Analysis of the dynamics and forecast of mortgage loans according to Goskomstat data in the Russian Federation for 2018–2022

Full Text

Введение

Рассмотрим обзор на тему: «Ипотечное кредитование: сущность, функции и классификация» по Волкову А.А.; «Ипотечное кредитование в России» Попцова В.А.

Современное представление термина «ипотека» возникло не сразу. Ипотечное кредитование – это вид жилищного кредитования, при котором банк выдает заемщику деньги на покупку недвижимости [1]. Возникновение этого определения зависит от экономических потребностей граждан и развития товарно-денежных отношений. Банки довольно часто совершенствуют и модернизируют программы ипотечного кредитования для всех категорий граждан в зависимости от их финансовых возможностей и потребностей. Залог недвижимости – одно из необходимых требований для получения ипотечного кредита.

Ипотека может быть коммерческой или социальной. Социальная основана на привлечении государства, которое частично возмещает затраты заемщика и помогает получить заем, применяя льготные условия.

 

Условия для предоставления ипотечного кредитования [2]:

• обязательные (российское гражданство и совершеннолетие);
• дополнительные (трудоспособный возраст, стаж, место трудоустройства, подтвержденный доход).

Величина первоначального взноса, процентная ставка и срок ипотечного кредита определяются в соответствии от суммы кредита, уровня дохода и возраста заемщика. Кроме того, ряд банков может снижать процентную ставку, если клиент соглашается и на дополнительное страхование.

Рассмотрим помесячные объемы фактически выданных ипотечных жилищных кредитов и результаты прогноза на будущий период, предоставленные кредитными организациями в период с 2018 по 2022 г. (на рис. 1) [3].

 

 

Рисунок 1 – Количество ипотечных кредитов

Figure 1 – Number of mortgage loans

 

Расчет прогноза ожидаемых объемов выдачи ипотечных кредитов осуществляется по адаптивной мультипликативной модели Хольта – Уинтерса (формулы) по следующему алгоритму [4; 5]:

1. Рассчитывается экспоненциально сглаженный ряд:

 

L_t=k*Y_t/S_t-s+(1-k)*(L_t-1+T_t-1),                                                                 (1)

 

где L_t – сглаженная величина на текущий период;

k – коэффициент сглаживания ряда;

S_t-s – коэффициент сезонности предыдущего периода;

Y_t – текущее значение ряда;

L_t-1 – сглаженная величина за предыдущий период;

T_t-1 – значение тренда за предыдущий период.

2. Определяется значение тренда:

 

T_t=b*(L_t – L_t-1)+(1-b)*T_t-1 ,                                                                      (2)

 

где T_t – значение тренда на текущий период;

b – коэффициент сглаживания тренда;

L_t – экспоненциально сглаженная величина за текущий период;

L_t-1 – экспоненциально сглаженная величина за предыдущий период;

T_t-1 – значение тренда за предыдущий период.                                                                                                          

3. Оценивается сезонность:

 

S_t=q*Y_t/L_t+(1-q)*S_t-s  ,                                                                            (3)

 

где S_t – коэффициент сезонности для текущего периода;

q – коэффициент сглаживания сезонности;

Y_t – текущее значение ряда;

L_t – сглаженная величина за текущий период;

S_t-s – коэффициент сезонности за этот же период в предыдущем сезоне.                                                                           

4. Делается прогноз:

 

Ŷ_t+p = (L_t + p *T_t)*S_t-s+p ,                                                                         (4)

 

где Ŷ_t+p – значение прогноза для текущего периода;

L_t – сглаженная величина за текущий период;

p – коэффициент прогнозного значения;

T_t – значение тренда;

S_t-s+p  – коэффициент сезонности за этот же период в предыдущем сезоне.                                                                     

Рынок ипотеки продолжает восстанавливаться после снижения выдач в марте-апреле 2022 года. Анализ динамики изменения выдачи ипотечных кредитов свидетельствует о наличии «фактора сезонности» по адаптивной мультипликативной модели Хольта – Уинтерса. Главным фактором сезонных колебаний является изменение спроса со стороны заемщиков в зависимости от сезонных климатических изменений. Результаты проведенного анализа могут быть использованы в процессах разработки и реализации кредитной политики коммерческого банка. Кроме того, проанализировав количество выданных кредитов, удалось спрогнозировать цикличность спроса на кредитный продукт, который также имеет вид пиковых всплесков, что наглядно отражено на графике (см. рис. 2) [6].

 

Рисунок 2 – Прогноз количества ипотечных кредитов

Figure 2 – Forecast of the number of mortgage loans

 

Следует отметить, что сущность и значимость ипотечного кредитования как экономической категории заключаются в функциях: воспроизводственной, стимулирующей, обеспеченной [7; 8].

Они отражают характеристики ипотечного кредитования, которые направлены на решение экономических и социальных задач.

В основе ипотечного кредитования лежат следующие принципы [9]: открытости; специальности; обоснованности; старшинства; бесповоротности; срочности; обеспеченности кредита и дифференцированного характера ипотечного кредита.

Рассмотрев основы теории ипотечного кредитования, перейдем к анализу и рассмотрим, как складывается ситуация на ипотечном рынке в настоящее время в РФ. Проанализируем показатель динамики действующих кредитных организаций за 2018–2022 гг. на основе данных ЦБ РФ (см. рис. 3) [10].

