Geum.ru
Темы диссертаций по экономике » Финансы, денежное обращение и кредит

Развитие методов массовой оценки недвижимости для целей налогообложения на примере рынка жилья Московского региона тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Лапко, Константин Сергеевич
Место защиты Москва
Год 2010
Шифр ВАК РФ 08.00.10

Автореферат диссертации по теме "Развитие методов массовой оценки недвижимости для целей налогообложения на примере рынка жилья Московского региона"

: 1}в^равах рукописи

Лапко Константин Сергеевич

Развитие методов массовой оценки недвижимости для целей налогообложения на примере рынка жилья Московского региона

Специальность 08.00.10 - Финансы, денежное обращение и кредит

Автореферат диссертации на соискание ученой степени кандидата экономических наук

Москва, 2010

2 3 СЕН 7010

004608429

Работа выпонена на кафедре антикризисного управления Всероссийской государственной налоговой академии Министерства финансов Российской Федерации

Научный руководитель:

доктор экономических наук Стерник Сергей Геннадьевич,

Официальные оппоненты:

доктор экономических наук, профессор Иванкина Елена Владимировна

доктор экономических наук, профессор Григорьев Владимир Викторович

Ведущая организация: ФГОУ Финансовый университет при Правительстве РФ

Защита состоится л28 сентября 2010 в 15:00 часов на заседании Совета по защите докторских и кандидатских диссертаций Д 226.003.01 при Всероссийской государственной налоговой академии Министерства финансов Российской Федерации по адресу: 109456, Москва, 4-й Вешняковский пр-д, д.4, ауд. 113

С диссертацией можно ознакомиться в научной библиотеке Всероссийской государственной налоговой академии Министерства финансов Российской Федерации

Автореферат разослан л27 августа 2010 г.

Ученый секретарь

Совета по защите докторских и А кандидатских диссертаций, д/ .

В.М. Смирнов

I. Общая характеристика работы

Актуальность темы исследования

Одной из основных задач модернизации Российской Федерации является обеспечение стабильного роста национальной экономики, который невозможен без создания эффективной налоговой системы. Приоритеты налоговой политики на 2008 - 2010 гг. Президент РФ осветил в Бюджетном послании Федеральному Собранию РФ от 9 марта 2007 г. Среди основных направлений налоговой политики в указанный период была названа необходимость принятия главы Налогового кодекса РФ, регулирующей взимание налога на жилую недвижимость граждан, исчисляемого от рыночной цены объекта недвижимости, необходимость скорейшего решения данного вопроса в последующих посланиях Президент РФ отмечалось неоднократно. Основываясь на докладе Минфина РФ Об основных направлениях налоговой политики на 2010 год и на плановый период 2011 и 2012 годов, введение налога на недвижимость дожно стать основным этапом в реформировании системы поимущественного налогообложения в РФ.

Действующая система определения инвентаризационной и балансовой остаточной стоимости не обеспечивает соответствия оценки налоговой базы реальным стоимостям, поскольку не является научно обоснованной унифицированной методикой массовой оценки.

Во всех развитых странах для определения налоговой базы применяется массовая оценка - практика оценки по множеству объектов имущества на данную дату путем систематического и единообразного применения методов оценки и методик, которые учитывают статистическое обозрение и анализ результатов.

На современном этапе развития методик массовой оценки в России

наибольшее распространение получила общепринятая в мировой практике

методология корреляционно - регрессионного моделирования (КРМ).

Указанная методология предполагает построение статистических моделей,

описывающих количественную зависимость исследуемого результирующего

признака (стоимость, ставка аренды) от характеристик (влияющих признаков, ценообразующих факторов) объектов-аналогов, для которых известна рыночная ценовая информация.

Однако в практическом применении метода КРМ для массовой оценки стоимости недвижимости существует ряд методических недостатков, которые существенно усложняют достижение конечного результата, а также вносят большую субъективность в оценку стоимости.

В этой связи актуальной научной проблемой, имеющей важное народнохозяйственное значение, является развитие и практическое обоснование использования альтернативных методов в массовой оценке для целей налогообложения с целью получения корректных статистически достоверных результатов.

Альтернативная методология представляет собой дискретное пространственно Ч параметрическое моделирование (ДППМ), базирующееся на кластерном анализе данных, целью которого является классификация объектов на относительно гомогенные группы, исходя из рассматриваемого набора переменных.

Таким образом, необходимо провести апробацию данной методологии (ДППМ) и сопоставление с методологией КРМ в массовой оценке недвижимости для целей налогообложения.

Изложенные обстоятельства определяют актуальность выбранной темы, цель и задачи диссертационной работы.

Степень научной разработанности проблемы исследования

В настоящее время существует отработанная методика органов технической инвентаризации для проведения оценки инвентаризационной стоимости имущества для целей налогообложения.

Данная методика, по существу, не является научно-обоснованной унифицированной методикой массовой оценки. В проигрыше оказываются наименее обеспеченные и защищенные налогоплательщики (удаленные

новостройки получаются дороже домов старой застройки, расположенных в центральной части городов).

Поэтому, как было сказано выше, она не может удовлетворять современным рыночным потребностям переходной экономики России: во-первых, с точки зрения принципов равенства субъектов гражданских правоотношений (ч.1 ГК РФ), во вторых - с точки зрения равной защиты всех форм собственности гражданских субъектов - собственников недвижимости (п.4 ст. 212 ГК РФ), а также не может удовлетворять целям формирования экономически объективной и справедливой налоговой базы.

Теоретические и прикладные аспекты оценки недвижимости для целей налогообложения, развитие методов оценки недвижимости, использования методов сравнительного подхода в массовой оценке рассматриваются в работах зарубежных и отечественных ученых: Джозеф К. Эккерт, Д. Фридман, Н. Ордуэй, Г. Харрисон, Р. Глоудеманс, И.Н. Анисимова, А.Н. Асаул, Н.П. Баринов, C.JI. Бондарчук, Н.В.Волович, C.B. Грибовский, А.Г. Грязнова, В.Е. Есипов, С.П. Коростелев, JI.A. Лейфер, JI.H. Лыкова, Е.И. Нейман, С.А. Сивец, Г.М. Стерник, С.Г. Стерник, Е.И. Тарасевич, М.А. Федотова и других.

