Geum.ru
Темы диссертаций по экономике » Математические и инструментальные методы экономики

Разработка инструментальных средств для поддержки принятия решений в области оценки недвижимости на основе интелектуальных средств обработки информации тема диссертации по экономике, полный текст автореферата



Автореферат



Ученая степень кандидат экономических наук
Автор Тиндова, Мария Геннадьевна
Место защиты Вогоград
Год 2008
Шифр ВАК РФ 08.00.13
Диссертация

Автореферат диссертации по теме "Разработка инструментальных средств для поддержки принятия решений в области оценки недвижимости на основе интелектуальных средств обработки информации"

На правах рукописи

003450546 Тиндова Мария Геннадьевна

Разработка инструментальных средств для поддержки принятия решений в области оценки недвижимости на основе интелектуальных средств обработки информации

Специальность 08.00.13 - Математические и инструментальные методы

экономики

Автореферат

диссертации на соискание ученой степени кандидата экономических наук

3 о О КГ 2000

Вогоград - 2008

003450546

Работа выпонена в ГОУ ВПО Саратовский государственный социально-экономический университет

Научный руководитель: доктор технических наук,

профессор Салахутдинов Равиль Зайниевич.

Официальные оппоненты: доктор экономических наук,

Защита состоится л20 ноября 2008 года в 16

С Диссертацией можно ознакомиться в библиотеке Вогоградского государственного технического университета

Автореферат разослан л20 октября 2008 г.

Учёный секретарь

профессор Крючков Вадим Николаевич, кандидат экономических наук, доцент Макарова Елена Анатольевна.

Ведущая организация: Московская финансово-промышленная

академия.

диссертационного совета

Попкова Е.Г.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

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, непоноте 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 C.B. Грибовского, О.В. Ефимовой, А.Н. Жигло, Ю.Г.Куракина, Ф. Милера, Ш.П. Пратта, Р. Риттермана, С.А. Сивеца, Г.М.Стерника, Е.И. Тарасевича, P.C. 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 A.B. Андрейчиков, А.Н. Горбань, Г. Дебок, A.A. 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 KK 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 интелектуального анализа данных. Для достижения

поставленной цели необходимо решить следующие задачи:

1) провести анализ современного состояния проблемы оценки недвижимости и выявить в рамках этой, проблемы круг задач, решаемых на основе интелектуального анализа данных;

2) 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;

3) разработать методику оценки недвижимости на основе выбранной концепции;

4) разработать и программно реализовать инструментальное средство визуализации полученных результатов;

5) исследовать динамику ценового роста объектов недвижимости посредством разработанных инструментальных средств;

6) разработать интелектуальное 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 выпонена 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, непоноты и противоречивости данных занимает ключевое место в общей проблеме оценки недвижимости, возможность её

решения рассматривают в применении новых информационных технологий, составной частью которых являются интелектуальные 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 риэтерских компаний региона, материалы периодической печати по изучаемой проблеме и \уеЬ-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.

1. Процесс оценки недвижимости, основанный на интелектуальных 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.

2. Агоритм 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.

3. Агоритм 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 перемешюй, её размах определяет внутрикластерная дисперсия.

4. Агоритм исследования пространственно-временного роста цен объектов недвижимости, основанный на интелектуальных средствах обработки информации, состоит из следующих шагов: построения модели методами гармонического анализа; обучения карты Кохонена в момент времени /; определения вида карты в момент при использовании возможности геоинформационных систем.

Научную новизну содержат следующие результаты исследования.

1. Разработаны методологические аспекты для создания инструментальных средств оценки недвижимости, отличающиеся от ранее известных применением элементов интелектуальных средств обработки информации, что позволяет расширять круг оценочных задач.

2. 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.

3. Сформирован оригинальный агоритм визуализации полученных результатов на основе разработанного инструментального средства, состоящий в последовательном наложении нейронных карт на ГИС-карты города и позволяющий выявлять допонительные зависимости между исследуемыми ценообразующими факторами. Проецирование выявленных в базовом районе зависимостей на другие районы города осуществляется с помощью введённого автором индекса районирования.

4. Сформирован агоритм построения базы знаний для систем поддержки принятия решений на основе нечёткого логического вывода. Новизна предложенного агоритма 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.

5. Разработаны методологические основы анализа динамики роста стоимости объектов жилой недвижимости, отличающиеся от ранее известных применением элементов интелектуальных средств обработки информации, в которых используется оригинальный агоритм пространственно-временного анализа ценовых рядов. Агоритм, 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 риэтерских 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 риэтеров 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.

ОСНОВНОЕ СОДЕРЖАНИЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

Первая группа проблем, исследуемых в диссертации, связана с теоретическими аспектами изучения процесса оценки недвижимости, такими как: анализ современного состояния проблемы оценки недвижимости, сравнительный анализ традиционных методов оценивания, а также вопрос применения современных информационных технологий в процессе оценки.

Среди элементов рыночной экономики недвижимость занимает особое место, выступая как в качестве средств производства, так и в качестве объекта потребления. Она является базисом хозяйственной деятельности и развития предприятий, а также основой жизни для граждан.

Поэтому определение рыночной стоимости объектов недвижимого имущества является одним из основных этапов при принятии управленческих решений.

Исследователи рынка недвижимости разбивают существующие принципы оценки недвижимости на три группы или три подхода к определению её рыночной стоимости: 1) подход с точки зрения затрат; 2)оценка по прямому сравнению продаж; 3) подход с точки зрения доходности.

Для решения задачи по оценке недвижимости, перечисленные выше подходы реализуются с помощью различных экспертных методов, а также методов математической статистики, программно реализованных методов кластерного, регрессионного, факторного анализа и многих других.

В диссертационном исследовании выявлены некоторые общие недостатки этих классических методов реализации: во-первых, небольшая скорость обработки больших объёмов информации по последовательным агоритмам; во-вторых, необходимость построения математических моделей для каждой вновь возникшей ситуации в решении данных задач; в-третьих, значительная степень зависимости результатов от качества и количества исходных данных.

Решением поставленных задач в диссертационной работе является осуществление процесса реализации классических подходов в оценке недвижимости на основе применения аппарата искусственных нейронных сетей.

По сравнению с традиционно используемыми методами математическая реализация основных подходов, в частности, оценки по прямому сравнению продаж, основанная на использовании искусственных нейронных сетей, обладает рядом преимуществ. Создаётся единая для всех задач оценки вычислительная парадигма. Используя нейронные сети, со сравнительно небольшим числом нейронов можно решать сложные задачи оценки объектов недвижимости.

Используемые в исследовании нейронные сети представляют собой обучающиеся модели, что позволяет доучивать их при поступлении новых данных на каждом шаге работы модели.

Для построения математических моделей возможно использование малых обучающих выборок, не обеспечивающих получение достоверных результатов при использовании классических методов математической статистики.

В нейронных сетях можно использовать любое количество зависимых и независимых признаков. Обученная сеть даёт возможность проанализировать степень значимости независимых признаков и минимизировать их число (исключить повторяющиеся или малозначимые).

Вторая группа проблем, рассмотренных в диссертации, связана с разработкой и программной реализацией концепции оценки недвижимости на основе оригинальных инструментальных средств; разработкой и программной реализацией инструментального средства визуализации полученных результатов; а также разработкой интелектуального средства обработки информации в виде базы знаний для систем нечёткого вывода.

В диссертационном исследовании традиционная концепция оценки недвижимости была расширена за счёт совместного использования систем, основанных на интелектуальных средствах обработки информации, т.е. было разработано инструментальное средство, интегрирующее предварительную статистическую обработку данных, функции нейронных сетей и нечёткого анализа данных для поддержки принятия обоснованных решений о стоимости объектов недвижимости.

