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.
[email protected], ,

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




Букинистическая книга:

Список литературы по оценке недвижимости > Прогнозирование стоимости объектов недвижимости на основе комплексного анализа их свойств

Прогнозирование стоимости объектов недвижимости на основе комплексного анализа их свойств

Савина О.В., Маликов В.П., Садовникова Н.П., Парыгин Д.С., Митягин С.А., Воронин Д.Ю. Прогнозирование стоимости объектов недвижимости на основе комплексного анализа их свойств // Прикаспийский журнал: управление и высокие технологии. 2019. № 4 (48). С. 60-70.

Скачать оригинал статьи

Фрагмент работы на тему "Прогнозирование стоимости объектов недвижимости на основе комплексного анализа их свойств"

60 УПРАВЛЕНИЕ В СОЦИАЛЬНЫХ И ЭКОНОМИЧЕСКИХ СИСТЕМАХ DOI 10.21672/2074-1707.2019.48.4.060-070 УДК 004.942:338.27:332.63 ПРОГНОЗИРОВАНИЕ СТОИМОСТИ ОБЪЕКТОВ НЕДВИЖИМОСТИ НА ОСНОВЕ КОМПЛЕКСНОГО АНАЛИЗА ИХ СВОЙСТВ* Статья поступила в редакцию 18.10.2019, в окончательном варианте – 24.11.2019. Савина Оксана Владимировна, Волгоградский государственный технический университет, 400005, Российская Федерация, г. Волгоград, пр. Ленина, 28, старший преподаватель, e-mail: [email protected] Маликов Виталий Павлович, Волгоградский государственный технический университет, 400005, Российская Федерация, г. Волгоград, пр. Ленина, 28, аспирант, e-mail: [email protected] Садовникова Наталья Петровна, Волгоградский государственный технический универси- тет, 400005, Российская Федерация, г. Волгоград, пр. Ленина, 28, доктор технических наук, профессор, ORCID 0000-0002-7214-9432, e-mail: [email protected] Парыгин Данила Сергеевич, Волгоградский государственный технический университет, 400005, Российская Федерация, г. Волгоград, пр. Ленина, 28, кандидат технических наук, доцент, ORCID 0000-0001-8834-5748, e-mail: [email protected], elibrary: https://elibrary.ru/author_profile.asp?authorid=842349 Митягин Сергей Александрович, Национальный исследовательский университет ИТМО, 199034, Российская Федерация, г. Санкт-Петербург, Биржевая линия, д. 14, кандидат технических наук, директор Института дизайна и урбанистики, e-mail: [email protected], elibrary: https://elibrary.ru/author_profile.asp?authorid=655152 Воронин Дмитрий Юрьевич, Севастопольский государственный университет, 299053, Рос- сийская Федерация, г. Севастополь, ул. Университетская, д. 33, кандидат технических наук, доцент, e-mail: [email protected], elibrary: https://elibrary.ru/author_profile.asp?authorid=748964 Уточнена роль оценки недвижимости при исследовании организации городской инфраструктуры и раз- вития страны в целом. Объект недвижимости рассмотрен как система, обладающая определенными характе- ристиками, главной из которых является стоимость. Стоимость описывает результат проведения оценки объ- екта недвижимости в условиях наличия большого количества критериев. Ее значение находится под влияни- ем некоторых факторов (параметров), которые можно разделить на две основные группы: внешние и внут- ренние. Рассматриваются основные подходы к построению рыночной оценки объекта недвижимости, осно- ванные на различных видах машинного обучения. Предлагается новый подход к определению стоимости объектов недвижимости на основе комплексного анализа их свойств. Подход основывается на комбинирова- нии метода бинарного кодирования качественных характеристик объекта недвижимости; кластерного анали- за для определения однотипных объектов; регрессионного анализа для построения прогноза стоимости рас- сматриваемого объекта недвижимости. Предложенный метод комплексного анализа позволяет на основе ис- следования свойств объекта недвижимости и базовых принципов кадастровой оценки снизить неопределен- ность прогноза стоимости и повысить объективность оценок. Ключевые слова: объект недвижимости, рынок недвижимости, рыночная стоимость объекта недвижи- мости, машинное обучение, бинарное кодирование, кластерный анализ FORECASTING THE VALUE OF REAL ESTATE ON THE BASIS OF A COMPREHENSIVE ANALYSIS OF ITS PROPERTIES The article was received by the editorial board 18.10.2019, in the final version – 24.11.2019. Savina Oksana V., Volgograd State Technical University, 28 Lenin Ave., Volgograd, 400005, Russian Federation, Senior Lecturer, e-mail: [email protected] Malikov Vitaliy P., Volgograd State Technical University, 28 Lenin Ave., Volgograd, 400005, Russian Federation, post-graduate student, e-mail: [email protected] * Исследование выполнено при финансовой поддержке РФФИ в рамках научного проекта № 18-37-20066 “мол_а_вед”. ПРИКАСПИЙСКИЙ ЖУРНАЛ: управление и высокие технологии, № 4 (48), 2019 г. 61 Sadovnikova Natalia P., Volgograd State Technical University, 28 Lenin Ave., Volgograd, 400005, Russian Federation, Doct. Sci. (Engineering), Associate Professor, ORCID 0000-0002-7214-9432, e-mail: [email protected] Parygin Danila S., Volgograd State Technical University, 28 Lenin Ave., Volgograd, 400005, Russian Federation, Cand. Sci. (Engineering), Associate Professor, ORCID 0000-0001-8834-5748, e-mail: [email protected] Mityagin Sergey A., ITMO University, 14 Birzhevaya line, Saint Petersburg, 199034, Russian Federation, Cand. Sci. (Engineering), Director of Institute of Design & Urban Studies, e-mail: [email protected] Voronin Dmitry Yu., Sevastopol State University, 33 Universitetskaya