Стерник Г.М.,

профессор кафедры «Экономика и управление городским строительством»

РЭА им. Г.В.Плеханова,

Стерник С.Г.,

старший преподаватель кафедры антикризисного управления ВГНА Минфина РФ, д.э.н.

Массовая оценка недвижимости для целей налогообложения: проблемы и пути их решения

(доклад на III Поволжской научно-практической конференции «Статистические методы массовой оценки»)

Более 15 лет в РФ идут эксперименты по разработке и апробации методики массовой оценки недвижимости для целей налогообложения. Пока результаты неудовлетворительны (Бондарчук С.Л., 2009). И это сдерживает столь необходимый переход к налогообложению по рыночной (кадастровой) стоимости земельных участков, жилой и нежилой недвижимости. В докладе проанализированы проблемы, препятствующие решению этой важной задачи, и показаны возможные пути их решения.

Проблема № 1 – монопольная методология. Все разработки и эксперименты проводились на основе использования общепринятой в мировой практике методологии корреляционно-регрессионного моделирования (КРМ). Она успешно применяется на развитых, широких, информационно открытых рынках стран с давними рыночными традициями, но «буксует» в условиях развивающихся рынков стран с транзитивной экономикой. В то же время в нашей стране разработана и получила широкое применение альтернативная методология дискретного пространственно-параметрического моделирования рынка (ДППМ), специально адаптированная к условиям России. Методология ДППМ получила признание на научном уровне (Федотова М.А., Грибовский С.В., 2005), на государственном уровне (МЭРТ РФ, Дворкович А.В., 2004) и активно применяется (для анализа рынка недвижимости) в 25 регионах России, а также в странах Центральной и Восточной Европы и Центральной Азии. Целесообразно провести апробацию этой методологии и сопоставление с методологией КРМ для массовой оценки недвижимости в целях налогообложения. Сущность разработанной методологии мониторинга рынка недвижимости  состоит в сборе документированной информации об объектах рынка, разделении объектов на однородные группы (выборки) по качеству, местоположению, размерам и другим признакам, определении статистических характеристик каждой выборки и исследовании полученных числовых пространственно-параметрических моделей с дискретным шагом (ДППМ).

Проблема № 2 – ограничения по объему и качеству исходных данных. Считается, что минимальный объем данных для КРМ равен числу исследуемых факторов, умноженных на 3-5. На самом деле критическим является объем данных по факторам, присущим наиболее дорогим (и наиболее интересным для налогообложения) объектам, доля которых в выборке обычно невелика. В результате при исходном числе факторов (например, по квартирам) более 30, значимыми в регрессионных моделях признаются 5 (в лучшем случае 6-7), и целый класс объектов с их параметрами просто выпадает из анализа. В методологии ДППМ такое ограничение отсутствует, все факторы включаются в анализ, и только итоговая погрешность моделирования меняется в зависимости от объема выборки. Ниже приведен перечень факторов, учитываемых в ДППМ квартирного рынка Москвы.

Перечень значимых факторов в ДППМ квартирного рынка Москвы

Характеристика объекта	Способ описания
период строительства	диапазон значений
состояние дома – после реконструкции, капремонта	качественный признак
этажность дома	целое число
количество квартир в доме	целое число
количество машино-мест в подземной/наземной парковке	целое число
количества лифтов в подъезде	целое число
этаж расположения квартиры	целое число
количество квартир на площадке	целое число
площадь квартиры	число
количество комнат	целое число
количество санузлов	целое число
количество балконов	целое число
площадь кухни	число
высота потолка	число
материал несущих конструкций	качественный признак
материал наружных и внутренних ограждений и перегородок	качественный признак
тип санузла	качественный признак
тип планировки	качественный признак
ориентация окон во двор или на проезжую часть	качественный признак
наличие придомовой территории	бинарный признак
площадь придомовой территории	число
наличие ограждения и охраны территории	бинарный признак
наличие благоустройства территории	бинарный признак
наличие телефона/интернета (выделенной линии) в квартире	бинарный признак
наличие консъержа в подъезде	бинарный признак
удобство подъезда к дому	бинарный признак
особенности элитной планировки (наличие двухуровневых квартир, обогрев полов, деревянные стеклопакеты, центральное кондиционирование,  эксклюзивная инфраструктура и отделка, индивидуальные лифты, зимний сад, каминный зал, система климат-контроля, очистка воды на входе в дом, автономное отопление)	бинарный признак
наличие элитной инфраструктукры и сервиса (спортивно-оздоровительный комплекс (тренажерные залы, сауна, турецкая баня, бассейн, крытый теннисный корт), бойлерная, уборка квартир, современные телекоммуникации, управляющая компания)	бинарный признак