Опыт применения методов массовой оценки отражен в международных стандартах оценки (MP 13 МСО), стандартах международной ассоциации налоговых оценщиков (IAAO), американских стандартах ouchkh(USPAD), европейских стандартах оценки (TEGOVA).

Как было сказано выше, наибольшее распространение в научной литературе получили работы по развитию методологии корреляционно -регрессионного моделирования (КРМ).

Основными недостатками применения регрессионных моделей и методов при решении задач оценки сравнительным подходом являются:

1) контролируемый характер (подборка параметров объектов - аналогов направленных на результат);

2) в методе КРМ гипотезу о нормальности распределения выборки рыночных данных нельзя рассматривать как принимаемую автоматически, и

требуется проверка специальными предусмотренными процедурами. Как правило, обеспечение отсутствия в выборке грубых погрешностей и нормальность ее распределения в методе КРМ, приводит к отсечению предложений по элитной недвижимости.

3) для метода КРМ нежелательно введение большого числа факторов, та как они чаще всего оказываются незначимыми, следует отбирать факторы, находящиеся в тесной корреляционной связи с выбранным результирующим показателем.

Несмотря на широкое освещение различных аспектов проблематики использования метода КРМ и альтернативных методов, существующие научные исследования и публикации носят однонаправленный характер освещения и развития изучаемой методики автором и не обеспечивают сравнительный анализ эффективности использования в России методик массовой оценки для целей налогообложения или освещают вопросы сравнения методик на рынках с небольшим колебанием цен, что нехарактерно для массовой оценки.

Альтернативная методология - дискретное пространственно параметрическое моделирование (ДППМ), - разработана в интересах анализа рынка недвижимости и получила развернутое отражение в работах Г.М. Стерника и С.Г Стерника. Ее применение в массовой оценке апробировано также в совместных работах вышеуказанных авторов с C.B. Грибовским и М.А.Федотовой: апробированы способы использования дискретных моделей (ДППМ) в интересах массовой оценки квартир для целей налогообложения, нежилых помещений г. Москвы для формирования ставок аренды государственного и муниципального имущества, и др.

Цель исследования

Целью диссертационного исследования является методическое развитие массовой оценки недвижимости: выявление и развитие наиболее эффективного метода для практического использования в российских условиях в массовой оценке для целей налогообложения.

Поставленная цель определила следующие основные задачи исследования:

- определение и систематизация методических проблем внедрения в РФ массовой оценки недвижимости для целей налогообложения, с учетом зарубежного опыта;

- анализ методической целесообразности выбора вариантов группировки факторов ценообразования в массовой оценки недвижимости для целей налогообложения;

- сравнительный анализ эффективности метода корреляционно -регрессионного моделирования и метода дискретного пространственно -параметрического моделирования для массовой оценки недвижимости;

- разработка практического агоритма и развитие методики массовой оценки недвижимости на основе дискретного пространственно параметрического моделирования рынка.

Объектом исследования являются методы массовой оценки

недвижимости для целей налогообложения: метод корреляционно

регрессионного моделирования и метод дискретного пространственно -параметрического моделирования.

Предметом исследования является механизм формирования итоговой рыночной стоимости объектов недвижимости в моделях массовой оценки с целью налогообложения.

Методологическая основа исследования опирается на развивающиеся

методы массовой оценки в рамках сравнительного подхода, методы

статистического и качественного анализа баз данных по недвижимости

московского региона, методы экономико-правового анализа

институциональных и административных условий внедрения массовой оценки

для целей налогообложения в России, теоретические и практические положения

отечественных исследователей по вопросам использования методов массовой

оценки с целью определения и обоснования налоговой базы налога на

недвижимость. В процессе анализа изучаемых материалов и научной литературы применяются общенаучные и частные методы экономико-статистического анализа, выборочного исследования, графический метод и др.

Научно-практической основой диссертационного исследования является анализ теоретических и эмпирических работ, посвященных изучению вопросов массовой оценки, использования регрессионных моделей в оценочной деятельности, применения математических методов в массовой оценке недвижимости, статистического мониторинга и моделирования рынка недвижимости.

При работе над диссертацией были использованы законодательные и нормативно-справочные акты Российской Федерации в области оценочной деятельности, данные риэтерских компаний, труды зарубежных и отечественных ученых, экспертные оценки, расчеты исследователей и практических работников.

Научная новизна исследования состоит в следующих положениях, выносимых на защиту:

определена и теоретически обоснована целесообразность и эффективность использования метода дискретного пространственно -параметрического моделирования в массовой оценке недвижимости для целей налогообложения, в результате выявленных неудовлетворительных результатов использования метода корреляционно - регрессионного моделирования в массовой оценке на рынках с большим колебанием цен;

- разработан принцип и расчетный метод моделирования структуры факторов, влияющих на массовую оценку стоимости недвижимости, основанный на ранжировании отклонений средних по выборкам с учетом и без учета каждого исследуемого фактора;

- разработан агоритм практического применения метода дискретного пространственно - параметрического моделирования для целей массовой оценки недвижимости.

Практическая значимость диссертационной работы. Результаты проведенного исследования, обосновывающие эффективность использования метода ДППМ в массовой оценке недвижимости для целей налогообложения, могут служить основой определения налоговой базы налога на недвижимость в РФ, а также применяться для массовой оценки в других целях: кадастровая оценка земельных участков, формирование арендных ставок и аукционных цен продажи государственного и муниципального имущества и др.

