Эконометрический анализ факторов, влияющих на рынок недвижимости Хорватии: построение прогностической модели

Рынок недвижимости, будучи одним из наиболее чувствительных индикаторов экономического здоровья любой страны, в Хорватии обретает особую значимость. Его динамика тесно переплетается с ключевыми макроэкономическими процессами, структурными изменениями в экономике и интеграционными процессами, такими как вступление в Европейский Союз, Шенгенскую зону и переход на евро. Актуальность эконометрического исследования рынка недвижимости Хорватии обусловлена не только его высокой волатильностью и значительным вкладом в ВВП страны, но и необходимостью глубокого понимания факторов, формирующих ценообразование, для принятия обоснованных решений как государственными регуляторами, так и частными инвесторами.

Данное эссе ставит своей главной целью выявление ключевых драйверов, определяющих динамику цен на рынке недвижимости Хорватии, и построение прогностической модели, способной адекватно описывать эти взаимосвязи. В процессе исследования будут последовательно рассмотрены макроэкономические показатели, специфические региональные факторы и влияние интеграционных процессов. Мы стремимся ответить на ряд фундаментальных вопросов: какие макроэкономические индикаторы оказывают наиболее значимое влияние? Какие эконометрические модели наилучшим образом описывают эти взаимосвязи? Какова роль туризма и региональных особенностей? Какие методы эконометрического анализа необходимы для обеспечения валидности модели? Можно ли разработать надежные прогнозы на основе такой модели? И, наконец, как вступление Хорватии в Шенгенскую зону и переход на евро изменили эконометрические зависимости и инвестиционную привлекательность? Структура работы последовательно раскрывает эти вопросы, переходя от общего обзора рынка к детальному эконометрическому моделированию и выводам.

Обзор рынка недвижимости Хорватии: текущее состояние и динамика цен

Рынок недвижимости Хорватии на сегодняшний день является одним из самых динамичных в Европейском Союзе, демонстрируя устойчивый рост цен, особенно заметный в последние годы. Этот рост обусловлен множеством факторов, включая высокий туристический спрос, приток иностранных инвестиций и позитивные макроэкономические тенденции.

Динамика цен на жилую недвижимость в Хорватии

Статистические данные свидетельствуют о значительной активизации рынка. В сентябре 2025 года средняя запрашиваемая цена на жилую недвижимость для продажи в Хорватии достигла отметки в 3 715 € за квадратный метр. Это представляет собой существенный рост на 9,85% по сравнению с сентябрем 2024 года, когда средняя цена составляла 3 382 €/м². Такая динамика подчеркивает пиковый характер текущего рынка, поскольку за последние два года именно сентябрь 2025 года зафиксировал максимальную среднюю цену.

Рассматривая региональные особенности, становится очевидным значительный разброс в ценах. Самые высокие цены на недвижимость традиционно наблюдаются в регионе Далмация, где в сентябре 2025 года они составили 3 844 €/м². Это объясняется высоким туристическим потенциалом региона, его живописными побережьями и развитой инфраструктурой, привлекающей как иностранных инвесторов, так и покупателей вторичного жилья для отдыха. В противоположность этому, самые низкие цены зафиксированы в Славонии, Баранье, где средняя цена составляла всего 1 564 €/м², что отражает более низкий уровень экономического развития и меньшую туристическую привлекательность этого континентального региона.

Анализ поквартального роста индекса цен на жилье (HPI) также подтверждает бурный рост. Во втором квартале 2024 года цены на жилье в Хорватии увеличились в среднем на 10% по сравнению с аналогичным периодом предыдущего года, при этом наблюдается дифференциация по типам жилья: цены на новое жилье выросли на 5,4%, тогда как цены на вторичное жилье показали более значительный рост — 10,6%. В столице Загребе во втором квартале 2024 года цены на жилье увеличились на 9,4%. Эти данные указывают на активный спрос как на новое строительство, так и на уже существующие объекты, ведь готовность инвестировать в уже готовое жильё часто является признаком быстрой отдачи или уверенности в стабильности рынка.

Первый квартал 2025 года ознаменовался еще более впечатляющим ростом: индекс цен на жилье (HPI) в Хорватии увеличился на 13,1% по сравнению с аналогичным периодом предыдущего года, став одним из самых высоких показателей в ЕС. Поквартальный рост в первом квартале 2025 года составил 4,5%. Индекс жилищного рынка в Хорватии достиг 223,65 пункта во втором квартале 2025 года, увеличившись с 214,18 пункта в первом квартале 2025 года, что дополнительно иллюстрирует стремительное развитие рынка.

Индексы жилищного рынка и официальная статистика

Для точного и систематического мониторинга рынка недвижимости Хорватии ключевую роль играют официальные статистические данные, публикуемые Государственным бюро статистики Хорватии (DZS) и Хорватским национальным банком (HNB). DZS ежеквартально публикует индексы цен на жилые объекты (HPI), которые являются основным инструментом для отслеживания динамики цен. Эти индексы позволяют не только оценить общий уровень инфляции на рынке недвижимости, но и выявить региональные различия и тенденции по типам жилья.

Хорватский национальный банк (HNB) также предоставляет статистические данные, включая индексы потребительских цен и индексы цен на жилье, которые используются для макроэкономического анализа и поддержания ценовой стабильности. Совместное использование данных от DZS и HNB обеспечивает всесторонний взгляд на рынок недвижимости, позволяя исследователям и аналитикам формировать более полные и обоснованные выводы о его текущем состоянии и перспективах. Эти официальные источники являются основой для любого эконометрического моделирования, обеспечивая надежность и достоверность используемых данных.

