Репетитор оценщика
Готовые работы заочников
Тесты:
Задачи:
Примеры работ по оценке
Экспертная и репетиторская помощь по решению тестов, задач, практикумов и всех других видов работ. Сергей.admin@refmag.ru,
Примеры выполненных работ: | контрольные | курсовые | дипломные | отзывы |
Букинистическая книга:
Список литературы по оценке недвижимости > Определение скидки на торг по рыночным данным и кадастровой стоимости
Ласкин М.Б. Определение скидки на торг по рыночным данным и кадастровой стоимости // Бизнес-информатика. 2018. № 3 (45). С. 53-61.
Скачать оригинал статьи
Фрагмент работы на тему "Определение скидки на торг по рыночным данным и кадастровой стоимости"БИЗНЕС-ИНФОРМАТИКА № 3(45) – 2018 53 Определение скидки на торг по рыночным данным и кадастровой стоимости М.Б. Ласкин кандидат физико-математических наук старший научный сотрудник Санкт-Петербургский институт информатики и автоматизации Российской академии наук; доцент экономического факультета Санкт-Петербургский государственный университет Адрес: 199034, г. Санкт-Петербург, Университетская набережная, д. 7–9 E-mail: laskinmb@yahoo.com Аннотация Введение института кадастровой стоимости в Российской Федерации открывает новые возможности в оценке недвижимого имущества. В этой связи на первый план выходят задачи статистического анализа многомерных эмпирических распределений, не доступных ранее потому, что на рынке недвижимости отсутствуют парные и многомерные наблюдения, сосредоточенные в единых базах данных. Интересующие аналитиков данные, как правило, находятся в разных источниках у разных владельцев и относятся к разным объектам. Задачу их объединения можно решить, сопоставляя такие данные с данными кадастрового учета, а именно с кадастровым номером как с уникальным идентификатором объекта. Поскольку каждому кадастровому номеру соответствует кадастровая стоимость, появляется возможность сопоставить кадастровую стоимость с такими важными показателями как рыночная цена предложения, цена сделки, ставка аренды, индексы годового изменения цен, коэффициент капитализации, ставка дисконтирования, скидка на торг и многими другими показателями, в формировании которых участвует более двух случайных величин. Рассматривается модель цен, образованных парными сравнениями. В этом случае цены следуют геометрическому броуновскому движению, что приводит к формированию логарифмически нормальной генеральной совокупности. Как оказалось, в результате масштабных работ по кадастровому учету, проведенных в Российской федерации в 2014 году, кадастровая стоимость также подчиняется логарифмически нормальному распределению цен (в каждом классе объектов). Для рыночной стоимости (как наиболее вероятной цены сделки в условиях совершенной конкуренции) это приводит к функциональным зависимостям от кадастровой стоимости степенного вида. Аналогично, многие другие показатели также будут подчиняться зависимостям в виде степенных функций. Очевидно, что, имея функции зависимости различных показателей от кадастровой стоимости по всему множеству ее значений, можно выявить связь между различными показателями, которую до введения института кадастровой стоимости установить было невозможно. В настоящей статье предложен метод расчета скидки на торг при оценке недвижимого имущества, основанный на анализе рыночной статистики и данных баз кадастрового учета. Выводится аналитическая формула зависимости скидки на торг от цены предложения. Метод позволяет установить размер скидки на торг не только для объектов, входивших в рекламные базы данных, но и для любого объекта, прошедшего кадастровый учет. Ключевые слова: скидка на торг; кадастровая стоимость; рыночная стоимость; стохастическая модель ценообразования; логарифмически нормальный закон распределения цен. Цитирование: Ласкин М.Б. Определение скидки на торг по рыночным данным и кадастровой стоимости // Бизнес-информатика. 