Содержание к диссертации
Введение
Глава 1. Значение недвижимости и её оценки в условиях рыночной экономики
1.1. Роль недвижимости в современной рыночной экономике 12
1.2. Принципы оценки недвижимости 22
1.3. Подходы в оценке недвижимости 30
Глава 2. Разработка инструментальных средств для поддержки принятия решений в области оценки недвижимости
2.1. Методологические основы разрабатываемых инструментальных средств
2.2. Визуализация результатов оценивания с помощью нейронных карт Кохонена и возможностей ГИС-технологий 49
2.3. Построение лингвистических переменных 57
2.4. Построение базы знаний 62
2.5. Анализ тенденций роста цен с помощью карт Кохонена 66
2.6. Особенности использования комплексного инструментального средства оценки недвижимости 68
Глава 3. Практическое применение разработанного инструментального средства для поддержки принятия решений в области оценки недвижимости
3.1. Построение базы данных и постановка основных задач 70
3.2. Исследование построенной модели с помощью нейронных сетей
3.3. Построение нечёткой логической системы для оценки недвижимости
3.4. Временные ряды в оценки недвижимости 109
Заключение 113
Список литературы
- Принципы оценки недвижимости
- Подходы в оценке недвижимости
- Визуализация результатов оценивания с помощью нейронных карт Кохонена и возможностей ГИС-технологий
- Исследование построенной модели с помощью нейронных сетей
Введение к работе
Актуальность темы исследования. Реализация приоритетного национального проекта «Доступное и комфортное жилье - гражданам России», а также развитие ипотечного кредитования делают рынок недвижимости одной из наиболее динамично развивающихся сфер российской экономики. Реализация проекта предусматривает введение нового жилья, однако ограниченность предложения, с одной стороны, а также повышение степени недоверия к строительным компаниям - с другой («замороженные стройки» и др.), приводят покупателя на вторичный рынок жилья. Расширение возможностей ипотеки также способствует этой тенденции.
В условиях рыночной экономики возникает потребность в сравнительном изучении методов определения стоимости объектов недвижимости, а также выборе наиболее эффективного метода оценки. Всё вышеизложенное требует пристального изучения быстро изменяющейся инфраструктуры рынка недвижимости новыми методами с использованием современных информационных технологий.
В условиях наличия репрезентативного набора экспериментальных данных, позволяющих доказать статистические гипотезы о характере распределения, подобное моделирование рынка недвижимости успешно осуществляется на основе традиционных методов математической и экономической статистики.
Однако при невозможности получения информации необходимого качества или её высокой зашумлённости, неполноте и противоречивости такие модели являются неработоспособными. В особенности опасно использование этих моделей при малых статистических выборках, так как полученные таким образом законы распределения могут не отражать существующие закономерности.
В таких условиях наибольшую эффективность демонстрируют современные инновационные методы, например, методы, построенные на
базе нейронных сетей и возможностей ГИС-технологий. Всё это обуславливает актуальность выбранной темы исследования.
Степень научной разработанности проблемы. Состояние вопроса в рассматриваемой области характеризуется обширным списком публикаций и научных исследований, посвященных вопросам оценки недвижимости.
На развитие теории оценки недвижимости существенное влияние оказали труды СВ. Грибовского, О.В. Ефимовой, А.Н. Жигло, Ю.Г.Куракина, Ф. Миллера, Ш.П. Пратта, Р. Риттермана, С.А. Сивеца, Г.М.Стерника, Е.И. Тарасевича, Г.С. Харрисона, которые сформировали теоретическую базу оценки недвижимости.
Прогнозированию финансовых рядов посвящены работы С. Майерса и Р. Брейли (Англия), Ф. Шостака (Австралия), Юджина Фамы (Чикагский университет) и некоторые другие. В России эта тема привлекла внимание группы учёных под руководством С. Моисеева.
Развитие теоретических и практических аспектов применения нейронных сетей в экономической сфере отразили в своих исследованиях А.В. Андрейчиков, А.Н. Горбань, Г. Дебок, А.А. Емельянов, Т. Кохонен, Д.А. Россиев, А.А.Питенко.
