RefMag.ru - Оценка. Помощь в решении задач, тестов, практикумов, курсовых, аттеста­ционных

RefMag.ru - Помощь в решении в учебе
Заказать:
- заказать решение тестов и задач
- заказать помощь по курсовой
- заказать помощь по диплому
- заказать помощь по реферату

Репетитор оценщика

Готовые работы заочников

Тесты:

Задачи:

Примеры работ по оценке

Примеры курсовых работ
Примеры аттест­ационных работ
Учебные дисциплины
Литература
Заказ работ:




Экспертная и репетиторская помощь по решению тестов, задач, практикумов и всех других видов работ. Сергей.
[email protected], ,

Примеры выполненных работ: | контрольные | курсовые | дипломные | отзывы |




Букинистическая книга:

Список литературы по оценке недвижимости > Роль многофакторного моделирования в оценке стоимости жилой недвижимости и прогнозировании потребительского спроса

Роль многофакторного моделирования в оценке стоимости жилой недвижимости и прогнозировании потребительского спроса

Сироткин В.А., Желенкова В.С., Кожевникова О.С., Чикурова А.М. Роль многофакторного моделирования в оценке стоимости жилой недвижимости и прогнозировании потребительского спроса // Жилищные стратегии. 2019. Т. 6. № 3. С. 321-332.

Скачать оригинал статьи

Фрагмент работы на тему "Роль многофакторного моделирования в оценке стоимости жилой недвижимости и прогнозировании потребительского спроса"

