Особое место в мониторинге рынка и консалтинге рынка недвижимости занимают геоинформационные технологии.

Когда мы говорим о применении ГИС в системе мониторинга, то в первую очередь подразумевается районирование территории города. Оно имеет ту же цель, что и типизация объектов по качеству: уменьшение разброса цен и других индикаторов локального рынка в каждом сечении выборки. Достигается это, прежде всего, топонимическим районированием, которое позволяет построить объективную модель функционирования локального рынка.

Тут надо отметить следующее: система мониторинга рынка характеризуется несводимостью правил сечения и агрегации выборок к сугубо первоначальным мероприятиям по построению данной системы. Мониторинг постоянно нуждается в мониторинге самого себя. Поэтому методы районирования должны отличаться относительной незатратностью, возможностью регулярной проверки и корректировки границ районов и других пространственных характеристик.

Одним из таких методов является интегральный пространственно-топологический метод районирования рынка недвижимости.

Первым этапом является построение объектов города, представляющих интерес с точки зрения анализа рынка недвижимости, в формате ГИС. Прежде всего это улицы, многоэтажные дома, водоемы. слайд 1.

Делается это путем, как автоматической оцифровки космических снимков высокого разрешения, так и путем ручного построения каждого слоя объектов с одновременной забивкой атрибутивной таблицы. слайд 2. Мы выбрали последний вариант. слайд 3. Вы видите, как сначала были построены улицы, потом реки и наконец дома. слайд 4.

Уже сейчас видны зоны компактного расположения многоквартирных домов – спальные районы.

Далее за счет выявленных закономерностей в рекламных объявлениях по отнесению продавцами своих квартир к определенному району, а также путем экспертного опроса сотрудников Компании (профессионалов в риэлтерской деятельности, аналитиков рынка), были построены границы риэлтерских районов города. слайд 5.

Это карта районов, которой придерживается большинство участников рынка недвижимости Краснодара. Обратите внимание на скрупулезность в проведении границ. Это важно. В дальнейшем, например, в топологическом анализе, станет ясно, зачем такая точность.

Далее трансформируем слой домов в слой точек с идентичными координатами и атрибутивной таблицей. слайд 6

Путем объединения атрибутивной таблицы домов с таблицей, содержащей сведения о прошедших сделках получаем точки, соответствующие координатам домов, в которых прошли сделки слайды 7-8

Наконец можно проводить пространственный анализ распределения слайд 9

Строится растровое изображение плотности сделок на единице площади территории города. слайд 10

Сверху проводятся изолинии. слайд 11

Полученное изображение чем-то напоминает карту глубин, но физический смысл иной. В географии обычно изолинии соединяют точки с одинаковым значением какого-либо атрибута (высоты, глубины). В нашем случае изолинии ограничивают области одинаковой напряженности рассматриваемого явления (сделок на вторичном рынке жилья). В этом смысле их можно сравнить скорее с линиями напряженности электромагнитного поля, а не с изогипсами высот физико-географической карты.

Обратите внимание на то, что границы напряженности проходят как по нежилым массивам (это и понятно: там просто нет рассматриваемого явления), так и через жилые массивы. Там есть дома и проходят сделки. Однако степень напряженности-плотности явления не соответствует плотности рядом стоящих районов.

Теперь совместим данную карту с картой топонимических районов, полученных в результате применения методики оптимизации ДППМ, разработанной Стерником Г.М..

Напомню: метод заключается в построении диаграммы распределение цен предложения с ошибкой определения средних величин и объединении районов в топонимические зоны на основании пересечения диапазонов ошибок средних цен и географической близости районов. слайды 12-14

На карте каждому цвету соответствует определенная топонимическая зона, полученная данным методом. Четко прослеживается совпадение в ряде случаев границ топзоны и границ линий напряженности сделок на рынке недвижимости. слайд 15

Но есть и несовпадения. слайды 16

Когда мы впервые задались вопросом: почему? Выяснилось, что даже риэлтеры (не говоря уже о простых людях) часто путают (или, по крайней мере, ассоциируют) дома, попадающие в зоны напряженности соседнего района, с этим соседним районом.

