Есть пара миллионов и огромное желание их приумножить? Многие считают, что лучшим вложением является вложение в недвижимость, и они правы! Но во что вкладываться?
В основном, все покупают квартиры, не понимая того, что упускают серьезную прибыль. Я же считаю более удачным вложением средств — покупку гаража. Почему? Читайте далее.
- Расчет окупаемости затрат на квартиру исходя из её стоимости и арендной платы
- Расчет окупаемости затрат на гараж
- Прочие преимущества гаража
- Недостатки гаража как предмета аренды
- Вывод
Расчет окупаемости затрат на квартиру исходя из её стоимости и арендной платы
Предлагаю провести эксперимент и посчитать, через сколько у вас окупится квартира, при сдаче ее в аренду. Не секрет, что в разных городах цены на квартиру и аренду разные. У меня в городе средняя стоимость двухкомнатной квартиры 3 миллиона. При этом, сдавать их можно за 13-15 тысяч в месяц.
Проведем несколько вычислений. 3 млн разделим на 15 тысяч и получим количество месяцев, через которые квартира полностью себя окупит. В ответе получим 200.
Инвестор в 19 лет — 7 гаражей | Инвестиции в гаражи для аренды | Куда вложить деньги деньги в 2021?
Теперь 200 месяцев разделим на 12 месяцев в году. Получим 16,5 лет. Такая квартира приносит 0,5% в месяц от своей стоимости. Умножив это число на 12, мы получим 6% годовых. Таким образом, вложением денег в квартиру, мы только защитим их от инфляции, не получив реального дохода.
Доходность недвижимости по городам в динамике
Расчет окупаемости затрат на гараж
Стоимость гаража также разнится. В моем городе, купить приличный гараж можно за 200 000 рублей, а сдавать в аренду за 3000 рублей в месяц. Для сдачи подойдут почти любые гаражи. Один из вариантов показан ниже.
Вот такой гараж можно за 150-300 тысяч взять
Скажете немного? Но если взять те же 3 млн, которые мы можем потратить на квартиру и закупиться на всю сумму гаражами? Мы сможем купить 15 гаражей.
Сдавая каждый гараж за 3000 рублей, мы сможем получать в месяц по 45 тысяч. Это уже существенная для регионов сумма.
Окупаемость гаража составляет 1,5% в месяц, 18% в год . Это значит, что через 5 с половиной лет гараж полностью себя окупит и будет приносить чистую прибыль.
Прочие преимущества гаража
Помимо хорошей окупаемости, у гаража есть ряд других преимуществ по сравнению с квартирой, а именно:
- Никаких затрат на ремонт. Купив квартир вы, скорее всего сразу же приступите к ремонту. Гараж ремонтировать не нужно! Это помогает избежать не только лишних денежных затрат, но и времени. Вы сразу можете приступить к сдаче в аренду.
- Никакой коммунальной платы. Это еще один весомый аргумент в пользу гаража. В отличие от квартиры, в которой приходится платить за свет, за газ, отопление и т.д. Вам не придется оплачивать никаких коммунальных услуг. Это серьезно повышает вашу прибыль.
- Надежность. Под надежностью я подразумеваю безопасность самого объекта. Не секрет, что в соседней квартире может случиться пожар, утечка газа, вследствие чего, может пострадать ваша недвижимость. Риск происхождения неблагоприятных ситуаций с гаражом крайне мал.
Покупка и аренда гаража в 2022г Выгодно ли?
Недостатки гаража как предмета аренды
Недостатков у гаража для сдачи в аренду не так много. Пожалуй, можно выделить всего 2.
- Низкий доход с одного объекта;
- Возможные трудности с поиском клиентов;
В первом случае все просто. На 3 тысячи в месяц не проживешь, верно?
Если вы имеете всего 1 гараж, он безусловно станет хорошим дополнительным доходом, но вряд ли сможет прокармливать вас и вашу семью. Накопить на еще один гараж только арендной платой достаточно долго.
Также стоит помнить о том, что гаражи арендуют гораздо реже, чем те же квартиры. Из-за чего даже при небольшом количестве конкурентов, вы можете испытывать трудности с поиском клиентов.
Вывод
Что покупать, гараж или квартиру? Решать, конечно же, вам! Я же больше склоняюсь к гаражу. Причины я описал выше. Надеюсь, кому-то помог, замотивировал.