Проблема № 3 – трудности при априорной оценке погрешности моделирования как средства управления настройкой модели. Несмотря на глубокую теоретическую проработку этого вопроса применительно к КРМ (Грибовский С.В., 2002, 2008), сложность инструментария на практике приводит к тому, что его не применяют. В методологии ДППМ существует достаточно простая методика, и она составляет один из ключевых моментов моделирования рынка и настройки (оптимизации) модели по критерию минимальной априорной погрешности.

Приближенная оценка погрешности в определении математического ожидания случайной величины по данным репрезентативной выборки ее случайных значений при доверительной вероятности 0,95 равна

                                                    .                                             

Из формулы следует, что погрешность в определении среднего обратно пропорциональна корню квадратному из объема выборки N и пропорциональна ее собственному разбросу, выражаемому величиной стандартного (среднеквадратического) отклонения s. При наличии данных об объеме генеральной совокупности Ng случайная погрешность может быть скорректирована на множитель √ (1 - N/Ng). Ориентировочно можно принять следующие значения поправочного множителя в зависимости от доли выборки в объеме генеральной совокупности.

Значения поправочного множителя в зависимости от доли выборки в объеме генеральной совокупности

Настройка (оптимизация) ДППМ начинается с проверки размаха выборок и их дисперсий. Условие оптимизации – минимизация размаха каждой выборки при ориентировочном равенстве коэффициентов варьирования ν:

(x_макс. – x_мин. ) → мин.;

   ν _i = √ D_i / x_ср.i  ≈ const .         

Уменьшение размаха выборки можно получить за счет ее разделения на две путем введения дополнительного признака или разбиения диапазона какого-либо признака. Например, если выборка квартир в пятиэтажных панельных домах имеет слишком большой размах варьирования (значительно отличающийся от выборок квартир других типов), то рекомендуется разделить ее на два подтипа, включающие квартиры на первом/последнем и крайних этажах. Другой пример: разделение совокупности квартир в пятиэтажных панельных домах одного района на квартиры в сериях домов, объявленных к сносу (что может повысить их привлекательность и цену) и в несносимых сериях. Аналогично могут быть разбиты выборки по признаку местоположения: в заданных границах района выделяются 2-3 зоны с отличающимся уровнем цен, и вместо одной образуется 2-3 выборки квартир одного типа с изменившимися средними и уменьшимся размахом варьирования.

Следующая процедура оптимизации модели имеет обратный характер – она направлена на проверку целесообразности объединения выборок. Для этого производится попарная проверка значимости различия выборок по типам, по размерам, по смежным районам. Она включает проверку различия дисперсий (по критерию Фишера F_p) и средних (по критерию Стьюдента t_p ) при заданных критериальных значениях уровня значимости р, выбираемых исследователем. Эта процедура соответствует аналогичной процедуре проверки значимости факторов в терминах регрессионного моделирования.

По результатам проверки выборки с незначимыми различиями объединяются, и значения параметров объединенных выборок пересчитываются. На практике возможно применение более простого условия объединения выборок 1 и 2:

x_ср.1 + δ₁/2 > x_ср.2 – δ₂/2 (при x_ср.1 <  x_ср.2 ).   

Такое преобразование соответствует по смыслу понижению размерности регрессионной модели, исключению незначимых факторов качества, местоположения и размера.

Ниже приведен фрагмент исходной и оптимизированной модели рынка квартир Москвы.

