STUDIE METODIKY ZNALECKÉHO VÝPOČTU EKONOMICKÉHO NÁJEMNÉHO Z BYTU A NĚKTERÝCH PRINCIPŮ PŘI STANOVENÍ OBVYKLÉHO NÁJEMNÉHO Z BYTU. ČÁST 2 OBVYKLÉ NÁJEMNÉ



Podobné dokumenty
6 Intervalové odhady. spočteme aritmetický průměr, pak tyto průměry se budou chovat jako by pocházely z normálního. nekonečna.

(varianta s odděleným hodnocením investičních nákladů vynaložených na jednotlivé privatizované objekty)

4 DOPADY ZPŮSOBŮ FINANCOVÁNÍ NA INVESTIČNÍ ROZHODOVÁNÍ

VYSOCE PŘESNÉ METODY OBRÁBĚNÍ

veličiny má stejný řád jako je řád poslední číslice nejistoty. Nejistotu píšeme obvykle jenom jednou

3689/101/ Ing. Vítězslav Suchý, U stadionu 1355/16, Most tel.: mobil: vit.suchy@volny.

Deskriptivní statistika 1

Pro statistické šetření si zvolte si statistický soubor např. všichni žáci třídy (několika tříd, školy apod.).

I. Výpočet čisté současné hodnoty upravené

2,3 ČTYŘI STANDARDNÍ METODY I, ČTYŘI STANDARDNÍ METODY II

Odhady parametrů 1. Odhady parametrů

P2: Statistické zpracování dat

Základní požadavky a pravidla měření

Pojem času ve finančním rozhodování podniku

Příloha č. 7 Dodatku ke Smlouvě o službách Systém měření kvality Služeb

1 POPISNÁ STATISTIKA V PROGRAMU MS EXCEL

2 STEJNORODOST BETONU KONSTRUKCE

Mezní stavy konstrukcí a jejich porušov. Hru IV. Milan RůžR. zbynek.hruby.

UPLATNĚNÍ ZKOUŠEK PŘI PROHLÍDKÁCH MOSTŮ

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

STATISTIKA. Statistika se těší pochybnému vyznamenání tím, že je nejvíce nepochopeným vědním oborem. H. Levinson

I. Výpočet čisté současné hodnoty upravené

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta B)

b c a P(A B) = c = 4% = 0,04 d

České účetní standardy 006 Kurzové rozdíly

Pravděpodobnost a aplikovaná statistika

12. N á h o d n ý v ý b ě r

Závislost slovních znaků

1 ROVNOMĚRNOST BETONU KONSTRUKCE

2. Finanční rozhodování firmy (řízení investic a inovací)

Náhodný výběr 1. Náhodný výběr

10.3 GEOMERTICKÝ PRŮMĚR

dálniced3 a rychlostní silnice Praha x Tábor x České Budějovice x Rakousko

17. Statistické hypotézy parametrické testy

II. METODICKÉ PŘÍKLADY SESTAVENÍ VÝKAZU PAP

vají statistické metody v biomedicíně

vají statistické metody v biomedicíně Literatura Statistika v biomedicínsk nském výzkumu a ve zdravotnictví

Praha - bytové prostory

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test, varianta C)

PODNIKOVÁ EKONOMIKA A MANAGEMENT (2-letý) (písemný test)

Popisná statistika - zavedení pojmů. 1 Jednorozměrný statistický soubor s kvantitativním znakem

ÚROKVÁ SAZBA A VÝPOČET BUDOUCÍ HODNOTY. Závislost úroku na době splatnosti kapitálu

MOŽNOSTI STATISTICKÉHO POSOUZENÍ KVANTITATIVNÍCH VÝSLEDKŮ POŽÁRNÍCH ZKOUŠEK PRO POTŘEBY CERTIFIKACE A POSUZOVÁNÍ SHODY VÝROBKŮ

Finanční řízení podniku. Téma: Časová hodnota peněz

8.2.1 Aritmetická posloupnost I

Zhodnocení přesnosti měření

Pravděpodobnostní modely

Statistika je vědní obor zabývající se zkoumáním jevů, které mají hromadný charakter.

V. Normální rozdělení

Mod(x) = 2, Med(x) = = 2

Odhady parametrů polohy a rozptýlení pro často se vyskytující rozdělení dat v laboratoři se vyčíslují podle následujících vztahů:

Přednáška VI. Intervalové odhady. Motivace Směrodatná odchylka a směrodatná chyba Centrální limitní věta Intervaly spolehlivosti

Vzorový příklad na rozhodování BPH_ZMAN

Základy statistiky. Zpracování pokusných dat Praktické příklady. Kristina Somerlíková

AMC/IEM J - HMOTNOST A VYVÁŽENÍ

14. Testování statistických hypotéz Úvod statistické hypotézy Definice 14.1 Statistickou hypotézou parametrickou neparametrickou. nulovou testovanou

Tento projekt je spolufinancován Evropským sociálním fondem a Státním rozpočtem ČR InoBio CZ.1.07/2.2.00/

Kvantová a statistická fyzika 2 (Termodynamika a statistická fyzika)

Praha - bytové prostory

Stanovisko SVJ Vazovova 3228 k dopisu paní Šedivé ze dne

jako konstanta nula. Obsahem centrálních limitních vět je tvrzení, že distribuční funkce i=1 X i konvergují za určitých

odhady parametrů. Jednostranné a oboustranné odhady. Intervalový odhad střední hodnoty, rozptylu, relativní četnosti.

OPTIMALIZACE AKTIVIT SYSTÉMU PRO URČENÍ PODÍLU NA VYTÁPĚNÍ A SPOTŘEBĚ VODY.

