Нейромережева технологія аналізу і прогнозування процесів на ринку нерухомості - Автореферат

Впровадження сучасних технологій в інформаційно-аналітичній інфраструктурі обслуговування клієнтів передбачає, насамперед, оптимізацію поведінки субєктів ринку нерухомості і забезпечення досягнення ними своїх цілей. Методи аналітичної обробки даних дозволять отримати інформацію про максимально можливу вартість обєкта для продавця, забезпечити здійснення покупки за мінімальну ціну, збільшити прибуток за рахунок скорочення часу операцій продажу, збільшення кількості клієнтів і покращення якості обслуговування. Розробка та застосування інформаційно-аналітичного забезпечення процесів на ринку нерухомості зумовлено необхідністю внесення порядку в його структурну та елементну базу, що дасть можливість проведення цілеспрямованої державної політики. Аналіз широкого спектру задач, які розвязуються субєктами ринку нерухомості, та динаміки впливу зовнішнього середовища на ринкові процеси як обєктивного, так і субєктивного характеру вказує на необхідність концептуальної перебудови інформаційного обслуговування та аналітичного забезпечення. У дисертаційному дослідженні вперше формалізована і розвязана задача розробки моделей та методів аналізу і прогнозування процесів на ринку нерухомості України на основі використання принципів самоорганізації та теорії нейронних мереж, що дозволило одержати теоретичні та практичні результати, які характеризують новизну дослідження і особистий внесок автора, зокрема: вперше: запропоновано моделі та методи аналізу і прогнозування процесів на ринку нерухомості, що базуються на принципах самоорганізації та нейромережевих парадигмах та дозволяють ефективно розвязувати задачу ідентифікації залежності між ціною обєкту нерухомості та факторами, що його визначають;Згідно із принципами системного підходу визначено особливості РН, вибрано напрямки розвязання задач на базі системної моделі, яка має рівні цілей, задач, методів (алгоритмів) та засобів. Розроблено структуру двох інформаційних банків: пропозиції та незадоволеного попиту : , (2) де - ідентифікаційний номер обєкта нерухомості (ОН), , ,-внутрішні параметри, які характеризують ОН, - початкова ціна, оголошена продавцем в момент часу , - ціна, скорегована продавцем в момент часу , - ціна, за якою ОН продали в момент часу ; Спорідненими до (4) є задачі визначення чутливості ендогенної характеристики (ціни ОН) до зміни вхідних факторів, які полягають у розрахунку абсолютних та відносних коефіцієнтів чутливості: , , (6) де - середні значення-го фактора і ендогенної характеристики, відповідно, в певному класі ОН, який визначається аналітиком. Задача кластеризації полягає у пошуку функції , яка визначає номер класу по індексу та мінімізує суму мір близькості: (8) за умови: (9) де - кількість ОН в-му кластері, Якщо ж значення-го фактора є постійним, то умова (9) є такою: . Мережам із градієнтними методами навчання властиві проблеми «паралічу» та влучання в локальні оптимуми, що є особливо актуальним для аналізу РН, оскільки оцінка ОН є значною мірою суб?єктивізованою і визначається, найчастіше, в залежності від оптимальних значень одного-трьох факторів.В дисертаційній роботі наведено теоретичне узагальнення і нове розвязання наукової задачі розробки моделей та методів аналізу і прогнозування ринку нерухомості на базі нейромережевої технології, що, відповідно до мети і задач дослідження, відображено в наукових результатах: Виконано системний аналіз ринку нерухомості як складної цілеорієнтованої системи, визначено його структуру та функції, встановлено тенденції розвитку в останні роки, що дозволило виконати структуризацію ринку нерухомості та визначити аспекти його функціонування. Виявлено особливості моделей і методів дослідження ринку нерухомості, порівняно інструментальні розробки, які функціонують на вітчизняних та зарубіжних ринках. Виконано формалізовані постановки задач аналізу ринку нерухомості: ідентифікації функції оцінки обєктів нерухомості, їх кластеризації, класифікації, пошуку рівноважної ціни та її адаптації до зовнішніх умов, що дозволило визначити множину адекватних моделей і методів їх розв?язання. Розроблено модифікований метод стохастичної релаксації навчання штучних нейронних мереж, який запропоновано використати для ідентифікації функції оцінки обєктів нерухомості. Для розвязання задачі класифікації обєктів нерухомості запропоновано використати LVQ-мережу, за допомогою якої також виконується процедура визначення належності обєкта нерухомості до певного класу, що дозволяє надавати інформаційно-консультативні послуги та виконувати сегментацію ринку нерухомості.

Основний зміст роботи