Выявление процентной ставки заимствования у дольщиков на рынке строящейся недвижимости Санкт-Петербурга - Особенности финансирования при долевом строительстве и определение стоимости заемного капитала дольщиков
Как было указано ранее, долевое строительство можно рассматривать как процесс привлечения средств для финансирования строительства, в ходе которого застройщик уплачивает покупателю вознаграждение, за то, что тот берет на себя часть рисков, связанных с проектом, и предоставляет финансирование. Цена на рынке долевого строительства, как было показано в прошлом параграфе, всегда ниже чем на рынке готового жилья. Эту разницу в цене можно трактовать как стоимость привлечения средств "дольщиков".
Рассмотрим следующую ситуацию. Начались продажи объекта после получения разрешения на строительство. На участке ведутся подготовительные работы. Прошел год. Строительная готовность объекта увеличилась. Цена реализации изменилась. Но это изменение цены включает в себя также общий рост цен на рынке недвижимости.
Таким образом, цена строящейся недвижимости зависит от ей строительной готовности и общего уровня цен на рынке. Наша задача - разделить эти два влияния и выявить изменение цены на строящуюся недвижимость только вследствие изменения ее строительной готовности. Поскольку именно эта зависимость наиболее точно характеризует, какой дисконт должен предоставить застройщик покупателю для того, чтобы он согласился профинансировать строительство. К тому же, вполне логично предполагать, что эта величина мало изменяется во времени, в отличие от рыночной конъюнктуры, которая меняется достаточно часто.
Для анализа ценообразования на рынке строящейся недвижимости используются различные подходы. Наиболее популярными являются метод повторных продаж [32; 41] и гедонистическая регрессия [42].
Построение гедонистической модели имеет ряд преимуществ. Это довольно известный и широко применяемый метод [38]. Он основывается имеет под собой признанные многими экономистами основания о том, что потребитель предъявляет спрос не нам сам продукт, а на его характеристики [34]. К тому же, метод повторных продаж изначально был разработан для анализа рынка вторичной недвижимости [21], и его применение для анализа ценообразования на рынке строящейся вызывает определенные трудности, такие как: малое количество повторных продаж строящейся недвижимости (переуступок) и ограниченный доступ к информации об этих сделках.
Применим метод гедонистической регрессии для оценивания зависимости цены строящейся недвижимости от этапа строительства. Для этого будем использовать два набора данных о ценах на недвижимость в Санкт-Петербурге и Ленинградской области. Первый набор данных - это пять квартальных отчетов консалтингового центра Петербургская Недвижимость с четвертого квартала 2013 по четвертый квартал 2014 включительно. Второй набор данных - отчет о ценах агентства 3бита, за период с сентября 2015 по март 2016 ежемесячно.
Первый набор включает в себя информацию о ценах 351 жилого комплекса. Распределение по типам квартир представлено в табл.7.
Таблица 7
Соотношение типов квартир в первом наборе данных
Количество комнат |
Период наблюдения |
Сумма | ||||
4 кв. 2013 |
1 кв. 2014 |
2 кв. 2014 |
3 кв. 2014 |
4 кв. 2014 | ||
Студия |
342 |
350 |
398 |
447 |
411 |
1 948 |
1 |
576 |
590 |
626 |
646 |
628 |
3 066 |
2 |
622 |
638 |
660 |
700 |
646 |
3 266 |
3 |
484 |
484 |
490 |
522 |
484 |
2 464 |
4 и более |
90 |
96 |
108 |
110 |
100 |
504 |
Сумма |
2 114 |
2 158 |
2 282 |
2 425 |
2 269 |
11 248 |
Второй набор данных содержит информацию о 255 жилых комплексах. Распределение по типам квартир представлено в табл. 8.