Несмотря на существование довольно внушительного теоретико-практического фундамента классических методов оценки объектов недвижимости, следует отметить, что применение в данном процессе современных инструментальных средств достаточно не значительно. В связи с этим возникла как научная, так и практическая необходимость исследования, посвященного проблемам симбиоза методов, способов, принципов оценивания, построения математических моделей, в которых при учёте факторов неточности и неопределенности огромная роль отводится логике человеческих суждений и оценок.
Цель и задачи исследования. Целью диссертационного исследования
является построение методологии оценки недвижимости, основанной на
механизмах интеллектуального анализа данных. Для достижения
поставленной цели необходимо решить следующие задачи:
провести анализ современного состояния проблемы оценки недвижимости и выявить в рамках этой проблемы круг задач, решаемых на основе интеллектуального анализа данных;
сформулировать концепцию оценки недвижимости на основе инструментальных средств, включающих в себя базы кодированных данных, информационные слои в форме ГИС-карт города и средство проецирования (переноса) в виде индекса районирования информационной ситуации базового района на другие районы города;
разработать методику оценки недвижимости на основе выбранной концепции;
разработать и программно реализовать инструментальное средство визуализации полученных результатов;
исследовать динамику ценового роста объектов недвижимости посредством разработанных инструментальных средств;
разработать интеллектуальное средство обработки информации в виде базы знаний для систем нечёткого вывода.
Объектом исследования являются теоретические и практические проблемы процесса оценки недвижимости с использованием методов нейронных сетей и элементов ГИС-технологий.
Предметом исследования выбраны методы и результаты оценки объектов рынка жилья г. Саратова.
Работа выполнена в рамках паспорта специальностей ВАК 08.00.13 -Математические и инструментальные методы экономики (область исследования 2.3. «Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях»).
Теоретико-методологическая основа исследования. Проблема неопределённости, неполноты и противоречивости данных занимает ключевое место в общей проблеме оценки недвижимости, возможность её
решения рассматривают в применении новых информационных технологий, составной частью которых являются интеллектуальные средства обработки информации. Так, использование нейронных сетей, их интеграция с методами и моделями статистического, математико-экономического моделирования и прогнозирования, теории нечётких множеств, анализа временных рядов, методов анализа иерархий позволяет расширить класс решаемых оценочных задач.
Информационно-эмпирическая база работы. Источником информации исследования явились статистические данные Росстата по Саратовской области, данные риэлтерских компаний региона, материалы периодической печати по изучаемой проблеме и web-сайты недвижимости. При определении методологических подходов использовались труды отечественных и зарубежных учёных в области оценки недвижимости, нейронных сетей и ГИС-технологий.
Положения диссертационного исследования, выносимые на защиту.
Процесс оценки недвижимости, основанный на интеллектуальных средствах обработки информации, включает в себя следующие основные этапы: формирование базы масштабированных данных; составление и реализацию математической модели оценки недвижимости в нейросетевом базисе; визуализацию полученных результатов по средствам синтеза нейронных карт и элементов геоинформационных технологий; дальнейший анализ полученных результатов на основе лингвистических переменных, вводимых в модель.
Алгоритм визуализации полученных результатов оценивания имеет следующий вид. На основе нейросетевой модели оценки недвижимости строится нейронная карта Кохонена, которая рассматривается как информационный слой в ГИС-карте города. После её наложения на другие информационные слои посредством возможностей геоинформационных технологий делаются выводы о получаемых закономерностях.
Алгоритм построения лингвистических переменных, вводимых в оценочную модель, включает следующие основные этапы: экспертный анализ базы данных, который позволяет определить названия и количество лингвистических переменных; количество термов (п) для каждой переменной, что определяется исходя из количества кластеров в построенной карте Кохонена; центр каждого кластера принимается за вершину функции принадлежности лингвистической переменной, её размах определяет «внутрикластерная» дисперсия.
Алгоритм исследования пространственно-временного роста цен объектов недвижимости, основанный на интеллектуальных средствах обработки информации, состоит из следующих шагов: построения модели методами гармонического анализа; обучения карты Кохонена в момент времени t; определения вида карты в момент t+І при использовании возможности геоинформационных систем.
Научную новизну содержат следующие результаты исследования.
Разработаны методологические аспекты для создания инструментальных средств оценки недвижимости, отличающиеся от ранее известных применением элементов интеллектуальных средств обработки информации, что позволяет расширять круг оценочных задач.
