ВВЕДЕНИЕ 5
1. АСИММЕТРИЯ ИНФОРМАЦИИ 9
1.1 Спекулятивный мотив продавца 10
1.2 Асимметрия информации и цена товара 11
2. СБОР ДАННЫХ 14
2.1 Структура парсеров 15
2.2 Сбор данных об объектах недвижимости с Avito и Cian 16
2.3 Хранение данных 18
3. ГЕДОНИЧЕСКОЕ ЦЕНООБРАЗОВАНИЕ 19
4. РЕАЛИЗАЦИЯ АЛГОРИТМА БАЗОВОГО ГЕДОНИЧЕСКОГО
ЦЕНООБРАЗОВАНИЯ 22
5. РЕАЛИЗАЦИЯ АЛГОРИТМА С ПОМОЩЬЮ МАШИННОГО
ОБУЧЕНИЯ 25
5.1 Подбор параметров объектов 25
5.2 Реализация модели для оценки рыночной стоимости 27
5.3 Реализация модели, ограниченной гео-позицией недвижимости 42
5.4 Реализация модели для оценки других категорий товаров 43
5.5 Пошаговый отбор параметров 47
ЗАКЛЮЧЕНИЕ 49
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ 50
Последовательная реализация государством политики приватизации привела к появлению в России частных владельцев сначала объектов жилищного фонда, а затем и объектов промышленного и общественного назначения.
Для практически абсолютного большинства граждан Российской Федерации жилая недвижимость составляет в сегодняшних условиях единственный из реальных активов. Потому адекватная оценка той недвижимости, которая принадлежит гражданам, должна рассматриваться в условиях рынка как одна из основ социально-экономической их защищенности.
Если обратиться к западному опыту, то здесь примечателен пример Новой Зеландии. Большинство граждан последней осознает преимущества владения собственным домом, поскольку его покупка считается в этой стране наиболее прибыльной и потому распространенной инвестицией. В Новой Зеландии один из самых высоких показателей в Западном мире числа граждан, владеющих собственной жилой недвижимостью: в собственных домах живет более 70% ее населения. Так как рынок жилья здесь процветает, стоимость дома выступает решающим фактором для желающих приобрести жилую недвижимость.
Для предприятий и организаций различных форм собственности также значима адекватная оценка недвижимости. Последняя необходима им в том числе как для обеспечения их эффективной текущей деятельности, так и для успешного привлечения инвестиций и заемного капитала в новые проекты.
кредиторы и страховые компании [1]. Традиционное прогнозирование цен на жилье основывается на сравнении стоимости сделки и ее цены и не имеет общепринятых стандартов и процедур сертификации. Таким образом, разработка модели прогнозирования цен на недвижимость поможет заполнить указанный нами информационный пробел и повысит эффективность рынка недвижимости [2].
В последние два десятилетия увеличилось число эмпирических исследований, в которых анализируется стоимость жилой недвижимости. Каждое новое исследование совершенствовало прогностическую способность представленных в предыдущих работах моделей, включая в них такие характеристики недвижимости, как качество жилья, его географическое положение и окружающая среда. Основное внимание в более поздних работах было сфокусировано на внешних факторах, влияющих на ожидаемую стоимость недвижимости (местоположение, издержки на инфраструктуру и др.).
В условиях формирования рынка государство выступает на рынке недвижимости практически самым крупным его участником. Государство, с одной стороны, постоянно решает проблемы, связанные с эффективным управлением недвижимостью, которая принадлежит ему, в том числе и проблемы, связанные с формированием благоприятного для инвестиций климата (например, с целью привлечения финансов на развитие городских территорий). При этом единственный действенный экономический инструмент для управления развитием территорий - это использование современной методологии оценки эффективности инвестиционных вложений в недвижимость.
Если рассматривать вопрос с другой стороны, то необходимо отметить, что в большинстве государств налог на недвижимость является основным
источником для формирования местных бюджетов и нередко - центрального бюджета. Потому об оценке стоимости недвижимости в качестве налогооблагаемого имущества стоит говорить как о важной составляющей в социально-экономическом развитии регионов, особенно в тот период, когда производственная экономика еще не в состоянии в должной мере обеспечивать региональные бюджеты.
Формирование отечественного рынка недвижимости происходит в то же время в ситуации практически полного отсутствия единой, целостной, адаптированной к условиям Российской Федерации системы методологических подходов к оценке частной недвижимости, что объясняется некогда отсутствием в хозяйственной практике социалистической экономики самого объекта подобной оценки. Данная ситуация, блокируя динамику развития во многих отраслях экономики, способствует нарушению государственных интересов, оставляя открытым вопрос о формировании на адекватной экономической базе бюджетов различных уровней, препятствуя успешной интеграции России в экономическое международное сообщество и формированию в стране благоприятного для инвестиций климата.