Процесс решения задачи с помощью предлагаемого подхода включает такие этапы, как:

1. сбор и анализ исходных данных;

2. составление базы масштабированных данных;

3. составление математической модели оценки недвижимости;

4. оценка параметров модели на основе непараметрических методов статистики;

5. формулировка задачи в нейросетевом базисе;

6. анализ параметров математической модели оценки недвижимости, основанный на результатах обучения нейронной сети;

7. выбор архитектуры и обучение карт Кохонена;

8. составление информационного атласа по средствам синтеза карт Кохонена и ГИС-карт города;

9. составление базы знаний на основе анализа карт Кохонена и математической модели оценки недвижимости;

10. статистический анализ динамики изменения цен объектов недвижимости методами гармонического анализа;

11. анализ тенденций роста цен с помощью карт Кохонена.

Предлагаемый метод оценки объектов недвижимости позволяет

расширять круг решаемых оценочных задач. При таком подходе в математической модели учитывается субъективность, тем самым повышается точность расчётов и снижаются затраты на их корректировку с течением времени.

Для построения модели оценки недвижимости и обучения нейронной сети была составлена база данных. С этой целью был исследован рынок жилой недвижимости города Саратова за период с марта 2005 года по март 2006 года. К параметрам, влияющим на ценообразование недвижимости, были отнесены: географические координаты (18 районов города) - х; дата сдеки - Х2~, этажность здания - х3\ этаж квартиры - х4\ число комнат - х5; площадь кухни - г^; расположение на 1-ом или последнем этажах - х7\ наличие бакона, лоджии - х8; планировка - ад дата постройки - Хю\ состояние квартиры -хц, цена -у.

В ходе предварительного статистического анализа построенной базы данных (результат статистического исследования с использованием программного продукта БТАТШПСА 6.0 представлен в приложении 4 диссертации) было выявлено, что основным фактором, влияющим на цену объектов недвижимости, является географический район.

Такой результат позволил автору исследования ввести характеристику

влияния района - коэффициент районирования (КР). Району, которому соответствует наименьший коэффициент при соответствующей фиктивной переменной в линейной регрессии, присваиваем коэффициент районирования 1, а остальные коэффициенты находим как:

(1=1,...,18),

где а^ - наименьший коэффициент регрессии, а, - коэффициент регрессии, соответствующий г-му району (табл. 1).

Таблица 1

Коэффициенты влияния районов города Саратова

Район Коэффициент

1- комнатных

квартир

З.о. 1 070

О.о. I 094

Л.с. 1.172

Зц 1.172

О.с. 1.270

З.с. 1.364

К.о. 1.416

Оц 1 416

Ф.о. 1.455

В.с. 1.562

ц 1 562

Ф с 1 621

Во 1 621

Фц 1.659

К с 1 716

ВЦ. 1 905

Кц 1 905

Район Коэффициент

2-каьтатнь1х

квартир

З.о. 1 014

3 с 1 116

О.о. 1.193

Зц. 1.193

К.е. 1.21!

Оц 1.218

Л,с, 1.250

К.о. 1,297

О.с. 1.354

Ф.о 1.334

В.с 1.545

ц 1.545

Ф с. 1.666

В.О 1.666

Вц 1 937

Кц 2.162

Ф.ц. 2.177

Район Коэффициент

3-хоьшатных

квартир

Зц. 1 061

Л. о. 1 143

Л. с. 1.371

З.с. 1.504

О.с. 1.596

Фо. 1.596

О.о. 1.663

К.о. 1 664

Ф.с. 1.808

Во 1 808

К с 1 858

Оц. 1 858

В с. 1 923

ц 1 923

К.ц 2 389

ВЦ 2 389

Ф ц. 2.566

Важность введённого таким образом коэффициента заключается в том, что он является средством проецирования (переноса) информационной ситуации базового района на другие районы города, позволяя, при отсутствии достоверной информации по всему городу, проводить анализ в одном районе и проецировать полученные результаты на остальные районы города.

На следующем шаге разработки метода оценки недвижимости строится нейросетевой классификатор. Обобщённая схема процесса оценки

недвижимости с использованием методов нейронного анализа данных представлена на рис. 1.

В диссертационном исследовании использовалась нейронная сеть

Кохонена с количеством входов,

равным числу исследуемых параметров. Сеть Кохонена состоит из одного слоя нейронов, который организован в виде двумерной матрицы. Число входов каждого нейрона равно размерности входного образа. Исходные данные по каждому объекту недвижимости образуют вектор входных параметров модели. Составленная база данных рассматривается как признаковое пространство,

состоящее из векторов вида:

параметры исследования, у, - цена объекта недвижимости.

В научной работе начальный вектор весов IV, назначается исходя из анализа коэффициентов Спирмена исследуемых

параметров. Такой подход

Рис.1. Нейросетееая реализация оценки параметров влияния на стоимость объектов недвижимости

позволяет, во-первых, даже на начальном этапе обучения сети отразить её структуру, сокращая тем самым время обучения сети; а во-вторых, относить в один кластер сильно коррелированные объекты.

Дальнейшая настройка весовых векторов Щ происходит по агоритму Кохонена. В результате обучения сети Кохонена векторы обучающего

множества разбиваются .на кластеры в от-мсрном пространстве, центрами которых являются векторы весов нейронов. (полный текст оригинальной программы обучения сети Кохонена на языке программной среды Ма^аЬ представлен в приложении 1 диссертации.)

Для определения цены у нового объекта недвижимости на вход обученной сети подаётся вектор с координатами (х,,...,хт). Сеть Кохонена оптимальным образом выберет кластер, к которому данный вектор можно отнести, и тогда в качестве у принимается среднее значение для этого кластера.

Сравнительный анализ начальных и итоговых весов нейронной сети Кохонена, а также коэффициентов линейной регрессии для параметров влияющих иа стоимость объектов недвижимости представлен в табл. 2.

Строка Начальные значения в табл. 2 представляет собой значения коэффициентов Спирмена исследуемых параметров. Строка Статистическая оценка состоит из оценок параметров линейной регрессии, полученной на этапе предварительной статистической обработки данных. Строка Нейронная сеть отражает значения параметров, полученные после обучения сети Кохонена.

Так как корреляции Спирмена и веса нейронной сети принимают значения от -1 до +1, то для возможности сравнения, коэффициенты статистической модели были пронормированы делением на общую сумму коэффициентов.

Анализ данных, приведенных в табл. 2, показывает, что в качестве начальных весов нейронной сети предпочтительнее выбирать коэффициенты ранговой корреляции Спирмена.

Средняя относительная ошибка статистической модели для 1-комнатных квартир равна: /ст= 0,326, а нейронной модели - Д = 0,015; для 2-комнатных квартир: цш= 0,162, /инс= 0,022; для 3-комнатных квартир: цст= 0,141, у"ис=0,0406. Таким образом метод, основанный на нейронной сети Кохонена, даёт лучший результат по сравнению со статистическими методами

исследования.

Полученные результаты позволяют утверждать: наиболее значимыми параметрами при оценке недвижимости являются переменные дг/ -географические координаты, х6 - площадь кухни ихц- состояние квартиры.

