Введение
Управление стоимостью инвестиционно-строительных проектов в последние годы становится одной из наиболее сложных функций проектного менеджмента в строительной отрасли. Это связано с одновременным воздействием макроэкономической нестабильности, колебаний цен на строительные ресурсы, дефицита трудовых ресурсов, усложнения проектных решений и возрастающих требований к срокам и качеству реализации объектов. В таких условиях прогнозирование стоимости строительно-монтажных работ перестает быть классической сметной процедурой и превращается в многоуровневую аналитическую задачу, требующую учета большого числа различных факторов на различных этапах жизненного цикла объекта [1].
Актуальность исследования определяется тем, что именно на предпроектном этапе закладываются ключевые бюджетные ориентиры проекта, а значит — формируются условия его финансовой устойчивости, инвестиционной привлекательности и управляемости на последующих этапах жизненного цикла. [2-3] Ошибки в оценке стартовой стоимости, неучтенные изменения внешней среды, а также низкое качество исходных данных могут приводить к перерасходу, сдвигу сроков, пересмотру договорных обязательств и конфликтам между участниками проекта. Следовательно, анализ факторов неопределенности в прогнозировании стоимости строительно-монтажных работ (СМР) имеет не только теоретическое, но и практическое значение [4-5].
В научной и практической среде подчеркивается, что традиционные методы стоимостной оценки уже недостаточны для условий высокой изменчивости строительного рынка [5]. Цифровая трансформация строительства, внедрение технологий информационного моделирования и искусственного интеллекта, использование облачных платформ, общих сред данных и аналитики больших данных создают новые предпосылки для повышения качества прогнозов [6-7]. Одновременно сами цифровые инструменты не ликвидируют проблему неопределенности автоматически, если организационное и информационное обеспечение проекта остаются несогласованными [8].
Целью данной работы является выявление, систематизация и интерпретация факторов неопределенности, влияющих на прогнозирование стоимости СМР при реализации инвестиционно-строительных проектов, а также обоснование подходов к снижению неопределенности на основе цифровизации, формализации бизнес-процессов и применения интеллектуальных методов прогнозирования.
Материалы и методы
Экспериментальная основа исследования — это материалы прикладного анализа, посвященного разработке комплекса инструментов и методики прогнозирования себестоимости строительных работ, а также анализ внутренних регламентов ценообразования и практики их применения в строительной компании. В исследовании были использованы результаты анализа отечественных и зарубежных практик прогнозирования стоимости строительства, данные о региональных особенностях экономики Екатеринбурга, Москвы и Московской области, а также описание действующих бизнес-процессов формирования и изменения стоимости работ.
Для оценки точности моделей прогнозирования использовались показатели MAPE, R², MAE и RMSE. В прикладной части исследования были рассмотрены модели ARIMA, SARIMA, LSTM и гибридные комбинации, а также программная реализация системы прогнозирования затрат на монолитные работы. Методологическую основу работы составили сравнительный анализ методов прогнозирования и экономико-математического моделирования [9-10].
Параметр оценки точности прогноза MAPE рассчитывается по формуле (1):
| $MAPE=\frac{1}{n}\sum_{i=0}^n\left|\frac{A_{i}-F_{i}}{A_{i}}\right|{\cdot100\%}$ | (1) |
Ai — фактическое значение себестоимости;
Fi — прогнозируемое значение себестоимости;
n — количество периодов.
Применительно к задачам строительства данный показатель адаптирован для сопоставления качества моделей в условиях неоднородности затратных статей и проектов. Однако данный показатель не раскрывает причины ошибок прогноза, что и обусловливает необходимость более глубокого анализа причин и источников неопределенности.
Результаты
Проблемы в прогнозировании стоимости СМР представляет собой состояние неполноты, изменчивости или неоднозначности информации, при котором невозможно оценить будущие затраты с заданным уровнем точности. А для инвестиционно-строительных проектов данное явление носит системный характер. Стоимость формируется под влиянием одновременно внешних рынков, регуляторной среды, проектных решений, закупочных процедур и особенностей исполнения договоров. Следовательно, ошибка прогноза возникает не в одной точке, а по всем этапам жизненного цикла объекта.
Целесообразно выделять как минимум три уровня неопределенности:
- Первый уровень — внешняя неопределенность, связанная с рыночной и макроэкономической средой.
- Второй уровень — внутренняя организационно-процессная неопределенность, возникающая внутри компании или проекта.
- Третий уровень — методическая неопределенность, обусловленная ограничениями применяемых методов прогнозирования, качеством обучающих данных и архитектурой аналитического инструментария.
