Особенности финансирования при долевом строительстве и определение стоимости заемного капитала дольщиков

Если предположить, что дом строится четыре года, то квартира в конце строительства будет стоить на 26.85% дороже, чем аналогичная квартира в начале строительства, без учёта общего роста цен. Данная цифра сопоставима с результатами других исследователей, которые были приведены в предыдущем параграфе.

Поскольку стоимость привлечения средств «дольщиков» может отличаться для разных типов квартир, а также для разных застройщиков (поскольку на цену недостроенного жилья влияет репутация застройщика), для определения стоимости заимствования для конкретного застройщика и конкретного типа квартир можно воспользоваться другими статистическими методами. Одним из наиболее популярных методов машинного обучения является метод Random Forest, который заключается в построении нескольких регрессий по случайной подвыборке из данной генеральной совокупности со случайным набором регрессоров. Конечный результат определяется путём усреднения результатов всех регрессий с учётом их точности [20; 37].

Для построения данного механизма воспользуемся языком программирования Python и библиотекой машинного обучения, представленного в данном языке. В качестве признаков (регрессоров) используем те же признаки, что и в гедонистической регрессии, а в качестве зависимой переменной цену за квадратный метод.

Оптимальным с точки зрения времени обучения и качества предсказания оказалось построение 200 вспомогательных регрессий. При этом, показатель R2 составил 0.96 для первого набора данных и 0.94 для второго. Проверка качества предсказания проводилась на кросс-валидации по 5 папкам. То есть, изначальный набор данных случайным образом разбивался на 5 равных наборов. При этом механизм обучался по 4 наборам, а проверял качество предсказания на оставшемся и так пять раз. Вычисленные значения R2 представляют собой средние значения получившееся на кросс-валидации.

Будучи обученным, механизм Random Forest позволяет вычислять индивидуальные предсказания. Для вычисления по какой цене данная квартира могла бы быть продана, если бы была полностью готова, подать в алгоритм все признаки квартиры так как они есть, за исключением переменной, определяющей степень готовность квартиры (её надо указать полностью готовой, то есть ноль месяце до сдачи). Таким образом, данный алгоритм позволяет вычислять стоимость заимствования для конкретного застройщика в конкретном жилом комплексе.

Для вычисления средней стоимости заимствования по данному алгоритму, случайным образом были отобраны 50 квартир из каждой выборки и были сделаны предсказания так, как если бы эти квартиры были полностью готовы. Вычислив разницу между фактической ценой и предсказанной и выразив её в процентах годовых от фактической цены, были получены значения 9.1% и 8.9% годовых для первого и второго набора данных соответственно.

Таким образом, стоимость привлечения средств дольщиков, определяемая как изменение цены в зависимости от строительной готовности жилья и в среднем для Санкт-Петербурга, находятся в пределах от 6.7 до 9.1% годовых. Стоимость привлечения средств «дольщиков на конкретном объекте может отличаться от среднего значения, но может быть вычислена с помощью предложенного инструментария.

Рассчитанная величина может интерпретироваться по-разному. Поскольку данная величина показывает подорожание жилья вследствие увеличения его строительной готовности, она может использоваться застройщиками не только для определения оптимального плана продаж, но и служить основой для ценообразования на разные очереди одного жилого комплекса (во избежание перетекания покупателей с одного комплекса в другой).

Также данная величина может быть полезна покупателям жилья, поскольку показывает их потенциальный выигрыш от приобретения недостроенного жилья. С другой стороны, данная величина может примерно предсказать рост цен на рынке жилой недвижимости, если институт долевого финансирования строительства перестал бы существовать, по каким-либо причинам.

Глава 3. Определение финансового результата застройщика

3.1 Определение эффективности работы застройщика

Для демонстрации модели синхронного измерения затрат и результатов используем данные полученные от Санкт-Петербургского застройщика средних размеров Застройщик предоставил данные на условиях неразглашения коммерческой тайны.. Данные представляют собой поток затрат и поступлений по всем проектам застройщика ежемесячно в течение четырёх лет (с января 2011 по декабрь 2014 года).

