АННОТАЦИЯ 2
ВВЕДЕНИЕ 8
ГЛАВА 1 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ ПРОЦЕССА КРЕДИТОВАНИЯ.. 11
1.1 Процесс кредитования 11
1.2 Анализ исследований 19
1.3 Постановка задачи 21
Выводы по разделу один 22
ГЛАВА 2 МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ КАК ЭФФЕКТИВНОЕ
СРЕДСТВО РЕШЕНИЯ ЗАДАЧ ПРОГНОЗИРОВАНИЯ 24
2.1 Деревья решений 24
2.2 Ансамбли 28
2.2.1 Стекинг 28
2.2.2 Бустинг 29
2.2.3 Беггинг 30
2.3 Нейронные сети 30
2.3.1 Свёрточные нейронные сети (CNN) 31
2.3.2 Рекуррентные нейронные сети 33
2.4 Ансамбли деревьев решений 34
2.4.1 Случайный лес 34
2.4.2 Г радиентный бустинг деревьев 36
Выводы по разделу два 37
ГЛАВА 3 ПРОГНОЗИРОВАНИЕ ЦЕН НА НЕДВИЖИМОСТЬ 39
3.1 Метрика качества модели 40
3.2 Случайный лес 41
3.3 Г радиентный бустинг 46
Выводы по разделу три 52
ГЛАВА 4 КОММЕРЦАЛИЗАЦИЯ ПРОЕКТА 54
4.1 Участники процесса коммерциализации 54
4.2 Выбор способа коммерциализации 57
4.3 Описание продукта 61
4.4 Дорожная карта коммерциализации проекта 61
4.5 Команда проекта 64
4.6 Ценообразование 64
Выводы по разделу четыре 67
ЗАКЛЮЧЕНИЕ 68
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 69
В условиях развития рыночной экономики оценка недвижимости приобретает все большее значение Недвижимость является основой всех процессов жизнедеятельности общества, происходящих в политической, экономической, социальной, экологической и других сферах.
Адекватная оценка рыночной стоимости недвижимости представляет собой одно из важнейших условий нормального функционирования и развития экономики и общества. Необходимость в результатах объективной оценки недвижимости испытывают как государственные и муниципальные органы исполнительной власти в целях эффективного управления недвижимым имуществом, так и физические и юридические лица для более эффективного использования собственности.
По мере развития рыночных отношений в современной России недвижимость постепенно становится важнейшим товаром, то есть объектом хозяйственного оборота, и как любой товар недвижимость должна иметь потребительскую и рыночную стоимость.
Определение достойной стоимости недвижимости является одной из основных проблем. На стоимость объекта недвижимости влияют большой спектр параметров, как объективных (расстояние от метро, жилая площадь, этаж), так и более субъективных (экология района, надёжность застройщика).
Также необходимо учитывать факт уникальность объектов недвижимости так как практически невозможно найти два абсолютно идентичных объекта. Даже в том случае, когда здания построены по одному типовому проекту, но расположены на разных земельных участках, их стоимость может значительно отличаться.
Заблаговременно предсказанная стоимость недвижимости может стать ориентиром для потребителей и для финансовых учреждений.
Таким образом, все вышесказанное обуславливает актуальность данной темы.
В данной работе под термином прогнозирование понимается научное исследование конкретных перспектив развития какого-либо явления.
Объектом исследовательской работы является процесс кредитования населения.
Предметом исследования является процесс прогнозирования цен на
недвижимость.
Целью исследования является повышение эффективности процесса
прогнозирования цен на недвижимость.
Для достижения цели были поставлены следующие задачи:
1. Описание процесса кредитования;
2. Описание машинного обучения, его видов и алгоритмов;
3. Анализ и сравнение имеющихся прогнозных методов машинного обучения;
4. Формулировка требований к прогнозной модели;
5. Построение прогнозной модели;
6. Сравнительный анализ результатов прогнозирования;
7. Формирование плана коммерциализации.
Новизна работы заключается в том, что на основе комплексного анализа:
- Рассмотрены и проанализированы методы прогнозирования;
- Проведен сравнительный анализ методов;
- Разработана модель прогнозирования цен на недвижимость;
- Проведен сравнительный анализ результатов исследования, сделаны выводы даны рекомендации;
Практическая значимость работы обусловлена применением результатов исследования на практике, для снижения рисков деятельности финансовых предприятий.
Апробация работы:
1) Дымшакова Е.В. Предсказание колебания цен на недвижимость в нестабильной российской экономике / Е.В. Дымшакова // XXIV Международная научно-практическая конференция “Advances in science and technology” (2019);
2) Дымшакова Е.В. Разработка моделей прогнозирования цен на недвижимость методами машинного обучения / Е.В. Дымшакова // XXIV Международная научно-практическая конференция “Eurasiascience” (2019).
В ходе написания магистерской диссертационной работы, был рассмотрен процесс кредитования, рассмотрены факторы, влияющие на него, выявлена проблема, а также рассмотрена роль прогнозирования цен на недвижимость в рамках данного процесса. В качестве инструментов прогнозирования рассматривались методы машинного обучения, начиная от простых методов, таких как линейная регрессия, дерево решений, заканчивая нейронными сетями и градиентным бустингом. Сравнительный анализ методов позволил выбрать необходимые инструменты для анализа, а именно нейронные сети и градиентный бустинг.
Была построена модели, модель градиентного бустинга Данная модель разрабатывалась с помощью библиотеки XGBoost, и дала среднеквадратическую ошибку равную 1.58. В качестве метода для сравнения использовался метод случайны лес. Данный метод при анализе дал среднеквадратическую ошибку равную 2.09.
В заключение работы был рассмотрен проект коммерциализации. В нем были рассмотрены методы коммерциализации, на основе сравнения этих методов был выбран метод полной передачи прав на инновацию. Так же были построена дорожная карата проекта, включающая в себя этапы необходимые для вывода проекта на рынок. Были произведены плановые расчеты затрат на реализацию проекта.
Таким образом была достигнута цель исследования и были выполнены поставленные задачи в начале исследования.
