Опубликовано в Международном теоретическом и научно-практическом журнале "Вестник Финансового университета" №5, 2015. Стр. 73-79.

Методика массовой оценки ставок аренды коммерческой недвижимости на узких рынках

СТЕРНИК ГЕННАДИЙ МОИСЕЕВИЧ,

кандидат технических наук, профессор кафедры управления проектами и программами, РЭУ им. Г.В.Плеханова, Москва, Россия

E-mail: gm_sternik@sterno.ru

СТЕРНИК СЕРГЕЙ ГЕННАДЬЕВИЧ,

доктор экономических наук, профессор, профессор кафедры оценки и управления собственностью, Финансовый университет, Москва, Россия

E-mail: sgs728@mail.ru

АННОТАЦИЯ

Узкие рынки аренды коммерческой недвижимости в малых населенных пунктах, где предложение на рынке содержит единичные помещения, не поддаются статистическому анализу. Особо обостряется данная проблема при необходимости охвата широкого перечня населенных пунктов России. Кроме того, возникает проблема несоответствия между ожидаемыми трудозатратами на сбор и обработку данных и достигаемыми результатами. В связи с этим актуальна задача разработки методики определения ставок аренды коммерческой недвижимости на узких рынках при отсутствующем или минимальном предложении. Идея методики состоит в поиске экономически обоснованной и статистически подтвержденной связи средних по городу ставок аренды с фактором, определение которого не вызывает затруднений, что и показано в данной статье.

Ключевые слова: узкие рынки; ставки аренды; вторичные рынки; коммерческая недвижимость; модели рынка; корреляция цен.

В монографии «Анализ рынка недвижимости для профессионалов» и в последующих публикациях авторами настоящей работы было показано, что методология массовой оценки ставок аренды объектов коммерческой недвижимости на основе построения статистических кластерных (дискретных) пространственно-параметрических моделей рынка (ДППМ)[1] корректно реализуется на относительно развитых рынках, к которым можно отнести:

• вторичные и первичные рынки жилой недвижимости крупных и средних городов;

• вторичные рынки купли-продажи и аренды жилой недвижимости малых населенных пунктов, а также загородной недвижимости, с достаточным объемом предложения помещений;

• вторичные рынки купли-продажи и аренды коммерческой недвижимости в крупных и средних городах.

В то же время узкие рынки аренды коммерческой недвижимости в малых населенных пунктах, где предложение на рынке содержит единичные помещения, не поддаются статистическому анализу.

Особо обостряется данная проблема в случае необходимости охвата широкого перечня населенных пунктов России. Кроме названного затруднения, здесь возникает проблема несоответствия между ожидаемыми трудозатратами на сбор и обработку данных и достигаемыми результатами.

В связи с этим актуальна задача разработки методики определения ставок аренды коммерческой недвижимости на узких рынках при отсутствующем или минимальном предложении. Идея методики состоит в поиске экономически обоснованной и статистически подтвержденной связи средних по городу ставок аренды с фактором, определение которого не вызывает затруднений. В качестве такого фактора выбрана средняя по городу удельная цена предложения на продажу жилой недвижимости.

В качестве исходных данных о ставках аренды помещений коммерческой недвижимости использовались базы предложения помещений в аренду в апреле 2015 г., включая офисные, торговые, производственно-складские помещения и гаражи. Всего были собраны базы по 14 крупнейшим городам-миллионникам РФ (за исключением Волгограда), с общим количеством помещений, предлагаемых в аренду, 32 130 шт. (табл. 1).

Таблица 1. Объем данных о предложении коммерческой недвижимости в аренду по 14 городам-миллионникам, апрель 2015 г.

Фрагмент исследуемой базы данных приведен в табл. 2.

Таблица 2. Фрагмент базы данных предложения коммерческой недвижимости в аренду в г. Пермь, апрель 2015 г.

В качестве исходных данных о ценах жилых помещений использовались базы предложения жилых помещений на продажу в апреле 2015 г. Были собраны базы по тем же 14 городам с общим количеством предложений 139,6 тыс. шт. (табл. 3).

Таблица 3. Объем данных о предложении квартир на продажу, апрель 2015 г.

Обработка данных включала в себя стандартные процедуры верификации:

• очистку от артефактов (пропусков и ошибок);

• очистку от повторов и дублей;

• предварительную статистическую обработку выборок и исключение «выскакивающих» значений по модифицированному правилу трех сигм [значение считается «выскакивающим», если оно выходит за пределы диапазона (-2)…(+4) стандартных отклонения];

• расчет погрешности в оценке математического ожидания цены (ставки) по средневыборочному значению по формуле +/- δ = 2 s / √ (n–1), где s — среднеквадратическое (стандартное) отклонение; n — объем выборки;

• оценку допустимости величины погрешности (принят предел допустимой погрешности 10% от среднего) и пополнение при необходимости базы предложений;

• окончательную статистическую обработку выборки для получения средневзвешенной арендной ставки по формуле А_ср. = (Ʃ А_i × S_i) / Ʃ S_i , где А_i и S_i — арендная ставка и площадь i-го помещения (суммирование по всем n помещениям) и средневзвешенной удельной цене предложения помещений на продажу Ц_ср. = Ʃ Ц_i / Ʃ S_i, где Ц_i и S_i — удельная цена и площадь каждого помещения (суммирование также по всему объему выборки).