Такой подход позволяет перейти от локальной сметной ошибки к комплексному представлению о стоимостном риске как результате взаимодействия среды, процессов и моделей [9-10]. Следовательно, система прогнозирования стоимости должна объединять данные о рынке, состоянии проекта, истории реализации и параметрах объекта в единой цифровой среде.
I. Внешние факторы неопределенности в прогнозировании стоимости СМР
Наиболее чувствительными для стоимости строительно-монтажных работ являются цены на строительные материалы, валютный курс, логистические затраты, сезонные колебания цен и стоимость привлечения подрядных организаций. Проведенный анализ показал, что цена на импортируемые материалы способна оказывать влияние на себестоимость работ до 25 %1, курс USD — до 15 %, затраты на логистику — до 10 %2, сезонные колебания стоимости материалов — до 7 %, а трудозатраты при привлечении подрядных организаций — до 30 % 3.
Приведенные данные показывают, что наибольшая неопределенность связана не только с ценами на ресурсы, но и с рынком подрядных работ [11]. Это имеет принципиальное значение, так как в традиционных моделях управления стоимостью основное внимание уделяется материалам и оборудованию, в то время как трудовые и подрядные компоненты могут формировать еще более существенные отклонения. Для инвестиционно-строительных проектов такая ситуация особенно критична на стадии строительства, где любое нарушение быстро отражается на затратах [12].
Существенное значение также имеет и региональное разграничение. Один и тот же проект в разных субъектах РФ может иметь разную структуру стоимости из-за доступности инфраструктуры, уровня конкуренции подрядчиков, транспортной системы, локальных особенностей поставок и других рыночных различий. Поэтому универсальные стоимостные модели без региональной настройки оказываются ограниченно применимыми [13-14].
II. Внутренние организационно-процессные факторы неопределенности
Если внешняя среда создает базовую установку фактора неопределенности, то внутренняя система управления стоимостью определяет, насколько этот фактор будет усилен или сглажен [14]. Анализ регламентов ценообразования показал, что неопределенность в прогнозировании стоимости СМР во многом определяется качеством исходных данных, степенью формализации внутренних процедур, полнотой коммерческих предложений и прозрачностью взаимодействия подразделений (Таблица 1).
Таблица 1.
Структура факторов неопределенности
в прогнозировании стоимости СМР
|
Внешняя среда |
Внутренняя среда проекта |
Аналитическая среда |
|---|---|---|
|
|
|
Неопределенность в прогнозировании стоимости СМР формируется на всех этапах ценообразования [15]. При определении стартовой стоимости она связана с неточностью ведомостей объемов работ (ВОР), дефицитом актуальных расценок и использованием калькуляций, усиливающих субъективность оценки. При мониторинге рыночных цен — с трудностью проверки достоверности прайс-листов и коммерческих предложений по уникальным позициям. При конкурсных закупках — с недостаточной формализацией критериев анализа отклонений предложений от стартовой стоимости и зависимостью экспертных выводов от индивидуального опыта специалиста; при внеконкурсных закупках — с укрупненным характером коммерческих предложений (КП), затрудняющим проверку структуры затрат; а при изменении договорной стоимости — со сложностью подтверждения дополнительных расходов, многоступенчатым согласованием и использованием внутренних ценовых баз, не всегда отражающих текущую рыночную конъюнктуру, что в совокупности повышает риск удорожания и управленческих конфликтов [16-17] (Таблица 2).
Таблица 2.
Исходные данные
|
Этап процесса |
Источник |
Возможное |
Степень влияния |
|---|---|---|---|
|
Формирование |
Неточность ВОР |
Систематическое искажение |
Очень высокая |
|
Отсутствие актуальных расценок |
Рост доли калькуляций и |
Высокая |
|
|
Конкурсная закупка |
Непрозрачность и неполнота КП |
Ошибочный выбор подрядчика |
Высокая |
|
Размытые критерии |
Различие решений при |
Средняя/высокая |
|
|
Внеконкурсная закупка |
Укрупненный формат |
Невозможность точной проверки |
Высокая |
|
Изменение стоимости |
Неполный пакет |
Задержки согласования, |
Высокая |
|
Сквозное управление |
Отсутствие единой |
Потери данных, |
Очень высокая |
III. Методическая неопределенность и выбор методов прогнозирования
Точность прогнозирования стоимости СМР определяется не только качеством исходных организационных данных, но и способностью математической модели адекватно отражать сезонные, трендовые, нелинейные и кризисные изменения в динамике затрат: SARIMA эффективна при устойчивой структуре временного ряда и выраженной сезонности, однако хуже реагирует на структурные разрывы, вызванные валютными колебаниями, логистическими сбоями и внешними шоками, тогда как LSTM лучше улавливает сложные нелинейные зависимости и позволяет учитывать широкий спектр макроэкономических и проектных факторов, хотя требует значительного объема качественных исторических данных и корректной настройки архитектуры. Таким образом, наибольший потенциал для задач строительного прогнозирования демонстрируют гибридные и ансамблевые модели, в частности комбинация SARIMA и LSTM, объединяющая преимущества статистического и нейросетевого подходов.
