Искусственный интеллект в массовой и индивидуальной оценке

Автор: Смоляк Александр Сергеевич, Нейман Е.И.

Журнал: Имущественные отношения в Российской Федерации @iovrf

Рубрика: Финансы, денежное обращение и кредит

Статья в выпуске: 5 (224), 2020 года.

Бесплатный доступ

Авторы рассматривают возможность использования технологий искусственного интеллекта (ИИ) в массовой и индивидуальной оценке рыночной стоимости (РС) объектов оценки (ОО). Анализируют структуру цены, возникающей в сделках, и демонстрируют невозможность использования ИИ для непосредственной оценки РС ОО. В структуре цены выделяют индекс потребительских качеств ОО, при оценке которого с использованием ИИ обеспечивается воспроизводимость и точность результата. Предлагают механизм использования ИИ при оценке РС.

Искусственный интеллект в оценке, динамика платежеспособного спроса, индекс потребительских качеств жилья, механизм использования ии при оценке, использование ии на генеральной совокупности

Короткий адрес: https://sciup.org/170173138

IDR: 170173138

Текст научной статьи Искусственный интеллект в массовой и индивидуальной оценке

Вернемся к рисунку. Относятся ли отраженные на нем оценки рыночной стоимости к одному и тому же объекту и в сентябре 1991 года, и в сентябре 2012 года? Нет, поскольку «средний квадратный метр» за это время существенно изменился (например, старого объекта с таким названием уже нет, а это название носит уже совсем другой объект, снесли старые дома, построили новые). Для двух соседних точек на графике эти изменения малозаметны, но на большом временно ́ м диапазоне получается, что мы сравниваем малосравнимые вещи. Москва, застроенная панельными и малоэтажными кирпичными домами образца 1991 года, и Москва, плотно заставленная монолитными многоэтажными домами образца 2012 года, мало похожи. «Средний квадратный метр» существенно изменился и по своему качеству (квартиры стали просторнее, у них улучшились планировка и отделка), к тому же в Москве существенно выросла доля нового жилья.

Понятно, что не это определило стремительные подскоки и не менее стремительные падения рыночной стоимости на корот- ких временны́х отрезках. Объемов вновь вводимого жилья в любой период недостаточно, чтобы настолько кардинально изменить ситуацию на всем огромном рынке города Москвы.

В связи с этим логично предположить, что цену на недвижимость формируют как минимум два фактора:

  • 1)    потребительские качества жилья , слабо или совсем не изменяющиеся на длинных временны ́ х промежутках, куда входят:

  • •    номер проекта, по которому жилье построено (материал несущих конструкций и стен, метраж квартир и комнат, количество этажей и т. д.);

  • •    географическое положение в пределах города (транспортная доступность, вид из окна, плотность спроса на рабочую силу, человеческий капитал соседей, богатство инфраструктуры и т. д.);

  • •    год постройки (износ дома и коммуникаций, размер платежей жителей за капитальный ремонт и т. д.).

  • 2)    масштаб цен , быстро (как видно на рисунке) меняющийся на коротких промежут-


ках времени, который определяется:

  • •    динамикой платежеспособного спроса на конкретном рынке (динамика заработных плат, динамика ставок по ипотечным кредитам, изменения ключевой ставки Центрального банка Российской Федерации и многое другое);

  • •    законодательными новациями (например введение новых налогов или изменение ставок существующих);

  • •    изменениями правоприменительной практики (например изъятие объектов недвижимости государством на нерыночных условиях 1).

Нетрудно заметить, что изменение первого показателя на коротких временны ́ х промежутках практически невозможно разглядеть. Да, существующее жилье стареет. За счет физического износа оно теряет пару процентов от своей цены в год. Но если при этом растет качество инфраструктуры (появляются новые станции метрополитена, расширяются дороги и строятся новые развязки), то говорить о каком-то тренде потребительских качеств на коротком временно ́ м промежутке бессмысленно. Потребительское качество жилья, в чем бы мы его ни измеряли, будет практически прямой линией, параллельной оси времени. А все колебания, скачки цен в разы, показанные на графике, есть следствие изменения масштаба цен.