Макроэкономические драйверы рынка недвижимости Хорватии

Рынок недвижимости является зеркалом макроэкономических процессов, и Хорватия не исключение. Основные макроэкономические индикаторы, такие как ВВП, инфляция, уровень безработицы и процентные ставки, оказывают прямое и косвенное влияние на спрос и предложение, а следовательно, и на цены на недвижимость.

ВВП, инфляция и безработица

Валовой внутренний продукт (ВВП) является ключевым показателем экономического здоровья страны. В 2024 году ВВП Хорватии составил 92,53 млрд долларов США, что составляет 0,09% мировой экономики. С 1990 по 2024 год средний ВВП страны составлял 45,51 млрд долларов США. Рост ВВП обычно коррелирует с ростом доходов населения, увеличением инвестиционной активности и улучшением потребительского настроения, что, в свою очередь, стимулирует спрос на недвижимость. Устойчивый экономический рост создает благоприятные условия для расширения жилищного строительства и повышения цен.

Инфляция, измеряемая, в частности, Гармонизированным индексом потребительских цен (ГИПЦ), также играет важную роль. В сентябре 2025 года уровень инфляции в Хорватии вырос до 4,20% с 4,10% в августе. Средний уровень инфляции с 1999 по 2025 год составлял 2,75%, но в ноябре 2022 года был зафиксирован исторический максимум в 13,50%. ГИПЦ Хорватии в сентябре 2025 года составил 139,25 пункта (база 2015=100), являясь важным индикатором для Европейского центрального банка (ЕЦБ). Умеренная инфляция может стимулировать инвестиции в недвижимость как средство сохранения капитала, однако высокая инфляция, особенно в сочетании с низкими доходами, может снижать покупательную способность населения и охлаждать рынок. Так, в ноябре 2022 года пик инфляции в 13,50% несомненно оказал давление на доступность жилья для большинства хорватских семей.

Уровень безработицы, в свою очередь, напрямую влияет на стабильность доходов и, как следствие, на возможность приобретения жилья. В июле 2025 года уровень безработицы в Хорватии вырос до 4,0% с 3,8% в июне. Исторический максимум в 23,60% был достигнут в январе 2002 года, а минимум — 3,80% в июне 2025 года. Низкий уровень безработицы создает уверенность в завтрашнем дне, увеличивает доступность ипотечных кредитов и поддерживает спрос на жилье. И наоборот, рост безработицы приводит к снижению потребительского спроса и ухудшению ситуации на рынке недвижимости.

Процентные ставки и доступность кредитования

Процентные ставки являются одним из наиболее прямых и мощных факторов, влияющих на рынок недвижимости. Хорватский национальный банк (HNB), будучи центральным банком, устанавливает ключевые ставки, влияющие на стоимость кредитования. В июле 2025 года ставка банковского кредитования в Хорватии снизилась до 4,45% с 4,55% в июне 2025 года. По данным на август 2025 года, процентная ставка по кредиту составляла 4,39%. Эта ставка относится к оборотным займам, овердрафтам текущих счетов, требованиям и кредитным картам, предоставленным коммерческими банками некоммерческим организациям.

Снижение процентных ставок делает ипотечные кредиты более доступными, уменьшая ежемесячные платежи и общую стоимость заимствований. Это стимулирует спрос на жилье как со стороны частных лиц, так и со стороны инвесторов, желающих приобрести недвижимость для сдачи в аренду. И наоборот, повышение ставок делает ипотеку дороже, что может охладить рынок и привести к стагнации или снижению цен. Таким образом, политика HNB в области процентных ставок является критически важной для определения траектории развития рынка недвижимости.

Таблица 1: Динамика макроэкономических показателей Хорватии (2024-2025)

Показатель	2024 год	Сентябрь 2025 года	Динамика
ВВП (млрд USD)	92,53	—	Рост
Уровень безработицы (%)	—	4,20 (июль)	Рост
Инфляция (ГИПЦ, %)	—	4,20	Рост
Ставка банковского кредитования (%)	—	4,39 (август)	Снижение

Примечание: Данные на сентябрь 2025 года представлены по последним доступным месяцам, указанным в источнике (июль, август, сентябрь).

Специфические факторы влияния: туризм и региональные особенности

Помимо общих макроэкономических факторов, на рынок недвижимости Хорватии оказывают существенное влияние специфические условия, присущие этой стране, в частности, бурно развивающийся туристический сектор и выраженные региональные особенности.

Туризм как ключевой сектор экономики

Для Хорватии туризм является не просто одной из отраслей, а краеугольным камнем экономики. Сектор услуг составляет 59% ВВП страны, и до 70% от этого объема приходится именно на туризм, обеспечивая впечатляющие 20-25% общего ВВП. Этот вклад подчеркивает его доминирующую роль и объясняет, почему туристический поток напрямую влияет на рынок недвижимости.

За период с января по август 2025 года Хорватию посетило более 9 миллионов туристов, что на 8% больше, чем за аналогичный период прошлого года. Они совершили 47,49 млн ночевок, из которых иностранцы — более 42,25 млн (рост на 6%). В 2023 году 91,2% от общего числа ночевок были совершены иностранными туристами, и лишь 8,8% – внутренними. Эти цифры красноречиво свидетельствуют о колоссальном внешнем спросе. Подобная зависимость, однако, поднимает важный вопрос: насколько устойчив такой рост в долгосрочной перспективе, учитывая потенциальные изменения в глобальных туристических предпочтениях?

Такой приток туристов порождает два основных типа спроса на недвижимость:

1. Инвестиции в туристическую инфраструктуру: Отели, апартаменты для сдачи в аренду, кемпинги и другие объекты размещения.
2. Приобретение вторичного жилья: Иностранные граждане покупают недвижимость для личного отдыха или для дальнейшей сдачи в аренду туристам, рассматривая это как выгодную инвестицию.