Разработано инструментальное средство оценки недвижимости, новизна которого состоит в том, что его математическое ядро основано на интеграции самоорганизующихся карт Кохонена, возможностей геоинформационных технологий и элементов нечёткой логики.
Сформирован оригинальный алгоритм визуализации полученных результатов на основе разработанного инструментального средства, состоящий в последовательном наложении нейронных карт на ГИС-карты города и позволяющий выявлять дополнительные зависимости между исследуемыми ценообразующими факторами. Проецирование выявленных в базовом районе зависимостей на другие районы города осуществляется с помощью введённого автором индекса районирования.
Сформирован алгоритм построения базы знаний для систем поддержки принятия решений на основе нечёткого логического вывода. Новизна предложенного алгоритма заключается в том, что построение лингвистических переменных проводится с помощью нейросетевой кластеризации, а начальные веса используемых карт Кохонена определяются из результатов статистической обработки и вычисления коэффициентов Спирмена. Предлагаемый подход позволяет минимизировать субъективность мнения экспертов.
Разработаны методологические основы анализа динамики роста стоимости объектов жилой недвижимости, отличающиеся от ранее известных применением элементов интеллектуальных средств обработки информации, в которых используется оригинальный алгоритм пространственно-временного анализа ценовых рядов. Алгоритм, основанный на использовании нейронных карт и элементов геоинформационных технологий, позволяет проследить не только тенденции изменения рыночной стоимости объектов недвижимости, но и определить, какие факторы повлияли на это изменение.
Практическая значимость исследования. Практическая значимость работы определяется актуальностью поставленных задач и достигнутым уровнем теоретической и практической разработки проблем. Сделанные выводы и предложения позволяют использовать разработанное инструментальное средство в процессе принятия управленческих решений российской оценочной практики.
Результаты исследования могут быть применены в работе государственных, муниципальных органов управления для определения реальной стоимости недвижимости, а также в работе риэлтерских компаний.
Апробация и внедрение результатов исследования. Основные научно-практические результаты диссертационного исследования докладывались и обсуждались на региональных конференциях и семинарах, были опубликованы в периодических научных изданиях.
Положения диссертационной работы были апробированы на германском рынке недвижимости в ходе научно-исследовательской стажировки, проводимой автором в Горном университете г. Вупперталь (Германия).
Результаты исследования могут использоваться в системе профессиональной подготовки и повышения квалификации профессиональных риэлтеров и оценщиков, а также при разработке методического обеспечения дисциплин «Оценка недвижимости» и «Нейросетевой анализ экономической информации» для студентов специальности «Оценочное дело».
По результатам исследований опубликовано 9 печатных работ общим объёмом 4,4 п.л.
Структура диссертации. В соответствии с целью и задачами диссертационного исследования работа состоит из введения, трех глав, тринадцати параграфов, заключения, списка использованной литературы (150 источников) и четырёх приложений. Работа содержит графический и табличный материалы.
Принципы оценки недвижимости
В экономическом анализе, как и в любом другом, важнейшим этапом является определение объекта исследования.
Согласно Гражданскому кодексу РФ, недвижимостью являются земельные участки, участки недр, обособленные водные объекты и все, что прочно связано с землей, т.е. объекты, перемещение которых без несоразмерного ущерба их назначению невозможно, в том числе леса, многолетние насаждения, здания, сооружения (Гражданский кодекс РФ. Ч.1.: От 30.11.1994 № 51-ФЗ. В ред. от 29.07.2004. Ст. 130). К недвижимому имуществу также относятся подлежащие государственной регистрации воздушные и морские суда, суда внутреннего плавания, космические объекты. Недвижимостью признаётся и особый объект гражданских прав -предприятие как имущественный комплекс.
Оценка прав на объекты недвижимости производится в соответствии с Федеральным законом об оценочной деятельности ФЗ 135 (и поправками к нему), Стандартами оценки (1111 РФ №519 от 06.07.2001 г.) и прочими нормативными документами.
На основании этого, можно сделать вывод, что среди элементов рыночной экономики недвижимость, с одной стороны, является средством производства (в виде земли, зданий, помещений и различного вида строений), а с другой - объектом потребления, в качестве которого выступают земельные участки, дома, дачи, квартиры.