Помните, что вы сможете активно расширять свою гаражную сеть, тем самым увеличивая доход. Потолка нет (разве что могут закончиться клиенты, но тогда в помощь идут другие города!).
Кстати, для вашего удобства, ниже я вставил картинку с таблицей средней арендной платы за гараж в разных городах.
20 сентября 2019
Частный инвестор, предприниматель и автор этого блога.
Оцените статью
Поделиться ВКонтакте
Одноклассники
Можно ли заработать на недвижимости с нуля без стартового капитала и как это провернуть?
Как грамотно «пробить» застройщика и не дать себя обмануть
Подпишитесь на обновления
Рекомендуем статьи по теме
Комментарии
Миша 21 сентября 2019 Ответить
У меня есть гараж, в столице региона. Не сдаётся вообще. Соседи тоже не могут сдать за копейки. Только теория красивая, а практика печальная.
Евгений 29 октября 2019 Ответить
Совершенно верно, бред и скакзки. Сейчас гаражи нафиг никому не нужны, все хранят авто на улице у своего подъезда или на платной стоянке, поблизости от своего дома.
Евгений 21 сентября 2019 Ответить
Сергей 21 сентября 2019 Ответить
3000 тыс в месяц 45 тыс в год класс двоечник калькулятор возьми
Александр 27 сентября 2019 Ответить
Тебе калькулятор нужнее. 3000 р. х 15 гаражей = 45000 р. в месяц. И лупу себе купи заодно
Дмитрий 8 октября 2019 Ответить
45 тысяч в месяц. ))
Вездеход ТСН 74 8 октября 2019 Ответить
Все он правильно посчитал 3000 за гараж, а таких гаражей 15 штук вот и получилось 45000 рублей в месяц.
Владимир 6 декабря 2019 Ответить
Напрасно Вы автора обидели. С арифметикой там всё правильно.
Юрий 21 сентября 2019 Ответить
Данные в таблице далеко не средние . Почти максимальные. В Москве цена от 3 т.р. средняя 6-7 т.р . 10-15 тоже есть но либо район дорогой либо размеры гаража большой а соответственно цена покупки от 1 ляма.
Дред 22 сентября 2019 Ответить
За землю платить всеравно надо. Все гаражи это мгса или чтотт около того.
Сергей 23 сентября 2019 Ответить
Нижний Новгород, сдаю гараж, стандартный, 4 на 7 много лет уже за 2000 мес, дороже не сдашь.
Алекс 24 сентября 2019 Ответить
Саратов 2000 -2500 р. месяц несколько десятков вариантов висят в инете месяцами и не сдаются.
Геннадий 24 сентября 2019 Ответить
15 гаражей-15 налогов.1 квартира- 1налог.в чем ты выграл?
Илья 25 сентября 2019 Ответить
Спрос на гаражи минимальный, люди вообще отказываются от них, как инвестиция это провал, время гаражей это СССР И 90- годы.
Нина 25 сентября 2019 Ответить
Теория отличная, а на практике клиентов не найдете. все машины около дома ставят, что бы всегда под рукой была. У меня гараж на окраине грода Мытищ, в ГСК никто за 1500 рублей снять не хочет Вы бы, автор, сами таким образом получали бы доход года два, а уж потом нам свои рекомендации давали. Ракушки у нас давно снесли (никакой компенсации), а ГСК еще держатся, но если городу будет нужна земля, то. государство у нас никому ничего не должно, поэтому землю заберут, еще и самостоятельно очистить территорию заставят.
Евгений 29 сентября 2019 Ответить
У меня два гаража в Твери ни один не могу сдать только членмеие взносы 3000 в год за каждый плачу
Глеб 14 октября 2019 Ответить
У меня годовой побор в ГСК (охраняемый и ухоженный правда) в Питере — 13 тыр.
Георгий 1 октября 2019 Ответить
Статья от лукавого! В наше время в РФ земельные участки под гаражами принадлежат государству! В договорах по аренде земли для КАС ( ныне не дольше года, с последующей пролонгацией)естьположение, по которому: если этот участок потребовался кому угодно под капстроительство, то все гаражи сносятся без какой-либо компенсации к . тери, на раз. так, что эта собственность условная и ни чем не гарантирована. У нас, в Питере с середины 2000-х по середину нынешнего десятилетия было снесена не одна КАС под жилое строительство. Выиграл тот, кто по инсадерской информации успел продать свою « собственность» хоть за какие-либо деньги.ХА-ха-ха.