Затраты по проектам разделяются на три типа: затраты на выполнение гарантийных обязательств, по уже построенным объектам, затраты на строящееся объекты и накладные расходы. Все затраты по проектам приведены с учётом средств, выплачиваемых банкам за пользование средствами (если такие средства привлекались).

В течение этого периода компания несла расходы по 15 объектам. По одному из объектов выполнялись гарантийные обязательства. Шесть объектов были сданы в эксплуатацию. Два объекта не выведены в продажу. И шесть объектов находятся в продаже и будут сданы в эксплуатацию в будущем.

Поступления представляют собой взносы дольщиков. При этом нужно учитывать, что застройщик в некоторых случаях делает не только ценовую скидки в зависимости от степени готовности объекта, но и может предоставить право оплаты в рассрочку. Когда застройщик предоставляет рассрочку, поступления разделяются на два типа: поступления взносов по рассрочке и поступления средств при 100% оплате квартиры или покупки с использованием ипотеки (что равносильно 100% оплате, так как банк обычно перечисляет все средства в одном месяце). Поступления по объекту, как было оговорено выше, можно считать выручкой, только если объект сдан в эксплуатацию. Иначе, эти поступления являются привлечёнными средствами.

Изначально, предполагалось использовать модель, изложенную в первой главе. То есть, определять результат деятельности застройщика в текущем периоде как разницу между выручкой и полными экономическими затратами. Однако, применить такую модель на имеющихся данных оказалось невозможно вследствие ряда причин.

Во-первых, средняя продолжительность стадии проектирования и строительства у данного застройщика превышает 50 месяцев. Таким образом, на доступном нам временном интервале мы не можем наблюдать ни одного проекта от начала проектирования до конца строительства. Информацию за больший период компания предоставить не готова.

Во-вторых, компания стремится к росту доли рынка, поэтому каждый последующий проект больше по размерам (и соответственно затратам) чем предыдущий.

Таким образом, из поля нашего зрения выпадает выручка, полученная за объект, который был сдан незадолго до этого (по которому в текущем периоде выполняются гарантийные обязательства). Также нам недоступна выручка по объектам, которые будут сданы в 2015 году, зато мы должны учитывать затраты по этим объектам, а они составляют значительную величину от общей сумы затрат. Поэтому в данной работе определяется динамика внутренней доходности хозяйственной деятельности застройщика при замене выручки поступлениями. Этот показатель отражает суммарную эффективность строительных работ и отдела продаж.

Модель затрат и поступлений представлена табл.12.

Таблица 12

Модель затрат и поступлений застройщика

Где TC_i,t - затраты на i-ый объект в период времени t, а D_i,t - объём поступлений по i-му объекту в период времени t. Выведем показатель E_t, который вычисляется как разность между поступлениями и затратами по всем объектам в период времени t, по формуле

Получив ряд таких показателей, рассчитаем внутреннюю норму доходности этого потока. (см. Приложение)

Для рассматриваемого застройщика, месячная ВНД составила 6.5% в месяц, а квартальная - 21.6% в квартал. Это достаточно высокие показатели. Они говорят о том, что компания способна привлекать финансирование достаточно эффективно.

Данный показатель может рассчитываться регулярно и служить полезным индикатором эффективности работы компании для менеджмента и акционеров.

3.2 Определение финансового результата с учётом средств дольщиков

В предыдущей главе была вычислена стоимость заимствования у дольщиков. Проиллюстрируем возможности применения данной величины для определения финансового результата компании.

Компания, данными которой мы располагаем, сдала в эксплуатацию шесть объектов. Причём, два объекта не поступали в предварительную продажу до окончания строительства, соответственно, средства дольщиков не привлекались для строительства. Вычислим стоимость привлечённого капитала дольщиков для оставшихся 4 объектов. Для этого, рассчитаем такой размер выручки, если бы все квартиры компания продавала готовыми, увеличив цены сделок на соответствующие процентные значения, которые были получены в предыдущей главе. Затем отнимем от получившейся величины размер привлечённых средств. Полученная разница и будет той суммой, которую застройщик уступил дольщикам для того, чтобы они профинансировали строительство. Рассчитанные значения представлены в табл.13.