жилищные стратегии Том 6 • Номер 3 • Июль–сентябрь 2019 Russian Journal of Housing Research ISSN 2410-1621 Роль многофакторного моделирования в оценке стоимости жилой недвижимости и прогнозировании потребительского спроса Сироткин В.А. 1, Желенкова В.С. 1, Кожевникова О.С. 1, Чикурова А.М. 1 1  Уральский федеральный университет им. первого Президента России Б.Н. Ельцина, Екатеринбург, Россия АННОТАЦИЯ: В статье осуществлена оценка существующих тенденций на рынке жилой недвижимости. Выявлены и систематизированы в виде матрицы факторы, оказывающие наибольшее влияние на стоимость жилой недвижимости, сделано их обоснование с использованием экономико-математических методов. Авто- ры делают вывод, что использование экономико-математических методов при анализе рынка жилой недвижимости позволит руководству государственных органов и девелоперских компаний принимать управленческие решения, направленные на повышение ее доступности с учетом интересов большин- ства населения. КЛЮЧЕВЫЕ СЛОВА: муниципалитет, факторы, модель, жилищный фонд, инвестиции, статистические методы, экономико-математические методы, зависимость, жильё, спрос, предложение. The role of multivariate modeling in residential property valuation and consumer demand forecasting Sirotkin V.A. 1, Zhelenkova V.S. 1, Kozhevnikova O.S. 1, Chikurova A.M. 1 1  Ural Federal University named after the first President of Russia B.N.Yeltsin, Russia Введение Важность проведения исследований по настоящей тематике обусловлена тем, что повышение доступности жилой и коммер- ческой недвижимости отвечает жизненным интересам многих наших граждан. Необходимость и важность научно обоснованных, социально- ориентированных и экономически оправданных управленческих реше- ний и преобразований в инвестиционно-строительной сфере терри- тории определяют особую важность принятия комплексных решений по формированию рынка доступной недвижимости с использованием многофакторного моделирования. Целью данной статьи является выявление существующих тенден- ций, сложившихся на рынке жилой недвижимости и позволяющих за счет использования однофакторного и многофакторного моделирова- ния спрогнозировать спрос на жилье. 322 Russian Journal of Housing Research #3’2019 (July-September) ABSTRACT: The article assesses the existing trends in the residential real estate market. The factors which have the greatest impact on the cost of residential real estate are identified and systematized in the form of a matrix. Their justification with the help of economic and mathematical methods is made. The authors conclude that the use of economic-mathematical methods, the analysis of the real estate market will allow government agencies and development companies to make management decisions aimed at improving its accessibility taking into account the interests of the majority. keywords: municipality, factors, model, housing fund, investments, statistical methods, economicmathematical methods, addiction, housing, demand, supply. JEL Classification: R31, R32, L74 Received: 04.09.2019 / Published: 30.09.2019 © Author(s) / Publication: PRIMEC Publishers For correspondence: Sirotkin V.A. ( [email protected]) CITATION: Sirotkin V.A., Zhelenkova V.S., Kozhevnikova O.S., Chikurova A.M. (2019) Rol mnogofaktornogo modelirovaniya v otsenke stoimosti zhiloy nedvizhimosti i prognozirovanii potrebitelskogo sprosa [The role of multivariate modeling in residential property valuation and consumer demand forecasting]. Zhilischnye strategii. 6. (3). – 321-332. doi: 10.18334/zhs.6.3.40964 Объемы жилищного строительства в Екатеринбурге ежегодно увеличиваются, но ряд проблем, которые мешают повышению доступности жилья для населения, все же существует. Основными из них являются: ? рост себестоимости строительства в результате негативных финансово-эконо- мических изменений в строительном комплексе, в том числе под воздействием неблагоприятной ситуации в экономики РФ и сложных международных поли- тических отношений [5] (Gattunen, 2016); ? недоступность для большинства граждан РФ ипотечного жилищного кредито- вания в связи с необходимостью вложения значительной суммы собственных средств по отношению к среднему уровню доходов, а также высокими процент- ными ставками по ипотечным кредитам [9] (Ovsyannikova, Rabtsevich, Yugova, 2018); ? превышение темпа роста цен на жилье над темпами роста реальных располага- емых доходов населения; значительное превышение стоимости продажи жилья над себестоимостью его строительства [10] (Rodionova, 2009); ? большое количество высокодотационных субъектов РФ, у которых отсутствует возможность на достаточном