Балашиха, Санкт-Петербург и Сочи возглавили список топ-50 городов России по росту стоимости вторичного жилья за год
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
Сочи
106 189
121 811
125 742
3,23%
18,41%
Калининград
55 482
63 741
65 673
3,03%
18,37%
Хабаровск
76 224
83 462
85 762
2,76%
12,51%
Улан-Удэ
48 239
52 651
53 992
2,55%
11,93%
Иркутск
62 007
67 812
69 432
2,39%
11,97%
Нижний Новгород
63 989
69 761
71 301
2,21%
11,43%
Казань
77 759
84 054
85 804
2,08%
10,35%
Санкт-Петербург
116 739
138 307
141 166
2,07%
20,93%
Воронеж
47 191
51 349
52 398
2,04%
11,04%
Новокузнецк
37 303
39 892
40 683
1,98%
9,06%
Красноярск
57 332
62 507
63 738
1,97%
11,17%
Балашиха
92 534
110 117
112 265
1,95%
21,32%
Тюмень
64 230
69 816
71 177
1,95%
10,82%
Барнаул
47 464
50 936
51 889
1,87%
9,32%
Курск
42 775
46 215
47 080
1,87%
10,06%
Тула
57 869
65 231
66 438
1,85%
14,81%
Брянск
36 788
41 136
41 836
1,70%
13,72%
Омск
42 574
46 480
47 265
1,69%
11,02%
Ярославль
48 801
51 526
52 305
1,51%
7,18%
Владивосток
107 235
121 788
123 598
1,49%
15,26%
Саратов
39 796
41 986
42 593
1,44%
7,03%
Ижевск
51 245
53 310
54 067
1,42%
5,51%
Кемерово
45 156
48 041
48 722
1,42%
7,90%
Томск
54 552
59 101
59 906
1,36%
9,81%
Ставрополь
43 929
47 680
48 319
1,34%
9,99%
Тверь
48 455
51 592
52 276
1,33%
7,89%
Иваново
41 878
43 978
44 549
1,30%
6,38%
Чебоксары
44 623
46 397
46 992
1,28%
5,31%
Ульяновск
40 606
42 804
43 335
1,24%
6,72%
Махачкала
40 345
44 073
44 619
1,24%
10,60%
Тольятти
40 119
41 314
41 796
1,17%
4,18%
Волгоград
46 584
48 935
49 505
1,16%
6,27%
Краснодар
52 194
54 907
55 490
1,06%
6,31%
Оренбург
43 544
45 079
45 546
1,03%
4,60%
Екатеринбург
70 007
74 329
75 083
1,01%
7,25%
Севастополь
86 209
94 358
95 308
1,01%
10,55%
Рязань
44 008
48 333
48 804
0,97%
10,90%
Челябинск
38 853
40 880
41 253
0,91%
6,18%
Уфа
66 609
71 191
71 777
0,82%
7,76%
Киров
42 601
44 538
44 900
0,81%
5,40%
Москва
204 648
237 388
239 289
0,80%
16,93%
Набережные Челны
51 870
54 362
54 797
0,80%
5,64%
Новосибирск
65 312
70 738
71 249
0,72%
9,09%
Липецк
43 849
46 329
46 628
0,65%
6,34%
Магнитогорск
31 003
32 004
32 204
0,62%
3,87%
Самара
55 053
56 756
57 110
0,62%
3,74%
Астрахань
38 718
40 047
40 281
0,58%
4,04%
Пермь
54 231
56 841
57 105
0,46%
5,30%
Ростов-на-Дону
56 793
59 017
59 260
0,41%
4,34%
Пенза
46 013
51 603
51 706
0,20%
12,37%
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.