Таблица 2

Оценки параметров при факторах, влияющих на стоимость объектов

недвижимости

Район, XI дата сдеки, Х2 этаж ДСШ8, Я ЗТ8Ж квцмм х4 плоча№ Кб 1 или 1ЮСП. этп хТ бакон, хВ ПВМЯПОВЮ в дата построй к* К10 сплоякие х11

начальные значения -0,55316 ШЗМОб 0Д727В8 0^59037 №6885 -л,1235 (л92896 0Д34441 л40106 одаоз

кв. стат. оценка -о.ебза 0,02365 0,11315 0Л402 0ДО924 -0,1ае09 0,149л 0,21303 -ОЛООЗ <2902

нейронная сеть 0,18682 0,32045 0,19407 0Д94СЗ -0,10113 0,27453 0,02551 0.21056 0,25378

начальные значения -одой 0,316317 0,487483 035856 0,654405 -0,26808 0,253667 0,333835 0^28338 0,373972

КС. стат. оценка -0,10477 ода 0,08454 0/52419 0.05332 0.29492 0,05218 0,14901 -0,00208 0Л2Э5

нейронная сеть -л0237 о,1зез2 0,50134 0,24379 0,49223 -0,1202 0,27453 0^6283 0.21056 075378

начальные значения -0,50318 0,365715 0,716252 0,054955 0,574340 -0,12353 0,121364 0,065053 0,442243 0,473431

кв. стат. оценка -0,24177 -0,00132 0,82896 -0,06006 -0Л811 -0,05521 -0ДЗЯ75 0,00813 0Д5674

нейронная сеть -0,60237 0,2№3 0М63 0,02437 М2945 -0,11 0,27453 0^4201 0,41056 0,46359

Следующим этапом проводимого в научной работе исследования является визуализация полученных результатов. С этой целью используется карта Кохонена, которая позволяет наглядно (в двухмерном пространстве) представить многомерное признаковое пространство.

В работе была использована прямоугольная карта Кохонена, в узлах которой находятся нейроны, совпадающие с расположением основных скоплений объектов в признаковом пространстве. (полный текст оригинальной программы обучения карты Кохонена на языке программной среды МаЙаЬ представлен в приложении 2 диссертации.) При этом число ячеек нейронной карты не равно числу векторов в признаковом

пространстве. Одна ячейка соответствует несколькими векторами, тем самым, описывая некоторое состояние, к которому принадлежат данные вектора, а следовательно, и сами объекты недвижимости.

Далее в работе проводится анализ построенной нейронной карты. С этой целью в диссертационном исследовании была проведена раскраска карты (рис. 2). Для этого на входы обученной сети последовательно подавались условия, определяющие заданные пользователем ценовые диапазоны: _у<500,

j j иена выше 1500 тыс?>уб. Д цена от 10о до 1500 тыс.руб. :;-ij цену от 500 до 1000 тыс.руб. цела ньйке 500 тыс .руб.

| [ цена выше 1500 тысруб. ISIfff цена от 1000 до 1500 тыс.руб. ЩЩ цену от500до 1000 тыс.руб. цена ниже SCO тыс .руб.

Рис. 2. Карта Кохонена: "раскраска" по переменной у - цена;

наложение карты Кохонена на административную карту города Саратова; наложение карты Кохонена на криминогенную карту города Саратова, наложение карты Кохонена на экологическую карту города Саратова

цена вьше 1500 тыс.вуб

цена от 1000 ло 1500 тыс. руб. S3 цена от 5QO ftO 10G0 тыс. руб.

q цгна выше150Стыс. руб.

цена от 10ОО до 1500 тыс. руб.

Ш igna от 500 до 1000 тыс. руб.

гч цена ниже 500 тыс. руб.

затем 500<у<1000,1000<у<1500 иу>1500.

По отклику сети определялись ячейки таблицы, соответствующие данным объектам недвижимости. Следует отметить, что те ячейки, которые относились сетью к каждому из вышеназванных условий, окрашивались в разные цвета. На рис. 2( 1) представлена раскраска по переменной у - цена.

Для дальнейшего анализа прогнозные оценки стоимости объектов недвижимости, полученные с помощью карты Кохонена, были рассмотрены в качестве информационного слоя в ГИС-карте города Саратова.

В настоящее время имеются большие возможности использования разнообразной картографической информации для детального и всестороннего анализа оцениваемого объекта недвижимости с различных позиций: от картографической привязки и определения местоположения конкретного объекта до оценок градостроительной, транспортной, социально-экономической и других составляющих городской среды. Подобные способы анализа оценки недвижимости связаны с внедрением в практику риэтерской деятельности специализированных географических информационных систем (ГИС-технологий).

При наложении карты Кохонена на административную карту города (рис. 2(2)) мы установили, что ячейки, соответствующие нейронам с ценой больше 1500 тыс. руб., совпадают с Вожским районом, с центрами Кировского и Фрунзенского районов. Ячейки с ценой ниже 500 тыс. руб. соответствуют окраинам Ленинского и Заводского районов.

Полученные результаты можно спроецировать на каждый район города в отдельности. Так, например, центром локального влияния Заводского района является область, которая с одной стороны, есть административный центр района, а с другой, расположена ближе всего к центру города. Это обуславливает разбиение параметра географические координаты на 18 районов, которые получаются делением каждого административного района города на центр, середину и локраину.

При наложении карты Кохонена на криминогенную карту (рис. 2(3))

было выявлено, что опасная криминогенная обстановка города Саратова слабо влияет на цену объектов недвижимости. Так, например, район Набережной Космонавтов, являясь одним из самых дорогих и престижных районов города с точки зрения владения недвижимостью, не относится к самым безопасным районам Саратова; а пос. Юбилейный, находясь в достаточно спокойном районе, характеризуется умеренными ценами на недвижимость.

Криминогенная карта составлена автором на основе Доклада прокурора г. Саратова ... по итогам 2006 года (на рис. 2.3 тёмной сплошной линией отмечены районы с неблагоприятной криминогенной обстановкой.)

Рис. 2(4) отражает наложение карты Кохонена на экологическую карту города Саратова. (Экологическая карта составлена автором на основе Государственного доклада о состоянии и об охране окружающей среды Саратовской области; тёмными областями выделены районы с сильным загрязнением.)

Как следует из рис. 2(4), экологическая обстановка района существенно не влияет на цену объектов недвижимости. Так, например, Октябрьский и Кировский районы относятся к районам с достаточно высокой стоимостью на недвижимость, однако имеют неблагоприятную экологическую ситуацию (хотя экология Заводского района соответствует своей ценовой политике).

Следующим этапом построения метода оценки недвижимости является аналитический анализ построенной карты Кохонена. Так как при работе с картой Кохонена используют не те-мерные данные, а нейроны, соответствующие этим данным, то и анализ карты делается для нейронов, а затем переводится на вектора признакового пространства.

В ходе аналитического анализа построенной нейронной карты выяснилось, что большинство нейронов, характеризуемых на карте как А, имеют нечто общее, характеризуемое как В.

Концептуальной основой формализации данных правил являются правила условного логического вывода, одно из которых гласит: Если X есть

А, то У есть В. В свою очередь, методологической основой такой формализации является композиционное правило вывода, предложенное Л. Заде. Используя это правило, он сформулировал ряд правил вывода, в которых логические предпосыки и следствия являются условными предложениями, включающими Риггу-понятия, т.е. нечёткие понятия.

Существенным преимуществом нечёткой логики является то, что при описании систем не обязательно осуществлять их аналитический анализ, достаточно описать, как управляется процесс.

Для аналитического анализа построенной карты Кохонена в исследуемую систему были введены лингвистические переменные. В диссертационной работе определение переменных данного типа, в качестве которых рассматриваются параметры оценочной модели, было проведено по следующему оригинальному агоритму:

1) экспертный анализ базы данных определяет названия и количество лингвистических переменных;

2) с помощью построенной карты Кохонена устанавливается количество термов (и) для каждой переменной (в их роли выступают кластеры, на которые разбивается исходное множество);

3) определяются границы универсального множества II; так, в качестве итт принимается наименьшее значение переменной, принадлежащей исходному множеству, а качестве итах - наибольшее.

