Основные положения.
Компания PwC, совместно с профессором Университета Суррея Найджелом Гилбертом, разработала новый подход к моделированию цен на жилье, основанный на компьютерных имитациях взаимодействий отдельных продавцов и покупателей («агентов») на рынке.
Данный агент-ориентированный подход показывает как может быть сымитировано покупателями и продавцами поведение реальных цен на жилье в соответствии с относительно простыми правилами. Данная модель позволяет пользователям изменять ключевые вводные допущения и видеть в «реальном времени» как это влияет на изменение цен и другие ключевые переменные, такие как количество контактов. Окно модели позволяет пользователям увидеть как агенты двигаются по схематической «городской сетке», где новые дома со временем строятся, а другие сносятся или разрушаются. Ключевые параметры модели были подогнаны к существующим на данный момент в ВБ данным.
Примечательные результаты симуляций модели включают следующие:
-
и цены на жилье и количество сделок по недвижимости имеют тенденцию к изменчивости в коротком периоде, помогая объяснить, почему краткосрочные предсказания по рынку недвижимости зачастую в значительной степени ошибочны;
-
в долгосрочном периоде, средние цены на жилье имеют тенденцию показывать устойчивую связь между средними уровнями дохода для установленных размеров процентных ставок по закладным и процентным отношением суммы займа к оцененной стоимости заложенного имущества;
-
ключевая информация от модели, однако, в том, что взаимодействие между этими двумя переменными критичное, влияние процентной ставки на цены на жилье является намного более слабым, когда максимальное отношение суммы заемных средств к стоимости имущества ниже;
-
в частности, модель предполагает, что изменение максимального отношения суммы займа к стоимости заложенного имущества со 100% на 80%, похожее на то, что недавно случилось с британским рынком закладных, приведшее к кредитному кризису, может иметь более негативное влияние на цены на недвижимость через оставление вне рынка недвижимости первичных покупателей с ограниченным количеством сбережений. Это может перевесить любые положительные эффекты от снижения процентных ставок на цены на жилье и объем сделок;
-
увеличенная внутренняя миграция оказывает значительное поышающее давление на цены на жилье, в результате чего предложение домой изменяется медленно (и может быть ограничено наличием земли с разрешением на строительство); число людей, нуждающихся в домах, но не способных найти доступные средства, также имеет тенденцию к занчительному увеличению в таком моделировании, и
-
если есть значительное «внезапное появление яппи» в области с существенно более высоким уровнем доходов, чем у резидентов, долгосрочный эффект должен прицениваться к резидентам нашего рынка и повысить цены на жилье, но с таким же соотношением к доходам, как и прежде, обратная тенденция очевидна при огромном и постоянном притоке мигрантов с более низким уровнем доходов в область.
С политической точки зрения, результаты модели показывают, что:
-
большее строительство новых домов может снизить цены в коротко-, среднесрочном периоде, но при повышенном использовании свободной земли, имеется сильная тенденция к возвращению на прежний уровень цен в долгосрочном периоде;
-
вероятно, что изменение пошлины не имеет существенного влияния на цены на жилье.
Модель также показывает, как с течением времени могут возникнуть кластеры с высокими ценами на жилье из-за самоусиливающейся тенденции нескольких дорогих домов в конкретной области оказывать влияние на оценку близлежащих домов. Это происходит даже в модели, где цены на жилье изначально случайно распределенных по всей местности и нет очевидных локальных преимуществ, таких как хорошие школы или доступ к транспортным сообщениям.
Введение
Рынок недвижимости США был в эпицентре недавнего глобального кредитного кризиса, и продолжающийся спад на британском рынке недвижимости остается одной из главных проблем, окружающих нашу экономику. Понимание рынка недвижимости является поэтому одной из главных задач макроэкономистов. Стандартный подход к этой проблеме должен использовать исторические данные, чтобы оценить эконометрическую модель, которая связывает изменения цены на недвижимость с тенденциями в доходах, процентных ставках и предложении на рынке недвижимости относительно числа домовладельцев.
Этот подход «сверху вниз» является самым систематическим способом произвести количественные проекции цены на недвижимость и остается постоянной сферой экономических исследований PricewaterhouseCoopers LLP (PwC). В данной статье, однако, мы исследуем новый 'восходящий' подход к пониманию рынка недвижимости, основанного на использовании компьютерных моделирований к модели непосредственного взаимодействия отдельных домашних хозяйств ('агентов'), которые стремятся купить и продать недвижимость, включая роль посредников (то есть агенты по недвижимости или 'агенты по продаже недвижимости). Цены на недвижимость появляются в процессе покупки и продажи.
