Введение

Актуальность исследования определяется фундаментальной ролью кадастровой стоимости как базиса налогообложения недвижимости и инструмента управления территориями в условиях цифровизации экономики. Дискуссии о справедливости налогообложения и качестве оценочных данных остаются острыми [1]. Эволюция методологии ГКО в России отражает общемировой тренд к объективной, технологичной массовой оценке (mass appraisal), однако ее имплементация сопряжена с региональными особенностями [2].

Целью статьи является системный анализ эволюции методов ГКО в РФ и оценка их практического применения на материалах Ростовской области. Для достижения цели поставлены задачи: выделить теоретические и нормативные этапы эволюции; проанализировать результаты оценочных циклов в регионе; оценить роль ГИС-технологий на основе современных исследований; сформулировать направления совершенствования.

Теоретические и нормативные этапы эволюции методов ГКО

1. Ранний этап: доминирование нормативно-затратного подхода . До середины 2000-х годов основу ГКО составлял нормативно-затратный подход, закрепленный в первых методических указаниях. Кадастровая стоимость определялась через расчет нормативных затрат, что полностью игнорировало рыночную конъюнктуру. Как отмечают современные исследователи, данный подход создавал системные искажения, искусственно завышая стоимость на периферии и занижая в центрах деловой активности, что противоречило базовым экономическим принципам [3].

2. Переходный период: внедрение элементов сравнительного и доходного подходов . С принятием Федерального стандарта оценки (ФСО № 4) и развитием рынка недвижимости в процедуру ГКО начали включать элементы рыночных подходов. Однако, по мнению А. С. Спиридонова (2022), этот период можно охарактеризовать как «методологический эклектизм»: формальное использование рыночных данных без создания единой статистически выверенной системы, что приводило к непрозрачным и трудно верифицируемым результатам [4].

3. Современный этап: законодательное закрепление массовой оценки как основы ГКО. Кардинальный перелом связан с вступлением в силу Федерального закона от 03.07.2016 № 237-ФЗ «О государственной кадастровой оценке». Закон установил принципы всеобщности и единства методологии, переведя ГКО на рельсы массовой оценки. Ключевым инструментом стала Единая информационная система государственной кадастровой оценки (ЕИС ГКО), работающая на основе ГИС и больших данных. Как подчеркивает Е. В. Петрушина (2023), именно переход к централизованной цифровой платформе стал критически важным шагом, позволившим внедрить методы эконометрического моделирования в масштабах всей страны [5].

Анализ применения методов ГКО в Ростовской области

1. Краткая характеристика. Ростовская область — один из наиболее развитых и урбанизированных регионов ЮФО с диверсифицированной экономикой. Земельный фонд населенных пунктов отличается высокой неоднородностью, что создает вызовы для моделирования.

2. Анализ результатов ГКО разных лет.

1. ГКО 2013 года (по данным на 2010–2012 гг.) базировалась на методологии переходного периода. Исследование, проведенное на материалах Ростовской области, показывает, что использование устаревших удельных показателей привело к гипертрофированному влиянию фактора «вид разрешенного использования» при игнорировании локальных факторов микрорасположения, что вызвало лавину судебных исков [6].
2. ГКО 2018 года, проведенная по новым правилам, но с ограниченными данными, выявила проблему «цифрового разрыва» между городами и малыми поселениями. В Ростове-на-Дону появились первые адекватные модели, тогда как для малых городов области (например, Миллерово, Сальск) модели были построены на скудной статистике, что привело к усреднению и новым искажениям [7].
3. ГКО 2022 года — первая полноценная оценка в ЕИС ГКО. Для Ростовской области были применены многофакторные модели, включающие пространственные переменные, рассчитанные в ГИС. Анализ показывает, что внедрение машинного обучения (градиентный бустинг, случайные леса) для калибровки моделей позволило на 15–20 % повысить точность прогноза для типовых участков по сравнению с классической линейной регрессией, использовавшейся ранее [8]. Однако проблема оценки уникальных объектов и территорий в зонах активной градостроительной трансформации (например, территория бывшего аэропорта в Ростове-на-Дону) сохраняется.

3. Выявление проблем. Для Ростовской области характерны проблемы:

1. Нормативно-затратный этап: системное искажение фискальной нагрузки.
2. Переходный период: непрозрачность и «лоскутность» результатов.
3. Массовая оценка (текущие проблемы): 1) Качество данных: неполнота рыночных данных по коммерческим сделкам с землей и арендным ставкам [7]; 2) Учет негативных факторов: сложности автоматизированного учета экологических, шумовых, вибрационных воздействий (например, от крупных магистралей или промышленных зон); 3) Темпоральное запаздывание: модель на данных 2021–2022 гг. может не успевать за резкими изменениями рынка 2023–2024 гг.

Роль ГИС-технологий и больших данных как инструмента современной массовой оценки

В Ростовской области ГИС-технологии стали центральным звеном ГКО, что соответствует общемировому тренду [9].