Апробация результатов работы. Основные положения диссертационного исследования обсуждались и были одобрены на международной межвузовской научной конференции Национальные интересы РФ и финансовое оздоровление экономики. Москва, 2010. Отдельные аналитические, методические и практические результаты диссертационного исследования обсуждались на заседании кафедры антикризисного управления Всероссийской государственной налоговой академии Министерства финансов РФ и используются при преподавании дисциплины Оценка недвижимости.

Информационную основу исследования составили базы данных риэторских компаний Московского региона.

Публикации. Научные результаты и выводы, изложенные в диссертации, нашли отражение в печатных работах автора. По теме диссертации опубликовано 6 работ, общим объемом - 6,7 п.л. (лично авторских 5,4 п.л.).

Структура и объем исследования. Цели, задачи и логика проведения исследования определили следующую последовательность изложения материала:

Глава 1. Теоретические аспекты массовой оценки недвижимости

1.1 Эволюция методологических основ массовой оценки недвижимости

1.2 Государственная политика РФ в области внедрения массовой оценки с целью определения налоговой базы налога на недвижимость

1.3 Анализ структуры факторов, определяющих цену объекта недвижимости и подлежащих учету при массовой оценке для целей налогообложения

Глава 2. Расчетные методы массовой оценки недвижимости

2.1 Метод корреляционно - регрессионного моделирования (КРМ)

2.2 Метод дискретного пространственно - параметрического моделирования (ДППМ)

2.3 Сравнительный анализ расчетных методов массовой оценки: КРМ и ДППМ

Глава 3. Разработка практического агоритма использования метода дискретного пространственно - параметрического моделирования в интересах массовой оценки недвижимости для целей налогообложения

3.1 Моделирование структуры факторов стоимости для методологии ДППМ

3.2 Обоснование последовательности этапов массовой оценки на основе методологии дискретного пространственно - параметрического моделирования

3.3. Разработка практического агоритма массовой оценки на основе методологии дискретного пространственно - параметрического моделирования

Заключение

Список использованных литературных источников

Приложения

II Основные положения и выводы диссертации

1. Выделены две методики массовой оценки недвижимости для целей налогообложения

Конечная цель любого исследования или научного анализа - нахождение связей (зависимостей) между переменными. Философия науки учит, что не существует иного способа представления знания, кроме как в терминах зависимостей между количествами или качествами.

При отборе аналогов в массовой оценки недвижимости, как правило, фиксируются значения тех признаков, которые могут рассматриваться как классифицирующие для объектов недвижимости. Это, прежде всего, функциональное назначение, часто допонительно фиксируется тип строения (здания, помещения) и особое местоположение объекта. Количество факторов, значения которых могут быть зафиксированы, зависит от степени активности и открытости рассматриваемого сегмента рынка. Пример возможного набора значимых ценообразующих факторов приведен в таблице 1.

Таблица 1

Характеристика объекта Способ описания

Местоположение (зона, район) Качественный признак

Период строительства Диапазон значений

Состояние дома - после реконструкции, капремонта Качественный признак

Этажность дома Целое число

Количество квартир в доме Целое число

Количество машино-мест в подземной/наземной парковке Целое число

Количества лифтов в подъезде Целое число

Этаж расположения квартиры Целое число

Количество квартир на площадке Целое число

Площадь квартиры Число

Количество комнат Целое число

Количество санузлов Целое число

Количество баконов Целое число

Площадь кухни Число

Высота потока Число

Материал несущих конструкций Качественный признак

Материал наружных и внутренних ограждений и перегородок Качественный признак

Тип санузла Качественный признак

Тип планировки Качественный признак

Ориентация окон во двор или на проезжую часть Качественный признак

Наличие придомовой территории Бинарный признак

Площадь придомовой территории Число

Наличие ограждения и охраны территории Бинарный признак

Наличие благоустройства территории Бинарный признак

Наличие телефона/интернета (выделенной линии) в квартире Бинарный признак

Наличие консьержа в подъезде Бинарный признак

Удобство подъезда к дому Бинарный признак

Особенности элитной планировки (наличие двухуровневых квартир, обогрев полов, деревянные стеклопакеты, центральное кондиционирование, эксклюзивная инфраструктура и отдека, индивидуальные лифты, зимний сад, каминный зал, система климат-контроля, очистка воды на входе в дом, автономное отопление) Бинарный признак

Наличие элитной инфраструктуры и сервиса (спортивно-оздоровительный комплекс (тренажерные залы, сауна, турецкая баня, бассейн, крытый теннисный корт), бойлерная, уборка квартир, современные телекоммуникации, управляющая компания) Бинарный признак

В методологии КРМ существует проблема преобразования качественных

факторов в количественные, поскольку большинство ценообразующих факторов относиться к качественным показателям.

Несмотря на то, что существует наработанный материал использования различных подходов оцифровки качественных признаков: сведение к совокупности бинарных (фиктивных) переменных, равномерное кодирование, применение оптимизационных процедур, в частности агоритма симплекс-метода или более прозрачного метод оптимизации, заключающийся в том, что каждой градации признака ставится в соответствие среднее арифметическое наблюдаемых значений зависимого признака по всем объектам, которые имеют то же значение градации, в практике отдается предпочтение первому подходу, так как второй подход достаточно субъективен, а третий достаточно сложен.

При этом следует отметить, что подход на основе использования совокупности бинарных (фиктивных) переменных хорош для задач массовой оценки, в то время как его применение на практике для большинства случаев задач индивидуальной оценки затруднено из-за ограниченности объема рыночных данных и дефицита степеней свободы регрессионных моделей.

В методологии ДППМ вышеуказанная проблема отсутствует, базируясь

на кластерном анализе данных, она проводит классификацию объектов на

относительно гомогенные группы, при этом происходит рассечение результирующего показателя по введенным в модель ценообразующим факторам, что не требует их преобразования. Таким образом, все проводимые расчеты в ДППМ базируются на значения результирующего показателя, а качественные ценообразующие факторы характеризуются фактическими значениями.

