Анализ влияния социально-экономических факторов на ипотечное кредитование в России
Н.Ю. Дуракова,
студент, Пермский национальный исследовательский политехнический университет (614990, Россия, г. Пермь, Комсомольский проспект, 29; e-mail: tus.cac@yandex.ru)
А.Г. Парамеев,
студент, Пермский национальный исследовательский политехнический университет (614990, Россия, г. Пермь, Комсомольский проспект, 29; e-mail:parameevartem@mail.ru)
О.Н. Федосеева,
студент, Пермский национальный исследовательский политехнический университет (614990, Россия, г. Пермь, Комсомольский проспект, 29; e-mail: fed-on@mail.ru)
Аннотация. В статье проведен анализ ипотечного кредитования в России и факторов его формирования. Построена модель зависимости количества взятых в ипотеку квартир от выбранных факторов. Определены прогнозные значения изменения этих факторов, включенных в полученную модель. Спрогнозированы тренды их развития (ставка по кредиту и заработная плата) в модели, осуществлен прогноз увеличения количества жилья взятого в ипотеку.
Abstract. This article an analysis of mortgage lending in Russia and the factors of its formation. A model is constructed according to the amount of the mortgage taken in apartments on the selected factors. Defined predictive value changes of these factors included in the model obtained. Forecasted trends of their development (the rate on the loan and wages) in the model, the forecast of increasing the amount of property taken out a mortgage.
Ключевые слова: ипотечное кредитование, социально-экономические факторы, многофакторная модель, прогнозирование.
Keywords: mortgage credit lending, socio-economic factors, multifactor model, prediction.
Сфера ипотечного кредитования представляет собой экономическую категорию, которая определяет уровень жизни людей в стране, а так же и экономическую развитость страны в сфере рынка жилья. 1
В настоящий момент в России существует значительный потенциал для развития рынков ипотечного жилищного кредитования. Очевидно, что значительная часть населения нуждается в улучшении жилищных условий, а так же в приобретении нового жилья. Для определения перспектив развития рынка ипотечного кредитования в России необходимо детально исследовать рынок ипотечного кредитования в России, а так же факторы, от которых он зависит. Анализируя данные факторы, можно понять, влияет ли данный фактор на ипотечное кредитование и в какой степени.
Социально-экономические показатели количества взятого жилья в ипотеку формируются на основе статистических данных. Основными задачами статистики являются: изучение рынка ипотечного кредитования, а также факторов, влияющих на него.2
Базой для построения системы показателей являются материалы демографической статистики, банковской статистики, торговой статистики, статистики цен. Значительный объем собираемых сведений основывается на данных финансовой и бухгалтерской отчетности, Центрального банка РФ.
1 Ипотечное кредитование в России / Ипотека, ипотечный кредит. [Электронный ресурс] Режим доступа: ИИр:/Лмм«. ipoteka-rus.ru/ Дата обращения: 12.12.2014.
Статьи о новостройках. [Электронный ресурс] Режим доступа: http://www.novostroy.sU/spb/articles/theme/8/ Дата обращения: 12.12.2014.
Изменение уровня ипотечного кредитования зависит от многих социально-экономических показателей.
В данной статье рассматривается построение модели прогнозирования количества взятого жилья в ипотеку на основе анализа факторов, влияющих на данный показатель.
Для достижения поставленной цели необходимо решить следующие задачи:
1. Построить многофакторную модель, характеризующую зависимость изменения количества взятого в ипотеку жилья от базовых показателей развития ипотечного кредитования в России;
2. определить прогнозные значения изменения факторов, включенных в модель;
3. осуществить прогноз изменения количества взятого в ипотеку жилья на основе полученных ранее прогнозных значений динамики факторов.
Объектом исследования данной работы является рынок ипотечного кредитования в России.
Для начала проанализируем показатель количества выданных ипотечных кредитов в России. На рисунке 1 представлена динамика показателей выданных ипотечных кредитов в России за 2004-2013 гг.
Данные рисунка 1 демонстрируют постоянное увеличение выданных ипотечных кредитов. При этом с 2010 года наблюдается резкий рост ипотечного кредитования, что связано с выходом экономики из кризиса. С 2004 по 2013 год темп роста ипотечного кредитования составил более 7 раз.
Для поиска взаимосвязей развития ипотечного кредитования в России во времени воспользуемся статистическими данными за период 2004-2013 гг.
Journal of Economy and entrepreneurship, Vol. 9, Nom. 1
Н.Ю. Дуракова, А.Г. Парамеев, О.Н. Федосеева Анализ влияния социально-экономических факторов на ипотечное кредитование в России
Год
Рис. 1. Количество выданных ипотечных кредитов в России, шт.
Результирующим показателем будут выступать количество взятого в ипотеку жилья (у). Первоначально было отобрано пять факторов, от которых зависит изменение количества взятых ипотек. Первоначально выбирались следующие показатели:
- численность населения, чел. (Х1);
- ставка по ипотечному кредитованию, %
(Х2);
- средняя стоимость жилья, руб. /кв.м.
(Х3);
- заработная плата, руб. (Х4);
- количество заключаемых браков без первоначального жилья, чел. (Х5).