4) центр каждого кластера принимается за вершину функции принадлежности; внутри каждого класса вычисляется дисперсия и откладывается её значение влево и вправо от точки, соответствующей вершине, тем самым получается треугольная функция принадлежности для каждого терма (для термов Т\ и Тп аналогично строятся трапециевидные функции принадлежности).

Используемый в исследуемой системе механизм нечётких выводов в основе своей имеет базу знаний, формируемую в виде совокупности нечётких предикатных правил. Для определения таких правил условного

логического вывода (построения базы знаний) в нашем исследовании использовались средства геоинформационного анализа данных.

Построенные карты Кохонена были рассмотрены в качестве информационных слоев в ГИС-карте города Саратова и для определения искомых закономерностей карту Кохонена накладывали на другие слои ГИС.

На основе рис. 2, списка лингвистических переменных и их термов, синтаксической процедуры, позволяющей генерировать новые термы, в диссертационной работе были экспертно построены правила вывода, а также приведён пример обработки информации с использованием полученных нечётких правил.

Применение нечётких выводов позволяет в сжатой форме представлять все необходимые сведения об исследуемых объектах и процессах.

К третьей группе проблем диссертационного исследования относится исследование динамики ценового роста объектов недвижимости посредством разработанных инструментальных средств.

Для Х Х,. исследования

динамики роста цен в научной

работе используется карта

Кохонена, которая после

наложения на

геоинформационную карту

демонстрирует не только

теоретический прогноз, но и

наглядное представление этого Рис. 3. Ценовая динамика для объектов недвижимости

Заеодского района города Саратова ПрОГНОЗЯ.

С этой целью используется построенная выше карта Кохонена (рис. 2(1)). Чтобы проанализировать карту в динамике, сеть обучается в период времени I. Затем в период времени г+7 на эту же сеть (без обучения) подаются объекты недвижимости со значениями показателей в период ?+/ и определяется их положение на карте.

время, I

Например, зная положение объектов недвижимости, соответствующих Заводскому району города Саратова, в момент времени г, равный январю 2005 года (темно-серый цвет), оценим их положение в момент /+1, равный декабрю 2005 года (светло-серый цвет) (рис. 3). Для этого на вход обученной сети подаём вектора (х1,...,хД), у которых координаты х2, х/0 и Хц примут новые значения (остальные параметры исследования своих значений в общем случае не изменят). На выходе сеть отнесёт данные объекты недвижимости к другому кластеру.

Наложение полученной карты Кохонена на другие ГИС-карты города (административную, экологическую и пр.) позволяет проследить степень взаимного влияния различных факторов.

ОСНОВНЫЕ ВЫВОДЫ ПО ДИССЕРТАЦИОННОЙ РАБОТЕ

1. Главным научно-практическим итогом диссертационного исследования является формирование концепции совместного использования возможностей нейронных сетей, геоинформационных технологий и методов математической статистики при создании систем поддержки принятия решений в области оценки недвижимости.

2. Разработано инструментальное средство для оценки недвижимости, математическое ядро которого составляет интеграция сетей и карт Кохонена, возможностей геоинформационных технологий, нечёткий логический вывод.

3. Сформирован агоритм визуализации полученных результатов на основе разработанного инструментального средства, а также средство проецирования информационной ситуации базового района на другие районы города в виде индекса районирования.

4. Определены методологические основы анализа динамики роста стоимости объектов жилой недвижимости на основе разработанного инструментального средства.

По результатам исследования опубликованы следующие работы:

Издания, рекомендованные ВАК РФ:

1. Тиндова, М.Г. Предварительная кластеризация многомерных объектов в интелектуальном анализе данных / М.Г. Тиндова // Вестник Саратовского государственного социально-экономического университета. Ч Саратов, 2008 - №4(23). - 0,2 п.л.

2. Тиндова, М.Г. Многомерный статистический анализ рынка недвижимости Германии / М.Г. Тиндова // Вестник Саратовского государственного социально-экономического университета. - Саратов, 2008 -№3(22).-0,35 п.л.

3. Тиндова, М.Г. Применение карты Кохонена для анализа цен объектов недвижимости ./ М.Г. Тиндова // Вестник Саратовского государственного социально-экономического университета. - Саратов, 2006. -№13(2).-0,35 п.л.

Прочие издания:

4. Тиндова, М.Г. К вопросу об интелектуальной обработке информации в области оценки недвижимости / М.Г. Тиндова // Прикладная информатика. Научно-практический журнал ISSN 1993-8314 - Москва, 2007. -№5(11).- 1п.л.

5. Тиндова, М.Г. Сети Кохонена как инструмент ценового районирования города / М.Г. Тиндова // Математическое и информационное обеспечение экономической деятельности: АльманахЧ Саратов, 2006. -0,35п.л.

6. Тиндова, М.Г. Оценка недвижимости статистическими методами / М.Г. Тиндова // Социально-экономическое развитие Росси: Проблемы, поиски, решения: сборник научных трудов по итогам НИР СГСЭУ в 2004 году / Саратов, 2005.-0,15 п.л.

7. Тиндова, М.Г. О возможности использования ГИС-технологий в решении задач оценки недвижимости / М.Г. Тиндова // Экономический анализ: теория и практика. - Москва, 2005. - №4. - 1п.л.

8. Тиндова, М.Г. Анализ факторов, влияющих на ценообразование недвижимости / М.Г. Тиндова // Повожский Интернет-журнал, 2004. -[Элетрон. ресурс]. - Режим доступа: Ссыка на домен более не работаетourproducts.htm - 0,5 п.л.

9. Тиндова, М.Г. Нейронно-сетевая методология в финансовой сфере: обзор результатов / М.Г. Тиндова // Социально-экономическое развитие России: Проблемы, поиски, решения: сборник научных трудов по итогам научно-исследовательской работы СГСЭУ в 2002 году. / Саратов, 2003.-0,5 п.л.

Подписано в печать /_./.2008 г. Формат 60x84 1/16 Бумага типогр. №1. Печать RISO. Уч.-изд. л. 1.1. Усл. печ. л. 1,0. Тираж 120 экз. Заказ №ЗУ7 410003, Саратов, ул. Радищева, 89. СГСЭУ.

Диссертация: содержание автор диссертационного исследования: кандидат экономических наук , Тиндова, Мария Геннадьевна

Введение

Глава 1. Значение недвижимости и её оценки в условиях рыночной экономики

1.1. Роль недвижимости в современной рыночной экономике

1.2. Принципы оценки недвижимости

1.3. Подходы в оценке недвижимости

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

2.3. Построение лингвистических переменных

2.4. Построение базы знаний

2.5. Анализ тенденций роста цен с помощью карт Кохонена

2.6. Особенности использования комплексного инструментального средства оценки недвижимости

Глава 3. Практическое применение разработанного инструментального средства для поддержки принятия решений в области оценки недвижимости

3.1. Построение базы данных и постановка основных задач

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

Диссертация: введение по экономике, на тему "Разработка инструментальных средств для поддержки принятия решений в области оценки недвижимости на основе интелектуальных средств обработки информации"

Актуальность темы исследования. Одним из приоритетных национальных проектов, объявленных правительством РФ в январе 2006 года с целью повышения благосостояния населения, стал проект Доступное и комфортное жилье Ч гражданам России. В связи с этим рынок недвижимости стал 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. Всё вышеизложенное требует более пристального изучения быстро изменяющейся инфраструктуры рынка недвижимости новыми прогрессивными методами с использованием современных информационных технологий.

Управление рынком недвижимости, как сложной системой, требует определения параметров, характеризующих цену недвижимости, выявление зависимостей, связывающих эти параметры, влияние государственного регулирования и факторов внешнего воздействия.