Таблица 13

Размер средств, уплаченных «дольщикам»

Как видно из таблицы, больший объём финансирования за счёт дольщиков привлекается под больший процент. Так, например, на объекте, где было привлечено более миллиарда средств дольщиков, застройщик уступил покупателям 13.59% потенциальной выручки, а на объекте, где было привлечено в два с половиной раза меньше средств дольщиков, размер платы за привлечение средств составил 5.19%. В среднем же, застройщик уступил дольщикам 10.28% потенциальной выручки.

Таким образом, используя рассчитанную стоимость заимствования можно определять эффективность работы компании. Ответ на вопрос, насколько эффективно привлекались средства дольщиков на разных объектах, может служить показателем результативности работы компании.

С помощью данного показателя, можно также оценивать эффективность привлечения средств дольщиков для разных компаний. Сравнивая компании между собой, можно оценить зависимость стоимости привлечения капитала «дольщиков» в зависимости от репутации компании, доступных для неё источников финансирования и прочих факторов.

3.3 Определение финансового результата при вложении привлечённых средств в безрисковые ценные бумаги

Процесс привлечения средств «дольщиков» в Российской Федерации регулируется 214 ФЗ. Данный закон накладывает достаточно жёсткие ограничения на застройщиков. Логика законодателя вполне объяснима. В начале 2000 годов долевое строительство не было урегулировано вообще. Отсутствие регулирующей правовой базы привело к тому, что появилось множество долгостроев и обманутых дольщиков. Стремясь защитить граждан, государство приняло закон, который своим приоритетом поставил минимизацию числа обманутых дольщиков. Одним из достаточно жёстких ограничений, накладываемых 214 ФЗ является запрет использования средств дольщиков в любых иных целях, корме непосредственного финансирования строительства. Застройщик даже не может выплатить из этих средств заработную плату своим работникам. Поэтому интересно было бы узнать, какую выгоду вынуждены упускать застройщики из-за сурового закона.

Крайне опасным представляется использовать средства дольщиков для рискованных операций на фондовом рынке, однако, вложения в безрисковые ценные бумаги (государственные облигации) представляются вполне разумными. Ведь зачастую, застройщики привлекают средств больше, чем необходимо для финансирования строительства, и эти средства лежат «мёртвым грузом» на расчётном счёте.

Рассчитаем возможный эффект от вложения избыточных средств дольщиков в краткосрочные облигации федерального займа. Данные о размерах ставки по облигациям взяты с сайта ЦБ России http://www.cbr.ru/. Свободная сумма средств рассчитывалась, как сумма, которая остаётся после покрытия превышения расходов над поступлениями по всем объектам.

Расчёт возможного заработка застройщика при возможности вложения свободных средств в краткосрочные ОФЗ представлен в табл.14.

Таблица 14

Доход от вложения в ОФЗ

Как видно из таблицы, застройщик мог бы заработать дополнительно 81,5 миллионов рублей без вреда для процесса строительства.

Таким образом, существующее законодательство накладывает существенные ограничения на застройщиков, лишая их возможности вложений свободных средств даже в безрисковые ценные бумаги.

ЗАКЛЮЧЕНИЕ

В ходе работы была проанализирована деятельность застройщика, как особый вид инвестиционной деятельности и ее специфика в условиях использования долевого финансирования строительства будущими собственниками жилья. Предложен метод оперативного определения текущего финансового результата деятельности застройщика на основе синхронного сопоставления затрат и поступлений. Продемонстрированы возможности его практического применения на фактических данных конкретного застройщика Санкт-Петербурга.

На основе анализа ценообразования на рынке строящейся недвижимости Санкт-Петербурга и Ленинградской области была выявлена стоимость заёмного у участников долевого строительства капитала. Для разных типов квартир она варьируется, а в среднем составляет 9% годовых. Эта величина может быть интересна не только застройщикам, но и покупателям жилья, так как показывает выгоды от заключения договора долевого участия.