Исходная пространственно-параметрическая модель рынка жилья Москвы

в 2003 году

Тип жилья/ зона		Кол-во объектов, шт.	Средняя, $/кв. м	СКО, $/кв. м		Минимум, $/кв. м		Медиана, $/кв. м		Максимум, $/кв. м		Погреш ность, $/кв. м / %
Все типы Москва		115367	1302	488		368		1167		6294		2,9/0,2
«Хрущевки панель»		5591	1103	214		597		1059		2500		6,0/0,6
	Панель с малой кухней	18557	1130		229		625		1076		3222		3,5/0,3
Типовая панель		20277	1142	260		570		1083		3553		3,7/0,3
	Современная панель	24767	1203		294		457		1149		4351		3,8/0,4
	"Хрущевки" кирпич	7112	1191		340		403		1109		4048		8,2/0,7
	Кирпич с малой кухней	6589	1417		454		628		1304		4359		11,3/0,8
	"Сталинский" кирпич	16024	1609		641		452		1467		5140		10,0/0,6
	Кирпичные башни	4709	1643		697		368		1450		5938		20,9/1,3
	Монолит	10097	1364		432		390		1296		2500		8,9/0,9
Повышенной комфортности		1420	3184	433		2501		3167		4000		22,4/0,7
«Элита»		224	4597	502		4013		4464		6294		59,4/1,3
«Хрущевки панель»
ЦАО		130	1287	336		778		1226		2500		52,6/4,1
Арбат		2	2009	66		1943		2075		2075		93,3/5.3
Басманный		8	1347	192		998		1370		1667		135,8/10,5
Замоскворечье		3	1665	516		1209		1328		2500		390,1/23,4
Красносельский		0	-	-		-		-		-		-
Мещанский		1	1125	-		1125		1125		1125		0,0
Пресненский		59	1221	269		837		1167		2069		70,0/5,7
Таганский		27	1148	230		778		1095		1724		88,5/7,7
Тверской		14	1360	298		889		1262		1905		159,3/11,7
Хамовники		12	1532	190		1261		1548		2071		109,7/7,2
Якиманка		4	1665	516		1209		1328		2500		390,1/23,4
ЗАО		615	1156	227		674		1103		2273		18,7/1,6
Внуково		0	-	-		-		-		-		-
Дорогомилово		21	1435	469		719		1367		2273		204,7/14,3
Крылатское		0	-	-		-		-		-		-
Кунцево		106	1130	198		800		1094		1774		38,5/3,4
Можайский		94	1117	202		755		1063		1625		41,7/3,7
Ново-Переделкино		0	-	-		-		-		-		-
Очаково-Матвеевское		45	1121	220		804		1032		1667		65,6/5,9
Проспект Вернадского		138	1215	215		839		1156		1667		36,6/3,0
Раменки		5	1052	228		898		930		1500		203,9/19,4
Солнцево		36	1078	176		764		1048		1400		58,7/5,4
Тропарево-Никулино		11	957	173		674		1000		1227		104,3/11,0
Филевский парк		69	1154	151		933		1125		1606		36,4/3,2
Фили-Давыдково		90	1115	192		828		1091		1742		40,5/3,6

Оптимизированная ДППМ рынка жилья Москвы в 2003 году

(фрагмент «Хрущевки панель», ЦАО И ЗАО)

Тип / местоположение	К-во объек тов, шт.	Средняя, $/кв. м	СКО, $/кв. м	Мин., $/кв. м	Медиана, $/кв. м	Макс., $/кв. м	Погрешность, $/кв. м/%
Москва все типы	115367	1302	488	368	1167	6294	2,9/0,3
«Хрущевки» панель
Москва	5591	1103	214	597	1059	2500	6,0/0,6
ЦАО	130	1287	336	778	1226	2500	52,6/0,4
Хамовники/ Арбат / Замоскворечье /Якиманка	21	1670	316	1209	1328	2500	190,0/11,4
Пресненский	59	1221	269	837	1167	2069	70,0/5,7
Таганский	27	1148	230	778	1095	1724	88,5/7,7
Тверской/ Мещанский/Басманный	23	1350	280	889	1265	1905	139,0/10,3
ЗАО	1220	1215	260	673	1158	3222	15,3/1,6
Дорогомилово/Раменки/Филевский парк/Проспект Вернадского/	338	1355	262	711	1323	3222	20,3/1,5
Крылатское	33	1297	205	948	1250	1667	71,4/5,5
Кунцево	131	1195	225	806	1129	2079	39,3/3,4
Можайский/Очаково-Матвеевское	325	1114	146	734	1071	1857	30,2/2,7
Ново-Переделкино/ Солнцево	52	964	138	753	1063	1370	48,3/5,0
Тропарево-Никулино	208	1186	266	673	1167	2000	36,9/11,0
Фили-Давыдково	133	1217	247	806	1123	1974	42,8/3,6