Cvičení 6.: Výpočet střední hodnoty a rozptylu, bodové a intervalové odhady střední hodnoty a rozptylu

Intervalový odhad. nazveme levostranným intervalem pro odhad parametru Θ. Statistiku. , kde číslo α je blízké nule, nazveme horním

Tržní ceny odrážejí a zahrnují veškeré informace předpokládá se efektivní trh, pro cenu c t tedy platí c t = c t + ε t.

FINANČNÍ MATEMATIKA SBÍRKA ÚLOH

Nejistoty měření. Aritmetický průměr. Odhad směrodatné odchylky výběrového průměru = nejistota typu A

Při sledování a studiu vlastností náhodných výsledků poznáme charakter. podmínek různé výsledky. Ty odpovídají hodnotám jednotlivých realizací

Úloha II.S... odhadnutelná

Současnost a budoucnost provozní podpory podle zákona POZE

13 Popisná statistika

Pevnost a životnost - Hru III 1. PEVNOST a ŽIVOTNOST. Hru III. Milan Růžička, Josef Jurenka, Zbyněk Hrubý.

PŘÍKLAD NA PRŮMĚRNÝ INDEX ŘETĚZOVÝ NEBOLI GEOMETRICKÝ PRŮMĚR

523/2006 Sb. VYHLÁŠKA

základním prvkem teorie křivek v počítačové grafice křivky polynomiální n

CENOVÉ MAPY ČESKÉ REPUBLIKY

Mendelova univerzita v Brně Statistika projekt

ZÁKLADNÍ STATISTICKÉ VÝPOČTY (S VYUŽITÍM EXCELU)

TECHNICKÝ AUDIT VODÁRENSKÝCH DISTRIBUČNÍCH

Ing. Pavel Hánek, Ph.D. Náčrt

1. Definice elektrického pohonu 1.1 Specifikace pohonu podle typu poháněného pracovního stroje Rychlost pracovního mechanismu

OKRUŽNÍ A ROZVOZNÍ ÚLOHY: OBCHODNÍ CESTUJÍCÍ. FORMULACE PŘI RESPEKTOVÁNÍ ČASOVÝCH OKEN

Statistika. Statistické funkce v tabulkových kalkulátorech MSO Excel a OO.o Calc

Výukový modul III.2 Inovace a zkvalitnění výuky prostřednictvím ICT

Prorážka DOC. ING. PAVEL HÁNEK, CSC. Uvedené materiály jsou doplňkem přednášek předmětu 154GP10

ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE

Příloha č. 9 PPŽP Metodika projektů generujících příjmy

OVMT Přesnost měření a teorie chyb

Teorie kompenzace jalového induktivního výkonu

NEPARAMETRICKÉ METODY

HODNOCENÍ PŘÍSTROJŮ PRO MĚŘENÍ JAKOSTI ZIMNÍCH KAPALIN DO OSTŘIKOVAČŮ V PROVOZU

2 IDENTIFIKACE H-MATICE POPISUJÍCÍ VEDENÍ Z NAMĚŘENÝCH HODNOT

Odhad parametru p binomického rozdělení a test hypotézy o tomto parametru. Test hypotézy o parametru p binomického rozdělení

Téma: 11) Dynamika stavebních konstrukcí

Přednáška VIII. Testování hypotéz o kvantitativních proměnných

P1: Úvod do experimentálních metod

1. Základy počtu pravděpodobnosti:

Popisná statistika. Zdeněk Janák 9. prosince 2007

Transkript:

Prof. Ig. Albert Bradáč, DrSc. STUDIE METODIKY ZNALECKÉHO VÝPOČTU EKONOMICKÉHO NÁJEMNÉHO Z BYTU A NĚKTERÝCH PRINCIPŮ PŘI STANOVENÍ OBVYKLÉHO NÁJEMNÉHO Z BYTU. ČÁST 2 OBVYKLÉ NÁJEMNÉ Příspěvek vazuje publikovaý čláek Studie metodiky zleckého výpočtu ekoomického ájemého z bytu a ěkterých pricipů při staoveí obvyklého ájemého z bytu část 1 (kolektiv autorů, Soudí ižeýrství č. 2/2004), v ěmž byl demostrová způsob výpočtu ekoomického ájemého z bytu. V této druhé části je rozvede pricip zjištěí ájemého obvyklého. včetě případé altertiví, tržě koformí metodiky odvozeí ájemého z cey bytu. V závěru pak je stíě možost využití této metodiky pro přechodou etapu deregulace ájemého. Příspěvek byl z velké části předese kofereci zlců v Brě de 21. 1. 2005. Autor si ečií árok defiitiví řešeí problému, příspěvek považuje za ámět k případé další diskusi o této problematice. 1. OBVYKLÉ NÁJEMNÉ Defiice obvyklé cey majetku ebo služby je dá v 2 odst. 1 záko č. 151/1997 Sb., o oceňováí majetku: Obvyklou ceou se pro účely tohoto záko rozumí ce, která by byla dosaže při prodejích stejého, popřípadě obdobého majetku ebo při poskytováí stejé ebo obdobé služby v obvyklém obchodím styku v tuzemsku ke di oceěí. Přitom se zvažují všechy okolosti, které mají ceu vliv, avšak do její výše se epromítají vlivy mimořádých okolostí trhu, osobích poměrů prodávajícího ebo kupujícího ai vliv zvláští obliby. Mimořádými okolostmi trhu se rozumějí příklad stav tísě prodávajícího ebo kupujícího, důsledky přírodích či jiých kalamit. Osobími poměry se rozumějí zejmé vztahy majetkové, rodié ebo jié osobí vztahy mezi prodávajícím a kupujícím. Zvláští oblibou se rozumí zvláští hodota přikládaá majetku ebo službě vyplývající z osobího vztahu k im. Je zřejmé, že v daém případě bude rozhodující ceové porováí (srováí, komparace) s ájemým sjedým u stejých ebo podobých bytů. Metody ceového porováí jsou dvě: porováí přímé, přímo mezi jiými srovtelými projímaými byty a bytem, jehož ájemé staovujeme, ebo epřímé soubor údajů o projímaých bytech a jejich ájemém je zpracová průměrý, základí, stadardí byt (etalo) a s tímto etaloem a jeho ájemým je pak porovává byt posuzovaý. Hlavím problémem tohoto postupu je staoveí kriterií srovtelosti a jejich relativí váhy při posuzováí. Vždy je třeba respektovat případé odlišosti a tak respektovat, co je uvedeo výše v defiici: Přitom se zvažují všechy okolosti, které mají ceu vliv,. Tato věta je pohled obecá, ale v důsledku velmi důležitá. Jako výzmá pomůcka pro staoveí idexu odlišosti jedotlivých bytů může sloužit příklad tabulka č. 3 přílohy č. 17 vyhlášky č. 540/2002 Sb. ( Charakteristika kvalitativích pásem hodoceých zků u bytů oceňovaých porovávacím způsobem ). Dosahovaé ájemé je důležitým podkladem pro ceové porováí. Údaje o skutečé výši dosahovaého ájemého jsou však prakticky edostupé, víc mohou být při adresém zjišťováí zatížey řadou zkresleí. Realití izerce, pokud jsme si vědomi jejích specifik, je proto také jedím ze spolehlivých objektivích podkladů pro ceové porováí při zjišťováí obvyklého ájemého. Zejmé je důležité uvědomit si, že cey izerovaé jsou zpravidla mírě vyšší, ež jaké budou koec dosažey. Je však možo uvažovat s kriteriem, že staoveé ájemé z posuzovaého bytu emůže být větší ež ájemé stejého bytu izerovaého k proájmu. Z izerce je třeba vzít v úvahu co ejvíce dostupých iformací, u co ejvětšího počtu objektů. Prof. Ig. Albert Bradáč, DrSc., ÚSI VUT, Údolí 53, 602 00 Bro. E-mail: albert.bradac@usi.vutbr.cz 56

2. ZPRACOVÁNÍ DATABÁZÍ NÁJEMNÉHO Základí problémy při staoveí obvyklého ájemého jsou: jaký je dostatečý počet porovtelých případů (srovávacích bytů), ásledě jaké je ejpravděpodobější ájemé, případě jaké je rozmezí výsledku při určité požadovaé pravděpodobosti. Pokud má být matematický model (v šem případě postup staoveí ájemého) použit pro objektiví posouzeí, musí být zámo, s jakou přesostí byly získáy vstupí veličiy, dosazovaé do výpočtu, a jaká je z těchto chyb výsledá chyba, resp. rozptyl výsledku. Při pozorováí a hodoceí máme teoreticky možost mít k dispozici všechy hodoty, které existují příklad ájemé všech bytů 2+1, projatých v daém místě a čase. Teto úplý soubor se zývá základí soubor. Nejpravděpodobější hodotou cey zde pak bude středí hodota aritmetický průměr zjištěých hodot. Ve skutečosti však zpravidla ebudeme mít možost zjistit všechy hodoty, resp. průběžé zjišťováí všech hodot by bylo velmi pracé a eekoomické. Pak pracujeme je s částí základího souboru tzv. výběrovým souborem. Průměr tohoto výběrového souboru se však již emusí shodovat s průměrem souboru základího; je potom třeba zát, jaká je ejmeší velikost výběrového souboru, aby dostatečě reprezetoval soubor základí (tedy aby byl v ekoomicky přijatelých mezích objektiví). Obrázek zázorňuje základí soubor a možé výběrové soubory růzí zlci mohou pracovat s jiými získaými databázemi, ěkteré se mohou prolít ap. Základí soubor a výběrové soubory Jako charakteristika přesosti souboru se zpravidla používá směrodatá odchylka σ (též: středí kvadratická chyba, středí chyba, středí chyba metody měřeí, základí středí chyba, středí kvadratická odchylka ap.), což je odmoci z průměru druhých moci (čtverců) lieárích odchylek: Směrodatá odchylka i= 1 σ =± Â( x - x) 2 i U výběrového souboru se vypočte výběrová směrodatá odchylka s, která je vždy o ěco vyšší ež směrodatá odchylka, s rostoucím počtem hodot se rozdíl zmešuje: Výběrová směrodatá odchylka s =± Â( x - x) 2 i i= 1-1 Pozámka: v tabulkovém kalkulátoru MS Excel se počítá pomocí tzv. výpočtových vzorců (dávají stejé výsledky): Směrodatá odchylka: =SMODCH() σ = Výběrová směrodatá odchylka: =SMODCH.VÝBĚR() s = Â ( Â ) 2 2 x - x 2 2 Â - ( Â ) ( - 1) 2 x x Při slovím vyjádřeí stupě pravděpodobosti se v právické literatuře rozlišuje: 0 % emožost, aby děj stal, do 50 % možost, že děj stal, 50 60 % pravděpodobost, že děj stal, 60 70 % převažující pravděpodobost, že děj stal, 70 85 % velká (vysoká) pravděpodobost, že děj stal, 85 97(99) % velmi vysoká pravděpodobost, že děj stal, 97(99) % a více pravděpodobost hraičící s jistotou, 100 % jistota, že děj stal, Podstatě vyšší pravděpodobost výskytu je v souboru u hodot, jež se blíží průměru (středí hodotě), podstatě meší pak u těch, jež jsou od průměru dále čím vzdáleější, tím je pravděpodobost ižší. U tzv. ormálího rozděleí pravděpodobosti je grafickým vyjádřeím této skutečosti zámá Gaussova křivka ormálího rozděleí. U ormálího rozděleí pravděpodobosti platí, že v itervalu kolem středí hodoty (průměru) x ±1 σ je 68,27 % všech měřeých hodot ±1,5 σ 86,64 % ±2 σ 95,45 % ±2,5 σ 98,76 % ±3 σ 99,73 % Za obvyklý iterval spolehlivosti v techických discipliách (tzv. techická jistota) je bráo ±2 až 3 σ. V daém případě odhadu hodoty emovitostí se ovšem autor domívá (a i literatura to potvrzuje), že za přijatelý iterval pro vyhodoceí souboru dat o ceách emovitostí za účelem odhadu lze považovat ± 1 σ, což reprezetuje pravděpodobost 68,27 % (slovím vyjádřeím pravděpodobost převažující až velká). Z pravidel matematické statistiky a počtu pravděpodobosti vyplývá, že porováí je tím věrohodější, čím větší je použitý soubor. Za statisticky výzmý lze v šem případě považovat soubor, jež obsahuje alespoň 15 až 17 prvků; stále ovšem platí, že čím více, tím je výsledek spolehlivější. Čím budou srovávaé objekty vzájemě odlišější, tím více hodot by mělo být pro porováí k dispozici. Postup při získáí a zpracováí porovávací databáze bude tedy ásledující: 57