Также, в ходе работы была проанализирована эффективность деятельности конкретного застройщика. Высокие показатели эффективности свидетельствуют о достоинствах привлечения средств «дольщиков». Также был рассчитан потенциальный выигрыш застройщика при возможности вложения временно свободных поступлений в безрисковые ценные бумаги.

СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ

1. Федеральный закон от 30.12.2004 №214-ФЗ «Об участии в долевом строительстве многоквартирных домов и иных объектов недвижимости и о внесении изменений в некоторые законодательные акты Российской Федерации» //Собрание законодательства РФ, 03.01.2005, №1 (часть 1).

2. Гауб Т.В. Особенности финансирования девелоперских проектов недвижимости в России 2010.

3. Горбунова Е.Н. Гарантии качества объекта долевого строительства // Бизнес в законе. Экономико-юридический журнал. 2013. №5.

4. Гребенников П.И. Структура общественных затрат труда и плановое ценообразование / П.И. Гребенников, Изд-во Ленинградского университета, 1984.

5. Дюкова О.М., Пасяда Н.И. Управление развитием недвижимости: Учебное пособие / О.М. Дюкова, Н.И. Пасяда, СПб.: Изд-во СПбГУЭФ, 2009.

6. Ивакин Е.К., Иванова Д.Г., Миргородская Е.О., Семенов М.Е. Инвестиционное обеспечение рынка жилья: институциональный и поведенческий подходы. -Ростов н/Д.: Рост. гос. строит. ун-т, 2013. -367 с.

7. Ивашко Я.В. Организация Учета Жилищного Строительства У Застройщика // Известия Санкт-Петербургского университета экономики и финансов. 2010. № 3.

8. Копейкин А.Б. Финансирование жилищного строительства / А.Б. Копейкин, М.: Фонд «Институт экономики города», 2007. 168 c.

9. Кукушкина С.А., Учинина Т.В. Особенности деятельности компаний-застройщиков в сфере многоэтажной жилой недвижимости (на примере г. Пензы) // Современные проблемы науки и образования. 2014. №6.

10. Новожилов В.В. Проблемы измерения затрат и результатов при оптимальном планировании / В.В. Новожилов, М.: Наука, 1972.

11. Попова И.В., Толпегина С.О. Анализ развития теории девелопмента в инвестиционно-строительной сфере // Современные проблемы науки и образования. 2014. №5.

12. Руткаускас Т.К., Сапегин А.В. Методика привлечения средств инвесторов для завершения объектов незавершенного строительства жилья // Известия Уральского государственного экономического университета. 2010. №2 (28).

13. Семенов М.Е. Особенности взаимодействия участников инвестиционного процесса при реализации проектов жилищного строительства // Интернет-журнал Науковедение. 2013. №3 (16).

14. Ульянова О.Ю. Совершенствование ценообразования на первичном рынке жилой недвижимости // Известия Санкт-Петербургского университета экономики и финансов. 2007. № 1.

15. Ульянова О.Ю. Ценообразование на первичном рынке жилой недвижимости: автореф. дисс. к.э.н // 2007.

16. Шарапов В.В. Комментарий к Федеральному закону №214-ФЗ от 30.12. 2004 «Об участии в долевом строительстве многоквартирных домов и иных объектов недвижимости и внесении изменений в некоторые законодательные акты Российской Федерации» // КонсультантПлюс.--2011. 2011.

17. Шарафутина С.Ф. Особенности бухгалтерского учета средств, получаемых заказчиком-застройщиком, привлекающим средства дольщиков // Современные проблемы науки и образования. 2011. № 5.

18. Яровенко Е.С. Девелопмент недвижимости?: перспективы экосистемного подхода // Недвижимость: экономика, управление. 2013. (1). C. 52-57.

19. Anselin L. Spatial econometrics: methods and models / L. Anselin, Springer Science&Business Media, 2013. 283 c.

20. Breiman L. Random forests // Machine learning. 2001. №1 (45). C. 5-32.

21. Case K.E., Shiller R.J., others Prices of Single Family Homes Since 1970: New Indexes for Four Cities. 1987.

22. Chan S., Fang F., Yang J. Presales, financing constraints, and developers' production decisions // Journal of Real Estate Research. 2008. №3 (30). C. 345-376.