уровне участвовать в софинансировании меро- приятий по жилищному строительству и выполнению государственных обяза- тельств по обеспечению населения жильем [16] (Kholodilin, 2019); ? ограничения сроков ипотечных программ с господдержкой и субсидированием [17] (Delgado, Porter, Stern, 2014); ? несопоставимость уровня доходов населения и цен на жилье; Жилищные стратегии № 3’2019 (Июль-сентябрь) 323 Об авторах: Сироткин Виктор Анатольевич, доцент кафедры ценообразования в строительстве и промышленности, канд. экон. наук, доцент ([email protected]) Желенкова Вероника Сергеевна, студент института строительства и архитектуры, кафедры ценообразо- вания в строительстве и промышленности ([email protected]) Кожевникова Ольга Сергеевна, студент института строительства и архитектуры, кафедры ценообразова- ния в строительстве и промышленности ([email protected]) Чикурова Анна Михайловна, студент института строительства и архитектуры, кафедры промышленного, гражданского строительства и экспертизы недвижимости ([email protected]) ЦИТИРОВАТЬ СТАТЬЮ: Сироткин В.А., Желенкова В.С., Кожевникова О.С., Чикурова А.М. Роль многофакторного моделирования в оценке стоимости жилой недвижимости и прогнозировании потребительского спроса // Жилищные стратегии. – 2019. – Том 6. – № 3. – С. 321-332. doi: 10.18334/zhs.6.3.40964 ? высокие темпы роста инфляции и повышение цен на товары потребительского спроса; ? высокий уровень монополизации рынка жилищного строительства. Комплексный характер перечисленных выше проблем предопределяет необходи- мость понимания факторов, способных оказывать влияние на динамику стоимости жилья. Осмысление данных тенденций позволит руководству муниципального обра- зования принимать управленческие решения, направленные на повышение доступ- ности жилья. Методика исследования Для детального анализа рынка недвижимости был проведен экспертный опрос, направленный на установление факторов, способных повлиять на стоимость жилой недвижимости. С использованием метода главных компонент была осуществлена дифференциация на эндогенные и экзогенные показатели. Выявленные факторы были систематизированы нами в виде матрицы, демонстри- рующей наиболее важные показатели, оказывающие влияние на развитие жилищного фонда и динамику изменения стоимости жилой недвижимости. Система данных пока- зателей представлена в таблице 1. Представленные в данной таблице факторы позволяют не только определить воз- можность приобретения доступного жилья и вероятные риски, связанные с инве- стициями в рынок жилищного строительства, но и оценить степень развития всей системы воспроизводства жилищного фонда, доступность информации для потребителя и эффективность осуществления поступательного развития рынка жилья. Для обоснования выдвинутых предположений был проведен анализ, базирую- щийся на оценке статистических данных с 2014 по 2018 г. В связи со сложностью точ- ного определения средней стоимости 1 м2 жилья в г. Екатеринбурге использовались данные по однокомнатным квартирам, расположенным в микрорайоне Ботанический. 324 Russian Journal of Housing Research #3’2019 (July-September) Данный подход объясняется относительной однородностью представленного жилья и большим объемом предложений, что дает возможность исследователю максимально точно выявить средние цены на рынке жилой недвижимости и оценить влияние раз- личных факторов. Таблица 1 Факторы, влияющие на эффективное развитие жилищного фонда Выполнение экономических функций Выполнение социальных функций Эндогенные показате- ли (прямой эффект) Экзогенные показатели (косвенный эффект) Объем денежной массы в Российской Федерации, д.е. Объем экспорта в Россий- ской Федерации, д.е. Обеспеченность жильем на душу населе- ния, м2 Средняя месячная заработная плата работников, д.е. Индекс потребительских цен,% Коэффициент доступности жилья,% Источник: составлено авторами. Рисунок 1. График изменений стоимости 1 м2 жилой недвижимости (руб.) Источник: составлено авторами. Как видно из данного рисунка, несмотря на рост стоимости 1 м2 в некоторые пери- оды, в то же время, с января 2014 по декабрь 2018 г. для стоимости 1 м2 однокомнат- Рисунок 1. График изменений стоимости 1 м2 жилой недвижимости (руб.) Источник: составлено авторами. Как видно из данного рисунка, несмотря на рост стоимости 1 м2 в некото- рые периоды, в то же время, с января 2014 по декабрь 2018 г. для стоимости 1 м2 однокомнатной квартиры для локального рынка микрорайона Ботанический наблюдается общая тенденция к снижению (86 449 руб. в январе 2014 г., 77 304 руб в декабре 2018 г)Исходные данные средней стоимости получены на Жилищные стратегии № 3’2019 (Июль-сентябрь) 325 ной квартиры для локального рынка микрорайона Ботанический наблюдается общая тенденция к снижению (86 449 руб. в январе 2014 г., 77 304 руб. в декабре 2018 г.). Исходные данные средней стоимости получены на основании существующих пред- ложений для рынка жилой недвижимости из открытых источников информации [10, 11] (Rodionova, 2009). На изменение средней стоимости 1 м2 жилья оказали влияние различные факторы, в том числе и потребительские ожидания продавцов жилой недвижимости. Однако для целей настоящего исследования рассмотрим взаимосвязь стоимости 1 м2 жилой недвижимости и представленных выше факторов более подробно. Индекс потребительских цен На основе имеющейся информации с помощью компьютерной программы NCSS осуществлен регрессионный анализ статистических данных и построена модель влияния индекса потребительских цен на стоимость 1 м2 жилой недвижимости. Полученная модель имеет вид: Y = 170 358, 9 – 7,07·x, (1) где Y – смоделированная стоимость 1 м2 жилой недвижимости, руб.; х – значение индекса потребительских цен. Как видим, между индексом потребительских цен и стоимостью недвижимости существует обратно пропорциональная зависимость, то есть с ростом индекса потре- бительских цен в целом снижается стоимость 1 м2 жилой недвижимости. Данный факт характерен именно для исследуемого временного периода. Коэффициент корреляции для данной модели равен 0,8 и демонстрирует взаимосвязь между данными факто- рами. Среднемесячная заработная плата в г. Екатеринбурге по узкому кругу крупных и средних предприятий На основе имеющейся статистической информации с помощью компьютерной программы NCSS осуществлен регрессионный анализ данных и построена модель влияния среднемесячной заработной платы на стоимость 1 м2 жилой недвижимости. Полученная модель имеет вид: Y = 140 574 – 1,28·x, (2) где Y – смоделированная стоимость 1 м2 жилья руб.; х – значение среднемесячной заработной платы руб. Как видно из данной модели, между стоимостью 1 м2 жилой недвижимости и сред- немесячной заработной платой существует обратно пропорциональная зависимость, то есть с ростом среднемесячной заработной платы снижается стоимость 1 м2 жилой 326 Russian Journal of Housing Research #3’2019 (July-September) недвижимости. Данный факт характерен именно для исследуемого временного пери- ода. Коэффициент корреляции для данной модели (R2) составляет 0,69, то есть изме- нение стоимости 1 м2 жилой площади на 69% предопределено вариацией среднеме- сячной заработной платы; доля прочих факторов, влияющих на стоимость 1 м2 жилья, составляет 31%, что является относительно небольшой величиной. Объем денежной массы в Российской Федерации Одним из основных ориентиров денежно-кредитной политики является денеж- ная масса. Это совокупность всех денежных средств, находящихся в обращении в национальном хозяйстве в наличной и безналичной формах. Именно этот параметр денежного обращения оказывает влияние на экономический рост, уровень развития и структуру кредитной и банковской систем, динамику цен, занятость, бесперебойное функционирование расчетно-платежной системы. В современных денежных системах деньги эффективно выполняют свои функции, если поддерживается оптимальное их количество в обращении в соответствии с потребностями экономики. Именно поэтому актуальным представляется исследование степени влияния объ- ема денежной массы на цены рынка недвижимости. На основе имеющейся информа- ции с помощью компьютерной программы NCSS осуществлен регрессионный анализ статистических данных и построена модель влияния объема наличной и безналичной денежной массы в Российской Федерации на стоимость 1 м2 жилой недвижимости. Полученная модель имеет вид: Y = 146 380,9 – 1,76·x, (3) где Y – смоделированная стоимость 1 м2 жилья, руб.; х – объем денежной массы в Российской Федерации, млрд руб. Как видим, между стоимостью 1 м2 жилой недвижимости и объемом денежной массы существует прямо пропорциональная зависимость, то есть с увеличением объ- ема денежной массы в Российской Федерации увеличивается стоимость 1 м2 жилой недвижимости. Коэффициент детерминации для данной модели (R2 ) составляет 0,8, то есть изменение стоимости 1 м2 жилой площади на 80% предопределено вариацией объема денежной массы в Российской Федерации; доля прочих факторов, влияющих на стоимость 1 м2 жилья составляет 20%, что является относительно небольшой вели- чиной. На данном рисунке представлены фактические и смоделированные значения сто- имости 1 м2 жилой недвижимости в зависимости от фактора – денежная масса РФ. Данный график демонстрирует периоды снижения прогнозируемого спроса на