Особенно ярко влияние туризма проявляется в прибрежных регионах. Высокий спрос на краткосрочную аренду позволяет владельцам недвижимости получать стабильный доход, что делает такие инвестиции крайне привлекательными. Данные о туристах, собираемые Государственным бюро статистики Хорватии (DZS) через систему eVisitor Хорватского туристического сообщества, являются бесценным ресурсом для анализа этого влияния. Чем выше туристический поток и количество ночевок, тем выше спрос на жилье в туристических зонах, и, как следствие, растут цены.

Региональные различия рынка

Хорватия, с ее разнообразным ландшафтом и экономическими структурами, демонстрирует значительные региональные различия на рынке недвижимости. Эти диспропорции напрямую связаны с туристической привлекательностью и общим уровнем экономического развития.

Как уже упоминалось, регион Далмация, включающий такие популярные направления, как Сплит-Далмация и Дубровник-Неретва, является лидером по ценам (3 844 €/м² в сентябре 2025 г.). Это обусловлено уникальным сочетанием факторов:

• Высокая туристическая привлекательность: Живописное побережье, исторические города, развитая инфраструктура для яхтинга и пляжного отдыха.
• Ограниченность предложения: Особенно в исторически значимых и прибрежных районах, где новое строительство затруднено или ограничено.
• Иностранные инвестиции: Приток капитала от покупателей из Западной Европы, Скандинавии и других стран, ищущих «второй дом» или инвестиции.

В противоположность этому, континентальная Славония, Баранье имеет значительно более низкие цены (1 564 €/м²). Этот регион менее ориентирован на туризм и больше — на сельское хозяйство и промышленность, что приводит к:

• Низкий внутренний спрос: Меньшая покупательная способность местного населения.
• Отсутствие внешнего спроса: Недостаточная привлекательность для иностранных инвесторов и туристов.
• Доступность земли и строительства: Меньшие ограничения на новое строительство по сравнению с прибрежными зонами.

Особого внимания заслуживает Истрийская жупания, которая в 2023 году зафиксировала наибольшее количество ночевок туристов – 11,2 млн, что составило 39,9% от общего числа ночевок в регионе. Большая часть этих ночевок пришлась на кемпинги и места для кемпинга, что указывает на специфический характер туристического потока. Однако высокая общая туристическая активность в Истрии также поддерживает высокие цены на недвижимость, хоть и с некоторыми отличиями в структуре спроса (например, больший интерес к виллам и домам с земельными участками).

Эти региональные диспропорции должны быть учтены при построении эконометрической модели, возможно, путем введения фиктивных переменных для различных регионов или построения отдельных моделей для ключевых зон.

Теоретические основы и методология эконометрического анализа

Для глубокого и систематического исследования рынка недвижимости Хорватии необходимо опираться на строгие принципы эконометрики – науки, которая является мостом между экономической теорией, математической статистикой и реальными эмпирическими данными.

Обзор эконометрических моделей и методов

Эконометрика, по своей сути, — это наука, которая на основе реальных статистических данных строит, анализирует и совершенствует математические модели экономических явлений. Ее основные задачи включают освоение методов эконометрического анализа статистических данных, построение и анализ эконометрических моделей, а также подготовку к прикладным исследованиям в экономике. Она позволяет не только описывать существующие взаимосвязи, но и прогнозировать будущие тенденции.

В контексте анализа рынка недвижимости, эконометрика предоставляет мощный инструментарий, включающий:

• Корреляционный анализ: Исследует степень и направление линейной зависимости между переменными (например, между ВВП и ценами на недвижимость). Это позволяет выявить потенциальные драйверы, но не объясняет причинно-следственные связи.
• Регрессионный анализ: Основной метод эконометрики, позволяющий построить модель, описывающую зависимость одной переменной (зависимой, например, цены на недвижимость) от одной или нескольких других переменных (независимых или объясняющих). В эконометрике подробно изучаются линейные регрессионные модели, метод наименьших квадратов (МНК), проверка гипотез, гетероскедастичность, автокорреляция ошибок и спецификация модели.
• Анализ временных рядов (ARMA, ARCH, GARCH): Применяется, когда данные собираются последовательно во времени (например, ежеквартальные цены на недвижимость). Модели временных рядов учитывают автокорреляцию (зависимость текущих значений от прошлых) и волатильность (изменчивость дисперсии).
  • ARMA (Авторегрессионное интегрированное скользящее среднее) модели используются для описания и прогнозирования стационарных временных рядов, учитывая как прошлые значения самого ряда (авторегрессивная часть), так и прошлые ошибки прогноза (часть скользящего среднего).
  • ARCH (Авторегрессионная условная гетероскедастичность) и GARCH (Обобщенная авторегрессионная условная гетероскедастичность) модели незаменимы для анализа волатильности финансовых и экономических временных рядов, где дисперсия ошибки не постоянна, а зависит от прошлых ошибок. Они особенно важны для оценки рисков на рынке недвижимости.
• Анализ панельных данных: Позволяет анализировать данные, которые имеют как временное, так и пространственное измерение (например, цены на недвижимость в разных регионах Хорватии за несколько лет). Это позволяет учесть как общие тенденции, так и специфические особенности каждого региона.

Классическая линейная регрессионная модель и ее предпосылки

Основой большинства эконометрических исследований является классическая линейная регрессионная модель (КЛРМ). Для многофакторной модели регрессии она может быть представлена в общем виде:

Yi = β0 + β1X1i + β2X2i + ... + βkXki + εi

Где:

• Y_i — зависимая переменная (например, цена на недвижимость)
• X_ji — j-я независимая переменная (например, ВВП, инфляция, процентная ставка)
• β₀ — свободный член (константа)
• β_j — коэффициенты регрессии, показывающие, на сколько изменится Y при изменении X_j на единицу при прочих равных условиях
• ε_i — случайная ошибка (остатки), отражающая влияние неучтенных факторов.