Андрей 1 октября 2019 Ответить
А еще забыли такую мелочь, как оплата налога, электричества, охраны, взносов в кооператив и других мелочей.
Азат 3 октября 2019 Ответить
Тут автор может вы имеете в виду самовольный гараж на самовольном месте, так его прежде чем сдать в аренду, надо как-то оформить под себя, а это вообще нереально. А к таким гаражам еще нужно чистить от снега проезд метров 50 до дороги зимой. Спортивных людей, которым в радость и в охотку чистить снег, здоровья ради, наберется 2-3 человек в городе. Остальные после первого букса, бросят аренду, либо оставят машину на всю, зиму повесив свой замок, а весной уедут без всякой аренды. И машину не сможете вытащить и повредить, вас же проблемами обвесят, государство у нас злое. Теория бизнеса — 5,, практика — 1.
Иван 4 октября 2019 Ответить
Ни в коем случае не покупайте гаражи в Санкт-Петербург, так как все они внесены в программу сноса и по очереди сносятся. даже если вас кто-то будет убеждать перед покупкой, что это не так, то перед тем как покупать — проверьте — не попадает ли предлагаемый гараж в программу сноса и вы убедитесь, что он попадает в таку программу.
Евгений 11 октября 2019 Ответить
Автор, Гугл с тобой не всей инфой поделился. Сообщаю тебе то, о чем он промолчал: аренда гаража 4500 в месяц в Барнауле имеет место быть. Но это новый гаражный кооператив в престижном районе. Гараж там стоит от 700 000 руб. В таком кооперативе платится коммуналка 550 руб. в месяц.
Чтобы сдать такой гараж, нужно опустить стоимость аренды, потому что в престижных районах и охрана присутствует, и видеонаблюдение, и закрытые дворы. В итоге в гаражи народ идёт неохотно. А уж продать этот гараж, чтобы выйти из такого «бизнеса», без потерь вообще не получится. Так что пересчитай-ка свой бизнес-план в свете вскрывшихся новых обстоятельств и забудь эту идею как страшный сон.
Станислав 15 октября 2019 Ответить
Снесут все ваши гаражи и бизнес даже не начнется. И ничего не докажете.
Владимир 16 октября 2019 Ответить
Автор нуб в бизнесе , в статье описаны далеко не все риски. Дополню: -Гараж должен быть в приличном состоянии (минимальный ремонт). Иначе такой гараж не арендуют даже если вы сами доплачивать будете. -Гараж находится в гаражном кооперативе , ежемесячные взносы в этом кооперативе могут быть вообще дикие (охрана + эл-во+ расходы на обслуживание ГСК).
От аренды остается пшик после выплат всех взносов. -Админить 15 гаражей нереально. Кто-то не заплатил вовремя , кто-то прекратил аренду и надо новых искать, замки менять и т.д. -Гаражи должны быть в разных ГСК , если все в одном ГСК то это яйца в одной корзине. -На металлические коробки не оформляется собственность , значит могут снести в любой момент. Ценник на гаражи в ГСК капитального строительства с оформлением собственности — в Москве примерно 1лям. А сдают их за 5-7 тысяч (сам такой пол года снимал , на следующий год снимал металлический за 4500 в соседнем ГСК).
Олег 17 октября 2019 Ответить
В Казани имею десять частных гаражей, семь на первых линиях под арендой для авторемонта, три в спальных районах под приёмкой вторсырья. Покупал проблемные, недорого, за сто-сто пятьдесят тысяч ремонтировал, восстанавливал, оформлял, создавал инфраструктуру. Сдаю дорого, от восьми до четырнадцати тысяч за гараж, очередь на аренду! Занимаюсь этим бизнесом более двадцати лет.
Налог не превышает пяти тысяч за год, за всё, аренда земли, не более четырёх тысяч в год за всё, ни каких взносов кооперативам, всё частное. Смежный доход от продажи электричества арендаторам составляет около пяти тысяч в месяц. Устойчивый стабильный доход, а те кто тут выше писал — не умеете зарабатывать — не беритесь.
Евген 17 октября 2019 Ответить
Полная чушь. В Саратове гараж за 7.5 т.р. ни кто арендовать не будет. И город у автора интересный квартиры дорогие, а гаражи дешевые. У нас почему то двушка стоит меньше трех, а хороший гараж за 200 долго искать придется.