Вышеизложенное также свидетельствует о том, что методология ДППМ избегает проблемы связанной с наличием мультиколинеарности, при этом одним из условий построения модели множественной регрессии является независимость действия факторов. Существуют инструменты выявления (агоритм Феррара-Глобера) и устранения (использование относительных значений, замена факторов и т.д.) мультиколиниарности, однако, данная проблема, несомненно, отягощает метод КРМ.

В данном случае можно видеть принципиальное различие сущности данных методик.

Сущность методики массовой оценки, основанной на методологии ДППМ, заключается в том, что:

- изучается заданный перечень объектов оценки и их характеристики;

- определяется принадлежность каждого оцениваемого объекта к одному из сегментов и/или одному из кластеров по выделенным факторам;

- после квалифицированЩ объекта как товара на рынке недвижимости и определения принадлежности к одному из кластеров ему приписывается диапазон стоимости, полученный в ДППМ;

- при необходимости уменьшения диапазона для отдельных объектов, в оценку могут вноситься детализирующие индивидуальные поправки (корректировки, коэффициенты), определяемые по данным ДППМ любыми корректными методами.

Сущность метода КРМ - это корреляции и регрессии. Выявить наличие и форму зависимости между переменными, иначе говоря, силу взаимосвязи, позволяет корреляционный анализ. При поиске корреляционной зависимости

выявляется вероятная связь одной измеренной величины х (для какого-то диапазона ее изменения, например от Х| до хД) с другой измеренной величиной у (также изменяющейся в каком-то интервале у\ ... уД).

Зависимость одной случайной величины от значений, которые принимает другая случайная величина (физическая характеристика), в статистике называется регрессией. Если этой зависимости придан аналитический вид, то такую форму представления изображают уравнением регрессии.

Модель множественной регрессии записывается в виде:

У=/(х1,х2,...,хп)

у - результирующая переменная;

Хьх2, факторные переменные;

п - количество факторных переменных.

Таким образом, корреляционный анализ позволяет сделать вывод о силе взаимосвязи между парами данных хну, а регрессионный анализ используется для прогнозирования одной переменной (у) на основании другой (х)

Применение корреляционно - регрессионного анализа в оценке позволяет установить закономерность влияния основных ценообразующих факторов на изучаемый результирующий (стоимостной) показатель, как в совокупности, так и каждого фактора в отдельности.

2. Обоснована целесообразность и эффективность использования метода ДППМ в массовой оценке недвижимости для целей налогообложения

В настоящей работе проведено сопоставление метода КРМ и альтернативной методики - дискретного пространственно-параметрического моделирования (ДППМ) на примерах квартирного рынка Москвы и рынка таунхаусов ближнего Подмосковья. Основные результаты и выводы этой работы сводятся к следующему.

1) Для правильного и точного определения уровней значимости и применения статистических тестов в КРМ при исследовании выборок

необходимо выявить форму распределения изучаемой статистической совокупности. Распределение многих статистик в экономике является гауссовским (нормальным) или может быть приведено к нормальному с помощью некоторых преобразований. Оно характеризуется симметричностью и одномодальностью. Однако многолетние исследования показали, что распределения цен на недвижимость в подавляющем числе случаев имеют левую асимметрию и положительный (островершинный) эксцесс (рис. 1).

10000 9000

8 6000 с; т

& 5000 о т

| 4000 к

| 3000 2000 1000 0

Рис. 1. Распределение удельных цен предложений вторичного рынка недвижимости с наложенным графиком нормального распределения Выявленные особенности распределения цен на недвижимость показывают

их принципиальную ненормальность. В рамках КРМ это накладывает

ограничение на использование критериев, разработанных для нормального

распределения, или дает погрешность в результатах.

Таким образом, формирование репрезентативной выборки в методе КРМ

требует детальной подборки и подгонки, базирующиеся на подходах и

суждениях специалиста, формирующего данные для выборки.

Так, использование критерия Смирнова-Граббса для проверки резко

отклоняющихся значений от общей массы (выбросов) отсекает предложения,

находящиеся на правом краю распределения (лэлитную недвижимость), что

недопустимо для целей налогообложения.

-Expected Normal

удельная цена предложения S

2) При исследовании агоритма КРМ на выборках объемом от 10 тыс. до 30 тыс. предложений квартир на рынке жилья Москвы выявлено, что явной закономерности влияний между результирующим показателем и факторами (местоположение, тип, количество комнат, наличие гаража, охрана и т.д.) не прослеживается (пример по количеству комнат см. на рисунке 2). При этом наблюдается значительное колебание удельной цены.

Проверка тесноты связи между количественными факторами (удельная цена - количество комнат; удельная цена - этажность) по таблице Чеддока свидетельствовала о слабом или умеренном характере связи (0,2-0,3). На рис. 2 показано, что согласно значению коэффициента детерминации линейной функции, только 2,1% удельной цены предложения объясняется влиянием количества комнат, в соответствии с полиномиальной функции - 4,3%. Как будет показано ниже, при тех же исходных данных метод ДППМ выявляет статистическую связь между этими факторами и удельной ценой предложения.

9 000,00 -

3 8000,00 г

Л 7 000,00 -г

ё бооо.оо Х

о. 5000,00 -

4 000,00 |

и зооо.оо :

К 2 000,00 I

з 1000,00 .

^ 0,00 . о

Рис. 2. Зависимость удельной цены предложения от количества комнат

3) Следует также отметить, что метод КРМ накладывает ограничения на

количество факторных переменных. Введение большого числа факторов, согласно методике КРМ, нежелательно, следует отбирать факторы, находящиеся в тесной корреляционной связи с выбранным результирующим показателем. Указанный подход может повлечь обратный эффект, когда специалист при формировании выборки будет луходить от

у ~Ь.39.27х3- 9^5,6бх3+ 1939х + 1361,9 = 0,043 У

количество комнат

репрезентативности и искать объекты с нужными для него значениями факторов, которые обеспечивали бы корреляционную связь.