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 в условиях невозможности получения информации необходимого качества или её высокой зашумлённости, непоноте и противоречивости такие модели являются неработоспособными. В особенности опасно использование этих моделей при малых статистических выборках, так как полученные на их основе законы распределения не могут отражать существующие закономерности. В таких условиях требуется применение современных инновационных методов, например, методов, построенных на базе нейронных сетей и возможностей ГИС-технологий.

В условиях рыночной экономики, возникает потребность в сравнительном изучении методов определения стоимости объектов недвижимости. Актуальной проблемой является также развитие новых методов оценки недвижимости и методик их применения в условиях современной российской экономики.

Степень разработанности проблемы. Современное состояние разработанности вопроса оценки недвижимости определяется не только широким спектром публикаций, но и реальной необходимостью в создании методики определения продажной стоимости недвижимости, методов анализа результатов оценивания.

На развитие теории оценки недвижимости существенное влияние оказали труды C.B. Грибовского, О.В. Ефимовой, А.Н. Жигло, Ю.Г.Куракина, Ф. Милера, 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 A.B. Андрейчиков, Е.П. Бочаров, А.Н. Горбань, Г. Дебок, A.A. Емельянов, Т.Кохонен, A.A. Питенко, Д.А.Россиев.

Несмотря на существование довольно внушительного теоретико-практического фундамента классических методов оценки объектов недвижимости, следует отметить, что применение в данном процессе современных инструментальных средств обработки информации, основанных на интелектуальном анализе данных, весьма незначительно. 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 большая роль отводится логике человеческих суждений и оценок.

Целью диссертационного исследования является построение методологии оценки недвижимости, основанной на механизмах интелектуального анализа данных.

Задачи исследования. В рамках поставленной цели предполагается решение следующих задач:

1) провести анализ современного состояния проблемы оценки недвижимости и выявить круг задач в рамках этой проблемы, решаемых на г основе интелектуального анализа данных;

2) сформулировать концепцию оценки недвижимости на основе оригинальных 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;

3) разработать методику оценки недвижимости на основе выработанной концепции;

4) разработать и программно реализовать инструментальное средство визуализации полученных результатов;

5) исследовать динамику ценового роста объектов недвижимости посредствам разработанных инструментальных средств;

6) разработать интелектуальное 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 выпонена в рамках паспорта специальностей ВАК 08.00.13 Ч Математические Х и инструментальные методы экономики (область исследования 2.3. Разработка систем поддержки принятия решений для рационализации организационных структур и оптимизации управления экономикой на всех уровнях).

Теоретическая и методологическая основа исследования. Проблема неопределённости, непоноты и противоречивости данных занимает ключевое место в общей проблеме оценки недвижимости, и возможность её решения рассматривают в применении новых информационных технологий, составной частью которых являются интелектуальные средства обработки информации.

В частности, применение 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.

Методологическую основу исследования составили труды отечественных и зарубежных ученых, посвященные проблемам оценки недвижимости, применению нейронных сетей в вопросах финансового прогнозирования и возможности географических информационных систем.

Информационной базой исследования явились статистические данные Росстата по Саратовской области, показатели риэтерских компаний региона (среди них Авангард строй, Вогожистрой, ЗАО ЖБК-3 и некоторые другие), материалы периодической печати по изучаемой проблеме (например, журналы Недвижимость, Квартал) и \уеЬ-зак-ы недвижимости.

Методы научного исследования. В ходе выпонения диссертационной работы применялось выборочное наблюдение, обследование, группировка, сравнение, анализ и обобщение, экспертный анализ, непараметрический анализ данных, анализ на основе нейронных сетей, возможности ГИС-технологии, нечёткий логический вывод, системный и комплексный подходы исследования.

Положения диссертационного исследования, выносимые на защиту:

1) Процесс оценки недвижимости, основанный на интелектуальных 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.

2) Агоритм 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.

3) Агоритм 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.

4) Агоритм исследования пространственно-временного роста цен объектов недвижимости, основанный на интелектуальных средствах обработки информации, состоит из следующих шагов: построения модели методами гармонического анализа; обучения карты Кохонена в момент времени V, определения вида карты в момент +7 при использовании возможности геоинформационных систем.

Научная новизна проведенного исследования заключается в разработке инструментальных средств для поддержки принятия решений в области оценки недвижимости на основе интелектуальных средств обработки информации. Отдельные элементы новизны содержатся в следующих результатах исследования, полученных лично автором и выносимых на защиту.

1. Разработаны методологические аспекты для создания инструментальных средств оценки недвижимости, отличающиеся от известных применением элементов интелектуальных средств обработки информации, что позволяет расширять круг оценочных задач.

2. 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 нечеткой логики.

3. Сформирован оригинальный агоритм визуализации полученных результатов на основе разработанного инструментального средства, состоящий в последовательном наложении нейронных карт на ГИС-карты города и позволяющий выявлять допонительные зависимости между исследуемыми ценообразующими факторами. Проецирование выявленных в базовом районе зависимостей на другие районы города осуществляется с помощью введённого автором индекса районирования.

4. Сформирован агоритм построения базы знаний для систем поддержки принятия решений на основе нечёткого логического вывода. Новизна предложенного агоритма 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.

5. Разработаны методологические основы анализа динамики роста стоимости объектов жилой недвижимости, отличающиеся от известных применением элементов интелектуальных средств обработки информации, в которых используется оригинальный агоритм пространственно-временного анализа ценовых рядов. Агоритм, 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.

Значение результатов диссертационного исследования для теории и практики. Теоретическая и практическая значимость диссертационного исследования состоит в увеличении возможностей оценочных задач, в результате применения описанной методологии оценки как основного инструмента для принятия более эффективных решений в повседневной работе различных экономических секторов рынка недвижимости.

Практическая значимость заключается в возможности использования разработанных теоретических положений и организационно-методических рекомендаций в работе государственных, муниципальных органов управления для определения продажной стоимости недвижимости, а также в работе риэтерских компаний.

Теоретическая и практическая значимость работы. Сделанные выводы и предложения позволяют использовать разработанное инструментальное средство в процессе принятия управленческих решений в российской оценочной практике. Основы разработанных теоретических положений и организационно-методических рекомендаций для совершенствования оценки недвижимости способны подстегнуть формирование легального рынка недвижимости, создать базу для работы налоговых органов, активизировать инвестиции в недвижимость, могут послужить основой для дальнейшего совершенствования оценочного процесса.

Результаты исследования могут использоваться в системе профессиональной подготовке и повышении квалификации профессиональных риэтеров и оценщиков, а также при разработке методического обеспечения дисциплин Оценка недвижимости, Экономика управления недвижимостью, Управление государственным и муниципальным имуществом для студентов экономических ВУЗов специальности Оценочная деятельность.

Апробация результатов исследования. Основные положения диссертации и результаты проведенных исследований были раскрыты в докладах на научно-практических конференциях, в том числе на семинаре Научная кооперация между Россией и Германией - исторические, современные и практические аспекты стипендиатов 2007-2008 года совместной российско-германской программы Михаил Ломоносов.

Результаты исследования были опубликованы в форме статей и тезисов в сборниках научных трудов и тезисов докладов.

Положения диссертации были использованы в учебном процессе ГОУ ВПО СГСЭУ в ходе преподавания дисциплин Оценка недвижимости и Нейросетевой анализ экономической информации для студентов специальности Оценочная деятельность.

Методические разработки и положения диссертации получили положительную оценку профессиональных оценщиков риэтерских фирм ООО А.И.Т., ООО Агентство анализа, консатинга и менеджмента г. Саратова и применяются ими на практике в оценке рыночной стоимости объектов жилой недвижимости, а также в ходе проведения консультаций по инвестированию в объекты недвижимости.