2018. № 3 (45). С. 53–61. DOI: 10.17323/1998-0663.2018.3.53.61. АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ БИЗНЕС-ИНФОРМАТИКА № 3(45) – 2018 54 Введение В теории и практике оценки недвижимого имущества одним из нерешенных вопросов является определение скидки на торг. Рос- сийский рынок недвижимости устроен таким обра- зом, что на нем широко представлены предложения о продажах и крайне ограничен (для оценщика) доступ к информации по завершенным сделкам с реальной ценой продажи. Из-за этого представля- ется весьма затруднительным поиск статистики, отражающей цену предложения и цену сделки для одного и того же объекта недвижимости. В прак- тике оценщики часто пользуются «экспертными» опросами и усреднением полученных данных. На растущих рынках допущенные при этом ошибки быстро нивелируются динамичными изменениями цен. В современных условиях такой подход часто не отражает реальной картины. С введением института кадастровой стоимости по- явилась возможность установить аналитические за- висимости между ценой предложения и ценой сдел- ки, а, следовательно, и скидки на торг. 1. Модель Модель построена при допущении, что цены предло- жений и цены сделок распределены логарифмически нормально. Кадастровые стоимости, определенные в 2014 году как рыночные, тоже распределены лога- рифмически нормально. На такой вид распределения цен в недвижимости указывали не только исследова- тели Кембриджского университета Айчинсон и Браун еще в 1963 году [1], но и авторы относительно недав- них публикаций [2–4]. О.В. Русаковым [5; 6] было до- казано, что цены, образованные последовательными сравнениями в условиях совершенной конкуренции, стремятся к формированию логарифмически нор- мально распределенной генеральной совокупности. Под рыночной стоимостью понимается наиболее вероятная цена, по которой объект может быть от- чужден на открытом рынке в условиях совершенной конкуренции. Такое понимание полностью соответ- ствует определению рыночной стоимости, данной в ФЗ-135 «Об оценочной деятельности» [7] и зарубеж- ным стандартам [8–11]. Для одномерных случайных величин это приводит к пониманию рыночной сто- имости как модального значения соответствующей случайной величины, а в случае двумерных или мно- гомерных случайных величин – к изучению наиболее вероятных значений многомерных случайных вели- чин, например, при изучении корректировок [12], анализе результатов аукционных торгов [13], опреде- лении коэффициента капитализации, соответству- ющего текущему состоянию рынка [14] и в других задачах, в которых возникает необходимость рассма- тривать системы случайных величин. Так как собрать статистику, содержащую цены предложений и цены сделок для каждого объекта за- труднительно, можно собрать статистику по парам «кадастровая стоимость – цена предложения», «ка- дастровая стоимость – цена сделки», вывести анали- тические зависимости, а затем вывести зависимость цены сделки от цены предложения. Например, если предположить, что случайные величины с и ( – кадастровая стоимость, – цена предложения) распределены совместно логарифмически нормально, то при фиксированной кадастровой стоимости = наиболее вероятная цена (рыночная стоимость, оцененная по це- нам предложений, без учета скидки на торг), равна: (1) где 1 , 1 – параметры логарифмически нормально- го распределения для кадастровой стоимости; 2 , 2 – параметры логарифмически нормального распределения для цен предложений; 1 – коэффициент корреляции. Несложный вывод этой формулы дан в работах [14; 15]. Заметим, что формула (1) описывает зави- симость рыночной стоимости без учета скидки на торг, от кадастровой в виде степенной функции: , (2) где ; . Аналогичная формула может быть записана и для оценки рыночной стоимости по ценам сделок ( ): , (3) где ; . (здесь 3, 3 – параметры логарифмически нор- мального распределения цен сделок, 2 – коэффи- циент корреляции пары «кадастровая стоимость- цена сделки»). Тогда, выражая v через (из формулы (2)) и подставляя в формулу (3), получаем зависимость АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ БИЗНЕС-ИНФОРМАТИКА № 3(45) – 2018 55 цены наиболее вероятной цены сделки от наи- более вероятной цены предложения : . (4) Очевидно, что эта зависимость тоже является сте- пенной функцией. Введем коэффициент – отношение наиболее вероятной цены сделки к наиболее вероятной цене предложения. Из формулы (4) следует степенная зависимость коэффициента от наиболее вероят- ной цены предложения: . (5) Из формулы (5) видно, что скидка на торг не яв- ляется константой и при определенных параметрах законов распределений цен предложений, цен сде- лок и кадастровых стоимостей может значительно меняться для разных цен предложений. 