сотрудник с 01.01.2024 по настоящее время
Санкт-Петербург, г. Санкт-Петербург и Ленинградская область, Россия
УДК 332.642 Способы сравнительной оценки
Работа посвящена актуальной проблеме получения объективной массовой оценки рыночной стоимости жилой недвижимости. Цель исследования состоит в том, чтобы на примере динамично развивающегося рынка однокомнатных квартир Санкт-Петербурга получить оптимальную, с точки зрения точности, регрессионную модель оценки стоимости недвижимости. Методами регрессионного анализа проанализировано влияние различных ценообразующих факторов, включая характеристики местоположения объектов недвижимости и уровня комфортности проживания. Получены четыре оптимизированных модели оценки стоимости недвижимости. Модели различаются по факторам, характеризующим уровень комфортности проживания, а также по их спецификации: аддитивные и мультипликативные. Тестирование полученных моделей по контрольной выборке позволило отобрать модель с максимальной точностью оценки (MedAPE=5,2%) и рекомендовать ее для практического применения. В качестве примера практического использования модели рассмотрено выявление недооцененных и переоцененных квартир на основе полученных интервальных оценок среднего значения стоимости объекта недвижимости.
экономико-математическое моделирование, массовая оценка недвижимости, регрессионный анализ, ценообразующие факторы
1. Грибовский С.В., Табала Д.Н., Мурашов В.С., Громкова О.Н. Теория и практика массовой оценки недвижимости на примере города Санкт-Петербурга. Теоретические аспекты. // Имущественные отношения в РФ. – 2005. - №7. – С.72-95.
2. Баринов Н.П. Применение регрессионного анализа в задачах индивидуальной и массовой оценки объектов недвижимости // Вопросы оценки. – 2022. - №1. – С.34-46.
3. Магнус Я.Р., Катышев П.К., Пересецкий А.А. Эконометрика. Начальный курс. М.: Дело, 2004. 576 с.
4. Беляева А.В. Использование пространственных моделей в массовой оценке стоимости объектов недвижимости // Компьютерные исследования и моделирование. – 2012. – Т.4. - №3. – С.639-650. DOI:https://doi.org/10.20537/2076-7633-2012-4-3-639-650.
5. Горобцова А.Б. Оценка рыночной стоимости квартир с помощью методов регрессионного анализа // Моделирование и анализ данных. – 2019. - №2. – С.63-72.
6. Богданова Т.К., Камалова А.Р., Кравченко Т.К., Полторак А.И. Проблемы моделирования оценки стоимости жилой недвижимости // Моделирование социальных и экономических систем. – 2020. – Т.14. - №3. – С.7-23. DOI:https://doi.org/10.17323/2587-814X.2020.3.7.23.
7. Нестерова С.И. Моделирование оценки прогнозной стоимости жилой недвижимости на вторичном рынке (на примере г.о. Самара) // Вестник международного института рынка. – 2017. - №1. – С.36-42.
8. Домнина С.В., Савоскина Е.В., Солопова Н.А. Использование регрессионных моделей для анализа и прогнозирования рынка жилой недвижимости // Фундаментальные исследования. – 2024. - №4. – С.36-41. DOIhttps://doi.org/10.17513/fr.43591.
9. Хлюпина М.А., Исавнин А.Г. Моделирование зависимости и анализ цен на квартиры от ряда факторов на примере города Елабуга // Фундаментальные исследования. – 2016. - №5. – С.213-217.
10. Лейфер Л.А., Черная Е.В. Массовая оценка объектов недвижимости на основе технологии машинного обучения. Анализ точности различных методов на примере определения рыночной стоимости квартир // Имущественные отношения в РФ. – 2020. - №3. – С.32-42.
11. Острикова А.Л., Селютин В.В. Инновационные технологии массовой оценки жилой недвижимости // Системный анализ и моделирование экономических и экологических систем. – 2023. - №8. – С.147-154. DOI:https://doi.org/10.23885/2500-395Х-2023-1-8-147-154.
12. Шалагин А.А. Пространственные методы оценки стоимости объектов недвижимости // Финансы и бизнес. – 2023. – Т.19. - №2. – С.59-73. DOIhttps://doi.org/10.31085/1814-4802-2023-19-2-112-59-73.
13. Ferlan N., Bastic M., Psunder I. Influential factors on the market value of residential properties // Engineering Economics. – 2017. – V.28. – N.2. – P.135-144. DOIhttps://doi.org/10.5755/j01.ee.28.2.13777.
14. Narula S.C., Wellington J.F., Lewis S.A. Valuating residential real estate using parametric programming // European Journal of Operational Research. – 2012. – V.217. – N.1. – P.120-128. DOIhttps://doi.org/10.1016/j.ejor.2011.08.014.
