RefMag.ru - Оценка. Помощь в решении задач, тестов, практикумов, курсовых, аттеста­ционных

RefMag.ru - Помощь в решении в учебе
Заказать:
- заказать решение тестов и задач
- заказать помощь по курсовой
- заказать помощь по диплому
- заказать помощь по реферату

Репетитор оценщика

Готовые работы заочников

Тесты:

Задачи:

Примеры работ по оценке

Примеры курсовых работ
Примеры аттест­ационных работ
Учебные дисциплины
Литература
Заказ работ:




Экспертная и репетиторская помощь по решению тестов, задач, практикумов и всех других видов работ. Сергей.
admin@refmag.ru,

, ,

Примеры выполненных работ: | контрольные | курсовые | дипломные | отзывы |




Букинистическая книга:

Список литературы по оценке недвижимости > Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости

Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости

Воронина Е.В., Ярош О.Б., Береза Н.В., Россинская М.В. Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости // Вестник Волгоградского государственного университета. Серия 3: Экономика. Экология. 2019. Т. 21. № 1. С. 40-55.

Скачать оригинал статьи

Фрагмент работы на тему "Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости"

??Воронина Е.В., Ярош О.Б., Береза Н.В., Россинская М.В., 2019 РЕГИОНАЛЬНАЯ ЭКОНОМИКА ? www.volsu.ru 40 Вестник ВолГУ. Серия 3, Экономика. Экология. 2019. Т. 21. № 1 DOI: https://doi.org/10.15688/jvolsu3.2019.1.4 UDC 657.922 Submitted: 10.01.2019 LBC 65.22 Accepted: 04.02.2019 THE MATHEMATICAL MODEL OF FORECASTING THE PRICE LEVEL IN THE REGIONAL MARKET OF RESIDENTIAL REAL ESTATE 1 Ekaterina V. Voronina Crimean Federal University named after V.I. Vernadsky, Simferopol, Russian Federation; Don State Technical University, Rostov-on-Don, Russian Federation Olga B. Yarosh Crimean Federal University named after V.I. Vernadsky, Simferopol, Russian Federation Natalya V. Bereza Don State Technical University, Shakhty, Russian Federation Marina V. Rossinskaya Sochi State University, Sochi, Russian Federation Abstract. The purpose of this article is to develop a mathematical model for estimating the value of a real estate object, taking into account the trends in the residential real estate market using indicators of the object’s state and indicators of the real estate market. The real estate market is a complex mechanism that includes subjects, objects, processes and infrastructure. The real estate market has its own characteristics that distinguish it from the market of goods and services related to the duality of real estate, its special characteristics. Despite the high conservatism, there are certain innovative trends in the development of the residential real estate market (innovations in construction, architecture, services and marketing, logistics, customer focus). The article considers the residential real estate market as a complex socio-technical system, to predict the development of which it is advisable to use a combination of classical forecasting methods and soft computing or intelligent data processing methods. A forecast of the development of the residential real estate services market was made using foresight technologies (industry roadmap). The analysis was carried out and the main factors acting on the market were identified, and their influence on the development of market trends was determined. A mathematical model for predicting the value of residential real estate based on the theory of fuzzy sets has been developed. Key words: services, services sector, real estate market, residential real estate, forecasting, roadmap, mathematical model, the state of a real estate object, the state of real estate market. Citation. Voronina E.V., Yarosh O.B., Bereza N.V., Rossinskaya M.V.The Mathematical Model of Forecasting the Price Level in the Regional Market of Residential Real Estate. Vestnik Volgogradskogo gosudarstvennogo universiteta. Seriya 3, Ekonomika. Ekologiya [Science Journal of Volgograd State University. Global Economic System], 2019, vol. 21, no. 1, pp. 40-55. (in Russian). DOI: https://doi.org/10.15688/jvolsu3.2019.1.4 УДК 657.922 Дата поступления статьи: 10.01.2019 ББК 65.22 Дата принятия статьи: 04.02.2019 МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ПРОГНОЗИРОВАНИЯ УРОВНЯ ЦЕН НА РЕГИОНАЛЬНОМ РЫНКЕ ЖИЛОЙ НЕДВИЖИМОСТИ 1 Екатерина Владимировна Воронина Крымский федеральный университет им. В.И. Вернадского, г. Симферополь, Российская Федерация; Донской государственный технический университет, г. Ростов-на-Дону, Российская Федерация Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости Science Journal of VolSU. Global Economic System. 2019. Vol. 21. No. 1 41 Ольга Борисовна Ярош Крымский федеральный университет им. В.