Определение величины поправок и расчет стоимости.

Величины поправок к ценам определяются на основании анализа рынка (если сопоставимая продажа лучше, чем оцениваемый объект, то в ее цену вносится отрицательная поправка, когда сопоставимая продажа хуже оцениваемого объекта, в ее цену вносится положительная поправка).

При внесении поправок для сравнения объектов-аналогов и объекта оценки следует придерживаться следующих правил:

1. Корректируется цена продажи сравниваемого объекта для моделирования стоимости оцениваемого объекта. Оцениваемый объект никогда не подвергается корректировкам.

2. Поправки для аналогов продаж и их цен должны осуществляться с целью приобретения ими наибольшего сходства с оцениваемым объектом. При этом следует попытаться ответить на вопрос: «За какую сумму был бы продан сравнимый объект-аналог, обладай он теми же характеристиками, что и объект оценки».

Мы не смоги найти достоверные данные о разнице цен предложения и продажи. Поэтому в данном случае нам пришлось полагаться на мнение риэлторов, которые считают, что эта разница составляет около 20%. Для данных объектов-аналогов поправка на торг нами была принята на уровне 20%.

Поправки на переданные права собственности, условия финансовых расчетов и условия продажи, в данной работе, равны 0%, поскольку в качестве объектов-аналогов использовались объекты, по которым при продаже предполагается переход от продавца к покупателю полного права собственности, расчет покупателя с продавцом – за счет собственных средств и на дату продажи (данный вид финансовых расчетов является типичным для Херсонского рынка недвижимости), реализация не является принудительной, а продавцы, не ограничены во времени реализации объектов.

Поправка на дату продажи может быть применена лишь к уже проданным объектам. В нашем случае такие объекты-аналоги отсутствуют, поэтому в данной работе для всех объектов аналогов она равна 0%.

Дальнейшее определение стоимости нами было принято решение провести с помощью регрессионного метода.

Регрессионные модели, построены на допущении, что зависимое значение у является функцией независимых переменных х, т.е.

В данной работе мы решили использовать линейную и не линейную (степенную) модель множественной регрессии.

В линейной модели функция F – это линейная комбинация переменных, а уравнение, описывающее данную зависимость, имеет вид

В степенной же модели функция F – это нелинейная комбинация переменных, и уравнение, описывающее данную зависимость, соответственно, имеет вид

где

β₁, β₂ … β_k – параметры (или коэффициенты) модели, соответствующие каждой независимой переменной х, которые рассчитываются по фактическим данным.

b – как правило не имеет экономического смысла.

Параметры регрессионной модели рассчитываются с помощью встроенных функций множественной регрессии в пакете Microsoft Excel.

Регрессия используется для анализа воздействия на отдельную зависимую переменную значений одной или более независимых переменных. Регрессионный анализ заключается в подборе графика для набора наблюдений с помощью метода наименьших квадратов.

Проводя регрессионный анализ, Microsoft Excel вычисляет для каждой точки квадрат разности между прогнозируемым значением y и фактическим значением y. Сумма этих квадратов разностей называется остаточной суммой квадратов. Затем Microsoft Excel подсчитывает сумму квадратов разностей между фактическими значениями y и средним значением y, которая называется общей суммой квадратов (регрессионная сумма квадратов + остаточная сумма квадратов). Чем меньше остаточная сумма квадратов по сравнению с общей суммой квадратов, тем больше значение коэффициента детерминации (r²), который показывает, насколько хорошо уравнение, полученное с помощью регрессионного анализа, объясняет взаимосвязи между переменными.

Данные для построения регрессионной многофакторной модели.

Для построения регрессионной многофакторной модели, в качестве независимых переменных х нами были выбраны такие параметры, как местоположение (х₁), уровень отделки помещения (х₂), конструктивная схема объекта (встроенное помещение или отдельностоящее здание) (х₃) и функциональное назначение объекта (х₄). Остальные физические характеристики нами не использовались, поскольку по ним оцениваемый объект и объекты-аналоги схожи.

Поскольку предполагается, что х₁, х₂, х₃ и х₄ – это числа, то необходимо перевести соответствующие качественные признаки в количественную шкалу.

С этой целью ранжируем объекты-аналоги по мере улучшения местоположения и повышения уровня отделки помещения с помощью шкалы качественных оценок:

Наихудшее значение фактора	1 – 2
Незначительное преимущество	3 – 4
Значительное преимущество	5 – 6
Явное преимущество	7 – 8
Абсолютное преимущество

Для учета особенностей конструкции объекта воспользуемся бинарной переменной, принимающей значение 1 в случае если объект является отдельностоящим зданием и значение 0 – если объект – встроенное помещение.