St., Sevastopol, 299053, Russian Federation, Cand. Sci. (Engineering), Associate Professor, e-mail: [email protected] The role of real estate in the study of urban infrastructure development and the development of the country as a whole is substantiated in the paper. A real estate object is considered as a system with certain characteristics, the main of which is a cost. The cost describes the result of real estate object assessment in the presence of a large number of criteria. Its value is influenced by some criteria, which are divided into two main groups: external and internal. The basic approaches to building a market valuation of a property based on various types of machine learning are considered. A new approach to determining the value of real estate based on a comprehensive analysis of its properties is proposed. The approach is based on a combination of the binary coding method of the qualitative characteristics of a real estate object, cluster analysis to determine objects of the same type and regression analysis to build a value forecast for the particular real estate object. Key words: estate object, estate market, market value of the property, machine learning, binary coding, cluster analysis Graphical annotation (Графическая аннотация) Введение. Успешность решения множества вопросов по развитию территорий, связанных с формированием комфортной среды для проживания граждан, стимулированием развития эконо- мики и обеспечением экологической безопасности территории, связано с эффективностью процес- сов управления недвижимостью. Объекты недвижимости (ОбН) выступают как основа националь- ного богатства страны и связующее звено для разных поколений. Поэтому на сегодняшний день актуальным является вопрос о реорганизации процессов управления ОбН. Для всесторонней оцен- ки поставленного вопроса необходимо рассмотреть специфику развития (создания) ОбН, его жиз- ненный цикл и весь спектр его свойств; определить принципы управления, обеспечивающие раци- ональное использование данного ресурса. 62 CASPIAN JOURNAL: Control and High Technologies, 2019, 4 (48) Целью настоящего исследования является разработка методики для прогнозирования стоимо- сти объекта недвижимости, с учетом уточненных свойств объектов недвижимости, влияющих на итоговую величину рыночной стоимости и базовых принципов кадастровой оценки. Ключевые свойства объектов недвижимости. К ОбН относятся: здания, сооружения, объ- екты незавершенного строительства [3]; земельные участки; участки недр и всё, что прочно связа- но с землей, то есть объекты, перемещение которых без несоразмерного ущерба их назначению невозможно. Целостное представление об ОбН обусловлено совокупностью его правовых, физи- ческих и экономических составляющих, объединяющих и раскрывающих основные характеристи- ки объекта недвижимости. К основным чертам ОбН можно отнести следующее: уникальность (неповторимость) любого ОбН, заключающуюся в неповторимости его внутренней отделки, расположении относительно частей света, видовых характеристиках из окон, уровне износа, году постройки и т.д., а также раз- новидность, стационарность (неподвижность), материальность, ликвидность, долговечность, вы- сокую стоимость. Каждый из представленных признаков дает впоследствии свою составляющую в стоимости ОбН. Однако для того чтобы определить итоговую стоимость ОбН, необходимо в каждом сегменте объектов недвижимости выделить свою группу факторов, наиболее полно от- ражающую основные свойства данной группы. Например, к основным факторам, определяющим стоимость объекта жилой недвижимости, относят следующее: площадь, этажность, местоположе- ние, состояние, совокупность передаваемых прав, наличие коммуникаций. Но основной компо- нентой из представленных параметров выступает местоположение (земельный участок, отведен- ный под объект недвижимости). Именно этот фактор [8] оказывается определяющим при форми- ровании стоимости ОбН на разных стадиях развития жизненного цикла ОбН: от момента создания (появления идеи по созданию/развитию объекта, выполнения предпроектных исследований) до принятия решения о ликвидации (сносе) ОбН. Вид определяемой стоимости на объект недвижимости. Действующие нормативно- правовые документы в области оценочной деятельности законодательно закрепили следующие виды стоимости на ОбН [11]: ? рыночная стоимость; ? инвестиционная стоимость; ? ликвидационная стоимость; ? кадастровая стоимость. Каждая из этих стоимостей отражает основные задачи, поставленные перед государственны- ми органами власти, по формированию и развитию рынка недвижимости; организации системы налогообложения, территориально-пространственному планированию города; регулированию имущественного оборота внутри страны. В рамках функционирования открытого рынка основной стоимостью является рыночная сто- имость ОбН. Согласно Федеральному закону от 29 июля 1998 г. № 135-ФЗ «Об оценочной деятельности в Российской Федерации», «под рыночной стоимостью объекта оценки понимается наиболее ве- роятная цена, по которой данный объект оценки может быть отчужден на открытом рынке в условиях конкуренции, когда стороны сделки действуют разумно, располагая всей необходимой информацией, а на величине цены сделки не отражаются какие-либо чрезвычайные обстоятель- ства, то есть когда: – одна из сторон сделки не обязана отчуждать объект оценки, а другая сторона не обязана принимать исполнение; – стороны