жилую недвижимость и его повышение. Например, с ноября 2017 по июль 2018 г. наблюдается превышение смоделированых значений над фатическими данными. На основании данного факта можно сделать предположение, что спрос на жилую Жилищные стратегии № 3’2019 (Июль-сентябрь) 327 недвижимость в данный период увеличился. И наоборот, с апреля 2017 по октябрь 2017 г. наблюдается обратная ситуация. Однако прогнозирование спроса на основании лишь одного фактора не всегда точно отражает реальную рыночную ситуацию. Для более точных прогнозов необ- ходимо учитывать различные факторы, оказывающие комплексное влияние на рынок недвижимости. Для уточнения предварительных выводов построим многофакторную модель с помощью компьютерной программы NCSS. Полученная модель имеет вид Y = 134 675,596 – 0,947·x1 – 2,308·x2 + 0,170·x3 + 1,993·x4, (4) где Y – смоделированная стоимость 1 м2 жилой недвижимости; х1 – индекс потре- бительских цен; х2 – объем экспорта Российской Федерации, млрд руб.; х3 – средняя заработная плата в Екатеринбурге, руб.; х4 – объем денежной массы в Российской Федерации, млрд руб. Рисунок 2. График смоделированных и фактических значений стоимости 1 м2 (фактор – денежная масса РФ) (руб.) Источник: составлено авторами. ной массы существует прямо пропорциональная зависимость, то есть с увеличе- нием объема денежной массы в Российской Федерации увеличивается стоимость 1 м2 жилой недвижимости. Коэффициент детерминации для данной модели (R2 ) составляет 0,8, то есть изменение стоимости 1 м2 жилой площади на 80 % пред- определено вариацией объема денежной массы в Российской Федерации; доля прочих факторов, влияющих на стоимость 1 м2 жилья составляет 20 %, что явля- ется относительно небольшой величиной. Рисунок 2. График смоделированных и фактических значений стоимости 1 м2 (фактор – денежная масса РФ) (руб.) Источник: составлено авторами. 328 Russian Journal of Housing Research #3’2019 (July-September) Рисунок 3. График многофакторной модели исследования стоимости 1 м2 Источник: составлено авторами. Коэффициент детерминации для данной модели (R2) составляет 0,82, то есть изме- нение стоимости 1 м2 жилой площади на 82% предопределено вариацией исследуе- мых факторов; доля прочих факторов, влияющих на стоимость 1 м2 жилья, составляет всего 18%, что является относительно небольшой величиной. Анализируя график (рис. 3), мы видим, что в период до мая 2014 г. наблюдается превышение смоделированных отклонений над фактическими, это дает основа- ние нам предположить, что в данный период спрос на жилую недвижимость уве- личится. Превышение смоделированных значений над фактическими наблюдается также в периоды с февраля 2016 по декабрь 2016 г. и с ноября 2017 по июль 2018 г. Наибольшее значение отклонений выявлено в феврале 2018 г. и апреле 2018 г. С июня 2015 по октябрь 2015 г. наблюдается превышение фактических значений над смоделированными. Следовательно, в данный период можно прогнозировать снижение потребительского спроса на жилую недвижимость. Такое же превышение наблюдается и в период с августа 2018 по декабрь 2018 г., что может характеризовать снижение спроса на жилье и в данный период. Необходимо отметить, что в данном исследовании не учитывается фактор сезонности спроса на жилую недвижимость. Новизной настоящего исследования является выявление и систематизация в виде матрицы, факторов, оказывающих наибольшее влияние на изменение стои- Рисунок 3. График многофакторной модели исследования стоимости 1 м2 Источник: составлено авторами. Коэффициент детерминации для данной модели (R2 ) составляет 0,82, то есть изменение стоимости 1 м2 жилой площади на 82 % предопределено вариацией ис- следуемых факторов; доля прочих факторов, влияющих на стоимость 1 м2 жилья, составляет всего 18 %, что является относительно небольшой величиной. Анализируя график (рис. 3), мы видим, что в период до мая 2014 г. наблю- дается превышение смоделированных отклонений над фактическими, это Жилищные стратегии № 3’2019 (Июль-сентябрь) 329 мости жилой недвижимости, их обоснование с использованием экономико-мате- матических методов. Заключение Таким образом, проведенное исследование показало, что рынок не является изо- лированным. Он тесно связан с макроэкономической ситуацией в стране, и на его раз- витие огромное влияние оказывают доходы населения, возможность их аккумулиро- вания. Наиболее целостную ситуацию продемонстрировала многофакторная модель, с помощью которой было обосновано снижение или увеличение спроса на недвижи- мость в разные периоды времени. В связи с вышесказанным необходимо отметить, что использование экономико-математических методов в процессе анализа рынка недви- жимости позволяет руководству деволоперских компаний и органов государствен- ной власти не только наиболее точно оценивать ситуацию на рынке, но и принимать управленческие решения, направленные на повышение доступности жилья и учитыва- ющие интересы большинства населения, проживающего на данной территории. ИСТОЧНИКИ: 1. Арефин А.