4) В последние годы авторы кореляционно-регрессионных моделей активно внедряют в свою методологию ряд разработок альтернативной методологии ДППМ, справедливо отмечая целесообразность и возможность такой интеграции. Так, введено предварительное исследование значимости отдельных факторов методом однофакторного анализа на основе расчленения выборки на дискретные подмножества (тип, зона местоположения, количество комнат). Однако, методы классификации объектов по этим признакам, разработанные в методологии ДППМ, в КРМ не интегрированы, поэтому данный подход приводится только в качестве условных примеров. Для проверки его эффективности он реализован на конкретных данных расчленения общей выборки на кластеры, проведенного при построении ДППМ. При этом, в отличие от ДППМ, для оцифровки качественных признаков в КРМ использовались не расчетные количественные значения (например, средняя удельная цена в зоне или в типе), а бинарные фиктивные переменные.

Параметры построенных линейной аддитивной и линеаризованной мультипликативной регрессионных моделей с предварительным применением однофакторного анализа для проверки на статистическую значимость влияния типа жилья, зоны местоположения и количества комнат на стоимость, представлены в табл. 2 и табл. 3.

В качестве базового свойства1 для местоположения был выбран Центральный административный округ, для типа квартиры - кирпич с большой кухней и кирпич с малой кухней, для количества комнат - двух и трехкомнатные квартиры. Объединение было проведено согласно результатам однофакторного дисперсионного анализа, используемого в КРМ.

1 Если значение признака принимает несколько альтернативных значений, то для его отображения выбирается базовое свойство и объект характеризуется (п-1) бинарными переменными. Если все (п-1) признака равны нулю, то объект обладает базовым п-м свойством. В качестве базового свойства выбирается свойство, встречающееся в выборке чаще других или свойство, предназначенное для сравнения с другими.

Таблица 2

Параметры линейной модели

Показатели Коэф-ты Станд. ошибка -стат. Р-Значение Нижние 95% Верхние 95%

У-пересечение 3224,584 14,485 222,613 0 3196,191 3252,976

однокомнатные XI 33,886 14,744 2,298 0,021564144 4,985 62,787

четырехкомнатные Х2 164,364 23,632 6,955 3.68277Е-12 118,041 210,686

ЗАО м -113,221 22,230 -5,093 3.5674Е-07 -156,795 -69,648

ЮЗАОХ4 -237,954 22,328 -10,657 2,04018Е-26 -281,720 -194,189

САОХ5 -529,382 22,430 -23,602 8,9643Е-121 -573,347 -485,416

ЮАОиВАОхб -604,148 18,437 -32,768 7,1622Е-227 -640,287 -568,009

СВАО х7 -487,364 23,827 -20,455 1,23626Е-91 -534,068 -440,661

СЗАО х8 -537,324 26,574 -20,220 1.29621Е-89 -589,414 -485,235

ЗеАО х -1088,622 51,574 -21,108 2,29723Е-97 -1189,714 -987,531

Монолитно-кирпичные дома повышенной комфортности Хю 636,869 27,216 23,401 8,452Е-119 583,522 690,215

Панель с малой кухней X] 1 -526,251 19,121 -27,522 2,2172Е-162 -563,731 -488,771

Типовая панель Х[2 -502,652 18,384 -27,343 2,3697Е-160 -538,687 -466,618

Улучшенная панель и Хрущевки кирпич Х13 -508,723 17,736 -28,683 8,4094Е-176 -543,489 -473,958

Хрущевки панель Х]4 -602,092 32,621 -18,457 3.63682Е-75 -666,033 -538,151

Таким образом, при использовании линейной функциональной зависимости получена следующая регрессионная модель для расчета стоимости объекта оценки:

у = 3224,584+33,886х,+164,364x2-113,221х3-237,954x4-529,382x5-604,148х6-487,364х7-537,324x8-1088,62х,+636,869x10-526,251хД-502,652х12-508,723x13-602,092х14.

Соответственно, для двух и трех комнатной квартиры, расположенной в ЦАО в кирпичном доме с большой/малой кухней, стоимость 1 м2 будет равна 3 224,58$.

Таблица 3

Показатели Коэф-ты Станд. ошибка -стат. Р-Значение Нижние 95% Верхние 95%

У-пересечеиие 8,022 0,005 1736,151 0 8,013 8,031

однокомнатныех] 0,026 0,005 5,568 2,62433 Е-08 0,017 0,035

четырехкомнатныехг 0,036 0,008 4/779 1,78248Е-06 0,021 0,051

ЗАО хз -0,015 0,007 -2,120 0,034016524 -0,029 -0,001

ЮЗАО Х4 -0,049 0,007 -6,819 9,5584Е-12 -0,063 -0,035

САО х5 -0,155 0,007 -21,713 8,0643Е-103 -0,169 -0,141

ЮАОиВАОхл -0,191 0,006 -32,469 6,3654Е-223 -0,202 -0,179

СВАО х7 -0,142 0,008 -18,654 1.01975Е-76 -0,157 -0,127

СЗАО х8 -0,160 0,008 -18,924 7Д8156Е-79 -0,177 -0,144

ЗеАО Х9 -0,430 0,016 -26,151 3.5604Е-147 -0,462 -0,398

Монолитно-кирпичные дома повышенной комфортности Хм 0,162 0,009 18,666 8.30141Е-77 0,145 0,179

Панель с малой кухней хц -0,180 0,006 -29,516 9,9325Е-186 -0,192 -0,168

Типовая панель хп -0,170 0,006 -29,047 4.1431Е-180 -0,182 -0,159

Улучшенная панель и Хрущевки кирпич хц -0,172 0,006 -30,404 1,3751Е-196 -0,183 -0,161

Хрущевки панель хи -0,211 0,010 -20,323 1,69493 Е-90 -0,232 -0,191

При использовании нелинейной функциональной зависимости получена

следующая регрессионная модель для расчета стоимости объекта оценки:

1пу = 8,022+0,0261п х1+0,0361п х2-0,0151п х3-0,0491п х4-0,1551п х5-0,1911п х6-0,1421п хг 0,161п Х8-0,431п х,+0,1621п хю-0,181п хи-0,171п Х12-0,1721п хп-0,2111п х,4.