Проблема № 4 – оценка апостериорной погрешности массовой оценки объектов недвижимости. Обе альтернативные методологии легко способны оценить отклонение фактических данных от модельных оценок, но почему-то такие результаты в работах по методологии КРМ нам практически не встречались (возможно, по причине слабой информационной базы либо неуверенности в качестве оценки).

В докладе о результатах последнего эксперимента (Бондарчук С.Л., 2009) приведены данные, показывающие отклонение средних фактических цен  от средних модельных. Разница незначительна (до 10%), тем не менее в методологии ДППМ данная систематическая погрешность по определению отсутствует.

Сравнение средней стоимости  1 кв. м объектов оценки и объектов-аналогов на примере квартир по состоянию на 01.01.2008г.

Административный центр субъекта РФ	Средняя рыночная стоимость 1 кв.м.	Средняя кадастровая стоимость 1 кв.м.
г.Тверь	45 111	43 753
г.Кемерово	43 014	44 121
г.Казань	41 264	36 875
г.Калуга	75 031	75 152

Ниже приведен пример сопоставления модельных оценок показанной выше ДППМ с конкретными рыночными данными.

Оценка отклонения удельной цены предложения выборки объектов

от средневыборочной

Адрес	Число комнат	Этаж, этажность	Площадь общая, м2	Площадь жилая, м2	Удельная цена, $/м2	Отклоне ние, %
Аминьевское шоссе, д.14	2	4/5	43	30	953	20
Аминьевское шоссе, д.30	2	2/5	44	30	1204	1
Беловежская ул., д.37-1	1	4/5	32,1	18,2	1299	9
Беловежская ул., д.55	2	2/5	46,4	29,4	1202	6
Беловежская ул., д.89	2	3/5	49	31	1142	-4
Веерная ул., д.24	1	2/5	32	17,4	1375	15
Гвардейская ул., д.4	1	1/5	30,4	17,1	1098	8
Гвардейская ул., д.8	1	1/5	31	18	1354	13
Истринская ул., д.5	2	2/5	48,4	31,2	1398	1
Истринская ул., д.5-2	2	2/5	47,5	31,2	1105	-18
Кастанаевская ул., д.21-3	2	5/5	44	28,6	1545	13
Кастанаевская ул., д.23	3	2/5	55,5	37	1504	11
Кастанаевская ул., д.23-2	2	4/5	44	32	1545	14
Кастанаевская ул., д.27/3	2	4/5	43,7	29,1	1148	-15
Кастанаевская ул., д.27-2	2	5/5	43	27	1651	22
Кастанаевская ул., д.27-2	2	3/5	46	31,1	1326	-2
Кастанаевская ул., д.57	2	5/5	45	28	1444	21
Кастанаевская ул., д.57-2	2	5/5	45	28	1333	12
Кастанаевская ул., д.63	3	5/5	59,7	41,3	1187	-1
Кастанаевская ул., д.63-1	2	4/5	45,3	28,8	1415	18
Кунцевская ул.	2	3/5	46,2	30,4	1112	-7
Кутузовский просп., д.84	2	4/5	42,8	27,7	1074	-10
Кутузовский просп., д.84	1	2/5	32	20	1287	8
Малая Филевская ул., д.16	2	2/5	48,7	32,7	1201	-13
Матвеевская ул., д.20	2	3/5	46	28	913	-24
Матвеевская ул., д.20-1	3	3/5	60	42	1166	-2
Матвеевская ул., д.26	2	1/5	45	31	1200	1
Матвеевская ул., д.26	1	4/5	31,4	17,4	1180	-1
Матвеевская ул., д.26	1	3/5	53	20	1147	-4
Матвеевская ул., д.28	1	3/5	32	18	1375	15
Матвеевская ул., д.28	3	2/5	60	42	1200	1