Основные положения диссертации были апробированы на данных немецкого рынка недвижимости в ходе научной стажировки автора в Горном университете г. Вупперталь (Германия).

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Тиндова, Мария Геннадьевна

Заключение

Результатом проведенных исследований стало построение модели оценки недвижимости, основанной на методах интелектуального анализа данных.

Проведенный в ходе выпонения 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 Ма^аЬ 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:

Х достоверно судить об объектах, даже если наличествует непоная информация;

Х извлекать информацию из базы данных, основываясь на непоных характеристиках объектов;

Х обеспечивать простую визуализацию данных;

Х обнаруживать изолированные структуры в данных;

Х оперировать значительным количеством комплексных данных;

Х выявлять неявные связи и закономерности между признаками;

Х проводить оценку объектов в динамике, оценку изменений как в целом по структуре кластеров, так и по отдельности;

Х прогнозировать значения одних признаков объектов через другие;

Х осуществлять фильтрацию объектов с учетом поисковых критериев. 1

Применение нечетких логических выводов в составе разработанного инструментального средства позволяет в сжатой форме представлять все необходимые сведения об исследуемых объектах и процессах.

Представленные возможности позволяют строить на основе данного инструментального средства поноценную систему поддержки принятия решений в области рынка недвижимости.

Разработанное инструментальное средство позволяет проводить прогнозирование ценового роста объектов недвижимости г. Саратова на более догосрочные периоды, чем классические статистические методы.

Проведённый с помощью разработанного инструментального средства анализ динамики показал, что на рост цен в большой степени влияет изменение экологической и криминогенной обстановки в районе.

Таким образом, разработанная в диссертационном исследовании методология оценки объектов недвижимости, может служить базой для принятия управленческих решений в сфере оценки недвижимости.

Диссертация: библиография по экономике, кандидат экономических наук , Тиндова, Мария Геннадьевна, Вогоград

1. Азгальдов Г.Г., Карпова H.H. Об одной из проблем применения затратного подхода. // Вопросы оценки. Профессиональный научно-практический журнал, 2003, №2.

2. Айвазян С.А. Прикладная статистика: Основы моделирования и первичная обработка данных. Справочное изд. Ч М.: Финансы и статистика, 1983.

3. Айвазян С.А. Прикладная статистика и основы эконометрики: Учебник для ВУЗов. М.: ЮНИТИ, 1998.

4. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешакин Л.Д. Прикладная статистика. Классификация и снижение размерности. М.: Финансы и статистика, 1989.

5. Айзерманн М.А., Браверманн Э.М., Рононоэр Л.И. Метод потенциальных функций в теории обучения машин-М.:Наука, 1970.

6. Андрейчиков A.B., Андрейчикова О.Н. Анализ, синтез, планирование решений в экономике. М.: Финансы и статистика, 2002.

7. Андрейчиков A.B., Андрейчмкова О.Н. Интелектуальные информационные системы. Учебник. М.: Финансы и статистика, 2006.

8. Анисимова И.Н., Баринов Н.П., Грибовский C.B. О повышении достоверности рыночной стоимости методом сравнительного анализа. // Вопросы оценки. Профессиональный научно-практический журнал, 2002, № 1.

9. Анисимова И.Н., Баринов Н.П., Грибовский C.B. Учет разнотипных ценообразующих факторов в многомерных регрессионных моделях оценки недвижимости. // Вопросы оценки. Профессиональный научно-практический журнал, 2004, №2.

10. Антонов А. Программные средства ГИС под MS Windows // ГИС-обозрение, 1996.

11. Арбиб М. Метафорический мозг. М.: Мир, 1976.

12. Афанасьев В.Н. Анализ временных рядов и прогнозирование: Учебник. -М.: Финансы и статистика, 2001.

13. Бейлизон Ю.В. Конспект лекций по основным принципам оценки технического состояния объектов недвижимости.

14. Берлянт A.M. Геоинформационное картографирование. М.: Астрея, 1997.

15. Берлянт A.M. Развитие теории методов создания геоизображений. // Геодезия и картография, 2001, № 11.

16. Берлянт A.M. Электронное картографирование в России. Элетрон. ресурс. - Режим доступа: Ссыка на домен более не работаетobrazovanie/stsoros/926.html

17. Берлянт A.M., Жаковский Е.А. К концепции развития ГИС в России // Гис-обозрение, 1996.

18. Бодырев B.C., Фёдоров А.Е. Введение в теорию оценки недвижимости. 1997.

19. Большой юридический словарь / Под ред. А .Я. Сухарева, В.Е. Крутских.-М., 2002.

20. Вапник В.Н. Восстановление зависимости по эмпирическим данным. Ч М.: Наука, 1979.

21. Васильев В.И. Распознающие системы. Справочник. Киев, Наукова думка, 1983.

22. Галушкин А.И. О работах по нейрокомпьютерам в Научном центре нейрокомпьютеров Российской Академии наук // Новости искусственного интелекта. 1992. № 4.

23. Гармиз И.В., Кошкарёв A.B., Тикунов B.C., Трофимов A.M. Теоретические и методологические аспекты развития географических информационных систем // География и природ, ресурсы, 1991, № 1.

24. Горбань А.Н. Обучение нейронных сетей. М.: СП Параграф, 1990.

25. Горбань А.Н., Дунин-Барковский B.JL, Кирдин А.Н., Миркес Е.М., Новоходько А.Ю., Россиев Д.А., Терехов С.А., Сенашова Н.Ю., Царегородцев В.Г. Нейроинформатика. Новосибирск: Наука. Сибирское предприятие РАН, 1998.

26. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996.

27. Горбунов А. Применение самоорганизующихся карт в бизнесе и финансах. // Банковские Технологии, 1999, №4.

28. Гордиенко Е.К., Лукьяница A.A. Искусственные нейронные сети. Основные определения и модели // Техническая кибернетика. 1994, №5.

29. Грибовский C.B. Оценка доходной недвижимости. СПб: Питер, 2001.

30. Грибовский C.B., Медведева O.E., Касьянов П.В. Курс лекций по оценке рыночной стоимости земельных участков.

31. Грибовский C.B., Сивец С.А., Левыкина И.А. Новые возможности сравнительного подхода при решении старых проблем. // Вопросы оценки. Профессиональный научно-практический журнал, 2002, № 4.

32. Гровер Р., Полянский А.И., Соловьев М.М. Стандарты оценки недвижимости в системе механизмов государственного регулирования. // Вопросы оценки. Профессиональный научно-практический журнал, 2001, №3.

33. Демонстрационный отчёт об оценке объекта недвижимости складского назначения.

34. Добрынин Д., Савельев А. Нейронные технологии для тематического дешифрования ДДЗ. //Тис-обозрение, № 1, 1999. Элетрон. ресурс. -Режим доступа: Ссыка на домен более не работаетp>

35. Доугерти К. Введение в эконометрику: учеб. пособие. М.: Инфра-М, 1997.

36. Дубров A.M., Мхитарян B.C., Трошин Л.И. Многомерные статистические методы: Учебник. М.: Финансы и статистика, 2000.

37. Дьяконов В. Matlab 6: учебный курс. СПб. Литер, 2001.

38. Ежов A.A., Шумский С.А. Нейрокомпьютинг и его применения в экономике и бизнесе, М.: МИФИ, 1998.

39. Емельянов A.A. Имитационное моделирование в управлении рисками / Монография. Санкт-Петербург: Инжэкон, 2000.

40. Емельянов A.A., Власова Е.А., Дума Р.В. Имитационное моделирование экономических процессов / Под редакцией A.A. Емельянова. Москва: Финансы и статистика, 2002.