Выпонив обратное математическое преобразование, для определения параметров мультипликативной модели получим:

у = 3047,27*1,03 "*1,04 "2*0,99 "3*0,95 х4*0,86 "5*0,83 1б*0,871?*0,8518*0,65 "9*1,18 110*0,84 *"*0,84"12*0,84,13*0,81 1|4.

Соответственно, для двух и трех комнатной квартиры расположенной в ЦАО в кирпичном доме с большой/малой кухней стоимость 1 м2 будет равна 3 047,27$.

Несмотря на то, что интерпретация коэффициентов полученной модели впоне согласуется с экономическим смыслом, качество моделей является неудовлетворительным: в соответствии с полученными результатами прогнозных оценок, средняя ошибка аппроксимации составляет 18,7% и 17,5% соответственно.

Отклонения расположены относительно равномерно вокруг оси х. В соответствии с гистограммой (рис. 3), отклонения 68% расчетных значений лежат в пределах от - 20% до +20% от фактических значений результирующего показателя.

в пределах в пределах от в пределах от более 30% 10% 10% до 20% 20% до 30%

Рис. 3. Гистограмма распределения отклонений (по модулю) по шкале 10%, 20%, 30% и

более 30%

5) В соответствии с методикой ДППМ, в связи с асимметричном распределением цен на рынке недвижимости, исключение выскакивающих значений базируется на модифицированном правиле трех сигм: значение Сг отбрасывается, если Сг'< (-2)5' и Сг>4. Допонительно вводиться проверка на количество исключаемых предложений, которое не дожно превышать 1% слева и справа. В противном случае соответствующий критерий сдвигается влево (вправо) на 0,5^. При этом проверка выскакивающих значений происходит в малых выборках, т.е. после максимального рассечения общей выборки по местоположению, качеству, размеру и другим признакам (факторам). В результате данный подход не отсекает в выборке предложения по лэлитной недвижимости, а так же обеспечивает более прозрачное, объективное формирование исходных данных, не подверженных суждению специалиста.

6) Основное правило методологии ДППМ - расчленение общей выборки на дискретные кластеры по признакам местоположения (зона), тип (класс) объекта, размер помещения и др. Сначала строится предварительная ДППМ в соответствии с ранее принятым расчленением общей выборки. В нее вводится единственный показатель - объем выборки. Затем исключаются те кластеры,

где объем равен нулю, и присоединяются к смежным кластерам выборки с объемом менее 2-3-х предложений.

После этого производится расчет всех показателей, производится исключение выскакивающих значений, и заново пересчитываются все показатели. Так образуется исходная ДППМ.

Таким образом, в методе ДППМ не требуется нормальное распределение, так как разработаны специальные эмпирические правила оценки асимметричных распределений.

Далее производится оптимизация ДППМ путем объединения малых выборок или их допонительного расчленения. Полученная оптимизированная ДППМ представляет собой конечный результат расчетов.

7) Исходя из средних удельных цен предложения (после проверки их различия по фактору количество комнат), представленных в оптимизированной ДППМ, прослеживается прямая линейная зависимость увеличения количества комнат и средней в Центральном и Западном административных округах (см. рис. 4), нелинейная зависимость: провисание 2 -х и, в большинстве случаев, 3-х комнатных квартир в остальных округах (см. рис. 5). Исключение составляют Юго-Восточный и Зеленоградский округа, в которых наблюдается обратная линейная зависимость (см. рис. 6).

4000,00 3 500,00 3 000,00 2 500,00 2 000,00 1500.00 1000,00 500,00 0,00

четырохком. и

__^_более;

ткбм^Г" 3 676,60

-у^484,1бх+-2129,5-Яг = 0,8973

Рис. 4. График зависимости средней удельной цены предложения ($) в ЗАО от количества комнат

Рис. 5. График зависимости средней удельной цены предложения ($) в CAO от количества комнат

количества комнат

Таким образом, в дорогих округах спрос на большую площадь и многокомнатные квартиры обеспечивает высокие цены, в более дешевых направлениях востребованы однокомнатные квартиры.

8) Согласно результатам, полученным по дискретной пространственно-параметрической модели, модель характеризуется хорошей точностью, уровень средней ошибки аппроксимации составляет 11%. Коэффициент детерминации дискретной пространственно - параметрической модели показывает, что 61% вариации результирующего показателя (средняя удельная цена предложения) объясняется влиянием включенных в модель факторных переменных (район, тип, количество комнат).

В соответствии с диаграммой (см. рис. 7), отклонения 84% расчетных значений лежат в пределах от - 20% до +20% от фактических значений результирующего показателя.

Л -10,2734- * 4,22% 4,17% | Щт. Щ*. Ч ---------е , -3,09%'

/ 10 / / У / -.32,29%. -13,86* У У

Рис. 7. Гистограмма распределения отклонений по шкале 10%, 20%, 30% и более 30%

Таким образом, основные показатели массовой оценки на основе ДППМ существенно лучше выше рассмотренных регрессионных моделей. При сравнении графиков отклонений расчетных значений результатов оценки (модельной удельной стоимости) видно, что в моделях КРМ наибольший разброс в максимальных значениях рассчитанной (модельной) стоимости, т.е. оставшаяся в фактических данных асимметрия оказывает значительный отрицательный эффект на результат модели. В связи с этим, преследуя принцип справедливого налогообложения и в соответствии с неудовлетворительными результатами модели КРМ, можно поставить под сомнение использование одной модели КРМ для разных сегментов (лэконом и лэлиты).