В этом специфика применения пространственного анализа. ГИС не просто проверяет правильность топонимического районирования, но и предлагает альтернативный вариант этого районирования. Кроме того выявляются локальные характеристики рынка недвижимости, о которых мы (риэлтеры, аналитики) догадывались, но обозреть и осмыслить ранее не могли.

Теперь обратимся к топологическому анализу. слайд 17

Вообще топология связывается с анализом правильности проведения границ. Предметом анализа являются полигоны (двухмерные объекты в форме различных геометрических фигур). Такими в частности являются риэлтерские районы города. Они не пересекаются, поскольку соответствуют областям застройки многоэтажных многоквартирных домов, но для топологического анализа нам нужны пересечения. Поэтому, условно приняв степень влияния района на окружающие территории в диапазоне двух-трех кварталов (примерно 500 метров) мы доверяем компьютеру прирастить территорию каждого района на 250 метров.

слайд 18

Степень взаимного проникновения полигонов определяется следующими характеристиками:

- количеством пересечений,

- глубиной пересечений;

- совпадением (или несовпадением) границ полигонов с барьерами пространственного характера (для рынка недвижимости ими часто становятся железнодорожные линии и реки)

В результате анализа ГИС предоставляет данные о возможности объединения районов в топзоны. Эти данные ложатся в основу корректировки традиционного топонимического районирования.

Но даже после простого визуального анализа можно отчертить топонимические зоны с новыми границами: вот РМЗ и ЧМР – это топ. зона ЧМР. слайд 19 А вот для КМР, ГМР, ПМР подтверждается предыдущее районирование. Также видна четкая граница между ШМР и РМЗ.

В результате получаем оптимизированное топонимическое районирование, вобравшее в себя статистическую методологию, методы пространственного и топологического районирования. слайд 20

Основное преимущество технологий ГИС в формах визуализации статистических данных является удобство и быстрота отражения статистических данных на карте по сравнению с графическими программными продуктами. слайд 21 Удобство в данном случае подразумевает отсутствие необходимости обращаться к дизайнерам. слайд 22 Аналитики сами могут быстро и в нужной форме отразить необходимую для текущего анализа информацию. слайд 23 В этом главное отличие от классического подхода по визуализации данных на карте при помощи графических пакетов. слайд 24 Обычно аналитик обращается к дизайнеру на заключительном этапе работы (анализа или консалтинга), чтобы отобразить итоги работы. слайд 25 В нашем же случае все карты строились самим аналитиком и непосредственно в ходе анализа.

Когда нас интересует проверка (или опровержение) полученных ранее данных, то ГИС выступает в качестве одного из самых надежных инструментов (при наличии данных в формате ГИС, которые выступят в качестве базы сравнения).

Так, например, в ходе проведения социологических методов исследования перед аналитиками и маркетологами часто встает задача определения степени компетентности опрашиваемого, степени надежности (адекватности) его мнения. Решается данная проблема путем введения в анкеты контрольных вопросов, ответы на которые мы уже знаем, и можем использовать их для проверки. Затруднения возникают всегда, когда аналитик пытается проверить компетентность эксперта (интервьюированного) в вопросах пространственного характера. Для этого нам нужна объективная база сравнения хотя бы по базовым простым вопросам, например, экология в различных районах, степень транспортной доступности.

ГИС строит такие карты и позволяет ранжировать территории по степени проявления рассматриваемого явления. слайды 26-27 А уже ранжированный ряд районов (по экологическому благополучию, по транспортной доступности) используется для определения степени объективности, верности предыдущих этапов исследования или выявления некомпетентности опрашиваемых. слайды 28-30

Возможна и обратная ситуация: квалиметрическое исследование позволило нам провести рейтинг районов города по привлекательности для совершения покупок квартир в новостройках с целью проживания. Совмещаем результаты этого исследования с картой оптимизированного районирования и в очередной раз убеждаемся в правильности районирования. Слайд 31

Наконец самой развитой формой ГИС-анализа является применение метода определения и расчета количественных атрибутов объекта недвижимости путем пространственного анализа. слайд 32

Перед вами уже знакомая карта транзакционной напряженности вторичного рынка жилья.