Bdfy 2 декабря 2019 Ответить
Бред лютый. Вот такие коммерсанты потом в очередях за кредитами стоят. После успешных финансовых вложений.
Денис 17 декабря 2019 Ответить
Членский взнос?
Терик 19 декабря 2019 Ответить
Расчеты фантазийные. У меня например гараж около 500тр стоит, а соседние боксы сдаются по 1500—1700р/мес. По поводу отсутствия коммунальных платежей- тоже чепуха. В каждом кооперативе есть членские взносы, включающие в себя аренду земли, отопление, водопровод, электричество, охрану и ип. У нас это- 15тр/год
Источник: capitalgains.ru
Как я инвестировал деньги в гаражи под 57% годовых
Возможно, тема пассивного дохода слегка замылена, однако в этой статье мой чистый опыт. Я искренне убежден, что опыт важнее знания, поэтому расскажу о нем ниже.
9714 просмотров
Гаражи и машиноместа — это история, когда я лично своими деньгами тестировал на себе инструмент пассивного дохода. Моя Цель – создать пассивный доход в 500.000 руб. наименьшими деньгами с наибольшим процентом.
Итак, вводные данные — я живу в Москве, все объекты смотрю здесь. локальный рынок отличается. Вплоть до района. И по ценам и по трафику — если вы живете в другом регионе — не факт, что моя история прокатит. Но все же поделюсь своими результатами.
1ый объект, который я купил в октябре 2018 года — гараж из поликарбоната 27 м2 больше обычного в 1,5 раза. Район Марфино.
Арендная плата 6000р/мес, 1500р эксплуатационные расходы. 4500р чистого дохода в мес. Покупка за 150.000р. Пассивный доход 36% годовых.
Где искал — на АВИТО. Сколько объектов посмотрел — прозвонил около 10. Почему выбрал именно этот — риэлтор, хороший знакомый, который дорожит своей репутацией, продавал этот объект, поэтому я купил его.
2ой объект я солил полгода. Торговался за каждую копейку. Он стоил 110.000р. Я вцепился в него, потому что оно было прям рядом с домом. Меня смущала председатель, которая во всю орала, что мол я ничего не буду должна, если снесут — вы потеряете деньги. Открытым прямым текстом, она была какая-то психованная. В ходе почти полугодовых переговоров удалось сторговать до 82.000р.
Отправил на сделку отца, сделка прошла норм.
Где искал — на АВИТО. Сколько объектов посмотрел — что-то около 30. Этот даже не смотрел. Там больше переговоры. Я его сразу купил.
Этот купил сам, перед этим нашел арендатора. Где искал арендатора —
Я купил гараж, забрал ключи, передал деньги, сразу же сдал его за 4500р/мес на полгода — обязательное мое условие для сдачи — долгосрочный арендатор. 3900р/мес чистыми, пассивный доход 57% годовых. Арендатор заплатил за полгода, так что я 23400р отбил сразу же по факту сдачи, то есть мне гараж обошелся в 58600р мною потраченных денег. Без арендатора смысла покупать нет. Это риск встрять в объект, который нах никому не нужен.
Моя задача на первом этапе была только найти арендатора — на что я тратил около 1 часа в мес. Так что можно сказать, что это тоже было в полуавтоматическом режиме.
Гаражи — это чистый пассивный доход. Сейчас на опыте уже почти год я могу об этом заявить. Посмотрим дальше. Если будут какие-то изменения, я дополню в комментариях к статье.
Можно ли это масштабировать при сохранении пассивности инструмента — мне кажется, если это будут мелкие объекты, то вряд ли. Будут начинать вылезать текущие проблемы с арендатором и т.д., что потребует вовлечения, либо Если это будут более крупные гаражи 100-500 м2, то возможно.
На моем youtube-канале есть подробное видео про этот инструмент.
Источник: vc.ru
Покупка гаража как инвестиция
Этот проект родился после беседы с друзьями об инвестициях в недвижимость. Обсуждали, как выгодно купить квартиру, паркинг или келлер под сдачу и выгодно ли вообще.
Я решил проанализировать рынок продажи и аренды гаражей и парковочных мест своего города. Квартиры – слишком дорогие объекты для инвестиций, а что касается гаражей и паркингов – тут «вход» гораздо меньше, и на аренду вроде бы всегда есть спрос.