Наиболее распространенным методом оценки коэффициентов β является метод наименьших квадратов (МНК). Его цель — минимизировать сумму квадратов отклонений фактических значений Y от значений, предсказанных моделью. Теорема Гаусса-Маркова утверждает, что при соблюдении определенных предпосылок МНК-оценки являются наилучшими линейными несмещенными оценками (НЛНO).

Основные предпосылки КЛРМ включают:

1. Линейность: Модель линейна по параметрам.
2. Строгая экзогенность: Независимые переменные не коррелируют со случайной ошибкой.
3. Отсутствие мультиколлинеарности: Между независимыми переменными отсутствует сильная линейная зависимость.
4. Гомоскедастичность: Дисперсия случайной ошибки постоянна.
5. Отсутствие автокорреляции: Ошибки не коррелируют между собой.
6. Нормальность распределения ошибок: Ошибки распределены нормально (важно для проверки гипотез на малых выборках).

Коэффициент детерминации (R²) и скорректированный коэффициент детерминации используются для оценки качества подгонки модели. R² показывает, какую долю общей вариации зависимой переменной объясняют независимые переменные. Скорректированный R² учитывает количество независимых переменных и размер выборки, что делает его более надежным для сравнения моделей с разным числом предикторов.

Проблемы эконометрического моделирования: мультиколлинеарность и гетероскедастичность

В реальных эконометрических исследованиях часто возникают проблемы, нарушающие предпосылки КЛРМ, что может привести к ненадежным оценкам и некорректным выводам.

Мультиколлинеарность — это наличие зависимости (высокой корреляции) между объясняющими переменными в модели регрессии. Это не является нарушением математической корректности, но может привести к:

• Большим стандартным ошибкам оценок МНК-коэффициентов: Это означает, что оценки становятся менее точными и менее надежными.
• Нестабильности оценок: Незначительные изменения в данных могут привести к существенным изменениям в значениях коэффициентов.
• Сложности в интерпретации: Трудно определить индивидуальное влияние каждой независимой переменной.

Методы обнаружения мультиколлинеарности включают анализ корреляционной матрицы между объясняющими переменными, расчет факторов инфляции дисперсии (VIF) и числа обусловленности. Способы борьбы с ней могут включать исключение одной из сильно коррелированных переменных, сбор дополнительных данных, преобразование переменных или применение специализированных методов (например, гребневая регрессия).

Гетероскедастичность — это непостоянство дисперсии случайной ошибки (ε_i). То есть, дисперсия ошибок меняется для разных наблюдений. Это нарушает одну из ключевых предпосылок классической линейной модели регрессии.

Последствия гетероскедастичности:

• Неэффективность оценок: МНК-оценки остаются несмещенными и состоятельными, но перестают быть эффективными (т.е., имеют наименьшую дисперсию среди линейных несмещенных оценок).
• Некорректная оценка стандартных ошибок: Это приводит к неправильным выводам при проверке статистических гипотез и построении доверительных интервалов.

Методы обнаружения гетероскедастичности включают:

• Графический анализ остатков: Построение графика остатков в зависимости от предсказанных значений или независимых переменных. Если остатки имеют вид «воронки» или других систематических паттернов, это указывает на гетероскедастичность.
• Статистические тесты: Тест Уайта, тест Бройша-Пагана-Годфри, тест Глейзера и другие.

Для устранения гетероскедастичности применяются методы взвешенных наименьших квадратов (ВНК) или использование робастных стандартных ошибок, которые корректируют стандартные ошибки, не изменяя сами оценки коэффициентов.

Помимо этого, в эконометрике рассматриваются модели с разнотипными переменными, включая фиктивные переменные (например, для кодирования региональных особенностей или вступления в ЕС), а также методы максимального правдоподобия, используемые для оценки нелинейных моделей или моделей с особыми свойствами ошибок.

Влияние интеграционных процессов на рынок недвижимости

Вступление Хорватии в Европейский Союз, последующее присоединение к Шенгенской зоне и переход на евро представляют собой фундаментальные трансформации, которые оказали и продолжают оказывать многогранное влияние на экономику страны, включая рынок недвижимости.

Вступление в ЕС и еврозону: отложенные и прямые эффекты

Хорватия вступила в ЕС 1 июля 2013 года, а с 1 января 2023 года присоединилась к Шенгенской зоне и еврозоне, став 20-й страной, перешедшей на единую европейскую валюту. Эти интеграционные процессы вызвали ожидания как немедленных, так и долгосрочных изменений на рынке недвижимости.

Опыт Хорватии показывает, что вступление в ЕС не привело к немедленному резкому росту цен на недвижимость. Анализ стабильности цен в столице Загребе показал минимальное снижение на 0,02% в мае 2013 года, при средней цене 1,64 тыс. евро за кв. метр. Это объясняется тем, что перед вступлением в ЕС Хорватия переживала глубокую рецессию с 2009 по 2014 год, в течение которой реальный ВВП снизился на 12,6%. Рынок недвижимости больше зависит от общего состояния национальной экономики, чем от формального акта присоединения.

Однако в долгосрочной перспективе эффекты оказались более ощутимыми. Исследования показывают, что присоединение к Союзу может постоянно увеличивать цены на недвижимость в Хорватии на 3,9 процентного пункта. Это объясняется улучшением инвестиционного климата, повышением юридической стабильности, упрощением трансграничных сделок и общим ростом доверия к экономике страны.