В. Факторы ценообразования на рынке аренды жилой недвижимости // Жилищные стратегии. – 2015. – № 4. – С. 253–266. – doi: 10.18334/zhs.2.4.1898. 2. Боровских О.Н. Основные факторы, определяющие стоимость земельного участка под индивидуальное жилищное строительство (на примере г. Казань) // Жилищные стратегии. – 2018. – № 3. – С. 367–382. – doi: 10.18334/zhs.5.3.39437. 3. Гареев И.Ф. Жилищные исследования в Российской Федерации: состояние, цели, институты // Жилищные стратегии. – 2018. – № 2. – С. 211–238. – doi: 10.18334/ zhs.5.2.39550. 4. Гареев И.Ф. Международные журналы по жилищным исследованиям: анализ публи- каций и наукометрических показателей (часть 4) // Жилищные стратегии. – 2016. – № 4. – С. 313–325. – doi: 10.18334/zhs.3.4.37143. 5. Гаттунен Н.А. Жилищная политика России: тенденции, проблемы, перспективы // Ученые записки Крымского федерального университета имени В.И. Вернадского. Экономика и управление. – 2016. – № 4. – С. 15–24. 6. Кибатаева А.Н., Грубов А.П. Проблемы статистического исследования развития сельского рынка жилья на региональном уровне // Известия Оренбургского госу- дарственного аграрного университета. – 2014. – № 6. – С. 181–185. 7. Мамедова С.С. Анализ взаимосвязанности процессов на рынке недвижимости // Вестник Белгородского университета кооперации, экономики и права. – 2010. – № 2. – С. 255–261. 8. Минц В.М. Принципы прогнозирования динамики цен на жилую недвижимость // Имущественные отношения в Российской Федерации. – 2008. – № 1. – С. 35–42. 330 Russian Journal of Housing Research #3’2019 (July-September) 9. Овсянникова Т.Ю., Рабцевич О.В., Югова И.В. Диспропорции на рынке жилищных инвестиций: анализ причин и оценка последствий // Жилищные стратегии. – 2018. – № 4. – doi: 10.18334/zhs.5.4.39694. 10. Родионова Н.В. Специфика ценообразования на рынке жилья и факторы, влияю- щие на цену недвижимости // Аудит и финансовый анализ. – 2009. – № 2. – С.  406– 411. 11. Сайт Домофонд.ру. Домофонд.ру. [Электронный ресурс]. URL: https://www. domofond.ru. 12. Сайт Недвижимость в Екатеринбурге. Недвижимость в Екатеринбурге. [Электронный ресурс]. URL: https://ekaterinburg.n1.ru/. 13. Сироткин В.А. Кластеризация регионального рынка недвижимости на примере Свердловской области // Жилищные стратегии. – 2016. – № 3. – С. 163–178. – doi: 10.18334/zhs.3.3.36509. 14. Стерник С.Г., Стерник Г.М. Методика прогнозирования объемов ввода на локаль- ном рынке строительства и продажи жилья // Жилищные стратегии. – 2018. – №  2. – С. 137–152. – doi: 10.18334/zhs.5.2.39142. 15. Учинина Т.В., Ноур М.В., Аюпова З.В., Корнеева С.С. Обзор современной ситуации на рынке жилой недвижимости // Молодой ученый. – 2017. – № 9. – С. 453–456. 16. Холодилин К.А. Мировые тенденции государственной жилищной политики // Жилищные стратегии. – 2019. – № 1. – С. 9–44. – doi: 10.18334/zhs.6.1.40121. 17. Delgado M., Porter M. E., Stern S. Clusters, convergence, and economic performance // Research Policy. – 2014. – № 43. – p. 1785–1799. 18. Mandell S., Wilhelmsson M. Willingness to Pay for Sustainable Housing // Journal of Housing Research. – 2011. – № 1. – p. 35–51. 19. Silje Eretveit Theis Theisen Efficiency and Justice in the Market for Cooperative Dwellings // The International Real Estate Review. – 2016. – № 3. – p. 297–326. 20. Simons R.A., Seo Yo. Rosenfeld P. Modeling the Effects of Refinery Emissions on Residential Property Values // Journal of Real Estate Research. – 2015. – № 3. – p. 321– 342.. 21. William Miles Contagion Interdependence and Diversification across Regional UK Housing Markets // The International Real Estate Review. – 2016. – № 3. – p. 327–351. 22. Yunus N. Modeling Relationships among Securitized Property Markets, Stock Markets, and Macroeconomics Variables // Journal of Real Estate Research. – 2012. – № 2. – p.  127–156. REFERENCES: Arefin A.V. (2015). Faktory tsenoobrazovaniya na rynke arendy zhiloy nedvizhimosti [Pricing Factors in the Residential Rental Property Market]. Russian Journal of Housing Research. 2 (4). 253–266. (in Russian). doi: 10.18334/zhs.2.4.1898. Жилищные стратегии № 3’2019 (Июль-сентябрь) 331 Borovskikh O.N. (2018). Osnovnye faktory, opredelyayuschie stoimost zemelnogo uchastka pod individualnoe zhilischnoe stroitelstvo (na primere g. Kazan) [The main factors that determine the value of a land plot for individual housing construction (for example, Kazan)]. Russian Journal of Housing Research. 