Инструменты анализа рынка недвижимости – тема научной статьи по экономике и бизнесу читайте бесплатно текст научно-исследовательской работы в электронной библиотеке КиберЛенинка

Инструменты анализа рынка недвижимости – тема научной статьи по экономике и бизнесу читайте бесплатно текст научно-исследовательской работы в электронной библиотеке КиберЛенинка Аналитика

Инструменты анализа рынка недвижимости

Инструменты анализа рынка недвижимости

В.М. Луцков

заместитель директора Аналитического центра, руководитель отдела анализа рынка новостроек Компании «МИЭЛЬ-Недвижимость», сертифицированный аналитик рынка недвижимости

Цель настоящей статьи автор видит в том, чтобы поделиться с практикующими аналитиками и экспертами-оценщиками некоторым опытом использования прикладных программ при анализе рынка недвижимости на примере решения двух типовых задач с использованием специального программного обеспечения для обработки и анализа информации – SPSS и MOSMAP-GIS:

1) организация мониторинга одного из сегментов рынка недвижимости (вторичный рынок жилья города Москвы);

2) анализ рынка в локальном районе.

Безусловно, многие хорошо знакомы с этими программными продуктами, однако все же поясню.

SPSS – это программный продукт, предназначенный для всех этапов аналитического процесса: планирования, сбора данных, доступа к данным и управления данными, анализа, создания отчетов и распространения результатов.

Геоинформационная система (ГИС) MOSMAP-GIS – это современная компьютерная технология для картирования и анализа объектов реального мира с пространственной привязкой на карте.

Такие программы позволяют решить следующие задачи:

• визуализация объектов на карте;

• пространственный анализ;

• статистическая обработка данных и автоматизация расчетов.

Задача 1. Организация мониторинга вторичного рынка жилья Москвы

Анализ рынка недвижимости представляет собой самостоятельный вид информационной деятельности, имеющий целью обес-

печение объективной информацией лиц, принимающих решения, о проведении тех или иных операций на рынке.

Технологически анализ любого сегмента рынка начинается со сбора исходных (первичных) данных о рынке – об объектах недвижимости, предложении, спросе, ценах, арендных ставках и т. д. Другими словами, все начинается с организации мониторинга рынка, который включает:

• сбор информации;

• предварительную обработку информации;

• анализ и оценку текущего состояния показателей;

• анализ и оценку динамики показателей.

Сегодня как в Москве, так и во многих

других городах России проблемы получения исходных данных для анализа вторичного рынка жилья не существует. Предложение открытого рынка в избытке представлено различными мультилистинговыми, риелторскими, информационно-аналитическими и другими базами данных. Однако остаются нерешенными стандартные проблемы, с которыми сталкивается аналитик, а именно:

• большие объемы информации;

• необходимость получения ежемесячных (еженедельных) отчетов;

• требования соответствия отчетов разработанным шаблонам;

• значительные затраты ресурсов на обработку и представление информации.

Использование SPSS помогает решить эти проблемы, позволяя:

• создавать гибкие отчеты, полностью соответствующие задаваемым стандартам;

• автоматизировать работы по получению отчетов;

• читать данные из разных источников и экспортировать результаты в другие приложения;

• применять современные статистические методы;

• распространять и внедрять результаты исследований и расчетов в виде таблиц, графиков и т. д.

Подготовка мониторингового отчета состоит из следующих основных этапов:

1) чтение и очистка данных:

• удаление дублей, нулевых и выскакивающих значений;

2) типизация жилья по качеству:

• разбиение выборки на типы жилья по качеству;

3) расчет дополнительных показателей:

• удельная цена, период экспозиции и т. д.;

4) получение отчетов на различных уровнях агрегации данных:

• тип жилья по качеству;

• размер (количество комнат);

• административный округ (АО), муниципальный район;

5) построение дополнительных графиков и диаграмм.

На рисунках показана реализация некоторых этапов обработки массивов данных с помощью программного продукта SPSS.

