Эконометрические методы в исследовании рынкаРынок и методы на Ваш выбор

Результаты расчета представлены в таблице 6.Таблица 6 – Прогноз показателя стоимости квадратного метра жилья на первичном рынке недвижимости в России и оценка его качестваПериодПорядокФактПрогнозОстаткиei/yi2000111892,312193,5-301,2010,0253272001215289,316563,37-1274,070,0833312002322738,320252,752485,5530,1093112003421832,323348,58-1516,280,0694512004525672,325937,83-265,5250,0103432005629838,228107,421730,7840,0580062006732673,229944,32728,8970,0835212007829837,431535,43-1698,030,056912008932389,232967,75-578,5490,01786220091034872,334328,2544,10,01560320101131829,335703,73-3874,430,12172520111233093,237181,29-4088,090,1235332012134278338847,823935,1830,091982013144315940790,262368,7360,0548842014154481643095,581720,4250,0383892015164624845850,7397,3040,0085912016174697649142,57-2166,570,04612120171853058,1520181957684,3820192063108,220202169416,56Средняя ошибка аппроксимации6%Таким образом, согласно прогнозу в 2017-2020 гг., в условиях негативных проявлений в экономике России продолжится тенденция роста стоимости объектов недвижимости на первичном рынке жилья. При этом прогноз следует признать адекватным, о чем свидетельствует показатель ошибки аппроксимации, который не превышает 7%.Построение и оценка качества прогноза строительства жилья в РоссииДля построения прогноза объема строительства жилья используем оценку влияния макроэкономических факторов на показатель. В качестве результативного признака рассмотрим показатель ввода в действие жилых домов (У) – ед., в качестве факторных признаков:показатель ВВП (Х1);денежная масса (Х2).Таблица 7 - Исходные данные для корреляционно-регрессионного анализаПоказатель20102011201220132014201520162016/2010Ввод в действие жилых домов, млн. кв. м.58,462,365,770,584,285,380,221,8ВВП,трлн. рублей46,35662,266,279,286,185,939,6Денежная масса, трлн. рублей2024,427,431,432,135,838,418,4В качестве базы данных были использованы годовые данные Банка России, Росстата c 2010 г. по 2016 г. Для эмпирической оценки влияние выбранных независимых переменных на зависимую переменную был проведен корреляционно-регрессионный анализ. Результаты расчета парных коэффициентов корреляции представлены рисунке 5.Рис. 5 - Матрица парных коэффициентовкорреляцииЧем выше коэффициент парной корреляции, тем теснее связь, и информативнее признак. Из таблицы мы видим, что информативными признаки номер 2 (ВВП) и номер 3 (денежная масса) коррелируют между собой, а так же с результативным признаком.Выполним построение двухфакторной модели регрессии (рисунок 6).Рис. 6 – Оценка влияния макроэкономических факторов на показатель ввода жилья в РоссииУравнение регрессии имеет вид:Об адекватности модели свидетельствует показатель коэффициента детерминации, значениекоторого равно 0,96. Таким образом, 96% вариации показателя ввода жилья объясняется объемом ВВП и денежной массы.Выполним построение прогноза исследуемых факторов. На рисунке 7 представлена динамика и линия тренда показателя ВВП в 2010-2016 гг.Рис.7. Динамика и линия тренда показателя ВВП в 2010-2016 годаНаиболее адекватно отражает тенденцию полиномиальная линия тренда третьего порядка, величина достоверности аппроксимации которой составляет 0,97:y = -0,2083x3 + 2,1667x2 + 1,125x + 44,343В таблице 8 отражены результаты построения и оценки качества прогноза.Таблица 8 – Прогноз показателя ВВП в России и оценка его качестваПериодПорядокФактПрогнозОстаткиei/yi2010146,347,4264-1,12640,024328201125653,59342,40660,0429752012362,261,59420,60580,009742013466,270,179-3,9790,0601062014579,278,0981,1020,0139142015686,184,10141,99860,0232132016785,986,9394-1,03940,01212017885,36222018978,1220191063,96320201141,6414Средняя ошибка аппроксимации3%Согласно результатам прогноза, наблюдается негативная динамика показателя. Следует отметить, что данный негативный сценарий не учитывает влияние внешних факторов на показатель, а основывается только на оценке тенденции.