При оценке инвестиций на первом план всегда выходят два параметра: объем вложений (стоимость объекта) и рентная плата. Зная эти параметры, можно рассчитать срок возврата инвестиций. Безусловно, есть и другие параметры, как то, качество объекта, уровень спроса на аренду, динамика стоимости объекта во времени и т.д. но именно цена покупки и арендный доход определяют стоит ли вообще рассматривать такой объект.
Я решил найти среди объявлений на продажу с одной стороны такие объекты, для которых цена по каким-либо причинам несколько занижена. Например, собственник при выставлении объекта не оценил соседних предложений, или ему нужно продать объект срочно. С другой стороны, меня интересовали те объекты, которые расположены географически в зонах повышенного арендного спроса, где арендные ставки высокие.
Для решения данной задачи я скачал спарсенные с нескольких популярных сайтов недвижимости объявления о продаже и аренде гаражей и паркингов Екатеринбурга за последний месяц. Получил, соответственно, два датафрейма – объекты, выставленные на продажу и объекты, сдающиеся в аренду. Среди прочих данных в датасетах была представлена следующая информация:
- Название — название, присваиваемое площадкой объявлений автоматически при публикации объявления
- Цена — цена, определенная собственником при подаче объявления
- Дата — дата подачи объявления
- Описание — характеристика объекта от продавца в произвольной форме
- lat — географическая широта точки расположения объекта в градусах
- lng — географическая долгота точки расположения объекта в градусах
- Доп.параметры — характеристика объекта, составленная площадкой объявлений автоматически по данным, которые продавец вводит при подаче объявления
С какими проблемами я столкнулся в ходе обработки данных?
1. В датасетах было много дублей, которые получались, например, по тому, что собственники гаражей выкладывали объявления сразу на несколько сайтов. При этом они используют одинаковое описание и выставляют одинаковую цену. Поэтому, такие объявления можно распознать по одновременному совпадению этих двух параметров. Дубликаты удаляются из датасета.
df_sel = df_sel.drop_duplicates(subset=[‘Описание’, ‘Цена’])
2. Часть объектов является двойными, или даже тройными местами. То есть, такими, где могут разместится два автомобиля, и которые, соответственно, можно сдать двум арендаторам. Проблема заключалась в том, что среди параметров объектов не было признака, указывающего на то, одноместный объект, или двойной. В доп.параметрах была указана площадь. Поэтому пришлось вытащить ее оттуда и записать в дополнительный столбец.
df_sel[‘Доп.параметры’] = df_sel[‘Доп.параметры’].where(df_sel[‘Доп.параметры’].str.contains(‘Площадь’), other=np.nan)
Однако, у части объявлений информация о площади отсутствовала.
Несмотря на то, что объектов с неопределенной площадью достаточно мало, около 5%, мы не можем просто отбросить их. Дело в том, что наличие или отсутствие этих объектов мало значимо для всего рынка, но локально в своих микрорайонах учет или не учет этих объектов может дать неправильные ценовые сигналы. Поэтому задача определения, к какому типу относятся эти объекты (одноместным или двухместным) сохраняется.
Я принял допущение о том, что место считается двойным, если его площадь больше или равна 30 м2. И, если площадь меньше 30 м2, то считаем это одинарным местом. Посмотрим, как распределены по ценам одноместные паркинги, двухместные паркинги и паркинги с неопределенной площадью.
Как видно из графика, кривая распределения двухместных паркингов смещена вправо, что достаточно очевидно, т.к. чаще всего они дороже одноместных. Кривая распределения объектов, по которым площадь не определена больше походит на кривую распределения одноместных. Однако, из этого нельзя сделать вывод о том, что все объекты с неопределенной площадью являются одноместными паркингами, так как по кривой распределения видно, что среди них есть очень дорогие объекты.
Поэтому выделять из объектов с неопределенной площадью двухместные места нужно другим способом. Попробуем из описания, которые дают собственники выделить слова, которые характерны для одноместных и двухместных объектов. Для этого используем класс counter модуля collections. Выведем ТОП-30 слов, которые используются собственниками при описании своих объектов. Слова отсортированы по убыванию частоты использования.