I ^ Microsoft ЕнсеІ – декабрь, 2001 мк ЯШ jsJ □ Дсмобрь 2004 без nponycKoo.sav SPSS Редактор Д>итык JBI »l

Фїйп Ц«га i fc*u :стж<г оэс-йт Сдоис Дэнге екю ‘^гржка Acrobst -Iffl x] Файл Правка =пд Да^ые Гкдобразовать Анагю Грэ$и<с Сервис Окно Справка

D 2т ;• x % e <3 «■ ■ ■ I f. II 100% • С з ? 2Щ&Щ | І і =lfel Л fieri ПЕІ-1-ІГіІ ШІ

Ariel Cjit – 10 . « A • H f * 000 td f% ^ – л. >: a? j 14 «l_da»e }23CEC 2CCU CQ0300

■ j house id all sqr lr*e sqr | kit sqr first date last date ±

L I М І N 0 p 1 50 33 7 14-DEC-2CC4 16-DEC-2004 H

JJ al_sqr lr»e_sqr kit sqr first date last date last —і 2 120 80 20 17-DEC-20G4 24-DEC-2004 f

: 50 33 7 14.12 2004 12:50 16.122004000 1 3 143 99 16 01-DEC-2CC4 27-D EC-20041

3 50 33 7 u 12 2004 12 37 16 122004 000 4 195 132 12 19-NOV-2CG4 27-DEC-2004 f

4 120 80 20 17.12200410 55 24.122004 0 00 сщ

5 127 86 15 23 NOV-2CC4 23 DEC 20041

5 6 а 0 29 ‘ 22004 11 0£ 29 122004 0 00

143 99 16 01 12 2004 10 57 27.122X4 0 00 5 81 51 10 01-OE0-2004 10-С EC-3334 (

7 185 132 12 19.11 2004 11 34 27.122304000 7 150 101 10 24-DEC-2CC4 24-DEC-2004 (

8 127 86 IS 23.11 200411 55 23.122004000 ; 9 77 41 25 16-DEC-2004 16-D EC-2004 (

9 215 o’ 0 06 122004 12 54 27.122004 000 i:fl 9 ffl ir 14-N *V-‘ff 4 ГЙ-Г=і’-.ТҐі4і

i: 206 0 0 10 12200411 20 24 12 2004 0 00 i:« 10 78 55 ЦІ 01 DEC-2004 22 С EC 20041

и 292 198 0 23.11 2004 11 43 13.122X4000 1r®| 11 72 35 1C 15-NOV-2CC4 21-DEC-20041

i: 13 81 150 51 101 Ю 10 01 122004 10 57 24.122004 10 49 10 122004 000 24.12 2004 0 00 m 12 66 40 6 17-DEC-2C04 17-DEC-2004I

14 310 О] 0 21 12 2004 1G 35 21.122X4000 ‘:: 13 126 69 9 23-NOV-2CC4 27-D EC-2004 (

1C 77 ГЇ X ісптпіппо icnnrunm aw: 14 108 63 17 G9-DEC*2004 23-D EC-20041«|

|H < ► декабрь, 2004/ ‘i mm мвЫп 1 < 1 ► | Данные Л Пи* »/Є»*1сЮ / Ы J jJ

готсео A 1 SPSS Процессор готов Г A

Рис. 1. Импорт исходных данных в SPSS

SPSS поддерживает импорт из большинства существующих форматов хранения данных и позволяет читать данные из различных источников как табличных, так и текстовых. На рисунке 1 в качестве примера показан импорт данных из формата Excel. В результате получили: одна строка – одна квартира, один столбец – один показатель.

В случае наличия большого объема данных и необходимости составления больших отчетов выполнение процедур чистки и преобразования данных (а также построения отчетов) через диалоговые окна занимает достаточно много времени. К тому же необходимо ежемесячно, а то и еженедельно, заново проделывать всю работу. Решение проблемы – синтаксис SPSS: командный язык для автоматизации работы. На рисунке 2 представлен пример программного модуля SPSS для разбиения выборки на типы жилья по качеству.