Динамика изменения действующих кредитных организаций, количество организаций, которые предоставляют услуги ипотечного кредитования, сокращаются с каждым годом. За 4 года количество кредитных организаций уменьшилось в 1,5 раза. Главной предпосылкой сокращения является аннулирование лицензии. Кроме того, существует практика их поглощения крупными организациями. В целом финансовый сектор в РФ трансформируется с помощью консолидации активов крупных игроков рынка, следовательно, небольшие банки рискуют намного больше. В первом полугодии 2022 года российский банковский сектор оказался под давлением санкций, началась заморозка активов и паника вкладчиков, обусловленные уходом крупного иностранного бизнеса.

 

Рисунок 3 – Динамика действующих кредитных организаций

Figure 3 – Dynamics of operating credit institutions

 

Также следует рассмотреть показатель объема выдаваемых кредитов, динамика которого представлена на рис. 4. Факторы, влияющие на объем выдаваемых кредитов [11]:

1) макроэкономические: устойчивость экономики; ликвидность банковского сектора; неразвитость финансового рынка; ВВП; задолженность по кредитам; уровень безработицы;

2) микроэкономические: рост материальных запасов предприятия; увеличение запасов готовой продукции; продвижение нового ассортимента.

 

 

Рисунок 4 – Объем выданных ипотечных кредитов

Figure 4 – Volume of mortgage loans issued

 

Анализ динамики изменения объема выдаваемых ипотечных кредитов свидетельствует о существовании «фактора сезонности» по адаптивной мультипликативной модели Хольта–Уинтерса. По данным графика, наибольший объем выдаваемых ипотечных кредитов за 2018–2022 гг. был в декабре 2021 года (5 695 075 руб.). Объем кредита, во-первых, зависит от стоимости покупаемого жилья, во-вторых, от первоначального взноса, выплачиваемого покупателем из собственных средств. Объем выдачи ипотечных кредитов зависит от конкретного банка и от застройщиков, которые реализуют такие соглашения, на практике это достигает от 10 до 15 % рынка. В настоящее время, ожидая массового снижения дохода, государство максимально усовершенствовало процессу получения ипотечных каникул для заемщиков.

На рис. 5 представлены результаты прогноза объема выданных кредитов, полученные на основе адаптивной мультипликативной модели Хольта-Уинтерса.

 

Рисунок 5 – Прогноз объема выданных кредитов

Figure 5 – Forecast of the volume of loans issued

 

Значительное влияние на объем кредитов оказывает процентная ставка на ипотечное кредитование, динамика которой представлена на рис. 5. В большинстве случаев ставка рассчитывается персонально для каждого заемщика [12]. При этом необходимо учитывать ряд параметров при формировании ипотечной ставки и при заключении сделки [13; 14]: кредитное прошлое; первоначальный взнос; сроки ипотеки.

 

Рисунок 6 – Динамика средневзвешенной ставки

Figure 6 – Dynamics of the weighted average rate

 

По данным графика, наибольшая средневзвешенная ставка по ипотечному кредитованию за 2018–2022 гг. составляла 10,56 % в мае 2019 года. Проведя корреляционный анализ между динамикой средневзвешенной ставки и количеством ипотечных кредитов, коэффициент корреляции r = -0,357 имеет отрицательное значение, это говорит об обратной линейной зависимости, но связь достаточно слабая.

Кроме того, был проведен корреляционный анализ по данным динамики средневзвешенной ставки и объемом выданных ипотечных кредитов, коэффициент корреляции r = -0,317 имеет отрицательное значение, это говорит об обратной линейной зависимости и слабой связи.

Анализируя данные за 2018–2022 годы, наблюдаем тенденцию снижения средневзвешенной ставки, это может быть связано с рядом факторов, например доходами клиента, его кредитным прошлым, возможностью заключения договора о страховании жизни, наличии поручителей. На 01.09.2022 также происходит снижение и ставка достигла 6,67 %.

 

Заключение

Таким образом, с учетом вышеизложенного и по результатам анализа можно сделать вывод, что влияние ипотечного кредитования распространяется не только на население, но и на всем жилищный сектор экономики. Также следует отметить, что развитие ипотечного кредитования обладает цепной реакцией: с увеличением объема кредитов, увеличивается и спрос на жилье. Это станет драйвером развития строительной и других смежных отраслей, которые обеспечат производство в реальном секторе экономики. Следовательно, расходы владельцев жилья станут доходами других участников экономических отношений. Для того чтобы ипотечное кредитование было таким заманчивым для заемщиков, банку нужно проводить качественную оценку кредитоспособности каждого клиента и создавать для него выгодные условия для получения ипотечных кредитов.

Прогноз объемов выдачи ипотечных кредитов целесообразно выполнять на основе моделей, учитывающих фактор сезонности, в том числе и с помощью адаптивной мультипликативной модели Хольта–Уинтерса.

About the authors

Daria E. Zolotareva

Financial University under the Government of the Russian Federation (Lipetsk branch)

Author for correspondence.
Email: zolotareva_de@icloud.com
ORCID iD: 0009-0006-4795-3820

3rd year Bachelor student of the Faculty of Economics in the direction of «Finance and Credit»

Russian Federation, 12B, Internatsionalnaya Street, Lipetsk, 398050, Russian Federation

References

Supplementary files