сделки хорошо осведомлены о предмете сделки и действуют в своих интересах; – объект оценки представлен на открытом рынке посредством публичной оферты, типич- ной для аналогичных объектов оценки; – цена сделки представляет собой разумное вознаграждение за объект оценки и принужде- ния к совершению сделки в отношении сторон сделки с чьей-либо стороны не было; – платеж за объект оценки выражен в денежной форме» [15]. Исходя из приведенного определения, основной упор при определении рыночной стоимости делается на доступность и открытость информации при оценке рыночной стоимости ОбН. При создании расчетной модели по оценке ОбН, как правило, ключевая задача состоит в сборе исход- ной полной информации по основным ценообразующим параметрам. Также немаловажен учет всей совокупности внешних факторов окружения проекта (условий совершения сделки). Формирование стоимости на объект недвижимости. Стоимость ОбН формируется на раз- ных этапах его жизненного цикла под влиянием внутренних (физических) и внешних факторов. ПРИКАСПИЙСКИЙ ЖУРНАЛ: управление и высокие технологии, № 4 (48), 2019 г. 63 Внутренние (физические) факторы в большей степени отражают техническую составляющую объекта; дают представление о его объемно-планировочных, конструктивных решениях, составе материала. Данные сведения могут служить основой для определения сметной стоимости строи- тельства, расчете стоимости воспроизводства или замещения. Однако для расчета рыночной или иной стоимости, утвержденной федеральным стандартом по оценочной деятельности, требуется обязательный учет внешних факторов (внешнего окружения объекта). Влияние данной группы факторов отражено в работах А. Г. Грязновой, М. А. Федотовой, В. А. Щербакова, Н. А. Щербаковой [4, 17]. Подробный анализ свойств ОбН представлен в работе [1]. На основе проведенного анализа была структурирована вся информация, связанная со свойствами объектов недвижимости, которые влияют на их стоимость; затем выделены 12 групп (табл. 1). Таблица 1 – Внешние факторы, влияющие на стоимость ОбН Группы факторов Факторы Социальные ? потребности в приобретении объектов жилой недвижимости, в варианте их ис- пользования; ? чувство собственности; ? потребности в общении с окружающими, отношение к соседним объектам и их владельцам; ? тенденции изменения численности населения, его омоложения или старения, про- должительности жизни, размера семьи, плотности заселения, др.; ? тенденции изменения уровня образования и культуры; ? обеспеченность населения объектами социальной инфраструктуры; ? миграционные процессы, уровень безработицы и преступности; ? менталитет, стиль и уровень жизни Экономические ? общее состояние мировой экономики; ? экономическая ситуация в стране, регионе, на местном уровне; ? уровень доходов населения и тенденции его изменения; ? инфляционные процессы и платежеспособность населения; ? доступность кредитных ресурсов и ставки процента; ? наличие источников и условия финансирования строительства объектов; ? затраты на создание и поддержание в работоспособном техническом состоянии объектов жилой недвижимости, тенденции их изменения; ? затраты на жилищно-коммунальные услуги, связанные с использованием объектов жилой недвижимости, тенденции их изменения Политико-правовые ? политическая стабильность и безопасность; ? жилищная, налоговая и финансовая политика, предоставление разного рода льгот; ? наличие и совершенствование законодательной базы в области операций с недвижи- мостью, в сфере строительства и жилищно-коммунального хозяйства, экологии и пр.; ? технические регламенты, строительные нормы и правила; ? зонирование территорий Природно- климатические ? природно-климатические и сейсмические условия; ? природные ресурсы и источники сырья Экологические ? уровень загрязнения атмосферы; ? уровень шума; ? техногенные аварии; ? источники энергии Административные ? принадлежность к муниципальному образованию; ? деловая активность на рынке жилья; ? транспортные условия и возможности для мобильности населения; ? жилищные условия населения; ? наличие специализированных институтов и информационное пространство на рынке жилья 64 CASPIAN JOURNAL: Control and High Technologies, 2019, 4 (48) Условия сделок ? мотивы продавцов и покупателей; ? сроки осуществления; ? особые условия сделок Временные ? дата определения рыночной стоимости объекта жилой недвижимости; ? период, на который определяется рыночная стоимость объекта жилой недвижимости Местоположение ? размещение объекта в плане поселения по отношению к деловому центру, местам приложения труда, автодороге, железной дороге, побережью, зеленым массивам, коммунальным учреждениям (свалкам и т.п.); ? наличие в округе объектов социальной инфраструктуры (магазины, школы, дет- ские сады, поликлиники и пр.) Физические харак- теристики придо- мовой территории ? характеристика земельного участка: размеры, форма, площадь, подъезды, благо- устройство, озеленение, игровые площадки и т.д.; ? общий внешний вид, безопасность, комфорт и привлекательность; ? внешний вид соседних объектов недвижимости Архитектурно- строительные характеристики здания ? стиль; ? архитектурно-планировочные и объемно-конструктивные решения; ? этажность, количество квартир, секций; ? инженерные коммуникации; ? функциональная пригодность конструкций и инженерных систем; ? внешний вид Финансово- эксплуатационные характеристики жилых помещений ? планировка и наличие удобств (холодное и горячее водоснабжение, вентиляция и пр., размер площади, количество помещений и т.