Дополнительный анализ:  Информационно-психологическое воздействие на массовое сознание. Современные массы » ОКО ПЛАНЕТЫ информационно-аналитический портал

Формирование необходимых таблиц и вычисления различных статистических показателей (среднее, мода, медиана, СКО, погрешность, коэффициент эксцесса и асимметрии и т. д.) можно проводить с помощью удобного конструктора создания таблиц, предоставляющего возможность использовать команды построения таблиц в синтаксисе при помощи кнопки «Вставка». На рисунке 3 представлен пример формирования итогового отчета агрегированных данных по показателям: местоположение (административный округ), размер квартир (количество комнат) и тип жилья по качеству.

В результате мы получили (рис. 4):

• отчет в требуемом формате;

• мобильность отчета – преобразования без риска потерять результаты;

• возможность экспорта отчета в другие приложения (MS Word, MS Excel, MS PowerPoint).

g, Техническое 3aflaHne.SPS – SPSS Редактор Синтаксиса

^]П]Х|

Файл (Правка Вид Данные Преобразовать Анализ Графика Сервис Запуск Окно ^правка

& У ЕЩ о □ с? м ► 1 ф| В’- _и

if (INDEXlUPCASEfyfffiJl/OrOPOX1) > 0) ogorog=1. if [INDEXJUPCASEfyfSiJJ.’BHflEO’) > 0) video=1. end loop.

exe.

f (type=0 & last_house_kind1 =4 & (novost=1 | bczotd=1)) type=1. f (type=0 & lasthousekindl =5 & (novost=1 | bezotd=1)) type=2. f (type=0 & (last_house_kind1 =2 | last_house_kind1 =3) & (novost=1 | b< f [type=0 & last_house_kind1 =4) type=4.

f [type=0 & last_house_kind1 =5 & flrcount=5 & kit__sqr<=7) type=5.

f (type=0 & lasthousekindl =5 & flrcount~=5 & kit_sqr<=7] type=6. f (type=0 & last_house_kind1 =5 & kit_sqr>7 8 kit_sqr<10) type=7. f [type=0 & last house kindl =5 & kit_sqr>=10) type=B. f (type=0 & ((last_house_kind1 =2 & flrcount=5 & kit_sqr<=7 & last_room (last house kindl =2 & flrcount=5 & kit_sqr<=7 & last_rooms=2 & live_s [last_house_kind1 =2 & flrcount=5 & kit_sqr<=7 & last_rooms=3 & live s if (type=0 & last house kindl =2 & kit_sqr<=7) type=1 0.

li_____________________________________I _____________________________________

SPSS Процессор готов

Рис. 2. Пример синтаксиса SPSS

’! Настраиваемые таблицы

Таблица | Заголовки | Статистические критерии | Параметры |

Переменные: 4 ^ |Р^Ш Нормальный Ц Компактный Ір] Слои

B1F32

H0F33

Гйі іаіопі

К) last_house.

ОТІ okrugl

‘УРе

£ novost

jj^bezotd I

$ garag

^podj _J

^ohi л A ‘

±L

Категории:

Задать

Итожащие статистик ..

Щ Категории и итоги……..j

Итожащие статистики Расположение Столби ж Г~ £кръггь

Песочник. Переме ▼

jnjxj

Запаан… nnnn.nn nnnn.nn nnnn.nn nnnn.nn

Зелено… nnnn.nn nnnn.nn nnnn.nn nnnn nn

Северн nnnn.nn nnnn.nn nnnn.nn nnnn.nn

Северо… nnnn.nn nnnn.nn nnnn.nn nnnn.nn

okrugl Северо… nnnn.nn nnnn.nn nnnn.nn nnnn.nn

Центра nnnn.nn nnnrum nnnn.nn nnnn.nn

Ю го-Во. . nnnn.nn nnnn.nn nnm.nn nnnn.nn

Юго-За… nnnn.nn nnnn.nn nnm.nri nnnn.nn

Южный nnnn.nn nnnn.nn nnnn.nn nnnn.nn

Итог nnnn.nn nnnn.nn nnm.nn nnnn.nn

Расположение категорий: По умолчанию т

ОК

Вставка

Сброс

Отмена

Справка

А

Рис. 3. Формирование сводной таблицы

Задача 2. Исследование вторичного рынка жилья в районе застройки и выработка рекомендаций застройщику

Исходные данные:

• исследуемый участок застройки находится в районе Войковский, на границе Северного административного округа (САО) и Северо-Западного административного округа (СЗАО);

• в качестве исходных данных использовались выставленные на продажу квартиры в САО и СЗАО (март 2005 года) вторичного рынка жилья Москвы.