získáí dat o projímaých srovtelých bytech ve srovtelých lokalitách, případě rozděleí byty v ovostavbách, po GO, rekostruovaé, byty bez stavebích úprav, budovy zděé paelové, úprava ájemého o případé započteé ikaso resp. projaté vybaveí bytu (uto vždy očistit ájemé čisté), úprava ce zámé odlišosti, kotrola databáze a očištěí od extrémě malých ebo velkých ce, výpočet průměré cey ájemého jako ejpravděpodobější, ev. výpočet směrodaté odchylky a ásledě pravděpodobého rozsahu. 3. ALTERNATIVNÍ METODIKA ZJIŠTĚNÍ OBVYKLÉHO NÁJEMNÉHO Ne ve všech lokalitách je možo získat vypovídající databázi o ájemém. Pak se bízí jako spolehlivější áhradí metodika výpočet základě závislosti mezi ájemým a obvyklou trží ceou bytů. Z alýz prováděých v ČR i v zahraičí je zámo, že tato poměrě úzká závislost existuje eregulovaé ročí ájemé se pohybuje okolo 6 až 8 % z trží obvyklé cey bytu v závislosti výši rizika spojeého s proájmem, s průměrou hodotou 7 %. Pro podmíky ČR ověřovala uvedeou závislost studetka doktorského studijího programu Ig. Barbora Dokládalová (podrobější výsledky její práce budou zveřejěy samostatě). Pro město Bro v průměru vycházejí ásledující hodoty eregulovaého ájemého (v % z trží cey bytu): byty 1+1... cca 6,0 %, byty 2+1... cca 6,4 %, byty 3+1... cca 7,4 %, byty 4+1... cca 8,0 %, velké byty v ovostavbách, v lukrativích oblastech, zejmé cetra velkých měst... až 12 %. Pro další oblasti ČR probíhá v současé době ÚSI další ověřováí. Postup při altertiví metodice staoveí obvyklého ájemého z bytu by tedy byl ásledující: zjistit trží (obvyklou) ceu kokrétího bytu, příslušým procetem odvodit ročí ájemé. 4. NÁVRH VYUŽITÍ ALTERNATIVNÍ METODIKY PRO PŘÍPADNÝ POSTUP DEREGULACE NÁJEMNÉHO V současé době probíhá vzrušeá diskuse okolo velmi ožehavého tématu deregulace ájemého. Jak bylo publikováo ve sdělovacích prostředcích, je v ČR bytů s původě regulovaým ájemým okolo 750 000. Pokud předpokládáme v každém z těchto bytů odhadem průměrě 2,6 osoby, pak jsou to celkem 2 milioy obyvatel. Zbývajících 8 milioů má buď bydleí vlastí (rodié domy, byty v osobím vlastictví), ebo ájemí (byty družsteví, kde musí hradit veškeré áklady, ebo byty s tržím ájemým). Pokud by ájemé z bytů s regulovaým ájemým edosahovalo ákladů, jež souvisejí s jejich pořízeím a provozem, pak je zřejmé, že oěch 8 milioů občaů eje že hradí celé své bydleí, ale ještě ze svých daí doplácejí provoz bytů s ájemým regulovaým. Jedou z možostí vlastíků, jak dosáhout přiměřeého ájemého, je žaloba u soudu. Pak jako výzmí pomocíci soudu stupují zlci, kteří staovují výši ájemého v ěkolika roviách buď ákladové ájemé, které kryje áklady vlastíka, aiž má z proájmu výos, ebo ájemé ekoomické, které přiáší i určitý výos z kapitálu vložeého do pořízeí pozemků a staveb, případě ájemé trží, tj. takové, které je v daém místě dosahováo při proájmu obdobých bytů. Na Ústavu soudího ižeýrství VUT v Brě, kde se dlouhodobě zabýváme mj. i oceňováím emovitostí, jsme se pokusili podívat se teto problém bez politických brýlí, čistě pragmaticky, očima ezávislých odboríků, jakými by soudí zlci měli být. Neřešíme zde důsledky případého zvyšováí ájemého pro ěkteré skupiy obyvatel; toto patří zase jiým odboríkům. Občaský zákoík v 671 staoví, že ájemce je povie platit ájemé podle smlouvy, jik ájemé obvyklé v době uzavřeí smlouvy s přihlédutím k hodotě projaté věci a způsobu jejího užíváí (poz.: vzhledem k dlouhodobosti smluv by asi bylo správější používat ájemé obvyklé v době plěí). Náklady provoz bytových domů lze poměrě přesě vypočíst. Přitom je třeba brát v úvahu všechy ákladové položky, e je áklady opravy, jak je v posledí době oblíbeým argumetem. Patří sem zejmé (blíže viz 1. část k tomuto tématu v SI 2/2004): daň z emovitostí; výpočtem lze zjistit, že v současé době připadá podle obce a velikosti objektu ročě 0,30 až 5,40 Kč 1 m 2 podlahové plochy bytu; pojištěí stavby (živelí a pojištěí odpovědosti za případé škody, které by z tohoto titulu mohly vzikout jiým osobám). Jeho výše závisí pojišťovacím ústavu, vybaveí hasičského sboru, poloze emovitosti v obci a její přístuposti, blízkosti hasičské staice, vybaveí stavby požárími hlásiči a způsobem siglizace aj. Lze je uvažovat ve výši okolo 2 z cey ové stavby, což čií ročě do 40 Kč 1 m 2 podlahové plochy bytu; áklady opravy, jež vzikají pří odstraňováí stavebích závad vziklých opotřebeím, stárutím a působeím povětrostích vlivů (epatří sem áklady ivestice zvyšující hodotu, ale patří sem áklady vyvolaé poviostmi přizpůsobit se ovým závazým, ale i doporučeým ormám EU). Tyto opravy obvykle ejsou prováděy rovoměrě v čase, ale střídají se s obdobími bez utosti oprav. U starších objektů budou zpravidla tyto průměré ročí áklady okolo 1,5 % z aktuálí reprodukčí cey stavby (včetě staveb utého příslušeství přípojek, oploceí, zpevěých ploch ap.). Po přepočtu čií tyto áklady ročě průměrě do 300 Kč 1 m 2 podlahové plochy bytu; správa emovitosti je rověž ákladem, utým pro dosažeí příjmů. Je uto příklad provádět: sjedáváí a rozvazováí ájemích smluv resp. jejich výpovědi, jedáí s ájemci, vybíráí a vymáháí ájemého, včetě ákladů práví zastoupeí a soudí poplatky, rozúčtováí, výběr a ásledou úhradu plěí poskytovaých s užíváím bytu (ústředí (dálkové) vytápěí, dodávka teplé 58