Переход на евро с 2023 года также имеет свои особенности:

• Снижение валютных рисков: Для иностранных инвесторов из еврозоны исчезла необходимость конвертации валюты и связанные с этим риски, что повышает привлекательность хорватской недвижимости.
• Прозрачность цен: Цены на недвижимость теперь напрямую сопоставимы с ценами в других странах еврозоны, что способствует рационализации рынка.
• Доступ к более дешевым кредитам: Теоретически, вступление в еврозону может обеспечить доступ к более низким процентным ставкам, характерным для стран ЕС, что удешевляет ипотеку и стимулирует спрос.

Таким образом, хотя немедленного «ценового шока» от вступления в ЕС не произошло, интеграционные процессы создали фундамент для долгосрочного роста инвестиционной привлекательности и стабильности рынка недвижимости.

Рост внутреннего спроса и строительная активность

Помимо внешних факторов, рынок недвижимости Хорватии активно поддерживается внутренним спросом и строительной активностью. Прогнозируется, что именно рост внутреннего спроса станет значительным стимулом для дальнейшего повышения цен.

Внутренний спрос на жилую недвижимость формируется в основном местным населением, приобретающим объекты для постоянного проживания. В 2015 году, после выхода из рецессии, наблюдался рост личного потребления на 1,2%, что внесло 0,7 процентных пункта в прирост ВВП, при этом потребление домохозяйств увеличилось благодаря росту зарплаты и возросшей склонности к расходованию средств. Этот тренд продолжился и в последующие годы, поддерживая стабильный спрос на жилье.

Строительная отрасль также демонстрирует позитивные тенденции, что, с одной стороны, может сдерживать резкий рост цен за квадратный метр за счет увеличения предложения, а с другой – является индикатором общей экономической активности и уверенности инвесторов.

• Разрешения на строительство: В 2022 году в Хорватии было выдано 11 165 разрешений на строительство, что на 5,8% больше, чем годом ранее. Общая предусмотренная стоимость работ составила 43,2 млрд долларов, превысив показатели 2021 года на 35,4%.
• Завершенные жилые дома: В 2021 году общее количество завершенных жилых домов выросло на 4,7% до 12 514 единиц, а число разрешений на жилье увеличилось на 18,3% до 16 654 единиц.
• ВВП от строительства: Во втором квартале 2025 года ВВП от строительства в Хорватии достиг 1018 млн евро, увеличившись с 999 млн евро в первом квартале 2025 года.

Эти данные свидетельствуют о стабильном развитии строительного сектора, который, с одной стороны, наращивает объемы предложения, что теоретически должно стабилизировать цены, а с другой стороны, сам по себе является значимым двигателем экономики, создающим рабочие места и стимулирующим спрос на строительные материалы. Баланс между растущим спросом (как внутренним, так и внешним) и способностью строительной отрасли удовлетворить его определяет дальнейшую ценовую динамику на рынке недвижимости Хорватии.

Построение и верификация прогностической эконометрической модели

Заключительный, но самый важный этап нашего исследования — это практическое применение эконометрических методов для создания модели и оценки ее надежности. Этот процесс включает в себя выбор и сбор данных, построение модели, интерпретацию результатов и оценку ее прогностических возможностей.

Выбор переменных и сбор данных

Для построения надежной эконометрической модели рынка недвижимости Хорватии необходимо тщательно подойти к выбору зависимых и независимых переменных, а также к поиску достоверных источников данных.

Зависимая переменная:

• Средняя цена на жилую недвижимость за кв.м: Наиболее очевидный и прямой показатель. Данные доступны от Государственного бюро статистики Хорватии (DZS) и Хорватского национального банка (HNB), которые ежеквартально публикуют индексы цен на жилые объекты (HPI). Также можно использовать данные агрегаторов недвижимости, таких как Nekretnine.hr, для получения ежемесячных запрашиваемых цен (например, 3 715 €/м² в сентябре 2025 г.). Важно учитывать, что данные могут быть представлены как в абсолютных значениях, так и в виде индексов, и выбор должен быть обоснован целью моделирования. Для учета региональных особенностей целесообразно использовать данные по средней цене в разрезе регионов (например, Далмация, Истрия, Славония).

Независимые (объясняющие) переменные:

1. Макроэкономические индикаторы:
   • ВВП Хорватии (в реальном выражении или на душу населения): Отражает общее экономическое развитие и доходы населения. Источники: Всемирный банк, DZS.
   • Уровень инфляции (ГИПЦ): Влияет на покупательную способность и инвестиционные настроения. Источники: Евростат, HNB, Trading Economics.
   • Процентные ставки по ипотечным кредитам / Ставка банковского кредитования: Определяют доступность кредитов. Источники: HNB, МВФ, Trading Economics.
   • Уровень безработицы: Показатель благосостояния населения и уверенности в завтрашнем дне. Источники: DZS, Trading Economics.
2. Специфические факторы:
   • Количество туристических ночевок / Приток туристов: Для оценки влияния туризма, особенно в прибрежных регионах. Источники: DZS (система eVisitor).
   • Региональные фиктивные переменные: Для учета различий между регионами (например, Далмация vs. Славония). Например, D_Dalmation = 1, если регион Далмация, иначе 0.
   • Объем строительных работ / Количество разрешений на строительство: Отражает предложение на рынке. Источники: DZS, Trading Economics.
3. Интеграционные факторы (фиктивные переменные):
   • Вступление в ЕС: D_EU = 1 с 1 июля 2013 года, иначе 0.
   • Присоединение к Шенгенской зоне и еврозоне: D_Eurozone = 1 с 1 января 2023 года, иначе 0.

Доступные источники данных:

• Государственное бюро статистики Хорватии (Državni zavod za statistiku – DZS): Основной источник по ценам на недвижимость (HPI), туризму, строительству, занятости.
• Хорватский национальный банк (Hrvatska narodna banka – HNB): Данные по процентным ставкам, индексам цен.
• Евростат (Eurostat): Гармонизированный индекс потребительских цен (ГИПЦ), общие макроэкономические показатели для стран ЕС.
• Всемирный банк, МВФ: Макроэкономические показатели (ВВП, инфляция, безработица).
• Trading Economics: Агрегированные данные по многим экономическим индикаторам Хорватии.