Недвижимость является основой хозяйственной деятельности и развития предприятий и организаций всех форм собственности, а также основой жизни для граждан. Недвижимое имущество играет главную роль при приватизации государственной и муниципальной собственности, при аренде, покупке, продажи жилых и нежилых помещений. Это способствует появлению слоев владельцев недвижимости, как в сфере личного потребления, так и в сферах предпринимательской деятельности; развитию коммерческих структур, действующие на рынке недвижимости.
Такое бурное развитие рынка недвижимости приводит к появлению профессии оценщика, основной задачей которого, является оценка стоимости недвижимости и прав на неё.
Как известно, развитие любой национальной экономики тесно связано с привлечением инвесторов во все её сектора.
Основой инвестирования как отечественных, так и зарубежных капиталов в недвижимость является гарантирование прав пользования объектом недвижимости и землёй, а также правовая защита этих прав.
Базисом рыночной экономики служит понятие частной собственности, заключённое в праве владеть, пользоваться и распоряжаться недвижимым имуществом.
Право частной собственности даёт возможность, как гражданам, так и юридическим лицам, в процессе реализации материальных ресурсов, развивать инициативу и стимулировать развитие, среди прочих, одной из крупнейших отраслей экономики - сферу недвижимости.
Личная заинтересованность различных субъектов рынка формирует образ их действий. В процессе реализации своего свободного выбора, каждый из них стремится делать то, что ему экономически выгодно.
Так, собственники недвижимости стремятся получить максимальную цену при её продаже или сдаче в аренду, арендаторы стараются извлечь максимальную прибыль от использования арендованных площадей.
Стимулирование личного интереса является одной из характерных черт рыночной экономики и в значительной мере придаёт ей направленность и упорядоченность при функционировании. Свобода выбора, которая реализуется для каждого участника рынка в форме стремления получать лично для себя денежный доход, служит основой для экономического состязания или конкуренции.
Конкуренция определяется наличием на рынке такого большого числа независимо действующих продавцов и покупателей конкретных товаров, продуктов, ресурсов и услуг, что единичный продавец или покупатель не может управлять рынком к своей выгоде и воздействовать на цену товара. Также конкуренция подразумевает свободу для продавцов и покупателей выступать на тех или иных рынках и покидать их по своему усмотрению [125].
Широкое рассеивание экономической власти, лежащее в основе конкуренции, способствует регулированию использования этой власти и позволяет ограничивать возможности злоупотребления ею. С этой точки зрения, конкуренция устанавливает пределы реализации продавцами и покупателями их личного интереса.
Свобода вступления на конкретный рынок и выхода из него обуславливает гибкость экономики для сохранения её эффективности и адаптации к изменениям вкусов потребителей, а также к предложению ресурсов и товаров.
В сфере рыночной экономики выделяют рынки труда, капитала, ресурсов, товаров, услуг и другие. И хотя недвижимость с одной стороны относится к категории товаров, в то же время с другой её обращение на рынке связано с привлечением финансового капитала, использованием различных ресурсов и труда.
Подходы в оценке недвижимости
При решении задач оценки недвижимости часто выделяют прямую и обратную задачу оценки. В качестве прямой задачи рассматривают оценку существующего объекта недвижимости; в качестве обратной задачи выступает проблема определения группы объектов недвижимости в заданном ценовом диапазоне, с заданными параметрами.
Как правило, для решения каждой из перечисленных задач используются различные группы оценочных методов. В научной работе рассматривается построение универсального метода, позволяющего решать оба типа оценочных задач. Рассмотрение начнём с построения метода для решения прямой задачи.
В известных работах по оценке рынка недвижимости [20, 33, 36], использующих статистические регрессионные методы анализа, процесс оценки обычно разделяется на следующие этапы:
Предлагаемый метод оценки объектов недвижимости позволит расширить круг решаемых оценочных задач. При таком подходе не только повышается точность расчётов и снижаются затраты на их корректировку с течением времени, но и в математической модели учитываются индивидуальные предпочтения каждого покупателя и тем самым отражается субъективный фактор процесса оценки.
Нейронная сеть способна обучаться в случае использования неточных, неполных данных, кроме того, функциональность системы очень легко расширять, вводя новые оценочные критерии, до сих пор не используемые.
