В начало | Статьи | Книги | Связь
С. Грибовский, профессор, доктор экономических наук
С. Сивец, кандидат технических наук, заслуженный эксперт-оценщик УОО (г. Запорожье, Украина)

Аннотация к книге «Математические методы оценки стоимости недвижимого имущества»

Размышления о том, что же такое оценка — наука или искусство — ведутся, пожалуй, с момента её возникновения.

Обратимся к классическому определению науки. Согласно Канту, «всякое учение, если оно система, т. е. некоторая совокупность познания, упорядоченная сообразно принципам, называется наукой». При этом под системой Кант понимает «единство многообразных знаний, объединённых одной идеей». А вот как определяет науку В. И. Даль: «Наука — это разумное и связанное знание; полное и упорядоченное собрание опытных и умозаключительных истин какой-либо части знаний; стройное, последовательное изложение любой отрасли, ветви сведений».

Основой любой науки является предмет, т. е. то, что она изучает, и метод, т. е. то, как изучается предмет. Предметом оценки как науки есть рыночная стоимость как наиболее вероятная цена продажи имущественных прав, связанных с оцениваемым активом. Содержание и основная цель оценки — расчёт наиболее вероятной цены продажи этих прав на свободном конкурентном рынке. Методологической основой достижения данной цели являются три различных методологических подхода: сравнительный, доходный и затратный. Однако существует и другое мнение, утверждающее, что оценка — это искусство. Так, известный оценщик Харрисон, по книгам которого многие из нас познавали азы оценки, ещё в конце девяностых годов высказал мысль о том, что процесс оценки является, скорее, искусством, чем наукой. Уже в наши дни ему вторит признанный мэтр американской оценки Дамодаран: «Оценка не является наукой, что бы ни говорили некоторые из её поборников. Не является она и объективным поиском истинной ценности, как бы ни желали этого идеалисты. Используемые при оценке модели, возможно, и относятся к количественным, однако входные данные оставляют много простора для субъективных суждений. Соответственно, итоговая ценность, полученная при определённой модели, будет отмечена влиянием привнесённых в процесс оценки предубеждений. В действительности же, оценка зачастую следует за уже установившимися ценами».

Тем не менее, для оценщиков, солидарных с научным подходом к оценке, ответ на вопрос «что такое оценка: наука или искусство?» звучит однозначно — это наука, базирующаяся на известных методологических подходах и методах оценки, которая использует формализованные процедуры оценки на основе строгих аналитических зависимостей (в отличие от неформализованного подхода, использующего аналитические процедуры на логическом, чаще интуитивном, уровне). При этом следует понимать интуитивное мышление как нормальное мышление на уровне подкоркового сознания, а не как что-то иррациональное и мистическое.

С методологической точки зрения, оценка определяется как научное направление прикладного экономического анализа, основная задача которого состоит в установлении наиболее вероятной цены продажи или покупки актива на основе анализа динамики сил спроса и предложения на этот актив на соответствующем сегменте рынка. Утверждать, что оценка — не наука, а определение рыночной стоимости объекта — искусство, означает лить воду на мельницу тех оценщиков, которые, пытаясь оценивать активы на интеллектуальном уровне, на самом деле готовы в угоду недобросовестному заказчику обосновать любой результат оценки.

Одним из направлений формализованного научного подхода к оценке является применение математики в оценке. Что может быть более аргументированным доказательством, чем математическое? Любая наука гордится, если есть возможность математического доказательства достигнутых результатов. Базируясь на этих постулатах, мы решили написать книгу, в которой изложили известные нам и применяемые на практике математические методы оценки различных видов имущества. В этой книге мы, приверженцы формализованного подхода к оценке (естественно, ни в коей степени не отрицающие использование интуиции и опыта), хотим показать методологические возможности и практические примеры применения различных математических методов, в первую очередь — методов математической статистики.

Книга состоит из шести глав. В первой главе рассмотрены основы математического моделирования. Приведена краткая классификация математических моделей. Рассмотрена возможность использования математических методов в оценке. Приведены математические модели трёх известных подходов в оценке. В рамках сравнительного подхода рассмотрены количественные и качественные методы оценки параметров модели, предложен алгоритм реализации сравнительного подхода с использованием различных процедур.

