<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="https://iereview.ru/lib/pkp/xml/oai2.xsl" ?>
<OAI-PMH xmlns="http://www.openarchives.org/OAI/2.0/"
	xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
	xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/
		http://www.openarchives.org/OAI/2.0/OAI-PMH.xsd">
	<responseDate>2026-08-23T22:56:19Z</responseDate>
	<request identifier="oai:ojs2.iereview.ru:article/201" metadataPrefix="jats" verb="GetRecord">https://iereview.ru/index.php/IE/oai</request>
	<GetRecord>
		<record>
			<header>
				<identifier>oai:ojs2.iereview.ru:article/201</identifier>
				<datestamp>2026-03-01T16:47:52Z</datestamp>
				<setSpec>IE:DEAM</setSpec>
			</header>
			<metadata>
<article xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="" dtd-version="1.4" xsi:noNamespaceSchemaLocation="https://jats.nlm.nih.gov/archiving/1.4/xsd/JATS-archivearticle1.xsd" xml:lang="ru">
			<front>
			<journal-meta>
				<journal-id journal-id-type="publisher">IE</journal-id><journal-id journal-id-type="ojs">IE</journal-id>
				<journal-title-group>
			<journal-title xml:lang="ru">СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ</journal-title><trans-title-group xml:lang="en"><trans-title>STROITEL'NYE I DOROZHNYE MASHINY</trans-title></trans-title-group>
</journal-title-group>			<issn pub-type="ppub">0039-2391</issn>			<publisher><publisher-name>ИП Подколзин М.М.</publisher-name></publisher>
			<self-uri xlink:href="https://iereview.ru/index.php/IE"/>
		</journal-meta>
		<article-meta>
			<article-id pub-id-type="publisher-id">201</article-id>
			<article-categories><subj-group subj-group-type="heading" xml:lang="en"><subject>DESIGN AND MODELING</subject></subj-group><subj-group subj-group-type="heading" xml:lang="ru"><subject>ПРОЕКТИРОВАНИЕ И МОДЕЛИРОВАНИЕ</subject></subj-group></article-categories>
			<title-group><article-title xml:lang="ru">Модели прогнозирования спроса на жилье и коммерческие площади с учетом демографических трендов миграции и доступности ипотечного кредитования</article-title><trans-title-group xml:lang="en"><trans-title>Forecasting models of housing and commercial space demand considering demographic migration trends and mortgage lending availability</trans-title></trans-title-group></title-group>
			<contrib-group content-type="author">
				<contrib contrib-type="author">
					<name-alternatives>
						<name name-style="western" specific-use="primary" xml:lang="ru">
							<surname>Сидоров</surname>
							<given-names>Тихон Андреевич</given-names>
						</name>
						<name name-style="western" xml:lang="en">
							<surname>Sidorov</surname>
							<given-names>Tikhon A.</given-names>
						</name>
					</name-alternatives>
					<xref ref-type="aff" rid="aff-1"/>
					<email>TihSid@yandex.ru</email>
				</contrib>
				<contrib contrib-type="author">
					<name-alternatives>
						<name name-style="western" specific-use="primary" xml:lang="ru">
							<surname>Грудин</surname>
							<given-names>Александр Дмитриевич</given-names>
						</name>
						<name name-style="western" xml:lang="en">
							<surname>Grudin</surname>
							<given-names>Aleksandr D.</given-names>
						</name>
					</name-alternatives>
					<xref ref-type="aff" rid="aff-1"/>
					<email>grudindmitr@gmail.com</email>
				</contrib>
				<contrib contrib-type="author">
					<name-alternatives>
						<name name-style="western" specific-use="primary" xml:lang="ru">
							<surname>Мизёв</surname>
							<given-names>Филипп Андреевич</given-names>
						</name>
						<name name-style="western" xml:lang="en">
							<surname>Mizev</surname>
							<given-names>Filipp A.</given-names>
						</name>
					</name-alternatives>
					<xref ref-type="aff" rid="aff-1"/>
					<email>mizev-fa@mail.ru</email>
				</contrib>
				<contrib contrib-type="author">
					<name-alternatives>
						<name name-style="western" specific-use="primary" xml:lang="ru">
							<surname>Пенягин</surname>
							<given-names>Максим Алексеевич</given-names>
						</name>
						<name name-style="western" xml:lang="en">
							<surname>Peniagin</surname>
							<given-names>Maksim A.</given-names>
						</name>
					</name-alternatives>
					<xref ref-type="aff" rid="aff-1"/>
					<email>maks5518@yandex.ru</email>