vody, úklid společých prostor v domě, užíváí výtahu, dodávka vody z vodovodů a vodáre, odváděí odpadích vod kalizacemi, užíváí domoví prádely, osvětleí společých prostor v domě, kotrola a čištěí komíů, odvoz a likvidace komuálího odpadu, odvoz splašků a čištěí žump, vybaveí bytů společou televizí a rozhlasovou atéou, případě dalšími komuikačími přípojkami), prohlídky emovitostí, zajišťováí řemeslíků resp. firem pro údržbu a opravy, jedáí s úřady, pojišťovou ap., vedeí účetictví, vyplňováí daňových přizáí, pravidelé zajišťováí úhrady daě aj. Pokud tuto čiost provádí základě smlouvy jiá osoba ež vlastík (odborá firma pro správu emovitostí), je výše ákladů sdo zjistitelá. Pokud tuto čiost provádí sám vlastík, je samozřejmě místě, aby mu tato čiost byla uhraze. Podle výzkumů čií ročí áklady správu emovitostí okolo 30 Kč 1 m 2 podlahové plochy bytu; amortizace (odpisy): stavba stáre, její hodota se vlivem užíváí a chátráí jedotlivých kostrukcí a vybaveí sižuje. Po dožití stavby (fyzickém či morálím) by proto měl mít vlastík obos její opětové postaveí, geerálí opravu resp. větší moderizaci. Toto zabezpečuje položka amortizace (odpisy), což by v daém případě měly být částky, střádaé z ájemého za dobu životosti stavby. (Poz.: ejedá se o odpisy účetí.). Složitějším výpočtem pomocí kapitalizovaé amortizace (viz opět SI 2/2004) lze zjistit, že pro zajištěí této položky je třeba při deších úrokových sazbách peěžích ústavů ukládat ročě částku ve výši přibližě 1 % z cey ových staveb, uvažovaou k datu výpočtu (ikoliv ceu původího pořízeí, poěvadž je třeba spořit částku budoucí oboveí, které již ebude možo pořídit za ceu původí); ájemé z pozemku pod budovou, pokud je pozemek jiého vlastíka, případě přiměřeý výos z cey pozemku vlastího; áklady uvedeí do projímatelého stavu; tato položka přichází v úvahu vždy v případech, kdy jede ájemce byt opustí a před jeho předáím jiému je třeba byt uklidit, vymalovat, případě i částečě opravit; jako áklady je třeba uvažovat i edosažeé výosy z ájemého za dobu mezi odstěhováím jedoho ájemce a stěhováím dalšího, výdaje za izerci pro získáí dalšího ájemce, ezaplaceé ájemé ěkterých ájemců, kteří jsou potom zbavei užívacího práva ap. Pokud se všechy výše uvedeé položky zohledí, vychází tzv. ákladové ájemé, tedy takové, které kryje všechy průměré áklady vlastíka, pro rok 2005 ve výši dle tabulky. V dalších by bylo potřeba provést zvyšováí o iflaci, která příklad u cey staveb v posledích 4 čií 2,65 % ročě (oproti roku předešlému), započítat změu DPH stavebích prací a vyuceé áklady v důsledku přísějších evropských techických orem. Nákladové ájemé (ájemé, které kryje všechy průměré áklady vlastíka stavby) Údaje v Kč měsíčě za 1 m 2 skutečé podlahové plochy bytu, rok 2005 Pro výpočet byly použity koeficiety pro ákladové oceěí podle vyhlášky č. 540/2002 Sb. Výsledky mohou být epřesé příklad u malých obcí v blízkosti velkých měst. Kategorie bytu I. II. III. IV. Praha 50,00 48,00 46,00 43,00 Bro, Ostrava 48,00 46,00 44,00 42,00 Města d 50 000 obyvatel 45,00 43,00 40,00 38,00 Města d 10 000 do 50 000 obyvatel 43,00 41,00 39,00 37,00 Města d 2 000 do 10 000 obyvatel 41,00 39,00 37,00 35,00 Obce do 2 000 obyvatel 35,00 33,00 32,00 30,00 Jiou kategorií je ájemé trží (podle záko č. 151/1997 Sb., o oceňováí majetku, obvyklá ce služby ájemého). Zjišťuje se ceovým porováím (komparací) základě údajů z trhu, v daém případě z údajů, za jakou ceu jsou projímáy obdobé byty v obdobé lokalitě. Přitom je třeba zohledit všechy skutečosti, které mají výši ájemého vliv. Jede z ávrhů záko o ájemém z bytu předpokládá, že bude ejprve období přechodé, kdy se bude ájemé zatím (v rozporu s álezem Ústavího soudu) zvedat postupě v krocích k ájemému tržímu. Výše skutečého tržího ájemého v jedotlivých lokalitách je však záma zatím pouze u vybraých obcí a s omezeou přesostí z šetřeí IRI. Její přesější zjištěí by vyžadovalo určitou dobu. Jako východisko pro přechodé období by mohlo být staoveí cílového ájemého altertivím způsobem. Jak výše uvedeo, výzkumem v rámci doktorského studia Ústavu soudího ižeýrství VUT v Brě bylo volém trhu s proájmy bytů v Brě zjištěo, že převážá část se projímá za ájemé, jehož ročí výše odpovídá cca 6 až 8 % trží cey stejých bytů; teto údaj také korespoduje s hodotami běžými v zemích se stabilizovaou trží ekoomikou. Za základ orietačího propočtu cílové hodoty tržího ájemého pro přechodé období deregulace by přitom bylo možo vzít údaje o ceách za 1 m 2 podlahové plochy středě opotřebeých bytů, získaé z kupích smluv při prodeji bytů fičími úřady, zpracovaé Českým statistickým úřadem a zveřejěé Miisterstvem ficí v příloze č. 17 vyhlášky č. 640/2004 Sb. Jedá se o velmi obsáhlou databázi, která při jejím charakteru získáváí hodot z kupích smluv zaručuje, že pro přechodé období (ež se shromáždí údaje o ájemém skutečě dosahovaém) cílová hodota bude spíše ižší. 59