И. Вернадского, г. Симферополь, Российская Федерация Наталья Викторовна Береза Донской государственный технический университет, г. Шахты, Российская Федерация Марина Васильевна Россинская Сочинский государственный университет, г. Сочи, Российская Федерация Аннотация. Цель данной статьи состоит в разработке математической модели оценки стоимости объекта с учетом тенденций на рынке жилой недвижимости с помощью показателей состояния объекта недвижимо- сти и показателей состояния рынка недвижимости. Рынок недвижимости – это сложный механизм, который включает в себя субъекты, объекты, процессы и инфраструктуру. Рынок недвижимости имеет свои особен- ности, которые отличают его от рынка товаров и услуг, связанные с двойственностью недвижимости, ее особыми характеристиками. Несмотря на высокую консервативность, существуют определенные иннова- ционные тенденции в развитии рынка жилой недвижимости (инновации в строительстве, архитектуре, сфере услуг и маркетинга, логистике, клиентоориентированности). В статье рассматривается рынок жилой недвижимости как сложная социально-техническая система, для прогнозирования развития которой целесообразно применять сочетание классических методов прогно- зирования и мягких вычислений или интеллектуальных методов обработки данных. Составлен прогноз раз- вития рынка услуг жилой недвижимости с помощью форсайт-технологий (отраслевая дорожная карта). Про- веден анализ и выявлены основные факторы, действующие на рынке, и определено их влияние на развитие рыночных тенденций. Разработана математическая модель прогнозирования стоимости жилой недвижимо- сти на основе теории нечетких множеств. Ключевые слова: услуги, сфера услуг, рынок недвижимости, жилая недвижимость, прогнозирование, дорожная карта, математическая модель, состояние объекта недвижимости, состояние рынка недвижимости. Цитирование. Воронина Е. В., Ярош О. Б., Береза Н. В., Россинская М. В. Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости // Вестник Волгоградского государственного университета. Серия 3, Экономика. Экология. – 2019. – Т. 21, № 1. – С. 40–55. – DOI: https://doi.org/10.15688/jvolsu3.2019.1.4 Постановка проблемы Прогнозирование представляет собой анализ будущего состояния объекта, предме- та, товара или услуги. Оно представляет со- бой сложный процесс, для производства ко- торого необходимо применять в сочетании различные методы прогнозирования. На се- годняшний день существует огромное множе- ство методов прогнозирования, из которых только 15–20 используются на практике (см. рис. 1) [1; 2]. Укрупненно методы прогнозирования разделяют на интуитивные и формализован- ные. Их отличие состоит в том, что формали- зованные методы позволяют выразить резуль- таты количественно (в основном их объясня- ют математические модели), а интуитивные методы носят качественный характер, и, как правило, получены из опыта (суждения и оцен- ки экспертов) [13]. На практике при проведении исследова- ний и составлении прогнозов применяется со- четание нескольких методов прогнозирования. На первом этапе исследования обычно ис- пользуются интуитивные методы (анкетный опрос, интервьюирование, коллективные экс- пертные оценки и др.), после сбора первичной информации происходит построение матема- тической модели. Выбор методов математи- ческого моделирования определяется особен- ностями моделируемой области. Для социаль- но-экономических систем характерны следу- ющие особенности: многоаспектность проис- ходящих в них процессов (экономических, со- циальных и т. п.) и их взаимосвязанность; в силу этого невозможно вычленение и деталь- ное исследование отдельных явлений – все происходящие в них явления должны рассмат- риваться в совокупности; отсутствие доста- точной количественной информации о динами- ке процессов вынуждает переходить к каче- РЕГИОНАЛЬНАЯ ЭКОНОМИКА 42 Вестник ВолГУ. Серия 3, Экономика. Экология. 2019. Т. 21. № 1 ственному анализу таких процессов; измен- чивость характера процессов во времени и т. д. Поэтому в настоящее время при пост- роении математических моделей социальных и экономических процессов все большую по- пулярность приобретают интеллектуальные модели и методы обработки данных. Для принятия решений в условиях нео- пределенности используются разные методы принятия решений: экспертный опрос; вероят- ностные модели; нечеткие вычисления; ин- тервальная математика; теория игр; метод анализа иерархий [6; 14]. Необходимо провести анализ методов по таким критериям, как: возможность произво- дить неполные парные сравнения, учитывать нечеткость, неточность в параметрах, харак- теризующих объект исследования, использо- вать лингвистические значения параметров и одновременно производить некоторую количе- ственную оценку альтернатив, включать в исследования количественные оценки объек- тов (табл. 1). Наиболее подходящей для создания мо- дели является теория нечетких множеств, так как она позволяет оперировать с лингвисти- ческими значениями показателей и перево- дить их в количественные (с учетом специ- фики предприятия и видов деятельности), лег- ко корректировать значения показателей на стадии перехода к нечеткости, имитировать процесс человеческого мышления и поведе- ния, а также с успехом принимать решения в условиях недостатка информации. Состояние рынка подвержено влиянию самых разнообразных факторов, среди кото- рых можно выделить: цены на нефть, заня- тость населения, инфляцию, расходы госбюд- жета, доходы населения, колебания деловой активности, класс жилья, количество комнат, ставки по кредитам, объемы первичного и вторичного рынков. Следует отметить следующие законо- мерности функционирования рынка жилой не- движимости: эластичность спроса на жилье зависит от типа комнатности (спрос на одно- и двухкомнатные квартиры менее эластичен по цене); цены на однокомнатные квартиры в пересчете на квадратный метр будут соответ- ственно дороже, чем многокомнатные; пря- мой зависимости цен на недвижимость от кур- са цен на нефть нет, поэтому частичное сни- Рис. 1. Наиболее популярные методы прогнозирования Примечание. Разработано авторами. Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости Science Journal of VolSU. Global Economic System. 2019. Vol. 21. No. 1 43 жение цен на нефть положительно влияет на снижение цен на недвижимость; рост доходов приводит к непосредственному росту цен на жилье, исключение составляет лишь инфля- ция и падение деловой активности, при инф- ляции цены на недвижимость увеличивают- ся, а при падении деловой активности – умень- шаются. Важным фактором при определении цены на недвижимость является насыщен- ность рынка: чем больше предложений жилья, тем оно дешевле; первичное жилье, на кото- рое больший спрос, вытесняет два класса жилья – вторичное и элитное. Прогнозирование развития рынка услуг недвижимости с помощью дорожного картирования Дорожная карта является пошаговым гра- фическим представлением прогнозных значе- ний определенного объекта, товара, услуги. Дорожное картирование в экономической литературе встречается как синоним таких понятий, как бизнес-планирование и форсайт. Если бизнес-план – это определенный план или программа четких действий компании, то фор- сайт – это методика долгосрочного прогнози- рования научно-технологического и социаль- ного развития, основанная на опросе экспер- тов. Дорожная карта, ее разработка и пред- ставление, является частным методом пред- ставления результатов форсайт-технологий. В России пока еще недостаточно распро- странен такой инструмент планирования, как дорожное картирование, поэтому еще не сфор- мированы унифицированные методические подходы и алгоритмы формирования и пост- роения дорожных карт. Графическое представ- ление, структура и форма дорожной карты четко не заданы. В зависимости от объекта дорожного картирования выделяют следующие виды дорожных карт (см. рис. 2). В данной работе будет рассматривать- ся отраслевая дорожная карта, описывающая прогнозирование развития рынка услуг в сфе- ре жилой недвижимости. Для составления дорожной карты были рассмотрены тенденции развития рынка ус- луг в сфере недвижимости; вызовы (пробле- мы и факторы, влияющие на рынок жилой не- движимости); требования к компаниям, кото- рые предоставляют услуги в сфере недвижи- мости; субъекты, которые непосредственно оказывают влияние на развитие рынка услуг в сфере недвижимости; инновации, которые выступают в качестве катализаторов разви- тия рынка услуг недвижимости (см. рис. 3). Таблица 1 Сравнение границ применения методов принятий решений в условиях неопределенности Критерии Метод при- нятия реше- ний на осно- ве нечеткой логики Метод ана- лиза иерар- хий Качествен- ные методы принятий решений Вероятност- ные модели Интерваль- ная матема- тика Теория игр Возможность производить неполные парные сравнения + – – – – – Возможность учитывать не- четкость, неточность в па- раметрах, характеризующих объект исследования + – + – + – Возможность использовать лингвистические значения параметров + – + – – – Получение некоторой коли- чественной оценки альтер- натив + + – + + + Возможность включать в исследования количествен- ные оценки объектов + + + + + + Примечание. Разработано авторами по: [6]. РЕГИОНАЛЬНАЯ ЭКОНОМИКА 44 Вестник ВолГУ. Серия 3, Экономика. Экология. 2019. Т. 21. № 1 Рис. 2. Виды дорожных карт Примечание. Разработано авторами. Рис. 3. Дорожная карта развития рынка услуг недвижимости Примечание. Разработано авторами. Для того чтобы реализовать требования, предъявляемые к услугам, необходимо разрабо- тать алгоритм процесса регулирования рынка недвижимости, представленный на рисунке 4. С помощью дорожного картирования был проведен анализ микро- и макросреды рынка не- движимости, желаемого (целевого) состояния рынка, выявлены факторы, влияющие на состоя- ние рынка услуг (ускоряющие и тормозящие). Предложен алгоритм управления развитием рынка жилой недвижимости. Для оценки состояния рынка жилой недвижимости необходимо создание интег- рированного количественного показателя, позво- ляющего учесть особенности объекта оценки. Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости Science Journal of VolSU. Global Economic System. 2019. Vol. 21. No. 1 45 Разработка математической модели оценки стоимости объекта с учетом тенденций на рынке жилой недвижимости Вопросы оценки показателей рынка жи- лой недвижимости приобретают особую ак- туальность. Показатели, характеризующие рынок жилой недвижимости, носят комплекс- ный характер, включают в себя несколько составляющих и достаточно сложно форма- лизуются. Комплексный показатель, характеризу- ющий уровень цен на рынке жилой недвижи- мости, может, например, включать в себя сле- дующие составляющие: местоположение Рис. 4. Алгоритм процесса регулирования рынка недвижимости Примечание. Разработано авторами по: [4; 5]. РЕГИОНАЛЬНАЯ ЭКОНОМИКА 46 Вестник ВолГУ. Серия 3, Экономика. Экология. 