А это карта напряженности предложения. слайд 33

Аналогичным образом построены карты плотности образовательных и здравоохранительных учреждений. слайд 34-35

Представьте, что если каждому объекту недвижимости в пределах анализируемой выборки присвоить количественную характеристику по каждому пространственному явлению? слайд 35а

Полученный комплекс переменных будет включать большинство характеристик местоположения и расположения объекта недвижимости. Достоинством такого преобразования является отход от качественных и порядковых характеристик местоположения района, в котором находится объект, к количественным характеристикам и местоположения, и расположения самого объекта.

Продемонстрируем возможность использовать данные возможности ГИС в регрессионном моделировании. В качестве зависимой переменной выберем полную стоимость квартиры.

С помощью ГИС получаем таблицу значений каждого пространственного атрибута для каждой квартиры. Параллельной проверкой жизнеспособности модели будет введение булевых и порядковых переменных для ряда пространственных характеристик квартир. Модель также будет включать стандартный набор негеографических переменных: площадь квартиры, состояние, наличие балкона, лифта, этажность дома и этаж в нем и т.д. слайд 36

Вводим нелинейную функцию: часть переменных, в том числе пространственные переменные из ГИСа, показали максимальную степень надежности модели, в случае, когда применялась показательная функция, когда степенью при (e) являлась дробь, числитель которой – значение переменной в каждом конкретном случае, знаменатель – среднее по всей выборке значение переменной.

В результате получаем модель для всего города, степень детерминации которой R² превышает 0,80. слайд 37

Обратите внимание на степень надежности факторов транзакционной напряженности и плотности сделок (на слайд не попала шапка таблицы – колонка ошибки непринятия нулевой гипотезы обведена зеленым овалом). слайд 38-40 Другие пространственные характеристики, связанные с экологией, плотностью медицинских и образовательных учреждений не попали в модель для всего города, однако для моделей, построенных для отдельных топонимических зон, эти факторы почему-то вошли в модель (при этом R² для районов в отдельности больше 0,90). Видимо, в пределах каждой топонимической зоны детерминация между ценой объекта и данными пространственными переменными отличается от детерминации в другой зоне, поэтому и общей картины по городу не получается.

Пожалуй, самым главным результатом регрессионного моделирования в данном случае является возможность сравнить стандартизованные по единице коэффициенты значимости каждой переменной модели. В таблице они обведены синим овалом. Так положение объекта на карте напряженности предложения влияет примерно в 8 раз слабее, чем площадь квартиры (773 поделить на 92), в сторону уменьшения цены по мере увеличения плотности предложения. Это-то и раньше было понятно, но теперь мы можем количественно это измерить.

Для характеристики, соответствующей положению квартиры на карте транзакционной напряженности, мы видим еще большую значимость – она всего в 6 раз слабее площади квартиры (773 поделить на 126), но теперь уже в сторону увеличения цены квартиры. Это и понятно: чем чаще в ближайшей локации продаются объекты-аналоги, тем выше цена данного объекта.

Выгоды для консалтинга очевидны: слайд 41

- ваш объект попадает в эту зону напряженности предложения, значит, вы можете предложить рынку объект меньшего размера (или качества) по средней для данного района цене, причем можно точно рассчитать количественно насколько он может быть меньшего размера или качества.

- мы проводим конкурентный анализ, но объекты-аналоги ограничены другими изолиниями на карте напряженности какого-либо явления – мы можем достаточно точно ввести поправочные коэффициенты и рассчитать значение конкурентной цены (цены наиболее вероятной продажи) в пределах заданной локации нашего объекта… и так далее

Возникает то, что я называю системным пространственным видением локального рынка недвижимости:

- появляется четкое пространственное представление о границах зон торговли и закономерностях поведении цен в них (это актуально для рынка жилой недвижимости, но в еще большей мере актуально для коммерческой недвижимости);

- стандартный набор инструментария SWOT-анализа и конкурентного анализа не позволяет количественно измерить и соотнести значимость количественных факторов месторасположения с одной стороны и факторов качества и размера объекта с другой. ГИС позволяет решить данную проблему.

В заключение хотелось бы сказать следующее. Универсальных методов нет (какой бы строгостью и логичностью обработки информации они не отличались). Сама логика развития знания характеризуется открытием нового на стыке дисциплин. Поэтому аналитик рынка недвижимости должен в одинаковой степени владеть навыками в области маркетинга, статистики, ГИС и инвестиционного консалтинга.