2. Расчетный пример Для расчетов выбраны данные из Бюллетеня не- движимости № 1758 (декабрь 2016 года)1 , данные кадастрового учета объектов жилого фонда г. Санкт- Петербурга, опубликованные в [16], на основании отчета [17] и данные одного из Санкт-Петербургских агентств недвижимости, предоставившего на конфи- денциальных условиях данные по ценам 294 реаль- ных сделок в 2017 году. Предоставленная агентством информация относится только к необходимым чис- ленным показателям и не содержит никаких личных данных. Корректировка на время в течение 2017 года не проводилась, поскольку значительных измене- ний на рынке не было. К сожалению, базы данных рекламного характера, такие как «Бюллетень недви- жимости», не содержат данных кадастрового учета (прежде всего, кадастрового номера, как уникального идентификатора объекта и его кадастровой стоимо- сти). Оценочному сообществу стоит задуматься над возможностью создания баз данных, содержащих не только рыночную информацию и описание ценоо- бразующих факторов, но и данные кадастрового уче- та, так как кадастровый номер является уникальным идентификатором любого объекта недвижимости. Если бы все базы содержали кадастровый номер (и данные кадастрового учета), то можно было бы объ- единять данные разных баз в одну и рассматривать многомерные случайные величины. Пока приходится применять другие методы для идентификации объек- тов. В частности, для данных, взятых из «Бюллетеня недвижимости», удалось идентифицировать (устано- вить кадастровые номера и кадастровую стоимость) более 2300 объектов. На рисунке 1 представлены диа- граммы рассеяния пар «кадастровая стоимость – цена предложения», «кадастровая стоимость – цена сдел- ки» для вторичной жилой недвижимости в г. Санкт- Петербурге в 2017 году, для сегмента «масс-маркет» (премиум-сегмент не рассматривался как сегмент, требующий отдельного изучения). Рис. 1. ????????? ????????? ??? «??????????? ????????? – ???? ???????????» ? «??????????? ????????? – ???? ??????» ??? ????????? ????? ???????????? ? ?. ?????-?????????? ? 2017 ????, ??????? «????-??????», ? ??????????? ????? (?????) ? ? ??????????????? ????????? (??????) ???????? ?? ??????????? ????????? ????????? ??? ??????????? ?/??? ?????? 5,50 5,00 4,50 4,00 3,50 3,00 3,00 3,50 4,00 4,50 5,00 5,50 – ???? ???????????, – ???? ?????? – ????????? ??? ???????????, – ????????? ??? ?????? ??????????? ?????????, ???.???. ?? 1 ??.? ???? ??????????? ?/??? ???? ??????, ???.???. ?? 1 ??.? 160 140 120 100 80 60 40 20 0 0 20 40 60 80 100 120 140 160 1 Портал «Бюллетень недвижимости Санкт-Петербурга» (www.bn.ru) от 8 декабря 2016 года № 1758 АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ БИЗНЕС-ИНФОРМАТИКА № 3(45) – 2018 56 Эмпирические распределения цен предложений далеко не всегда удается сразу удовлетворительно аппроксимировать логарифмически нормальным распределением. Это объясняется, прежде всего, тем, что рыночные данные представляют собой смесь распределений цен на объекты разного клас- са. Задача разделения смесей относится к классу некорректных задач и не решается только матема- тическими методами. К счастью, в оценке недви- жимости для разделения смесей всегда можно вос- пользоваться набором ценообразующих факторов, часть из которых отражается в рыночных базах дан- ных. В данном случае удовлетворительное прибли- жение получено после удаления из выборки объек- тов, относящихся к премиум-сегменту и удаления незначительного количества выбросов с аномально завышенными ожиданиями