Выполним построение прогноза для показателя денежной массы (рисунок 8).Рис. 8. Динамика и линия тренда показателя денежноймассы в 2010-2016 гг.Из рисунка видно, что динамика однозначна, наблюдается рост с 2010 по 2016 г. Так же необходимо отметить, что величина достоверности аппроксимации очень высока (R2 = 0,98), что так же указывает на равномерность данных.Таблица 9 – Прогноз показателя денежной массы в России и оценка его качестваПериодПорядокФактПрогнозОстаткиei/yi201012021,0676-1,06760,053382011224,424,02120,37880,0155252012327,426,97480,42520,0155182013431,429,92841,47160,0468662014532,132,882-0,7820,0243612015635,835,8356-0,03560,0009942016738,438,7892-0,38920,0101352017841,74282018944,696420191047,6520201150,6036Средняя ошибка аппроксимации2%Таким образом, в 2017-2020 гг. наблюдается рост показателя денежной массы. Достоверность прогноза подтверждается величиной показателя ошибки аппроксимации 2%.Выполним построение прогноза для показателя ввода в действие жилых домов (рисунок 9).Рис. 9. Динамика и линия тренда показателя ввода в действие жилых домов в 2010-2016 гг.В таблице 10 представлены результаты построения прогноза и оценка качества полиномиальной линии тренда второго порядка, отражающей тенденцию изменения показателя ввода в действие жилых домов в России в 2010-2016 гг.Таблица 10 – Прогноз показателя ввода в действие жилых домовв России и оценка его качестваПериодПорядокФактПрогнозОстаткиei/yi2010158,456,15032,24970,0385222011262,363,0932-0,79320,0127322012365,769,1147-3,41470,0519742013470,574,2148-3,71480,0526922014584,278,39355,80650,0689612015685,381,65083,64920,0427812016780,283,9867-3,78670,0472162017885,40122018985,894320191085,46620201184,1163Средняя ошибка аппроксимации4%Ошибка аппроксимации прогноза составляет 4%, что свидетельствует об его адекватности. Таким образом, с учетом указанной тенденции в 2017-2020 гг. изменения в показателя ввода жилья наблюдаются незначительные, сохраняется тенденция к убыванию.ЗаключениеОдним из значимых показателей развития в стране эффективных рыночных отношений является состояние рынка недвижимости в целом и его отдельных секторов. При этом рынок недвижимости находится в непосредственной взаимосвязи рынком капитала, рынком труда, рынком товаров и услуг. Обеспеченность населения комфортным жильем является приоритетным направлением и важным социальным показателем развития общества. Он отражает уровень благосостояния населения, качество его жизни. Данная проблема в России проявляется наиболее остро, что отражается и в показателях строительства и ввода в эксплуатацию жилья, и в показателях доступности жилья для населения, что выражается в индикаторах стоимости квадратного метра жилья на первичном и вторичном рынках, а также возможности населения приобрести жилье по рыночной стоимости. В России наблюдается ежегодный рост по количеству введенных в эксплуатацию жилых квадратных метров. С 58,4 млн. кв. м. в 2010 году до 85,32 млн. кв. м. в 2015 году, затем небольшое снижение в 2016 году до 80,2 млн. кв. м. Динамика ветхого и аварийного жилого фонда за период 1997 – 2008 гг. была положительна, но начиная с 2008 года наблюдается снижение в динамике до 88 млн. кв.м. Ввод в действие жилых домов происходит в основном за счет средств населения. Наблюдается сезонность ввода в действие жилых домов, наибольший пик приходится на конец года, а именно 4 квартал.Результаты корреляционно-регрессионного анализа показали, что наиболее значимое влияние на цену квартиры оказывают район города и общая площадь квартиры.Прогноз показателей осуществлялся на основе исследования линий тренда:для показателя цена квартиры полиномиальная линия тренда третьего порядка:y = 14,491x3 - 427,19x2 + 5550x + 7065,2Расчеты показали рост показателя до 69416,56 руб. за кв. м к 2020 году при величине ошибки аппроксимации 6 %. Прогноз значим.