Данные должны быть собраны за достаточно длительный период, чтобы обеспечить статистическую значимость, предпочтительно на ежеквартальной или ежемесячной основе, чтобы уловить динамику и сезонность.

Построение регрессионных моделей

После сбора и первичной обработки данных можно приступать к построению эконометрической модели. Наиболее подходящим методом для начала будет многофакторная линейная регрессия, которая позволит оценить влияние нескольких независимых переменных на цены недвижимости.

Предположим, мы хотим построить модель, объясняющую динамику средней цены на жилую недвижимость (ЦЕНА_t) в Хорватии. В качестве независимых переменных возьмем ВВП (ВВП_t), инфляцию (ИНФЛ_t), процентную ставку (ПРОЦЕНТ_t), уровень безработицы (БЕЗРАБ_t), количество туристических ночевок (ТУРИЗМ_t), а также фиктивные переменные для региональных особенностей (например, D_ДАЛМАЦИЯ) и интеграционных процессов (например, D_ЕВРОЗОНА).

Формула модели может выглядеть так:

ЦЕНАt = β0 + β1ВВПt + β2ИНФЛt + β3ПРОЦЕНТt + β4БЕЗРАБt + β5ТУРИЗМt + β6D_ДАЛМАЦИЯ + β7D_ЕВРОЗОНА + εt

Поэтапное применение метода наименьших квадратов (МНК):

1. Оценка коэффициентов: С использованием статистического программного обеспечения (например, R, Python, Stata, EViews) мы получим оценки коэффициентов β₀, β₁, …, β₇. Эти коэффициенты покажут, на сколько изменится средняя цена недвижимости при изменении соответствующей независимой переменной на единицу, при прочих равных условиях.
   • Например, если β₁ = 0.5, это может означать, что при увеличении ВВП на 1 млрд € цена недвижимости увеличивается на 0.5 €/м².
   • Если β₇ для D_ЕВРОЗОНА = 100, это может указывать на среднее увеличение цены на 100 €/м² после вступления в еврозону, при прочих равных условиях.
2. Расчет стандартных ошибок: Для каждого коэффициента будут рассчитаны стандартные ошибки, которые используются для проверки статистической значимости.
3. Расчет t-статистик и p-значений: Позволяет определить, являются ли коэффициенты статистически значимыми (т.е. отличается ли их значение от нуля). Общепринятым порогом значимости является p-значение < 0.05.
4. Коэффициент детерминации (R²) и скорректированный R²: Оценка объясняющей способности модели. Чем ближе R² к 1, тем большая доля вариации цен на недвижимость объясняется включенными в модель факторами.

Пример (гипотетический расчет):
Предположим, у нас есть данные за N кварталов (t = 1, …, N). Мы оцениваем модель:

ЦЕНАt = β0 + β1ВВПt + β2ИНФЛt + εt

где ЦЕНА_t — средняя цена за м² в квартале t, ВВП_t — реальный ВВП в квартале t, ИНФЛ_t — инфляция в квартале t.

Мы имеем набор данных:

Квартал (t)	ЦЕНАt (€/м²)	ВВПt (млрд €)	ИНФЛt (%)
…	…	…	…
Q1 2025	3500	23.0	4.5
Q2 2025	3600	23.5	4.2

С помощью МНК мы находим такие значения β₀, β₁, β₂, которые минимизируют сумму квадратов остатков Σ (ЦЕНА_t — ЦЕНА̂_t)².

Предположим, после оценки мы получили:
ЦЕНА̂t = 1000 + 100 ⋅ ВВПt - 50 ⋅ ИНФЛt

Это означает, что при росте ВВП на 1 млрд € цены увеличиваются на 100 €/м², а при росте инфляции на 1% цены снижаются на 50 €/м² (гипотетически).

Интерпретация результатов и проверка гипотез

После получения оценок коэффициентов критически важна их правильная интерпретация и проверка на соответствие предпосылкам КЛРМ.

• Интерпретация коэффициентов:
  • Положительный и статистически значимый коэффициент при ВВП (β₁) указывает на то, что экономический рост стимулирует рост цен на недвижимость.
  • Отрицательный и статистически значимый коэффициент при процентных ставках (β₃) подтверждает, что удорожание кредитов снижает спрос и, следовательно, цены.
  • Положительный коэффициент при туризме (β₅) будет указывать на прямое влияние туристического потока на цены, особенно в прибрежны�� районах.
  • Фиктивные переменные, такие как D_ДАЛМАЦИЯ или D_ЕВРОЗОНА, покажут среднее изменение цен в этом регионе или после интеграционного события, относительно базовой категории.
• Проверка предпосылок:
  • Мультиколлинеарность: Рассчитываются факторы инфляции дисперсии (VIF). Если VIF > 5-10, это указывает на серьезную мультиколлинеарность. В этом случае может потребоваться исключение одной из сильно коррелирующих переменных или использование других методов. Например, если ВВП и доходы населения сильно коррелируют, можно оставить только одну из них.
  • Гетероскедастичность: Проводится тест Уайта или Бройша-Пагана-Годфри. Если обнаружена гетероскедастичность, необходимо использовать робастные стандартные ошибки для корректной проверки гипотез, либо метод взвешенных наименьших квадратов.
  • Автокорреляция: Для временных рядов проводится тест Дарбина-Уотсона. Если присутствует автокорреляция, могут быть применены методы типа Кокрейна-Оркатта или модели ARIMA для коррекции.

Только после подтверждения валидности предпосылок и статистической значимости коэффициентов, можно считать модель надежной.

