Аналитики назвали города России с наиболее подорожавшими квартирами - «Аналитика рынка»

Игнат Бушухин Источник: РБК-Недвижимость Город Балашиха Московской области возглавил рейтинг городов России по росту цен на вторичном рынке недвижимости с января 2020 года по январь 2021-го. За год вторичное жилье в Балашихе выросло в цене на 21,32% — с 92,5 тыс. руб. за 1 кв. м до 112, 2 тыс. руб. за 1 кв. м. Рейтинг (см. таблицу) был составлен в ГК SRG. На втором месте в рейтинге оказался Санкт-Петербург. В январе 2020-го квартира в Северной столице в среднем стоила 116,7 тыс. за 1 кв. м, а в январе 2021-го — уже 141,1 тыс. руб. Годовой прирост цен на жилье составил 20,93%. Третье место занял Сочи ( 18,41%). Квартиры здесь подорожали со 106,1 тыс. руб. за квадратный метр в 2020-м до 125.78 тыс. руб. в 2021-м. В пятерку также вошли Калининград ( 18,37%) и Москва ( 16,93%). В российской столице год назад вторичное жилье стоило в среднем 204,6 тыс. за «квадрат», а в январе 2021-го — 239,2 тыс. руб. При этом в конце прошлого года в Москве был зафиксирован рекордный спрос на вторичное жилье: в четвертом квартале 2020-го было заключено 55,6 тыс. сделок. Эта цифра — максимум за всю историю подобной статистики и на треть больше, чем в предыдущем отчетном периоде. Среди городов с минимальным приростом цен на жилье в 2020 году — Ростов-на-Дону ( 4,34%), Тольятти ( 4,18%), Астрахань ( 4,04%), Магнитогорск ( 3,87%) и Самара ( 3,74%) Топ-50 городов по росту цен на вторичное жилье за год и в январе 2021 года Город январь 2020 декабрь 2020 январь 2021 Изменения за месяц январь 2021 — декабрь 2020 Изменения за год январь 2020 — январь 2021 Магнитогорск 31 003 32 004 32 204 0,62% 3,87% Брянск 36 788 41 136 41 836 1,70% 13,72% Новокузнецк 37 303 39 892 40 683 1,98% 9,06% Астрахань 38 718 40 047 40 281 0,58% 4,04% Челябинск 38 853 40 880 41 253 0,91% 6,18% Саратов 39 796 41 986 42 593 1,44% 7,03% Тольятти 40 119 41 314 41 796 1,17% 4,18% Махачкала 40 345 44 073 44 619 1,24% 10,60% Ульяновск 40 606 42 804 43 335 1,24% 6,72% Иваново 41 878 43 978 44 549 1,30% 6,38% Омск 42 574 46 480 47 265 1,69% 11,02% Киров 42 601 44 538 44 900 0,81% 5,40% Курск 42 775 46 215 47 080 1,87% 10,06% Оренбург 43 544 45 079 45 546 1,03% 4,60% Липецк 43 849 46 329 46 628 0,65% 6,34% Ставрополь 43 929 47 680 48 319 1,34% 9,99% Рязань 44 008 48 333 48 804 0,97% 10,90% Чебоксары 44 623 46 397 46 992 1,28% 5,31% Кемерово 45 156 48 041 48 722 1,42% 7,90% Пенза 46 013 51 603 51 706 0,20% 12,37% Волгоград 46 584 48 935 49 505 1,16% 6,27% Воронеж 47 191 51 349 52 398 2,04% 11,04% Барнаул 47 464 50 936 51 889 1,87% 9,32% Улан-Удэ 48 239 52 651 53 992 2,55% 11,93% Тверь 48 455 51 592 52 276 1,33% 7,89% Ярославль 48 801 51 526 52 305 1,51% 7,18% Ижевск 51 245 53 310 54 067 1,42% 5,51% Набережные Челны 51 870 54 362 54 797 0,80% 5,64% Краснодар 52 194 54 907 55 490 1,06% 6,31% Пермь 54 231 56 841 57 105 0,46% 5,30% Томск 54 552 59 101 59 906 1,36% 9,81% Самара 55 053 56 756 57 110 0,62% 3,74% Калининград 55 482 63 741 65 673 3,03% 18,37% Ростов-на-Дону 56 793 59 017 59 260 0,41% 4,34% Красноярск 57 332 62 507 63 738 1,97% 11,17% Тула 57 869 65 231 66 438 1,85% 14,81% Иркутск 62 007 67 812 69 432 2,39% 11,97% Нижний Новгород 63 989 69 761 71 301 2,21% 11,43% Тюмень 64 230 69 816 71 177 1,95% 10,82% Новосибирск 65 312 70 738 71 249 0,72% 9,09% Уфа 66 609 71 191 71 777 0,82% 7,76% Екатеринбург 70 007 74 329 75 083 1,01% 7,25% Хабаровск 76 224 83 462 85 762 2,76% 12,51% Казань 77 759 84 054 85 804 2,08% 10,35% Севастополь 86 209 94 358 95 308 1,01% 10,55% Балашиха 92 534 110 117 112 265 1,95% 21,32% Сочи 106 189 121 811 125 742 3,23% 18,41% Владивосток 107 235 121 788 123 598 1,49% 15,26% Санкт-Петербург 116 739 138 307 141 166 2,07% 20,93% Москва 204 648 237 388 239 289 0,80% 16,93% Таблица: SRG Как считали SRG с 2012 года собирает данные по рынку недвижимости России на основе Big Data и технологий машинного обучения. Для анализа берутся очищенные данные по предложениям и стоимости квадратного метра на самых популярных площадках страны. Точность обеспечивается за счет постоянного обогащения данных, кросс-проверки и индекса достоверности. Робот убирает фрод и сомнительные объекты. Методика основана на медианном методе расчета, что позволяет исключить резкие отклонения цены, в выборке остаются только репрезентативные значения для группы.