д.); ? пространственная ориентация (этаж, по сторонам света и т.д.); ? техническое состояние; ? качество отделки; ? эксплуатационные расходы; ? доходы, генерируемые объектом жилой недвижимости По мнению авторов статьи, указанные факторы обладают свойствами «необходимости и до- статочности». Воздействие выявленных внешних факторов может происходить одновременно на различных стадиях жизненного цикла, а учитываться последовательно, в зависимости от условий и целей субъектов сделки. Главные ценообразующие параметры, влияющие на стоимость ОбН. В зависимости от рассматриваемого сегмента рынка недвижимости формирование стоимости ОбН происходит под влиянием различных факторов. Среди исследований, относящихся к анализу и прогнозированию стоимости объектов недвижимости, можно выделить работы таких авторов, как Л.А. Лейфер и Г.М. Стерник [6, 13] В работе [13] авторы излагают методологию по проведению инвестиционного анализа рынка недвижимости с учетом прогнозирования развития реализуемого инвестиционного проекта в рам- ках комплексной застройки. В исследовании [6] авторы определяют величины основных коэффициентов, требуемых для установления рыночной стоимости ОбН. Методология данного исследования основана на анкети- ровании более 200 практикующих специалистов оценщиков и работников банка по 63 городам РФ. С помощью метода стратифицированного формирования выборки данных информация, относяща- яся к одному городу, рассматривается как выборка в составе общей совокупности сведений. При этом обработка данных осуществляется в соответствии с эмпирическим байесовским подходом, который позволяет оценивать характеристики, относящиеся к конкретному населенному пункту с использованием всей совокупности данных. На основе проведенного анализа были выделены группы ценообразующих параметров, вли- яющих на стоимость объектов для двух сегментов недвижимости: торгово-офисной (табл. 2) и жилой (табл. 3). ПРИКАСПИЙСКИЙ ЖУРНАЛ: управление и высокие технологии, № 4 (48), 2019 г. 65 Таблица 2 – Главные ценообразующие характеристики для объектов недвижимости торгово- офисного назначения Параметр Описание Местоположение ? удаленность микрорайона от центра города; ? преимущественная застройка микрорайона (окружающая застройка) Расположение относитель- но красных линий ? расположение относительно центральных магистралей (дорог) города; ? просматриваемость фасада здания с центральных улиц (наиболее акту- ально для объектов торговой недвижимости) Близость к остановкам общественного транспорта ? расположение относительно основных пешеходных потоков (свой- ственно в основном для объектов торговой недвижимости); ? расположение рядом (в непосредственной близости) к остановкам общественного транспорта Тип объекта ? отдельно стоящее здание/встроенное помещение Общая площадь здания ? характеризует ликвидность объекта на рынке Этажность/этаж расположения ? определяет востребованность и заполняемость объекта (преимуще- ственное значение имеет для объектов торговой недвижимости) Физическое состояние здания ? определяет физический износ здания; ? указывает на требуемый объем капитальных затрат Физическое состояние отделки помещений ? определяет физический износ помещения; ? отражает презентабельность (современный вид) отделки помещений; ? указывает на требуемый объем эксплуатационных затрат Материал стен ? отражает группу капитальности, долговечность ОбН Отношение арендопригод- ной площади к общей площади ? определяет уровень доходности объекта; ? эффективность эксплуатации объекта Наличие отдельного входа ? указывает на возможность преимущественного расположения по отношению к потоку клиентов (характерно для торговой недвижимости) Ограничение доступа к объекту ? указывает на закрытость территории; ? наличие ограничений по времени доступности объекта для клиентов [7] Наличие парковки ? наличие сформированной площадки для временного хранения автомобилей Таблица 3 – Главные ценообразующие характеристики для объектов недвижимости жилого назначения Параметр Описание Местоположение ? удаленность микрорайона от центра города; ? преимущественная застройка микрорайона (окружающая застройка) Материал стен ? отражает группу капитальность объекта; ? тип объекта (период постройки) Общая площадь/количество комнат ? характеризует ликвидность объекта на рынке Наличие коммуникаций ? отражает оснащенность объекта система инженерного обеспечения (во- доснабжения, водоотведения, газоснабжения, электроэнергии) Физическое состояние зда- ния ? определяет физический износ здания; ? указывает на требуемый объем капитальных затрат Физическое состояние внутренней отделки ? определяет физический износ помещения; ? отражает презентабельность (современный вид) отделки помещений; ? указывает на требуемый объем эксплуатационных затрат Благоустройство придомо- вой территории ? размещение на прилегающей территории малых архитектурных форм Этажность/этаж ? характеризует тип объекта; ? определяет видовые характеристики; ? устанавливает возможность изменения функционального назначения Близость остановок обще- ственного транспорта ? характеризует транспортную (общественный транспорт) доступность к объекту Близость к объектам рекре- ационного назначения ? близость к объектам водного, лесного фонда; ? близость к городским паркам, скверам и т.