продавцов (оставший- ся объем выборки – 2331 объект). Аппроксимирую- щие поверхности представлены на рисунке 2. Аппроксимирующие поверхности проверены круговым КС-тестом [14; 15]. Результаты представ- лены на рисунке 3. В тесте для пары «кадастровая стоимость – цена предложения» минимальное значение p-value со- ставляет 0,055, для пары «кадастровая стоимость – цена сделки» p-value равна 0,33. Полученные зна- чения дают основания не отвергать гипотезу о со- вместноми логарифмически нормальном распреде- лении. При моделировании получены следующие выборочные значения параметров совместных логнормальных законов распределения. Для пары «кадастровая стоимость – цена предложения» 1 = 4,53, 1 = 0,126, 2 = 4,56, 2 = 0,178, 1 = 0,756. Подставляя указанные значения в формулы (2) по- лучаем: А1 = 0,758 В1 = 1,064 . (6) Для пары «кадастровая стоимость – цена сделки» 1 = 4,384, 1 = 0,207, 3 = 4,337, 3 = 0,17, 2 = 0,52. Подставляя указанные значения в формулы (3) по- лучаем: А1 = 11,72 В2 = 0,422 MVцc = 11,72 v 0,422. (7) Обе зависимости представлены на рисунке 4. Полученные зависимости оценок рыночной сто- имости получены по разным статистикам: по ры- ночным данным – на основе объявлений о прода- жах и по данным продаж агентства недвижимости. Эти зависимости построены на анализе данных из разных выборок, объекты из этих выборок разные и никак не связаны между собой, кроме кадастровых стоимостей. Рис. 2. ??????????????? ??????????? ?????????? ?????????????? ?????????? ????????????? ??? «??????????? ????????? – ???? ???????????» (?????) ? «??????????? ????????? – ???? ??????» (??????) ??????????? ?????????, ???.???. ?? 1 ??.? ??????????? ?????????, ???.???. ?? 1 ??.? ???? ???????????, ???.???. ?? 1 ??.? ???? ??????, ???.???. ?? 1 ??.? 148 142 136 130 124 118 112 106 100 94 88 82 76 70 64 58 52 46 40 130 120 110 100 90 80 70 60 50 40 40 52 64 76 88 100 112 124 136 148 40 50 60 70 80 90 100 110 120 130 АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ БИЗНЕС-ИНФОРМАТИКА № 3(45) – 2018 57 Рис. 3. ?????????? ????????? ??-????? ??? ???? «??????????? ????????? – ???? ???????????» (??????? ???) ? ??? ???? «??????????? ????????? – ???? ??????» (?????? ???) Рис. 4. ??????????? ???????? ?????????, ???????????? ?? ????? ???????????, ?? ??????????? ????????? (?????) ? ???????? ?????????, ?????????? ?? ????? ??????, ?? ??????????? ????????? (??????) 0 50 100 150 p-value ??? ???? ??????????? ???? ????????, deg 1,0 0,8 0,6 0,4 0,2 0,0 1,0 0,8 0,6 0,4 0,2 0,0 1,0 0,8 0,6 0,4 0,2 0,0 400 350 300 250 200 150 100 50 0 100 95 90 85 80 75 70 1,0 0,8 0,6 0,4 0,2 0,0 0 50 100 150 p-value ??? ?? ???? ????????, deg 0 50 100 150 0 50 100 150 200 250 300 350 400 70 80 90 100 150 200 250 300 p-value ??? ?? ???? ????????, deg 0 50 100 150 p-value ??? ???? ?????? ???? ????????, deg p-value ????? ???????????-???????? ??????????? ???????? 5% p-value ????? ???????????-???????? ??????????? ???????? 5% p-value ????? ???????????-???????? ??????????? ???????? 5% p-value ????? ???????????-???????? ??????????? ???????? 5% ??????????? ?????????, ???.???. ?? 1 ??.? ??????????? ?????????, ???.???. ?? 1 ??.? ???? ???????????, ???.???. ?? 1 ??.? ???? ??????, ???.???. ?? 1 ??.? АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ БИЗНЕС-ИНФОРМАТИКА № 3(45) – 2018 58 Объекты одинаковой кадастровой стоимости не обязательно будут выставлены на продажу и про- даны по одинаковой стоимости. Однако, если при определении кадастровой стоимости соблюдался принцип «кадастровая стоимость определяется как рыночная стоимость, полученная методами массо- вой оценки на дату оценки», то оценщик вправе при построении оценки исходить из предположения, что два таких объекта имеют примерно одинаковую рыночную стоимость. Более того, так как кадастро- вая стоимость устанавливается для целей налогоо- бложения, то принцип социальной справедливости предполагает, что за объекты с одинаковой рыноч- ной стоимостью собственники должны уплачивать равные налоги. Именно поэтому возникает задача периодического