Во второй главе рассмотрены различные способы проведения выборочных наблюдений, определения параметров статистической совокупности на основе выборки; приведены важнейшие понятия и методы, посвящённые проверке статистических гипотез, которые помогают принимать наиболее обоснованные решения и оценивать вероятность ошибочности принятого решения. Все описанные методы проиллюстрированы на примерах, имеющих непосредственное отношение к оценочной деятельности. На этих же примерах показано, как можно перевести практические задачи на математический язык, чтобы они стали предметом исследования. В этой главе также рассмотрена группировка выборочных данных по количественным и качественным признакам, показано построение интервальных рядов распределения, оценивание параметров центра группировки и характеристик вариации, изложена гипотеза о нормальном законе распределения, показана возможность построения доверительных интервалов для различных параметров генеральной совокупности, изложена возможность проверки исходных данных на наличие выбросов. В этой главе мы обращаем внимание читателя на то, что правильная организация и проведение статистического наблюдения и группировки исходных данных как первого этапа статистического исследования, является залогом качества дальнейшего анализа данных. Некоторые аналитики, в т. ч. оценщики, не придающие достаточного внимания этим, казалось бы, простым, но весьма важным этапам статистического анализа, приходят к печальным результатам, обвиняя при этом статистику как недостаточно надёжный подход к изучению действительности. Таким горе-аналитикам следовало бы обратить взоры на себя: тщательно проанализировать все этапы своего статистического исследования, естественно, начав с анализа исходной информации, источников и способов её получения.

В третьей главе рассмотрен один из важнейших статистических методов — регрессионный анализ, построена регрессионная модель, на конкретном примере показано, что это длительный и сложный процесс, и очень редко первая выбранная спецификация зависимости показателей даёт хорошие результаты. Показано, как постепенно следует подобрать формулу связи и состав факторных переменных, анализируя на каждом шаге качество полученной зависимости. Анализ качества обязательно должен включать (помимо расчёта статистических показателей и критерия адекватности) ещё и анализ логического смысла полученного уравнения регрессии: действительно ли значимыми оказались факторные переменные, важные с точки зрения теории, положительны или отрицательны коэффициенты, показывающие воздействие этих факторов. В этой главе также показано, что процесс построения регрессионных моделей — это искусное балансирование между экономической теорией, доступностью данных, предварительными идеями, основанными на логических и теоретических предположениях, и статистической теорией. Здесь убедительно доказано, что при наличии достаточной и достоверной базы данных и необходимого программного обеспечения построение и использование регрессионных моделей ценообразования для целей оценки стоимости типичных объектов недвижимости, оборудования, транспорта оправдано и целесообразно.

В четвертой главе рассмотрены важнейшие понятия и методы, посвящённые анализу изменения процессов выявления во времени, показан расчёт показателей, характеризующий динамику временных рядов и возможность выделения детерминированной составляющей ряда — тренда сезонной компоненты. Все методы проиллюстрированы на примерах, имеющих непосредственное отношение к оценочной деятельности.

Важным прикладным применением временных рядов является возможность рассчитывать точечные и интервальные прогнозы исследуемого показателя. Приведены методы краткосрочного и среднесрочного прогнозирования.

Следует отметить, что далеко не всегда статистические методы прогнозирования применяются самостоятельно. Часто их включают в виде важных элементов в комплексные методики, предусматривающие сочетание статистических методов с другими методами прогнозирования. Такой комплексный подход к прогнозированию представляется наиболее плодотворным, особенно к условиях экономической и политической нестабильности, не позволяющими в принципе работать с чисто временными рядами (особенно охватывающими значительные периоды времени).

