Методика создания комплексной экономико-математической модели массовой оценки стоимости объектов недвижимости на примере квартирного рынка города Перми
Автор: Ясницкий Л.Н., Ясницкий В.Л.
Журнал: Вестник Пермского университета. Серия: Экономика @economics-psu
Рубрика: Математическое моделирование
Статья в выпуске: 2 (29), 2016 года.
Бесплатный доступ
В настоящее время существует ряд экономико-математических моделей, предназначенных для массовой оценки объектов недвижимости, учитывающих их строительно-эксплуатационные характеристики, но не учитывающих меняющуюся макроэкономическую ситуацию в стране и в мире. Недостатком таких статических моделей является их быстрое устаревание, необходимость постоянной актуализации и непригодность для среднесрочного прогнозирования. С другой стороны, существуют динамические модели, учитывающие текущее макроэкономическое состояние, однако предназначенные для прогнозирования и исследования общей ценовой ситуации на рынке недвижимости, но не для массовой оценки стоимости объектов недвижимости с их разнообразием строительно-эксплуатационных характеристик. В связи с этим целью настоящей работы является разработка методики создания комплексных моделей, обладающих свойствами указанных статических и динамических моделей, т.е. учитывающих как строительно-эксплуатационные характеристики объектов недвижимости, так и меняющуюся макроэкономическую ситуацию в стране и в мире. Разработка методики и создание модели осуществляется с применением нейросетевых технологий на примере рынка жилой недвижимости г. Перми на основе статистической информации за период с 2005 по 2015 гг. Помимо своего основного назначения - массовой оценки стоимости квартир, модель пригодна для среднесрочного прогнозирования и выявления закономерностей рынка недвижимости. Например, с помощью модели установлено, что с увеличением цен на нефть стоимость пермских квартир в целом имеет тенденцию к повышению, однако устойчивая прямая зависимость между стоимостью квартир и ценой на нефть существует, только когда эта цена выше 60-80 долл. за баррель. В случае увеличения объема жилищного кредитования стоимость пермских квартир будет увеличиваться. Однако скорость роста стоимости элитных четырехкомнатных квартир с увеличением объемов жилищного кредитования выше 2400-2700 млн руб. начнет замедляться, тогда как этот эффект не будет проявляться для более дешевых одно- и двухкомнатных квартир. Дальнейший ввод жилья на территории Пермской области до 1400 тыс. кв. м в ближайшей перспективе не вызовет заметного изменения цен жилой недвижимости, что говорит о том, что рынок пока еще далек от насыщения.
Региональный рынок недвижимости, массовая оценка, макроэкономические показатели, оценка стоимости, прогнозирование, нейронная сеть
Короткий адрес: https://sciup.org/147201533
IDR: 147201533 | DOI: 10.17072/1994-9960-2016-2-54-69
Список литературы Методика создания комплексной экономико-математической модели массовой оценки стоимости объектов недвижимости на примере квартирного рынка города Перми
- Анимица Е.Г., Власова Н.Ю. Градоведение. Екатеринбург: Изд-во Урал. гос. экон. ун-та, 2010. 433 с.
- 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.
- Грибовский С.М., Сивец С.А. Математические методы оценки стоимости недвижимого имущества. М.: Финансы и статистика, 2014. 368 с.
- 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.
- Гурьев И. Строим свой прогноз, отправная точка -нефть. URL: http://mgorsk.ru/articles/704 02.html (дата обращения: 14.02.2016).
- Дайтбегов Д.М. Компьютерные технологии анализа данных в эконометрике. М.: ИНФРА-М, 2008. 578 с.
- Мау В.А. Кризисы и уроки. Экономика России в эпоху турбулентности. М.: Изд-во Ин-та Гайдара, 2016. 488 с.
- 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.
- Мунерман И.В. Нейро-нечеткие модели и инструменты для регионального управления объектами коммерческой недвижимости: дисс. … канд. экон. наук: 08.00.13. М., 2011. 156 с.
- Сивец С.А. Статистические методы в оценке недвижимости и бизнеса. Запорожье: Просвiта, 2001. 310 с.
