Abstract: The article explores the methodology for forecasting the market value of equipment (in the geodetic industry) for the purpose of collateral for the crediting period. A standard set of geodetic equipment has been identified, which allows to form an acceptable exposure period. Exogenous factors that affect the cost of surveying equipment are identified. Using correlation and regression analysis, a model for predicting the market value of equipment for the crediting period is constructed.
Keywords: collateral, market value, forecasting, regression analysis, surveying, surveying equipment
Введение
Машины и оборудование являются одним из весомых компонентов в активах предприятий, поэтому определение их стоимости и ее прогнозирование имеет немаловажное значение. Для геодезического предприятия, большую часть основных фондов которого занимает геодезическое оборудование, данный вопрос наиболее актуален.
При принятии объекта в залог банк смотрит на большое количество параметров, среди них: ликвидность, срок экспозиции, текущее использование объекта, его техническое состояние, обременения и прочие юридические аспекты.
Оценка стоимости оборудования для целей кредитования в текущих реалиях выполняется и независимыми оценщиками и специалистами банка, если в качестве залога предлагаются объекты, которые являются стандартными и не представляют собой сложный технологический комплекс.
В качестве базы для определения залоговой стоимости берется рыночная стоимость объекта на открытом рынке, когда все стороны осведомлены о сделке, на стороны не оказывается давление и прочие чрезвычайные обстоятельства. Для расчета залоговой стоимости определяется дисконт, которые отражает затраты и риски, которые связаны с продажей объекта в условиях вынужденной продажи.
Для банка критично важно корректно оценивать основные параметры, которые являются драйверами стоимости. Для обеспечения качества кредитного и залогового портфеля залоговая служба или подразделение мониторинга осуществляет контроль количественных и качественных характеристик предметов залога. При этом не всегда корректно понимается периметр контроля качественных характеристик, которые влияют на стоимость объектов. Возникают трудности с актуализацией стоимости, особенно если речь идет о большом списке объектов в количестве более 100 единиц. В лучшем случае к данному функционалу будут относиться формально или вовсе его не выполнять в силу физической нехватки ресурсов.
Необходимы новые инструменты, которые позволят снизить риски некорректного мониторинга стоимости объекта залога. В статье предпринята попытка разработать такой инструмент.
По вопросам стоимостной оценки движимого имущества подготовлено большое количество трудов таких авторов как Федотова М.А.[8] , Бакулина А.А. [2], Ножкина Е.Ю. [5], Смоляк С.А. [7], Казаков Д.В.[4].
Существует большое количество методов прогнозирования: экстраполяции трендов, скользящих средних, экспоненциального сглаживания. Отдельного внимания в прогнозировании отводят методам корреляционного и регрессионного анализов: наименьших квадратов, авторегрессии, модели линейной и множественной регрессии.
Методологической основой для прогнозирования стоимости выступили работы Бабешко Л.О [1] и Фролова А.В [9].
Объекты и методы исследования
Объектом исследования является комплект геодезического оборудования.
В исследовании применяются следующие методы:
- эмпирические – наблюдение, описание, измерение;
- универсальные – анализ, обобщение;
- статистические – регрессия.
Экспериментальная часть
Для прогнозирования рыночной стоимости оборудования, необходимо сделать прогноз стоимости на период кредитования с учетом факторов, влияющих на стоимость, найти необходимые индикаторы в ретроспективном периоде и стоимость удельного показателя объекта оценки.
Стандартный комплект оборудования состоит из следующих компонентов, которые представлены в табл. 1:
Таблица 1
Комплект оборудования
Модель | Год выпуска | Количество |
Контроллер Trimble TSCe | 2008 | 1 |
Контроллер TrimbleTSC2 | 2011 | 1 |
Приемник Trimble 5700 | 2008 | 3 |
Тахеометр Sokkia Set 510L | 2004 | 1 |
Тахеометр Sokkia Set 530RL | 2008 | 1 |
Трассоискатель Сталкер2 | 2007 | 1 |
Электростанция SDMO Ranger 2500 | 2006 | 1 |
Плоттер HP DesignJet 1050c Plus | 2007 | 1 |
Средняя стоимость комплекта оборудования рассчитывается из прейскурантов цен продавцов геодезического оборудования[1].
