АНАЛИЗ ФАКТОРОВ, ВЛИЯЮЩИХ НА ВЕРОЯТНОСТЬ ПОКУПКИ ЖИЛОЙ НЕДВИЖИМОСТИ Коннова Н.С.,Стебунова О.И.

Оренбургский государственный университет


Номер: 5-5
Год: 2017
Страницы: 178-182
Журнал: Актуальные проблемы гуманитарных и естественных наук

Ключевые слова

ипотечное жилищное кредитование, ипотечная жилищная сфера, модели бинарного выбора, потребительский спрос, mortgage housing crediting, mortgage housing sphere, binary choice models, consumer demand

Просмотр статьи

⛔️ (обновите страницу, если статья не отобразилась)

Аннотация к статье

В статье представлен анализ зависимости между вероятностью приобретения того или иного жилья под ипотеку в соответствии с набором признаков, которыми характеризуется заемщики на примере Оренбургской области.

Текст научной статьи

При исследовании процессов, протекающих в ипотечной жилищной сфере, очень важно проанализировать потребительский спрос на ипотечные жилищные кредиты. Такой анализ необходим для банков и коммерческих организаций, для выявления потребительских предпочтений, а также для строительных организаций, и наконец, для государства, у которого повышение доступности жилья является одной из приоритетных задач социальной политики [1]. В настоящий момент, банковский рынок ипотечного кредитования в Оренбургской области является довольно конкурентным. Очевидность конкуренции между ипотечными банками не вызывает сомнений. Однако, согласно данным аналитического центра «Русипотека», ведущими ипотечными банками являются ПАО «Сбербанк», ВТБ 24 (ПАО), АО «Россельхозбанк» [2]. Тем не менее, как видно из рисунка 1, основной объем выданных ипотечных кредитов приходится на Сбербанк. Объясняется это тем, что на предпочтения потребителей в выборе услуг того или иного банка немаловажную роль играет процентная ставка. Сбербанк устанавливает процентные ставки по ипотечным жилищным кредитам индивидуально для каждого клиента, в зависимости от первоначального взноса по уплате кредита и в зависимости от срока кредита. Также учитываются такие факторы, как наличие карты Сбербанка по заработной плате у клиента, продукт кредита и социальный статус заемщика (например, молодая семья или военнослужащий). Рисунок 1 - Объем выданных ипотечных жилищных кредитов, предоставленных в банках Оренбургской области за 2016 г. С целью выяснить, по каким причинам и для каких целей возникает необходимость покупки жилья с помощью ипотечного кредита, а также определить платежеспособность заемщиков, исходя из различного уровня дохода, сферы занятости и других факторов, был проведен опрос 95 человек на базе дополнительного офиса № 8623/0231 Оренбургского отделения Сбербанка России в пос. Саракташ, а также респондентов с других районов Оренбургской области. На основе проведенного опроса проанализируем зависимость между вероятностью покупки жилья в ипотеку и признаками, характеризующими заемщика и его предпочтения на основе модели бинарного выбора [3]. Это позволит существенно снизить круг квартир, которые вероятно подойдут для конкретного покупателя. Пусть yi - бинарная переменная, принимающая значение 1, если заемщик приобретает в ипотеку жилье с i-комнатами, и 0 - в противном случае. Характеристики заемщика обозначены следующим образом: - стоимость 1 кв. м жилья, тыс. руб.; - срок кредитования, лет; - ежемесячный платеж, тыс. руб.; - переменная, принимающая значение 1, если заемщик состоит в молодой семье без детей и 0 - иначе; - переменная, принимающая значение 1, если заемщик состоит в семье с детьми дошкольного возраста и 0 - иначе; - переменная, принимающая значение 1, если заемщик состоит в семье с двумя и более детьми и 0 - иначе; - переменная, принимающая значение 1, если целью кредита является покупка готового жилья и 0 - иначе; - переменная, принимающая значение 1, если целью кредита является покупка строящегося жилья и 0 - иначе; - переменная, принимающая значение 1, если заемщик - наемный сотрудник и 0 - иначе; - переменная, принимающая значение 1, если заемщик имеет собственный бизнес и 0 - иначе; - переменная, принимающая значение 1, если заемщик состоит на госслужбе и 0 - иначе, - площадь приобретаемого жилья. В общем виде вероятность покупки жилья с i-комнатами для пробит-модели можно записать в виде (1). , (1) для логит-модели в виде (2). (2) Для моделирования вероятности покупки жилья с одной комнатой в пакете Stata оценены логит- и пробит-модели. Качество логит-модели оказалось выше, значение статистики Вальда составило Wald chi2(5)=492,83, а соответствующее p-значение равно 0,000 < 0,1. Псевдо-R2 равен 0,67. Оценка модели имеет вид (3). (3) где - стоимость 1 кв. м жилья, тыс. руб.; - срок кредита, лет; - ежемесячный платеж, тыс. руб. Результаты проверки значимости каждого коэффициента модели в виде достигаемого уровня значимости соответствующей статистики показали, что в построенной модели на уровне значимости 10% и меньше значимы все коэффициенты. Для оценки силы влияния каждого фактора на результат, для сравнительного анализа используются предельные эффекты, показывающие изменение вероятности наступления события при увеличении значения объясняющей переменной на единицу. Таким образом, оценка предельного эффекта для переменной x1 составила 0,04, то есть, в среднем, стоимость каждого дополнительного кв. м. жилья приводит к увеличению вероятности покупки в ипотеку жилья с одной комнатой на 4% процентных пункта (далее п.