пересмотра кадастровой стоимо- сти. В нашем случае кадастровая стоимость также вы- ступает в качестве инструмента для вывода зависи- мости между ценой предложения и ценой сделки (или между ценой предложения и коэффициен- том-мультипликатором, определяющим скидку на торг). Подставляя значения коэффициентов (6) и (7) в формулы (4) и (5), получаем: MVсд = 13,08 MVцп 0,396 K = 13,08 MVцп – 0,604 Обе зависимости приведены на рисунке 5. Зависимость, показанная на правой диаграмме рисунка 5, фактически описывает оценку скидки на торг в секторе вторичной жилой недвижимо- сти в г. Санкт-Петербурге в 2017 году. Как видно, оценка скидки на торг не является константой. Для сектора вторичной жилой недвижимости, в сегменте «масс-маркет» она при цене предложе- ния 140 тыс.руб./кв.м. может достигать 35%. Кро- ме того, эта же линия указывает, что цену предло- жения ниже 70 тыс.руб./кв.м. назначать следует с осторожностью. Например, цена предложения в 60 тыс.руб./ кв.м. отстает от наиболее вероят- ной цены продажи на 10% (примерно 66 тыс.руб./ кв.м.). Однако это не означает, что продавец, по- лучив такую информацию, должен немедленно назначить цену как можно выше. Большинство продавцов исходят их рациональных соображе- ний, соизмеряя время экспозиции с потребностя- ми в денежных средствах и желанием продать объ- ект дороже. В основном такая информация нужна оценочному сообществу для обоснованного выбо- ра скидки на торг при оценке объектов недвижи- мого имущества. Рис. 5. ??????????? ?????? ???????? ?????????, ???????????? ?? ????? ??????, ?? ?????? ???????? ?????????, ?????????? ?? ????? ??????????? (?????) ? ??????????? ????????????-??????????????? ?? ???? ??????????? (??????) 110 105 100 95 90 85 80 75 70 65 60 1,4 1,2 1 0,8 0,6 0,4 0,2 0 60 70 80 90 100 110 120 130 140 60 70 80 90 100 110 120 130 140 Y = 13,08 x 0,396 R2 = 1 Y = 13,08 x –0,604 R2 = 1 ???????? ?????????, ???????????? ?? ????? ??????, ???. ???. ?? 1 ??. ? ???????? ?????????, ???????????? ?? ????? ???????????, ???. ???. ?? 1 ??. ? ???????????-?????????????? ???????? ?????????, ???????????? ?? ????? ???????????, ???. ???. ?? 1 ??. ? АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ БИЗНЕС-ИНФОРМАТИКА № 3(45) – 2018 59 Заключение Создание института кадастровой стоимости в Российской Федерации открывает новые, ранее не доступные методы анализа рынка недвижимости и оценки рыночных показателей, в частности, опре- деления скидки на торг. Кадастровая стоимость, определенная как ры- ночная стоимость на дату оценки до даты очередно- го ее пересмотра, является важным инструментом анализа, а не только базой для расчета имуществен- ного налога. Предложенный подход (сопоставление цен пред- ложений и сделок с кадастровой стоимостью, опре- деленной методами массовой оценки как рыночная стоимость на дату оценки) может быть применен и при корректировке кадастровой стоимости. Подроб- но мы рассматриваем этот вопрос в недавно опубли- кованной статье [18], поводом к написанию которой послужила оживленная дискуссия в оценочном со- обществе о качестве определения кадастровой сто- имости. Подробный анализ методологических про- блем определения кадастровой стоимости можно найти в статье профессора С.П. Коростелева [19]. Литература 1. Aitchinson J., Brown J.A.C. The lognormal distribution with special references to its uses in economics. Cambridge: Cambridge University Press, 1963. 2. Ciurlia P., Gheno A. A model for pricing real estate derivatives with stochastic interest rates // Mathematical and Computer Modeling. 2009. No. 50. P. 233–247. 3. Ohnishi T., Mizuno T., Shimizu C., Watanabe T. On the evolution of the house price distribution // Columbia Business School. Center of Japanese Economy and Business. Working Paper Series. May 2011. No. 296. 4. Никулина Т.В., Пономарева О.А., Пупенцова С.В. Логарифмически нормальное распределение цен на жилые объекты недвижимости элитного класса и эконом-класса // Неделя науки СПбПУ. Материалы научного форума с международным участием / Отв. ред. О.