для показателя ввода жилья полиномиальная линия тренда второго порядка:y = -0,4607x2 + 8,325x + 48,286Расчеты показали рост показателя до 84,12 млн. кв. м к 2020 году при величине ошибки аппроксимации 4 %. Прогноз значим.В качестве основных факторов, которые оказывают значительное влияние на объемы строительства и ввода жилья целесообразно выделить:стабильное повышение стоимости строительных материалов;низкий уровень показателей строительного процесса, логистики и расчетов в строительстве;отсутствие финансирования; высокие непроизводственные потери застройщиков значительные финансовые и временные затраты на инженерную подготовку территорий;административные барьеры;низкий уровень доступности кредитных ресурсов;кадровая проблема;сложная ситуация с ипотечным кредитованием.Указанные негативные явления и тенденции определяют необходимость реализации эффективных мер по управлению рынком жилой недвижимости, приоритетными из которых являются меры государственной поддержки, а также разработка эффективных механизмов формирования доступного рынка жилья.Список использованной литературыАндреева Н. В. Инновации в развитии жилищного строительства в регионе. Монография. – Владимир: Изд-во Владим. гос. ун-та, 2016. – 218 с. Громыко, Г.Л. Теория статистики: Практикум / Г.Л. Громыко. - М.: НИЦ ИНФРА-М, 2013. - 238 c.Диденко Т.В., Колядов Л.В., Тарасенко П.Ф. Статистика: Д44 Учебное пособие.- М.: Изд-во «Нефть и газ» РГУ нефти и газа им. И.М. Губкина, 2007.-456с.Ефимова М.Р., Петрова Е.В., Ганченко О.И. Практикум по общей теории статистики: учебное пособие для бакалавров.- 3-е изд., перераб. и доп. М.: Издательство Юрайт, 2013.-364 с.Евстафьев А.И., Гордиенко В.А. Прогнозирование индикаторов рынка недвижимости путём двумерного разложения дискретной пространственно-параметрической модели на основе применения нейросетей. – Материалы Х1 Национального конгресса по недвижимости, - М.: 2013.Замков О.О. Эконометрические методы в макроэкономическом анализе: Курс лекций. М.: ГУ ВШЭ, 2012. -122 с.Кондаков Н.С. Эконометрика. Часть 1: учебное пособие и практикум/ Кондаков Н.С.— М.: Московский гуманитарный университет, 2015.— 100 c.Коробкова М.В. Анализ динамики операций на рынке ИЖК в Москве (на примере Компании «МИЭЛЬ-Недвижимость». – Материалы VI Национального конгресса по недвижимости. – М.: 2014Молчанова М.Ю., Печенкина А.В. Особенности использования методов фундаментального и технического анализа при прогнозировании цен на рынке недвижимости региона. - Журнал «Вестник Пермского университета. Серия «Экономика». Выпуск 3(10), Пермь, 2011Мхитарян В.С. Эконометрика: учебное пособие/ Мхитарян В.С., Архипова М.Ю., Сиротин В.П.— М.: Евразийский открытый институт, 2012.— 224 c.Мхитарян В. С.,Архипова М. Ю.,Балаш В. А., Балаш О. С.,Дуброва Т. А., Сиротин В. П. Эконометрика/ Под общ. ред.:В. С. Мхитарян. М.: Проспект, 2014Официальный сайт Минстроя России [Электронный ресурс]. Режим доступа: http:// minstroyrf.ruПеченкина А.В. Использование многоуровневой факторной модели при прогнозировании ситуации на региональном рынке недвижимости (на примере Пермского края). - Журнал «Имущественные отношения в Российской Федерации» № 11 (110), Москва, 2010Снитюк В.Е. Применение метода стохастической релаксации для прогнозирования рынка недвижимости. Международная научная конференция «Нейросетевые технологии и их применение. − Краматорск. − 2013.Стерник Г.М. Как прогнозировать цены на жилье (пособие риэлтору). – Изд. РГР, М.: 1996. – 60 сСтерник Г.М. Методика прогнозирования цен на жилье в зависимости от типа рынка. – Журнал «Имущественные отношения в РФ» №12, 2010Официальный сайт Федеральной службы государственной статистики [Электронный ресурс]. Режим доступа: http://www.gks.ruХабибрахманов Р.Р. Влияние мирового финансового кризисана развитие рынка недвижимости г.Казани. http://realtymarket.ru/stati-kolleg/Vliyanie-mirovogo-finansovogo-krizisa-na-razvitie-rinka-nedvijimosti-g.Kazani..html