Введение к работе
Актуальность проблемы. В последние несколько лет наблюдается повышенный интерес к нейронным сетям, которые успешно применяются в самых различных областях - бизнесе, медицине, технике, геологии, физике. Нейронные сети вошли в практику везде, где нужно решать задачи прогнозирования, классификации или управления.
Успех бизнеса во многом определяется качеством информации, на основе которой принимаются ответственные финансовые решения. Именно поэтому сбор и аналитическая обработка информации сегодня является как предметом отдельного изучения с научно-методогической точки зрения, так и предметом самостоятельного бизнеса.
Потребность в усовершенствовании существующих методических приемов заставляет использовать совершенно новые технологии в задачах прогнозирования. Значительные успехи ученых и разработчиков в области развития нейросетевых технологий определяют это направление как современное и быстро развивающееся, а примеры успешного и экономически эффективного прикладного применения методов нейроматематики отражают перспективность его дальнейшего развития.
Математическое моделирование является неотъемлемой частью управления и обработки информации. Высокое качество управления достигается путём прогнозирования состояния системы, осуществление упреждающего или оперативного управления и, в результате, минимизация потерь.
Важной задачей в области инвестиций является эффективное управление денежными потоками. Для принятия решения инвестиционным компаниям необходимо обладать качественными краткосрочными прогнозами. Результатом деятельности таких компаний является получение прибыли, поэтому получения достоверных краткосрочных прогнозов является актуальной и современной задачей.
Цель работы. Разработка метода краткосрочного прогнозирования на основе технологии нейросетевого пространственно-параметрического моделирования для принятия управленческого решения.
Для достижения указанных целей были поставлены следующие задачи:
провести анализ основных методов прогнозирования на рынке недвижимости и выявить их основные недостатки;
рассмотреть особенности использования нейросетевых технологий для задач прогнозирования;
провести анализ процессов управления и принятия решений на рынка недвижимости;
провести системный анализ рынка недвижимости, выполнить декомпозицию процессов его функционирования и выявить основные особенности;
построить дискретную пространственно-параметрическую модель исследуемой системы и описать математические основы её построения;
разработать методику проверки качества обучения нейронной сети для задачи прогнозирования;
разработать метод краткосрочного прогнозирования индикаторов рынка недвижимости, способный эффективно работать в период излома тенденций;
выполнить экспериментальную проверку применимости разработанного метода на реальном наборе данных;
провести сравнение результатов исследования с результатами полученными другими методами;
рассчитать критерии эффективности для данной задачи.
Методы исследования. Поставленные задачи решены с применением системного анализа, теории искусственных нейронных сетей, прогнозирования, математической статистики, методов стоимостного анализа и экономико-математического моделирования.
Научная новизна выполненных в диссертации исследований состоит в следующем:
разработан метод прогнозирования на основе разложения дискретной пространственно-параметрической модели с последующим нейросетевым анализом;
разработана методология оценки эффективности обучения нейронной сети с использованием корреляционного анализа;
разработана методика вычисления пропущенных или недостоверных значений параметров в ячейках дискретной пространственно-параметрической модели;
разработана методика сценарного прогнозирования связанных значений одной части набора индикаторов рынка в определенной ячейке дискретной пространственно-параметрической модели (входов сети) для заданного значения другой части набора индикаторов рынка (выходов сети).
Практическая ценность работы заключается в в разработке и апробации метода краткосрочного прогнозирования индикаторов рынка недвижимости на основе технологии нейросетевого пространственно-параметрического моделирования. Рынок недвижимости нуждается в качественном анализе и прогнозировании, существующие методы прогнозирования плохо применимы в период отличающийся нестабильностью (период излома тенденции). Данный метод дает намного более точный прогноз.
Реализация и внедрение результатов работы. Разработанная методика краткосрочного прогнозирования используется для поддержки принятия решения на предприятиях: ООО «Агентство недвижимости ВИЛЛАН» (г. Краснодар), ООО «Домострой» (г. Краснодар) и ООО «Кубань Риэлт» (г. Краснодар).
Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на 15-й Всероссийской научно-практической конференции «Инновационные процессы в высшей школе» (г. Краснодар, 2009 г.), 10-й Международной конференции «Актуальные проблемы современной науки» (г. Самара, 2009 г.) и 2-й Всероссийской научной конференции «Научное творчество 21 в.» (г. Красноярск, 2010 г.).
Основные положения, выносимые на защиту:
метод краткосрочного прогнозирования индикаторов рынка недвижимости основанный на разложения дискретной пространственно-параметрической модели с последующим нейросетевым анализом;
методология оценки качества обучения нейронной сети с использованием корреляционного анализа;
методика вычисления пропущенных и недостоверных данных в обучающей выборке;
методика сценарного прогнозирования связанных значений одной части набора индикаторов – входов сети, для заданного значения другой части – выходов сети;
результаты применения метода прогнозирования на реальном наборе данных;
результаты сравнительного анализа прогнозирования индикаторов рынка недвижимости, созданных пятью способами: нейросетевая пространственно-параметрическая модель, классическая нейросетевая модель, линейный регрессионный прогноз, полиномиальный регрессионный прогноз и логарифмическая регрессия.
Публикации. По теме диссертации опубликовано 4 печатных работы.
Структура и объем диссертации. Диссертация состоит из введения, четырёх разделов, заключения, списка использованной литературы и приложений. Ее общий объем составляет 152 страницы машинописного текста. Работа содержит 11 таблиц, 26 рисунков, список литературы из 128 наименований.
