Прогнозирование цен на недвижимость с учетом сезонности

В настоящее время ни одна экономическая система не может обойтись без рынка недвижимости, так как он является одним из ведущих элементов рыночной экономики. Ежегодно увеличивается количество сделок, совершаемых на рынке недвижимости физическими и юридическими лицами. Объекты рынка недвижимости позволяют удовлетворять личные потребности населения, в то же время являясь источником получения прибыли для ряда организаций.

Рынок недвижимости, как и многие виды экономической деятельности, подвержен фактору сезонности, который заключается в периодических колебаниях цен в результате смены времен года. Таким образом, прогнозирование стоимости недвижимости с учетом фактора сезонности позволит определить периоды, в которые совершение сделок будет сопровождаться наименьшими потерями.

Прогноз цен на недвижимость осуществим на основе следующих данных (таблица 1) [1]:

Таблица 1.

Средняя рыночная стоимость жилья в г.Минске, в долл. США за 1 м²

Прогнозирование стоимости жилья с учетом фактора сезонности будем проводить на основе полиномиального тренда. Преимущество данного тренда заключается в том, что он подходит для описания значений временных данных, которые попеременно снижаются и повышаются.

Сперва построим график изменения стоимости квадратного метра жилья в течение рассматриваемого периода на основе данных таблицы 1 и характеризующий его полиномиальный тренд (рисунок 1).

Рисунок 1. Полиномиальный тренд, построенный с учетом динамики стоимости 1 м² в г. Минске

Следует отметить, что в нашем случае мы построили полином третьей степени. На наш взгляд, нет необходимости рассматривать полином большей степени, так как значение коэффициента аппроксимации составляет 0,989, что свидетельствует о высокой точности построения графика.

Следующим шагом станет определение абсолютных значений тренда [2]. Для этого необходимо определить коэффициенты уравнения полиномиального тренда, исходя из уравнения, которое представлено на рисунке 1. В нашем случае a=0,061; b=-3,453; c=30,67; d=1717. Также определяется номер периода во временном ряде x. Затем полученные данные подставляются в уравнение и по каждому периоду определяется значение тренда. Представим вышеперечисленный алгоритм и проведенные на его основе расчеты в таблице.

Таблица 2.

Значение тренда в динамике

Следующим этапом необходимо определить процентное отклонение фактических значений от значений тренда, а затем определить среднее отклонение за каждый месяц (таблица 3).

Таблица 3.

Среднее отклонение за каждый месяц

После чего определяется общая средняя:

Ū_общ=(1,02+1,02+0,99+0,99+...+1,01+1,02):12 = 1,005.

Так как текущая ситуация на рынке недвижимости в г.Минске характеризуется общей тенденцией снижения, то необходимо следующим этапом определить коэффициенты сезонности, очищенные от тенденции снижения, как отношение средней за месяц к общей средней.

Таблица 4.

Исправленные коэффициенты сезонности

Затем определяется период, на который составляется прогноз, рассчитываются значения тренда для будущих периодов и рассчитывается прогноз. В нашем случае прогноз будем делать на 8 месяцев, то есть до июля 2017 года. Результаты произведенных расчетов представим в таблице 5:

Таблица 5.

Прогноз и тренд на конец 2016 – начало 2017 гг.

Представим спрогнозированные значения с учетом текущей ситуации на рынке недвижимости в г. Минске (рисунок 2).

Рисунок 2. Динамика средней стоимости 1 м² с учетом прогноза, в долл. США за 1 м², 2014–2017 гг.

Таким образом, в декабре 2016 года прогнозируется снижение стоимости 1 метра квадратного по сравнению с аналогичным периодом 2015 года на 9–10%, что подтверждает наблюдаемую на рынке общую тенденцию снижения. Однако в первом полугодии 2017 года прогнозируется увеличение цен на рынке недвижимости в г.Минске. Таким образом, прогнозируемая стоимость жилья в июне 2017 года по отношению к декабрю 2016 года может возрасти до 20%.

Таким образом, был составлен прогноз стоимости жилья в г.Минске с учетом фактора сезонности и общей тенденции снижения.