Сравнение моделей прогнозирования показывает, что традиционные статистические методы целесообразны при относительно стабильной динамике показателей, а модели, учитывающие сезонность, обеспечивают более надежные результаты в условиях циклических колебаний [11]. Нейросетевые подходы демонстрируют более высокую точность при наличии достаточного объема качественных данных, поскольку лучше улавливают сложные нелинейные зависимости [11]. Вместе с тем наиболее эффективными являются гибридные модели, сочетающие преимущества статистического и нейросетевого анализа, что делает их наиболее перспективными для прогнозирования стоимости строительно-монтажных работ в изменяющихся условиях строительства [11].
Полученные результаты подтверждают, что модельная неопределенность не ликвидируется выбором «самой сложной» модели. Наоборот, чем сложнее алгоритм, тем выше чувствительность к качеству данных, полноте признаков и устойчивости процедур обучения. Следовательно, в задачах управления стоимостью целесообразно анализировать не преимущество отдельного метода, а необходимость построения адаптивной методики, в которой выбор модели зависит от длительности прогноза, структуры данных и типа затратной статьи (Рис.1).
Рис. 1. Логика накопления неопределенности по этапам формирования стоимости
Выводы
Проведенный анализ показывает, что неопределенность в прогнозировании стоимости СМР имеет интеграционный характер. Неопределенность возникает одновременно из-за внешних экономических колебаний, внутренних дисфункций в управлении проектом и ограничений аналитических моделей. Это означает, что традиционный сметный подход, основанный преимущественно на использовании нормативных расценок и экспертной корректировке, уже не обеспечивает достаточного качества прогнозов в условиях современной строительной экономики.
Перспективы снижения неопределенности связаны не только с улучшением математических моделей, но и с совершенствованием бизнес-процессов. Таким образом, качество прогноза определяется качеством организационной структуры проекта и качеством алгоритма.
Наиболее перспективным представляется интегральный подход, объединяющий технологии информационного моделирования, общие среды данных, BPMN-моделирование процессов и интеллектуальную аналитику. Такой подход отвечает современной логике управления жизненным циклом объекта строительства, в которой стоимость рассматривается как динамический, постоянно обновляемый параметр, а не как единичный результат сметного расчета.
Нейросетевые алгоритмы способны обеспечивать более высокую точность, однако без прозрачной связи с факторами принятия решений их применение в корпоративной среде может наталкиваться на барьеры. Поэтому развитие систем прогнозирования стоимости должно сопровождаться не только ростом точности, но и развитием инструментов объяснимой аналитики, визуализации факторов отклонения и отслеживания управленческих решений.
Практический вывод состоит в том, что управление стоимостью СМР должно быть переосмыслено как функция управления жизненным циклом строительного объекта. Стоимость становится динамически наблюдаемым параметром, а неопределенность — управляемой категорией, которая может быть снижена за счет стандартизации данных, цифровизации процессов, формализации экспертных процедур и развития интеллектуальной поддержки принятия решений.
____
1Цены, инфляция // Федеральная служба государственной статистики. [Электронный ресурс]. URL: https://rosstat.gov.ru/statistics/price (дата обращения: 14.03.2026).
2Методика определения дополнительных затрат при производстве работ в зимнее время, утвержденная приказом Минстроя России от 25.05.2021 № 325/пр (с учетом изменений) // ФГИС ЦС. [Электронный ресурс]. URL: https://fgiscs.minstroyrf.ru/frsn/standard/methodical/3cb85504-9ff7-4562-bd29-250e76d36fc8?ysclid=mmqowjnreb3327262 (дата обращения: 14.03.2026).
3Стратегический план развития Екатеринбурга // Екатеринбург.рф [Электронный ресурс]. URL: https://xn--80acgfbsl1azdqr.xn--p1ai/%D0%BE%D1%84%D0%B8%D1%86%D0%B8%D0%B0%D0%BB%D1%8C%D0%BD%D0%BE/%D1%81%D1%82%D1%80%D0%B0%D1%82%D0%B5%D0%B3%D0%B8%D1%8F?ysclid=mmqoxntlo3131408751 (дата обращения: 14.03.2026).
