Анализ существующих решений и методов реализации алгоритма для оценки рыночной стоимости недвижимости города Волгограда

Размещено на http://www.allbest.ru/

АНАЛИЗ СУЩЕСТВУЮЩИХ РЕШЕНИЙ И МЕТОДОВ РЕАЛИЗАЦИИ АЛГОРИТМА ДЛЯ ОЦЕНКИ РЫНОЧНОЙ СТОИМОСТИ НЕДВИЖИМОСТИ ГОРОДА ВОЛГОГРАДА

Алпатов Алексей Викторович, канд. физ.-мат. наук, доцент, доцент кафедры Информатика и технология программирования, Волжский политехнический институт (филиал) ФГБОУ ВО «Волгоградский государственный технический университет»

В статье различные системы оценки рыночной стоимости недвижимости. Дана общая характеристика систем для оценки рыночной стоимости объектов недвижимости, исходя из количества реализованных функций и качества их исполнения. Также проанализированы и выбраны способы реализации процесса предсказания рыночной стоимости недвижимости с помощью машинного обучения, а именно линейной регрессии методом наименьших квадратов.

Ключевые слова: оценка недвижимости, рыночная стоимости, машинное обучение, алгоритм т. Саати, матрица парных сравнений.

Abstract

The article presents various systems for assessing the market value of real estate. The general characteristics of systems for assessing the market value of real estate objects are given, based on the number of implemented functions and the quality of their execution. Also analyzed and selected ways to implement the process of predicting the market value of real estate using machine learning, namely linear regression by the method of least squares.

Keywords: real estate valuation, market value, machine learning, T. Saati algorithm, matrix of paired comparisons.

В настоящее время покупка или продажа недвижимости для обычного человека является не самой простой задачей, из-за количества факторов, которые влияют в конечном итоге на стоимость. Для того, чтобы оценить недвижимость необходимо проводить анализ, искать зависимости между параметрами и анализировать рынок недвижимости с похожими параметрами.

Данный процесс очень трудоёмкий и сложный. Зачастую людям проще обратиться к людям, которые занимаются оценочной деятельностью профессионально, а именно в агентства недвижимости. Агентство в свою очередь аккумулирует все объявления о квартирах на рынке недвижимости и производит оценку рыночной стоимости недвижимости клиента.

В данный момент существует достаточно большое количество Web - систем, которые предоставляют пользователям схожие услуги. Для анализа существующих программных обеспечений были выбраны cian.ru, domofond.ru, спроси.дом.рф, realty.yandex.ru, tvoyadres.ru, rocenka.com.

В качестве критериев для сравнительного анализа программного продуктов были выбраны:

A1 - Удобство UI;

A2 - Количество входных/выходных данных;

A3 - Скорость обработки запроса;

A4 - Точность оценки стоимости;

A5 - Наличие и стоимость отчёта о результате оценки;

Определим веса критериев, составив матрицу парных сравнений.

Правила заполнения представлены в Таблице 1.

Таблица 1 - Правила заполнения матрицы по методу Саати

Матрица парных сравнений, средние геометрические и веса критериев представлены в таблице 2. рыночной стоимость недвижимость клиент

Таблица 2 - Матрица парных сравнений, средние геометрические и веса критериев

Диаграмма весовых коэффициентов для критериев представлена на рисунке 1.

Определенные (по введенной шкале) количественные значения функциональных возможностей Xя представлены в таблице 3.

Таблица 3 - Интегральные показатели качества

Рисунок 1. Весовые коэффициенты критериев

Лепестковая диаграмма значений характеристик качества функциональных возможностей (критериев) представлена на рисунке 2.

Рисунок 2. Лепестковая диаграмма значений функциональных характеристик

При проведении анализа существующих информационных систем, было выявлено, что ключевыми параметрами, которые необходимо учитывать при разработке аналогичной системы являются точность оценки объекта недвижимости и удобный пользовательский интерфейс.

Для построения регрессионной модели были использованы такие инструменты как язык программирования Python и библиотеки NumPy, Pandas, matpltlib.pyplot.

Входными данными будет служить информация о квартирах, которые в данный момент находятся на рынке недвижимости. Полученная структура данных отображена в таблице 4.

Таблица 4. Структура данных для регрессионной модели

Для прогнозирования стоимости недвижимости наш выбор остановился на линейной регрессии методом наименьших квадратов.

Метод наименьших квадратов подбирается не хорошо аппроксимирующую функцию, а лучшую из всех существующих. Следовательно, для оценки степени соответствия регрессии имеющимся данным, необходимо выбрать другой показатель. Таким показателем может выступать коэффициент детерминации. Он показывает, какая часть общего рассеяния значений зависимой переменной обусловлена изменчивостью объясняющих переменных.

Для контроля качества исходная выборка была разбита на обучающую (90%) и тестовую (10%). Для того, чтобы модель не переобучилась и не построила аппроксимирующую линию в точности через все точки выборки, контроль найденных коэффициентов проходит на тестовой выборке, элементы который не использовались при построении регрессии.

Коэффициент детерминации, который был получен для нашей линейной регрессии, составляет 0.92, что соответствует 92% точности получаемых результатов при использовании этой модели.

Для проверки качества составленной модели был построен график зависимости ошибок от цен (см. рис. 3). Ошибка определялась как разница между фактической стоимостью и расчетной. На рисунке 3 видно, что ошибки распределились случайным образом, следовательно, можно сказать, что закономерности в ошибках данной модели нет.

Рисунок 3. Визуальное отображение разницы наблюдаемого и расчётного значения

Таким образом, мы проанализировали существующие методы и подходы к оценке рыночной стоимости недвижимости, определились со входными данными и построили математическое описание способа реализации информационной системы.

Список литературы

1. Зарецких А.А., Шальнев О.Г., Точилина Е.А. Методы и модели оценки жилой недвижимости // Экономика в инвестиционно-строительном комплексе и ЖКХ. 2019. №1 (16). С. 141 -145.

2. Алпатов А.В., Рубинштейн Е.Ю. Эконометрическое моделирование стоимости квартир на вторичном рынке недвижимости города Волгограда // Сборник «Вестник ВИЭПП» 2018 г. Выпуск №1.

3. Васильев А.А., Чирков В.И., Шахнович Т.Н. Анализ факторов, влияющих на рыночную стоимость жилой недвижимости // В сборнике: ЭКОНОМИКА, БИЗНЕС, ИННОВАЦИИ. сборник статей V Международной научно-практической конференции. В 2 частях. Ответственный редактор Г.Ю. Гуляев.

4. Челохсаева Д.И., Тарасов О.А. Модель множественной линейной регрессии стоимости квартиры в г. Когалыме // В сборнике: Известия Института права, экономики и управления. Научный сборник. Тюмень, 2013. С.179-188.

Размещено на Allbest.ru