Матвеевская ул., д.30	1	2/5	38	17,2	947	-21
Матвеевская ул., д.9-2	3	2/5	60	42	1166	-2
Молодогвардейская ул., д.1-1	3	2/5	60	42	1416	18
Молодогвардейская ул., д.36	2	3/5	46	0	1213	-14
Молодогвардейская ул., д.36-4	1	3/5	32	20	1387	1
Оршанская ул., д.4	2	5/5	45	31	1288	-5
Поклонная ул., д.3	3	3/5	58,6	48,6	1372	15
Поклонная ул., д.8	2	4/5	45	27	1333	12
Рублевское шоссе, д.103	2	3/5	46,1	30	1338	-1
Рублевское шоссе, д.87	2	4/5	45	32	888	26
Славянский бул., д.5	2	5/5	47	30	1361	1
ул. Академика Павлова, д.28	2	2/5	47	30	1142	-16
ул. Академика Павлова, д.30	2	3/5	47,7	32,5	1612	19
ул. Академика Павлова, д.33	2	2/5	47	30,8	1385	2
ул. Академика Павлова, д.34	1	3/5	31,5	18,2	1279	-6
ул. Академика Павлова, д.36	1	3/5	32	18,5	1700	25
ул. Академика Павлова, д.38	2	2/5	45	31	1111	-18
ул. Академика Павлова, д.40-1	2	5/5	47	32,5	1636	21
ул. Артамонова, д.3	3	2/5	67,1	46,5	1098	-8
ул. Артамонова, д.4	2	5/5	51	30	1223	2
ул. Артамонова, д.8	1	4/5	33	17	1393	17
ул. Артамонова, д.8	3	2/5	68	47	1044	-13
ул. Герасима Курина, д.12	2	1/5	44,5	28	1508	11
ул. Герасима Курина, д.12-2	2	1/5	44,3	28	1514	12
ул. Герасима Курина, д.36	2	5/5	47,1	31,1	1458	8
ул. Герасима Курина, д.4-4	2	3/5	45,7	29,5	1266	-7
ул. Гришина	2	4/5	40	27,6	1375	15
ул. Клочкова, д.2	1	4/5	32	17,5	1531	28
ул. Красных Зорь, д.29	2	1/5	45	29	1244	4
ул. Красных Зорь, д.33	2	5/5	46	28	1239	4
ул. Олеко Дундича, д.33	1	3/5	33	18	1545	14
ул. Олеко Дундича, д.33	1	1/5	30	18	1500	11
ул. Олеко Дундича, д.37	1	5/5	30,9	17,3	1216	-10
ул. Пивченкова, д.1	2	2/5	44,6	28,6	1372	1
ул. Пивченкова, д.10	2	2/5	44,1	29	1353	0
ул. Пивченкова, д.14	2	1/5	44	28	1318	-3
ул. Пивченкова, д.14	2	1/5	44,2	28	1298	-4
ул. Пивченкова, д.8	1	3/5	32,5	19,3	1676	24
Ярцевская ул., д.18	3	3/5	59,3	42,5	1259	-7
Ярцевская ул., д.34	3	3/5	60	42	1533	13

Среднее отклонение контрольной выборки от модельных значений составило 3,4%, в диапазон отклонений +/-10% попало 32 объекта, +/-(10-20)% - 29 объектов, +/-(20-30)% - 9 объектов, более 30% - ноль.

Проблема № 5 – трудности сбора рыночных данных. Разработчики методик массовой оценки на основе методологии КРМ обычно не владеют данными о рынке и начинают их собирать вместе с началом эксперимента. В результате качество данных сомнительное, а затраты времени исчисляются месяцами. Применяющие методологию ДППМ аналитики рынка недвижимости постоянно наращивают, актуализируют, очищают и обрабатывают свои базы данных, что позволяет их использовать без потерь времени и с гарантированным качеством (в пределах тех регионов и сегментов рынка, где эта работа налажена). В новых регионах (сегментах) потребуется 1-2 месяца для создания и первоначального наполнения баз данных.