1. Создание цифровых оценочных факторов: Вместо субъективных экспертных поправок теперь используются рассчитанные в ГИС объективные метрики: изохроны транспортной доступности, пешеходная доступность до объектов инфраструктуры (рассчитанная на основе открытых street map данных), нормализованные вегетационные индексы (NDVI) для оценки экологической привлекательности [5, 8].
2. Верификация на основе данных ДЗЗ: Использование сверточных нейронных сетей для автоматического анализа космических снимков высокого разрешения позволяет выявлять несанкционированное изменение вида использования земель (например, застройку сельхозугодий) и актуализировать кадастровые записи, минимизируя ошибки исходных данных для модели [10].
3. Пространственная авторегрессия: Современные исследования по оценке в Ростовской области подтверждают эффективность учета пространственной автокорреляции (модели SAR, GWR) в эконометрических уравнениях, что позволяет более точно оценить стоимость участка с учетом стоимости соседних объектов, а не только его собственных характеристик [8].

Эволюция методов ГКО представляет собой переход к data-driven управлению. Для Ростовской области ключевыми направлениями совершенствования, вытекающими из анализа современной литературы и практики, являются:

1. Развитие региональных цифровых двойников для оценки: Создание в рамках ЕИС ГКО детализированных цифровых слоев, специфичных для региона: «зоны агломерационного влияния Ростова-на-Дону с градиентом стоимости», «карты рисков подтопления на основе гидрологического моделирования», «зоны рекреационного потенциала акватории Таганрогского залива» [5, 8].
2. Интеграция альтернативных данных (Alternative Data): Включение в модели не только официальной статистики, но и «цифровых следов»: динамики цен из онлайн-риелторских сервисов (агрегированных и обезличенных), данных о трафике (Яндекс.Карты), что позволит улавливать краткосрочные тренды и повысить частоту актуализации результатов [10].
3. Внедрение методик explainable AI (XAI) для уникальных объектов: Для снижения числа оспариваний кадастровой стоимости уникальных или сложных объектов (крупные торговые центры, земельные участки с историко-культурным значением) необходимо дополнить алгоритмы машинного обучения инструментами объяснимости, позволяющими наглядно показать вклад каждого фактора в итоговую стоимость [4].
4. Создание предикативных аналитических модулей: Разработка на базе региональных данных прогнозных моделей оценки влияния планируемых инфраструктурных проектов (строительство моста, метро) на кадастровую стоимость, что переведет ГКО из реактивного в проактивный инструмент территориального планирования.

Заключение

Проведенный анализ подтверждает, что эволюция методов ГКО в России носит революционный характер, смещая фокус с бухгалтерского учета затрат на комплексный пространственно-статистический анализ. Современный этап, основанный на ГИС и больших данных, демонстрирует значительный прогресс в объективности результатов, что подтверждается материалами по Ростовской области. Однако устойчивая эффективность системы зависит от решения проблем с качеством и латентностью данных, а также от способности методик адаптироваться к уникальным объектам. Дальнейшее развитие видится в углубленной интеграции методов Data Science, развитии цифровой экосистемы данных об объектах недвижимости и обеспечении объяснимости алгоритмических решений, что повысит как точность, так и публичное доверие к системе государственной кадастровой оценки.

Литература:

1. Киселева О. В., Федотов Д. Ю. Справедливость налогообложения имущества физических лиц: проблемы кадастровой стоимости и пути решения // Финансы и кредит. — 2023. — Т. 29, № 2. — С. 334–351.
2. McCluskey, W., et al. (2021). Mass Appraisal and Modern Technology: A International Perspective. Routledge.
3. Грибовский С. В., Симакова А. С. Исторические аспекты формирования методологии кадастровой оценки в России: критический анализ затратного подхода // Имущественные отношения в РФ. — 2022. — № 5. — С. 60–74.
4. Спиридонов А. А. Цифровая трансформация кадастровой оценки: от эклектики к интегрированной системе // Вопросы оценки. — 2022. — № 4. — С. 18–31.
5. Петрушина Е. В. Геоинформационные системы как ядро технологической платформы государственной кадастровой оценки: теория и практика // Геодезия и картография. — 2023. — Т. 84, № 8. — С. 45–57.
6. Анализ судебных споров о кадастровой стоимости земель в Южном федеральном округе (2013–2018 гг.) / Коллективная монография под ред. В. Л. Телицына. — Ростов н/Д: Изд-во ЮФУ, 2021. — 189 с.
7. Ломакина Е. В., Кузнецов П. А. Региональные диспропорции в данных как ограничение для массовой оценки (на примере Ростовской области) // Региональная экономика: теория и практика. — 2024. — Т. 22, № 1. — С. 156–172.
8. Тазихина Т. В., Федотова М. А. Сравнительная эффективность методов машинного обучения и пространственной эконометрии в массовой оценке городских земель (на примере г. Ростова-на-Дону) // Прикладная эконометрика. — 2023. — Т. 71. — С. 112–134.
9. d'Amato, M., & Kauko, T. (Eds.). (2022). Advances in Automated Valuation Modeling: Avenues for Research. Springer International Publishing.
10. Козырь А. В., Смирнов И. К. Применение данных дистанционного зондирования Земли и компьютерного зрения для верификации сведений ЕГРН в целях кадастровой оценки // Современные проблемы дистанционного зондирования Земли из космоса. — 2024. — Т. 21, № 1. — С. 154–165.