Таблица 8
Соотношение типов квартир во втором наборе данных
Количество комнат |
Месяц |
Сумма | ||||||
Сент. |
Окт. |
Ноя |
Дек |
Янв. |
Фев. |
Мар. | ||
Студия |
863 |
1 002 |
1 047 |
1 171 |
839 |
1 085 |
967 |
6 974 |
1 |
1 698 |
1 807 |
1 766 |
2 245 |
1 595 |
2 145 |
1 860 |
13 116 |
2 (евро) Планировка типа Евро, означает что одна из комнат совмещена с кухней. |
88 |
100 |
116 |
123 |
91 |
110 |
101 |
729 |
2 |
1 036 |
1 054 |
1 173 |
1 249 |
924 |
1 278 |
1 350 |
8 064 |
3 (евро) |
45 |
49 |
43 |
61 |
37 |
65 |
66 |
366 |
3 |
465 |
405 |
529 |
546 |
339 |
532 |
595 |
3 411 |
4 (евро) |
8 |
16 |
26 |
12 |
13 |
13 |
22 |
110 |
4 и более |
4 |
1 |
7 |
5 |
3 |
6 |
1 |
27 |
Сумма |
4 253 |
4 481 |
4 804 |
5 479 |
3 868 |
5 290 |
5 013 |
33 188 |
Первый набор данных содержит информацию о большем числе комплексов за более длительный срок, в то время как второй содержит большее количество наблюдений. Хотя наборы данных содержат информацию за различные периоды об одних и тех же комплексах, отнести эти данные к панельным нельзя, поскольку информация относится к разным квартирам, хотя и из одного жилого комплекса. Поэтому это квазипанельные данные (pooled cross-sectional data).
Строительная готовность объектов в этих наборах данных представлена не конкретными стадиями строительства, а датами окончания строительства. С одной стороны, это не позволит увидеть нам как изменяется цена на каждой стадии. С другой стороны, если выразить строительную готовность объекта в количестве месяцев до сдачи дома в эксплуатацию, мы можем вычислить зависимость цены от готовности в процентах годовых, что крайне удобно для представления данного вида зависимости как стоимости заемного у "дольщиков" капитала.
Для того, чтобы отделить влияние изменения роста цены на рынке в целом от роста цены связанного с изменением строительной готовности в спецификации модели необходимо учесть время. Предположим, что время имеет фиксированный эффект (то есть в каждый момент времени на все объекты действовали неслучайные факторы), тогда спецификация будет иметь вид.
Описание обозначений представлено в табл. 9.
Таблица 9
Обозначения в спецификации
PI, j, t |
Цена за квадратный метр при 100% оплате i-ой квартиры в j-ом жилом комплексе в период времени t. |
TT |
Момент времени t. |
XI, jt |
Отражает строительную готовность (в месяцах до сдачи в эксплуатацию) i-ой квартиры из j-го жилого комплекса в период времени t. |
MI, t |
Матрица характеристик квартиры. |
KI, t |
Матрица характеристик жилого комплекса. |
ЕI, j, t |
Ошибка. |
Ln |
Натуральный логарифм. |
В |
Коэффициенты. |
Для учета нелинейности изменения цены в зависимости от строительной готовности, она будет отражаться не непрерывной переменной (количество месяцев до сдачи), а набором фиктивных переменных: фиктивная переменная будет принимать значение 1, если данной квартире в данный момент времени осталось до сдачи количество месяцев из определенного интервала, и ноль во всех других случаях. За основу примем полностью готовые квартиры (ноль месяцев до сдачи).
Набор характеристик в двух наборах данных отличается. В первом наборе данных к характеристикам квартиры относится количество комнат и площадь. Во втором - количество комнат, площадь, а также вариант отделки. К характеристикам жилого комплекса в первом наборе данных относятся: район, станция метро, застройщик, общая жилая площадь (сумма площадей всех квартир), расстояние до метро, расстояние до КАД, показатель загрязненности воздуха в данном месте. Во втором наборе данных, помимо вышеперечисленных характеристик имеются следующие: количество этажей, технология строительства, возможность приобрести квартиру в ипотеку или рассрочку, возможность использования субсидий для покупки квартиры.
Поскольку на цену конкретной квартиры влияют не только ее характеристики, но и цены других квартир, может наблюдаться такое явление как пространственная корреляция. Для учета этого влияния существует несколько эконометрических техник, одной из самых распространенных и простых является включение пространственного лага зависимой переменной [1]. Таким образом, к набору наших регрессоров добавляется еще один - средневзвешенная по расстоянию от данного жилого комплекса цена всех остальных жилых комплексов в данный период времени.
Поскольку нас интересует только изменение цены вследствие строительной готовности, приведем сокращенную таблицу результатов регрессионного анализа.
