- •Практическая работа№1. Анализ рынка жилой недвижимости
- •Практическая работа №2. Динамика развития рынка недвижимости
- •Практическая работа №3. Анализ тенденций развития первичного рынка недвижимости и прогнозирование стоимости строящихся объектов
- •Практическая работа №4. Сравнительный (рыночный) подход к оценке объектов недвижимости: принципы, методы, этапы
- •Практическая работа №5. Затратный подход к оценке объектов недвижимости: принципы, методы, этапы
- •Практическая работа №6. Доходный подход к оценке объектов недвижимости: принципы, методы, этапы
- •Приложение 1.
- •Приложение 2.
- •Список литературы:
Приложение 2.
Пример расчетов для практической работы №3.
Данные о средней стоимости 1 кв.м. общей площади жилой недвижимости первичного рынка по городу Таганрогу с января 20Х1Х1 года по июнь 20Х3Х3 года, представлены в таблице:
20Х1Х1 г. месяц |
t |
yt |
20Х2Х2 г. месяц |
t |
yt |
20Х3Х3 г. месяц |
t |
yt |
01 |
1 |
31902 |
январь |
13 |
49736 |
01 |
25 |
51450 |
02 |
2 |
33194 |
февраль |
14 |
50480 |
02 |
26 |
50113 |
03 |
3 |
34673 |
март |
15 |
51303 |
03 |
27 |
49001 |
04 |
4 |
36002 |
апрель |
16 |
52151 |
04 |
28 |
41598 |
05 |
5 |
37877 |
май |
17 |
53009 |
05 |
29 |
34154 |
06 |
6 |
39412 |
июнь |
18 |
54001 |
06 |
30 |
28711 |
07 |
7 |
40998 |
июль |
19 |
55207 |
……… |
|
|
08 |
8 |
42704 |
август |
20 |
56064 |
|
|
|
09 |
9 |
44507 |
сентябрь |
21 |
57197 |
|
|
|
10 |
10 |
46096 |
октябрь |
22 |
55850 |
|
|
|
11 |
11 |
47665 |
ноябрь |
23 |
54994 |
|
|
|
12 |
12 |
48701 |
декабрь |
24 |
52727 |
|
|
|
Определить с помощью линейного коэффициента корреляции корреляционную зависимость между уровнями исходного временного ряда и уровнями этого ряда, сдвинутыми на несколько шагов по времени (автокорреляцию уровней ряда).
Для приведенного примера в табл.1, расчеты линейного коэффициента корреляции проведены по формуле:
;
Пример расчетов по данным табл.1, приведен в табл.2.
Таблица 2. Расчетная таблица
T |
y(t) |
y(t-1) |
c=y(t)-y1 |
d=y(t-1)-y2 |
c*d |
с2 |
d2 |
1 |
31902 |
|
|
|
|
|
|
2 |
33194 |
31902 |
-13343,1 |
-14745,103 |
196744932 |
178037489 |
217418063 |
3 |
34673 |
33194 |
-11864,1 |
-13453,103 |
159608547 |
140756132 |
180985980 |
4 |
36002 |
34673 |
-10535,1 |
-11974,103 |
126148006 |
110987678 |
143379143 |
5 |
37877 |
36002 |
-8660,07 |
-10645,103 |
92187330 |
74996794 |
113318218 |
6 |
39412 |
37877 |
-7125,07 |
-8770,1034 |
62487591,9 |
50766608 |
76914714 |
7 |
40998 |
39412 |
-5539,07 |
-7235,1034 |
40075737 |
30681285 |
52346722 |
8 |
42704 |
40998 |
-3833,07 |
-5649,1034 |
21653403,1 |
14692418 |
31912370 |
9 |
44507 |
42704 |
-2030,07 |
-3943,1034 |
8004771,94 |
4121180 |
15548065 |
10 |
46096 |
44507 |
-441,069 |
-2140,1034 |
943933,214 |
194541,83 |
4580043 |
11 |
47665 |
46096 |
1127,931 |
-551,10345 |
-621606,68 |
1272228,4 |
303715 |
12 |
48701 |
47665 |
2163,931 |
1017,89655 |
2202657,94 |
4682597,5 |
1036113 |
13 |
49736 |
48701 |
3198,931 |
2053,89655 |
6570273,42 |
10233160 |
4218491 |
14 |
50480 |
49736 |
3942,931 |
3088,89655 |
12179306,1 |
15546705 |
9541282 |
15 |
51303 |
50480 |
4765,931 |
3832,89655 |
18267320,6 |
22714099 |
14691096 |
16 |
52151 |
51303 |
5613,931 |
4655,89655 |
26137882,1 |
31516222 |
21677373 |
17 |
53009 |
52151 |
6471,931 |
5503,89655 |
35620838,9 |
41885891 |
30292877 |
18 |
54001 |
53009 |
7463,931 |
6361,89655 |
47484757,1 |
55710266 |
40473728 |
19 |
55207 |
54001 |
8669,931 |
7353,89655 |
63757775,9 |
75167704 |
54079794 |
20 |
56064 |
55207 |
9526,931 |
8559,89655 |
81549544,1 |
90762415 |
73271829 |
21 |
57197 |
56064 |
10659,93 |
9416,89655 |
100383468 |