2019. Т. 21. № 1 объекта; отделка; класс и площадь жилья; доходы населения; уровень инфляции; ставки по кредитам [3; 9]. Таким образом, при оценке рынка жи- лой недвижимости необходимо создание ин- тегрированного показателя, позволяющего учесть особенности объекта оценки. Также очевидно, что структура показателя стоимо- сти на рынке жилой недвижимости нужда- ется в динамической подстройке в связи с изменением значимости отдельных состав- ляющих в зависимости от конъюнктуры рын- ка. При этом некоторые показатели, такие как «качество отделки» и «местоположение объекта», не имеют количественных изме- рителей, что требует применения лингвис- тических значений, следовательно, наиболее подходящим математическим инструмента- рием является теория нечетких множеств [10; 12]. Комплексный показатель, характеризу- ющий уровень цен на рынке жилой недвижи- мости, включает в себя 2 группы переменных: связанных с состоянием самого объекта (ме- стоположение объекта, качество отделки, класс и площадь жилья) и состоянием рынка недвижимости (доходы населения, уровень инфляции и ставки по кредитам). Данная не- четкая система оценки стоимости объекта жилой недвижимости будет включать следу- ющие переменные (формулы 1–3): ?1= f 1 (x1, x2, x3, x4), (1) где ?1 – состояние объекта недвижимости; х 1 – ме- стоположение объекта; х 2 – отделка; х 3 – класс жи- лья; х 4 – площадь жилья; ?2 = f 2 (x5, x6, x7), (2) где ?2 – состояние рынка недвижимости; х 5 – дохо- ды населения; х 6 – уровень инфляции; х 7 – ставки по кредитам; ?1 = f 3 (?1, ?2), (3) где ?1 – стоимость 1 кв. м объекта жилой недвижи- мости; f 1 , f 2 , f 3 – функции нечеткого вывода. Итоговая система нечеткого вывода по- казателя стоимости в качестве входов полу- чает значения из промежуточных баз знаний ?1, ?2[15]. При построении функций принадлежнос- ти каждого нечеткого значения приведенных критериев необходимо задать узловые точки и по ним построить классификатор. При пост- роении оценочных шкал необходимо учиты- вать особенности показателей и соответствен- но выбирать тип и размерность шкалы. Показатель «стоимость объекта жилой недвижимости» является комплексным, по- этому рассмотрим отдельно шкалы для всех его составляющих. Нечеткие оценки критериев состояния объекта недвижимости Местоположение объекта недвижимос- ти – это комплексная характеристика, кото- рая может включать в себя и удаленность от центра, доступность социальной инфраструк- туры (поликлиника, школа, садик, почта, ма- газины, отделения банков и т. п.), транспорт- ную доступность (расстояние до остановки, количество видов транспорта, маршрутов) и обустроенность придомовой территории (на- личие парковочных мест, детских площадок, мест отдыха и т. п.) [11]. Для более обобщенной характеристики местоположения объекта недвижимости мо- гут быть применены только качественные значения «непрестижное», «не очень престиж- ное», «достаточно престижное» и «очень пре- стижное» (см. рис. 5). Для нечеткой переменной «местоположе- ние объекта» определены следующие лингви- стические термы: k1 – непрестижное; k2 – не очень престижное; k3 – достаточно престиж- ное; k4 – очень престижное. Была определена шкала от 0 до 200, где 100 – соответствует достаточно престиж- ному уровню и функция принадлежности тер- ма «достаточно престижное» в этой точке равна 1. Далее были определены узловые точки, а по этим узловым точкам построе- ны кусочно-линейные и трапециевидные функции принадлежности для всех термов. При этом соблюдены требования стандар- тных классификаторов – сумма всех функ- ций принадлежности для любого х равна единице. Для этих термов определены следующие функции принадлежности (формула 4): Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости Science Journal of VolSU. Global Economic System. 2019. Vol. 21. No. 1 47 ? ? ? ? ? ? ? ? ? ? ? ? 0, 80 ,50 80 30 80 1,0 50 ( ) 1 x x x x ?k x ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0, 120 ,100 120 20 120 1,80 100 ,50 80 30 50 0, 50 ( ) 2 x x x x x x x ?k x ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0, 160 ,140 160 20 160 1,120 140 ,100 120 20 100 0, 100 ( ) 3 x x x x x x x ? k x ? ? ? ? ? ? ? ? ? ? ? ? 0, 140 ,140 160 20 140 1,160 200 ( ) 4 x x x x x ? k ? ? ? ? (4) Примечание. Разработано авторами по: [7]. Показатель качества отделки – показа- тель, характеризующий качество обработки и покрытий, а также декоративность и функ- циональность элементов отделки, внешних по- верхностей. Существуют различные типы отделки квартир и домов. Отделка квартир классифицируется в соответствии с требованиями строительных норм и правил по степени пригодности поме- щения для постоянного проживания. В этой структуре различаются: черновая отделка квартир, чаще встречаемая в объектах новой постройки, коммерческая категория отделки включает полноценный ремонт; отделка ка- тегории «премиум». Одновременно с этим классификация типов отделки квартир может включать во всех трех вариантах переплани- ровку и меблировку квартир. Для нечеткой переменной «качество от- делки» определены следующие лингвистичес- кие термы: k1 – отсутствует (стройвариант); k2 – плохое (хуже ожидаемого); k3 – хорошее (соответствует ожиданиям); k4 – очень хоро- шее (превосходит ожидания). Оценочная шкала также была выбрана от 0 до 200, где 100 – соответствует среднему уров- ню качества отделки и функция принадлежнос- ти терма «хорошее (соответствует ожиданиям)» в этой точке равна 1. Далее были определены узловые точки, а по этим узловым точкам по- строены кусочно-линейные и трапециевидные функции принадлежности для всех термов. При этом соблюдены требования стандартных клас- сификаторов – сумма всех функций принадлеж- ности для любого х равна единице (см. рис. 6). Для этих термов определены следующие функции принадлежности (формула 5): ? ? ? ? ? ? ? ? ? ? ? ? 