Таблица 10
Сокращенные результаты регрессионного анализа
Месяцев до сдачи |
Набор данных | |
Первый |
Второй | |
Ln_pm |
Ln_pm | |
0 |
0 |
0 |
[0,0] |
[0,0] | |
От 1 до 12 |
-0.0741*** |
-0.0672*** |
[-0.0878,-0.0605] |
[-0.0720,-0.0624] | |
От 13 до 24 |
-0.169*** |
-0.152*** |
[-0.209,-0.129] |
[-0.157,-0.148] | |
От 25 до 36 |
-0.196*** |
-0.197*** |
[-0.230,-0.162] |
[-0.202,-0.191] | |
От 37 до 48 |
-0.273*** |
-0.200*** |
[-0.318,-0.228] |
[-0.215,-0.185] | |
N |
11248 |
33188 |
Adj. R2 |
0.475 |
0.878 |
AIC |
4957 |
-55470.4 |
BIC |
6613.1 |
-54023.9 |
В скобках представлены значения 95% доверительного интервала для данных коэффициентов. Как видно из таблицы, модель, построенная на втором наборе данных, согласно трем приведенным качественным критериям лучше. Это можно объяснить тем, что в ней содержится больше характеристик квартир и жилых комплексов.
Коэффициент в таблице интерпретируется следующим образом: при увеличении независимой переменной на единицу зависимая переменная изменится на X*100%б, где X - значение коэффициента.
Несмотря на то, что наборы данных содержат информацию о разных жилых комплексах за различные периоды, значения коэффициентов при интересующих нас переменных получились крайне близкими (их доверительные интервалы пересекаются в трех из четырех случаев).
Если принять, что в начале периода квартира стоит X0 , а в конце XT, то значения коэффициентов будут соответствовать значению таких индексов: , то есть на сколько дешевле от конечной цены предлагалась бы данная квартира, если ее строительная готовность была меньше. Однако, удобнее рассуждать в других терминах: на сколько процентов дороже от текущей цены будет продаваться данная квартира через определенный период (непосредственно из-за увеличения строительной готовности). Другими словами, надо рассчитать индекс: .
Рассчитаем данные индексы (в процентах годовых) для каждой из моделей и вычислим средние значения. Результаты представлены в табл.11.
Таблица 11
Процентное удорожание квадратного метра в зависимости от строительной готовности объекта
Месяцев до сдачи |
Модель |
Среднее | ||
Первая |
Вторая |
За весь период |
В % годовых | |
От 1 до 12 |
7.69 % |
7.05 % |
7.37 % |
7.37 % |
От 13 до 24 |
18.41 % |
16.54 % |
17.47 % |
8.74 % |
От 25 до 36 |
21.62 % |
21.89 % |
21.76 % |
7.25 % |
От 37 до 48 |
31.42 % |
22.28 % |
26.85 % |
6.71 % |
Как видно из таблицы минимальное годовое удорожание наблюдается на самых ранних стадиях готовности. Логично будет предположить, что это связано с тем, что на ранних стадиях готовности (когда до срока сдачи остается более двух лет) цена остается низкой достаточно долгое время, поскольку риски, связанные с "недостроем", еще достаточно велики, а застройщики стремятся привлечь как можно больше средств для финансирования проекта, и пытаются привлечь покупателя низкими ценами. Наибольший годовой рост цены происходит, когда до сдачи дома в эксплуатацию осталось от одного года до двух лет. Вероятнее всего в этот период баланс риска и цены наиболее всего привлекает покупателей, а застройщики поднимают цены, почувствовав растущий интерес покупателей. В течение последнего года подорожание не такое большое, поскольку застройщик уже не так остро нуждается в финансировании готов продать меньше квартир, но по более высокой цене. Таким образом, нам удалось выяснить, что цена изменяется нелинейно в зависимости от строительной готовности.
Если предположить, что дом строится четыре года, то квартира в конце строительства будет стоить на 26.85% дороже, чем аналогичная квартира в начале строительства, без учета общего роста цен. Данная цифра сопоставима с результатами других исследователей, которые были приведены в предыдущем параграфе.
Поскольку стоимость привлечения средств "дольщиков" может отличаться для разных типов квартир, а также для разных застройщиков (поскольку на цену недостроенного жилья влияет репутация застройщика), для определения стоимости заимствования для конкретного застройщика и конкретного типа квартир можно воспользоваться другими статистическими методами. Одним из наиболее популярных методов машинного обучения является метод Random Forest, который заключается в построении нескольких регрессий по случайной подвыборке из данной генеральной совокупности со случайным набором регрессоров. Конечный результат определяется путем усреднения результатов всех регрессий с учетом их точности [20; 37].
Для построения данного механизма воспользуемся языком программирования Python и библиотекой машинного обучения, представленного в данном языке. В качестве признаков (регрессоров) используем те же признаки, что и в гедонистической регрессии, а в качестве зависимой переменной цену за квадратный метод.