В. Калинина, С.В. Широкова. СПб, 2015. С. 435–437. 5. Русаков О.В., Ласкин М.Б., Джаксумбаева О.И. Стохастическая модель ценообразования на рынке недвижимости: формирование логнормальной генеральной совокупности // Экономика, статистика и информатика. Вестник УМО. 2015. № 5. С. 116–127. 6. Rusakov O., Laskin M., Jaksumbaeva O. Pricing in the real estate market as a stochastic limit. Log Normal approximation // International Journal of Mathematical Models and Methods in Applied Sciences. 2016. Vol. 10. P. 229–236. 7. Федеральный закон от 29.07.1998 № 135-ФЗ (ред. от 29.07.2017) «Об оценочной деятельности в Российской Федерации». [Электронный ресурс]: http://www.consultant.ru/document/cons_doc_LAW_19586/ (дата обращения 01.06.2018). 8. European valuation standards 2012 / The European Group of Valuers’ Associations. Brussels, 2012. [Электронный ресурс]: https://ru.scribd. com/document/254068172/Valuation-Standards-2012-for-European-Countries (дата обращения 01.06.2018). 9. International valuation standards 2013. Framework and requirements / International Valuation Standard Council. London, 2013. [Электронный ресурс]: http://www.valuersinstitute.com.au/docs/professional_practice/International%20Valuation%20Standards%202013. pdf (дата обращения 01.06.2018). 10. RICS valuation professional standard 2014 / Royal Institution of Chartered Surveyors (RICS), 2014. [Электронный ресурс]: http://hoadd. noordhoff.nl/sites/7605/_assets/7605d24.pdf (дата обращения 01.06.2018). 11. Uniform standards of professional appraisal practice. 2018–2019 edition / The Appraisal Foundation, 2018. [Электронный ресурс]: http://www.uspap.org/ (дата обращения 01.06.2018). 12. Ласкин М.Б. Корректировка рыночной стоимости по ценообразующему фактору «площадь объекта» // Имущественные отношения в Российской Федерации. 2017. № 8 (191). C. 86–99. 13. Ласкин М.Б. Статистический анализ результатов торгов. Интервал стартовой цены // Имущественные отношения в Российской Федерации. 2018. № 1 (196). C. 19–29. 14. Русаков О.В., Ласкин М.Б., Джаксумбаева О.И. Определение коэффициента капитализации по статистическим данным // Экономика, статистика и информатика. Вестник УМО. 2016. № 1. С. 14–22. 15. Русаков О.В., Ласкин М.Б., Джаксумбаева О.И. Оценка показателей рынка недвижимости по статистическим данным на основе многомерного логарифмически нормального закона // Экономический журнал Высшей школы экономики. 2016. Т. 20. № 2. С. 268–284. 16. Приказ Комитета имущественных отношений Санкт-Петербурга от 27.08.2015 № 59-п «Об утверждении результатов определения кадастровой стоимости помещений площадью менее 3000 кв. м на территории Санкт-Петербурга». 17. Отчет об определении кадастровой стоимости объектов недвижимости (за исключением земельных участков), расположенных на территории Санкт-Петербурга / КУГИ Правительства Санкт-Петербурга. 2012. Т. 2. Раздел 2.3. 18. Ласкин М.Б., Гадасина Л.В. Как определить кадастровую стоимость // Имущественные отношения в Российской Федерации. 2018. № 3 (198). С. 42–53. 19. Коростелев С.П. О «единой федеральной методологии» кадастровой оценки недвижимости и земли / Библиотека LABRATE.RU. [Электронный ресурс]: http://www.labrate.ru/articles/2017-1_korostelev.pdf (дата обращения 28.05.2017). АНАЛИЗ ДАННЫХ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ 60 BUSINESS INFORMATICS No. 3(45) – 2018 Determination of the trading discount based on market data and cadastral value Mikhail B. Laskin Senior Researcher St. Petersburg Institute for Informatics and Automation of the Russian Academy of Sciences; Associate Professor, Faculty of Economics St. Petersburg University Address: 7–9, Universitetskaya Emb., St. Petersburg, 199034, Russia E-mail: laskinmb@yahoo.com Abstract The introduction of the institution of cadastral value in the Russian Federation opens up new opportunities in real estate valuation. In this regard, the new focus for appraisers is statistical analysis of multidimensional empirical distributions that were not previously