Решение этой задачи подготовлено с использованием географической информационной системы (ГИС) MOSMAP-GIS. Эта технология объединяет традиционные операции работы с базами данных, такими как запрос и статистический анализ, с преиму-

ществами полноценной визуализации и географического (пространственного) анализа, которые предоставляет карта.

Исходные данные о предложении квартир вторичного рынка жилья представлены в виде электронной таблицы в формате MS Excel (рис. 5). При этом структура предос-

тавленных данных соответствует стандартной таблице – базе данных, содержащей различную информацию об объектах недвижимости. Здесь представлена такая информация, как адрес объекта, площадные и ценовые показатели объектов, информация об этажности (этаже квартиры) и т. д.

Pi Вывод! – SPSS Viewer

Файл Правка Вид Данные Преобразовать Вставка Формат Анализ [рафика Серене Окно ^правка

&

В. щ

ВО округ -1 комната – новостр, материал не указан (тип 1)

Количество значений в выборке 10

Цена Сумма 698000,00

Удельная цена Минимум 1188,00

Среднее 1473,49

Максимум 1875,00

Мода 1188,00

Медиана 1493,06

Стандартное 230,91

отклонение

Погрешность по средней удельной цене (доллары) 153,94

Погрешность по средней удельной цене (проценты) 10,45

Средневзвешенная цена кв.м. 1469,47

Общая площадь Минимум 40,00

Среднее 47,50

Максимум 52,00

Мода 49,00

Маги* зиа – О ПГ і

SPSS Процессор готов

Рис. 4. Пример итогового отчета

В Mirrn«oft Гкгрі – Книга!

lilj Фойл Праска Вид Встдоко Формат

Times New Roman » 10 – Ж А Ч

Ссроис Донные Окно Справка

j -й – У О • • Ч, *: – it Ji |Д 4> wo% •

г S S :Й 4*J % ooo Ul і“ і* _ * <Э* – Д –

‘і*

А В С D Е F О Н I

1 адиес 3 ибщяя 3 ЖИЛАЯ S кухни Цена ■этаж fust date last date этажность

2 ЛЕНИНГРАДСКОЕ Ш, 78 НО 71 10 0 4 11 01 2005 10 5500 її пі 2гт 8

3 ЛЕНИНГРАДСКОЕ Ш. 78 НО 71 10 0 8 11 01 2005 10.55:00 11 01 2005 0

4 КРОНШТАДТСКИИ Б-Р, 3 47 20 11 0 11 30 11 2004 10:5937 02 12 2004 17

5 ЛЕНИНГРАДСКОЕ Ш. 19 115 77 И 0 4 09 11 2004 1134 27 06 12 2004 6

6 ЛЕНИНГРАДСКОЕ Ш . 15 83 55 9 0 9 16 11 2004 1106 43 21 12 2004 9

7 8 9 10 11 12 ЛЕНИНГРАДСКОЕ Ш . 13 75 44 10 0 2 16 02 2005 12 28 38 16 02 2005 14

Вокзальный пер . 10 37 20 10′ 0 2 28 10-2004 10:58:54 10 12 2004 14

Кронштадтский 6ути-в , 27 40 9 6 21500 1 24.01.2005 12:07:02 28 01 2005 5

Ленинградское шоссе, 15 75 53 9 50000 4 02 И 200411 01 49 21 12 2004 9

Кронштадтская”! bym-D.. 25/1 46 18 10 35000 7 25.012005 10-53:10 31.01.2005 17

Лодочная ул., 9, к 1 358 194 0 450000 15 09 12 2004 12:15:23 23 12 2004 25

13 ЛОДОЧНАЯ. 21 74 0 15 98000 24 21 01 2005 10 48 01 21 05 2005 25

14 15 16 МИХАЛКОВСКАЯ. 24 39 18 9 52000 1 16 12 200412:09 43 23 12 2004 14

Лодочная ул., 21 74 0 15 99500 24 10 02 2005 10:43 26 1402 2005 25

Дополнительный анализ:  Открыть расчетный счет для ООО тарифы РКО условия на 26.08.2021 отзывы и рейтинг банков