Для учета функционального назначения объекта также воспользуемся бинарной переменной, принимающей значение 1 в случае если функциональное назначение объекта – магазин и значение 0 – если объект – кафе.

Выделим отобранные ценоформирующие факторы с учетом кодировки качественных характеристик в отдельную таблицу:

Таб. 4.2

№ объекта	Местоположение объекта	Уровень отделки объекта	Конструктивная схема объекта	Функциональное назначение объекта
	2 балла	3 балла	0 баллов	1 балл
	2 балла	5 баллов	0 баллов	1 балл
	4 балла	3 балла	1 балл	1 балл
	6 баллов	5 баллов	0 баллов	1 балл
	4 балла	5 баллов	1 балл	1 балл
	4 балла	5 баллов	1 балл	1 балл
	4 балла	5 баллов	0 баллов	1 балл
	4 балла	5 баллов	0 баллов	1 балл
	7 баллов	5 баллов	0 баллов	1 балл
	2 балла	5 баллов	0 баллов	0 баллов
	3 балла	5 баллов	0 баллов	0 баллов
	9 баллов	7 баллов	1 балл	0 баллов
	9 баллов	7 баллов	0 баллов	1 балл

Расчет стоимости объекта.

Расчет стоимости объекта был проведен в два этапа:

1. Внесение в цены объектов-аналогов известных корректировок;

2. Расчет стоимости объекта оценки с помощью регрессионной модели.

Этап 1. Внесение в цены объектов-аналогов известных корректировок.

Таб. 4.3

Сводная таблица объектов-аналогов.

Параметры	Объект оценки	Объект-аналог №1	Объект-аналог №2	Объект-аналог №3	Объект-аналог №4	Объект-аналог №5	Объект-аналог №6	Объект-аналог №7	Объект-аналог №8	Объект-аналог №9	Объект-аналог №10	Объект-аналог №11	Объект-аналог №12
Стоимость за 1 м.кв	-	231$	327$	375$	500$	471$	453$	440$	457$	650$	313$	310$	1026$	1000$
Корректировка «на торг»	-	- 20%	- 20%	- 20%	- 20%	- 20%	- 20%	- 20%	- 20%	- 20%	- 20%	- 20%	- 20%	- 20%
Предаваемые права собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.	Полное право собствен-ности.
Корректиров-ка на передаваемые права собствен-ности.	-	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%
Условия финансовых расчетов	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.	Расчет за собствен-ные средства и во время оформле-ния сделки купли-продажи.
Корректиров-ка на условия финансовых расчетов	-	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%
Условия продажи	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа	Свобод-ная продажа
Корректиров-ка на условия продажи	-	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%
Время продажи	Январь 2004 года	Цена предложения	Цена предложения	Цена предложения	Цена предложения	Цена предложения	Цена предложения	Цена предложения	Цена предложения	Цена предложения	Цена предложения	Цена предложения	Цена предложения	Цена предложения
Корректиров-ка на время продажи	-	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%	0%
Стоимость 1 м.кв с учетом корректиро-вок	-	185$	262$	300$	400$	376$	362$	352$	366$	520$	250$	248$	821$	800$

Этап 2. Определение стоимости объекта с помощью регрессионной многофакторной модели.

1. Построение регрессионной многофакторной модели

Используя данные для построения регрессионной многофакторной модели, и учитывая внесенные корректировки, получим следующий массив:

Таб. 4.4

№ п/п объекта	Местоположение объекта	Уровень отделки	Конструктивная схема	Функциональное назначение	Стоимость за 1 м.кв.с учетом корректировки
	2 балла	3 балла	0 баллов	1 балл	$185
	2 балла	5 баллов	0 баллов	1 балл	$262
	4 балла	3 балла	1 балл	1 балл	$300
	6 баллов	5 баллов	0 баллов	1 балл	$400
	4 балла	5 баллов	1 балл	1 балл	$376
	4 балла	5 баллов	1 балл	1 балл	$362
	4 балла	5 баллов	0 баллов	1 балл	$352
	4 балла	5 баллов	0 баллов	1 балл	$366
	7 баллов	5 баллов	0 баллов	1 балл	$520
	2 балла	5 баллов	0 баллов	0 баллов	$250
	3 балла	5 баллов	0 баллов	0 баллов	$248
	9 баллов	7 баллов	1 балл	0 баллов	$821
	9 баллов	7 баллов	0 баллов	1 балл	$800
Объект оценки	3 балла	5 баллов	1 балл	0 – 1 балл	?
Лит. А (магазин)	3 балла	5 баллов	1 балл	1 балл	?
Лит. А’ (кафе)	3 балла	5 баллов	1 балл	0 баллов	?