Ограничения модели и возможности прогнозирования

Любая эконометрическая модель имеет свои ограничения, и прогностическая модель рынка недвижимости Хорватии не исключение:

1. Предпосылки: Нарушение одной или нескольких предпосылок КЛРМ может привести к ненадежным прогнозам.
2. Неучтенные факторы: Модель не может учесть все возможные факторы (например, геополитические события, стихийные бедствия, внезапные изменения в законодательстве), которые могут повлиять на рынок.
3. Изменчивость структурных отношений: Экономические отношения могут меняться со временем, делая прошлые модели менее актуальными для будущего.
4. Качество данных: Точность прогнозов напрямую зависит от качества и доступности исходных статистических данных.

Несмотря на эти ограничения, построенная эконометрическая модель может быть полезна для краткосрочных и среднесрочных прогнозов. Для этого необходимо спрогнозировать значения независимых переменных (ВВП, инфляция и т.д.) на будущие периоды, а затем подставить их в оцененную модель.

Пример прогноза:
Если наша модель: ЦЕНА̂t = 1000 + 100 ⋅ ВВПt - 50 ⋅ ИНФЛt
И мы прогнозируем, что в Q3 2025 ВВП составит 23.8 млрд €, а инфляция 4.0%:
ЦЕНА̂Q3 2025 = 1000 + 100 ⋅ 23.8 - 50 ⋅ 4.0 = 1000 + 2380 - 200 = 3180 €/м².

Важно помнить, что прогноз всегда сопряжен с неопределенностью, и необходимо указывать доверительные интервалы для прогнозируемых значений, отражающие эту неопределенность. Для долгосрочных прогнозов эконометрические модели становятся менее надежными из-за возрастающей неопределенности в отношении будущих значений независимых переменных и потенциального изменения структурных связей.

Выводы и рекомендации

Проведенное эконометрическое исследование рынка недвижимости Хорватии позволило выявить ключевые драйверы и оценить их влияние на динамику цен, а также проанализировать последствия интеграционных процессов.

Основные выводы:

1. Динамичный рост цен: Рынок недвижимости Хорватии демонстрирует устойчивый и быстрый рост цен, особенно в 2024-2025 годах, с рекордными показателями HPI в ЕС. Средняя цена в сентябре 2025 года достигла 3 715 €/м², что на 9,85% выше, чем годом ранее.
2. Региональные диспропорции: Цены значительно разнятся по регионам, с лидирующей Далмацией (3 844 €/м²) и отстающей Славонией (1 564 €/м²), что подчеркивает влияние туристической привлекательности и экономического развития.
3. Макроэкономические драйверы:
   • ВВП: Рост ВВП Хорватии (92,53 млрд долларов США в 2024 г.) является одним из основных стимулов для роста цен, так как он коррелирует с увеличением доходов и инвестиционной активности.
   • Инфляция: Умеренная инфляция (4,20% в сентябре 2025 г.) может подталкивать инвестиции в недвижимость как средство сохранения капитала, однако высокая инфляция в прошлом (13,50% в ноябре 2022 г.) могла негативно влиять на покупательную способность.
   • Процентные ставки: Снижение ставок банковского кредитования (до 4,39% в августе 2025 г.) делает ипотеку более доступной, стимулируя спрос.
   • Безработица: Низкий уровень безработицы (4,0% в июле 2025 г.) способствует уверенности потребителей и поддержанию спроса.
4. Ключевая роль туризма: Туризм, составляющий 20-25% ВВП, является мощнейшим драйвером рынка недвижимости, особенно в прибрежных регионах. Приток более 9 миллионов туристов и 47,49 млн ночевок (январь-август 2025 г.) напрямую увеличивает спрос на жилье как для аренды, так и для покупки.
5. Влияние интеграционных процессов:
   • Вступление в ЕС (2013 г.): Не вызвало немедленного роста цен из-за рецессии, но создало долгосрочный потенциал для роста за счет улучшения инвестиционного климата.
   • Вступление в Шенгенскую зону и еврозону (2023 г.): Устранило валютные риски, повысило прозрачность цен и потенциально улучшило доступ к более дешевым кредитам, что положительно сказалось на инвестиционной привлекательности.
6. Строительная активность: Позитивные тенденции в строительной отрасли (рост числа разрешений на строительство и ВВП от строительства в 2025 г.) увеличивают предложение, но пока не компенсируют растущий спрос, что поддерживает ценовой рост.
7. Эконометрическая методология: Многофакторный регрессионный анализ с учетом макроэкономических, региональных и институциональных факторов является подходящим инструментом для моделирования. Однако необходимо тщательно проверять предпосылки модели, такие как отсутствие мультиколлинеарности и гетероскедастичности, для обеспечения валидности и надежности оценок и прогнозов.

Рекомендации:

1. Для регуляторов: Продолжать мониторинг макроэкономических показателей и туристического потока. Рассмотреть меры по стимулированию жилищного строительства в регионах с высоким спросом для увеличения предложения и сдерживания чрезмерного роста цен. Возможно, дифференцированный подход к регулированию рынка в туристических и нетуристических регионах.
2. Для инвесторов: Учитывать региональные особенности и туристический потенциал при принятии инвестиционных решений. Прибрежные регионы, вероятно, будут продолжать демонстрировать более высокую доходность. Оценивать влияние процентных ставок и инфляции на окупаемость инвестиций.
3. Для дальнейших исследований:
   • Построить и верифицировать конкретные эконометрические модели (например, VAR-модели, модели с панельными данными) с использованием детализированных данных по регионам и типам недвижимости.
   • Провести углубленный анализ влияния различных типов туристов (владельцы жилья, кратковременные посетители) на рынок.
   • Исследовать долгосрочные эффекты изменения климата на прибрежную недвижимость.
   • Разработать сценарные прогнозы цен на недвижимость с учетом различных макроэкономических траекторий и изменений в политике.
   • Применить модели машинного обучения для улучшения прогностических способностей, особенно для краткосрочных прогнозов.

