Моделирование и прогнозирование ситуации на первичном региональном рынке жилой недвижимости - Курсовая работа

Рынок недвижимости можно рассматривать как систему, обеспечивающую поддержку и контроль отношений в рамках процессов аренды, купли и продажи, формируемые спросом и предложением. Перемены и трансформации устройства вторичного рынка в регионах происходят весьма редко и, как правило, являются следствием преобразований в составе населения (прирост населения, миграционные процессы и т.д.) или в связи с переменами регионального экономического положения (остановка деятельности предприятий, изменения экологической ситуации). В связи с этим наибольшей важностью для экономики обладают тенденции именно первичного рынка: через его увеличение проявляется расширение фонда недвижимости и достигается равновесие на рынке.В зависимости от этапа процесса оценки объектов, выделяются различные факторы, которые лежат в основе изменений цен на недвижимость. Данные факторы можно распределить по трем уровням. Первый уровень - глобальный, представляет собой результат влияния следующих групп факторов: 1.Изучение литературы показало, что индивидуальной оценке стоимости отдельного объекта или массовой оценке ряда объектов посвящено достаточно много исследований, выработаны подходы и методы анализа, составлены эффективные модели. Тем не менее, прогнозированию и моделированию ценообразования на рынке недвижимости на уровне регионов уделяется весьма мало внимания. Модели на основе анализа трендов. Модели, использующие тренды, построенные по данным цен на объекты недвижимости, которые интерполируются функциями различной степени сложности. При данном подходе не учитываются внутренние рычаги изменений цен, в связи с чем такой подход не гарантирует высокую степень точности в прогнозах.В рамках данной работы производится построение моделей двух видов - интегрированная модель авторегрессии - скользящего среднего и многофакторная модель регрессии, в связи с чем в данной главе рассматриваются принципы и эконометрические основы построения и анализа данных моделей прогнозирования.Внутренняя структура динамического ряда, зависимость уровня yt от предыдущих его значений yt-1, yt-2,..., yt-p описывается авторегрессионной функцией: , где р - порядок авторегрессии;. Процесс авторегрессии порядка р функционально связан с автокорреляционной функцией: , где p = 1,2,...m - лаг автокорреляции (сдвигание yt на p значений назад);. В модели ARIMA уровень динамического ряда yt определяется как взвешенная сумма предыдущих его значений и значений остатков et - текущих и предыдущих.Функцией или уравнением регрессии называется "функция, позволяющая по средней величине одного признака определить среднюю величину другого признака, корреляционно связанного с первым" [12]. Также предполагается, что зависимая переменная имеет нормальное распределение с условным математическим ожиданием и постоянством дисперсии, которая не зависит от аргументов. 1) Для проверки значимости выдвигается гипотеза H0 о статистической незначимости коэффициента уравнения регрессии;. Для тестирования автокорреляции первого порядка элементов исследуемой последовательности используется статистический критерий, известный как критерий Дарбина-Уотсона (или DW-критерий).В данной главе рассматривается построение моделей прогнозирования средней цены на первичном рынке жилой недвижимости для ряда регионов. Для исследования было отобрано 3 крупнейших по численности населения субъекта Центрального федерального округа: · Белгородская область; · Воронежская область; · Тульская область. Для прогнозирования используются два вида моделей: · Модель авторегрессии ARIMA; · Многофакторная регрессия.Далее речь пойдет о применение модели авторегрессии, а именно - модель проинтегрированного скользящего среднего ARIMA.В первую очередь необходимо проверить временной ряд на стационарность и сезонность. Стационарность проверяется за счет тестирования уравнения на единичный корень - тест Дики-Фуллера. Результат теста представлен на Рисунке 1. Расчеты показали, что нулевая гипотеза о наличии единичного корня не отвергается (Prob > 0,05), отсюда можно сделать вывод о том, что ряд не является стационарным. Также стоит отметить, что с учетом взятия первых разностей, параметр порядка разности d в дальнейшем построении модели ARIMA будет равен 1.