Анализ рынка определяется чётким формулированием задачи, выяснением основных тенденций рынка недвижимости, его развитость, источники информации. Проводится анализ экономической ситуации, выясняются политические моменты, способные влиять на ценообразование (например, принятие новых законов). При оценке важно физически идентифицировать имущественный объект и определить связанные с ним юридические права.
Поэтому последовательность оценки начинается с рассмотрения общих факторов, определяющих стоимость объекта на национальном, региональном уровне.
От этой общей информации затем переходят к анализу более специфических факторов стоимости на уровне сегмента рынка.
И, наконец, анализируются самые конкретные факторы, влияющие на стоимость данного объекта недвижимости.
Подобный анализ позволяет определить, какие данные будут необходимы для решения проблемы; позволяет избежать дублирования информации.
Надёжность выводов оценки зависит от качества и объёма данных. При сборе информации исследователи [34, 52, 55] рекомендуют учитывать следующие требования: все используемые данные должны быть важны PI полезны; собираемая информация должна быть актуализированной; даже на стадии сбора информации следует учитывать возможные искажения или отклонения.
В процессе формирования базы данных информация перерабатывается и кодируется по единой схеме. Следует отметить, что схему кодировки информации каждый исследователь рынка выбирает самостоятельно в зависимости от целей и характера решаемых задач.
Исходя из того, что стоимость объектов недвижимости зависит как от качественных, так и от количественных признаков, в диссертационной работе с целью приведения исходных данных к единой структуре, используется многоуровневая схема кодировки. Алгоритм, реализующий предлагаемую кодировку, состоит в ранжировании качественных и нормировке количественных данных.
База данных, составленная на основе предлагаемой в диссертационном исследовании схемы кодировки, может использоваться как при традиционной оценке объектов недвижимости, в частности, статистическими методами, так и при оценивании с помощью нейронных сетей. В этом смысле она является универсальной.
После формирования базы данных производится анализ факторов влияния и построение модели [33, 99]. Чтобы получить количественный прогноз развития искомого процесса (изменения цены недвижимого имущества), необходимо разработать математическую модель.
Заметим, что применение математических моделей для прогнозирования финансовых рядов отражено в работах [33, 96, 97, 98] и получило название «гипотезы эффективного рынка».
В настоящее время, примерно с конца 80-х, всё шире используются в этом процессе нелинейные системы, в том числе системы на основе нейронных сетей. Исследования в этом направлении представлены в работах российских учёных: А.В. Андрейчикова, Е.П. Бочарова, В.Г. Санкова, С.А. Терехова и некоторых других.
В 90-х годах появились пакеты прикладных программ, предоставляющие возможности оценки недвижимости с помощью нейронных сетей. Один из наиболее развитых пакетов - Neural tools package фирмы «НейроОК». Эта программа представляет собой надстройку для электронной таблицы MS Excel. Таким образом, пользователю доступен привычный формат документов.
Визуализация результатов оценивания с помощью нейронных карт Кохонена и возможностей ГИС-технологий
Поскольку нечёткие системы вывода имитируют работу эксперта, то точность вычислений ограничивают ошибкой 12-15%. В 90-х годах были созданы пакеты прикладных программ, дающие возможность создания и эксплуатации нечётких управляющих систем. Отметим среди них систему CubiCalc, которая содержит средства для задания правил вывода, описания нечётких множеств, ввода и представления данных.
Для построения нечёткой логической системы в диссертационном исследовании используется Fuzzy Logic Toolbox — пакет нечёткой логики системы Matlab. Fuzzy Logic Toolbox - это совокупность прикладных программ, относящихся к теории нечётких множеств и позволяющих конструировать нечёткие экспертные управляющие системы.
Приведём основные возможности пакета: построение системы нечёткого вывода (экспертных систем, регуляторов, аппроксиматоров зависимостей); построение адаптивных нечётких систем (гибридных нейронных сетей); интерактивное динамическое моделирование в Simulink.
Пакет позволяет работать: в режиме графического интерфейса; в режиме командной строки; в режиме использования блоков и примеров пакета Simulink.
Применение правил логического вывода для конкретных систем управления, оценивания и прогнозирования определяет ряд вопросов, касающихся логических основ моделей [48]: l,n, означает, что для каждого текущего состояния процесса, существует хотя бы одно управляющее правило. А также, что для любого терма входной переменной имеется хотя бы одно правило, в котором этот терм используется в качестве посылки (левая часть правила).