Эконометрический анализ является мощным инструментом для понимания сложной динамики рынка недвижимости Хорватии. Продолжение исследований в этом направлении позволит лучше прогнозировать изменения и принимать более обоснованные решения в интересах всех участников рынка.

Список использованной литературы

1. Артамонов, Н. В. Введение в эконометрику. М.: МЦНМО, 2011. 204 с.
2. Всемирный банк. URL: https://data.worldbank.org/indicator/NY.GDP.MKTP.CD?locations=HR (дата обращения: 25.10.2025).
3. Грин, У. Г. Эконометрический анализ. Книга 1. М.: Издательский дом «Дело» РАНХиГС. URL: https://delo.ranepa.ru/common/upload/2018/11/green_econometrics_analiz_t1.pdf (дата обращения: 25.10.2025).
4. Državni zavod za statistiku. Indeksi cijena stambenih objekata. URL: https://dzs.gov.hr/hr/statistika-u-nizu/indeksi-cijena-stambenih-objekata-171/ (дата обращения: 25.10.2025).
5. Državni zavod za statistiku. Dolasci i noćenja turista. URL: https://dzs.gov.hr/hr/statistika-u-nizu/dolasci-i-nocenja-turista-169/ (дата обращения: 25.10.2025).
6. Državni zavod za statistiku. Turizam. URL: https://dzs.gov.hr/en/statistics/tourism/ (дата обращения: 25.10.2025).
7. Европейская экономическая комиссия ООН. Уровень безработицы. URL: https://w3.unece.org/PXWeb2015/pxweb/ru/STAT/STAT__20-GE__02-Labour/010_en_LB_UnempRate_r.px/ (дата обращения: 25.10.2025).
8. Исмагилов, И. И., Кадочникова, Е. И., Костромин, А. В. Эконометрика. Электронный архив КФУ. URL: https://kpfu.ru/docs/F811979435/Econometrics_KFU.pdf (дата обращения: 25.10.2025).
9. Integra-Dom. Рост цен на жильё в Хорватии: анализ динамики и особенности. URL: https://integra-dom.com/ru/rost-tsen-na-zhilyo-v-horvatii-analiz-dinamiki-i-osobennosti (дата обращения: 25.10.2025).
10. Международный Университет Кыргызстана. Учебно-методический комплекс дисциплины «Эконометрика (продвинутый уровень). URL: http://www.iuk.kg/wp-content/uploads/2018/09/%D0%AD%D0%BA%D0%BE%D0%BD%D0%BE%D0%BC%D0%B5%D1%82%D1%80%D0%B8%D0%BA%D0%B0-%D0%BF%D1%80%D0%BE%D0%B4%D0%B2%D0%B8%D0%BD%D1%83%D1%82%D1%8B%D0%B9-%D1%83%D1%80%D0%BE%D0%B2%D0%B5%D0%BD%D1%8C.pdf (дата обращения: 25.10.2025).
11. МГИМО. Эконометрика. URL: https://mgimo.ru/upload/iblock/c38/ekonometrika.pdf (дата обращения: 25.10.2025).
12. Nekretnine.hr. Недвижимость в Хорватия в 2025. URL: https://www.nekretnine.hr/hrvatska/cijene-nekretnina/ (дата обращения: 25.10.2025).
13. Посольство Республики Беларусь в Венгрии. Республика Хорватия. URL: https://hungary.mfa.gov.by/ru/bilateral_relations/croatia_economy/ (дата обращения: 25.10.2025).
14. Радионова, М. В., Фролова, Н. В. Эконометрика: учеб.-метод. пособие. Высшая школа экономики. URL: https://elib.pstu.ru/files/pdf/%D0%AD%D0%9A%D0%9E%D0%9D%D0%9E%D0%9C%D0%95%D0%A2%D0%A0%D0%98%D0%9A%D0%90.pdf (дата обращения: 25.10.2025).
15. Trading Economics. Индекс инфляции Хорватии. URL: https://ru.tradingeconomics.com/croatia/inflation-cpi (дата обращения: 25.10.2025).
16. Trading Economics. Уровень безработицы в Хорватии. URL: https://ru.tradingeconomics.com/croatia/unemployment-rate (дата обращения: 25.10.2025).
17. Trgovinska-palata.mk. Недвижимость в Хорватии после вступления Хорватии в Европейский Союз. URL: https://trgovinska-palata.mk/ru/news/nekretniny-v-khorvatii-posle-vstupleniya-khorvatii-v-evropejskij-soyuz (дата обращения: 25.10.2025).
18. Hrvatska narodna banka. Price indices. URL: https://www.hnb.hr/en/statistics/statistical-data/11-prices/j1-price-indices (дата обращения: 25.10.2025).
19. Hrvatska narodna banka. Interest rates. URL: https://www.hnb.hr/en/statistics/statistical-data/12-money-and-credit/j1-interest-rates (дата обращения: 25.10.2025).
20. IMF. Dissemination Standards Bulletin Board. Croatia — Interest rates. URL: https://dsbb.imf.org/sdds/dqaf-view/q/HR/interest_rates (дата обращения: 25.10.2025).
21. ECB Data Portal. HICP — Overall index», Croatia, Monthly. URL: https://data.ecb.europa.eu/data/datasets/ICP/ICP.M.HR.N.000000.4.INX (дата обращения: 25.10.2025).
22. FRED, Federal Reserve Bank of St. Louis. Harmonized Index of Consumer Prices: Accommodation Services for Croatia. URL: https://fred.stlouisfed.org/series/CP1120HRM086NEST (дата обращения: 25.10.2025).