достаточного количества квалифицированных оценщиков она может оперативно и достаточно дешево обеспечить субъектов рынка объективной информацией о рыночных ценах объектов. А меньшая, по сравнению с квалифицированной индивидуальной оценкой, точность результатов будет достаточной на первых порах.

Возможен и вероятен также постепенный переход к налогообложению недвижимости на основе ее рыночной стоимости. Такой подход к налогам заложен в новом Налоговом Кодексе. В этом случае подход на основе массовой оценки будет единственно приемлемым и возможным для реализации налогообложения собственников квартир по их рыночной стоимости. Массовая оценка в таких масштабах потребует серьезного развития и совершенствования ее методов. В этом случае накапливаемый в настоящее время опыт и, в частности, рассмотренный в этом материале, видимо, будет очень полезен.

[1],[2],[3],[8],[10], Харрисон Генри С. Оценка недвижимости. Учебное пособие. Пер. с англ. — М.: РИО Мособлупрполирафиздата, 1994.

[4],[6],[7],[9],[11],[12] Организация оценки и налогообложения недвижимости. Том 1 и 2. Под ред. Дж. К. Эккерта. — М.: 1997.

[5] Б.Д. Новиков О практическом опыте и методических проблемах массовой оценки рыночной стоимости московских квартир. — «Вопросы оценки», апрель — сентябрь 1996 г.