д. По мнению большинства экспертов-оценщиков, принимавших участие в исследовании рынка торгово-офисной и жилой недвижимости под руководством Л.А. Лейфера [6], наибольший удель- ный вес в стоимости объектов данного сегмента рынка принадлежит их местоположению. 66 CASPIAN JOURNAL: Control and High Technologies, 2019, 4 (48) Подходы к оценке стоимости объектов недвижимости. Классический расчет стоимости ОбН основан на применении трех подходов к оценке: затратного, доходного, сравнительного. Ито- говый результат стоимости формируется после согласования трех полученных результатов. Как пра- вило, в процессе оценки оценщик не всегда получает близкие значения для разных подходов. По- этому требуется дополнительное экспертное обоснование по установлению долей для каждого из подходов. Их доля определяется на основании нескольких критериев. Каждому критерию присваи- вается ранг (балл). На основании итоговой суммы баллов по соответствующему подходу к общей сумме баллов определяется весовой коэффициент. На основании суммы удельных весов для каждого из подходов рассчитывается итоговая рыночная стоимость. При этом важное значение имеет достоверность полученной исходной информации. Однако субъективное мнение экспертов при оценках зачастую является решающим. В связи с этим уже- сточаются требования к организациям, осуществляющим оценочную деятельность. В соответ- ствии с поправками, внесенными в Федеральный закон от 29 июля 1998 г. № 135-ФЗ «Об оценоч- ной деятельности Российской Федерации», определен субъект оценочной деятельности и усилена его ответственность (вплоть до имущественной). Поэтому на сегодняшний день большую значи- мость приобретает создание объективных способов оценки, основанных на анализе доступных данных и использующих современные методы моделирования. В данном направлении проведено множество исследований. В работе [14] автор предлагает под- ход к интеллектуальной обработке информации при построении оценки недвижимости. Разработка данного подхода представлена в виде интеграции программных средств Excel, STATISTICA, Matlab и реализована методами искусственных нейронных сетей, возможностями ГИС-технологий. В статье [12] предложена методика определения стоимости квартир на вторичном рынке не- движимости в городе Волгограде. Эта методика основана на построении линейной модели регрес- сии. Анализ проводится на основе данных о площадях объектов (общая, жилая, площадь кухни) и типа дома (кирпич, бетон), к которому принадлежит квартира. В результате проведенного анали- за автор делает выводы о том, что наиболее весомое влияние на итоговую стоимость квартир на вторичном рынке оказывают размеры объектов (их площади). В работе [16] автор рассматривает возможность построения модели оценки рыночной стоимо- сти недвижимости на основе нечеткой логики. В этом исследовании процесс оценки выполнялся над объектами, относящимися к типу «квартира». При этом использовались данные об их площади, при- влекательности района, в котором они располагаются, и их стоимости. По полученным результатам автор представляет влияние местоположения объекта и его площади на итоговую стоимость. В исследовании [9] авторы сравнивают применимость 4-х разных методов машинного обуче- ния для прогноза стоимости недвижимости. Эти методы включают в себя регрессию опорных век- торов, метод k-ближайших соседей, деревья регрессии и нейронные сети. Согласно полученным результатам, авторы делают вывод о том, что регрессионные модели показали наименьшую ошиб- ку при построении прогнозов. В документе [18] также представлены способы предсказания стоимости объектов недвижи- мости с использованием нескольких методов машинного обучения: метод случайного леса, мно- жественная регрессия, регрессия опорных векторов, деревья регрессии с градиентным ускорением, нейронные сети. В данном исследовании наилучшие показатели продемонстрировал метод слу- чайного леса, а наихудшие – множественная регрессия. В статье [19] авторы описывают разработанную ими модель прогноза стоимости недвижимо- сти в Китае, используя основные свойства объектов недвижимости и временные данные (даты по- стройки объекта). Прогнозирование цены основывается на регрессионном анализе. Ни в одном из представленных исследований не использовались характеристики ОбН в сово- купности, применялись лишь некоторые из них. В основном это объясняется наличием большого количества «категориальных» признаков, значения которых необходимо представлять в числен- ном виде. Для этого нужно проводить дополнительную экспертную оценку, которая может повли- ять на объективность итогового результата. В связи с этим необходимо использование алгоритмов кодирования категориальных призна- ков без участия эксперта, т.