Основной составляющей информационного обеспечения является методология сбора данных об объектах недвижимости и их последующей аналитической обработки, а также унифицированные информационные технологии (ИТ), служащие автоматизации деятельности, ведущейся всеми участниками рынка недвижимости, включая и государство.
Важностью для успешного социально-экономического развития Российской Федерации оценки недвижимости и практическим отсутствием методологии указанной оценки, а также необходимостью практической ее реализации на базе актуального комплекса информационного обеспечения обусловлена актуальность выбранной нами темы, а также цель и задачи, структура и содержание представленного диссертационного исследования.
Цель работы может быть сформулирована следующим образом:
• разработать систему для оценки рыночной стоимости всех типов товаров и недвижимости.
Порядок выполнения работы:
• изучение существующих реализаций оценки рыночной стоимости;
• определение набора параметров и данных;
• разработка программной реализации оценки рыночной стоимости;
• отладка программы;
• проведение экспериментов;
• анализ результатов.
Задача оценки рыночной стоимости объектов актуальна для государства, организаций, потенциальных домовладельцев, инвесторов, оценщиков.
Разработанная система предлагает комплексный подход сбора, анализа и оценки рыночной стоимости товаров и недвижимости. Для работы системы требуется сбор и агрегация большого количество данных, которое доступно в сети Интернет, поэтому для того, чтобы система могла выдавать результаты актуальные на момент оценки, нужно, чтобы данные по объектам всегда обновлялись. Для этого в системе реализовано фоновое обновление данных.
В результате выполнения выпускной квалификационной работы был выполнен анализ существующих решений, разработаны и реализованы алгоритмы сбора и предобработки данных, разработаны модели оценки рыночной стоимости и алгоритм выбора наиболее успешной модели оценки. Таким образом, поставленную цель можно считать выполненной.
Система, разработанная в рамках данной работы, не является узкоспециализированной и подходит для оценки объектов во многих категориях. Результатом работы является комплекс программного обеспечения, которая написана на языка Java (8-ой версии) и Python (3 версии).
Разработанная система является еще одним шагом к точной оценке рыночной стоимости объектов.
1. Frew J., G. D. Jud Estimating The Value of Apartment Buildings // The Journal of Real Estate Research. 2003. №25(1). С. 77 - 86.
2. Calhoun C. A. Property Valuation Models and House Price Indexes for The Provinces of Thailand: 1992 - 2000 // Housing Finance International. 2003. №17. С. 31 - 41..
3. Кастельс М. Информационная эпоха: экономика, общество, и культура. М.: Госуниверситет ВШЭ, 2000. 561 с.
4. Гальперин В.М., Игнатьев С.М., Моргунов В.И. Микроэкономика. - 1 изд. - СПб.: Эк. школа, 1999. - 348 с.
5. Стиглиц Дж. Ревущие девяностые. Семена развала. - 1 изд. - М.: Современная экономика и право, 2005. - 511 с.
6. Сапир Ж. Экономика информации: новая парадигма и ее границы // Вопросы экономики. - 2005. - №10. - С. 4-24.
7. Selim H. Determinants of house prices in Turkey: Hedonic regression versus artificial neural network // Expert Systems with Applications. - 2009. - №36. - С.2843-2852.
8. Bin O. A prediction comparison of housing sales prices by parametric versus semi-parametric regressions // Journal of Housing Economics. - 2004. - №13. - С. 68-84.
9. Fan G., Ong Z. S. E., Koh H. C. Determinants of house price. A decision tree approach // Urban Studies. - 2006. - №43. - С. 2301-2315.
10. Griliches Z. Price Indexes and Quality Changes: Studies in New Methods of Measurement // Harvard U. Press. - 1971. - №322. - С. 120-127.
11. Rosen S. Hedonic Prices and Implicit Markets: Product Differentiation in Pure Competition // Journal of Political Economics. - 1974. - №82. - С. 34 - 55.
12. Pace R. K., R. Barry, C. F. Sirmans Spatial Statistics and Real Estate // Journal of Real Estate Finance and Economics. - 1998. - №17. - С. 5-13.
13. Bourassa S. C., M. Hoesli, V. C. Peng Do Housing Submarkets really Matter? // Journal of Housing Economics. - 2003. - №12. - С. 12-28.
14. Fik T. J., D. C. Ling, G. F. Mulligan Modeling Spatial Variation in Housing Prices: A Variable Interaction Approach // Real Estate Economics. - 2003. - №31. - С. 623-646.
15. John G.H., Kohavi R., Pfleger, K. Irrelevant features and the subset selection problem // Proceedings of the Eleventh International Conference on Machine Learning. - 1994. - С. 121-129.