- Стерник Г.М., Стерник С.Г. Анализ рынка недвижимости для профессионалов. М.: Экономика, 2009. 606 с.
- Черепанов Ф.М., Ясницкий Л.Н. Нейросетевой фильтр для исключения выбросов в статистической информации//Вестник Пермского университета. Серия: Математика. Механика. Информатика. 2008. № 4. С. 151-155.
- Черепанов Ф.М., Ясницкий Л.Н. Нейросимулятор 5.0. Свидетельство о государственной регистрации программы для ЭВМ № 2014618208. Заявка Роспатент № 2014614649. Зарегистрировано в Реестре программ для ЭВМ 12 августа 2014 г.
- Ясницкий В.Л. Нейросетевое моделирование в задаче массовой оценки жилой недвижимости города Перми//Фундаментальные исследования. 2015. № 3-10. С. 650-653. URL: http://www.fundamental-research.ru/ru/article/view?id =39274 (дата обращения: 23.01.2016).
- Ясницкий Л.Н., Бондарь В.В., Бурдин С.Н. и др. Пермская научная школа искусственного интеллекта и ее инновационные проекты. 2-е изд. Москва-Ижевск: НИЦ «Регулярная и хаотическая динамика», 2008. 75 с.
- Ясницкий Л.Н. Введение в искусственный интеллект. М.: Академия, 2005. 176 с.
- Becker С., Morrison A.R. Urbanization in transforming economies//Handbook of Regional and Urban Economics. 1999. Vol. 3. P. 1673-1790.
- Borst R.A. Artificial neural networks in mass appraisal//Journal of Property Tax Assessment & Administration. 1995. Vol. 1, no 2. P. 5-15.
- Curry B., Morgan P., Silver M. Neural networks and non-linear statistical methods: An application to the modelling of price-quality relationships//Computers and Operations Research. 2002. Vol. 29, no 8. P. 951-969.
- 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. P. 232-254.
- Do A. Q., Grudnitski G. A neural network approach to residential property appraisal//The Real Estate Appraiser. 1992. no 58. P. 38-45.
- Evans A., James H., Collins A. Artificial neural networks: An application to residential valuation in the UK//Journal of Property Valuation and Investment. 1991. no 11(2). P. 195-204.
- Gonzalez M.A.S., Formoso C.T. Mass appraisal with genetic fuzzy rule-based systems//Property Management. 2006. Vol. 24, no 1. P. 20-30.
- Greenwood J., Hercowitz Z. The allocation of capital and time over the business cycle//Journal of Political Economy. 1991. Vol. 99. P. 1188-1214.
- 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. P. 94-112.
- Guan J., Zurada J., Levitan A.S. An adaptive neuro-fuzzy inference system based approach to real estate property assessment//Journal of Real Estate Research. 2008. Vol. 30, no 4. P. 395-422.
- Hefferan M.J., Boyd T. Property taxation and mass appraisal valuations in Australia -adapting to a new environment//Property Management. 2010. Vol. 28, no 3. P. 149-162.
- Kilpatrick J. Expert systems and mass appraisal//Journal of Property Investment and Finance. 2011. Vol. 29, no 4. P. 529-550.
- Kontrimas V., Verikas A. The mass appraisal of the real estate by computational intelligence//Applied Soft Computing Journal. 2011. Vol. 11, no 1. P. 443-448.
- 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. P. 161-177.
- Mao Y.H., Zhang M.B., Yao, N.B. Hangzhou housing demand forecasting model based on BP neural Network of Genetic Algorithm Optimization (Conference Paper)//Applied Mechanics and Materials. 2014. Vol. 587-589. P. 37-41.
- McCluskey W.J., Dyson K., McFall, D., Anand S. The mass appraisal of residential property in Northern Ireland//Computer assisted mass appraisal systems. L.: Gower Publishers. 1997. P. 59-77.
- 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. P. 525-540.
- Zhang H., Gao S., Seiler M.J., Zhang Y. Identification of real estate cycles in China based on artificial neural networks//Journal of Real Estate Literature. 2015. Vol. 23, no 1. P. 67-83.