Насколько мы знаем, этот, основанный на агенте, подход не был применен к британскому рынку недвижимости прежде. Также, исследование имеет обязательно несколько экспериментальную природу на данном этапе. Тем не менее, наша работа до настоящего времени предполагает, что этот подход обеспечивает полезное дополнение для стандартных эконометрических методов и должен действительно иметь широкий диапазон экономических приложений на разных рынках, а не только на рынке недвижимости.
Главные особенности данной агент-оринетированной модели рынка недвижимости
Наша основная цель в этом исследовании состояла в том, чтобы видеть, могли ли бы мы тиражировать главные особенности поведения рынка недвижимости реального мира, используя простую стилизованную агент-оринетированную модель.
Модель представляет результаты для небольшого жилого 'города' с 2 500 земельными участками, расположенными в сетке, размером 50х50. Некоторые участки первоначально пусты (зеленые зоны), в то время как другие с домами, большинство которых заняты. Первоначально, цены на недвижимость и доходы домашних хозяйств, живущих в них, в произвольном порядке распределены по сетке. Есть шесть агентов по недвижимости ('агенты по продаже недвижимости'), расположенные более или менее равномерно по сетке, некоторые из которых имеют накладывающиеся зоны охвата и таким образом являются конкурентами.
Домовладельцы стремятся переместиться в какую-либо другую ячейку, когда вынуждены выйти из области (например, смерть или смена места работы), или когда их ипотеки становятся слишком дорогими по сравнению с их доходом, то они пытаются продавать дома, а когда их доходы повышаются до точки, где они могут спокойно позволить себе более дорогой дом. Решив продать, они приближаются к одному или нескольким соседним агентам по недвижимости для определения стоимости, которая основана на опыте агента по недвижимости относительно недавних уровней цен в том местоположении. Первоначально продавец помещает дом на рынок по самой высокой оценке, но снижает цену позже, если он не продается.
Покупатели - любые люди, желающие покупать или новые участники области. Они ищут дом, который лучшие подходит к их уровню дохода и делают предложение. Модель срабатывает, когда система предложений остаются целыми, и люди тогда перемещаются. Другие предложения пропадают, когда цепочка (сеть, система продаж) выходит из строя. Новые участники области становятся обескураженными и оставляют область после определенного периода, если они не могут найти недвижимость, которая соответствует их доходу.
Покупки недвижимости финансируются ипотеками с максимальным отношением ссуды к стоимости недвижимости. Там, где это отношение установлено ниже 100 %, покупатели должны оплатить депозит либо из своих сбережений (установлен как процент от первоначального дохода) или акциями без фиксированного дивиденда, выпущенными от продажи их домов.
Модель поэтому получает многие из главных особенностей фактического рынка недвижимости, особенно с точки зрения роли агентов по недвижимости как участники рынка с лучшим знанием локальных ценовых историй в отличие от покупателей и продавцов. Модель учитывает вход и выход в области и также некоторые пустые земельных участков, где новое строительство домов может произойти. Есть широкий диапазон переменных, принятые значения которых пользователь может изменить, корректируя 'ползунки' (например, процентные ставки по закладной, максимальные отношения ссуды к стоимости недвижимости, уровень входа и выхода, уровень нового строительства домов, продолжительность периодов поиска прежде, чем покупатели станут обескураженными и т.д.).
Модель поэтому очень гибка в разрешении пользователю скорректировать начальные условия и ключевые предположения, чтобы исследовать, как они влияют на динамическое поведение цен на недвижимость (в абсолютных сроках и относительно уровней дохода), число продаж дома, число людей, ищущих дома, но неспособных найти их, число непроданных зданий на рынке и другие переменные. Модель может проджолжаться более чем сотни периодов, каждый из которых мог бы быть интерпретирован как представление приблизительно 2-3 месяцев в режиме реального времени.
Базовая версии модели.
Рисунок 1 показывает развитие отношения средней цены на недвижимость к уровню дохода в течение долгого времени в базовой версии модели, в то время как рисунок 2 показывает объем транзакций по недвижимости в этом случае. Ключевые доаущения в этом базовом случае включают:
-
процентные ставки по закладной 7 % (сопоставимо с фактическими уровнями в это время, модель была выполненав сентябре 2008);
-
максимальное отношение ссуды значению 80 % (также отражение состояния рынка на тот момент);
-
у новых участников города те же самые средние доходы как и у резидентов; и
-
новое строительство домов составляет 0.33 % существующего жилищного фонда в каждый период. Последствия изменения этих и других предположений рассматривают в Разделе 3 ниже.