Результаты обработки данных приведены в табл. 4.

Таблица 4. Средневзвешенные по площади удельные цены предложения жилья на продажу и средневзвешенные по площади удельные ставки предложения в аренду коммерческой недвижимости (КН), апрель 2015 г.

По данным табл. 4 проведен расчет коэффициента корреляции между арендными ставками и ценами квартир. Расчет показал высокую корреляцию между этими показателями (R = 0,9718). Это позволяет получить статистическую связь показателей (см. рисунок).

Уравнение параметрического прогнозирования для массовой оценки ставок аренды коммерческой недвижимости

Уравнение линейной регрессии y = 0,099x c коэффициентом детерминации R² = 0,9156 демонстрирует достаточно высокую статистическую достоверность модели.

Вышеизложенное позволяет (по аналогии с использованием валового рентного мультипликатора, но без учета единиц измерения) применять в оценочной практике следующий приблизительный мультипликативный экспресс-расчет: рыночный уровень средневзвешенной по площади ставки аренды коммерческой недвижимости равен 10% средневзвешенной по площади удельной цены предложения жилья (индивидуальные значения по городам легко рассчитать по табл.4).

Таким образом, полученное уравнение параметрического прогнозирования позволяет вычислить среднее значение удельных арендных ставок коммерческой недвижимости локальных рынков по данным о средней удельной цене жилых помещений. Дальнейшее дифференцирование прогнозируемой ставки по отдельным сегментам коммерческой недвижимости осуществляется на основе поправочных мультипликаторов, рассчитанных на массиве 14 городов-миллионников РФ (см. табл. 5).

Вывод

Методика параметрического прогнозирования для массовой оценки ставок аренды коммерческой недвижимости по ценам предложения жилья на узких локальных рынках представляется нам обоснованной.

21.09.2015.

Город	Средневзвешенная удельная ставка аренды коммерческой недвижимости, руб. за 1 кв. м в год	Офисные помещения	Поправочный коэффициент сегмента «офисные»	Стрит-ритейл	Поправочный коэффициент сегмента «стрит-ритейл»	Производственно-складские помещения	Поправочный коэффициент сегмента «производственно-складские»	Гаражи	Поправочный коэффициент сегмента «гаражи»
Москва	26 743,00	27 207,00	1,02	27 905,00	1,04	5 329,00	0,20	4 940,00	0,18
Санкт-Петербург	7 813,68	10 974,29	1,40	18 903,39	2,42	6 447,62	0,83	2 601,54	0,33
Воронеж	7 649,36	7 243,05	0,95	11 885,26	1,55	2 501,55	0,33	2 129,13	0,28
Уфа	6 374,40	7 670,88	1,20	9 042,18	1,42	2 612,67	0,41	2 015,06	0,32
Екатеринбург	6 260,39	8 110,27	1,30	9 044,42	1,44	3 447,90	0,55	3 895,53	0,62
Нижний Новгород	5 865,26	7 509,71	1,28	9 366,98	1,60	3 005,19	0,51	2 471,19	0,42
Красноярск	5 573,27	7 935,26	1,42	7 190,30	1,29	2 696,44	0,48	1 870,49	0,34
Казань	5 501,86	7 096,38	1,29	8 369,55	1,52	2 818,09	0,51	2 584,44	0,47
Пермь	5 408,55	6 802,84	1,26	8 158,49	1,51	2 430,30	0,45	2 515,24	0,47
Самара	5 399,14	6 583,35	1,22	6 904,24	1,28	2 199,81	0,41	1 653,66	0,31
Ростов-на-Дону	5 313,00	5 264,01	0,99	8 019,60	1,51	2 691,10	0,51	2 110,98	0,40
Новосибирск	5 129,76	7 338,37	1,43	10 391,23	2,03	2 942,62	0,57	2 607,80	0,51
Челябинск	3 967,25	5 658,41	1,43	6 948,31	1,75	2 259,22	0,57	3 431,71	0,87
Омск	3 928,79	5 415,90	1,38	6 816,16	1,73	1 660,40	0,42	2 205,29	0,56
Средняя			1,25		1,57		0,48		0,43

Таблица 5. Дифференцирование прогнозируемой ставки по отдельным сегментам коммерческой недвижимости

[1]Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. М.: Экономика, 2009. 606 с.