Учитывая представленные пояснения, а также опираясь на выводы, приведенные в статье [3], правильнее будет предположить, что цена ( Ц ) имеет следующую структуру:

Ц = В х а, где B – интегральный индекс потребительских качеств объекта, измеряемый в баллах;

α – масштаб цен, измеряемый в денежных единицах на балл.

То есть мы предполагаем, что в цене все-таки заложена какая-то потребительская стоимость оцениваемого объекта, которая на длинных промежутках времени меняется незначительно, а все колебания графика практически полностью определяются бы-строизменяющимся масштабом цен.

Заметим, что между двумя составными частями уравнения стоит знак умножения, а не сложения, поскольку порядки изменения этих двух элементов структуры настолько несопоставимы, что какие бы коэффициенты в линейной регрессии мы ни применяли, мы получим ситуацию, когда значимость показателя B становится нулевой. А ведь вся оценка рыночной стоимости с использованием сравнительного подхода построена на поиске аналогов именно по показателям, входящим в B . Так что все-таки умножение.

И тут мы приходим к следующим интересным выводам. Если B на коротком промежутке времени – это практически константа, то можно попросить ИИ на основании данных о показателях, входящих в B , найти и спрогнозировать значение B для каждого конкретного объекта.

Поскольку B – практически константа, ее значение мало зависит от выборки, на которой проводится оценка, от момента времени, на который проводится оценка, соответственно, точность оценки можно повышать практически неограниченно. Использование ИИ облегчит оценку показателя В , качество этой оценки с использованием ИИ будет незначительным. Но самое главное – результат анализа B с использованием ИИ будет и объясним, и воспроизводим.

Правда, на коротких промежутках времени расчет B является бессмысленной задачей для ИИ. B достаточно найти один раз в год и пользоваться этим значением целый год – ошибка в оценке итоговой рыночной стоимости будет незначительной. Вспомним, что для недвижимости речь идет о максимальном изменении 1–2 процента в год. Мало того, при первом подходе к задаче можно вообще не использовать ИИ. Ведь мы смотрим на ситуацию в моменте. Если есть большая база данных с ценами на объекты недвижимости, то можно сказать, что показатель α для этого конкретного момента равен 1. И тогда цена будет в моменте отражать только B. Правда, лишь по объектам, включенным в базу. Чтобы распространить это на все объекты генеральной совокупности, придется подключить ИИ.

А можно ли попросить ИИ рассчитать значение α ? А зачем? Достаточно разделить график (cм. рис.) на найденный на предыдущем шаге для каждого момента времени показатель B для того самого среднего квадратного метра (неважно, найден он с помощью ИИ или хитрыми математическими экзерсисами) и мы получаем значение α для любого момента времени в прошлом.

И с этого момента мы можем «кормить» ИИ совершенно любыми показателями, так как у нас есть α для любого момента времени в прошлом. Правда, потребуется несколько итераций, чтобы подкорректировать значение α после пересчета среднего B для генеральной совокупности. Возможно, при этом придется подвергнуть проверке исходные данные, которые использовались для подготовки рисунка, и снова итерационно повторить процесс, добиваясь максимального соответствия результатов расчетов наблюдаемым данным.

Собственно, здесь самый важный момент – использование ИИ на выборке в целях оценки рыночной стоимости – бессмысленное занятие. ИИ необходимо использовать на генеральной совокупности .

Именно поэтому мы использовали для иллюстрации рисунок – он содержит данные о генеральной совокупности.

Таким образом, задача оценки рыночной стоимости для массовой оценки оказывается решенной таким простым способом.

В этом месте сделаем отступление и рассмотрим вопрос, связанный с широко распространенными в России экспертными справочниками оценщика, которые впервые начало издавать ООИ «Информ-Оценка» из Нижнего Новгорода. Эти справочники содержат предположения экспертов о корректирующих коэффициентах и скидках в зависимости от особенностей объектов при применении сравнительного подхода. Любому, кто прочитал настоящую статью, будет очевидна главная проблема этих справочников – в них оценивается относительная полезность одного объекта относительно другого (то есть в наших терминах – В ), а делается вывод относительно изменения цены. При этом короткоживущая составляющая цены ( α ) вообще выведена из рассмотрения – она принята константой. Естественно, что в случае существенных колебаний α результат применения таких справочников оказывается «пальцем в небо».

Собственно, взаимная проверка справочников оценщика и результатов работы ИИ приведет в будущем к повышению качества оценок как по справочникам, так и с использованием ИИ.