3. Разработаны общие принципы и расчетный метод моделирования структуры факторов, влияющих на массовую оценку стоимости недвижимости

В ходе исследования выявлено, что несмотря на возможность вводить в модель массовой оценки стоимости практически любые массовые факторы (факторы которые вовлекают в модель максимальное количество объектов оценки и обеспечивая тем самым репрезентативную выборку) воздействующие на цену объекта недвижимости, классификация которых широко описана, применение данной модели на практике может вызвать трудности связанные с

тем, что вводимые параметры (ценообразующие факторы) с целью их сравнения дожны согласовываться с информацией (техническими характеристиками) содержащейся в государственном кадастре недвижимости, пономочия по ведению которого возложены на Федеральную службу государственной регистрации, кадастра и картографии.

Таким образом, при практическом проведении массовой оценки недвижимости для целей налогообложения сравнительным подходом на современном этапе, в качестве ценообразующих факторов целесообразно использовать в первую очередь те характеристики, которые содержатся в технических паспортах жилого помещения (квартиры).

Определено, что проведение массовой оценки недвижимости для целей налогообложения целесообразно базировать на ценообразующих факторах, в наименьшей степени подверженных изменениям с точки зрения улучшений и их физического и марального износа. Согласно ФСО №1 итоговая величина стоимости объекта оценки, указанная в отчете об оценке, может быть признана рекомендуемой для целей совершения сдеки с объектами оценки, если с даты составления отчета об оценке до даты совершения сдеки с объектом оценки или даты представления публичной оферты прошло не более 6 месяцев.

Исходя из существующих реалий, проведение массовой оценки недвижимости для целей налогообложения каждые 6 месяцев не предполагается. Согласно введенной государственной кадастровой оценки, решение о ее проведение принимает испонительный орган государственной власти субъекта РФ или органа местного самоуправления не реже чем один раз в пять лет.

Таким образом, с целью сохранения качества модели, в понимании получения по данной модели рыночной стоимости на протяжении длительного периода времени, определен следующий набор основных ценообразующих факторов:

a) местоположение объекта недвижимости;

b) общая площадь объекта недвижимости;

с) год постройки объекта недвижимости;

с1) материал наружных стен и несущих конструкций объекта недвижимости;

е) этаж расположения квартиры / этажность индивидуального домовладения;

наличие электроснабжения (для индивидуальных домовладений); %) наличие водоснабжения (для индивидуальных домовладений); И) наличие канализации (для индивидуальных домовладений); ) наличие газоснабжения (для индивидуальных домовладений). Проводимые исследования показывают, что общая площадь характеризуется большей корреляционной связью с поной ценой предложения объекта недвижимости, чем фактор количество комнат (рис. 8 и рис. 9 на примере загородных объектов недвижимости).

25 000000

20 000000

v= q7fiR(1x+ 1F+1K

10 000000

15 000000

5 000000

Рис. 8. График зависимости поной цены предложения ($) от площади

ТС Г\Г\Г\1\Г\П

Рис. 9. График зависимости поной цены предложения ($) от количества комнат

Использование общей площади вместо количества комнат позволяет избежать завуалированного (неистинного) влияния данного фактора на цену вследствие возможных перепланировок квартир.

Данный подход справедлив для массовой оценки, однако, не подходит для проведения анализа, так как в данном случае следует использовать удельную цену предложения, которая проявляет эффект скидки на объем: 1 м2 в квартире общей площадью 120 м2 стоит меньше 1 м2 в квартире общей площадью 60 м2. Но корреляционная связь при таком подходе незначительная.

Также следует отметить, что не все значения количественных факторы следует использовать в номинальном выражении или вводить большой набор интервалов для данного фактора, например, фактор этаж расположения квартиры следует рассматривать в трех диапазонах значений - нижние, средние и последние этажи.

Выявление системы воздействующих факторов и степень их влияния на цену объекта недвижимости позволяет формировать их структуру, которая способна влиять на результативность модели оценки. В методологии ДППМ существует упущение, связанное с очередностью проведения последовательного сечения в рамках ценообразующих факторов.

При использовании в расчетах ДППМ данных генеральной совокупности (в расчетах использовалась база данных загородной недвижимости) очередность проведения последовательного сечения ценообразующих факторов не имеет значения, так как при любом ранжировании факторов образуется кластер с одним и тем же набором предложений и расчетной (модельной) стоимостью.

Следует отметить, что в данном случае при последовательном сечении (отношение средней первого фактора к средней по выборке, средней второго фактора в рамках первого к средней первого фактора и т.д.) логично провести расчет мультипликаторов, выбрав определенные характеристики каждого фактора, например, материал стен - кирпич, местоположение - район л14, площадь - от 60 м2 до 80 м2 и т.д. Если получается что мультипликатор, при

каком - либо факторе, например площадь, равен 1, и последующие мультипликаторы в рамках данного фактора равны 1, то их можно не использовать, так как при факторе площадь достигнуто максимальное рассечение. Следовательно, можно облегчить работу при построении ДППМ.

При этом при использовании выборочных данных, где проводится проверка малых выборок в исходной ДППМ на значимость различия средних и их объединение в случае незначимости при построении оптимизированной ДППМ, ранжирование ценообразующих факторов оказывает влияние на модельную стоимость. Исходя их проведенных исследований для выборочных данных можно предложить следующий агоритм выявления значимых ценообразующих факторов:

а) на основе сформированной исходной ДППМ, необходимо рассчитать отношение среднего значения результирующего показателя в рамках каждого ценообразующего фактора (например: средние по всем типы, средние по всем количествам комнат и т.д.) к среднему значению в целом по выборке, а также отклонение от среднего (табл. 4 и табл. 5);

Таблица 4

Расчет отклонений по фактору количество комнат

Ср. Значение ($) Отношение ср.