Hodoty takového výpočtu jsou zkráceě uvedey v tabulce pro dolí hraici zjištěého rozmezí 6 % a předpokládaou dobou přechodého období 4 roky. Z porováí s tabulkou ákladového ájemého je zřejmé, že u meších měst a obcí by již v současé době toto trží ájemé stěží krylo áklady provozováí objektů. Obce Max. základí ájemé regulovaé, zaokrouhleo, byty I. kategorie (dle MMR) v Odhad tržího ájemého ve výši 6 % z cey bytu podle přílohy č. 17 vyhlášky, přepočteo ájemé miimum 55 Praha 37 průměr 87 maximum 186 miimum 50 Bro 27 průměr 62 maximum 80 Krajská města miimum 30 a další města 21 průměr 42 d 50 000 obyvatel maximum 54 Města miimum 25 d 10 000 16 průměr 33 do 50 000 obyvatel maximum 45 Města miimum 24 d 2 000 15 průměr 29 do 10 000 obyvatel maximum 44 Obce miimum 16 do 2 000 15 průměr 23 obyvatel maximum 29 Pro staoveí průběhu deregulace před stadardím obdobím jsou možé růzé variaty, jež jsou dále uvedey s výsledky obsáhlých podrobých propočtů. Variaty č. 1 a 2 jsou výsledky matematických propočtů, ěkde bez zohleděí álezů Ústavího soudu resp. Evropského soudu pro lidská práva; porováí a závěry echť si čteář učií laskavě sám. Variata č. 1: jako výchozí je vzata posledí hodota regulovaého ájemého, jako hodota cílová, jež by byla dosaže koci přechodého období, je použito ájemé zjištěé podílem z trží cey, v žádé fázi eí brá zřetel ákladové ájemé (ájemé, které by krylo je áklady vlastíka, s ulovým ziskem z vložeého kapitálu). Proceto ročího Meziročí ho ájemého ( ) Kategorie bytu ájemého z cey bytu Miimum Maximum Průměr I. 6,00 0,15 29,69 5,54 II. 5,30 0,54 27,21 5,55 III. 4,83 0,80 25,55 5,54 IV. 4,36 1,06 23,87 5,54 Veliči Max. základí ájemé Přehled byty I. kategorie variata č. 1 Cílové ájemé Rozdíl mezi současým ájemým regulovaým a cílovým Meziročí ho ájemého Miimum 15,23 15,99 0,75 0,15 Maximum 37,07 185,50 148,43 29,69 Průměr 24,37 52,08 27,71 5,54 60