available, because the real estate market does not have pairwise and multidimensional observations concentrated in unified databases. Data of interest to analysts is usually concentrated in different sources from different owners and pertains to different objects. The goal of combining them can be solved by comparing such data with the data of cadastral records, namely the cadastral number as a unique identifier of the object. Since the cadastral value corresponds to each cadastral number, it is possible to compare the cadastral value with important indicators such as the market price of the offer, the transaction price, the rental rate, the annual price indices, the capitalization rate, the discount rate, the trading discount and many other indicators, the formation of which involves more than two random variables. The construction of the model involves the principle of following the prices formed by pair comparisons to geometric Brownian motion, and hence the formation of lognormal population. As it turned out, as a result of large-scale cadastral work carried out in the Russian Federation in 2014, the cadastral value is also subject to lognormal distribution of prices (in each class of objects). For the market value (as the most probable price of the transaction under conditions of perfect competition), this leads to functional dependences from the cadastral value of the power type. Similarly, many other indicators will also be subject to dependences in the form of power functions. Obviously, having a function depending from the various indicators of cadastral value across the set of values, you can set the relationship between the various indicators, which was impossible before the introduction of the institution of cadastral value. This article proposes a method of calculating the trading discount when appraising real estate based on analysis of market statistics and databases of cadastral records. An analytical formula of the dependence of trading discounts from the offer price is proposed. The method allows us to set the level of the discount not only for objects included in an advertising database, but also for any object that has undergone cadastral registration. Key words: trading discount; cadastral value; market value; stochastic pricing model; lognormal distribution of prices. Citation: Laskin M.B. (2018) Determination of the trading discount based on market data and cadastral value. Business Informatics, no. 3 (45), pp. 53–61. DOI: 10.17323/1998-0663.2018.3.53.61. References 1. Aitchinson J., Brown J.A.C. (1963) The lognormal distribution with special references to its uses in economics. Cambridge, Cambridge University Press. 2. Ciurlia P., Gheno A. (2009) A model for pricing real estate derivatives with stochastic interest rates. Mathematical and Computer Modeling, no. 50, pp. 233–247. 3. Ohnishi T., Mizuno T., Shimizu C., Watanabe T. (2011) On the evolution of the house price distribution. Columbia Business School. Center of Japanese Economy and Business. Working Paper Series, no. 296. 4. Nikulina T.V., Ponomareva O.A., Popentzova S.V. (2015) Logarifmicheski normal’noe raspredelenie tsen na zhilye ob’ekty nedvizhimosti elitnogo klassa i ekonom-klassa [Lognormal distribution of prices for residential real estate of elite class and economy class]. Week of science of SPbSPU. Materials of the scientific forum with international participation (ed. O.V. Kalinina, S.V. Shirokova). Saint Petersburg, pp. 435–437 (in Russian). 5. Rusakov O.V., Laskin M.B., Jaksumbaeva O.I. (2016) Stokhasticheskaya model’ tsenoobrazovaniya na rynke nedvizhimosti: formirovanie lognormal’noy general’noy sovokupnosti [Stochastic pricing model for the real estate market. Formation of lognormal general population]. Economics, Statistics and Informatics. UMO Bulletin, no. 5, pp. 116–127 (in Russian). DATA ANALYSIS AND INTELLIGENCE SYSTEMS 61 BUSINESS INFORMATICS No. 3(45) – 2018 6 Rusakov O.V., Laskin M.B., Jaksumbaeva O.I. (2016) Pricing in the real estate market as a stochastic limit. Log Normal approximation. International Journal of Mathematical Models and Methods in Applied Sciences, vol. 10, pp. 229–236. 