КОПТЕВСКАЯ. 18 41 32 6 5Я0П0 1 11 05 2004 11 00 48 23 12 2004 5

17 КОПТЕВСКАЯ. 18 43 32 6 58000 1 1101 2005 10:5500 11.01 2005 5

18 19 20 21 МИХАЛКОВСКАЯ. 24 39 19 9 53000 I 24 01 2005 11 43 27 2401 2005 14

КОПТЕВСКАЯ. 8 44 29 6 60000 5 06 12 2004 11:21:07 23 12 2004 5

Коптевская ул.. 89. корп 8 45 29 6 62000 3 01 11 2004 11 17 47 07 12 2004 5

КОПТЕВСКАЯ. 89 К 8 45 29 6 62000 3 14 12 2004 1237 44 17 12 2004 5

22 КОПТЕВСКАЯ, 75 96 68 9 133000 3 04 11 2004 10:40:25 02 12 2004 5

23 24 КОПТЕВСКАЯ. 75 96 68 9 133000 3 23 11 2004 11 55 49 07 12 2004 5

ЛОДОЧНАЯ, 21 119 66 19 165000 0 20 12 200410 43 14 20 12 2004 0

25 Войко® ский 1-й пр 14Ь 43 29 6 60000 1 17 01 2005 12 46 47 01 02 2005 5

26 А в ангардная ул., б3 58 40 6 81000 3 15 12 2004 10:54:13 15 12 2004 5

27 28 КРОНШТАДТСКИИ F-P. 3 45 29 6 63000 5 22 02 2005 10 56 1 4 2402 2005 5

ЛОДОЧНАЯ. 21 119 66 19 16/000 17 22 11 20041133:11 27 12 2004 25

Рис. 5. Таблица исходных данных

Мы можем легко импортировать имеющую- Москвы для проведения последующего

ся базу данных об объектах недвижимости в пространственного анализа (рис. 6). При этом

программный модуль MOSMAP-GIS и визуа- существует возможность масштабирования

лизировать имеющиеся объекты (х) на карте карт с различной степенью детализации.

Рис. 6. Импорт и отображение объектов на карте

Любая географическая информация содержит сведения о пространственном положении. В данном случае для отображения квартир, выставленных на продажу, использовалась привязка к адресу дома, в котором расположена квартира. Это позволило отобразить текущие предложения рынка на карте с указанием удельной цены предложения ($/кв. м) для пространственного анализа исследуемого

района и формирования выборок объектов предложения для статистического анализа.

На рисунке 7 представлена карта района, на которой отмечен участок застройки и отображены объекты предложения вторичного рынка жилья в домах ближайшего окружения с указанием удельной цены предложения ($/кв. м), с различной пространственной детализацией.

Рис. 7. Отображение на карте объектов предложения и участка застройки

Имея данные о жилищном фонде Москвы, например полученные в БТИ, и импортировав их в программный модуль MOSMAP-GIS, мы можем провести анализ существующего жилищного фонда рассматриваемого района.

Результаты анализа показали, что он в основном состоит из пятиэтажных кирпичных и сборно-железобетонных строений, а также 9-12-этажных сборно-железобетонных строений с малогабаритными квартирами постройки 1952-1969 годов. Также имеется несколько девятиэтажных кирпичных строений постройки 1963-1965 годов, 4 четырнадцатиэтажных (постройки 1971 года) и 2 шестнадцатиэтажных (постройки 1979 года) блочных дома. Таким образом, предложение вторичного

рынка в рассматриваемой локальной территориальной зоне в основном располагает квартирами с устаревшими планировками в изношенном жилищном фонде. При этом уровень удельных цен существенно ниже цен предложения квартир в домах, расположенных в районе метро Войковская и отделенных от рассматриваемого района естественной преградой – 4-м транспортным кольцом.

