Недвижимое имущество:Раздел 5. Сравнительный подход к оценке

Материал из wiki по квалификационному экзамену Оценщиков
Перейти к: навигация, поиск 
Навигация по разделу "недвижимость:"общие темы, базовые понятия, доходный подход, затратный подход, сравнительный подход, оценка земельного участка, прочее, рекомендованные источники, глоссарий - недвижимость


5.1. Выбор аналогов

5.2. Корректирование цен аналогов

5.2.1. Направление внесения корректировок:

  • повышающая корректировка – вносится в цену объекта-аналога, если значение его фактора стоимости хуже, чем у объекта оценки (объект оценки дороже аналога);
  • понижающая корректировка – вносится в цену объекта-аналога, если значение его фактора стоимости лучше, чем у объекта оценки (объект оценки дешевле аналога).

5.2.2. Основные группы корректировок, применяемых в сравнительном подходе к оценке недвижимости (п.п. «е» п. 22 ФСО №7 [5]:

Таблица 18.
№ п/п Наименование Комментарий
1 Условия рынка Например:
  • изменения цен за период между датами сделки и оценки;
  • скидки к ценам предложений.
2 Условия финансирования, продажи Например:
  • график оплаты (разовый платеж / совокупность платежей);
  • необходимость уплаты налоговых сборов и прочих платежей.
3 Передаваемые имущественные права на объект и его составные части Право на земельный участок, право на улучшения земельного участка.
4 Сервитуты и обременения Сервитут (применительно к оценке недвижимости) – право ограниченного пользования чужим объектом недвижимости.
5 Вид использования и (или) зонирование
6 Площадь Может быть комплексной корректировкой:
  • общая площадь,
  • полезная площадь,
  • площади различных функциональных зон
7 Характеристика конструктивных элементов Материал, конструктивные решения.
8 Соотношение площади земельного участка и площади его застройки
9 Техническое состояние
10 Инженерные коммуникации
11 Наличие дополнительных улучшений, наличие движимого имущества, не связанного с недвижимостью Например, наличие системы центрального кондиционирования или гаража
12 Местоположение объекта Может быть комплексной корректировкой, например, учитывать:
  • удаление от административного центра населенного пункта;
  • доступная инфраструктура;
  • характеристика подъездных путей;
  • экология.

5.2.3. По характеру влияния на стоимость корректировки подразделяют на:

  • денежные (абсолютные) – денежная сумма, в которую оценивается различие в характеристиках объекта аналога и объекта оценки. Денежная корректировка может применяться:
    • к цене объекта аналога в целом;
    • к единице сравнения (например, к цене кв.м).
  • процентная (относительный) – корректировка, вносимая путем умножения цены продажи объекта аналога

или его единицы сравнения на коэффициент, отражающий степень различия в характеристиках объекта-аналога и оцениваемого объекта.  

5.2.4. Основными методами определения величины корректировок являются:

Таблица 18.
№ п/п Наименование Комментарий
1 На основе аналитических / статистических данных Прямое определение величины корректировки, например, по данным аналитических исследований и справочников, в которых указывается размер корректировки для конкретной ситуации.
2 Метод компенсационных издержек LaTeX: \cyr k =LaTeX: \sum_{i=1}^n \cyr IzdLaTeX: _i
где:
LaTeX: \cyr k – корректировка, ден. ед.;
LaTeX: \cyr IzdLaTeX: _i – i-ые издержки на устранение соответствующего различия, ден. ед.
3 Парное сравнение продаж LaTeX: \cyr k = C_2-C_1
где:
LaTeX: C_{1,2} – цена объектов, отличающихся по значению единственного ценообразующего параметра, на различие в котором определяется величина корректировки, ден. ед./год.
4 Метод капитализации потерь

LaTeX: \cyr k = \frac { \cyr Poteri_ \tiny chod}{R}

где:
LaTeX: \cyr Poteri_{\tiny \cyr chod – потери чистого операционного дохода, обусловленные различием в значениях ценообразующего параметра, ден. ед./год;
LaTeX: P – ставка капитализации, доли ед.
5 Регрессионный анализ
6 Группа экспертных методик Например:
  • прямое определение величины износа (устаревания) на основе экспертного мнения;
  • использование шкал экспертных оценок;
  • метод анализа иерархий (метод Саати) и пр.