Рисунок 1. Отношение средней цены на недвижимость к уровню дохода в базовом случае.
Рисунок 2. Число транзакций в базовом случае.
Мы можем отметить что:
-
в базовом случае рисунок 1 показывает, что цена на недвижимость к уровню дохода первоначально несколько выше его последующего поддерживаемого уровня, а объемы транзакций относительно низки сначала, поскольку продавцы не могут найти покупателей, однако, они уменьшают свои запрашиваемые цены, и объемы транзакции увеличиваются (см. рисунок 2); и
-
приблизительно после 100 периодов модель успокаивается в долгосрочное равновесие с устойчивым отношением цены на недвижимость к уровню дохода (приблизительно 3-3.5 в этом базовом случае) и относительно объемов транзакций; для тестирования чувствительности мы поэтому обычно позволяем модели работать в течение 100 периодов или больше прежде, чем применить шоки для значений параметра; и
-
даже после установления долгосрочного равновесия, однако, есть все еще довольно много краткосрочных «шумов» в модели, особенно относительно объемов транзакции, но также, хотя и в меньшей степени относительно отношения цен на недвижимость к уровню дохода; эта функция может помочь объяснить, почему краткосрочный прогноз цены на недвижимость является настолько трудным на практике.
Ниже мы можем видеть из рисунка 3 тенденцию, что есть люди, ищущие дома, но неспособные их найти, число которых первоначально резко превышает число свободных для продажи в базовой модели. Но поскольку некоторые из неспособных найти дом становятся обескураженными и перемещаются из области, таким образом, цены корректируются вниз относительно доходов в течение долгого времени и в конечном счете устанавливается равенство между упомянутыми параметрами. Но модель не характеризуется полной очисткой рынка (отсутствием предложения) из-за несоответствия между ценами на некоторые дома и возможностями некоторых покупателей. Кроме того, так как транзакции могут быть завершены, только если они являются частью неповрежденной цепочки (отношения покупатель-агент-продавец), всегда будет (как в реальном мире) некоторые цепочками, которые приводят к неудовлетворению покупателей и продавцов в любой установленный срок.
Рисунок 3. Число людей, которым не получается найти дом и свободная недвижимость в базовом случае.
Другая интересная особенность базовой модели в том, что отношение между средними ценами предложения и средними ценами спроса существенное. Цены предложения обычно выше, но разрыв значительный в ранние периоды перед установлением относительного равновесия позже. Вообще, когда цены предложения слишком высоки, происходит малое количество транзакций из-за недоступности недвижимости, и тогда цены предложения корректируются, снижаются. Ценоустанавливающие механизмы в модели работают заметным способом, но с некоторыми задержками корректировки.
Наконец, мы можем отметить, что после длительного периода работы модели, в ней проявляется тенденция образования кластеров с относительно высокими ценами и областей с низкими ценами на недвижимость (кластеры красного цвета на правой панели рисунка 4 ниже, которые представляют собой дорогую недвижимость). Это, возможно, удивительно, учитывая, что начальное распределение цен на недвижимость случайно (см. левую панель в рисунке 4) и нет никакой очевидной причины для того, чтобы некоторые области изначально были бы более привлекательными, нежели другие в нашей модели (например, мы не представили предположения, что области отличаются согласно факторам, таким как качество школ или доступа к транспортным путям, которые могут влиять на цену на недвижимость). Кажется, что когда определенный дом оказывается в кластере относительно высоких или низких цен на недвижимость, это может стать самоукреплением, так как оценки зданий, и в нашей модели и в действительности, проявляютсяпод влиянием оценок соседних зданий.
Рисунок 4. Возникновение кластеров.
Отметьте: Желтые точки представляют расположение агентов по недвижимости, с желтыми кругами, показывая их соответствующие территории. Красные области – области с высокими ценами на недвижимость, в то время как синие области – дешевые дома (белые или розовые области указывают на промежуточные ровни цен).
Это типичный результат для агент-ориентированных моделей. Образование таких кластеров занимает много времени, но после установления такой кластерности, она вряд ли изменится.
Рисунок 5. Общий вид рабочего поля модели.
© Дубовцев Илья