е. применение алгоритмов машинного кодирования [20]. Одним из та- ких способов является метод One-Hot Encoding, или метод бинарного кодирования, который поз- воляет сгенерировать числовой код без потери информации. Преобразование категориальных признаков к числовому виду заключается в представлении конкретного признака в виде n-мерного вектора, состоящего из (n–1) нулей и одной единицы, где n – число категорий данного признака объекта. За «1» принимается та категория, к которой при- надлежит исследуемый объект. ПРИКАСПИЙСКИЙ ЖУРНАЛ: управление и высокие технологии, № 4 (48), 2019 г. 67 Применение метода бинарного кодирования обеспечивает использование большего числа ха- рактеристик ОбН при прогнозе их стоимости, а также повышает объективность результатов. Однако, несмотря на универсальность данного метода, в некоторых случаях его применение может быть осложнено в связи с существенным увеличением числа столбцов в матрице «объект – признак». Таким образом, целесообразно предложить новый подход к оценке стоимости ОбН на основе комплексного анализа его свойств, который реализуется следующим набором действий: ? загрузка данных об ОбН с сайтов объявлений domino-rf.ru, irr.ru и restate.ru, а также с сайта торговой площадки etp-torgi.ru [10, 21]; ? сохранение загруженной информации по ОбН в виде словарей; ? сохранение загруженной информации по ОбН в файл в формате JSON; ? считывание данных о пользовательском ОбН, для которого строится прогноз стоимости, из файла в формате JSON; ? формирование выборки, состоящей из «спарсенных данных» об ОбН, тип недвижимости которых совпадает с типом пользовательского объекта [2]; ? отбор свойств объектов сформированной выборки, которые будут учитываться при постро- ении модели недвижимости; ? обработка данных об ОбН в соответствии с существующими в сфере оценки недвижимости сводами правил, а также строительными нормами и правилами; ? преобразование категориальных признаков в числовой вид методом бинарного кодирования One-Hot Encoding; ? кластеризация сформированной выборки для определения кластера ОбН, к которому отно- сится пользовательский объект; ? формирование «датасета» из выбранного кластера значений общей выборки для построения регрессионной модели прогноза стоимости ОбН [5]; ? построение и обучение модели регрессии для прогноза стоимости ОбН, принадлежащих выбранному кластеру; ? построение прогноза стоимости пользовательского ОбН на основе характеристик получен- ной модели регрессии. Метод реализован в системе комплексного анализа свойств объектов для оценки их стоимо- сти (рис.). Эта система реализована на языке программирования Python версии 3.7 с использова- нием возможностей библиотек Scrapy, json, numpy, pandas и sklearn. Апробация разработанной системы проводилась на данных о квартирах, подлежащих прода- же в городе Волгограде. В результате работы модуля сбора данных был сформирован входной набор данных, состоящий из 35 тыс. объектов, информация о которых была собрана с сайтов domino-rf.ru, irr.ru, restate.ru, etp-torgi.ru. Затем система отобрала ОбН, имеющие менее 50 % пропусков значений в свойствах. В ре- зультате, из входного набора данных были удалены 9 тыс. объектов. После чего система на осно- вании оставшихся объектов проводит уточнение набора свойств, необходимых для построения оценки, выявляя коррелированные свойства. Далее в процесс подготовки входного «датасета» (набора данных) включается процедура преобразования категориальных признаков объектов недвижимости в числовой вид за счет ис- пользования метода бинарного кодирования One Hot Encoding. После проведения подготовительных работ с входными данными система строит модель ре- грессии для оценки пользовательского объекта недвижимости. Для того чтобы наглядно продемонстрировать адекватность получаемых моделью результатов, из входного датасета случайным образом были отобраны 5 % записей от общего числа. Выбранные объ- екты в рамках эксперимента являются «пользовательскими», то есть для них разработанная система будет строить прогноз их стоимости. В таблице 4 представлен фрагмент полученных результатов. Таблица 4 – Сравнение значений реальной и спрогнозированной стоимостей объектов недвижимости ID записи Реальная цена, руб. Спрогнозированная цена, руб. 3 2400000 2246852 7 3550000 3260051 17 2700000 3104278 41 3600000 3474927 43 2900000 2718842 76 2640000 2830566 102 3100000 3205681 133 3500000 3919468 68 CASPIAN JOURNAL: Control and High Technologies, 2019, 4 (48) 154 2500000 2105685 155 2700000 2593946 169 2550000 2501856 241 2680000 2740148 253 3000000 3395019 257 2350000 2058146 290 2800000 2657104 328 3200000 2970143 347 2760000 2849201 392 2580000 2896015 439 3350000 3081346 451 3150000 29508591 Для рассмотренного эксперимента модель обладает R2= 0,836 (относится к различиям пока- зателей реальных и спрогнозированных стоимостей), что можно считать неплохим результатом. Рисунок – Метод комплексного анализа свойств объектов недвижимости ПРИКАСПИЙСКИЙ ЖУРНАЛ: управление и высокие технологии, № 4 (48), 2019 г. 69 Данная система может использоваться для поддержки принятия решений в задачах анализа рынка недвижимости. Выводы. В результате проведенного исследования дана характеристика ОбН, приведено его описание как системы. Рассмотрены основные виды стоимости ОбН и представлены основные факторы, влияющие на значение рыночной стоимости ОбН. Рассмотрены основные подходы к оценке стоимости ОбН. Предложен новый подход к оценке стоимости ОбН на основе комплекс- ного анализа их свойств. Библиографический список 1. Брумштейн Ю. М. Анализ моделей и факторов принятия решений о приобретении и обмене жилых помещений, управлении их комфортностью / Ю. М. Брумштейн, Т. Ю. Аксенова, Ю. Ю. Аксенова // Прика- спийский журнал: управление и высокие технологии. – 2010. – № 3 (11). – С. 71–77. 