РАЗРАБОТКА КОНЦЕПЦИИ КОМПЛЕКСНОГО НЕЙРОСЕТЕВОГО МОДЕЛИРОВАНИЯ ПРОЦЕССОВ МАССОВОЙ ОЦЕНКИ И СЦЕНАРНОГО ПРОГНОЗИРОВАНИЯ РЫНОЧНОЙ СТОИМОСТИ ЖИЛОЙ НЕДВИЖИМОСТИ

Алексеев А.О. , Харитонов В.А. , Ясницкий В.Л.

2018 / Том 8, номер 1(24) 2018 [ ЭКОНОМИКА И УПРАВЛЕНИЕ ]

ЦЕЛЬ. Реализация стратегии взимания налога на недвижимость в зависимости от кадастровой (утвержденной рыночной) стоимости объектов требует, прежде всего, совершенствования системы массовой оценки недвижимости. Под массовой оценкой принято понимать систематическую оценку групп объектов недвижимости по состоянию на определенную дату с использованием стандартных процедур и статистического анализа. Усовершенствование применяемых в оценочной деятельности статистических методов приводит к более адекватным и доказательным результатам оценки. В статье предлагается концепция комплексного нейросетевого моделирования процессов массовой оценки и сценарного прогнозирования рыночной стоимости объектов жилой недвижимости и показана необходимость учета влияния внешних макро- и мезоэкономических факторов, а также преимущество использования информационного подхода к моделированию. МЕТОДЫ. Данная концепция служит методологическим базисом при разработке экономико-математических моделей локальных рынков недвижимости. РЕЗУЛЬТАТЫ И ИХ ОБСУЖДЕНИЕ. На примере рынков жилой недвижимости гг. Перми и Екатеринбурга осуществлена практическая реализация предложенной концепции, на базе которой построена модель, демонстрирующая высокую адекватность полученных результатов оценки и прогнозирования рыночной стоимости реальным данным. ВЫВОДЫ. Таким образом, экспериментально подтверждена выдвинутая в исследовании гипотеза о возможности построения нейросетевых моделей, устойчивых к динамическому изменению экономической ситуации и адаптируемых к локальным рынкам недвижимости РФ за счет учета макро- и мезоэкономических показателей.

Ключевые слова:

искусственные нейронные сети,сценарное прогнозирование,интеллектуальный анализ данных,моделирование,рынок жилой недвижимости,оценка,artificial neural nets,scenary forecast,mining database,modeling,residential real estate market,estimation

Библиографический список:

1. Алексеев А.О., Харитонов В.А, Ясницкий В.Л. К вопросу интеллектуального анализа, массовой оценки и управления рынком недвижимости регионов России // Прикладная математика и вопросы управления. 2017. № 1. С. 87-99.
2. Молчанова М.Ю., Печенкина А.В. Применение сценарного метода при прогнозировании ситуации на рынке жилья г. Перми // Вестник Пермского университета. Серия: Экономика. 2015. № 1. С. 79-88.
3. Грибовский С.М., Сивец С.А. Математические методы оценки стоимости недвижимого имущества. М.: Финансы и статистика, 2014. 368 с.
4. Грибовский С.В., Федотова М.А., Стерник Г.М., Житков Д.Б. Экономико-математические модели оценки недвижимости // Финансы и кредит. 2005. № 3 (171). С. 24-43.
5. Ясницкий Л.Н., Ясницкий В.Л. Разработка и применение комплексных нейросетевых моделей массовой оценки и прогнозирования стоимости жилых объектов на примере рынков недвижимости Екатеринбурга и Перми // Имущественные отношения в Российской Федерации. 2017. № 3 (186). С. 68-84.
6. Борусяк К.К., Мунерман И.В., Чижов С.С. Нейросетевое моделирование в задаче массовой оценки нежилой недвижимости г. Москвы // Экономическая наука современной России. 2009. № 4. С. 86-98.
7. Yasnitsky L.N., Yasnitsky V.L. Technique of design of integrated economic and mathematical model of mass appraisal of real estate property by the example of Yekaterinburg housing market. Journal of Applied Economic Sciences. 2016, vol. XI, issue 8 (46), pp. 1519-1530.
8. Borst R.A. Artificial neural networks in mass appraisal. Journal of Property Tax Assessment & Administration. 1995, vol. 1, no. 2, pp. 5-15.
9. Davis P., McCluskey W., Grissom T.V., McCord M. An empirical analysis of simplified valuation approaches for residential property tax purposes. Property Management. 2012, vol. 30, no. 3, pp. 232-254.
10. Guan J., Shi D., Zurada J.M., Levitan A.S. Analyzing Massive Data Sets: An Adaptive Fuzzy Neural Approach for Prediction, with a Real Estate Illustration. Journal of Organizational Computing and Electronic Commerce. 2014, vol. 24, no. 1, pp. 94-112.
11. Manganelli B., Pontrandolfi P., Azzato A., Murgante B. Using geographically weighted regression for housing market segmentation. International Journal of Business Intelligence and Data Mining. 2014, vol. 9, no. 2, pp. 161-177.
12. Tay D.P., Ho D.K. Artificial intelligence and the mass appraisal of residential apartments. Journal of Property Valuation and Investment. 1991, vol. 10, no. 2, pp. 525-540.

Файлы:

• Алексеев_А.О.__Харитонов__7966713.pdf (скачать | просмотреть) - скачано 154 раза