113634130 |
88677941 |
22 |
55850 |
57197 |
9312,931 |
10549,8966 |
98250459 |
86730684 |
1,11E+08 |
23 |
54994 |
55850 |
8456,931 |
9202,89655 |
77828261,5 |
71519683 |
84693305 |
24 |
52727 |
54994 |
6189,931 |
8346,89655 |
51666714 |
38315246 |
69670682 |
25 |
51450 |
52727 |
4912,931 |
6079,89655 |
29870112,5 |
24136891 |
36965142 |
26 |
50113 |
51450 |
3575,931 |
4802,89655 |
17174826,8 |
12787283 |
23067815 |
27 |
49001 |
50113 |
2463,931 |
3465,89655 |
8539730,08 |
6070956,1 |
12012439 |
28 |
41598 |
49001 |
-4939,07 |
2353,89655 |
-11626057 |
24394402 |
5540829 |
29 |
34154 |
41598 |
-12383,1 |
-5049,1034 |
62523396,2 |
153340397 |
25493446 |
30 |
28711 |
34154 |
-17826,1 |
-12493,103 |
222702924 |
317768735 |
1,56E+08 |
Таким образом, полученное значение r1 подтверждает вывод об имеющейся тесной зависимости между средневзвешенной стоимостью квадратного метра жилой недвижимости на первичном рынке текущего и непосредственно, предшествующего месяца, т.е. во временном ряде стоимости жилья есть сильная линейная тенденция.
Аналогично определяем коэффициенты автокорреляции второго и более высоких порядков.
Число периодов, по которым рассчитывается коэффициент автокорреляции, называют лагом. С увеличением лага число пар значений, по которым рассчитывается коэффициент автокорреляции, уменьшается. Для обеспечения статистической достоверности следует использовать правило: максимальный лаг должен быть не больше n/4.
r2=0,800835;
r3=0,622271;
r4=0,485877;
r5=0,328325;
r6=0,158173;
r7= -0,01903
Анализ значений коэффициентов корреляции позволяет выявить структуру временного ряда. Так как наиболее высоким оказался коэффициент автокорреляции первого порядка, исследуемый ряд содержит только тенденцию.
Проведем аналитическое выравнивание временного ряда с помощью линейного тренда:
T=a+bt,
параметры которого необходимо определить методом наименьших квадратов (МНК).
В качестве независимой переменной в нашем примере используется время t, а в качестве зависимой переменной – уровни временного ряда yt.
В нашем примере
Составим систему. В нашем примере:
По правилу Крамера вычислим главный и вспомогательные определители (чтобы вычислить определитель матрицы А второго порядка, надо от произведения элементов главной диагонали вычесть произведение элементов побочной диагонали). В нашем примере:
∆ = 67425;
∆а= 2710696730;
∆в= 25430505
Рассчитаем значения параметров а и b. В нашем примере:
а = ∆а / ∆ =40203,1402
b = ∆в / ∆ = 377,167297
Таким образом, имеем следующий линейный тренд:
T = 40203,14 + 377,17 t.
Подставляя значения t =1, 2, …,30, рассчитаем уровни Т (пример см.табл.3).
Таблица 3. Расчет уровней Т
t |
T |
t |
T |
1 |
40580,308 |
16 |
46237,817 |
2 |
40957,475 |
17 |
46614,984 |
3 |
41334,642 |
18 |
46992,152 |
4 |
41711,809 |
19 |
47369,319 |
5 |
42088,977 |
20 |
47746,486 |
6 |
42466,144 |
21 |
48123,653 |
7 |
42843,311 |
22 |
48500,821 |
8 |
43220,479 |
23 |
48877,988 |
9 |
43597,646 |
24 |
49255,155 |
10 |
43974,813 |
25 |
49632,323 |
11 |
44351,98 |
26 |
50009,49 |
12 |
44729,148 |
27 |
50386,657 |
13 |
45106,315 |
28 |
50763,825 |
14 |
45483,482 |
29 |
51140,992 |
15 |
45860,65 |
30 |
51518,159 |
Проведем расчет ошибки. Для нашего примера вычисляем ошибку по формуле:
(см.табл.4)
Для оценки качества построенной модели применяем отношение суммы квадратов абсолютных ошибок (1690751063) к общей сумме квадратов отклонений уровней ряда от его среднего уровня (9445479142).Эта величина составляет 17,9%.
Следовательно, можно сказать, что построенный тренд объясняет 82,1% общей вариации уровней ряда стоимости квадратного метра недвижимости.