2. Голубев А. В. Подход к интегрированной обработке открытых данных об инфраструктуре города / А. В. Голубев, Д. С. Парыгин, А. Г. Финогеев // Системы управления, связи и безопасности. – 2018. – № 2. – С. 84–107. – Режим доступа: http://sccs.intelgr.com/archive/2018-02/06-Golubev.pdf, свободный. – Заглавие с экрана. – Яз. рус. 3. Гражданский кодекс Российской Федерации (часть первая) от 30.11.1994 № 51-ФЗ (ред. от 18.07.2019) // СПС Консультант Плюс. 4. Грязнова А. Г. Оценка бизнеса : учебник / А. Г. Грязнова, М. А. Федотова. – Москва : Финансы и статистика, 2009. – 736 с. 5. Зеленский И. С. Расчёт рейтинга объектов недвижимости на основе нормативов и пользовательских предпочтений / И. С. Зеленский, Д. С. Парыгин, Т. В. Смирнова // Моделирование, оптимизация и информа- ционные технологии. – 2019. – Т. 7, № 1. – С. 221–233. – Режим доступа: https://moit.vivt.ru/wpcontent/uploads/2019/01/ZelenskiySoavtori_1_19_1.pdf, свободный. – Заглавие с экрана. – Яз. рус. 6. Лейфер Л. А. Справочник оценщика недвижимости / Л. А. Лейфер. – Н. Новгород : Дятловы Горы, 2018. – 320 с. 7. Масаев С. Н. Оценка экономических параметров предприятия по глубокой переработке древесины методом корреляционной адаптометрии / С. Н. Масаев, Г. А. Доррер // Хвойные бореальной зоны. – 2019. – Т. 37, № 1. – С. 38–43. 8. Масаев С. Н. Управление особыми экономическими зонами субъекта РФ / С. Н. Масаев // XIII Все- российское совещание по проблемам управления» (ВСПУ-2019) : сборник трудов конференции. Москва, 17–20 июня 2019 г. – Москва : ИПУ РАН, 2019. – С. 1773–1778. 9. Овчинникова И. Г. Интеллектуальная обработка информации в области оценки недвижимости / И. Г. Овчинникова, Л. В. Курзаева, В. Е. Петеляк, И. В. Гаврилова // Успехи современной науки и образова- ния. – 2016. – Т. 2, вып. 3. – С. 58–60. 10. Парыгин Д. С. Применение рекомендательных технологий в системах с пространственной информа- цией / Д. С. Парыгин, А. С. Стрекалова, А. С. Гуртяков, С. Г. Адання, В. В. Пивоваров // Прикаспийский журнал: управление и высокие технологии. – № 1 (45). – С. 96–109. – Режим доступа: http://hitech.asu.edu.ru/files/1(45)/96-109.pdf, свободный. – Заглавие с экрана. – Яз. рус. 11. Приказ Минэкономразвития России от 20.05.2015 № 298 «Об утверждении Федерального стандарта оценки «Цель оценки и виды стоимости (ФСО N 2)» // СПС Консультант Плюс. 12. Севостьянов А. В. Экономика недвижимости : учебник / А. В. Севостьянов. – Москва : КолосС, 2007. – 276 с. 13. Стерник Г. М. Анализ рынка недвижимости для профессионалов / Г. М. Стерник, С. Г. Стерник. – Москва : ЗАО «Издательство «Экономика», 2009. – 606 с. 14. Тиндова М. Г. Интеллектуальная обработка информации в области оценки недвижимости / М. Г. Тиндова // Прикладная информатика. – 2007 – № 5. – С. 3–10. 15. Федеральный закон от 29.07.1998 № 135-ФЗ (ред. от 03.08.2018) «Об оценочной деятельности в Рос- сийской Федерации»// СПС Консультант Плюс. 16. Чигиринская Н. В. Математическое моделирование оценки стоимости вторичного жилья на рынке недвижимости Волгограда / Н. В. Чигиринская // Известия Волгоградского государственного технического университета. – 2012. – № 16 – С. 204–211. 17. Щербаков В. А. Оценка стоимости предприятия (бизнеса) / В. А. Щербаков, Н. А. Щербакова. – 4-е изд., перераб. и доп. – Москва : Омега-Л, 2012. – 315 с. 18. Breiman L. Random forests / L. Breiman // Machine learning. – 2001. – Vol. 45, № 1. – P. 5–32. 19. Baldominos A. Identifying Real Estate Opportunities Using Machine Learning / A. Baldominos, I. Blanco, A. J. Moreno, R. Iturrarte, ?. Bern?rdez, C. Afonso // Applied Sciences. – 2018. – Vol. 8, № 11. – P. 2321–2345. 20. Parygin D. S. Categorical data processing for real estate objects valuation using statistical analysis / D. S. Parygin, V. P. Malikov, A. V. Golubev, N. P. Sadovnikova, T. M. Petrova, A. G. Finogeev // Journal of Physics: Conference Series. – 2018. – Vol. 1015. – 7 p. – Режим доступа: http://iopscience.iop.org/article/10.1088/1742- 6596/1015/3/032102/pdf, свободный. – Заглавие с экрана. – Яз. англ. 21. Cherkesov V. Parsing of Data on Real Estate Objects from Network Resource / V. Cherkesov, V. Malikov, A. Golubev, D. Parygin, T. Smykovskaya // Advances in Computer Science Research : Proceedings of the IV International Research Conference «Information technologies in Science, Management, Social sphere and Medicine» (ITSMSSM 2017), Tomsk, Russia, 5–8 December 2017. – Atlantis Press, 2017. – Vol. 72. – P. 385–388. – Режим доступа: https://www.atlantis-press.com/proceedings/itsmssm-17/25887911, свободный. – Заглавие с экрана. – Яз. англ. 70 CASPIAN JOURNAL: Control and High Technologies, 2019, 4 (48) References 1. Brumshteyn Yu. M., Aksenova T. Yu., Aksenova Yu.Yu Analiz modeley i faktorov prinyatiya resheniy o priobretenii i obmene zhilykh pomeshcheniy, upravlenii ikh komfortnostyu [Analysis of models and decision-making factors on the acquisition and exchange of residential premises, management of their comfort]. Prikaspiyskiy zhurnal: upravlenie i vysokie tekhnologii [Caspian Journal: Control and High Technologies], 2010, no. 3 (11), pp. 71–77. 2. Golubev A. V., Parygin D. S., Finogeev A. G. Podkhod k integrirovannoy obrabotke otkrytykh dannykh ob infrastrukture goroda [The Approach to Integrated Processing of Open Data about the City Infrastructure] [Jelektronnyj resurs]. Sistemy upravleniya, svyazi i bezopasnosti [Systems of Control, Communication and Security], 2018, no. 2, pp. 84–107. Available at: http://sccs.intelgr.com/archive/2018-02/06-Golubev.pdf. 3. Grazhdanskiy kodeks Rossiyskoy Federatsii (chast pervaya) ot 30.11.1994 № 51-FZ (red. ot 18.07.2019) [“Civil Code of the Russian Federation (Part One)” dated November 30, 1994 no. 51-FL (as amended on July 18, 2019)]. SPS Konsultant Plyus [ATP Consultant Plus]. 