СРАВНЕНИЕ ВРЕМЕННЫХ РЯДОВ И НЕЙРОСЕТЕВЫХ МЕТОДОВ В ЗАДАЧЕ ПРОГНОЗИРОВАНИЯ СТОИМОСТИ И ОЦЕНКИ НЕДВИЖИМОСТИ

В данной статье рассмотрена проблема прогнозирования цен на объекты недвижимости в долгосрочной и среднесрочной перспективе для принятия управленческих решений. Рынок недвижимости является одной из самых динамичных сфер российской экономики. По этой причине требуется проводить прогнозирование стоимости недвижимости, поскольку без планирования невозможно оценивать будущие расходы или строить экономические планы развития. Ценовая ситуация, описываемая средними ценами на жилом рынке недвижимости, является основополагающим объектом для оценки и прогнозирования в исследовании рынка жилой недвижимости. Стоимость на рынке недвижимости зависит как от средних цен, так и признаков объектов недвижимости. Данные показатели учитываются при прогнозировании рыночной цены недвижимости, которая важна в разработке субъектами рынка недвижимости вспомогательных техник выбора стратегических действий для развития и совершенствования жилищной сферы. В соответствии с вышесказанным, параметры объектов и динамика цен требуют пристального изучения новыми прогрессивными методами с использованием инновационных технологий. Массовая оценка недвижимости является сложной системой и требует не только определения параметров, характеризующих цену недвижимости, но и выявление зависимостей, связывающих эти параметры, с целью анализа и прогнозирования стоимости недвижимости в будущем. Рыночные условия постоянно меняются, в этой связи фактор времени непосредственно влияет на все рыночные процессы и на принятие решений. В работе была выполнена сезонная калибровка цен на объекты недвижимости. Проанализирована и предложена идея использования искусственных нейронных сетей, отвечающих современным требованиям оценки недвижимости. Построены и проанализированы математическая модель на основе гармонических рядов (ряды Фурье) и нейросетевая модель. Проведен сравнительный анализ тенденций роста стоимости недвижимости.

1. Демина Д.С. Сравнение результатов прогнозирования временного ряда на основе модели тенденции и авторегрессионного анализа//В книге: Радиоэлектроника, электротехника и энергетика Тезисы докладов двадцать третьей Международной научно-технической конференции студентов и аспирантов. В 3-х томах. 2017. С. 249.

2. Иванов В.В., Крянев А.В., Севастьянов Л.А., Удумян Д.К. Прогнозирование временных рядов с помощью метрического анализа//В книге: Информационно-телекоммуникационные технологии и математическое моделирование высокотехнологичных систем Материалы Всероссийской конференции с международным участием. 2017. С. 286-287.

3. Летова М.С. Аддитивная модель временного ряда//E-Scio. 2017. № 8 (11). С. 5-11.

4. Магомедрагимова Э.Р. Прогнозирование рыночной стоимости недвижимости путем применения искусственных нейронных сетей//Вестник современных исследований. 2017. № 4-1 (7). С. 68-73.

5. Маркарян Д.М., Ледовская Н.В. Многомерный статический анализ временного ряда//В сборнике: Научные открытия 2017 Материалы XXII Международной научно-практической конференции. 2017. С. 120-121.

6. Медовый А.Е., Медовый В.В. Математическая модель, описывающая тенденции рынка первичной недвижимости//Актуальные проблемы экономики, социологии и права. 2017. № 2. С. 67-70.

7. Москаленко М.А. Анализ временных рядов. основы//В сборнике: Взаимодействие финансового и реального сектора экономики в контексте становления экономики знаний сборник статей Международной научно-практической конференции. 2017. С. 131-136.

8. Сидорова Н.П., Демина Д.С. Методы прогнозирования на основе анализа временных рядов//Информационно-технологический вестник. 2017. Т. 13. № 3. С. 118-126.

9. Урубкин М.Ю., Авакьянц А.В. Нейронные сети Кохонена и нечеткие нейронные сети в интеллектуальном анализе данных//В сборнике: Совершенствование методологии познания в целях развития науки сборник статей по итогам Международной научно-практической конференции: в 2 ч. 2017. С. 36-39.

10. Ярушев С.А., Аверкин А.Н. Нейро-нечеткие методы прогнозирования временных рядов//В сборнике: Системный анализ и информационные технологии (САИТ - 2017) Сборник трудов Седьмой Международной конференции. 2017. С. 588-591.