7. The Federal Law of 29.07.1998 No. 135-FZ (edition of 29.07.2017) “Ob otsenochnoy deyatel’nosti v Rossiyskoy Federatsii” [“About valuation activity in the Russian Federation”]. Available at: http://www.consultant.ru/document/cons_doc_LAW_19586/ (accessed 01 June 2018) (in Russian). 8. The European Group of Valuers’ Associations (2012) European valuation standards 2012. Available at: https://ru.scribd.com/document/ 254068172/Valuation-Standards-2012-for-European-Countries (accessed 01 June 2018). 9. International Valuation Standard Council (2013) International valuation standards 2013. Framework and requirements. Available at: http://www.valuersinstitute.com.au/docs/professional_practice/International%20Valuation%20Standards%202013.pdf (accessed 01 June 2018). 10. Royal Institution of Chartered Surveyors (2014) RICS valuation professional standard 2014. Available at: http://hoadd.noordhoff.nl/ sites/7605/_assets/7605d24.pdf (accessed 01 June 2018). 11. The Appraisal Foundation (2018) Uniform standards of professional appraisal practice. 2018–2019 edition. Available at: http://www.uspap.org/ (accessed 01 June 2018). 12. Laskin M.B. (2017) Korrektirovka rynochnoy stoimosti po tsenoobrazuyushchemu faktoru “ploshchad’ ob’ekta” [Market value adjustment for the pricing factor “square”]. Property Relations in the Russian Federation, no. 8 (191), pp. 86–99 (in Russian). 13. Laskin M.B. (2018) Statisticheskiy analiz rezul’tatov torgov. Interval startovoy tseny [Statistical analysis of the auction results. Starting price interval]. Property Relations in the Russian Federation, no. 1 (196), pp. 19–29 (in Russian). 14. Rusakov O.V., Laskin M.B., Jaksumbaeva O.I. (2016) Opredelenie koeffitsienta kapitalizatsii po statisticheskim dannym [Determination of capitalization coefficient using statistical data]. Economics, Statistics and Informatics. UMO Bulletin, no. 1, pp. 14–22 (in Russian). 15. Rusakov O.V., Laskin M.B., Jaksumbaeva O.I. (2016) Otsenka pokazateley rynka nedvizhimosti po statisticheskim dannym na osnove mnogomernogo logarifmicheski normal’nogo zakona [Estimation of the real estate market indexes according to statistical data and based on multidimensional log-normal distribution]. HSE Economic Journal, vol. 20, no. 2, pp. 268–284 (in Russian). 16. St. Petersburg Committee of Property Relations (2015) On approval of the results of the cadastral value of the premises with the area less than 3,000 sq m on the territory of St. Petersburg. The order of the St. Petersburg Committee of Property Relations, 27 August 2015, no. 59-p. 17. Government of St. Petersburg (2012) The report on determination of cadastral value of real estate objects (except for the parcels of land) located in the territory of St. Petersburg, vol. 2, section 2.3. 18. Laskin M.B., Gadasina L.V. (2018) Kak opredelit’ kadastrovuyu stoimost’ [How to determine cadastral value]. Property Relations in the Russian Federation, no. 3, pp. 42–53 (in Russian). 19. Korostelev S.P. (2017) O “edinoy federal’noy metodologii” kadastrovoy otsenki nedvizhimosti i zemli [On the “uniform Federal methodology” of cadastral valuation of real estate and land]. Available at: http://www.labrate.ru/articles/2017-1_korostelev.pdf (accessed 28 May 2017) (in Russian). DATA ANALYSIS AND INTELLIGENCE SYSTEMS Другие книги из этого разделаКвалиметрическое моделирование в оценке земельных участковСовершенствование законодательной и нормативно-правовой базы в области кадастровой оценкиТрехмерная визуализация неблагоприятных природных условий для корректировки кадастровой стоимости земельКвалиметрическое моделирование в оценке земельных участковСовершенствование законодательной и нормативно-правовой базы в области кадастровой оценкиТрехмерная визуализация неблагоприятных природных условий для корректировки кадастровой стоимости земель