41. Емельянов A.A., Анфилатов B.C., Кукушкин A.A. Системный анализ в управлении / Под редакцией A.A. Емельянова. Москва: Финансы и статистика, 2003.

42. Загоруйко Н.Г., Екина В.Н., бов Г.С. Агоритмы обнаружения эмпирических закономерностей.ЧНовосибирск: Наука, 1985.

43. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск: 1999.

44. Заде JI.A. Понятие лингвистической переменной и её применение к принятию приближенных решений. М.:Мир, 1976.

45. Закс Лотар. Статистическое оценивание. -М.: Статистика, 1976. 50.3амулин A.B. Системы программирования баз данных и знаний.

46. Новосибирск: Наука, 1990. 51.Зарубин В.Н. Функции и методы государственной оценки земли. МАОК, 2002.

47. Зеленский Ю.В. О сопоставимости результатов подходов при оценке недвижимости Ч принцип согласованности моделей. // Вопросы оценки. Профессиональный научно-практический журнал, 2005, №4.

48. Зиновьев А.Ю. Визуализация многомерных данных // Красноярск, 2000.

49. Интелектуальные системы и их моделирование. М.-.Наука.

50. Кассандрова О.Н., Лебедев В.В. Обработка результатов наблюдений. -М.: Наука, 1970.

51. Ковалёв А.П. Оценка стоимости активной части основных фондов: Учебно-методическое пособие. -М.: Финстатинформ, 1997.

52. Коновалова Н.В., Капралов Е.Г. Введение в ГИС. -М.: 1997.

53. Корнеев В.В., Греев А.Ф., Васютин C.B., Райх В.В. Базы данных. Интелектуальная обработка информации. Ч М.: Нолидж, 2000.

54. Короткий С. Нейронные сети: агоритм обратного распространения. -Элетрон. ресурс. Режим доступа: Ссыка на домен более не работает~relayer/algo/neuro/index.html

55. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.

56. Кохонен Т., Дебок Г. Анализ финансовых данных с помощью самоорганизующихся карт.-Изд. Альпина, 2001.

57. Кочетков Ю., Калинина Н. Компьютерная массовая оценка в России: первые результаты. Москва, 1997.

58. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечёткая логика и искусственные нейронные сети: Учеб. пособие. Ч М.: Физматлит, 2001.

59. Круглов В.В., Дли М.И. Интелектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода.-М.:Физматлит, 2002.

60. Куссуль Э.М. Ассоциативные нейроподобные структуры. Киев, Наукова думка, 1990.

61. Лавриенко И. Применение ГИС-технологий при изучении и анализе природных экосистем. Элетрон. ресурс. - Режим доступа: Ссыка на домен более не работаетt/rii/ir/vt/00-28/04.html

62. Лапина Е.П. Технологическая схема создания картографических мультимедиа-продуктов. // Изв. вузов. Сер. Геодезия и аэрофотосъёмка, 1998, № 1.

63. Леоненков A.B. Нечёткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БХВ-Петербург, 2003.

64. Магнус Я.Р., Катышев П.К., Пересецкий A.A. Эконометрика. Начальный курс. М.: Дело, 2001.

65. Маслобаев Ю.П. Свойства и параметры нейронной сети как объекта Matlab.

66. Медведев B.C., Потёмкин В.Г. Нейронные сети. Matlab 6. -М.: ДИАЛОГ-МИФИ.

67. Мелихов А.Н., Бернштейн Л.С., Коровин С .Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990.

68. Моррисон Дж. Картография нового тысячелетия // Геодезия и картография, 1996, № 8.

69. Нейрокомпьютеры и интелектуальные роботы. Под ред. Н.М.Амосова. Киев, Наукова думка, 1991.

70. Нечеткие множества в моделях управления и искусственного интелекта / Под ред. Д.А. Поспелова. М.: Наука, 1986.

71. Нечеткие множества и теория возможностей. Последние достижения / Под ред. Р.Ягера.-М.: Радио и связь, 1986.

72. Основы оценочной деятельности / Учебное пособие под ред. к.э.н., доцента Косоруковой И.В. М.: Московский международный институт эконометрики, информатики, финансов и права, 2005.

73. Осовский С. Нейронные сети для обработки информации / Пер с польского И.Д.Рудинского М.: Финансы и статистика, 2002.

74. Оценка рыночной стоимости недвижимости. Учебное и практическое пособие. -М.: Дело, 1998.

75. Питенко A.A. Использование нейросетевых технологий при решении аналитических задач и ГИС. // Методы нейроинформатики, КГТУ. Красноярск, 1998. Элетрон. ресурс. - Режим доступа: Ссыка на домен более не работаетp>

76. Питенко A.A. Нейросетевой анализ в ГИС. // Автороф. дисс. канд. техн. Наук 05.13.16, Красноярск, 2000.

77. Прикладные нечеткие системы: Пер. с японского / Под ред. Т. Тэрано, К.Асаи, М. Сугено. М.: Мир, 1993.

78. Псиола В.В. Обзор основных нейросетевых моделей.

79. Пустыльник Е.И. Статистические методы анализа и обработка наблюдений. -М.: Наука, 1968.

80. Реальность и прогнозы искусственного интелекта. М.: Мир, 1987.

81. Ромм А.П. Информационное обеспечение и технология комплексной оценки и функционального зонирования городских территорий // Вопросы оценки. Профессиональный научно-практический журнал, 1998, №2.

82. Рутковская Д., Пилиньский М., Рутковский Д. Нейронные сети, генетические агоритмы и нечеткие системы. М.: Горячая линия -Телеком, 2006.

83. Саати Т. Принятие решений. Метод анализа иерархий. М.: Радио и связь, 1993.

84. Салахутдинов Р.З., Рубцов A.B., Нейросетевой подход к решению задач экономического планирования. // Сб.науч.тр. VIII Всероссийской научно-технической конференции Нейроинформатика-2006, ч.З, Москва, 2006.

85. Самарин А.И. Модель адаптивного поведения робота, реализованная с использованием идей самоорганизации нейронных структур. Ч Элетрон. ресурс. Режим доступа: Ссыка на домен более не работаетPapers/Samarin.htm

86. Сивец С.А., Левыкина И.А. Эконометрическое моделирование в оценке недвижимости. Запорожье: Полиграф, 2003.

87. Соколов E.H., Вайткявичус Г.Г. Нейроинтелект: От нейрона к нейрокомпьютеру. -М.:, Наука, 1989.

88. Соловьев М.М. Статистика и оценка капитализированной стоимости на рынках недвижимости. // Вопросы оценки. Профессиональный научно-практический журнал, 2000, №4.

89. Соломатин А.Н. Программные средства автоматизации оценки стоимости: анализ, проблемы, принципы и направления разработки. // Вопросы оценки. Профессиональный научно-практический журнал, 2004, №2.

90. Стерник Г.М. Рынок недвижимости России: закономерности становления и развития в условиях переходной экономики. // Вопросы оценки. Профессиональный научно-практический журнал, 1999, №3.

91. Тарасевич Е.И. К вопросу оценки инвестиций в недвижимость с использованием модели ценообразования финансовых активов // Вопросы оценки. Профессиональный научно-практический журнал, 1999, №4.

92. Тарасевич Е.И. Концепция ставки дисконтирования в оценке недвижимости // Вопросы оценки. Профессиональный научно-практический журнал, 2000, №2.

93. Тарасевич Е.И. Современные принципы анализа рынка недвижимости. // Вопросы оценки. Профессиональный научно-практический журнал, 1999, №3.

94. Тарасов В.Б. От искусственного интелекта к искусственной жизни: новые направления в науках об искусственном // Новости искусственного интелекта, 1995, №4.