Оптимальным с точки зрения времени обучения и качества предсказания оказалось построение 200 вспомогательных регрессий. При этом, показатель R2 составил 0.96 для первого набора данных и 0.94 для второго. Проверка качества предсказания проводилась на кросс-валидации по 5 папкам. То есть, изначальный набор данных случайным образом разбивался на 5 равных наборов. При этом механизм обучался по 4 наборам, а проверял качество предсказания на оставшемся и так пять раз. Вычисленные значения R2 представляют собой средние значения получившееся на кросс-валидации.
Будучи обученным, механизм Random Forest позволяет вычислять индивидуальные предсказания. Для вычисления по какой цене данная квартира могла бы быть продана, если бы была полностью готова, подать в алгоритм все признаки квартиры так как они есть, за исключением переменной, определяющей степень готовность квартиры (ее надо указать полностью готовой, то есть ноль месяце до сдачи). Таким образом, данный алгоритм позволяет вычислять стоимость заимствования для конкретного застройщика в конкретном жилом комплексе.
Для вычисления средней стоимости заимствования по данному алгоритму, случайным образом были отобраны 50 квартир из каждой выборки и были сделаны предсказания так, как если бы эти квартиры были полностью готовы. Вычислив разницу между фактической ценой и предсказанной и выразив ее в процентах годовых от фактической цены, были получены значения 9.1% и 8.9% годовых для первого и второго набора данных соответственно.
Таким образом, стоимость привлечения средств дольщиков, определяемая как изменение цены в зависимости от строительной готовности жилья и в среднем для Санкт-Петербурга, находятся в пределах от 6.7 до 9.1% годовых. Стоимость привлечения средств "дольщиков на конкретном объекте может отличаться от среднего значения, но может быть вычислена с помощью предложенного инструментария.
Рассчитанная величина может интерпретироваться по-разному. Поскольку данная величина показывает подорожание жилья вследствие увеличения его строительной готовности, она может использоваться застройщиками не только для определения оптимального плана продаж, но и служить основой для ценообразования на разные очереди одного жилого комплекса (во избежание перетекания покупателей с одного комплекса в другой).
Также данная величина может быть полезна покупателям жилья, поскольку показывает их потенциальный выигрыш от приобретения недостроенного жилья. С другой стороны, данная величина может примерно предсказать рост цен на рынке жилой недвижимости, если институт долевого финансирования строительства перестал бы существовать, по каким-либо причинам.
Похожие статьи
-
При долевом строительстве, кроме цены готового жилья, появляются цены, соответствующие разным стадиям его готовности. Рассмотрим подробнее, как это...
-
Привлечение средств дольщиков как экономический процесс Несмотря на достаточно большую популярность, долевому строительству на данный момент не уделяется...
-
Деятельность застройщика как особый вид инвестиционной деятельности имеет ряд особенностей. Особенности экономической деятельности современных российских...
-
Вне зависимости от схемы реализации квартир, выручка у застройщика не может возникать раньше оформления права собственности на готовые квартиры....
-
Строительство жилой недвижимости является важнейшим сектором экономики любого государства. По данным Росстата доля сектора строительства в структуре ВВП...
-
Основы синхронного измерения затрат и результатов При анализе затрат и результатов предприятий с длительным производственным циклом возникает...
-
Задание Определить рыночную стоимость собственного капитала предприятия методом рынка капитала. Исходные данные Стоимость собственного капитала...
-
Существующее положение в отрасли. Конкуренция Строительные организации в России постоянно не удовлетворяют потребности граждан в жилье, и тем более в...
-
Верно. Доходность входит в число показателей эффективности и используется в данной книге применительно к финансовым активам и капиталу. Это относительный...
-
Для определения системно значимых финансовых институтов используются различные методы, поэтому представляется важным сделать краткий обзор применяемых...
-
Для предприятий, пользующихся заемными средствами, важен анализ цены заемного капитала, поскольку высокая стоимость заемных финансовых ресурсов может...
-
Формирование и описание выборки исследования Для проведения исследования были выбраны сделки слияний и поглощений, инициированные компаниями из развитых...
-
Для изучения проблемы эффективности сделок слияний и поглощений в Российской Федерации в данной главе будет проведена оценка взаимосвязей аномальной...
-
Сбербанк: "Мечтаете купить новую квартиру или построить дом? Во всех этих вопросах поможет ипотека от Сбербанка. Невысокие процентные ставки, отсутствие...
-
Особенности оценки стоимости заемного капитала - Финансовые показатели деятельности предприятия
Особенность оценки стоимости заемного капитала - наличие конкретного известного заранее денежного потока, генерируемого операций по привлечению заемных...