2. Результат расчета, выполненного с помощью встроенных функций в Microsoft Excel.

Линейная функция:

β₁ = 59,582; β₂ = 53,105; β₃ = 34,547; β₄ = 3,927; b = -150,989.

r² = 0,968

F_расч. = 59,68

Нелинейная функция:

β₁ = 1,1307; β₂ = 1,1498; β₃ = 1,1217; β₄ = 1,1262; b = 91,1134

r² = 0,983

F_расч. = 120,31

Качество составленной модели можно оценить при помощи коэффициента детерминации (r²).

При расчете коэффициента детерминации (r²) сравниваются фактические значения y и значения, получаемые из уравнения функции; по результатам сравнения вычисляется коэффициент детерминации, нормированный от 0 до 1. Если он равен 1, то имеет место полная корреляция с моделью, т.е. нет различия между фактическим и оценочным значениями y. В противоположном случае, если коэффициент детерминации равен 0, то уравнение регрессии неудачно для предсказания значений y.

Для линейной модели коэффициент детерминации имеет значение 0,968, т.е. стоимость нашего объекта на 96,8 % объясняется данными показателями, а остальные 3,2 % припадают на неучтенные в данной модели показатели, в том числе и на случайные.

Для нелинейной модели коэффициент детерминации имеет значение 0,983, т.е. стоимость нашего объекта, в данном случае, на 98,3 % объясняется данными показателями, а остальные 1,7 % припадают на неучтенные в данной модели показатели, в том числе и на случайные.

Учитывая, что для нелинейной модели значение r² – больше, то можно сделать вывод о том, что эта модель более удачна, чем линейная. Поэтому, для дальнейших расчетов нами будет использоваться именно нелинейная модель.

Также, необходимым является и проведение проверки значимости уравнения регрессии в целом, которое выполняется с помощью F-критерия. Для нашей нелинейной модели F_расч. = 120,31. Соответствующее критическое значение критерия (F_{крит .}) для числа степеней свободы m₁ = k = 4 и m₂ = n - k - 1 = 13 - 4 - 1 = 8, а так же уровня значимости α = 0,05 равно 3,84.

Так как выполняется неравенство F_расч. > F_{крит .}, то с вероятностью 1 - α = 0,95 гипотеза несоответствия заложенных в уравнении регрессии связей реально существующим отвергается, и говорят, что уравнение в целом статистически значимо, что означает хорошее соответствие данным наблюдений.

Оценить статистическую значимость коэффициентов регрессии β_i означает определиться, существенно ли влияет факторная переменная х_к, в генеральной совокупности на результирующую переменную у, то есть, отличается ли истинное (но неизвестное) значение коэффициента β_i от нуля. Для статистической проверки этой гипотезы применяется t–критерий. Расчетное значение t–критерия вычисляется по формуле:

определим значения t–критерия для наших значений:

Для числа степеней свободы, равного m₂ = n - k - 1 = 13 - 4 - 1 = 8, и уровня значимости α = 0,05, по специальным таблицам определяем критическое значение t–критерия. В нашем случае t_крит = 2,306.

Если выполняется неравенство:

то гипотеза о том, что данный коэффициент является статистически незначимым, отвергается с вероятностью 1 – α.

Следовательно, коэффициенты β₁, β₂, β₃ и β₄ при заданном уровне доверительной вероятности 0,95 являются статистически значимыми.

В целом можно сделать вывод, что полученная регрессионная модель хорошо описывает исследуемую статистическую зависимость и вполне пригодна для получения обоснованных заключений и прогнозов.

3. Подставив в выражение: , полученные значения определяем стоимость 1 м² объекта оценки:

· Для площадей магазина.

y = 1,1307³ х 1,1498⁵ х 1,1217¹ х 1,1262¹ х 91,1134 = 334,5 $/м²

· Для площадей кафе.

y = 1,1307³ х 1,1498⁵ х 1,1217¹ х 1,1262⁰ х 91,1134 = 296,9 $/м²

Общая стоимость объекта оценки составит:

334,5 $/м² х 51,3 м² + 296,9 $/м² х 58,8 м² = 34617,57 $

или, с учетом курса НБУ 1 $ = 5,33 грн., 5,33 х 34617,57 = 184512 грн.

Дата добавления: 2015-07-20