Проблема № 6 – сложность разработки модели рынка и высокие требования к квалификации специалистов. Методология КРМ предъявляет высокие требования к квалификации специалистов, затраты времени на разработку модели одного сегмента рынка в одном городе  исчисляются месяцами (даже при высокой автоматизации процесса), а группа высококвалифицированных специалистов (в последнем эксперименте) работает в нескольких городах последовательно. Методология ДППМ доступна специалистам без специального образования, при наличии баз данных построение модели требует одну-две недели (даже без специальной автоматизации). В дальнейшем, по мере автоматизации расчетов,  этот срок сокращается до двух-трех дней. Обучение новых специалистов (для регионов, где такая работа только начинается) потребует 4-5 дней лекционно-практических занятий и 1-2 месяца методического сопровождения работы начинающих специалистов.

Проблема № 7 – трудности оценки на узких рынках. Обе методологии лучше работают на широких рынках. Тем не менее, накопленный опыт сбора рыночной информации и применения методологии ДППМ рынка позволил выработать пути «обхода» этой трудности. Ниже приведено два примера массовой и индивидуальной оценки при ограниченной информации (в варианте методов экстраполяционного пространственно-параметрического прогнозирования данных внутри одного сегмента рынка и метода  транспортации данных между смежными сегментами).

М. «Пр. Вернадского»

Зарайск

 

Проблема № 8 – организационно-административная. Случилось так, что саморегулируемые организации оценщиков, как и аналитические команды риэлторских ассоциаций, отдали право обслуживания проблемы массовой оценки недвижимости специалистам в области математических методов моделирования случайных процессов и IT, не являющихся экспертами в области рынка недвижимости. На наш взгляд, только объединение усилий всех названых категорий специалистов при ведущей роли оценочного сообщества позволит решить все проблемы и получить приемлемый результат.

Литература

Анисимова И.Н., Баринов Н.П., Грибовский С.В. О требованиях к количеству сопоставимых объектов при оценке недвижимости сравнитель­ным подходом // Вопросы оценки №1 2003. – С.2-7.

Бондарчук С.Л. Тестирование системы массовой оценки недвижимости в субъектах Российской Федерации. Доклад на семинаре в Институте недвижимости Высшей школы экономики 16 октября 2009 г.

Грибовский С.В., Сивец С.А. Математические методы оценки стоимости недвижимого имущества. – М.: Финансы и статистика, 2008. – 368

Федотова М.А., Грибовский С.В., Стерник Г.М. и др. Отчет по НИР «Разработка методики массовой оценки рыночной стоимости квартир для целей налогообложения. – По заказу МЭРТ РФ, 2004.

Грибовский С.В., Федотова М.А., Стерник Г.М., Житков Д.Б. Методология массовой оценки квартир для налогообложения. - «Бюллетень финансовой информации» № 1 (116) Январь 2005, стр. 14-29.

Грибовский С.В., Федотова М.А., Стерник Г.М., Житков Д.Б. Экономико-математические модели оценки недвижимости. - «Финансы и кредит» 3 (171), январь 2005, стр. 24-43.

Стерник С.Г. Применение числовых дискретных пространственно-параметрических моделей как дополнительная альтернатива регрессионно-корреляционному моделированию в индивидуальной оценке рыночным подходом. - Доклад на 2-й Поволжской научно-практической конференции «Методы оценки имущества, основанные на современных технологиях анализа статистических данных», г. Нижний Новгород, сентябрь 2007 г. - www.realtymarket.ru.

Стерник С.Г. Развитие оценки недвижимости сравнительным подходом на основе методологии дискретного пространственно-параметрического анализа и моделирования рынка // Аудит и финансовый анализ №3, 2009. – стр. 24-42.

© Г.М.Стерник, С.Г.Стерник, 27.02.10.