В России происходит активное формирование и развитие рынка недвижимости и все большее число граждан, предприятий и организаций участвует в операциях с недвижимостью. При этом законодательством в отдельных случаях предусмотрена обязательная оценка рыночной стоимости объектов недвижимости.

Такую оценку принято разделять на массовую и индивидуальную.

Массовая оценка недвижимости  –  это оценка большого числа объектов недвижимости на конкретную дату с использованием стандартных методик и статистического анализа. При этом унифицируется процедура оценки большого числа объектов [7].

При массовой оценке на заключительном этапе проверяется используемая для расчетов модель и контролируется качество получаемых результатов.

При этом результаты, полученные с помощью модели массовой оценки, сравниваются с реальными ценами продаж и оцениваются отклонения уровня оценки по каждой группе аналогичных объектов.

Индивидуальная оценка недвижимости – это оценка конкретного объекта на определённую дату. Она необходима для защиты результатов оценки в судах, для определения стоимости объектов специального назначения и т.п. [7].

Для обоих видов оценок стоит задача разработки методик оценки недвижимости, в основу которых могут быть положены разнообразные модели и методы (рисунок 1).

Рисунок 1 – Методы разработки моделей оценки недвижимости

Общим требованиями к применению данных методов является наличие обширной и достоверной базы данных о сделках купли-продажи с описанием физических и экономических характеристик объектов недвижимости, участвовавших в этих сделках;

Статистические методы

Для данной группы традиционно использование регрессионных методов, которые позволяют осуществить оценку на основе установленной взаимозависимость факторов.

К недостаткам статистического метода можно отнести его высокую трудоемкость и возможность учитывать только строго ограниченный набор типов данных, значения каждого параметра объекта, исходя из наличия информации о них  в массиве исходных данных.

Экспертные методы.

Данная группа методов основана на формализации мнений специалистов (экспертов) о характере зависимости рыночной стоимости объекта от его параметров.

Получаемые в результате методики носят чисто субъективный характер. Мнения экспертов могут очень сильно различаться по оценке одинаковых объектов. Сложность экспертной оценки также заключается в необходимости наличия у экспертов умений определять весомость конкретных факторов цены. Не последнюю роль также играют изменения на рынке, а также сложность экспертной разработки методики определяется тем,

Методы интеллектуального анализа данных

В данной группе методов наибольший интерес представляют методы нечеткой логики и нейронных сетей, рассмотрим их подробнее.

Нечеткая логика

Суть методов нечеткой логики заключается в осуществлении принятия решений на основе представлений о нечеткости рассуждений и предпочтений  лица принимающего решение. Для этого осуществляется формирование лингвистических переменных, нечёткий вывод и приведение к чёткости.

Построение и поиск решения на нечетких моделях обладает рядом преимуществ:

• использование нечетких входных данных;
• нечеткая формализация критериев оценки и сравнения
• оперирование со степенью достоверности оценок;
• сокращение времени разработки моделей, за счет сгнятия требования к точности входных параметров;
• использование экспертных знаний в управлении..

Использование аппарата нечеткой логики рекомендуется для:

• сложных систем и процессов, когда не существует простой аналитической модели;
• нелинейных процессов высоких порядков;
• если должна производиться обработка (лингвистически сформулированных) экспертных знаний.

Недостатками нечетких систем являются:

• отсутствие стандартной методики конструирования нечетких систем;
• точность вычислений не превосходит, а порой и меньше, чем статистических методов.

Искусственные нейронные сети

Суть методов принятия решений с использованием нейросетевого моделирования заключается в построении формальной математической модели «по образу и подобию» человеческого мозга.

Структуру нейросети можно описать следующим образом. Нейросеть состоит из нескольких слоев: входной, внутренние (скрытые) и выходной слои. Входной слой реализует связь свходными данными, выходной – с выходными. Внутренних слоев может быть от одного и больше.

В каждом слое содержится несколько нейронов (рисунок 2).

Рисунок 2 – Структура нейросети

Между нейронами есть связи, называемые весами.

Преимущества нейросетевого подхода состоят в следующих особенностях:

- сокращение времени разработки, что достигается установлением связей между входными и выходными нейронами (параметрами), по-сути, без построения математической модели;

- отсутствие ограничений на типы входных и выходной информации;

- самообучаемость нейронных сетей, а также возможность работы с «зашумленными» данными.

Современные средства нейросетевого моделирования достаточно просты и могут с успехом применяться для поставленной задачи.

1. Курзаева Л.В. Введение в анализ данных с использованием информационных технологий: учеб. -метод. пособие/Л.В. Курзаева, И.Г. Овчинникова. -Магнитогорск: МаГУ, 2012. -60 с.
2. Курзаева Л.В. Введение в теорию систем и системный анализ: учеб. пособие/Л.В. Курзаева. -Магнитогорск: МаГУ, 2015. -211 с
3. Курзаева Л.В. Дистанционный курс “инструментальные методы поддержки принятия решений”: электронный учебно-методический комплекс // Хроники объединенного фонда электронных ресурсов Наука и образование. 2016. № 1 (80). С. 2.
4. Курзаева Л.В. Дистанционный курс «Основы математической обработки информации»: электронный учебно-методический комплекс // Хроники объединенного фонда электронных ресурсов Наука и образование. – 2014. -Т. 1. – № 12 (67). – С. 117.
5. Курзаева Л.В. Дистанционный курс «Основы математической обработки информации»: электронный учебно-методический комплекс // Хроники объединенного фонда электронных ресурсов «Наука и образование». -2014. -Т. 1, № 12 (67). -С. 117.
6. Курзаева Л.В. Нечеткая логика и нейронные сети : учебно-наглядное пособие / Магнитогорск, 2015. -125 с.
7. Курзаева Л.В. Применение метода попарных сравнений для определения функции принадлежности нечеткой переменной в задачах управления социально -экономическими системами // Научно -практический журнал «Заметки ученого». -2015 -№5. -С.87 -90
8. Овчинникова И.Г. Мониторинг образовательного процесса вуза /И.Г. Овчинникова, Л.В. Курзаева, И.В. Полякова //Современные проблемы науки и образования. -М., 2009. -№ 11. -С. 82-85.
9. Овчинникова И.Г. Оценка эффективности образования личности вуза [Текст] / И.Г.Овчинникова, В.А. Беликов, Л.В.Курзаева //Социальное партнерство в профессиональном образовании : материалы всероссийской науч.-практ. Конф., Магнитогорск, 12 янв.2010 г. – Магнитогорск : МГППК, 2010. – с.178-187.
10. Овчинникова И.Г., Курзаева Л.В. Математическое обеспечение информационной системы рейтинговой оценки учреждений высшего профессионального образования // Гуманитарные и социально -экономические науки. -2012. -№ 4. -С. 98-103
11. Овчинникова И.Г., Курзаева Л.В., Петеляк В.Е., Гаврилова И.В. Математическое обеспечение системы оценки рыночной стоимости недвижимости на основе методов нечеткой логики // Успехи современной науки и образования. 2015. № 3. Т. 2. С. 58 -60.

Все статьи автора «Вахрушев Владислав Игоревич»