Факторами, которые могут в значительной степени повлиять на стоимость оборудования, выбраны следующие:
- средняя стоимость топосъемки за 1 Га;
- индекс цен производителей (ИЦП-ProducerPriceIndex) США (по географическому признаку страны-происхождения объекта);
- стоимость валюты – доллара.
Ретроспективный период наблюдения выбран с февраля 2017 года по март 2020 года.
Прогноз — один год с апреля 2020 по март 2021 года.
Средняя стоимость топосъемки была определена с помощью прейскурантов организаций, оказывающих данную работу, а также, с помощью данных, предоставленных ООО «Геокад».
Значения ИЦП в США (г/г) – были получены через информационно-аналитический портал investing.com[2].
Информация о стоимости доллара за ретроспективный период по данным сайта Центрального Банка Российской Федерации[3].
Официальные прогнозные значения средней стоимости топосъемки в настоящий момент не представлены, в данной работе исходим из того что, как правило, организации, оказывающие данную услугу, устанавливают цену на один квартал. Специалисты ООО «Геокад» предположили следующие цены на топосъемку в прогнозном периоде:
Таблица 2
Средняя стоимость топосъемки в прогнозном периоде
Дата | Средняя стоимость топосъемки за 1 Га |
апр.2020 | 13 000,00 |
май.2020 | 13 000,00 |
июнь.2020 | 13 000,00 |
июль.2020 | 14 500,00 |
авг.2020 | 14 500,00 |
сент.2020 | 14 500,00 |
окт.2020 | 14 500,00 |
нояб.2020 | 14 500,00 |
дек.2020 | 14 500,00 |
янв.2021 | 15 000,00 |
февр.2021 | 15 000,00 |
март.2021 | 15 000,00 |
Источник: ООО «Геокад»
Прогнозные значения индекса цен производителей США (PPI) получены через платформу TradingEconomics[4], где пользователям предоставляется статистическая информация, включая исторические данные и прогнозы для многих экономических показателей, включая PPI.
Прогноз доллара сделан с помощью платформы прогнозирования курса валют[5].
По результатам исследования, удалось собрать следующие исходные данные (табл.3).
Отдельным цветом в таблице оформлен прогнозный период (прогнозные значения факторов) – с апреля по март 2021 года.
Таблица 3
Данные, полученные для прогнозирования стоимости объекта оценки
Дата | Средняя стоимость комплекта оборудования | Ср. стоимость топосъемки за 1 Га | PPI US | Доллар |
февр.2017 | 1 776 959,91 | 13 000,00 | 2,20% | 60,08 |
март.2017 | 1 776 959,91 | 13 000,00 | 2,30% | 57,96 |
апр.2017 | 1 700 000,00 | 13 000,00 | 2,50% | 55,96 |
май.2017 | 1 700 000,00 | 13 000,00 | 2,40% | 56,97 |
июнь.2017 | 1 700 000,00 | 13 000,00 | 2,00% | 56,69 |
июль.2017 | 1 626 373,21 | 13 000,00 | 1,90% | 52,39 |
авг.2017 | 1 626 373,21 | 13 000,00 | 2,40% | 60,06 |
сент.2017 | 1 626 373,21 | 13 000,00 | 2,60% | 58,54 |
окт.2017 | 1 700 000,00 | 13 000,00 | 2,80% | 58,02 |
нояб.2017 | 1 700 000,00 | 13 000,00 | 3,10% | 58,12 |
дек.2017 | 1 700 000,00 | 13 000,00 | 2,60% | 58,57 |
янв.2018 | 1 776 969,00 | 14 333,33 | 2,70% | 57,60 |
февр.2018 | 1 776 960,00 | 14 333,33 | 2,80% | 56,18 |
март.2018 | 1 776 960,00 | 14 333,33 | 3,00% | 56,37 |
апр.2018 | 1 857 413,43 | 14 333,33 | 2,60% | 57,26 |
май.2018 | 1 857 413,43 | 14 333,33 | 3,10% | 61,99 |
июнь.2018 | 1 857 413,43 | 14 333,33 | 3,40% | 62,01 |