0, 60 ,40 60 20 60 1,0 40 ( ) 1 x x x x x ?k ? (5) Рис. 5. Функции принадлежности и значения лингвистической переменной «местоположение объекта» Примечание. Разработано авторами. РЕГИОНАЛЬНАЯ ЭКОНОМИКА 48 Вестник ВолГУ. Серия 3, Экономика. Экология. 2019. Т. 21. № 1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0, 100 ,80 100 20 100 1,60 80 ,40 60 20 40 0, 40 ( ) 2 x x x x x x x x ?k ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0, 140 ,120 140 20 140 1,100 120 ,80 100 20 80 0, 80 ( ) 3 x x x x x x x ?k x ? ? ? ? ? ? ? ? ? ? ? ? 0, 120 ,120 140 20 120 1,140 200 ( ) 4 x x x x x ? k ? ? ? (5) Примечание. Разработано авторами по: [7]. Несмотря на то что единой утвержден- ной классификации жилой недвижимости се- годня не существует, на практике отечествен- ный рынок имеет все-таки довольно четкое деление на сегменты. С каждым годом клас- сификация рынка становится все более ося- заемой, у каждого сегмента появляются оп- ределенные признаки. Так, говоря о недвижи- мости в каком-либо регионе, можно выделить три класса жилья: эконом, комфорт и элит. В состав нечеткой переменной «класс жилья» включены три компонента, и для каждого определены лингвистические тер- мы: k1 – эконом; k2 – стандарт; k3 – элит. Для этих термов определены следующие функции принадлежности (формула 6): ? ? ? ? ? ? ? ? ? ? ? ? 0, 90 ,60 90 30 90 1,0 60 ( ) 1 x x x x x ?k ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0, 140 ,110 140 30 140 1,90 110 ,60 90 30 60 0, 60 ( ) 2 x x x x x x x ?k x ? ? ? ? ? ? ? ? ? ? ? ? 0, 110 ,110 140 30 110 1,140 200 ( ) 3 x x x x ?k x ? ? (6) Примечание. Разработано авторами по: [7]. Оценочная шкала также была выбрана от 0 до 200, где 100 – соответствует средне- му сроку стандартного варианта и функция принадлежности терма «стандарт» в этой точ- ке равна 1 (см. рис. 7). Для компонента «площадь недвижимос- ти» приняты лингвистические термы: k1 – малогабаритное жилье; k2 – среднегабарит- ное жилье; k3 – крупногабаритное жилье. Для этих термов определены следующие функции принадлежности (формула 7): Рис. 6. Функции принадлежности и значения лингвистической переменной «качество отделки» Примечание. Разработано авторами. Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости Science Journal of VolSU. Global Economic System. 2019. Vol. 21. No. 1 49 ? ? ? ? ? ? ? ? ? ? ? ? 0, 90 ,60 90 30 90 1,0 60 ( ) 1 x x x x x ?k ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 0, 140 ,110 140 30 140 1,90 110 ,60 90 30 60 0, 60 ( ) 2 x x x x x x x ?k x ? (7) ? ? ? ? ? ? ? ? ? ? ? ? 0, 110 ,110 140 30 110 1,140 200 ( ) 3 x x x x x ?k ? (7) Примечание. Разработано авторами по: [7]. Оценочная шкала также была выбрана от 0 до 200, где 100 – соответствует стандар- тному варианту площади недвижимости и функция принадлежности терма «среднегаба- ритное жилье» в этой точке равна 1 (рис. 8). База правил нечеткого вывода представлена в таблице 2. Рис. 7. Функции принадлежности и значения лингвистической переменной «класс жилья» Примечание. Разработано авторами. Рис. 8. Функции принадлежности и значения лингвистической переменной «площадь недвижимости» Примечание. Разработано авторами. Таблица 2 База правил вывода нечеткого значения «площадь недвижимости» Комнатность Метраж Габаритность 1-комнатная До 25 кв. м k1 26–40 кв. м k2 41 кв. м и более k3 2-комнатная До 40 кв. м k1 40–50 кв. м k2 51 кв. м и более k3 3-комнатная и более До 50 кв. м k1 До 60 кв. м k2 Свыше 61 кв. м k3 Примечание. Разработано авторами. РЕГИОНАЛЬНАЯ ЭКОНОМИКА 50 Вестник ВолГУ. Серия 3, Экономика. Экология. 2019. Т. 21. № 1 Нечеткие оценки критериев состояния рынка недвижимости Поскольку недвижимость является достаточно дорогостоящим товаром, на со- стояние рынка недвижимости, точнее на величину спроса, сильное влияние оказы- вает уровень дохода населения. Уровень доходов населения в различных субъектах РФ и в отдельных населенных пунктах од- ного субъекта может существенно отли- чаться. Для построения математической модели будем оценивать уровень дохода в населенном пункте по сравнению со сред- ним по региону [8]. Для лингвистической переменной «дохо- ды населения» определим следующие значе- ния термов: «ниже среднего по области», «со- ответствует среднему», «выше среднего по области» (рис. 9). Для этих термов определены следующие функции принадлежности (формула 8): ? ? ? ? ? ? ? ? ? ? ? ? ? x R R x R R R x R x x k 0, 0,9 ,0,8 0.9 0,1 0,9 1,0,8 ( ) 1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? x R R x R R R x R x R R x R R x R x R x k 0, 1,2 ,1,1 1,2 0,1 1,2 1,0,9 1,1 ,0,8 0,9 0,1 0,8 0, 0,8 ( ) ? 