5.2.5. Аддитивная модель внесения относительных корректировок – модель, предполагающая расчет совокупной корректировки как суммы всех вносимых относительных корректировок:

LaTeX: k_{\triangle\;\;}=\;\sum_{i=1}^nk_i

где:
LaTeX: k_{\triangle\;\;} – совокупная корректировка, доли ед. (%);
LaTeX: k_i – i-ая относительная (процентная) корректировка, доли ед. (%).

5.2.6. Мультипликативная модель внесения корректировок :

LaTeX: k_{\triangle\;\;}=1 - \cyr P_i(1-k_i).

5.3. Метод сравнения продаж

5.4. Метод валового рентного множителя (мультипликатора)

Валовый рентный множитель (валовый рентный мультипликатор) – показатель, равный отношению цены продажи к валовому доходу от объекта недвижимости.

LaTeX: \cyr C = PVD \times VRM

где:
LaTeX: \cyr C – стоимость объекта недвижимости, ден. ед.;
LaTeX: \cyr PVD – потенциальный валовый доход, ден. ед.;
LaTeX: \cyr VRM – валовый рентный мультипликатор, ед.

5.5. Метод регрессионного анализа

5.5.1. Регрессионный анализ – статистический метод исследования влияния одной или нескольких независимых переменных на зависимую переменную (применительно к оценочной деятельности – влияния ценообразующих параметров на стоимость).

LaTeX: C = f( {\cyr {TS}OP}_1, {\cyr{TS}OP_2,..., {\cyr {TS}OP}_i),

где:
LaTeX: \cyr C – стоимость объекта недвижимости, ден. ед.;
LaTeX: {\cyr {TS} OP}_i – i-ый ценообразующий параметр, единица измерения может быть различной (кв.м, км, наличие / отсутствие конкретного вида инженерных коммуникаций).

5.5.2. Основные понятия теории вероятностей и математической статистики [28]:  

Таблица 20.
№ п/п Понятие Определение и комментарий
1 Математическое ожидание Сумма произведений всех значений дискретной̆ случайной величины на соответствующие им вероятности:

LaTeX: M\left(x\right)=\sum_{i=1}^nx_i\times p_i

где:
LaTeX: M(x) – математическое ожидание, ед.;
LaTeX: x_i – i-ое значение случайной величины, ед.;
LaTeX: p_i – вероятность появления i-го значения случайной величины, доли ед.

LaTeX: M(x)\;=\;\overline x\;=\;\frac{{\displaystyle\sum_{i=1}^n}x_i}n

где:
LaTeX: n – количество случайных величин, ед.
2 Дисперсия Математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:

LaTeX: D(x)=M\left[x-M(x)\right]^2

где:
LaTeX: D(x) – дисперсия, кв.ед.

В оценочной практике, как правило, случайные величины являются равновероятными:

LaTeX: D(x)\;=\;\frac1n\sum_{i=1}^n\left[x_i-M(x)\right]^2

3 Среднеквадратическое отклонение Квадратный корень из дисперсии

LaTeX: s= \sqrt{D(x)}

где:
LaTeX: s – среднеквадратичное отклонение, ед.;
LaTeX: D(x) – дисперсия, кв.ед.
4 Корреляция Статистическая взаимосвязь двух или более случайных величин. При этом изменения значений одной или нескольких из этих величин сопутствуют систематическому изменению значений другой или других величин.
5 Коэффициент корреляции Безразмерная величина, характеризующая тесноту линейной зависимости между случайными величинами:

LaTeX: p=\frac{{\displaystyle\sum_{i=1}^n}(x_i-\overline x)(y_i-\overline y)}{\sqrt{\displaystyle\sum_{i=1}^n}(x_i-\overline x)^2{\displaystyle\sum_{i=1}^n}(y_i-\overline y)^2

где:
LaTeX: x_i,\overline x - i-ое значение случайной величины, ед.;
LaTeX: y_i,\overline y - математические ожидания, ед.
6 Репрезентативность Соответствие характеристик выборки характеристикам генеральной совокупности в целом. Репрезентативность определяет, насколько возможно обобщать результаты исследования с привлечением определённой выборки на всю генеральную совокупность, из которой она была собрана.
7 Мультиколлинеарность Высокая взаимная коррелированность объясняющих переменных.

Использование в регрессионной модели мультиколлинеарных переменных приводит к ошибочной статистической незначимости коэффициентов модели и неустойчивости модели в целом (сильной зависимости от набора исходных данных).

8 Минимальное количество аналогов В общем виде, количество аналогов в модели должно быть на единицу больше, чем количество независимых переменных (n+1).