июль.2018 | 1 857 413,43 | 14 333,33 | 3,30% | 62,75 |
авг.2018 | 1 857 413,43 | 14 333,33 | 2,80% | 62,35 |
сент.2018 | 1 857 413,43 | 14 333,33 | 2,60% | 68,04 |
окт.2018 | 1 941 509,46 | 14 333,33 | 2,90% | 65,59 |
нояб.2018 | 1 941 509,46 | 14 333,33 | 2,50% | 65,59 |
дек.2018 | 1 941 509,46 | 14 333,33 | 2,50% | 66,53 |
янв.2019 | 1 941 509,46 | 14 500,00 | 2,00% | 69,47 |
февр.2019 | 1 941 509,46 | 14 500,00 | 1,90% | 65,36 |
март.2019 | 1 941 509,46 | 14 500,00 | 2,20% | 65,89 |
апр.2019 | 1 909 900,00 | 14 500,00 | 2,20% | 64,73 |
май.2019 | 1 909 900,00 | 14 500,00 | 1,80% | 64,63 |
июнь.2019 | 1 909 900,00 | 14 500,00 | 1,70% | 65,38 |
июль.2019 | 1 911 000,00 | 14 500,00 | 1,70% | 63,07 |
авг.2019 | 1 911 000,00 | 14 500,00 | 1,80% | 63,42 |
сент.2019 | 1 911 000,00 | 14 500,00 | 1,40% | 66,49 |
окт.2019 | 1 909 933,00 | 14 500,00 | 1,10% | 64,64 |
нояб.2019 | 1 909 933,00 | 14 500,00 | 1,10% | 63,77 |
дек.2019 | 1 909 933,00 | 14 500,00 | 1,30% | 64,08 |
янв.2020 | 1 909 933,00 | 12 925,00 | 2,10% | 61,78 |
февр.2020 | 1 909 933,00 | 12 925,00 | 1,30% | 63,88 |
март.2020 | 1 909 933,00 | 12 925,00 | 0,70% | 66,99 |
апр.2020 | 1 911 000,00 | 13 000,00 | 0,50% | 77,73 |
май.2020 | ? | 13 000,00 | -1,00% | 70,80 |
июнь.2020 | ? | 13 000,00 | -1,50% | 76,69 |
июль.2020 | ? | 14 500,00 | -2,00% | 82,44 |
авг.2020 | ? | 14 500,00 | -1,50% | 73,39 |
сент.2020 | ? | 14 500,00 | -1,00% | 73,39 |
окт.2020 | ? | 14 500,00 | 0,50% | 73,68 |
нояб.2020 | ? | 14 500,00 | 1,50% | 72,87 |
дек.2020 | ? | 14 500,00 | 1,80% | 83,95 |
янв.2021 | ? | 15 000,00 | 2,00% | 93,25 |
февр.2021 | ? | 15 000,00 | 2,20% | 99,93 |
март.2021 | ? | 15 000,00 | 2,50% | 108,39 |
Проверим гипотезу о влиянии выбранных факторов на стоимость с помощью корреляционного анализа. Результаты анализа приведены в виде корреляционной матрицы в табл. 4.
Таблица 4
Корреляционная матрица факторов стоимости объекта оценки
Показатели | Средняя стоимость комплекта оборудования | Ср. стоимость топосъемки за 1 Га | PPI US | Доллар |
Средняя стоимость комплекта оборудования | 1 | — | — | — |
Ср. стоимость топосъемки за 1 Га | 0,704253804 | 1 | — | — |
PPI US | -0,361956453 | -0,01318632 | 1 | — |
Доллар | 0,837294298 | 0,547835907 | -0,379021468 | 1 |
В таблице можно увидеть, что на стоимость оцениваемого комплекта оборудования оказывают существенное влияние такие факторы как средняя стоимость топосъемки и курс доллара. Обратная корреляция зафиксирована с индикатором PPI, что связано со значительным влиянием курса валюты. Тем не менее, принято решение оставить данный фактор в модели. Анализ мультиколлинеарности факторов модели свидетельствует об отсутствии существенной связи между ними.
В целом, проведенный корреляционный анализ подтверждает гипотезу о корректности выбора влияющих факторов.
Далее, переходим к моделированию.
Схематически модель можно представить следующим образом:
где
У – целевой прогнозируемый признак (в данном случае вероятность выхода на просрочку
f – форма зависимости целевого признака от факторов
х – набор факторов, независимые переменные, которые влияют на целевой признак
е – ошибка модели
Для построения модели воспользуемся режимом работы «Регрессия» офисного пакета MSExcel.
В качестве входного интервала Y, используем значения скользящей средней (при периоде = 3), за входной интервал X, берем индикаторы — средняя стоимость топосъемки, PPI, стоимость валюты.
Полученные результаты моделирования представлены в табл. 5.
Таблица 5
Результаты регрессионного анализа
Проверка качества модели.
О значимости модели свидетельствует высокое значение коэффициента детерминации модели — R-квадрат (0,8). В соответствии со шкалой Чеддока (табл. 6) это означает высокую тесноту связи.
Таблица 6
Шкала Чеддока
Далее, проверим качество модели по F-критерию.
Процедура производится по алгоритму, который рассматривается в работе С.В. Грибовского [3]. В соответствии с F-тестом качества, если выполняется неравенство Fp>Fкр, то уравнение регрессии считается значимым.
Расчетное значение F-критерия определяется как
Fр = R2 (n—k-1) / k (1- R2)
где R2 – коэффициент детерминации (квадрат коэффициента множественной корреляции):
— наблюдаемые, а— прогнозируемые моделью значения результирующей переменной.
В данном случае, исходя из результатов таблицы 5, Fр = 45,47. Критическое значение F-статистики: υ1 = k-1 = 2, υ2 = n-k = 33 и уровня значимости 0,05 равно Fкр = 2,9 (по таблице критических значений критерия Фишера)[6].
Таким образом, Fp = 45,47 > Fкр = 2,9, то есть неравенство Fp > Fкр выполняется, и соответственно, модель регрессии, в целом, статистически значима.
Результаты
Далее, на основе полученных коэффициентов:Y-пересечение, переменная Х1, переменная Х2, переменная Х3 (табл. 7), мы можем получить прогнозную стоимость оборудования на период с апреля 2020 года по сентябрь 2020 года.
Таблица 7
Прогнозное значение стоимости оборудования ООО «Геокад»
Дата | Ср. стоимость топосъемки за 1 Га | PPI US | Доллар | Прогнозное значение |
апр.2020 | 13 000,00 | 0,50% | 77,73 | 2 062 437,68 |
май.2020 | 13 000,00 | -1,00% | 70,80 | 2 018 232,46 |
июнь.2020 | 13 000,00 | -1,50% | 76,69 | 2 117 442,15 |
июль.2020 | 14 500,00 | -2,00% | 82,44 | 2 294 938,80 |
авг.2020 | 14 500,00 | -1,50% | 73,39 | 2 151 818,69 |
сент.2020 | 14 500,00 | -1,00% | 73,39 | 2 134 454,69 |
окт.2020 | 14 500,00 | 0,50% | 73,68 | 2 086 392,45 |
нояб.2020 | 14 500,00 | 1,50% | 72,87 | 2 040 408,94 |
дек.2020 | 14 500,00 | 1,80% | 83,95 | 2 183 954,92 |
янв.2021 | 15 000,00 | 2,00% | 93,25 | 2 332 983,48 |
февр.2021 | 15 000,00 | 2,20% | 99,93 | 2 418 861,18 |
март.2021 | 15 000,00 | 2,50% | 108,39 | 2 526 000,42 |
Прогнозное значение оборудования указывается в пятом столбце таблицы, через год стоимость будет составлять 2 526 000 рублей.
Предпосылки и ограничения модели:
- В модели не учитываются внутренние факторы, которые связаны с объектом оценки, в частности, физический износ. Износ увеличивается со временем эксплуатации объекта, вследствие чего снижается привлекательность оборудования и производительность. При этом, при должной эксплуатации и необходимом ремонте эксплуатационные характеристики объектов не снижаются. Тем не менее, расчет величины износа необходимо осуществлять и учитывать в прогнозной величине стоимости отдельно. Более подробно данные вопросы рассмотрены в работе С.А. Смоляка [6].
- Модель зависит от качества прогноза факторов, которые влияют на стоимость. Прогнозы должны быть представлены авторитетными агентствами или профильными ведомствами.
- Модель работает в стабильных макроэкономических условиях. В условиях кризиса результаты модели могут быть не стабильны и необходимо учитывать общее снижение периода экспозиции из-за снижения спроса на продукцию.
Выводы
В исследовании разработана модель прогнозирования стоимости комплекта геодезического оборудования. Качество модели подтверждается коэффициент детерминации и F-тестом.
Практическая область применения модели возможна при кредитовании корпоративных заемщиков соответствующей отрасли. Прогнозные значения стоимости (при условии корректного расчета величины износа) возможно использовать при проведении мониторинга обеспечения. При должном уровне автоматизации в банке, возможно настроить параметры для автоматической калибровки стоимости во времени.
При существенном отклонении стоимости более, чем на 20% целесообразно осуществлять переоценку объектов. Использование данного подхода позволит существенно упростить и оптимизировать затраты на мониторинг обеспечения.
Направлением, для дальнейшей работы является учет внутренних факторов стоимости, в частности физического износа.
[1]https://www.geobrand.ru/price-list/, https://imgeo.ru/prajs-list, https://www.rusgeocom.ru/catalog
[2] https://investing.com.
[4] https://tradingeconomics.com/ — information for economic indicators.
[5] https://prognozex.ru/dollara/sberbank
[6]http://psystat.at.ua/publ/1-1-0-25
Библиографический список
1. Бабешко, Л. О. Эконометрика и эконометрическое моделирование : учебник / Л.О. Бабешко, М.Г. Бич, И.В. Орлова. - Москва : Вузовский учебник : ИНФРА-М, 2019. - 385 с. : ил. — (Высшее образование: Бакалавриат). - ISBN 978-5-16-105542-7. - Текст : электронный. - URL: https://new.znanium.com/catalog/product/1029152 (дата обращения: 22.04.2020)2. Бакулина, А.А. Методологические основы оценки стоимости объектов собственности с учетом их обременения: дис. ... доктора экономич. наук ; спец. 08.00.10; защищена 30.03.2017 г. / ФГОБУ ВО "Финансовый ун-т при Правительстве РФ". — М., 2016 — 395 с. — Автореферат.- М., 2016.- 47 с. — Доступ из локальной сети Финуниверситета (чтение, печать). — <URL:http://elib.fa.ru/avtoreferat/Bakulina.pdf>.
3. Грибовский С.В., Баринов Н.П., Анисимова И.Н. О требованиях к количеству сопоставимых объектов при оценке недвижимости сравнительным подходом / http://www.appraiser.ru/default.aspx?SectionId=41&Id=1577
4. Казаков Д. В. Проблемы и ошибки при определении стоимости машин и оборудования // Имущественные отношения в РФ. - 2016. - 7 (178). – С. 66-80. - URL: https://cyberleninka.ru/article/n/problemy-i-oshibki-pri-opredelenii-stoimosti-mashin-i-oborudovaniya (дата обращения: 24.04.2020).
5. Ножкина, Е. Ю. Залог движимого имущества (на примере США, Франции, Германии, Великобритании, России) / Е. Ю. Ножкина. — Текст : непосредственный, электронный // Молодой ученый. — 2018. — № 33 (219). — С. 109-112. — URL: https://moluch.ru/archive/219/52374/ (дата обращения: 24.04.2020).
6. Смоляк С.А. Влияние физического износа машин на динамику их рыночной стоимости / Экономика и математические методы, 2019. Том 55, № 3, с. 124-140.
7. Смоляк С.А. Обоснование спецификации регрессионных зависимостей в задачах стоимостной оценки // Имущественные отношения в РФ. – 2020. – 4 (223). – С. 47-60. – URL: https://www.elibrary.ru/item.asp?id=42720605(дата обращения: 24.04.2020).
8. Федотова М.А. Оценка стоимости предметов залога в нестабильной экономике: проблемы и пути их решения : монография / под ред. М.А. Федотовой, Т.В. Тазихиной. — Москва : ИНФРА-М, 2018. — 196 с. — (Научная мысль). — www.dx.doi.org/10.12737/21416. - ISBN 978-5-16-105146-7. - Текст : электронный. - URL: https://new.znanium.com/catalog/product/925470 (дата обращения: 23.04.2020)
9. Фролов, А.В. Корреляция и регрессия в Excel: методические рекомендации к выполнению лабораторной работы по дисциплинам «Статистические методы в управлении качеством», «Квалиметрия», «Управление процессами» для студентов технических вузов направления подготовки 27.03.02 «Управление качеством» различных форм обучения / А.В. Фролов; – Алт. гос. техн. ун-т, БТИ. – Бийск: Изд-во Алт. гос. техн. ун-та, 2015. – 31 с