2 ? (8) 3 1, 1,2 1,1 ( ) ,1,1 1,2 0,1 0, 1,1 k x R x R x R x R R x R ? ? ? ? ? ? ? ? ? ? ? ?? ? (8) где R – средний уровень доходов по регионам, тыс. руб. на душу населения. Примечание. Разработано авторами по: [7]. Оценочная шкала для компонента «уро- вень инфляции» также построена на основе среднего уровня инфляции по региону. Далее были определены узловые точки, а по этим узловым точкам построены кусочно-линейные и трапециевидные функции принадлежности для всех термов (см. рис. 10). Для компонента «уровень инфляции» оп- ределены значения переменной: k1– ниже среднего по области; k2 – соответствует сред- нему; k3 – выше среднего по области. Для этих термов определены следующие функции принадлежности (формула 9): ? ? ? ? ? ? ? ? ? ? ? ? ? x I I x I I I x x I k x 0, 0,9 ,0,8 0.9 0,1 0,9 1, 0,8 ( ) 1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? x I I x I I I x I x I I x I I x I x I x k 0, 1,2 ,1,1 1,2 0,1 1,1 1,0,9 1,1 ,0,8 0,9 0,1 0,8 0, 0,8 ( ) ? 2 ? (9) Рис. 9. Нечеткая шкала для показателя «доходы населения» Примечание. Разработано авторами. Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости Science Journal of VolSU. Global Economic System. 2019. Vol. 21. No. 1 51 3 1, 1, 2 1,1 ( ) ,1,1 1, 2 0,1 0, 1,1 k x I x I x I x I I x I ? ? ? ? ? ? ? ? ? ? ? ?? ? (9) где I – средний уровень инфляции в регионе. Примечание. Разработано авторами по: [7]. Так как банки РФ по всей территории устанавливают ставки ссудного процента, то в данной модели для сравнения используется средняя ставка по кредитованию. Оценочная шкала для компонента «уровень ставок по кредитам» построена на основе среднего зна- чения ссудного процента по кредиту. Далее были определены узловые точки, а по этим узловым точкам построены кусочно-линейные и трапециевидные функции принадлежности для всех термов. Для компонента «уровень ставок по кре- дитам» определены значения переменной: k1– ниже среднего по стране; k2 – соответствует среднему; k3 – выше среднего по стране. Для этих термов определены следующие функции принадлежности (формула 10): ? ? ? ?? ? ? ? ? ? ? ? ? x K K x K K K x x K x k 0, 0,9 ,0,8 0.9 0,1 0,9 1, 0,8 ( ) 1 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? x K K x K K K x K x K K x K K x K x K x k 0, 1,2 ,1,1 1,2 0,1 1,1 1,0,9 1,1 ,0,8 0,9 0,1 0,8 0, 0,8 ( ) ? 2 3 1, 1, 2 1,1 ( ) ,1,1 1,2 0,1 0, 1,1 k x K x K x K x K K x K ? ? ? ? ? ? ? ? ? ? ? ?? ? ? ? (10) где K – средний уровень процентной ставки по стране. Примечание. Разработано авторами по: [7]. Рис. 10. Нечеткая шкала для показателя «уровень инфляции» Примечание. Разработано авторами. Рис. 11. Нечеткая шкала для показателя «уровень процентной ставки» Примечание. Разработано авторами. РЕГИОНАЛЬНАЯ ЭКОНОМИКА 52 Вестник ВолГУ. Серия 3, Экономика. Экология. 2019. Т. 21. № 1 Определение итогового значения стоимости 1 кв. м жилой недвижимости Для составления прогноза стоимости 1 кв. м жилой недвижимости в регионе необ- ходимо объединить показатели состояния объекта недвижимости (цена за 1 кв. м) и со- стояние рынка жилой недвижимости в единую систему нечеткого вывода (рис. 12). Результатами выполнения блоков явля- ются нечеткие множества, полученные путем пересечения нечетких множеств, описываю- щих входящие критерии (формула 11): Y = ?1 ? ?2, (11) где ?1 – выходная состояния объекта недвижимос- ти (цена за 1 кв. м); ? 2 – выходная переменная со- стояния рынка жилой недвижимости; Y – выходная переменная, определяет уровень цен на рынке жи- лой недвижимости. Примечание. Разработано авторами. Процесс формирования показателя «про- гнозная цена» по составляющим нечеткой пе- ременной «состояние объекта недвижимости (цена за 1 кв. м)» и «состояние рынка» с помо- щью базы правил представлен в таблице 3. Если результат (база правил) является удовлетворительным, можно переходить к среднесрочному и краткосрочному планиро- ванию прогнозной цены на 1 кв. м жилой не- движимости. Если полученный результат не- благоприятен, следует рассмотреть причины, возможно, требуется корректировка процес- са определения значения показателя «прогноз- ная цена» или неудачно были выбраны такие показатели, как «состояние объекта недвижи- мости (цена за 1 кв. м)» и «состояние рынка». Заключение Представленная в работе модель име- ет значительный потенциал для практичес- кой реализации: использование не только лин- гвистической, но и количественной инфор- мации (баз данных органов статистики, средств массовой информации, данных ана- Рис. 12. Система нечеткого вывода Примечание. Разработано авторами. Таблица 3 База правил по составляющим нечеткой переменной «прогнозная цена» Состояние рынка Величина изменения цены, % Методика расчета Значительный спад -10 0,9 Ц 1 кв. м Спад -5 0,95 Ц 1 кв. м Стагнация 0 1 Ц 1 кв. м Слабый рост +5 1,05 Ц 1 кв. м Уверенный рост +7,5 1,07 Ц 1 кв. м Сильный рост +10 1,1 Ц 1 кв. м Примечание. Разработано авторами. Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости Science Journal of VolSU. Global Economic System. 2019. Vol. 21. No. 1 53 литического и синтетического учета и т. д.), возможность добавления инструментов гра- фической визуализации информации, реали- зация механизма динамической настройки показателей системы (например, показате- ля стоимости) в соответствии с желаниями пользователя. Таким образом, был разработан алго- ритм создания математической модели вы- бора услуг для субъектов рынка услуг в сфе- ре недвижимости. В работе представлена модель системы поддержки принятия реше- ния на основе нечетких множеств и нечетко- го вывода. Применение данной системы по- зволит повысить качество и обоснованность принимаемых решений субъектов малого биз- неса при выборе состава услуг. ПРИМЕЧАНИЕ 1 Работа выполнена при частичной финан- совой поддержке РФФИ (проект № 17-07-01323). СПИСОК ЛИТЕРАТУРЫ 1. Алехина, Е. С. Исследование процессов формирования рынка недвижимости и их влияние на развитие риэлтерских услуг / Е. С. Алехина // Экономика, статистика и информатика. Вестник УМО. – 2012. – № 3-2. – С. 183–186. 