Нельзя сказать, что данный метод позволил однозначно дифференцировать объекты по количеству мест, но результаты вполне ожидаемые. Например, то, что на первом и втором месте по наиболее часто встречающимся словам среди двухместных объектов именно слова «2» и «два». Так же, интересно то, что на третьем месте слово «смотровая». Действительно, смотровые ямы чаще свойственны большим гаражам. (Для одноместных объектов «смотровая» только на 27-м месте).
Теперь составим список слов, которые с наибольшей вероятностью встречаются в описании двухместных паркингов. Я взял следующие слова и словосочетания:
‘2 машиноместа’, ‘2 паркинга’, ‘2 гаража’, ‘двойное’, ‘семейное’, ‘семейный’, ‘два’, ‘две’, ‘Два’, ‘места’
Объявления с неопределенной площадью разделим на одноместные и двухместные по такому признаку: если в их описании встречаются слова из списка, приведенного выше, то этот объект является двухместным, иначе – одноместным. Затем посмотрим, соответствует ли распределение объявлений с вновь определенным типом распределению объектов с заранее известной площадью.
На графиках видно, что кривые распределения объявлений с вновь определенными признаками и объявлений, по которым признак был заранее известен, похожи друг на друга.
На основании признака одноместный/двухместный разделяем все объявления о продаже на два датафрейма – одноместные и двухместные паркинги.
Таким образом, по результатам обработки данных, получили следующую статистику по объектам, выставленным на продажу:
Теперь все те же действия проделываем с объектами, сдающимися в аренду и получаем по ним следующую статистику.
Поиск инвестиционных объектов
Задача определения объектов, наиболее интересных для инвестирования заключается в следующем. Среди всех выставленных на продажу объектов нужно найти такие, которые расположены в зонах повышенного арендного спроса. Т.е. там, где сформированы наибольшие арендные ставки. И если соотношение цены продающегося объекта и средней (или медианной) цены на аренду в этой зоне находится на определенном уровне, обеспечивающим возврат инвестиций в заданные сроки, то такой объект является перспективным с точки зрения инвестирования для сдачи его в аренду.
Для решения этой задачи необходимо сформировать арендные зоны (кластеры) по территориальному признаку. Для формирования кластеров используем датафрейм одноместных объектов, сдающихся в аренду. Для этого используем широту и долготу расположения объектов. Разбиение на кластеры осуществляем алгоритмом KMeans.
Подбираем число кластеров, которое обеспечит наиболее эффективное разбиение. Эффективность определяем по метрике silhouette_score. Рассматриваем разбиение на 50, 100, 150, 200, 250, 300, 350, 400, 450 и 500 кластеров (естественно, в цикле). Для каждого разбиения вычисляем silhouette_score и ошибку перекрестного контроля best_cv_err. Поиск наилучшего значения можно осуществить с помощью класса GridSearchCV – поиск наилучшего набора параметров, обеспечивающих минимум ошибки перекрестного контроля.
После каждого разбиения проводим проверку на валидационной выборке. В качестве обучающей модели используем метод К ближайших соседий KNeighborsClassifier. И для начала, подбираем наилучший параметр n_neighbors — то самое число соседий, по которому модель определяет, к какому кластеру должен относиться объект. По результатам проверки на валидационной выборке рассчитываем параметр R2 и точность.
Результаты сводим в таблицу и отображаем на графике.
Наиболее эффективное разбиение на кластеры достигается при количестве кластеров равном 150. Точность и значение silhouette_score при этом значении практически максимальные. Разбиваем одноместные объекты, сдающиеся в аренду на 150 кластеров.
km = KMeans(n_clusters=150, random_state=0) # задаём число кластеров, равное 150, # и фиксируем значение random_state для воспроизводимости результата labels = km.fit_predict(X_sc) # применяем алгоритм к данным и формируем вектор кластеров # сохраняем метки кластера в поле нашего датасета df_rent_single_slot[‘rent_cluster’] = labels
На карту наносим кластеры с градацией цвета в зависимости от средней стоимости аренды внутри кластера. Для графического отображения используем карту Екатеринбурга в shape формате и применяем методы библиотеки GeoPandas. Географическими центрами кластеров являются средние значения широт и долгот объектов, относящихся к данному кластеру. Красными точками нанесены сами объекты – паркинги, сдающиеся в аренду.
Теперь, когда у нас определены кластеры, создадим модель, которая по координатам объекта сможет определить, к какому кластеру относится этот объект.