Таблица 4. Расчет ошибки
t |
y(t) |
T |
e=y(t)-T |
e^2 |
f=y(t)-ycp |
f^2 |
|
1 |
31902 |
40580,308 |
-8678,31 |
75313021,5 |
1595,5 |
2545620,25 |
|
2 |
33194 |
40957,475 |
-7763,47 |
60271541,3 |
2887,5 |
8337656,25 |
|
3 |
34673 |
41334,642 |
-6661,64 |
44377475,7 |
4366,5 |
19066322,3 |
|
4 |
36002 |
41711,809 |
-5709,81 |
32601923,6 |
5695,5 |
32438720,3 |
|
5 |
37877 |
42088,977 |
-4211,98 |
17740747,8 |
7570,5 |
57312470,3 |
|
6 |
39412 |
42466,144 |
-3054,14 |
9327795,65 |
9105,5 |
82910130,3 |
|
7 |
40998 |
42843,311 |
-1845,31 |
3405173,83 |
10691,5 |
114308172 |
|
8 |
42704 |
43220,479 |
-516,479 |
266750,15 |
12397,5 |
153698006 |
|
9 |
44507 |
43597,646 |
909,3541 |
826924,874 |
14200,5 |
201654200 |
|
10 |
46096 |
43974,813 |
2121,187 |
4499433,44 |
15789,5 |
249308310 |
|
11 |
47665 |
44351,98 |
3313,02 |
10976098,2 |
17358,5 |
301317522 |
|
12 |
48701 |
44729,148 |
3971,852 |
15775609,9 |
18394,5 |
338357630 |
|
13 |
49736 |
45106,315 |
4629,685 |
21433982,4 |
19429,5 |
377505470 |
|
14 |
50480 |
45483,482 |
4996,518 |
24965188,2 |
20173,5 |
406970102 |
|
15 |
51303 |
45860,65 |
5442,35 |
29619177 |
20996,5 |
440853012 |
|
16 |
52151 |
46237,817 |
5913,183 |
34965733,4 |
21844,5 |
477182180 |
|
17 |
53009 |
46614,984 |
6394,016 |
40883437 |
22702,5 |
515403506 |
|
18 |
54001 |
46992,152 |
7008,848 |
49123956,2 |
23694,5 |
561429330 |
|
19 |
55207 |
47369,319 |
7837,681 |
61429245,5 |
24900,5 |
620034900 |
|
20 |
56064 |
47746,486 |
8317,514 |
69181036,3 |
25757,5 |
663448806 |
|
21 |
57197 |
48123,653 |
9073,347 |
82325617,3 |
26890,5 |
723098990 |
|
22 |
55850 |
48500,821 |
7349,179 |
54010435,4 |
25543,5 |
652470392 |
|
23 |
54994 |
48877,988 |
6116,012 |
37405602 |
24687,5 |
609472656 |
|
24 |
52727 |
49255,155 |
3471,845 |
12053705,2 |
22420,5 |
502678820 |
|
25 |
51450 |
49632,323 |
1817,677 |
3303950,93 |
21143,5 |
447047592 |
|
26 |
50113 |
50009,49 |
103,51 |
10714,3301 |
19806,5 |
392297442 |
|
27 |
49001 |
50386,657 |
-1385,66 |
1920046,01 |
18694,5 |
349484330 |
|
28 |
41598 |
50763,825 |
-9165,82 |
84012339,6 |
11291,5 |
127497972 |
|
29 |
34154 |
51140,992 |
-16987 |
288557892 |
3847,5 |
14803256,3 |
|
30 |
28711 |
51518,159 |
-22807,2 |
520166508 |
-1595,5 |
2545620,25 |
|
Уравнение тренда можно использовать для прогноза данных на следующий год (см.табл.5).
Таблица 5. Прогноз данных до конца 20Х3Х3 года и на следующий 20Х4Х4 год
t |
20Х3Х3 год, месяцы |
Прогноз |
31 |
07 |
51895,326 |
32 |
08 |
52272,494 |
33 |
09 |
52649,661 |
34 |
10 |
53026,828 |
35 |
11 |
53403,996 |
36 |
12 |
53781,163 |
20Х4Х4 год |
||
37 |
01 |
54158,33 |
38 |
02 |
54535,498 |
39 |
03 |
54912,665 |
40 |
04 |
55289,832 |
41 |
05 |
55666,999 |
42 |
06 |
56044,167 |
Тренд – это не обязательное поведение стоимости первичного жилья, это линейная зависимость изменения стоимости кв.м. от периода (в данном случае, за период взят месяц), то есть он не прогнозирует точные результаты.
Для построения тренда был рассмотрен достаточно большой период времени, в итоге, результат был получен соответствующий реальным ценам 20Х4Х4 года.
Полученные результаты по определению тренда говорят о том, что в г.Ростове- на- Дону в июне 20Х4Х4 года средняя цена 1 кв.м. должна подняться и приблизиться к средней стоимости 1кв.м. первичной недвижимости в августе-сентябре 20Х2Х2 года.