Для первоначального отбора факторов построим корреляционную матрицу, представим ее в таблице 1.
Таблица 1
Корреляционная матрица
Показатели у Х1 Х2 Хз Х4 Х5
у 1,00
Х1 0,09 1,00
Х2 -0,78 0,06 1,00
Хз -0,55 -0,51 0,58 1,00
Х4 0,90 -0,28 -0,66 -0,20 1,00
Х5 0,80 -0,37 -0,76 -0,31 0,85 1,00
В ходе корреляционного анализа был сделан вывод, что от факторов: численность населения и средняя цена жилья не зависит изменение количества взятого жилья в ипотеку.
Далее был проведен регрессионный анализа коэффициентов оставшихся факторов: ставка по кредиту, заработная плата, количество браков без первоначального жилья. Для проверки факторов на адекватность воспользуемся р-значением.
Если р-значение фактора меньше (или равно) 0,05 (т.е. для 95 %-ной доверительной вероятности), то фактор признается значимым. В данном случае р-значение показателя количества заключаемых браков без первоначального жилья равно 0,6. Так как р-значение фактора больше 0,05, то данный фактор необходимо исключить.
Оценка факторов с помощью р-значений показывает, что в наибольшей степени соответствуют построенной модели следующие факторы: ставка по кредиту и заработная плата.
Для построения многофакторной модели, в таблице 2 представлены исходные данные: количество взятых ипотек, ставка по кредиту и заработная плата в период с 2004 -2013 гг.
Таблица 2
Исходные данные для построения многофакторной модели
Год У (кол-во ипотек, шт.) Х2 (ставка по кредиту, %) Х4 (заработная плата, руб)
2004 108 945 13,7 6410,3
2005 111 238 13,4 8111,9
2006 118 823 13,1 10196
2007 129 877 12,9 12602,7
2008 132 758 12,9 14940,6
2009 146 598 14,3 16856,9
2010 328 676 13,1 18950,8
2011 509 339 11,9 20754,9
2012 656 661 12,3 23058
2013 767 667 12 27339,4
2014 767 187 11,591 28147,2
2015 872 682 11,156 30369,9
2016 983 306 10,675 32592,6
Далее, при построении модели на основе представленных статистических данных осуществлены соответствующие расчеты :
Многофакторная модель зависимости количества взятого жилья в ипотеку от выбранных факторов:
у=-111482,1232*Х2+25,644838*Х4+1337545,56 (1)
где у -количество взятых ипотек;
Х2 - ставка по кредиту;
Х4 -заработная плата;
Статистический анализ модели показал, что - среднеквадратическое отклонение (стандартная ошибка) равна 100330 тыс.р., коэффициент корреляции равен 0,936834621828915 и коэффициент детерминации - 0,88 (то есть имеет место высокая надежность построенной модели); проверка уравнения на значимость по критерию Фишера также подтвердила существование тесной взаимосвязи между среднедушевым доходом на человека и тремя выбранными факторами, потому что расчетное значение критерия Фишера равно 25,1, а оно больше, чем табличное.
Таким образом, высокие значения соответствующих коэффициентов отражают высокое качество модели (1), что в свою очередь, позволяет использовать ее для прогнозирования изменения взятого жилья в ипотеку в России. Поэтому следующий шаг - прогноз изменения факторов, влияющих на данную модель.
Их прогнозирование осуществим с помощью построения трендов факторов. Построим тренды факторов ставка по кредиту и заработ-
Экономика и предпринимательство, № 1, 2015 г.
ная плата (по исходным данным). Из всех по- большее значение Р Для удобства представим
строенных трендов выберем тот, у которого наи- данные в таблицах 3 и 4.
Таблица 3
Анализ трендов ставок по кредиту
Наименование линии тренда Формула R2
Экспоненциальная y=13,89e-001x 0,454
Линейная у=-0,163х+13,86 0,436
Логарифмическая y=-0,60ln(x)+13,87 0,346
Полиномиальная y=-0,023x2-0,094x+13,34 0,493
Степенная y=13,89x-004 0,359
Из данной таблицы видно, что наиболь- вательно, ее и будем использовать для прогно-
Таблица 4
ший R2 имеет полиномиальная функция. Следо- зирования соответствующего фактора
Анализ трендов заработной платы
Наименование линии тренда Формула R2
Экспоненциальная y=6255e0l53x 0,972
Линейная y=2222,7x+3697,5 0,991
Логарифмическая y=8623ln(x)+2897 0,875
Полиномиальная y=45,59x2-1721x+4700 0,990
Степенная y=5589x0,632 0,971
Из данной таблицы видно, что наибольший^ имеет линейная функция. Следовательно, ее и будем использовать для прогнозирования соответствующего фактора.
Далее с 95%-ой достоверностью определим прогнозные значения факторов численность населения и уровень инфляции до 2016 года. Занесем данные в таблицы 5.
Таблица 5
Прогнозные значения уровня заработной платы и ставок по кредиту
Год Ставки по кредиту, % Заработная плата, руб.
2014 11,591 28147,2
2015 11,156 30369,9
2016 10,675 32592,6
Подставив прогнозные значения изменения факторов (уровень заработной платы и ставка по ипотечному кредитованию) в двухфактор-ную математическую моде
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.