95. Теоретические основы индивидуальной оценки земельных участков. Учебное пособие.

96. Теория статистики: Учебник \ Под ред. Р.А.Шмойловой. М: Финансы и статистика, 1999.

97. Терехов С.А. Лекции по теории и приложениям искусственных нейронных сетей.- Лаборатория Искусственных Нейронных Сетей НТО-2, ВНИИТФ, Снежинск.

98. Тикунов B.C. Мультимедиа в картографии // Вестн. МГУ. Сер. География, 1995, № 5.

99. Тиндова М.Г. Нейронносетевая методология в финансовой сфере: обзор результатов. // Социально-экономическое развитие РоссиЬ: Проблемы, поиски, решения: Сборник научных трудов по итогам научно-исследовательской работы СГСЭУ в 2002 г. Саратов, 2003.

100. Тиндова М.Г. Анализ факторов, влияющих на ценообразование недвижимости. // Повожский Интернет-журнал, 2004. Ч Элетрон. ресурс. Режим доступа: Ссыка на домен более не работаетfaculty/FIIT/KISE/publish.phpL

101. Тиндова М.Г. О возможности использования ГИС-технологий в решении задач оценки недвижимости. // Экономический анализ: теория и практика, 2005, № 4.

102. Тиндова М.Г. Оценка недвижимости статистическими методами. // Социально-экономическое развитие Росси: Проблемы, поиски, решения: Сборник научных трудов по итогам научно-исследовательской работы СГСЭУ в 2004 г. Саратов, 2005

103. Тиндова М.Г. Сети Кохонена как инструмент ценового районирования города. // Математическое и информационное обеспечение экономической деятельности: Альманах. Саратов, 2006

104. Тиндова М.Г. Применение карты Кохонена для анализа цен объектов недвижимости. // Вестник Саратовского социально-экономического университета, 2006, № 13(2).

105. Тиндова М.Г. К вопросу об интелектуальной обработке информации в области оценки недвижимости // Прикладная информатика. Научно-практический журнал ISSN 1993-831 Ч Москва, 2007, №5(11).

106. Тиндова М.Г. Многомерный статистический анализ рынка недвижимости Германии // Вестник Саратовского социально-экономического университета, 2008, № 3(22).

107. Тиндова М.Г. Предварительная кластеризация многомерных объектов в интелектуальном анализе данных // Вестник Саратовского государственного социально-экономического университета. Саратов, 2008 - №4(23).

108. Уоссерман Ф. Нейрокомпьютерная техника: теория и практика, 2001.

109. Ушаков Е.П. Влияние экологических факторов на рыночную стоимость недвижимости.

110. Ушаков Е.П. Основные правила и процедуры реализации метода сравнимых продаж.

111. Ушаков Е.П. Организация и моделирование массовой оценки недвижимости в имущественном налогообложении. МАОК, 2001.

112. Фридман Дж., Ордуэй Н. Анализ и оценка приносящей доход недвижимости. М., 1995.

113. Фролов У.В., Пастухов Е.С., Мониторинг изменений в банковском сообществе России с применением самоорганизующихся карт Кохонена. //Банковские технологии, 2000, №11.

114. Хаксход В. Введение в городские географические информационные системы. New York: Oxford, 1991.

115. Харрисон Г. Оценка недвижимости, М., 1994.

116. Цветков В.Я. Геоинформационные системы и технологии. М.: Финансы и статистика, 1998.

117. Чемерикин С.М. Ликвидационная стоимость в оценке недвижимости. // Вопросы оценки. Профессиональный научно-практический журнал, 2001, № 1.

118. Эконометрика \ Под ред. И.И.Елисеевой. Ч М.: Финансы и статистика, 2001.

119. Экономическая теория / Под ред. А.И. Добрынина, JI.C. Тарасевича, 3-е изд. СПб: Изд. СПбГУЭФ, Изд. Питер, 2001.

120. AI Gore. The Digital Earth: Understanding Our Planet in the 21st Century, 1998. Элетрон. ресурс. - Режим доступа: Ссыка на домен более не работаетrhome/whatsnew/gore digeaith.html

121. Assenmacher, Walter. Einfhrung in die konometrie, 6. Aufl., Mnchen, Wien: Oldenbourg, 2002.

122. Butler J. An Introduction to Geoscience Education Resources on the Internet// Computers and Geosci. 1995. Vol. 21. № 6.

123. Drewniak J. Selfconjugate fuzzy implications. Busefal, France, №81, 2000.

124. Eckey Hans-F., Kosfeld R., Dreger Ch. konometrie. Grundlagen -Methoden Beispiele, 3. Aufl., Wiesbaden: Gabler, 2004.

125. Greene William H. Econometric Analysis, 5. Aufl., London: Prentice Hall, 2002.

126. Fahrmeir L., Kneib T., Lang S. Regression: Modelle, Methoden und Anwendungen. Springer-Verlag, Berlin Heidelberg, 2007.

127. Johnston J., DiNardo J. Econometric Methods, 4. Aufl., New York: McGraw-Hill, 1997/

128. Kohonen T. Self-organization and associative memory. Series in Information Sciences, vol. 8. Berlin: Springer verlag, 1984.

129. Kohonen T. Self-Organizing Maps(2-nd edition), Springer, 1997.

130. Kohonen T. Self-Organizing Maps, Springer, 1995.

131. Lampinen J., Kostiainen T. Self-organizing map in data analysis -notes on overfitting and overinterpretation / Proc. European Symposium on Artificial Neural Networks (ESANN'2000), Bruges, Belgium, 2000. -pp.239-244.

132. Lee, C. C.: Fuzzy Logic in Control Systems: Fuzzy Logic Controller, Part I, II. IEEE Transactions on Systems, Man, and Cybernetics 20, (1990) 404-435.

133. Pal N.R., Bezdek J.C. Extentions of self-organizing feature maps for improved visual displays / Proc. Int. Joint Conf. on Neural Networks (IJCNN'1993), Nagoya, Japan, 1993. Vol.3. pp.2441-2447.

134. Salakhutdinov R.Z., Ismagilov I., Rubtsov A.V. лA Neural-Fuzzy Approach to Economic Data Classification, Proc. of Int. Conf. on Fuzzy Sets & Soft Computing in Economics and Finance, June 17-20, 2004, St.-Petersburg, Russia, pp.394-400.

135. Sanger T.D., "Optimal unsupervised learning in a single-layer linear feedforward neural network" IEEE Trans. Neural Networks, vol. 2, pp. 459Ч 473, 1989.

136. Schira J. Statistische Methoden der VWL und BWL. Theorie und Praxis. Pearson Studium, Mnchen, 2005.

137. Schneewei H. konometrie, 4. Aufl., Heidelberg: Physica, 1990.

138. Studenmund A.H. Using econometrics. A practical guide, 4. Aufl., Boston: Addison-Wesley, Longman, 2001.

139. Yager R. An approach to inference in approximate reasoning // Int. J.Man-Machine Studie, v.13, 1980, 323-338p.

140. Wang L.X., Mendel J.M. Generating Fuzzy Rules by Learning from Examples.// IEEE Transaction on Systems, Man, and Cybernetics, 1992, v.22, №66, p. 1414-1427.

141. Wilson D.R., Martinez T.R. Improved heterogeneous distance functions / Journal of Artificial Intelligence Research, 1997. Vol.6. pp.l-34.

142. Zadeh L.A. Fuzzy sets // Information and control. 1965. Vol. 8, №3, 1965. P. 338-353.

143. Zadeh L.A. A Theory of Approximate Reasoning// Machine Intelligence/ Ed. by J. Hayes, D. Michie and L.I. Mikulich.-New York: Halstead Press, 1979.- P. 149-194.

Похожие диссертации