Фактор количество комнат Кол-во предложений значения к ср. значению по выборке (2 682,78$)

1 3195 2 516,47 0,938

2 5206 2 642,43 0,984

3 4356 2 652,36 0,988

4 и более 1008 3 549,78 1,323

Итого - 2 840,26 1,058

Таблица 5

Отклонения по факторам: тип, район, количество комнат

Фактор Отношение средних Отклонение

Количество комнат 1,058 5,87%

Район 0,945 -5,49%

Тип 1,018 1,82%

б) по значениям отклонений выбрать фактор с наименьшим отклонением, который будет соответствовать самому значимому (в данном примере - тип), следующий фактор с наименьшее отклонение- второму по значимости и т.д.

Значения показателей модели с ранжированием факторов: тип, район, количество комнат, при проведении последовательного сечения характеризуется значениями, приведенными в таблице 6. Средняя ошибка аппроксимации - 8,3%.

Таблица 6

Значения показателей модели с ранжированием факторов: тип, район, количество

Диапазон Среднее Доля объектов, %

отклонения, % отклонение, %

Менее -30 -32,60% 0,66%

-(20,01-30) -24,09% 2,21%

-(10,01-20) -13,52% 11,06%

-(0-10) -4,54% 39,82%

0 и менее -7,54% 53,76%

+(0,01-10) 3,79% 29,20%

+(10,01-20) 13,42% 10,84%

+(20,01-30) 23,62% 4,42%

Более +30 36,23% 1,77%

Более 0 9,19% 46,24%

0-+/-10 -1,02% 69,03%

10,01+/-20 -0,19% 21,90%

20,01+/-30 7,71% 6,64%

Более +/-30 17,46% 2,43%

Среднее 0,19% 100,00%

отклонение

Значения показателей модели с ранжированием факторов: количество комнат, район, тип, при проведении последовательного сечения характеризуется значениями, приведенными в таблице 7. Средняя ошибка аппроксимации - 8,87%.

Таблица 7

Значения показателей модели с ранжированием факторов: тип, район, количество _комнат, при проведении последовательного сечения_

Диапазон Среднее Доля объектов, %

отклонения, % отклонение, %

Менее -30 -31,95% 0,44%

-(20,01-30) -24,95% 1,99%

-(10,01-20) -13,07% 9,07%

-(0-10) -4,69% 37,17%

0 и менее -7,33% 48,67%

+(0,01-10) 4,09% 30,31%

+(10,01-20) 14,10% 13,50%

+(20,01-30) 24,25% 5,31%

Более +30 39,68% 2,21%

Более 0 10,34% 51,33%

0-+/-10 -0,74% 67,48%

10,01+/-20 3,18% 22,57%

20,01+/-30 10,83% 7,30%

Более +/-30 27,74% 2,65%

Среднее отклонение 1,74% 100,00%

Неоднократные расчеты при противоположном ранжировании факторов по степени значимости исходя из предложенной методики с использованием различных кластеров в исходной ДППМ (районы СВАО, кирпич с большой кухней, 1 и 2 комнатные квартиры; районы BAO, кирпич с большой кухней, кирпич с малой кухней и панель с малой кухней, 1 и 2 комнатные квартиры) подтверждают полученные результаты. Средняя ошибка аппроксимации при ранжировании факторов по степени значимости (влияния), исходя из предложенной методики, уменьшается на 0,5 - 1,5%.

При этом снижается трудоемкость проведения последовательного сечения с одновременным повышением качества получаемой модели, а также отсутствует необходимость использования экспертных методик для определения влияния факторов.

4. Разработан комплексный практический агоритм поного цикла массовой оценки недвижимости для целей налогообложения методом ДППМ.

В целях логического поэтапного проведения массовой оценки методом ДППМ в рамках проводимого исследования предложен практический агоритм (рис. 13). Реализация разработанного агоритма даст возможность в кратчайшие сроки обеспечить массовую оценку недвижимости в России для целей налогообложения необходимой научно обоснованной, унифицированной методикой расчета рыночной стоимости.

Рис. 13. Агоритм проведения массовой оценки методом ДППМ

Список научных публикаций по теме диссертации

1. Лапко К.С., Балакин В.В. Анализ сравнительного подхода оценки стоимости предприятия: достоинства и недостатки. // Сборник научных статей профессорско-преподавательского состава, аспирантов и соискателей ВГНА. №1.-2008.-0,5 п.л.

2. Лапко К.С. Взаимосвязь целей, принципов оценки и видов стоимости // Вестник ВГНА. №3.-2008. - 0,6 п.л.

3. Лапко К.С., Коновалов В.В. Субъективность результатов корреляционно - регрессионного метода в массовой оценки недвижимости для целей налогообложения // Национальные интересы РФ и финансовое оздоровление экономики. Материалы Международной межвузовской научно-практической конференции. - ВГНА Минфина России, 2010. - 0,3 п.л.

В том числе в журнал рекомендованных ВАК Минобрнауки России:

1. Лапко К.С. Анализ метода дисконтирования денежных потоков и его применение в современных условиях // Аудит и финансовый анализ. №6. - 2009. - 1,4 п.л.

2. Лапко К.С. Развитие методов массовой оценки недвижимости для целей налогообложения // Аудит и финансовый анализ. №4. - 2010. -1,6 п.л.

3. Лапко К.С., Стерннк Г.М., Стерник С.Г. Массовая оценка недвижимости для целей налогообложения: проблемы и пути их решения // Финансы и кредит. №12. - 2010. - 2,3 п.л.

Напечатано с готового оригинал-макета. Издательский центр ГОУ ВПО ВГНА Минфина России Лицензия ИДК 00510 от 01.12.99 г. Тираж 100 экз. Заказ № 0217 Подписано в печать 27.08.2010 Тел/факс 37145-66. 109456, Москва, Вешняковский 4-й пр-д. д.4

Похожие диссертации