Аннотация: в статье рассматривается проблема высокой неопределённости прогнозирования затрат и сроков реализации девелоперских проектов жилой недвижимости на прединвестиционной и ранних инвестиционных стадиях. Обосновывается необходимость перехода от традиционных экспертных и нормативных методов к комплексным подходам оценки, интегрирующим инструменты стоимостного инжиниринга, экономико-математического моделирования, анализа рисков и цифровизации. В качестве методологической базы используется теория агентских отношений, позволяющая рассматривать вопросы согласования интересов стейкхолдеров и преодоления асимметрии информации в процессе принятия проектных решений. В статье показано, что формирование интеллектуальных систем прогнозирования на основе агрегированных массивов данных способно существенно повысить точность оценок, снизить риски и обеспечить прозрачность взаимодействия между девелоперами, финансовыми институтами и инвесторами. Сделан вывод о необходимости развития корпоративных информационных систем и институциональных механизмов обработки данных как ключевого направления цифровой трансформации современного девелопмента.
Abstract: The article addresses the problem of high uncertainty in forecasting costs and implementation timelines of residential real estate development projects at the pre-investment and early investment stages. It substantiates the need to move from traditional expert-based and normative methods to integrated approaches that combine cost engineering, econometric modeling, risk analysis, and digitalization tools. The methodological framework is an agency theory, which enables the consideration of stakeholder interest alignment and mitigation of information asymmetry in project decision-making. Particular attention is given to the application of regression and autoregressive models for forecasting construction costs and durations, as well as to the prospects of adopting BIM technologies, Big Data analytics, and artificial intelligence. The study demonstrates that the development of intelligent forecasting systems based on aggregated industry data can significantly improve estimation accuracy, reduce risks, and enhance transparency of interactions between developers, financial institutions, and investors. The paper concludes that the establishment of corporate information systems and institutional mechanisms for data processing represents a key direction of digital transformation in contemporary development practice.