23. Chan S.H., Wang K., Yang J. Presale contract and its embedded default and abandonment options // The Journal of Real Estate Finance and Economics. 2012. №1-2 (44). C. 116-152.

24.Chang C., Ward C.W.R. Forward pricing and the housing market: The pre?sales housing system in Taiwan // Journal of Property Research. 1993. №3 (10). C. 217-227.

25. Chau K.W., Wong S.K., Yiu C.Y. Housing Quality in the Forward Contracts Market // The Journal of Real Estate Finance and Economics. 2007. № February (34). C. 313-325.

26. Choi J., Rasmussen H., Davison M. Fair value and risk profile for presale contracts of condominiums // The Journal of Real Estate Finance and Economics. 2012. №4 (44). C. 472-504.

27. Clark J.B. The distribution of wealth / J.B. Clark, NY: Macmillan, 1899.

28. Edelstein R., Liu P., Wu F. The Market for Real Estate Presales: A Theoretical Approach // The Journal of Real Estate Finance and Economics. 2011. № 1 (45). C. 30-48.

29. Fan G.-Z., Pu M., Ong S.E. Optimal portfolio choices, house risk hedging and the pricing of forward house transactions // The Journal of Real Estate Finance and Economics. 2012. №1 (45). C. 3-29.

30. Hui E.C.M. [и др.]. The roles of developer's status and competitive intensity in presale pricing in a residential market: A study of the spatio-temporal model in Hangzhou, China // Urban Studies. 2015. C. 0042098015572317.

31. Hwang M., Quigley J.M. Housing Price Dynamics in Time and Space: Predictability, Liquidity and Investor Returns // The Journal of Real Estate Finance and Economics. 2009. (41). C. 3-23.

32. Jiang L., Phillips P.C.B., Yu J. New methodology for constructing real estate price indices applied to the Singapore residential market // Journal of Banking&Finance. 2015. (61). C. S121-S131.

33. Lai R., Wang K., Zhou Y. Sale before completion of development: Pricing and strategy // Real Estate Economics. 2004. №2 (32). C. 329-357.

34. Lancaster K.J. A new approach to consumer theory // The journal of political economy. 1966. C. 132-157.

35. Leung B., Hui E., Seabrooke B. Pricing of presale properties with asymmetric information problems // Journal of Real Estate Portfolio Management. 2007. №2 (13). C. 139-152.

36. Leung B.Y.P. Pricing of presale properties with asymmetric information 2008.

37. Liaw A., Wiener M. Classification and regression by randomForest // R news. 2002. №3 (2). C. 18-22.

38. Malpezzi S. Hedonic Pricing Models: A Selective and Applied Review Oxford, UK: Blackwell Science Ltd, 2008. 67-89 с.

39. Wang H., Wang K. What is Unique about Chinese Real Estate Markets? // Journal of Real Estate Research. 2012. №3 (34). C. 275-289.

40. Wong S.K. [и др.]. Do the forward sales of real estate stabilize spot prices? // The Journal of Real Estate Finance and Economics. 2006. №3 (32). C. 289-304.

41. Yiu C.Y., Wong S.K., Chau K.W. Transaction volume and price dispersion in the presale and spot real estate markets // The Journal of Real Estate Finance and Economics. 2009. №3 (38). C. 241-253.

42. Zhou S.Z., Bao H.X. Modelling price dynamics in the Hong Kong property market // Theoretical and Empirical Researches in Urban Management. 2009. № 1S. C. 8-27.

ПРИЛОЖЕНИЕ

Расчёт финансового результата застройщика, на основе ежемесячных данных

Приведённые ниже цифры вычислены как отношение фактического значения к максимальному значению поступлений за период (чтобы не нарушать условия неразглашения коммерческой тайны)

Регрессионные таблицы гедонистического анализа

Первый набор данных

Второй набор данных

Размещено на Allbest.ru