Variata č. 2: jako výchozí je vzata posledí hodota regulovaého ájemého, jako hodota cílová je použito ákladové ájemé. Pokud ovšem ákladové ájemé je vyšší ež trží zjištěé podílem z trží cey bytu, je jako cílová hodota uvažováo ájemé ákladové, cílová hodota je tedy rov ejméě ákladovému ájemému. Proceto ročího Meziročí ho ájemého ( ) Kategorie bytu ájemého z cey bytu Miimum Maximum Průměr I. 6,00 2,75 29,69 6,04 II. 5,10 3,32 25,98 5,94 III. 4,44 3,42 23,13 5,74 IV. 3,39 3,73 17,87 5,20 Veliči Max. základí ájemé Přehled byty I. kategorie variata č. 2 Cílové ájemé Rozdíl mezi současým ájemým regulovaým a cílovým Meziročí ho ájemého Miimum 15,23 29,00 13,77 2,75 Maximum 37,07 185,50 148,43 29,69 Průměr 24,37 54,57 30,20 6,04 Variata č. 3: jako prví krok je eprodleě upraveo ájemé výši ájemého ákladového (v duchu všech álezů Ústavího soudu i v duchu rozhodutí Evropského soudu pro lidská práva ze de 22. úora 2005 v kauze Hutte-Czapská versus Polsko), přitom ovšem by se mohlo stát, že v ěkterých špatých lokalitách by po této úpravě ájemé bylo vyšší ež trží, v ásledých etapách je případý zbývající rozdíl rozděle rovoměrě, hodota cílová je alogická s variatou č 3. Tabulky variaty č. 3 oproti předchozím zahrují i iflaci při výpočtu ákladového ájemého v budoucu, áklady údržbu a opravy jsou uvažováy 1,5 % z reprodukčí cey staveb oproti 1,0 % výše. Proceto ročího ájemého z cey bytu Úvodí skok úroveň ákladového ájemého (měsíčě ) Meziročí ho ájemého v ásledujících etapách (měsíčě ) Kategorie bytu mi. max. průměr mi. max. průměr I. 6,00 12,93 26,69 20,32 0,75 33,88 3,77 II. 5,82 20,21 29,28 24,42 1,00 33,02 3,77 III. 5,67 23,11 29,56 26,48 0,75 32,34 3,77 IV. 5,50 23,66 31,70 28,24 0,75 31,76 3,77 Přehled I. kategorie variata č. 3 Veliči Max. regulovaé Nákladové Úvodí skok Cílové ájemé Rozdíl mezi Meziročí základí ájemé ájemé ákladové ájemé měsíčě ájemým po ev. úpravě ákladové a cílovým ho ájemého Mi. 15,23 35,00 12,93 38,00 3,00 0,75 Max. 37,07 50,00 26,69 185,50 135,50 33,88 Průměr 24,37 44,69 20,32 59,77 15,08 3,77 61

Možý průběh deregulace za předpokladu, že by ejprve byla u všech bytů provede úprava ájemé ákladové a potom do 4 roků deregulace ájemé trží, ejméě však ákladové, je zřejmý připojeých grafech. 62

Přehledová tabulka variaty č. 3 dle lokalit Kraj Kategorie bytu: I. kategorie II. kategorie III. kategorie IV. kategorie Obec / počet v tisících Praha PRAHA 1 12,93 33,88 20,21 33,02 24,40 32,34 27,56 31,76 Praha PRAHA 2 12,93 23,63 20,21 23,07 24,40 22,65 27,56 22,37 Praha PRAHA 3 12,93 6,60 20,21 6,54 24,40 6,56 27,56 6,76 Praha PRAHA 4 12,93 8,41 20,21 8,30 24,40 8,27 27,56 8,42 Praha PRAHA 5 12,93 12,88 20,21 12,63 24,40 12,49 27,56 12,51 Praha PRAHA 6 12,93 15,81 20,21 15,49 24,40 15,27 27,56 15,20 Praha PRAHA 7 12,93 11,38 20,21 11,18 24,40 11,07 27,56 11,14 Praha PRAHA 8 12,93 9,94 20,21 9,78 24,40 9,71 27,56 9,82 Praha PRAHA 9 12,93 10,90 20,21 10,72 24,40 10,62 27,56 10,70 Praha PRAHA 10 12,93 11,43 20,21 11,23 24,40 11,12 27,56 11,18 Praha PRAHA 11 12,93 9,01 20,21 8,89 24,40 8,84 27,56 8,97 Praha PRAHA 12 12,93 8,53 20,21 8,41 24,40 8,38 27,56 8,52 Praha PRAHA 13 12,93 7,94 20,21 7,84 24,40 7,82 27,56 7,99 Praha PRAHA 14 12,93 7,06 20,21 6,99 24,40 7,00 27,56 7,18 Praha PRAHA 15 12,93 7,30 20,21 7,22 24,40 7,22 27,56 7,40 Praha PRAHA 16 12,93 7,65 20,21 7,56 24,40 7,55 27,56 7,72 Praha PRAHA 17 12,93 4,58 20,21 4,58 24,40 4,64 27,56 4,90 Praha PRAHA 18 12,93 8,33 20,21 8,22 24,40 8,19 27,56 8,34 Praha PRAHA 19 12,93 5,63 20,21 5,60 24,40 5,64 27,56 5,87 Praha PRAHA 20 12,93 9,91 20,21 9,76 24,40 9,69 27,56 9,80 Praha PRAHA 21 12,93 6,50 20,21 6,44 24,40 6,46 27,56 6,66 Praha PRAHA 22 12,93 1,50 20,21 1,40 24,40 1,55 27,56 1,91 Praha PRAHA 23 12,93 3,94 20,21 3,96 24,40 4,04 27,56 4,32 Praha PRAHA 24 12,93 4,78 20,21 4,77 24,40 4,83 27,56 5,09 Praha PRAHA 25 12,93 5,06 20,21 5,05 24,40 5,10 27,56 5,35 Praha PRAHA 26 12,93 3,63 20,21 3,66 24,40 3,75 27,56 4,03 Praha PRAHA 27 12,93 5,63 20,21 5,60 24,40 5,64 27,56 5,87 Praha PRAHA 28 12,93 4,92 20,21 4,91 24,40 4,97 27,56 5,22 Středočeský d 50 26,69 1,09 29,28 1,23 29,33 1,67 30,39 1,81 Středočeský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Středočeský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Středočeský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Jihočeský České Budějovice 24,65 1,00 27,74 1,00 28,13 1,25 29,52 1,21 Jihočeský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Jihočeský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Jihočeský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Plzeňský Plzeň 19,37 1,00 23,78 1,08 25,05 1,52 27,32 1,67 Plzeňský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Plzeňský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Plzeňský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Karlovarský Karlovy Vary 26,69 1,44 29,28 1,57 29,33 2,00 30,39 2,13 Karlovarský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Karlovarský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Karlovarský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Ústecký Ústí d Labem 26,69 1,00 29,28 1,00 29,33 1,25 30,39 1,00 Ústecký d 50 26,69 1,00 29,28 1,00 29,33 1,25 30,39 1,00 Ústecký d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Ústecký d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 63