Пятая глава посвящена применению других математических методов при оценке, в частности, методов матричной алгебры. Проблема заключается в том, что при ограниченном количестве данных об аналогичных объектах применение статистических методов становится либо некорректным, либо невозможным в принципе. В этом случае следует искать другие более-менее формализованные подходы к расчёту поправок, учитывающих различия между объектом оценки и аналогами. На наш взгляд, выбор метода определения корректирующих поправок зависит, прежде всего, от степени существенности выявленных различий между аналогом и объектом оценки. Если удастся подобрать близкие аналоги, то можно ограничиться более простыми в вычислительном плане методами. В качестве примера метода, который можно применять при несущественных отличиях, описывается метод, использующий систему линейных уравнений. Хотя этот метод является достаточно простым по вычислительным процедурам, он имеет существенное ограничение по его применению — количество аналогов должно на единицу превышать число факторов сравнения, что не всегда применимо в практической деятельности.

Отдельную группу математических методов составляют методы, некритичные к строгому подбору аналогов, но позволяющие получить достаточно точные результаты даже при отсутствии близких по своим характеристикам аналогов, что является их неоценимым преимуществом. Общий принцип данной группы методов заключается в определении стоимости объекта оценки как средневзвешенной величины по ценам аналогов. При этом весовые коэффициенты рассчитываются с учётом меры близости аналога и объекта оценки по каждому фактору сравнения. По нашему мнению, эти методы наиболее применимы при определении стоимости тех объектов оценки, уровень развития рынка которых недостаточно высок, и рыночная информация по подобным ближайшим объектам оценки отсутствует, например, при оценке земельных участков. При этом алгоритм использования метода позволяет сравнивать объект оценки и аналоги как по количественным, так и по качественным факторам, что является существенным его преимуществом.

В шестой главе рассмотрена возможность применения математических методов при массовой оценке. В Международных стандартах оценки понимается практика оценивания множества объектов на определённую дату путём систематического и единообразного применения методов оценки, предусматривающих статистическое исследование и анализ результатов. Приведение массовой оценки базируется на системном подходе и единообразном применении методов и процедур оценки с целью получения среднестатистической стоимости объектов оценки, которая в наибольшей степени отвечала бы требованиям определения рыночной стоимости. Для массовой оценки, в отличие от индивидуальной, характерна гораздо большая стандартизация процедур и возрастающая роль статистических методов обработки данных. Из всех известных математических методов, применяемых в массовой оценке, в данном учебном пособии рассмотрены лишь два: метод регрессионного анализа и метод сечения, как один из вариантов кластерного анализа. Реализация метода сечений возможна в двух вариантах — параллельных и последовательных сечений.

Регрессионный анализ является основным методом массовой оценки. Его можно определить как совокупность статистических методов, предназначенных для измерения тесноты, направления и аналитического выражения формы связи между показателями. Результатом такого анализа является регрессионная модель стоимости. Наряду с методами регрессионного анализа в массовой оценке довольно успешно используются процедуры кластерного анализа. При этом отдельные данные о ценах объектов недвижимости по каким-либо общим для всех признакам объединяются в группы — кластеры. В каждой группе рассчитывается среднегруповая стоимость, которая в дальнейшем используется для построения модели массовой оценки. Такой подход позволяет, во-первых, «сжать» информацию, полученную в ходе наблюдений, т. е. использовать для построения модели групповые средние, во-вторых, минимизировать случайные отклонения стоимости от их истинных значений за счёт усреднения в группах. В конечном итоге выявляются ценообразующие закономерности, присущие данному рынку.

В шестой главе также приведён сквозной пример моделирования стоимости жилых квартир в многоквартирных домах с использованием регрессионного анализа, метода параллельных и метода последовательных сечений. На заключительном этапе была проведена проверка сравнения результатов применения этих трёх процедур. При создании модели оценки стоимости для целей налогообложения следует искать компромисс между сложностью оценки и точностью результатов. Регрессионная модель является наиболее точной, однако для её построения необходимо более глубокое знание методов математической статистики. В качестве альтернативы регрессионной модели можно использовать методы сечений, которые с теоретической точки зрения являются более грубыми, однако за счёт сжатия информации для них характерна высокая статистическая достоверность, простота и невысокая трудоёмкость, что наиболее приемлемо при оценке для целей налогообложения. Модель на основе метода сечений может быть рекомендована в качестве базовой при оценке стоимости недвижимости для целей налогообложения в Украине.

В начало | Статьи | Книги | Связь

© ООО Центр «БИЗНЕСИНФОРМ», 2003-2015