Для более детального анализа рынка мы использовали способность ГИС проводить поиск в базах данных и осуществлять пространственные запросы. Таким образом была сформирована выборка объектов предложения в локальной территориальной зоне. Район выбранной локации отображен на рисунке 8.

Рис. 8. Формирование выборки объектов предложения с использованием способности ГИС осуществлять пространственные запросы

Несмотря на существующие естествен- ве аналога или альтернативы имеющегося ные преграды, мы намеренно расширили предложения как минимум в этой локаль-район локации, так как считаем, что при ной зоне, и, соответственно, искать ценоправильном выборе проекта необходимо вые ниши и использовать конкурентные позиционировать объект на рынке в качест- преимущества для обоснования цен.

В выборку вошли более 500 квартир, выставленных на продажу в рассматриваемом районе в марте 2005 года. Эти данные были экспортированы для статистического анализа.

По сформированной выборке были рассчитаны основные статистические показатели, характеризующие вторичный рынок жилья в анализируемой зоне локации (табл. 1).

Е

Microsoft: Excel – Пример.xls

Файл Правка Вид Вставка Формат Сервис Данные Окно

^ .Д Л – • 5: ‘ Ш !1 ^ ^ 1М% ’

> » Безопасность… 5 ^ ^ ^ г ^ 0-4 [3 ©

Р;(й^©_й_§^4|2А^ ^|

Р8 -г fж Северо-Западный

Справка

Z AnalCyr

JS J Л J •

А В С D Е F G H I

1 id address Sail Sliv Skit price fir first date last date

2 59669556 Кронштадтский бульв., 27 40 9 6 21500 1 24 01.200! 28.01 200!

3 55741039 Ленинградское шоссе, 15 75 53 9 5Q00C 4 02.11.2004 21.12.2004

4 Ж •і ‘ 4? Кронштадтский бульв., 25/1 46 18 10 350I3C 7 25 01 200! 31 01 200!

5 55793773 Лодочная ул , 9, к.1 358 194 0 450000 15 09 12.2004 23 12200-

6 59665284 ЛОДОЧНАЯ, 21 74 0 15 98000 24 21.01.200! 21.05.200!

7 59619931 МИХАЛКОВСКАЯ, 24 39 18 9 52000 1 16.12.200-: 23.12.200-

8 59695937 Лодочная ул , 21 74 □ 15 99500 24 10 02.200! 14.02.200!

9 33066125 КОПТЕВСКАЯ, 18 43 32 Є 58000 1 11.05.200′ 23 12 200-

10 59638483 КОПТЕВСКАЯ, 18 43 32 6 5800C 1 11 01.200! 11.01 200!

11 59668172 МИХАЛКОВСКАЯ, 24 39 19 9 53000 1 24 01.200! 24.01.200!

12 55784026 КОПТЕВСКАЯ, 8 44 29 6 60000 5 06 12.2004 23.12200-

13 55738692 Коптевская ул., 89, корп.8 45 29 6 62000 3 01 11.2004 07 12 200-

14 55797228 КОПТЕВСКАЯ, 89 К.8 45 29 6 62000 3 14.12.20CU 17.12.2004

15 55743744 КОПТЕВСКАЯ, 75 96 68 9 133000 3 04.11.2004 02 .12 2004

16 55768714 КОПТЕВСКАЯ, 75 96 68 9 133000 3 23 11.2004 07 1 2 200-

17 59623945 ЛОДОЧНАЯ, 21 119 66 19 16500: 0 20 12.2004 20 12 200-

18 59651645 Войковский 1-й пр 146 43 29 6 1- ;п(|.- 1 17 01 200: 01 02 200!

19 59619242 Авангардная ул., 63 58 40 6 81000 3 15.12.2004 15 12 200-

20 59930138 КРОНШТАДТСКИМ Б-Р, 3 45 29 6 63000 5 22.02.200! 24 02 200!