4. Gryaznova A. G., Fedotova M. A. Otsenka biznesa : uchebnik [Business valuation : textbook]. Moscow, Finansy i statistika Publ., 2009. 736 p. 5. Zelenskiy I. S., Parygin D. S., Smirnova T. V. Raschyot reytinga obektov nedvizhimosti na osnove normativov i polzovatelskikh predpochteniy [Calculation of real estate rating based on standards and user preferences] [Jelektronnyj resurs]. Modelirovanie, optimizatsiya i informatsionnye tekhnologii [Modeling, Optimization and Information Technologies], 2019, vol. 7, no. 1, pp. 221–233. Available at: https://moit.vivt.ru/wpcontent/uploads/2019/01/ZelenskiySoavtori_1_19_1.pdf. 6. Leyfer L. A. Spravochnik otsenshchika nedvizhimosti [Real Estate Appraiser]. N. Novgorod, Dyatlovy Gory, Publ., 2018. 320 p. 7. Masaev S. N., Dorrer G. A. Otsenka ekonomicheskikh parametrov predpriyatiya po glubokoy pererabotke drevesiny metodom korrelyatsionnoy adaptometrii [Assessment of the economic parameters of the enterprise for deep processing of wood by the method of correlation adaptometry]. Khvoynyye borealnoy zony [Conifers of the boreal zone], 2019, vol. 37, no. 1, pp. 38–43. 8. Masaev S. N. Upravleniye osobymi ekonomicheskimi zonami subekta RF [Management of special economic zones of a subject of the Russian Federation]. XIII Vserossiyskoye soveshchaniye po problemam upravleniya : sbornik trudov konferentsii [XIII All-Russian Meeting on Management Problems : Proceedings of the Conference], Moscow, June 17–20, 2019. Moscow, ICS RAS, 2019, pp. 1773–1778. 9. Ovchinnikova I.G., Kurzaeva L. V., Petelyak V. E., Gavrilova I. V. Intellektualnaya obrabotka informatsii v oblasti otsenki nedvizhimosti [Intellectual information processing in the field of real estate appraisal]. Uspekhi sovremennoy nauki i obrazovaniya [Successes of Modern Science and Education], 2016, vol. 2, issue 3, pp. 58–60. 10. Parygin D. S., Strekalova A. S., A. S. Gurtyakov, S. G. Adannja, V. V. Pivovarov Primenenie rekomendatelnykh tehnologiy v sistemakh s prostranstvennoy informatsiey [Application of recommender technologies in systems with spatial information]. Prikaspiyskiy zhurnal: upravlenie i vysokie tekhnologii [Caspian Journal: Control and High Technologies], 2019, no. 1 (45), pp. 96–109. Available at: http://hi-tech.asu.edu.ru/files/1(45)/96-109.pdf. 11. Prikaz Minekonomrazvitiya Rossii ot 20.05.2015 № 298 "Ob utverzhdenii Federalnogo standarta otsenki "Tsel ocenki i vidy stoimosti (FSO N 2)" [Order of the Ministry of Economic Development of Russia of 05.20.2015 no. 298 "On approval of the Federal valuation standard "Purpose of valuation and types of value (FSO N 2)"]. SPS Konsultant Plyus [ATP Consultant Plus]. 12. Sevostyanov A. V. Ekonomika nedvizhimosti : uchebnik [Real Estate Economics : textbook]. Moscow, KolosS Publ., 2007. 276 p. 13. Sternik G. M., Sternik S. G. Analiz rynka nedvizhimosti dlya professionalov [Analysis of the real estate market for professionals]. Moscow, ZAO «Izdatelstvo «Jekonomika», 2009. 606 p. 14. Tindova M. G. Intellektualnaya obrabotka informatsii v oblasti otsenki nedvizhimosti [Intellectual information processing in the field of real estate valuation]. Prikladnayja informatika [Applied Informatics], 2007, no. 5, pp. 3–10. 15. Federalnyy zakon ot 29.07.1998 № 135-FZ (red. ot 03.08.2018) "Ob otsenochnoy deyatelnosti v Rossiyskoy Federatsii" [Federal Law of July 29, 1998 no. 135-FL (as amended on August 3, 2018) "On Valuation Activities in the Russian Federation"]. SPS Konsultant Plyus [ATP Consultant Plus]. 16. Chigirinskaya N. V. Matematicheskoe modelirovanie otsenki stoimosti vtorichnogo zhilya na rynke nedvizhimosti Volgograda [Mathematical modeling of the valuation of secondary housing in the real estate market of Volgograd]. Izvestiya Volgogradskogo gosudarstvennogo tekhnicheskogo universiteta [Bulletin of the Volgograd State Technical University], 2012, no. 16, pp. 204–211. 17. Shcherbakov V. A., Shcherbakova N. A. Otsenka stoimosti predpriyatiya (biznesa) [Assessment of the value of the enterprise (business)]. 4th ed., rev. and add. Moscow, Omega-L Publ., 2012. 315 p. 18. Breiman L. Random forests. Machine learning, 2001, vol. 45, no. 1, pp. 5–32. 19. Baldominos A., Blanco I., Moreno A. J., Iturrarte R. , Bern?rdez ?., Afonso C. Identifying Real Estate Opportunities Using Machine Learning. Applied Sciences, 2018, vol. 8, no. 11, pp. 2321–2345. 20. Parygin D. S., Malikov V. P., Golubev A. V., Sadovnikova N. P., Petrova T. M., Finogeev A. G. Categorical data processing for real estate objects valuation using statistical analysis. Journal of Physics: Conference Series, 2018, vol. 1015. 7 p. Available at: http://iopscience.iop.org/article/10.1088/1742-6596/1015/3/032102/pdf. 21. Cherkesov V., Malikov V., Golubev A., Parygin D., Smykovskaya T. Parsing of Data on Real Estate Objects from Network Resource. Advances in Computer Science Research : Proceedings of the IV International Research conference «Information technologies in Science, Management, Social sphere and Medicine» (ITSMSSM 2017), Tomsk, Russia, 5–8 December 2017. Atlantis Press, 2017, vol. 72, pp. 385–388. Available at: https://www.atlantis-press.com/proceedings/itsmssm-17/25887911.

Другие книги из этого раздела





© 2002 - 2024 RefMag.ru