2. Алехина, Е. С. Формирование и оценка раз- вития рынка риэлтерских услуг и недвижимости в регионе / Е. С. Алехина // Инженерный вестник Дона. – 2012. – № 3 (21). – С. 536–541. 3. Лещинский, Б. С. Согласование субъектив- ной оценки качества жилого объекта недвижимос- ти и рыночной ситуации с использованием теории нечетких множеств / Б. С. Лещинский // Вестник Томского государственного университета. Эконо- мика. – 2013. – № 2 (22). – С. 174–182. 4. Морщинина, Н. И. Становление рынка ри- элтерских услуг в сфере жилой недвижимости : ав- тореф. дис. ... канд. экон. наук / Морщинина Ната- лья Ивановна. – М., 2014. – 25 с. 5. Мухамадиев, А. С. Основные направления развития и регулирования рынка риэлтерских ус- луг (на материалах Ростовской области) : автореф. дис. ... канд. экон. наук / Мухамадиев Анвар Султан- бекович. – Шахты, 2011. – 25 с. 6. Орлов, А. И. Системная нечеткая интер- вальная математика / А. И. Орлов, Е. В. Луценко. – Краснодар : Изд-во КубГАУ, 2014. – 600 с. 7. Пегат, А. Нечеткое моделирование и управ- ление : учеб. пособие / А. Пегат. – М. : Бином. Ла- боратория знаний, 2013. – 798 с. 8. Сильнова, С. В. Поддержка принятия реше- ний при управлении предприятием на основе нечет- ких моделей / С. В. Сильнова, Г. Р. Полюдова, Е. А. Пу- зырникова // Вестник компьютерных и информаци- онных технологий. – 2009. – № 11. – С. 33–41. 9. Стерник, Г. М. Развитие и совершенство- вание методов прогнозирования на рынке жилой недвижимости / Г. М. Стерник, С. Г. Стерник, А. В. Свиридов // Урбанистика и рынок недвижи- мости. – 2014. – № 1. – С. 53–93. 10. Чернов, В. Г. Основы теории нечетких мно- жеств : учеб. пособие / В. Г.Чернов. – Владимир : Изд-во ВлГУ, 2010. – 96 с. 11. Яговцева, М. М. Оценка полезности муль- тиатрибутивного товара на рынке жилой недвижи- мости / М. М. Яговцева, Д. Б. Потапов // Маркетинг и маркетинговые исследования. – 2013. – № 3. – С. 192–208. 12. Cerami, М. On the relationship between fuzzy description logics and many-valued modal logics / М. Cerami, F. Esteva, ?. Garc?a-Cerda?a // International Journal of Approximate Reasoning. – 2018. – № 93. – Р. 372–394. 13. Mathematical model of forecasting the residential real estate market prices level / E. V. Voronina, O. B. Yarosh, N. V. Bereza, N. I. Zakieva // Materials Science Forum. – 2018. – Vol. 931. – Р. 1101–1106. – DOI: https://doi.org/10.4028/www.scientific.net/MSF. 931.1101. 14. The principles of analytic decision support system construction on the basis of fuzzy logic / N. V. Bereza, A. N. Bereza, M. V. Lyashov, L. Blanco // The 9th IEEE International Conference on Application of Information and Communication Technologies (AICT2015). – Rostov-on-Don, 2015. – Р. 161–166. 15. Yazdanbakhsh, O. A systematic review of complex fuzzy sets and logic / O. Yazdanbakhsh, S. Dick // Fuzzy Sets and Systems. – 2018. – № 338. – Р. 1–22. REFERENCES 1. Alekhina E.S. Issledovanie protsessov formirovaniya rynka nedvizhimosti i ikh vliyanie na razvitie rielterskikh uslug [The Study of the Processes of the Real Estate Market Formation and Their Impact on the Development of Real Estate Services]. Ekonomika, statistika i informatika. Vestnik UMO, 2012, no. 3-2, pp. 183-186. 2. Alekhina E.S. Formirovanie i otsenka razvitiya rynka rielterskikh uslug i nedvizhimosti v regione [Formation and Assessment of the Development of the Market of Real Estate Services and Real Estate in РЕГИОНАЛЬНАЯ ЭКОНОМИКА 54 Вестник ВолГУ. Серия 3, Экономика. Экология. 2019. Т. 21. № 1 the Region]. Inzhenernyy vestnik Dona [Engineering Bulletin of the Don], 2012, no. 3 (21), pp. 536-541. 3. Leshchinskiy B.S. Soglasovanie subyektivnoy otsenki kachestva zhilogo obyekta nedvizhimosti i rynochnoy situatsii s ispolzovaniem teorii nechetkikh mnozhestv [Reconciliation of the Subjective Assessment of the Quality of a Residential Property and the Market Situation Using the Theory of Fuzzy Sets]. Vestnik Tomskogo gosudarstvennogo universiteta. Ekonomika [Bulletin of Tomsk State University. Economy], 2013, no. 2 (22), pp. 174-182. 4. Morshchinina N.I. Stanovlenie rynka rielterskikh uslug v sfere zhiloy nedvizhimosti: avtoref. dis. ... kand. ekon. nauk [Formation of the Real Estate Services Market. Cand. econ. sci. diss.]. Moscow, 2014. 25 p. 5. Mukhamadiev A.S. Osnovnye napravleniya razvitiya i regulirovaniya rynka rielterskikh uslug (na materialakh Rostovskoy oblasti): avtoref. dis. ... kand. ekon. nauk [The Main Directions of Development and Regulation of the Market of Real Estate Services (on the Materials of the Rostov Region). Cand. econ. sci. diss.]. Shakhty, 2011. 25 p. 6. Orlov A.I., Lutsenko E.V. Sistemnaya nechetkaya intervalnaya matematika [System Fuzzy Interval Math]. Krasnodar, KubGAU Publ., 2014. 600 p. 7. Pegat A. Nechetkoe modelirovanie i upravlenie [Fuzzy Modeling and Control]. Moscow, Binom. Laboratoriya znaniy Publ., 2013. 