Непротиворечивость системы управляющих правил чаще всего трактуется как отсутствие правил, имеющих сходные посылки и различные взаимоисключающие следствия.
В 1992 г. Ванг доказал теорему, которая является основой использования аппарата нечёткой логики.
Теорема: Для каждой вещественной непрерывной функции g, заданной на компакте U, и для произвольного є 0 существует нечёткая экспертная система, формирующая выходную функцию f(x) такую, что supg(x) - f(x)\ є, где - символ принятого расстояния между функциями. Данный критерий используется в работе при анализе построенной нечёткой логической системы. Так как, основываясь на последней теореме, мы можем говорить о полноте и непротиворечивости построенной нами базы знаний.
При исследовании объектов недвижимости в данной работе было составлено две базы данных. Первая база данных отражает взаимосвязь цены объектов недвижимости и факторов, влияющих на её формирование. Вторая база отражает динамику ценового роста объектов жилой недвижимости.
Исследование роста цен на объекты жилой недвижимости играет большую роль при инвестировании в недвижимость. Сама суть инвестиций -вложение денег в настоящем, чтобы получить доход в будущем -заключается в идее прогнозирования изменения ценности актива в будущем. Традиционно для нахождения общей тенденции и периодических колебаний рядов динамики применяются методы статистического анализа.
Несмотря на существование большого числа классических методов анализа и их широкой реализации в пакетах прикладных программ (Statistica, Stata и пр.), полученный прогноз является краткосрочным и его достоверность сильно зависит от исходной информации.
Для решения задачи долгосрочных прогнозов тенденций роста объектов недвижимости, в диссертационном исследовании применяется карта Кохонена и её сочетание и возможностями ГИС-технологий. Алгоритм, использованный в научной работе, состоит из следующих шагов: 1) составление базы данных, состоящее в сборе исходной информации с последующей её кодировкой; 2) предварительный анализ с использованием методов гармонического анализа данных; 3) построение нейронной карты Кохонена; 4) использование элементов геоинформационных технологий.
Для анализа нейронной карты в динамике, следует обучить сеть в период времени t. Затем, в период времени t+І на эту же сеть (без обучения) подавать векторы исследуемого пространства со значениями показателей в период t+І и определить их положение на карте (в результате можно ответить на вопрос: к какой теперь ячейке на карте будет принадлежать определённый объект недвижимости).
Накладывая карту Кохонена на ГИС-карты города, нейронную карту можно использовать для ситуативной оценки: зная положение интересующего нас объекта недвижимости в момент времени t можно оценить его стоимость на момент времени t+І. Он может за это время переместиться ближе к районам с дорогой недвижимостью или наоборот.
Таким образом, имея перед собой карту, исследователь может с достаточной степенью уверенности судить об объектах, даже если имеет неполную информацию о них. В результате, можно извлекать информацию из базы данных, основываясь на нечетких характеристиках.
Разработанное в диссертационном исследовании инструментальное средство поддержки принятия оценочных решений совмещает в себе предварительную статистическую обработку данных, функции нейронных сетей и нечёткого анализа данных для принятия обоснованных решений о стоимости объектов недвижимости, а также элементы ГИС-технологий.
В отличие от классических методов оценки, самоорганизующиеся карты Кохонена, использованные в данном программном средстве, позволяют более наглядно представить анализируемые данные, накладывают меньшее количество ограничений на исследуемое множество и обнаруживают изолированные структуры в данных, оперируя при этом с большими по объёму базами данных.
Представленная в работе технология построения карт Кохонена представляет собой набор формализованных аналитических процедур и строго определённых алгоритмов, позволяющих преобразовать традиционное описание множества объектов, заданных в многомерном (п 3) пространстве базы данных, в двумерную карту.
Таким образом, трудноанализируемые в совокупности многомерные объекты получают простой вид в двумерном пространстве, сохраняя при этом свои основные свойства, а именно, топологию и распределение в многомерном пространстве.