21 55764628 ЛОДОЧНАЯ. 21 119 66 19 167000 17 22 11 20CU 27 12 2004

22 55791822 Лодочная ул., 37, кор. 3 57 42 6 30000 4 08.12.2004 27.12.200-

Рис. 9. Экспорт данных из MOSMAP-GIS в MS Excel

Таблица 1

Основные статистические показатели, характеризующие вторичный рынок жилья*

Показатели Размеры 1 комн. 2 комн. 3 комн.

Объем выборки, шт. 495 124 214 139

Средняя удельная цена 1 кв. м, $ 1 889 1 812 1 797 2 022

Минимальная цена 1 кв. м, $ 538 761 538 667

Максимальная цена 1 кв. м, $ 5 309 3 097 4 253 5 309

Медиана, $ 1 791 1 808 1 737 1 951

СКО 462 248 383 564

Погрешность, $ 42 45 53 96

Коэффициент асимметрии 2,64 0,7 3,05 2,26

Коэффициент эксцесса 12,4 7,7 16,85 9,83

Объем выборки, шт. 502 126 214 141

Средняя общая площадь, кв. м 58 37 52 77

Дополнительный анализ:  ОКПДТР 2021 | Раздел II | Должности служащих, коды с 20000 по 20999

Медиана, кв. м 53 35 48 72

Коэффициент асимметрии 3,5 2,3 1,7 1,9

Коэффициент эксцесса 28 6,3 4,1 5,9

Погрешность, кв. м 2,48 1,55 1,77 3,51

* В зависимости от наличия или отсутствия данных количество объектов, участвовавших в расчетных выборках, изменялось.

По полученным данным были построены дополнительные гистограммы и графики, а также проведен анализ.

На рисунке 10 представлены цены и площади однокомнатных квартир в домах различных категорий. В марте 2005 года в рассматриваемой локальной зоне вторичного рынка на продажу были выставлены в основном однокомнатные квартиры в кирпич-

ных и сборно-железобетонных домах типовых серий площадью 27-40 квадратных метров, ценовой диапазон – $ 42-80 тысяч. Предложение указанных квартир достаточно насыщено, однако предложение однокомнатных квартир в современных монолитно-каркасных домах повышенной комфортности, имеющих большие общие площади, достаточно ограничено.

180

160

и

л н 140

** 120

Л

о. X 100

1-

о. а 80

ш

X 60

ф 40

з-

20

■и<«

♦ ■

25 30 35 40 45 50 55 60 65

Общая площадь, кв. м

♦ «панель»

■ «кирпич»

Л «монолит»

Рис. 10. Цены и площади однокомнатных квартир в домах различных категорий (март 2005 года)

70

75

80

Таким образом, при строительстве домов типовых серий со стандартными размерами и планировочными решениями однокомнатных квартир будет жесткая конкуренция со стороны предложения вторичного рынка, однако в конкурентной борьбе главным преимуществом явится повышение качественного уровня жилья в сравнении с изношенным и морально устаревшим жилищным фондом. При строительстве современных монолитно-каркасных домов необходимо учитывать то обстоятельство, что на рынке существуют незаполненные ниши предложения квартир площадью 42-45 квадратных метров и, соответственно, полной цены квартиры $ 60-80 тысяч (при этом цена является конкурентоспособной предложению вторичного рынка жилья типовых серий, но строящееся жилье отличается более высоким качеством), а также площадью 49-51 и 55-64 квадратных метра стоимостью $ 80-90 тысяч и $ 100-130 тысяч.

Анализ предложения двухкомнатных квартир на вторичном рынке (рис.11) показал отсутствие свободных ценовых зон. Диапазон площадей начинается от малогабаритных квартир в так называемых «хрущевках» площадью 35-82 квадратных метра в современных монолитно-каркасных домах, основная масса квартир продается по цене $ 60-110 тысяч. Предложение двухкомнатных квартир с общей площадью более 60 квадратных метров менее насыщено, цены предложения – от $ 100 тысяч до $ 160 тысяч. По нашей оценке, именно этот сегмент заслуживает внимания при выборе и подготовке проекта.

Вторичный рынок трехкомнатных квартир (рис. 12) также предлагает большое разнообразие вариантов по качеству жилья и площади (от 50 до 120 квадратных метров), разброс цен – от $ 80 тысяч до $ 340 тысяч. Здесь представлены все те же малогабаритные квартиры в «хрущевках», а также в кирпичных и панельных домах более позд-

Цена квартиры, $ тыс. Цена квартиры, $ тыс. Цена квартиры, $ тыс.

25 30 35 40 45 50 55 60 65 70 75 80 85

Общая площадь, кв.м

♦ «панель»

■ «кирпич»

А «монолит»

Рис. 11. Цены и площади двухкомнатных квартир в домах различных категорий (март 2005 года)

45 50 55 60 65 70 75 80 85 90 95 100 105 110 115 120 125

Общая площадь, кв.м

♦ «панель»

■ «кирпич»

А «монолит»

Рис. 12. Цены и площади трехкомнатных квартир в домах различных категорий (март 2005 года)

80 85 90 95 100 105 110 115 120 125 130 135 140 145

Общая площадь, кв. м

♦ «панель»

■ «кирпич»

А «монолит»

Рис. 13. Цены и площади четырехкомнатных квартир в домах различных категорий (март 2005 года)

А

————-* I-

“1————————-1———————–1————————1———————–1———————–1———————–1———————–1———————-1————————1———————–1———————–1———————–1———————–1———————–Г”

А АА

_ А А

_______________________________1|_______Ал_____А______________±А_____*

■■■■ ■? ■ ‘

“I——————————1————————————1——————————-1———————————-1——————————1———————————–1——————————-1—————————–1———————————1—————————-Г”

ней постройки и в современных монолитнокаркасных домах. Сегмент современного жилья повышенных потребительских качеств также менее насыщен.

В сегменте четырехкомнатных квартир (рис. 13) предложение сильно ограничено. Квартиры, выставленные на продажу, имеют площади 85-115 квадратных метров, диапазон цен – от $ 120 тысяч до $ 320 тысяч. Есть и единичные предложения квартир площадью чуть более 140 квадратных метров стоимостью $ 250-420 тысяч. Причем предложение квартир площадью 115-140 квадратных метров отсутствует.

Таким образом, в исследуемой локальной территориальной зоне предложение квартир в современных домах повышенного потребительского качества, площадь которых увеличена, очень ограничено и может быть востребовано потребителями при разумной ценовой политике. При этом если уровни цен на построенное типовое жилье и предложения вторичного рынка купли-продажи квартир окажутся одинаковыми, то

преимуществом будет повышение качественного уровня жилья в сравнении с изношенным и морально устаревшим предложением существующего жилищного фонда.

На основании изложенного можно сделать следующие выводы:

• использование специального программного обеспечения для обработки и анализа информации позволяет компании получать результаты, которые невозможно получить при помощи обычных электронных таблиц и систем управления базами данных;

• при использовании специального программного обеспечения можно быстро получать информацию, способствующую принятию правильных решений, наглядно представлять результаты в виде высококачественных таблиц, диаграмм и карт, а также распространять результаты, в том числе в Интернете.

Все это дает возможность, находя ключевые факты, взаимосвязи и тенденции, своевременно принимать решения.

I Н КОНСУЛЬТАЦИОННЫЙ ЦЕНТР НЕДВИЖИМОСТИ

^ / 119270, Москва, Фрунзенская наб., 38/1, тел. 7(495) 242-85-95, 242-85-75

web: www.riskam.net, e-mail: market@riskam.net_________________

• Юридические и консультационные услуги правообладателям недвижимого имущества

• Правовой аудит (Due Diligence) сделок с землей и иными коммерческими объектами недвижимого имущества

• Услуги по оценке и минимизации юридических рисков в сфере недвижимого имущества

• Страхование рисков по сделкам с недвижимостью

Оцените статью
Аналитик-эксперт
Добавить комментарий

Adblock
detector