798 p. 8. Silnova S.V., Polyudova G.R., Puzyrnikova E.A. Podderzhka prinyatiya resheniy pri upravlenii predpriyatiem na osnove nechetkikh modeley [Decision Support in the Management of an Enterprise Based on Fuzzy Models]. Vestnik kompyuternykh i informatsionnykh tekhnologiy [Bulletin of Computer and Information Technologies], 2009, no. 11, pp. 33-41. 9. Sternik G.M., Sternik S.G., Sviridov A.V. Razvitie i sovershenstvovanie metodov prognozirovaniya na rynke zhiloy nedvizhimosti [Development and Improvement of Forecasting Methods in the Residential Real Estate Market]. Urbanistika i rynok nedvizhimosti [Urbanism and the Real Estate Market], 2014, no. 1, pp. 53-93. 10. Chernov V.G. Osnovy teorii nechetkikh mnozhestv [Fundamentals of the Theory of Fuzzy Sets]. Vladimir, VlGU Publ., 2010. 96 p. 11. Yagovtseva M.M., Potapov D.B. Otsenka poleznosti multiatributivnogo tovara na rynke zhiloy nedvizhimosti [Assessment of the Utility of a MultiAttributable Product in the Residential Real Estate Market]. Marketing i marketingovyye issledovaniya [Marketing and Marketing Research], 2013, no. 3, pp. 192-208. 12. Cerami М., Esteva F., Garc?a-Cerda?a ?. On the Relationship Between Fuzzy Description Logics and Many-Valued Modal Logics. International Journal of Approximate Reasoning, 2018, no. 93, рр. 372-394. 13. Voronina E.V., Yarosh O.B., Bereza N.V., Zakieva N.I. Mathematical Model of Forecasting the Residential Real Estate Market Prices Level. Materials Science Forum, 2018, vol. 931, pp. 1101-1106. DOI: https:// doi.org/10.4028/www.scientific.net/MSF.931.1101. 14. Bereza N.V., Bereza A.N., Lyashov M.V., Blanco L. The Principles of Analytic Decision Support System Construction on the Basis of Fuzzy Logic. The 9 th IEEE International Conference on Application of Information and Communication Technologies (AICT2015). Rostov-on-Don, 2015, pp. 161-166. 15. Yazdanbakhsh O., Dick S. A Systematic Review of Complex Fuzzy Sets and Logic. Fuzzy Sets and Systems, 2018, no. 338, рр. 1-22. Information about the Authors Ekaterina V. Voronina, Candidate for a Degree, Department of Marketing, Trading and Customs Business, Institute of Economics and Management, Crimean Federal University named after V.I. Vernadsky, Sevastopolskaya St., 21/4, 295015 Simferopol, Russian Federation; Postgraduate Student, Department of Intelligent Electrical Networks, Don State Technical University, Gagarina Sq., 1, 344000 Rostov-on-Don, Russian Federation, vev_94katerina@mail.ru, https://orcid.org/0000-0001-6308-0675 Olga B. Yarosh, Doctor of Sciences (Economics), Associate Professor, Professor of Department of Marketing, Trading and Customs Business, Institute of Economics and Management, Crimean Federal University named after V.I. Vernadsky, Sevastopolskaya St., 21/4, 295015 Simferopol, Russian Federation, iarosh.olga@gmail.com, https://orcid.org/0000-0001-9663-2528 Natalya V. Bereza, Candidate of Sciences (Economics), Associate Professor of Department of Information Systems and Radio Engineering, Institute of the Service Sector and Entrepreneurship (Branch) of Don State Technical University, Shevchenko St., 147, 346500 Shakhty, Russian Federation, nvbereza@bk.ru, https://orcid.org/0000-0002-0820-7669 Marina V. Rossinskaya, Doctor of Sciences (Economics), Professor of Department of Economics and Management, Sochi State University, Sovetskaya St., 26a, 354000 Sochi, Russian Federation, rossmv@mail.ru, https://orcid.org/0000-0001-6190-5434 Математическая модель прогнозирования уровня цен на региональном рынке жилой недвижимости Science Journal of VolSU. Global Economic System. 2019. Vol. 21. No. 1 55 Информация об авторах Екатерина Владимировна Воронина, соискатель кафедры маркетинга, торгового и та- моженного дела, Институт экономики и управления (структурное подразделение), Крымский фе- деральный университет им. В.И. Вернадского, ул. Севастопольская, 21/4, 295015 г. Симферополь, Российская Федерация; аспирант кафедры интеллектуальных электрических сетей, Донской го- сударственный технический университет, пл. Гагарина, 1, 344000 г. Ростов-на-Дону, Российская Федерация, vev_94katerina@mail.ru, https://orcid.org/0000-0001-6308-0675 Ольга Борисовна Ярош, доктор экономических наук, доцент, профессор кафедры маркетин- га, торгового и таможенного дела, Институт экономики и управления (структурное подразделение), Крымский федеральный университет им. В.И. Вернадского, ул. Севастопольская, 21/4, 295015 г. Сим- ферополь, Российская Федерация, iarosh.olga@gmail.com, https://orcid.org/0000-0001-9663-2528 Наталья Викторовна Береза, кандидат экономических наук, доцент кафедры информацион- ных систем и радиотехники, Институт сферы обслуживания и предпринимательства (филиал), Донс- кой государственный технический университет в г. Шахты Ростовской области, ул. Шевченко, 147, 346500 г. Шахты, Российская Федерация, nvbereza@bk.ru, https://orcid.org/0000-0002-0820-7669 Марина Васильевна Россинская, доктор экономических наук, профессор кафедры эконо- мики и менеджмента, Сочинский государственный университет, ул. Советская, 26а, 354000 г. Со- чи, Российская Федерация, rossmv@mail.ru, https://orcid.org/0000-0001-6190-5434

Другие книги из этого раздела





© 2002 - 2026 RefMag.ru