Перспективы

Можно ли определить, какова будет стоимость среднего квадратного метра недвижимости в 2028 году? Нет, конечно, поскольку непонятно, как изменятся нормативная база и правоприменительная практика к этому году, а также каким будет платежеспособный спрос на рынке к этому году. Да и будет ли на этом рынке хоть один объект?

Но! Можно поставить противоположную задачу и решить ее.

Как отразится на рыночной стоимости недвижимости то или иное управленческое решение (будь то изменение ставок налогов или принятие каких-то других законов, меняющих правила на рынке недвижимости или на смежных рынках, включая рынок труда)?

Действительно, если завтра Госдума захочет принять закон о том, чтобы увеличить минимальный размер оплаты труда в два раза, то неужели это не отразится на рынке недвижимости? Отразится. Изменятся располагаемые доходы населения, а значит, частично они пойдут на интересующий нас рынок. Станет больше денег на рынке при неизменном предложении – цены на недвижимость вырастут. Вырастут не потому, что вырастет B , а потому, что вырастет α . Описанная в работе [4] методология позволит определить, насколько изменится рыночная стоимость и как это повлияет на состояние иных элементов управляемой системы в рамках ситуационного центра (подробнее см. [5–8]).

АО «РЕСПУБЛИКАНСКОЕ ОБЩЕСТВО СОДЕЙСТВИЯ ПРОМЫШЛЕННОЙ ЭКСПЕРТИЗЕ»

предоставляет полный комплекс оценочных и юридических услуг с 1996 года

ОСНОВНЫЕ НАПРАВЛЕНИЯ ДЕЯТЕЛЬНОСТИ

Юридические услуги

  •    защита интересов собственников и арендаторов в административном и судебном порядке при некорректном определении кадастровой стоимости недвижимого имущества

  •    взыскание долгов с проблемных банков

  •    налоговые споры

  •    банкротство

  •    ведение арбитражных дел

  •    противодействие рейдерским захватам имущества (защита активов)

  •    исполнительное производство

Услуги по оценке

оценка различных видов стоимости имущества и имущественных прав, в том числе:

  •    объектов недвижимости

  •    бизнеса и пакетов ценных бумаг

  •    объектов интеллектуальной собственности, включая ноу-хау

  •    земельных участков и объектов капитального строительства в целях уменьшения налогооблагаемой базы (замещения кадастровой стоимости)

  •    объектов для целей залога

стоимостная экспертиза по определению суда

Список литературы Искусственный интеллект в массовой и индивидуальной оценке

  • Об оценочной деятельности в Российской Федерации: Федеральный закон от 29 июля 1998 года № 135-ФЗ. Доступ из справочной правовой системы "КонсультантПлюс".
  • Индикаторы рынка недвижимости: [сайт]. URL: https://www.irn.ru/indexes
  • Нейман Е. И., Смоляк А. С. Ценовые комитеты как инструмент управления социально-экономическими процессами через стоимость // Имущественные отношения в Российской Федерации. 2017. № 10 (193). С. 6-17.
  • Митин Н. А., Нейман Е. И., Смоляк А. С., Фингерт А. Б. Применение когнитивных технологий для оценки недвижимости // Препринты ИПМ им. М.В. Келдыша. 2015. № 112. 32 с.
  • Ильин Н. И., Демидов Н. Н., Новикова Е. В. Ситуационные центры. Опыт, состояние, тенденции развития. М.: Медиа Пресс, 2011. 336 с.
  • Капица С. П., Курдюмов С. П., Малинецкий Г. Г. Синергетика и прогнозы будущего. 3-е изд. М.: УРСС, 2003. 288 с.
  • Трошин Д. В. Роль ситуационных центров в системе поддержки принятия решений государственного управления. Рабочая тетрадь круглого стола (26 ноября 2010 года). URL: https://docplayer.ru/38833343-Rabochaya-tetrad-perspektivy-razvitiya-situacionnyh-centrov-v-rossiyskoy-federacii.html
  • Малинецкий Г. Г., Маненков С. К., Митин Н. А., Шишов В. В. Когнитивный вызов и информационные технологии. // Препринты ИПМ им. М.В. Келдыша. 2010. № 46. 28 с.
Еще
Статья научная