В качестве обучающей модели используем метод К ближайших соседий KNeighborsClassifier. Параметр n_neighbors принимаем равным 1 — именно это значение обеспечивает наименьшую ошибку перекрестного контроля. Проверим, чему равна ошибка на тестовой выборке при этом значении параметра
# создаем обучающую и валидационную выборки Xtrain, Xtest, ytrain, ytest = train_test_split(df_rent_single_slot[[‘lat’,’lng’]], df_rent_single_slot[‘rent_cluster’], test_size=0.2) knn = KNeighborsClassifier(n_neighbors=1) knn.fit(X_train, y_train) validates = knn.predict(X_test) print(‘R2: ‘.format(r2_score(y_test, validates))) print(‘Точность: ‘.format(accuracy_score(y_test, validates)))
R2: 0.9 Точность: 0.96
Наша модель по координатам объекта определяет, к какому кластеру относится объект, с точностью 96%.
Для каждого объекта из датасета df_sel_single_slot (продажа одноместных паркингов) определяем, к какому из кластеров этот объект относится. И то же самое для двухместных паркингов. Определяем для каждого объекта, выставленного на продажу срок окупаемости payback в месяцах. Срок окупаемости находится делением стоимости объекта на среднюю арендную ставку кластера (для вычисления срока окупаемости двухместных паркингов их стоимость делится на двойную ставку средней аренды в кластере). Распределение объектов по сроку окупаемости выглядит следующим образом.
Теперь, когда мы знаем распределение объектов на аренду по кластерам, составляем таблицу с характеристикой кластеров. Нас интересует инвестиционная привлекательность кластера. Примем, что кластер тем привлекательнее, чем выше в нем стоимость аренды и чем меньше в нем срок арендной экспозиции. Это следует из предположения о том, что если в определенном кластере сложилась высокая цена аренды, а объекты сдаются быстро, то в этом кластере есть повышенный спрос на аренду паркингов.
Каждому кластеру присваиваем рейтинг. Для вычисления рейтинга средние стоимости аренды в кластерах ранжируются от 0 до 1, где 0 – наименьшая стоимость аренды, 1- наибольшая. Аналогично ранжируются медианные сроки экспозиции объявлений, 0 – наибольший срок экспозиции, 1 – наименьший. Затем эти показатели суммируются и образуют рейтинг. Исходя из того, что рейтинг кластера лежит в диапазоне от 0 до 2, к «лучшим» кластерам относим те, чей рейтинг выше 1.
Отбросим из потенциальных объектов для инвестирования объекты типа «овощехранилище», металлические гаражи и т.п., так как сдать их в аренду проблематично. Выберем объекты, срок окупаемости которых не превышает 60 месяцев и отсортируем по убыванию рейтинга кластера.
В результате получили наиболее перспективные с точки зрения инвестирования объекты – 44 одноместных объявлений и 9 двухместных. Отобразим эти объекты на карте, заодно обозначив лучшие кластеры.
Выборочный анализ результатов
Теперь мы можем рассмотреть любой из выбранных объектов и проанализировать его в отдельности. Например, рассмотрим объект под номером 42. В кластере, где находится этот объект также продаются еще 5 объектов, и сдаются в аренду 3 объекта – потенциальных конкурента.
Рассмотрим эти объекты на фрагменте карты.
Кроме того, посмотрим, как соотносится интересующий нас объект с соседними по сроку окупаемости и площади.
В случае принятия решения об инвестировании в данный объект считаем, что сдавать его в аренду будем по средней цене в кластере (пунктирная линия на графике). Посмотрим, как он будет соотносится с конкурентами по цене и площади.
Выводы
В результате проделанной работы из 2200 объявлений о продаже гаражей и паркингов выбрали 53 интересных для инвестирования объекта. Это кардинальным образом облегчает подбор объекта для инвестиций, принимая во внимание, что селекция основана на том, чтобы вложения инвесторов окупались максимально быстро, а приобретаемые объекты были востребованы на арендном рынке.
Помимо решенной главной задачи, у нас получилось выделить такие области на карте города, где складывается дефицит предложения по аренде паркингов и формируются высокие цены. Эта информация могла бы быть полезной для лиц, занимающихся строительством при определении цены продажи своих объектов.
Кроме того, получили инструмент для краткого наглядного анализа конкретного объекта.
Источник: habr.com