				</contrib>
				<contrib contrib-type="author">
					<name-alternatives>
						<name name-style="western" specific-use="primary" xml:lang="ru">
							<surname>Красников</surname>
							<given-names>Максим Павлович</given-names>
						</name>
						<name name-style="western" xml:lang="en">
							<surname>Krasnikov</surname>
							<given-names>Maksim P.</given-names>
						</name>
					</name-alternatives>
					<xref ref-type="aff" rid="aff-1"/>
					<email>maximkrasnikov171204@gmail.com</email>
				</contrib>
			</contrib-group>
			<aff-alternatives id="aff-1">
				<aff xml:lang="ru"><institution content-type="orgname">Национальный исследовательский Московский государственный строительный университет, 129337, Россия, г. Москва, Ярославское шоссе, д. 26</institution></aff>
				<aff xml:lang="en"><institution content-type="orgname">National Research Moscow State University of Civil Engineering, 26 Yaroslavskoye Shosse, Moscow, 129337, Russia</institution></aff>
			</aff-alternatives>
			<pub-date date-type="collection"><year>2025</year></pub-date><pub-date date-type="pub" publication-format="epub">
				<day>30</day>
				<month>10</month>
				<year>2025</year>
			</pub-date>
			<volume seq="11">69</volume>
			<issue>10</issue>
				<issue-id>19</issue-id><issue-title xml:lang="ru">Строительные и дорожные машины</issue-title><issue-title xml:lang="en">Stroitel'nye i dorozhnye mashiny</issue-title><fpage>120</fpage>
				<lpage>131</lpage>
			<permissions>
				<copyright-statement xml:lang="ru">© 2025 СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ. Все права защищены.</copyright-statement>
				<copyright-statement xml:lang="en">© 2025 STROITEL'NYE I DOROZHNYE MASHINY. All rights reserved.</copyright-statement>
				<copyright-year>2025</copyright-year>
				<copyright-holder xml:lang="ru">СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ</copyright-holder>
				<copyright-holder xml:lang="en">STROITEL'NYE I DOROZHNYE MASHINY</copyright-holder>
				<license license-type="open-access" specific-use="metadata" xlink:href="https://creativecommons.org/publicdomain/zero/1.0/" xml:lang="ru">
					<license-p>Метаданные настоящей записи распространяются на условиях Creative Commons CC0 1.0 (передача в общественное достояние).</license-p>
				</license>
				<license license-type="open-access" specific-use="metadata" xlink:href="https://creativecommons.org/publicdomain/zero/1.0/" xml:lang="en">
					<license-p>The metadata of this record are distributed under the Creative Commons CC0 1.0 Universal Public Domain Dedication.</license-p>
				</license>
			</permissions>
			
			<self-uri xlink:href="https://iereview.ru/index.php/IE/article/view/201"/>
			
			
			
			<abstract xml:lang="ru"><p>В исследовании рассматриваются подходы к повышению точности прогноза спроса на объекты жилой и коммерческой недвижимости в крупнейших городских агломерациях России в условиях усиливающихся демографических сдвигов и изменчивых условий ипотечного кредитования. Цель работы состоит в разработке и эмпирической проверке комплексной прогностической модели, позволяющей количественно оценивать влияние миграции, доходов населения и параметров ипотечного рынка на динамику спроса и цен на недвижимость. Эмпирическая база формируется на поквартальных рядах за период с 2008 по 2023 годы по пятнадцати крупнейшим агломерациям, включающих демографические, макроэкономические и рыночные показатели. Используются данные Росстата, Банка России, профильных ведомств и аналитических агентств, приведенные к сопоставимым ценам базового периода. Методология опирается на сочетание корреляционно регрессионного анализа, авторегрессионных и векторных авторегрессионных моделей с алгоритмом градиентного бустинга, реализованным в программной среде Python с применением процедур перекрестной проверки на временных рядах. Проведен анализ парных корреляций, подтверждающий устойчивую положительную связь индекса цен на жилье с сальдо миграции и отрицательную зависимость от средней ипотечной ставки при умеренном влиянии реальных доходов и объемов ввода. Сравнительная валидация показывает, что гибридная модель на основе градиентного бустинга снижает среднюю абсолютную и среднеквадратичную ошибки прогнозирования по сравнению с множественной регрессией и моделью авторегрессии более чем в два раза и обеспечивает коэффициент детерминации на уровне около девяносто пяти процентов на отложенной выборке. На основе построенной модели оценивается эластичность спроса по ключевым факторам, демонстрирующая высокую чувствительность к ипотечной ставке и более инерционный характер реакции на миграционные потоки и изменение доходов. Дополнительно выполнен трехлетний сценарный прогноз по жилому, офисному, торговому и складскому сегментам, позволяющий выявить различия в чувствительности к сочетанию миграционных и кредитных условий. Сделан вывод о доминирующей роли доступности ипотеки как краткосрочного модулятора реализации демографически обусловленного спроса, а также о высокой прикладной значимости разработанной модели для стратегического планирования девелоперов, кредитных организаций и органов государственной власти при переходе к проактивному управлению развитием территорий и инфраструктуры. Полученные результаты подтверждают высокую робастность предложенного подхода в различных фазах цикла.</p></abstract><trans-abstract xml:lang="en"><p>The study examines approaches to improving the accuracy of demand forecasting for residential and commercial real estate in the largest urban agglomerations of Russia under conditions of intensifying demographic shifts and volatile mortgage lending. The purpose of the study is to develop and empirically test an integrated forecasting model that allows for a quantitative assessment of the impact of migration, household income, and mortgage market parameters on the dynamics of demand and real estate prices. The empirical base is formed from quarterly data series for the period from 2008 to 2023 across fifteen major agglomerations and includes demographic, macroeconomic, and market indicators. Data from Rosstat, the Bank of Russia, relevant ministries, and analytical agencies are used and converted to comparable prices of the base period. The methodology combines correlation and regression analysis, autoregressive and vector autoregressive models with a gradient boosting algorithm implemented in the Python environment using cross-validation procedures on time series. An analysis of pairwise correlations confirms a stable positive relationship between the housing price index and migration balance, as well as a negative dependence on the average mortgage rate, with a moderate influence of real income and construction volumes. Comparative validation shows that the hybrid model based on gradient boosting reduces the mean absolute and root mean square forecasting errors by more than half compared with multiple regression and autoregressive models and provides a determination coefficient of about ninety-five percent on the validation sample. Based on the developed model, demand elasticity with respect to key factors is assessed, showing high sensitivity to the mortgage rate and a more inertial response to migration flows and income changes. Additionally, a three-year scenario forecast for the residential, office, retail, and warehouse segments is conducted, revealing differences in sensitivity to the combination of migration and credit conditions. The study concludes that mortgage affordability plays a dominant role as a short term modulator of demographically driven demand realization, as well as highlights the high practical significance of the developed model for strategic planning by developers, financial institutions, and government authorities in the transition to proactive management of territorial and infrastructure development. The results confirm the high robustness of the proposed approach across different phases of the cycle.</p></trans-abstract><kwd-group xml:lang="en"><title>Keywords</title><kwd>real estate market</kwd><kwd>demand forecasting</kwd><kwd>migration processes</kwd><kwd>mortgage lending</kwd><kwd>machine learning methods</kwd></kwd-group><kwd-group xml:lang="ru"><title>Ключевые слова</title><kwd>рынок недвижимости</kwd><kwd>прогнозирование спроса</kwd><kwd>миграционные процессы</kwd><kwd>ипотечное кредитование</kwd><kwd>методы машинного обучения</kwd></kwd-group><funding-group>
				<funding-statement xml:lang="ru">Исследование выполнено без внешнего финансирования.</funding-statement>
				<funding-statement xml:lang="en">The study was conducted without external funding.</funding-statement>
			</funding-group>
			<counts><page-count count="12"/></counts>
			<custom-meta-group>
				<custom-meta>
					<meta-name>metadata-license</meta-name>
					<meta-value><ext-link ext-link-type="uri" xlink:href="https://creativecommons.org/publicdomain/zero/1.0/">CC0 1.0</ext-link></meta-value>
				</custom-meta>
			<custom-meta><meta-name>issue-cover</meta-name><meta-value><inline-graphic xmlns:xlink="http://www.w3.org/1999/xlink" xlink:href="https://iereview.ru/public/journals/1/cover_issue_19_ru_RU.jpg"/></meta-value></custom-meta></custom-meta-group>
		</article-meta>
	</front>
	<back>
		<ref-list xml:lang="ru">
			<title>Список литературы</title>
			<ref id="R1"><mixed-citation>Аниканова В.В., Щедрина И.Н. Современные тенденции и прогнозирование развития рынка ипотечного жилищного кредитования в РФ // Политика, экономика и инновации. 2023. № 6 (53). С. 1-6.</mixed-citation></ref>
			<ref id="R2"><mixed-citation>Белова Д.Д., Пынько Л.Е. Эконометрический анализ в прогнозировании объема выданных кредитов на рынке ипотечного жилищного кредитования в России // Финансовый менеджмент. 2024. № 5. С. 80-90.</mixed-citation></ref>
			<ref id="R3"><mixed-citation>Буранбаева Л.З., Гарифуллина А.Ф., Мусина Г.А. Рынок ипотечного кредитования: итоги 2022 года и прогноз на 2023 год // Вестник БИСТ (Башкирского института социальных технологий). 2023. № 1(58). С. 57-63.</mixed-citation></ref>
			<ref id="R4"><mixed-citation>Бычкова С.Г., Духон А.Б., Образцова О.И. Основные тенденции динамики ипотечной задолженности россиян в условиях ужесточения макропруденциальной политики // Учет. Анализ. Аудит. 2024. Т. 11. № 6. С. 34-51.</mixed-citation></ref>
			<ref id="R5"><mixed-citation>Елисеева И.И., Боченина М.В. Спрос на рынке жилья и потребности россиян: эконометрический подход // Экономическое возрождение России. 2022. № 4(74). С. 41-56.</mixed-citation></ref>
			<ref id="R6"><mixed-citation>Золотарева Д.Е. Анализ динамики и прогноз ипотечных кредитов по данным Госкомстата в РФ за 2018-2022 гг // Вестник Самарского университета. Экономика и управление. 2023. Т. 14. № 1. С. 26-33.</mixed-citation></ref>
			<ref id="R7"><mixed-citation>Ибраев Ф.Т. Экономико-математическое моделирование вероятности дефолта ипотечного кредита // Вестник Кыргызстана. 2022. № 1-2. С. 181-190.</mixed-citation></ref>
			<ref id="R8"><mixed-citation>Карпенко К.В. Релевантность моделей развития сегмента ипотечного жилищного кредитования рынка недвижимости в региональном разрезе // Московский экономический журнал. 2023. Т. 8. № 1. С. 1-8.</mixed-citation></ref>
			<ref id="R9"><mixed-citation>Корниенко Д.О. Финансовое моделирование уровня долговой нагрузки на дату выдачи ипотечного кредита на рынке первичной жилой недвижимости // Финансы и кредит. 2023. Т. 29. № 8(836). С. 1845-1872.</mixed-citation></ref>
			<ref id="R10"><mixed-citation>Мишура А.В. Ипотечное кредитование и цены на жилье: необоснованные обвинения? // Вопросы экономики. 2023. № 3. С. 63-82.</mixed-citation></ref>
			<ref id="R11"><mixed-citation>Новоселов И.А. Прогнозирование уровня досрочного погашения российских ипотечных облигаций с поручительством ипотечного агентства Дом.РФ при помощи реестров ипотечного покрытия // Наука и бизнес: пути развития. 2022. № 9(135). С. 150-155.</mixed-citation></ref>
			<ref id="R12"><mixed-citation>Парусимова Н.И., Добрин Д.А. Потенциал рынка ипотечного жилищного кредитования // Интеллект. Инновации. Инвестиции. 2025. № 3. С. 62-74.</mixed-citation></ref>
			<ref id="R13"><mixed-citation>Полякова И.А., Макаренко Т.В., Павленко Г.В. Тренды рынка ипотечного жилищного кредитования: генезис, современность // Учет и статистика. 2024. Т. 21. № 2. С. 122-131.</mixed-citation></ref>
			<ref id="R14"><mixed-citation>Пономарева Е.А. Рынок первичного жилья: сценарии развития ситуации // Экономическое развитие России. 2022. Т. 29. № 5. С. 34-38.</mixed-citation></ref>
			<ref id="R15"><mixed-citation>Рахматуллина Ю.А. Проблемы ипотечного жилищного кредитования в условиях экономической нестабильности и перспективы его развития // Сибирская финансовая школа. 2023. № 2(150). С. 69-74.</mixed-citation></ref>
		</ref-list>
	</back>
</article>			</metadata>
		</record>
	</GetRecord>
</OAI-PMH>