-
Диапазон величины источника, тыс. руб. Заемный Капитал Привилегированные акции Обыкновенные акции 0-250 7 15 20 250-500 7 15 22 500-750 8 17 23 750-1000...
-
Системная значимость финансового института: понятие и подходы к определению В литературе существует множество определений системно значимых финансовых...
-
Временное предпочтение Экономическая теория использует допущение о том, что сегодняшние блага люди оценивают выше будущих благ. Речь идет об особенности...
-
В литературе нет единого подхода к категоризации моделей процентных ставок, так как непосредственное сравнение моделей привязано к конкретным...
-
Источники финансирования строительства - Особенности финансов строительных организаций
Согласно "Положению о финансировании и кредитовании капитального строительства на территории Российской Федерации" инвесторами, осуществляющими вложение...
-
Особенности оценки стоимости инновационных проектов
Какова стоимость нашего инновационного проекта? Чаще всего данный вопрос задается, когда требуется оценить, способен ли проект окупить свои затраты. В...
-
Мировой финансовый кризис 2007-2009 гг. затронул практически все страны мира и нанес сильнейший удар по собственному капиталу коммерческих банков и...
-
Принципиально иной взгляд на обратное тестирование предлагает Lopez, который предлагает анализировать не факт пробития VaR, а непосредственные суммы...
-
Дивидендный выплата капитал рынок Проанализировав существующие работы в области дивидендной политики компаний с развивающихся рынков капитала и приняв во...
-
Исходная выборка - Детерминанты дивидендной политики компаний на развивающихся рынках капитала
С целью исследования детерминант дивидендной политики компаний на развивающихся рынках капитала была сформирована выборка компаний на основе базы данных...
-
Самым известным безусловным тестированием количества пробоев является тест Kupiec'а. Основополагающая работа [31] была написана в 1995 году, а методика,...
-
В модели Vasicek'а реализована идея возврата краткосрочных ставок к среднему значению (mean reverting). Динамика краткосрочных процентных ставок может...
-
Вероятно, самой ранней исследовательской работой на тему покрытого процентного паритета стали рассуждения Джона Мейнарда Кейнса в статье, опубликованной...
-
Для оценки VaR необходимо реализовать 5 основных шагов: 1. Произвести переоценку текущей позиции на основе рыночных котировок (MtM/Mark-to-Market); 2....
-
Подход на основе VaR имеет ряд основных преимуществ: - VaR является универсальным подходом для оценки рисков по различным позициям и риск факторам. VaR...
-
Данная глава посвящена рассмотрению современных тенденций и особенностей слияний и поглощений в финансовом секторе, главной составляющей которого...
-
Все доходы, которые получила организация, можно условно разделить на две группы: 1) доходы, которые учитываются при налогообложении прибыли (ст.249- 250...
-
В данной части будет произведен анализ российского рынка M&;A за период 2001-2014 гг., который позволит выявить специфику и особенности. Затем последует...
-
Понятие арбитражной прибыли Существует множество определений понятия "арбитраж". В основном арбитраж воспринимается как торговая операция, использующая...
-
Классификация и характеристика финансовых рынков - Финансовые рынки: классификация и характеристика
Анализ функционирования финансового рынка предполагает определенную его сегментацию, расчленение, выделение отдельных функционирующих по своим правилам...
-
Сначала проведем предварительный анализ данных. Для начала необходимо проверить данные по каждому из показателей на наличие выбросов, то есть наличие...
-
Доходный подход метод дисконтирования денежных потоков - Практика оценки стоимости ценных бумаг
В основе доходного подхода лежит прогнозирование дохода и риска, связанного с получением данного дохода. Чем выше риск, тем большую отдачу вправе ожидать...
-
Введение - Возможности для арбитража на российском валютном рынке
Арбитражные стратегии - подробно изученная тема, которая в то же время является достаточно широкой, для того, чтобы найти в ней новые интересные аспекты...
-
Модели ценообразования на туристическом рынке - Анализ финансового состояния компании
Правильность выбора тактики ценообразования определяется тем, что цена относится к конъюнктурной категории: значение цены может быть скорректировано под...
-
Рынки посредников - Инвестиционный проект по производству плиты Верто
Имеются и совершенно доступны следующие виды транспорта: - автомобильный; - железнодорожный (ОАО "Новострой" имеет свои железнодорожные подъездные пути,...
Выявление процентной ставки заимствования у дольщиков на рынке строящейся недвижимости Санкт-Петербурга - Особенности финансирования при долевом строительстве и определение стоимости заемного капитала дольщиков