5 (3). 367–382. (in Russian). doi: 10.18334/zhs.5.3.39437. Delgado M., Porter M.E., Stern S. (2014). Clusters, convergence, and economic performance Research Policy. (43). 1785–1799. Gareev I.F. (2016). Mezhdunarodnye zhurnaly po zhilischnym issledovaniyam: analiz publikatsiy i naukometricheskikh pokazateley (chast 4) [International Journal of Housing Research: analysis of publications and scientometric indicators (part 4)]. Russian Journal of Housing Research. 3 (4). 313–325. (in Russian). doi: 10.18334/ zhs.3.4.37143. Gareev I.F. (2018). Zhilischnye issledovaniya v Rossiyskoy Federatsii: sostoyanie, tseli, instituty [Housing studies in the Russian Federation: status, goals, institutions]. Russian Journal of Housing Research. 5  (2). 211–238. (in Russian). doi: 10.18334/zhs.5.2.39550. Gattunen N.A. (2016). Zhilischnaya politika Rossii: tendentsii, problemy, perspektivy [Housing policy in russia: tendencies, problems, perspectives]. Uchenye zapiski Krymskogo federalnogo universiteta imeni V.I. Vernadskogo. Ekonomika i upravlenie. 2 (4). 15–24. (in Russian). Kholodilin K.A. (2019). Mirovye tendentsii gosudarstvennoy zhilischnoy politiki [Global trends of state housing policy]. Russian Journal of Housing Research. 6 (1). 9–44. (in Russian). doi: 10.18334/zhs.6.1.40121. Kibataeva A.N., Grubov A.P. (2014). Problemy statisticheskogo issledovaniya razvitiya selskogo rynka zhilya na regionalnom urovne [Problems of statistical research of the rural housing market development at the regional level]. Bulletin of Orenburg State Agrarian University. (6). 181–185. (in Russian). Mamedova S.S. (2010). Analiz vzaimosvyazannosti protsessov na rynke nedvizhimosti [The analysis of the interrelatedness of processes in the real estate market]. Herald of the Belgorod University of Cooperation, Economics and Law. (2). 255–261. (in Russian). Mandell S., Wilhelmsson M. (2011). Willingness to Pay for Sustainable Housing Journal of Housing Research. 20 (1). 35–51. Mints V.M. (2008). Printsipy prognozirovaniya dinamiki tsen na zhiluyu nedvizhimost [Principles of forecasting the dynamics of prices for residential property]. Privity in the Russian Federation. (1). 35–42. (in Russian). Ovsyannikova T.Yu., Rabtsevich O.V., Yugova I.V. (2018). Disproportsii na rynke zhilischnyh investitsiy: analiz prichin i otsenka posledstviy [Imbalances in the housing investment: an analysis of the causes and impact assessment]. Russian Journal of Housing Research. 5 (4). (in Russian). doi: 10.18334/zhs.5.4.39694. 332 Russian Journal of Housing Research #3’2019 (July-September) Rodionova, N.V. (2009). Spetsifika tsenoobrazovaniya na rynke zhilya i faktory, vliyayuschie na tsenu nedvizhimosti [Specificity of pricing on The market of habitation and the factors influencing the prices of the real estate]. Audit and financial analysis. (2). 406–411. (in Russian). Silje Eretveit (2016). Theis Theisen Efficiency and Justice in the Market for Cooperative Dwellings The International Real Estate Review. (3). 297–326. Simons R.A., Seo Yo. (2015). Rosenfeld P. Modeling the Effects of Refinery Emissions on Residential Property Values Journal of Real Estate Research. 37 (3). 321–342. Sirotkin V.A. (2016). Klasterizatsiya regionalnogo rynka nedvizhimosti na primere Sverdlovskoy oblasti [Clustering of the regional real estate market: the example of Sverdlovsk region]. Russian Journal of Housing Research. 3 (3). 163–178. (in Russian). doi: 10.18334/zhs.3.3.36509. Sternik S.G., Sternik G.M. (2018). Metodika prognozirovaniya obemov vvoda na lokalnom rynke stroitelstva i prodazhi zhilya [Methods of forecasting the input volume in the local market of housing construction and sales]. Russian Journal of Housing Research. 5 (2). 137–152. (in Russian). doi: 10.18334/zhs.5.2.39142. Uchinina T.V., Nour M.V., Ayupova Z.V., Korneeva S.S. (2017). Obzor sovremennoy situatsii na rynke zhiloy nedvizhimosti [An overview of the current situation on the residential real estate market]. The young scientist. (9). 453–456. (in Russian). William Miles Contagion (2016). Interdependence and Diversification across Regional UK Housing Markets The International Real Estate Review. (3). 327–351. Yunus N. (2012). Modeling Relationships among Securitized Property Markets, Stock Markets, and Macroeconomics Variables Journal of Real Estate Research. 34 (2). 127–156.

Другие книги из этого раздела





© 2002 - 2024 RefMag.ru