п.). Также получено, что вероятность покупки жилья с одной комнатой у молодых семей выше, чем у семей с детьми дошкольного возраста. Заключение договора о взятии жилья в ипотеку молодой семьей увеличивает вероятность приобретения жилья с одной комнатой на 45,63 п.п. Для молодой семьи приобретение собственного жилья является первоочередной задачей в условиях нестабильной российской экономики. Большинство молодых семей, согласно проведенному анкетированию, ориентированы на приобретение в ипотеку однокомнатной квартиры, в связи с высокими ценами на жилье больших размеров. При моделировании вероятности приобретения в ипотеку жилья с двумя комнатами также оценивались логит- и пробит-модели. В пробит-модели значимыми оказались только 2 фактора, а в логит-модели значимыми оказались 3 фактора. Исходя из этого анализа, для дальнейшего исследования будет использована логит-модель, значение статистики Вальда составило Wald chi2(9)=19,02, а соответствующее p-значение равно 0,025 < 0,1. Псевдо-R2 равен 0,27. Оценка модели имеет вид (4). (4) где - стоимость 1 кв. м жилья, тыс. руб.; - бинарная переменная, принимающая значение 1, если заемщик состоит в молодой семье без детей и 0 - иначе; - бинарная переменная, принимающая значение 1, если заемщик состоит в семье с детьми дошкольного возраста и 0 - иначе. - бинарная переменная, принимающая значение 1, если целью кредита является покупка готового жилья и 0 - иначе; - площадь приобретаемого жилья. При этом, на уровне значимости 1% значимы коэффициенты при переменных , . На уровне значимости 5% значим коэффициент при переменной . Таким образом, увеличение срока кредитования на каждый дополнительный год и увеличение ежемесячного платежа за кредит приводят к уменьшению вероятности покупки в ипотеку жилья с двумя комнатами на 39,4 п.п. и на 52,1 п.п. соответственно. И действительно, заемщики часто стараются сократить срок кредитования. При таком подходе есть свои преимущества, ведь чем быстрее будет выплачен кредит, тем меньшей будет сумма переплаты. Самая высокая вероятность покупки жилья с двумя комнатами приходится на наемных сотрудников. Наемные сотрудники, как правило, составляют большую часть потенциальных заемщиков со средним размером заработной платы и приобретают, в основном, жилье с двумя комнатами. К подобным клиентам банки относятся менее насторожено, в отличие от клиентов, имеющих собственный бизнес с относительно нестабильным заработком. Как правило, условия выдачи кредита для данной категории клиентов несколько отличаются от условий для наемных сотрудников. Оценивание логит- и пробит-модели при моделировании вероятности покупки жилья с тремя комнатами показало, что качество пробит-модели оказалось выше. Значение статистики Вальда составило Wald chi2(7)=56,33, а соответствующее p-значение равно 0,0000 < 0,1. Псевдо-R2 равен 0,56. Оценка модели имеет вид (5). (5) где - стоимость 1 кв. м жилья, тыс. руб.; - бинарная переменная, принимающая значение 1, если заемщик состоит в семье с детьми дошкольного возраста и 0 - иначе. - бинарная переменная, принимающая значение 1, если целью кредита является покупка готового жилья и 0 - иначе; - бинарная переменная, принимающая значение 1, если заемщик имеет собственный бизнес и 0 - иначе. При этом, на уровне значимости 1% значимы коэффициенты при переменных , , . На уровне значимости 10% значим коэффициент при переменной . Согласно знакам коэффициентов и оцениванию предельных эффектов, увеличение срока ипотечного жилищного кредитования приводит к увеличению вероятности покупки жилья с тремя комнатами. В среднем, увеличение срока кредитования на каждый дополнительный год приводит к увеличению вероятности приобретению жилья с тремя комнатами в ипотеку на 15 п.п. Этот вывод подтверждают результаты проведенного анкетирования: респонденты, желающие приобрести жилье с тремя комнатами, желают оформить ипотечный кредит на более длительный срок. Объясняется это тем, что с увеличением срока уменьшается ежемесячный платеж: перед заемщиком появляется возможность приобрести жилье лучшего качества с невысокой нагрузкой на бюджет. Лишь небольшая доля граждан способна погасить кредит досрочно, сократив тем самым переплату. Этим объясняется то, что, согласно полученной модели, вероятность покупки жилья с тремя комнатами у наемных сотрудников ниже, чем, например, у людей, имеющих собственный бизнес. Если заемщик является наемным сотрудником, то вероятность приобретения жилья с тремя комнатами у него снижается на 40,8 п.п. Также вероятность покупки жилья с тремя комнатами у молодой семьи ниже, чем у семьи с детьми дошкольного возраста. Если заемщик состоит в молодой семье без детей или в семье с детьми дошкольного возраста, вероятность приобретения жилья с тремя комнатами в ипотеку снижается на 28,3 и на 9,6 п.п. соответственно. Если ипотечный жилищный кредит оформляется на покупку готового жилья, вероятность приобретения жилья с тремя комнатами уменьшается на 12,95 п.п. В данном случае явно подтверждается тот факт, что цены на строящееся жилье или на первичном рынке ниже, чем на готовое жилье или на вторичном рынке. Таким образом, построение модели бинарного выбора позволило оценить вероятность покупки того или иного жилья в соответствии с показателями, характеризующими каждую категорию заемщиков.

Научные конференции

 

(c) Архив публикаций научного журнала. Полное или частичное копирование материалов сайта возможно только с письменного разрешения администрации, а также с указанием прямой активной ссылки на источник.