В зависимости от количества существенных ценообразующих параметров и однородности исходной выборки выдвигаются различные требования к достаточности исходных данных – [29, 30].

5.5.3. Этапы построения регрессионной модели:

  • сбор рыночной информации;
  • проверка исходных данных на наличие грубых ошибок;
  • проверка исходных данных на соответствие принципу достаточности;
  • внесение поправок (корректировок);
  • выбор ценообразующих параметров (например, с помощью анализа матрицы корреляций);
  • выбор вида зависимости (линейная, степенная, экспоненциальная и пр.);
  • калибровка модели (непосредственно определение коэффициентов уравнения модели);
  • проверка качества модели;
  • проверка модели на устойчивость;
  • вывод о целесообразности применения полученной модели.

5.5.4. В практической деятельности следует обратить внимание на показатели качества регрессионной модели:

Таблица 20.
№ п/п Понятие Определение и комментарий
1 Коэффициент детерминации Определяет долю разброса исходных данных, объясняемых построенной моделью:

LaTeX: R^2=\frac{D(\widehat{y)}}{D\left(y\right)}

где:
LaTeX: R^2 - коэффициент детерминации, доли ед.;
LaTeX: D(\widehat{y) - дисперсия зависимой переменной, предсказанная построенной моделью, кв. ед
LaTeX: D\left(y\right) - дисперсия зависимой переменной (на основе эмпирических данных), кв. ед.

Приемлемым уровнем значений коэффициента детерминации принято считать LaTeX: R^2 \geq 0,7 .

2 Средняя ошибка аппроксимации Определяет относительное отклонение модельных данных от рыночных:

LaTeX: \overline A=\frac{100\%}n\sum_{i=1}^n\frac{\left|y_{i-}\widehat{y_i}\right|}{y_i}

где:
LaTeX: \overline A средняя ошибка аппроксимации, %;
LaTeX: y_i рыночная стоимость i-го объекта-аналога, ден. ед.;
LaTeX: \widehat{y_i} рыночная стоимость i-го объекта-аналога, предсказанная моделью, ден. ед.
3 Среднеквадратичная ошибка регрессии Характеризует разброс/рассеивание модельных данных относительно рыночных:

LaTeX: SEE=\sqrt{\frac{{\displaystyle\sum_{i=1}^n}(y_{i-}\widehat{y_i})^2}{n-k-1}}

где:
LaTeX: SEE - среднеквадратичная ошибка регрессии, ден. ед.;
LaTeX: n - объем выборки, ед.;
LaTeX: k - количество ценообразующих параметров, ед.
4 Критерий Фишера (т.н. F-критерий) Заключается в проверке базовой гипотезы о статистической незначимости построенной модели. На практике эта проверка сводится к сравнению выборочной статистики (основанной на значении коэффициента детерминации) с критическим значением статистики на определенном уровне значимости:

LaTeX: F=\frac{R^2\times(n-k-1)}{(1-R^2)\times k}>F_{a,k_1,k_2} LaTeX: k_2=n-k-1

где:
LaTeX: F - критерий Фишера, доли ед.;
LaTeX: n - объем выборки, ед.;
LaTeX: k - количество ценообразующих параметров, ед.

Модель принято считать статистически значимой, если значение выборочной статистики превышает критический порог на уровне значимости LaTeX: \alpha \leq 0,05 .

5 Критерий Стьюдента Заключается в проверке базовой гипотезы о статистической незначимости коэффициента при ценообразующем факторе (критерий проверяется для всех коэффициентов модели).

Если выполняется неравенство: LaTeX: \left|t_i\right|>t_{1-\alpha,\;n-k-1}\;,\;t_i=\frac{b_i}{se_i}

где:
LaTeX: t_i - выборочная статистика для i-го коэффициента, ед.;
LaTeX: b_i - оценка i-го коэффициента, ед.коэф.;
LaTeX: se_i - стандартная ошибка i-го коэффициента, ед.коэф.

то базовая гипотеза отвергается и коэффициент (а, следовательно, и сам фактор) признается статистически значимым (то есть существенным). 

Навигация по разделу "недвижимость:"общие темы, базовые понятия, доходный подход, затратный подход, сравнительный подход, оценка земельного участка, прочее, рекомендованные источники, глоссарий - недвижимость
Источник — «http://kvalexam.ru/index.php?title=Недвижимое_имущество:Раздел_5._Сравнительный_подход_к_оценке&oldid=3910»