Kraj Kategorie bytu: I. kategorie II. kategorie III. kategorie IV. kategorie Obec / počet v tisících Ústecký do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Liberecký Liberec 21,58 1,00 25,43 1,00 26,34 1,25 28,24 1,00 Liberecký d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Liberecký d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Liberecký do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Královéhradecký Hradec Králové 24,65 2,31 27,74 2,42 28,13 2,82 29,52 2,93 Královéhradecký d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Královéhradecký d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Královéhradecký do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Pardubický Pardubice 24,65 1,00 27,74 1,00 28,13 1,25 29,52 1,00 Pardubický d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Pardubický d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Pardubický do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Vysoči Jihlava 26,69 1,00 29,28 1,00 29,33 1,25 30,39 1,00 Vysoči d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Vysoči d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Vysoči do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Jihomoravský BRNO 1 20,58 5,03 25,43 5,03 28,00 5,10 30,57 5,11 Jihomoravský BRNO 2 20,58 8,07 25,43 7,99 28,00 7,98 30,57 7,90 Jihomoravský BRNO 3 20,58 4,81 25,43 4,82 28,00 4,90 30,57 4,91 Jihomoravský BRNO 4 20,58 4,69 25,43 4,70 28,00 4,78 30,57 4,80 Jihomoravský BRNO 5 20,58 5,55 25,43 5,53 28,00 5,59 30,57 5,59 Jihomoravský BRNO 6 20,58 5,11 25,43 5,11 28,00 5,17 30,57 5,18 Jihomoravský BRNO 7 20,58 1,93 25,43 2,03 28,00 2,17 30,57 2,27 Jihomoravský BRNO 8 20,58 1,88 25,43 1,97 28,00 2,12 30,57 2,22 Jihomoravský BRNO 9 20,58 1,25 25,43 1,25 28,00 1,41 30,57 1,53 Jihomoravský BRNO 10 20,58 1,25 25,43 1,25 28,00 1,34 30,57 1,47 Jihomoravský BRNO 11 20,58 1,25 25,43 1,25 28,00 1,42 30,57 1,54 Jihomoravský BRNO 12 20,58 1,25 25,43 1,25 28,00 1,00 30,57 1,00 Jihomoravský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 1,12 Jihomoravský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Jihomoravský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Olomoucký Olomouc 19,35 1,00 23,76 1,05 25,04 1,49 27,31 1,65 Olomoucký d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Olomoucký d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Olomoucký do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Zlíský Zlí 25,34 1,00 28,25 1,00 28,53 1,25 29,81 1,00 Zlíský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Zlíský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Zlíský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Moravskoslezský Ostrava 23,24 1,25 27,45 1,25 29,56 1,00 31,70 1,00 Moravskoslezský d 50 26,69 1,00 29,28 1,00 29,33 1,25 30,39 1,00 Moravskoslezský d 10 do 50 26,58 1,00 28,68 1,00 29,43 1,00 30,18 0,75 Moravskoslezský d 2 do 10 25,77 1,00 27,59 1,00 28,11 1,00 28,66 1,00 Moravskoslezský do 2 19,77 0,75 21,59 1,00 23,11 0,75 23,66 0,75 Miimum 12,93 0,75 20,21 1,00 23,11 0,75 23,66 0,75 Maximum 26,69 33,88 29,28 33,02 29,56 32,34 31,70 31,76 Průměr 20,32 3,77 24,42 3,77 26,48 3,77 28,24 3,77 Jedá se samozřejmě o výpočet teoretický, který by bylo třeba dopracovat. Také by pravděpodobě bylo zapotřebí upravit v ěkterých městech děleí oblasti, aby se estalo, že jedé a téže ulici, která je hraici oblastí, by ájemé bylo každé straě odlišé. 64