Применение технологии самоорганизующихся карт Кохонена в инструментальном средстве принятия оценочных решений даёт ряд следующих преимуществ: во-первых, по локализованному расположению точек на карте возможно обнаружение групп объектов с одинаковыми характеристиками (кластеров) в исходном пространстве; во-вторых, по специфическим особенностям, которым удовлетворяют точки на карте, возможно содержательное описание свойств кластеров, а также возможность проекции этих свойств на каждую компоненту в отдельности; в-третьих, возможно определение неявных связей и закономерностей между компонентами; в-четвёртых, применение поисковых критериев даёт возможность фильтрации объектов исходного пространства; в-пятых, возможность определения прогнозных значений одних компонентов объектов через известные значения других; в-шестых, возможность проведения оценки объектов в динамике, оценки изменений как в целом по структуре кластеров, так и отдельно внутри каждого кластера.
Исследование построенной модели с помощью нейронных сетей
Для этого на вход обученной сети подаём векторы (xt, ...,JC/J, у которых координаты хг, х{0 и Хц примут новые значения (остальные параметры исследования своих значений в общем случае не поменяют). На выходе сеть отнесёт данные объекты недвижимости к другому
В декабре 2006 года исследуемый район примет новое положение (синий цвет) (рис. 29, б). Параметры сети на последней эпохе определяют средний рост цен объектов жилой недвижимости в г. Саратове в 2004 году на 11,2% и 18,2% в 2005 году. Следовательно, средняя квадратичная ошибка нейронной модели составляет /л„=0,09. Таким образом, прогнозирование ценовой политики, основанное на нейронных сетях даёт лучшие результаты по сравнению с прогнозом, полученным с помощью гармонического анализа. Оно позволяет не только определить прогноз цен на более долгосрочные периоды, но и наглядно увидеть все изменения. Это может служить базой для принятия управленческих решений. Так, видя тенденции роста можно меняя внешние факторы (транспортную инфраструктуру, экологическое состояние и т.п.) изменять степень и направление этого роста.
Следует отметить преимущества применения нейронных сетей для оценки недвижимости, заключающиеся в универсальности этого метода, в возможности наглядного представления и работе с малыми выборками, учёте субъективных предпочтений покупателя. Кроме того, нейронная сеть способна обучаться в случае использования неточных или неполных данных.
Результатом проведенных исследований стало построение модели оценки недвижимости, основанной на методах интеллектуального анализа данных.
Проведенный в ходе выполнения работы анализ проблемы оценки недвижимости показал, что на современном этапе развития отечественного бизнеса недвижимость приобретает всё большее значение, так как она составляет наибольший удельный вес в стоимости собственности юридических и физических лиц, а также является значимым внутренним инвестиционным источником. Однако на современном этапе развития рынка недвижимости не существует единого способа оценки объектов недвижимости, определения её продажной стоимости. Это обусловлено быстро изменяющейся инфраструктурой рынка недвижимости, а также тем, что использование в процессе оценки традиционных методов математической и экономической статистики не может отразить существующие закономерности вследствие отсутствия репрезентативных данных.
В диссертационной работе предложена концепция оценки недвижимости, основанная на совместном использовании нейросетевого анализа данных, возможностей геоинформационных технологий и методов нечеткого логического вывода. На основе предложенной концепции разработана методика оценки недвижимости, включающая в себя формирование базы данных объектов недвижимости, создание и обучение нейронного классификатора, составление информационных слоев в форме ГИС-карт города, сформированных с помощью самоорганизующихся карт Кохонена и проведение оценки объектов недвижимости с использованием средств нечеткого логического вывода.
Предложенная методика позволяет уточнить решение задачи оценки недвижимости, по сравнению с традиционными статистическими методами, за счет расширения числа факторов, учитываемых при оценке, а также в рамках единого метода решить прямую и обратную оценочную задачу. Данная методика обладает высокой гибкостью, так как ее функциональность можно легко расширить, вводя новые оценочные критерии.
Нейронные сети, использованные в предложенной методике, представляют собой обучающиеся модели, что позволяет «доучивать» их при поступлении новых данных. При этом возможно использование малых обучающих выборок, не обеспечивающих получение достоверных результатов классическими математическими методами.
В работе разработано инструментальное средство для оценки недвижимости, реализующее предложенную методику оценки. Инструментальное средство разработано с использованием среды Matlab и включает в себя модуль формирования и анализа данных об объектах недвижимости, модуль нейросетевого анализа на основе карт Кохонена, ГИС-модуль и модуль нечеткого логического вывода. Инструментальное средство позволяет:
