Нейро-нечеткие модели и инструменты для регионального управления объектами коммерческой недвижимости тема диссертации по экономике, полный текст автореферата

Автореферат диссертации по теме "Нейро-нечеткие модели и инструменты для регионального управления объектами коммерческой недвижимости"

4852221

Мунерман Илья Викторович

[ейро-нечеткие модели и инструменты для регионального управления объектами коммерческой недвижимости

ециальность:

00.13 - Математические и инструментальные методы экономики

Автореферат диссертации на соискание ученой степени кандидата экономических наук

1 8 АВГ 2011

Москва -2011

4852221

Работа выполнена в Российском государственном университете нефти и газа име И.М. Губкина

Научный руководитель:

доктор экономических наук, профессор Дулясова Марина Веденеевна

Официальные оппоненты:

доктор экономических наук, профессор Емельянов Александр Анатольевич

кандидат экономических наук Стоянова Ольга Владимировна

Ведущая организация:

Российский химико-технологический университет им. Д.И. Менделеева

Защита состоится «_5_» сентября 2011 г. в 12:00 часов на заседании диссертац онного совета Д 212.157.18 при ГОУВПО «Московский энергетический инсти: (технический университет)» по адресу: 111250, г. Москва, ул. Красноказарменная, 14, ауд. Ж-200.

Отзыв на автореферат (в двух экземплярах, заверенных печатью) просим присылат по адресу: 111250, г. Москва, ул. Красноказарменная, д. 14, Ученый совет МЭИ

С диссертацией можно ознакомиться в библиотеке МЭИ. Автореферат разослан ¿/6"» июля 2011г.

Ученый секретарь

диссертационного совета Д 212.157,18, л

к.э.н., доцент ^Г' А.Г. Зубков

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы исследования. В настоящее время использование объектов едвижимости, находящейся в собственности субъектов Российской Федерации, яв-яется важнейшим инструментом реализации стратегических и оперативных про-рймм социально- экономического развития регионов. В первую очередь ото icacaeT-я мегаполисов, в которых использование коммерческой недвижимости обеспечива-т существенные поступления в региональные и муниципальные бюджеты. Напри-ер, в 2010 году в г. Москве, которая является собственником 230 тыс. объектов едвижимости нежилого назначения, в том числе 70 тыс. зданий и помещений обей площадью около 46,4 млн. кв. м., за счет сдачи в аренду менее 30% муници-альной коммерческой собственности поступления в городской бюджет составили орядка 12,1 млрд. руб.

Стоит отметить, что отечественный рынок нежилой недвижимости обладает вы-оким потенциалом как с позиции спроса, так и предложения. По показателю обес-еченности коммерческой недвижимостью российские города уступают западным в -5 раз. Высокая востребованность и доходность коммерческой недвижимости де-1ают ее привлекательной как для отечественных, так и для иностранных инвесторов, аким образом, изучение территориального рынка недвижимости является эффек-ивным инструментом исследования инвестиционных рисков при реализации деве-оперских проектов в данном регионе.

Проблемы управления нежилой недвижимостью рассмотрены в трудах таких течественных и зарубежных ученых, как Асаул А.Н., Балабанов И.Т., Бузова И.А., уряк В. Ю., Васильева Н.В., Власова Т.В., Горемыкин В.А., Григорьев В.В., Гровер ., Игнатов Л., Захарченко В.В., Киселева В.А., Кошкин Л.И., Краюхипа Г. А., Кус-ова Т.Д., Лимонов Л.Э., Луговой О.Н., Максимов С.Н., Озеров Е.С., Острина И.А., айзберг Б. А., Ресин В.И., Руднев A.B., Савченко А., Смагин В.Н., Смирнова И.В., оловьев М., Стартский К.Н., Тарасевича Е.И., Щербакова H.A., Эккерт Дж. К. и ругих.

В диссертациях Беляева A.B., Ерохина А.Г., Кабановой Т.В., Колесникова В.В., уколева А.Ю., Завьялова A.A., Пипко Н.Д., Пищулина О.Г., Степаненко А.Н., ' кушенко Ю.В. показано, что коммерческий сегмент, как и рынок недвижимости в елом, отличается высокой рискованностью и непредсказуемостью. На его состоя-ие оказывают влияние такие факторы, как динамика валового регионального про-укта, уровень доходов населения и интенсивность потребления, деловая активность инвестиционный климат в регионе.

Одним из основных этапов процесса принятия решений по региональному управлению коммерческой недвижимостью является оценка ее рыночной стоимости, которая позволяет установить реальную стоимостную базу объектов в следующих целях: д

2) внесения объектов недвижимости в уставной капитал государственно-частны компаний;

3) определения кредитоспособности клиента при принятии решения о государст венной поддержке при выдаче кредита, займа или субсидии из регионального бюд жета;

4) банкротства, ликвидации, реорганизации предприятий, имеющих задолженно сти перед бюджетом.

Отдельные теоретические и методические аспекты оценки стоимости недвижи мости рассмотрены в трудах Бывшев В.А., Гребенникова В.Г., Грибовского C.B. Грановой И.В., Грязновой А.Г., Калининой Н.В., Карасева A.B., Копыловой В.В. Коркиной B.C., Коростылева С.П., Костюнина В.И., Лукьяница A.A., Микерин Г.И., Неймана Е.И., Овсянникова В.А., Ордуэй Н., Попова Г.В., Прорвича В.А., Се меновой Е.А.. Сивец С.А., Симионовой Н.Е., Стерника Г.М., Стерника С.Г., Федо товой М.А., Харрисона Г.С., Фридмана Дж., Шейна С.Г.

В диссертационных работах Воищева A.B., Громковой О.Н., Епишиной Э.Д. Карцевой В.В., Коршаковой И.Л., Кошмана В.Н., Кулакова К.Ю., Лапко К.С., Мако рина Г.Н., Молоковой A.B., Румянцева С.И., Слезко Л.В., Слугина О.В., Тиндово М.К., Ульянина A.B. показано, что оценка коммерческой недвижимости отличаете от оценки иных видов недвижимости. Так, в современных условиях необходим учитывать большое количество как количественных, так и качественных факторов влияющих на способность объектов недвижимого имущества приносить доход: ме стоположение, состояние, качество, функциональное назначение объекта; наличие качество инфраструктуры и ее состояние, транспортная доступность и другие Сложности оценки влияния данных факторов также связаны как с непрозрачность рынка и недостатком статистической информации, так и с коротким сроком сущест вования российского рынка коммерческой недвижимости.

Для решения указанных проблем могут использоваться методы интеллектуально го анализа данных, которые позволяют искать неочевидные взаимосвязи и выявлят неизвестные закономерности, что дает возможность формировать на основе накоп ленной информации нетривиальные решения для повышения эффективности управ ления объектами недвижимости.

Вопросам применения интеллектуальных методов анализа для решения эконо мических задач посвящены труды Абдикеева Н.М., Алейникового Н.А, Барског А.Б., Брускина С.Н., Бэстенса Д-Э., Ван Ден Берга В.-М., Вуда Д., Емельянова A.A.. Ежова A.A., Круглова В. В., Матвеева М.Г., Одинцова Б.Е., Романова А.Н., Свири дова A.C., Тельнова Ю.Ф., Шумского С.А.

В то же время в указанных работах не рассмотрен ряд проблем методического прикладного характера в области комплексирования результатов применения раз личных методов искусственного интеллекта с целью получения высокоточных оце нок. Кроме того, встает необходимость разработки подходов к актуализации полу ченных значений, что обуславливается спецификой отечественного рынка коммер

еской недвижимости, функционирующего в условиях экономической нестабильно-ти, а также учетом возможности возникновения рисков.

Вышесказанное определяет актуальность научной задачи разработки инструмен-ов для регионального управления коммерческой недвижимостью, основанных на рИМСИСКПН ТССрИЯ И методологии ЗКОКОтИКО-МаТСМаТИЧССКОГО мОДСЛИрОВаНИЯ ункционирования рынка недвижимости, а также для совершенствования методов скусственного интеллекта при выработке управленческих решений.

Цель исследования: заключается в разработке экономико-математических мо-елей проведения массовой оценки рыночной стоимости объектов коммерческой едвижимости и величины арендной платы, взимаемой за пользование ими, осно-анных на использовании методов интеллектуального анализа данных и статистиче-ких методов оценки качества построенных моделей, инструментальных средств еализации комплексной интеллектуальной модели, интегрированных с геоинфор-ационной системой, а также процедур их практического использования и актуали-ации.

Для реализации этой цели были поставлены и решены следующие основные за-ачи исследования.

1. Анализ современных подходов к управлению государственной и муници-альной собственностью.

2. Анализ современного математического аппарата и программных средств для ценки рыночной стоимости объектов недвижимости.

3. Разработка подходов к построению математических моделей оценки коммер-еской недвижимостью при решении различных классов задач управления, а также атрицы выбора рационального варианта построения нейросетевой модели.

4. Разработка комплексной интеллектуальной модели для оценки рыночной тоимости объектов коммерческой недвижимости, состоящей из частных нейросе-евых моделей.

5. Разработка системы показателей для оценки качества моделей массовой ценки рыночной стоимости объектов коммерческой недвижимости, а также мето-ических рекомендаций по ее актуализации и перекалибровке.

6. Разработка информационной системы поддержки принятия решений по ре-иональному управлению объектами недвижимости, реализующей предложенные одели интеллектуального анализа информации.

7. Разработка методики организации процесса массовой оценки объектов не-вижимости, а также процедуры оценки экономической эффективности инвестици-нных проектов по управлению коммерческой недвижимостью.

8. Практическое применение предложенных инструментов регионального правления объектами коммерческой недвижимости в ОАО «Производственно-оммерческая дирекция» (ОАО «ПКД») и Департаменте имущества г. Москвы ДИгМ).

Объектом исследования являются объекты коммерческой недвижимости Рос-

сийской Федерации.

Предметом исследования является применение математических и инструментальных методов экономики для управления объектами коммерческой недвижимости.

Теоретической и методологической базой исследования являются системный подход к анализу экономических явлений и процессов, математические и инструментальные методы экономики, методы управления коммерческой недвижимостью, теория проектирования сложных информационных систем, методы искусственного интеллекта и принятия решений, научные положения и выводы, сформулированные в трудах отечественных и зарубежных ученых по математическому моделированию экономических объектов и процессов, а также по вопросам разработки и внедрения информационных технологий.

Информационной базой исследования являются данные Росстата, государственные стандарты, законодательные и нормативно-правовые акты РФ, связанные с тематикой диссертации, а также отчетные данные о результатах работы ОАО «Производственно-коммерческая дирекция» и Департамента имущества г. Москвы.

Наиболее существенные научные результаты, полученные лично автором, заключаются в следующем:

1. На основе результатов анализа современных подходов к управлению государственной и муниципальной собственностью, а также математических методов и инструментальных средств, используемых при проведении массовой оценки рыночной стоимости объектов нежилого фонда, выделены классы задач управления коммерческой недвижимостью и соответствующие их подходы к построению математических моделей на этапе ее оценки, разработана матрица выбора рационального варианта построения нейросетевой модели, которая отличается учетом выделенных классов задач управления и характеристик анализируемых информационных потоков о состоянии регионального рынка недвижимости и позволяет получать более точные и устойчивые оценочные результаты.

2. Разработана комплексная интеллектуальная модель для оценки стоимости объектов недвижимости, находящейся в собственности Субъектов РФ, которая, в отличие от известных, включает нейросетевую подмодель для решения задач классификации, кластеризации и прогнозирования тенденций на региональном рынке недвижимости и нечетко-продукционную подмодель для определения степени применимости составляющих нейросетевой подмодели в зависимости от показателей имеющегося массива статистической информации, что обеспечивает агрегирование результатов применения частных нейросетевых моделей.

3. Разработана система показателей для оценки качества моделей массовой оценки рыночной стоимости объектов коммерческой недвижимости, которая в отличие от известных позволяет с учетом особенностей процедур оценки недвижимости (в том числе, закрепленных законодательно) определять такие характеристики,

как точность, устойчивость во времени и объяснимость информации, а также предложены методические рекомендации по актуализации и калибровке моделей, обеспечивающие эффективное распределение затрат на реализацию различных стратегий регионального управления объектами недвижимости, находящихся в собственности Субъектов РФ.

4. Предложена архитектура информационной системы поддержки принятия решений по региональному управлению объектами недвижимости, реализующая предложенные модели интеллектуального анализа информации, которая отличается

аличием возможности визуализации результатов моделирования рыночной стои-ости коммерческой недвижимости за счет организации интеграции с геоинформа-ионной системой ОеоВшЫег.

5. Разработана методика организации процесса массовой оценки объектов не-вижимости, которая отличается от известных наличием процедуры отбора, агрегирования и фильтрации характеристик объектов нежилой недвижимости, а также включает этап оценки экономической эффективности инвестиционных проектов по

правлению коммерческой недвижимостью, использование которого позволяет учесть влияние различных рисков.

Достоверность и обоснованность научных результатов, выводов и рекомендаций диссертации определяются корректным применением методов финансового и экономического анализа, математических инструментальных методов экономики, проектирования информационных систем, теории нейронных сетей и нечеткой логики. Выводы и предложения диссертационного исследования не противоречат известным теоретическим и практическим результатам, содержащимся в трудах отечественных и зарубежных ученых в области экономики, организации и управления коммерческой недвижимостью.

Научная новизна работы состоит в разработанных подходах к построению математических моделей для оценки коммерческой недвижимости и матрице выбора рационального варианта архитектуры нейронной сети для решения задач по ее управлению; комплексной интеллектуальной модели для оценки рыночной стоимости объектов нежилого фонда и величины арендной платы за их использование; системе показателей для оценки качества моделей массовой оценки недвижимости; архитектуре информационной системы поддержки принятия решений по региональному управлению объектами недвижимости, а также методике организации процесса массовой оценки объектов коммерческой недвижимости.

Значение полученных результатов для теории и практики.

1. Предложенные в диссертации подходы к построению математических моделей оценки коммерческой недвижимости, комплексная интеллектуальная модель для оценки рыночной стоимости объектов недвижимости и система показателей для оценки ее качества построенных моделей имеют существенное значение для теории и практики экономико-математического моделирования в части развития математического аппарата анализа функционирования рынка

недвижимости.

2. Разработанная архитектура информационной системы поддержки принятия решений по региональному управлению объектами недвижимости, реализующая предложенные модели интеллектуального анализа информации, имеет существенное значение для теории и практики построения информационных систем в части развития инструментальных методов интеллектуального анализа данных.

3. Предложенные методика организации процесса оценки рыночной стоимости объектов коммерческой недвижимости и рекомендации по актуализации и калибровке модели массовой оценки развивают методический аппарат управления объектами недвижимости в части совершенствования инструментов оценки их рыночной стоимости.

Сведения о реализации и целесообразности практического использования результатов.

1. Разработанные информационная система поддержки принятия решений по региональному управлению объектами коммерческой недвижимости, реализующая модели интеллектуального анализа информации, система показателей для оценки их качества, рекомендации по актуализации и калибровке построенной моделей, а также методика организации процесса массовой оценки объектов муниципальной недвижимости практически использовались в ОАО «Производственно-коммерческая дирекция» и Департаменте имущества г. Москвы.

2. Предложенные комплексная интеллектуальная модель для проведения оценки рыночной стоимости объектов коммерческой недвижимости, а также система показателей для оценки качества используемых моделей массовой оценки может использоваться при осуществлении оценки различных видов недвижимого имущества.

3. Разработанная архитектура информационной системы поддержки принятия решений по региональному управлению объектами недвижимости, реализующая предложенные модели интеллектуального анализа информации, может найти широкое применение при реализации проектов по комплексной автоматизации оценочной деятельности.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на XI Апрельской международной научной конференции «Модернизация экономики и общества» (2011 г., г. Москва), Международной научно-технической конференции «Энергетика, информатика, инновации - 2011» (2011 г., г. Смоленск), Конгрессе «10 лет оценочной деятельности в России. Итоги и перспективы» (2011 г.), а также научных семинарах Российской академии народного хозяйства и государственной службы при Президенте РФ и Центрального экономико-математического института РАН.

Публикации. По теме диссертации опубликовано 12 печатных работ общим объемом 5,73 пл., в том числе лично автору принадлежит 4,15 пл.

Структура и объем работы.

Диссертационная работа состоит из введения, трех глав, заключения, списка

итературы, включающего 118 наименований. Диссертация содержит 156 страниц ашинописного текста, 22 рисунка и 10 таблиц.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснованы актуальность решаемой научной задачи, цель и задачи иссертации, определены предмет и объект исследования, обоснована научная овизна, изложена практическая значимость, приведены данные об апробации аботы и основных публикациях по теме диссертации.

В первой главе «Анализ современных математических и инструментальных етодов оценки рыночной стоимости объектов недвижимости» рассмотрены собенности государственной недвижимости как объекта математического модели-ования, изучена специфика построения систем массовой оценки недвижимости, роанализированы математический аппарат и программные средства для оценки ыночной стоимости объектов недвижимости а также описаны возможности ис-ользования интеллектуальных методов анализа данных для оценки коммерческой едвижимости, находящейся в собственности субъектов Российской Федерации.

В настоящее время для определения рыночной стоимости коммерческой недви-шости в основном используются методы экспертного оценивания, которые несво-одны от таких существенных недостатков как субъективизм и сложность использо-ания при необходимости учета большого количества характеристик объектов не-вижимости.

Особую роль при построении моделей в сфере недвижимого имущества играют ыночные данные. В отличие от данных о предприятиях, которые традиционно спользуются при построении моделей инвестиционной оценки для фондового ынка (финансовая отчетность компаний), данные о недвижимости характеризуются тсутствием стандартизации и представляют собой объявления в различных сточниках и записи в риэлторских базах данных. Даже такие понятия как класс едвижимости не имеют четкого и формального определения. Одновременно спользуются несколько различных классификаторов. При этом информация в бъявлениях и базах данных зачастую оказывается недостоверной. Для решения 1роблемы высочайшего уровня зашумленности данных были разработаны и недрены следующие методы верификации исходных данных:

1. семантические анализаторы, основанные на регулярных выражениях;

2. матрицы граничных значений;

3. наборы решающих правил;

4. проверка данных с использованием колл-центра;

5. тестовые и валидационные выборки.

Для повышения степени объективности результатов оценки в ряде случаев прелагается использовать регрессионные модели, построение которых затруднено следствие многофакторности задачи и сложного характера зависимости входных и ыходных переменных. Следует отметить, что подход, основанный на построении и спользовании регрессионных моделей, не позволяет решить целый ряд перечне-

ленных выше частных задач, которые решаются в рамках процесса оценки коммерческой недвижимости.

Указанные проблемы применения экспертных методов и статистических моделей определяют целесообразность использования методов интеллектуального анализа данных при решении достаточно широкого спектра задач по оценке коммерческой недвижимости, в том числе прогноза изменения ее стоимости в условиях неопределенности внешней среды.

С точки зрения использования методов математического моделирования для оценки коммерческой недвижимости можно выделить следующие формализованные задачи:

¡.Кластеризация объектов недвижимости - разбиение генеральной совокупности объектов на несколько кластеров, число и характеристики которых заранее неизвестно.

2. Классификация - отнесение объектов коммерческой недвижимости к выделенным заранее классам. Классы объектов обычно устанавливаются в соответствие с используемой нормативной правовой базы в конкретном регионе.

Основной целью решения данных задач является определение текущей стоимости объектов коммерческой недвижимости.

3. Прогнозирование стоимости объектов, проводимое на основе обработки статистических ретроспективных данных, характеризующих объекты выделенных классов.

В диссертации показано, что для решения данных задач целесообразно использовать различные виды искусственных нейронных сетей, выбор которых зависит также от особенностей имеющейся статистической информации о региональном рынке коммерческой недвижимости. К таким особенностям можно отнести: полноту информации, регулярность ее поступления, наличие «информационных выбросов».

В таблице 1 приведена модель для выбора видов нейронных сетей, учитывающая класс решаемых задач по оценке объектов недвижимости и характеристики анализируемых информационных потоков.

В рамках данной модели предлагается использовать следующие виды нейронных сетей:

1. Нейронная сеть встречного распространения - многослойная сеть, состоящая из входного слоя и слоев нейронов Кохонена и Гроссберга. Данная сеть осуществляет обобщение при неполном или зашумленном входе.

2. Нейронная сеть Хопфилда - однослойная сеть нейронов с одинаковым числом входов и выходов сети, которая применяется для восстановления зашумленных образов по неполной и скаженной информации.

3. Нейронная сеть Хэмминга - двухслойная сеть, которая вычисляет расстояния от входного вектора до всех известных векторов-образцов и позволяет устанавливать соответствие входного образа одному из известных ей классов. Для работы сети Хэмминга требуется меньший объем выборки, чем для сети Хопфилда.

аблица 1 - Модель выбора варианта нейронной сети при решении задач оценки бъектов коммерческой недвижимости

Характеристики информации Класс задачи

Прогнозирование Классификация Кластеризация

Полная информация Сеть с радиальными базисными функциями Вероятностная нейронная сеть Нейронная сеть встречного распространения

Неполная информация Обобщенно-регрессионная нейронная сеть Сеть Хемминга

Нерегулярные данные Сеть Хопфилда + сеть Ворда Сеть Хемминга

Выбросы Сеть Коско + сеть Ворда Сеть Коско + сеть Хемминга

4. Сеть с радиальными базисными функциями (ЯДР) - двухслойная сеть, кото-ая содержит скрытый слой радиально симметричных скрытых нейронов и модели-уют нелинейную функцию с помощью одного промежуточного слоя.

5. Вероятностная нейронная сеть (РА'А7) - многослойная сеть, которая содер-ит несколько скрытых радиальных слоев. В данной сети наблюдение соответствует адиальному элементу, имеющему гауссову функцию распределения.

6. Обобщенно-регрессионная нейронная сеть (СЖУ/У) построена по аналогии с ероятностной сетью, но используется для решения задач регрессии.

7. Нейронная сеть Ворда - многослойная сеть, внутренние слои нейронов ко-орой разбиты на блоки. Данные сети используются для решения задач прогнозиро-ания и классификации.

8. Нейронная сеть Коско - однослойная сеть с обратными связями, которая снована на основных положениях теорий Гроссберга и Хопфилда и используется ля обобщения и прогнозирования при искажениях входной информации.

Во второй главе «Методические основы применения интеллектуальных магматических моделей для оценки объектов недвижимости, находящихся в соб-твенности Субъектов Российской Федерации» разработана комплексная интел-ектуальная модель для оценки стоимости объектов недвижимости, находящейся в обственности Субъектов РФ, приведены методические рекомендации по сбору, об-аботке и верификации информации о рынке коммерческой недвижимости, предло-ена система показателей оценки качества построенных моделей массовой оценки бъектов недвижимости, описана архитектура и процедура проектирования инфор-ационной системы поддержки принятия решений по управлению коммерческой едвижимостью с использованием интеллектуальных моделей.

Несмотря на определенную приоритетность использования различных типов нейронных сетей, для повышения точности и объективности процедур оценивания объектов коммерческой недвижимости целесообразно комплексное применение нескольких вариантов построения нейросетевых моделей регионального рынка не-

движимости, с комплексированием результатов моделирования на основе коэффициентов их «применимости». Указанные коэффициенты должны определяться не только на основе условий изначальной целесообразности, но и, как было указано ранее, с учетом особенностей имеющейся статистической информации о региональном рынке коммерческой недвижимости.

Структурная модель, реализующая предложенный подход, представлена на рисунке 1.

Предлагаемая структурная модель включает три основных программных модуля:

1. База нечетких продукционных правил (БНПП), которая используется для! управления программным коммутатором (ПК) и определения весовых коэффициентов а,, которые определяют вклад результата использования частных нейронных сетей в консолидированный результат применения структурной модели в целом. БНПП функционально представляет собой нечеткий классификатор, реализующий алгоритм нечеткого логического вывода Такаги.

2. Комплексная нейросетевая модель рынка коммерческой недвижимости, которая реализует представленные в таблице 1 виды нейронных сетей.

Рисунок 1 - Структурная модель использования методов интеллектуального анализа информации для оценки стоимости объектов коммерческой недвижимости

3. Программный коммутатор, используемый для предварительного отбора используемых нейронных сетей исходя из решаемой задачи в рамках процедуры оцен-

и коммерческой недвижимости.

Результат работы предложенной комплексной модели можно представить сле-ующим образом:

у=±ОгугВ,

А =

0 при £ a,,z„ / £ а,, < 0,5, Z a*z* / Е а*

Ы / *=1 R -_М / _

/К "i N К j К

1 лри / £ а,, > 0,5, £ ГXa,А / Xа<* ^ '

¿=1 / /М /=1

дго.5

де у* - выход комплексной модели; Я - выход г'-ой частной модели; - выход к-го правила при использовании алгоритма Такаги для г'-ой частной модели; а1к -ровень «отсечения» для предпосылки к-о го правила для г-ой частной модели; N -оличество частных моделей; К- количество правил.

Например, если при решении задачи прогнозирования коммутатором были вы-раны частные модели на основе нейросетевых моделей ЯВГ и GRNN, то общий вы-од модели будет иметь вид:

г ¡X-X,l Y.yrS%X-X,\g) у = В™w, •/(»-l)+BG™ ---,

ЪйХ-Х.Уд)

/=i

1=1

де X - нормированные характеристики объекта недвижимости; X¡, yt - точки

бучающей выборки; w, - весовые коэффициенты для модели RBF\ a¡ - отклонение

-ой характеристики для модели RBF-, ? - отклонение в модели GRNN-, BRBF, BaRNN вклад моделей RBF и GRNN соответственно в консолидированный результат; Т -бъем выборки.

Анализ качества построенной комплексной модели проведения массовой оценки тоимости объектов коммерческой недвижимости осуществляется с помощью сис-емы показателей, характеризующих точность и устойчивость во времени.

Точность значений стоимости, генерируемых построенной моделью, может быть змерена при помощи статистических показателей согласия, анализа относительных оказателей стоимости, пробных исследований, полевой и камеральной экспертизы.

Статистические показатели согласия позволяют оценить точность модели до по-хучения самих расчетных значений стоимости.

Коэффициент детерминации показывает, какую долю изменения рыночных цен бъясняют факторы, включенные в модель оценки, и рассчитывается по формуле:

Я2 =1-—-,

1-1

где У,- - реальное значение удельной цены, У- вычисленное по модели значение

удельной цены, У/ - среднее значение реальных цен, п - объем выборки.

Для корректного сравнения оценок качества различных моделей целесообразно использовать нормированный коэффициент детерминации, скорректированный на число степеней свободы (конечного объема выборки п и числа факторов т):

= 1-(1-Я2)

2ч (я-1)

(п-т-1)

На практике в качестве минимального (критического) значения данного коэффициента принимают значение, равное 0,7.

Обобщенная ошибка модели рассчитывается по формуле:

5=1

у

п-т-1

Важным этапом при анализе качества моделей является исследование остатков модели. Эффективным инструментом анализа являются гистограммы частот отношений «оценка/цена» в исходных координатах и в стандартизованных (сдвинутых на величину среднего значения и выраженного в долях среднеквадратического отклонения) координатах. При исследовании следует обращать внимание на унимодальность распределения, его симметричность, моду и другие характеристики.

Анализ относительных показателей стоимости позволяет определить уровень и равномерность оценки как между стратами объектов недвижимости, так и внутри самих страт.

Оценка устойчивости модели позволяет определить, насколько плавно стоимость объектов недвижимости изменялась во времени. При оценке межгодовой устойчивости модели используется два критерия:

1. среднее абсолютное процентное изменение:

¿(К~УРУУР

АРС=-И-

п

где Ус - текущее значение стоимости, Ур - предыдущее значение стоимости. 2) среднеквадратическое отклонение процентных изменений:

Ц(К-УР)/УР}2

БРС =

В условиях нестабильности рынка коммерческой недвижимости целесообразно существлять актуализацию, заключающуюся в перекалибровке построенной моде-и массовой оценки рыночной стоимости объектов.

Для актуализации для получения точных и устойчивых оценочных моделей мож-о использовать три стратегий перекалибровки:

1. Полная перекалибровка подразумевает ежегодное (полугодовой, ежекварталь-ое) переопределение моделей. Данный подход позволяет максимально повысить очность оценок, однако связан со значительными издержками и может привести к еустойчивости для отдельных объектов.

В качестве индикаторов рынка коммерческой недвижимости целесообразно ис-ользовать следующие показатели: средняя арендная ставка; инвестиции в коммер-ескую недвижимость; годовой ввод объектов; индекс ценового ожидания; индекс ктивности.

2. Периодическая перекалибровка предполагает переопределение модели каждые ва года (или реже) с промежуточным внесением рыночных поправок. Существует ва варианта применения этого подхода. Во-первых, все объекты могут периодиче-ки участвовать в перекалибровке в совокупности. Во-вторых, можно составить

афик ежегодной перекалибровки определенной части объектов в юрисдикции, ри втором варианте трудовые затраты распределяются по годам более равномерно, тот подход может оказаться особенно эффективным, если его применять в соче-ании с анализом относительных показателей стоимости для контроля уровня оцени по основным стратам объектов недвижимости и внесения необходимых рыноч-ых поправок.

3. Частичная перекалибровка - комбинирование модели предшествующего года с ерекалиброванной моделью текущего года. В качестве метода реализации может ыступать вычисление текущей стоимости как средневзвешенного значения про-логодней стоимости и перекалиброванной стоимости:

де Уг - перекалиброванная стоимость, м>р - весовой коэффициент (от 0 до 1), рисваиваемый прошлогоднему значению стоимости.

Выбор стратегии переоценки и методов актуализации моделей связан с решением дминистративных и технических вопросов о:

1) бюджетных возможностях и имеющихся в распоряжении ресурсах;

2) качестве существующей базы данных и эффективности используемых оценоч-ых процедур.

Так, при неудовлетворительном качестве оценки требуется проведение полной ереоценки. Временной график и форма проведения переоценки, однако, сущест-енно ограничиваются бюджетными возможностями и имеющимися ресурсами. С ругой стороны, если качество оценки хорошее, разумным решением является прак-ика проведения периодической или частичной перекалибровки.

Стоит отметить, что частое проведение переоценки повышает точность оценк стоимости имущества, но может порождать нехарактерные изменения стоимост для отдельных объектов. Такая ситуация обусловлена перекалибровкой оценочнь моделей и связанными с этим изменениями затратных показателей.

Предложенные инструменты проведения массовой оценки стоимости объекто коммерческой недвижимости, основанные на применении методов интеллектуаль ного анализа данных, были реализованы в разработанной информационной системе.

Архитектура подсистемы массовой оценки объектов коммерческой недвижимо сти представлена на рисунке 2.

Нечетко-логический блок реализован в среде MatLab с применением инструмен тов Fuzzy Logic Toolbox. Данный блок предназначен для формирования продукцион ных правил, с помощью которых осуществляется интеллектуальный анализ стати стической информации об объектах коммерческой недвижимости, на основании ко торого определяется вклад частных нейронных сетей в консолидированный резуль тат применения структурной модели в целом.

Блок нейросетевого моделирования реализован в среде MatLab с применение встроенных инструментов Neural Network Toolbox. Данный блок предназначен д построения, настройки и проверки адекватности архитектур различных частнь нейронных сетей.

Модель формирования выборки осуществляет извлечение из корпоративной ба зы данных информации об объектах недвижимости, используемой для обучени нейронных сетей. Данный модуль осуществляет: соединение с БД Oracle и загрузк факторной матрицы и вектор выходных значений цен; логарифмическое шкалиро вание цен для более удобного анализа и решения проблем гетероскедастичности робастности; нормирование факторной матрицы для приведения значений факторо к шкале от 0 до 1; случайное разбиение выборки на обучающее, тестовое (валидаци онное) и контрольное множества.

Модуль оценки объектов коммерческой недвижимости реализован на внутрен нем языке среды MatLab с использованием разработанных инструментов интеллек туального анализа. Так, на основе результатов анализа характеристик объекта оцен ки, проводимых в нечетко-логическом блоке, формируются коэффициенты «приме нимости» частных нейронных сетей, построенных в блоке нейросетевого моделиро вания. Результаты применения частных нейронных сетей комплексируются в конеч ный результат на основе полученных весовых коэффициентов.

Для взаимодействия клиентского приложения, разработанного в среде Microsof .Net, с результатами массовой оценки недвижимости, полученными в среде MatLab, был разработан промежуточный модуль интеграции, инкапсулирующий весь низкоуровневый интерфейс обмена данными. Данный модуль построен по принципу автоматически подключаемых сборок (плагинов) и реализует ряд интерфейсов для взаимодействия с ними.

Рисунок 2 - Архитектура подсистемы массовой оценки

Взаимодействие среды МаЛаЬ с клиентским приложением осуществляется по ледующей схеме:

1. Пользователь выбирает оцениваемый объект, определяет и заполняет ценооб-Ьазующие факторы.

2. Клиентским приложением формируется запрос к ^¿-службе подсистемы кассовой оценки и передает ей ценообразующие факторы объекта.

3. Интеграционный модуль получает и преобразует полученный запрос в данные формата матриц МсйЬаЬ.

4. Интеграционный модуль запускает экземпляр MatLab, передает ему матрицы данными об оцениваемом объекте и выполняет процедуру оценки.

5. После завершения работы модели оценки интеграционный модуль извлекав из MatLab матрицу стоимостей по ее символьному имени, преобразует ее в масси значений и возвращает массив значений стоимостей.

Для визуализации результатов массовой оценки рыночной стоимости объекто коммерческой недвижимости используется геоинформационная система GeoBuilde разработанная ЗАО «Геокибернетика» на картографической основе ГУЛ «Мосгор геотрест» и адресной базы данных ГУП «МосгорБТИ». В предложенной архитекту ре сервер NetServer соединён с JFeè-сервером MS Internet Information Services (M IIS) и БД Oracle, которые обеспечивают хранение большого массива векторных растровых графосемантических данных. Сервер NetServer по запросу получает э данные, формирует графическое изображение карты и в сжатом виде отправляв пользователю, где оно воспроизводит клиентской частью Workstation.

В третьей главе «Результаты практического применения разработанных ин теллектуальных математических моделей для оценки рыночной стоимости м ниципальных объектов недвижимости г. Москвы» предложена методика органи зации процесса массовой оценки коммерческой недвижимости, проведен анали имущественного комплекса, находящегося в собственности г. Москвы, а также опи саны результаты практического использования предложенных инструментов в ОА «Производственно-коммерческая дирекция ПКД» и Департаменте имущества г. Mo сквы.

Методика организации процесса массовой оценки коммерческой недвижимост включает 10 этапов:

1. Анализ рынка коммерческой недвижимости с целью определения факторо влияющих на рыночную стоимость объектов.

2. Формирование базы данных объектов аналогов. Основными источниками ин формации о рынке недвижимости являются: специализированные базы данны {Realto, Навигатор, Сталкер и т.п.); открытые источники информации (газеты, жур налы и т.п.); информационные ресурсы агентств недвижимости; собственные дан ные организации, формирующей выборку; данные о сделках с недвижимостью, про веденных в ходе открытых торгов.

3. Проверка данных на предмет их корректности, достоверности и адекватности.

4. Первичная обработка базы данных объектов аналогов: статистическое описа ние исходных совокупностей с определением пределов варьирования переменных анализ резко выделяющихся наблюдений, идентификация грубых ошибок; восста новление пропущенных или стертых наблюдений; проверка статистической незави симости последовательности наблюдений, составляющих массив исходных данны унификация типов переменных; экспериментальный анализ закона распределени исследуемой генеральной совокупности и параметризация сведений о природе изу чаемых распределений.

5. Построение экономико-математической модели проведения массовой оценки ыночной стоимости объектов коммерческой недвижимости:

а) формирование базы нечетких продукционных правил, используемых для ана-иза информации об объектах аналогах;

б) построение нейронных сетей (задание основных характеристик);

в) учет факторов местоположения.

6. Калибровка построенной модели - процесс адаптации модели массовой оцен-

к текущему состоянию рынка коммерческой недвижимости, который включает:

а) определение необходимого объема выборки из базы данных объектов;

б) обучение нейронных сетей.

7. Апробация экономико-математической модели массовой оценки на данных алидационной выборки.

8. Проверка качества модели, которая позволяет установить, являются ли полу-енные значения стоимости равномерными и согласуются ли они с состоянием рын-а. Основным средством проверки качества массовой оценки является анализ стати-шческих показателей согласия и относительных показателей стоимости.

В качестве оценки точности также может использоваться нормированный меж-вартильный промежуток:

е £, и £3 - нижний и верхний квартили относительных ошибок прогноза.

9. Оценка эффективности управления коммерческой недвижимостью, которая аключается в расчете ставке капитализации, рассчитанной с учетом рисков.

10. Актуализация - внесение ежегодных поправок в результаты оценки стоимо-ти, осуществляемое между переоценками. Она включает выявление новых объек-ов коммерческой недвижимости, расчет их стоимости, а также учет других измене-ий в базе данных. На основе анализа тенденций развития рынка может реализовы-аться три подхода к переоценке характеристик полученной ранее модели: полная, ериодическая и частичная перекалибровка.

Предложенные в диссертации инструментальные методы и разработанная ин-ормационной системы поддержки принятия решений по управлению объектами едвижимости применялись в ОАО «Производственно-коммерческая дирекция» и епартаменте имущества г. Москвы. Внедрение системы массовой оценки объектов нежилого фонда в г. Москве осу-ествлялось в соответствие с Постановлением Правительства Москвы от 20 марта 007 г. N 195-ПП «О порядке использования результатов массовой оценки». Для по-троения моделей была сформирована выборка, состоящая из 18 182 наблюдения, аспределение которых по основным факторам следующее: офисные помещения -426, складские - 10099, торговые - 1657. Анализ статистической информации об бъектах аналогах выявил неполноту входных данных, что обусловило применению

с максимальным весовым коэффициентом результата построения обобщенно; регрессионной нейронной сети.

Средняя относительная ошибка модели GRNN составила 20,0%, что удовлетворяет Стандарту по автоматизированным оценочным моделям и Стандарту по анализ) соотношения стоимостей Международной Ассоциации Налоговых Оценщиков.

На рисунке 3 приведены результаты массовой оценки арендных ставок в зависит мости от расположения на территории г. Москвы, визуализированные с помощьй геоинформационной системы СеоВшЫег.

Рисунок 3 - Ценовые поверхности для аренды нежилой недвижимости в г. Москве

В целом, применение комплексной модели массовой оценки объектов коммерческой недвижимости позволило: определить потенциал увеличения доходов городского бюджета от сдачи в аренду недвижимого имущества; существенно сократить время и расходы, требуемые для оценки объектов; обеспечить достоверность, прозрачность и обоснованность результатов; создать основы для

ринятия рациональных градостроительных и инвестиционных решений; беспечить публичность сведений об объектах оценки и прозрачность системы пределения ставок арендной платы.

В заключении приведены результаты исследования, выводы и предложения.

В приложении представлены нормативные правовые документы, регламенти-ующие оценку объектов недвижимости в г. Москва, вид окон интерфейса системы оддержки принятия решений по управлению имущественным комплексом г. Моск-ы и справка об использовании результатов диссертационного исследования.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ И ПРЕДЛОЖЕНИЯ

1. Проведен анализ современных подходов к управлению государственной и му-иципальной собственностью, а также математических методов и инструменталь-ых средств, используемых при массовой оценки рыночной стоимости объектов не-'илого фонда, с учетом результатов которого предложены подходы к построению атематических моделей для решения выделенных классов задач по управлению оммерческой недвижимостью, а также матрица выбора рационального варианта остроения нейросетевой модели.

2. Разработана комплексная интеллектуальная модель для оценки стоимости бъектов коммерческой недвижимости, которая включает нейросетевую подмодель ля решения задач классификации, кластеризации и прогнозирования тенденций на егиональном рынке недвижимости и нечетко-продукционную подмодель для опре-еления степени применимости составляющих нейросетевой подмодели в зависимо-ти от показателей имеющегося массива статистической информации.

3. Разработана система показателей для оценки качества моделей массовой ценки рыночной стоимости объектов коммерческой недвижимости, позволяющая с

етом особенностей процедур оценки недвижимости (в том числе, закрепленных аконодательно) определять такие характеристики, как точность, устойчивость во ремени и объяснимость информации.

4. Предложены методические рекомендации по актуализации и калибровке мо-елей, обеспечивающие эффективное распределение затрат на реализацию различ-ых стратегий регионального управления объектами недвижимости, находящихся в обственности Субъектов РФ.

5. Разработана архитектура информационной системы поддержки принятия ре-ений по региональному управлению объектами недвижимости, реализующая редложенные модели интеллектуального анализа информации и интегрированная с еоинформационной системой СеоВшШег.

6. Предложена методика организации процесса массовой оценки рыночной тоимости объектов коммерческой недвижимости, которая отличается от известных аличием процедуры отбора, агрегирования и фильтрации характеристик объектов ежилой недвижимости.

7. Разработана процедура оценки экономической эффективности инвестицио ных проектов по управлению коммерческой недвижимостью, использование кот рого позволяет учесть влияние различных рисков.

8. Практическое применение предложенной в работе методики организации пр цссса массовой оценки рыночной стоимости объектов коммерческой НсДБйЖймОС'1 и разработанной информационной системы поддержки принятия решений по реги нальному управлению объектами недвижимости в ОАО «Производственн коммерческая дирекция» и Департаменте имущества г. Москвы позволило повыси эффективность оценочной деятельности, а также оперативность и обоснованное управленческих решений в отношении объектов недвижимого имущества, нахо щихся в собственности города Москвы.

Основные работы, опубликованные по теме диссертации

В журналах перечня ВАК:

1. Мунерман И.В., Борусяк К.К., Чижов С.С. Нейросетевое моделирование в з даче массовой оценки нежилой недвижимости г. Москвы // Экономическая наук современной России. -2009- №4 (0,84 п.л.)

2. Мунерман И.В. Методические приёмы оценки в условиях неопределённости Имущественные отношения в Российской Федерации- 2009 - №7(0,62 п.л.)

3. Мунерман И.В. Комплексное использование нейронных сетей при регионал ном управлении коммерческой недвижимостью II Путеводитель предпринимателя 2011-№3-(0,30 п.л.).

В других изданиях:

4. Мунерман И.В. Оценка и модернизация, или модернизация оценки // Бюлле тень СМАО - 2010- № 11 (1,01 п.л.)

5. Мунерман И.В., Борусяк К.К. Особенности нейросетевого моделирования задаче массовой оценки муниципальной недвижимости г. Москвы // Сб. материало XI Апрельской международной научной конференции «Модернизация экономики общества». - М., 2011. (0,18 п.л.)

6. Мунерман И.В. Разработка математического аппарата для проведения оцен рыночной стоимости коммерческой недвижимости // Сб. материалов Международ ной научно-технической конференции «Энергетика, информатика, инновации 2011». - Смоленск, 2011. (0,3 пл.)

7. Мунерман И.В. Новые информационные технологии в оценке бизнеса // Мате риалы Конгресса «10 лет оценочной деятельности в России. Итоги и перспективы» М., 2003. (0,6 п.л.)

8. Мунерман И.В., Семенушкин И.М. Методические проблемы оценки бизнеса / Вестник СМАО. -№11. - 2005. (0,74 п.л.)

9. Мунерман И.В., Курбашкина П.В. Современные технологии и модели стой мостной оценки» - Сборник учебных программ ГФА. - М.: 2007. (1,14 пл.)

Подписано в печать <? ^ М/"зак. /¿V тИр ЮУ Пл

Полиграфический центр МЭИ{ТУ) Красноказарменная ул.,д.13

Диссертация: содержание автор диссертационного исследования: кандидата экономических наук, Мунерман, Илья Викторович

КРАТКИЙ ПЕРЕЧЕНЬ СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

1 АНАЛИЗ СОВРЕМЕННЫХ МАТЕМАТИЧЕСКИХ И ИНСТРУМЕНТАЛЬНЫХ МЕТОДОВ ОЦЕНКИ РЫНОЧНОЙ СТОИМОСТИ ОБЪЕКТОВ НЕДВИЖИМОСТИ.

1.1 Особенности государственной недвижимости как объекта математического моделирования.

1.2 Особенности построения системы массовой оценки рыночной стоимости объектов недвижимости.

1.3 Современный экономико-математический аппарат и программные средства для оценки рыночной стоимости объектов недвижимости.

1.4 Анализ возможностей использования интеллектуальных методов анализа данных для оценки объектов коммерческой недвижимости, находящихся в собственности субъектов Российской Федерации.

1.5 Выводы по главе.

2 МЕТОДИЧЕСКИЕ ОСНОВЫ ПРИМЕНЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ ОБЪЕКТОВ НЕДВИЖИМОСТИ, НАХОДЯЩИХСЯ В СОБСТВЕННОСТИ СУБЪЕКТОВ РОССИЙСКОЙ ФЕДЕРАЦИИ.

2.1 Комплексная интеллектуальная модель для оценки стоимости объектов недвижимости, находящейся в собственности Субъектов РФ.

2.2 Методические рекомендации по сбору, обработке и верификации рыночной информации.

2.3 Система показателей оценки качества информационного обеспечения построения моделей массовой оценки рыночной стоимости объектов коммерческой недвижимости.

2.4 Архитектура и процедура проектирования информационной системы поддержки принятия решений по региональному управлению коммерческой недвижимостью с использованием интеллектуальных моделей.

2.5 Выводы по главе.

3 РЕЗУЛЬТАТЫ ПРАКТИЧЕСКОГО ПРИМЕНЕНИЯ РАЗРАБОТАННЫХ ИНТЕЛЛЕКТУАЛЬНЫХ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ДЛЯ ОЦЕНКИ РЫНОЧНОЙ СТОИМОСТИ ОБЪЕКТОВ НЕДВИЖИМОСТИ В Г. МОСКВЕ.

3.1 Методика организации процесса массовой оценки коммерческой недвижимости.

3.2 Анализ имущественного комплекса, находящегося в собственности г. Москвы.

3.3 Результаты применения разработанных моделей и инструментальных средств для оценки рыночной стоимости объектов недвижимости в г. Москве.

3.4 Выводы по главе.

Диссертация: введение по экономике, на тему "Нейро-нечеткие модели и инструменты для регионального управления объектами коммерческой недвижимости"

Актуальность темы исследования. В настоящее время использование объектов недвижимости, находящейся в собственности субъектов Российской Федерации, является важнейшим инструментом реализации стратегических и оперативных программ социально- экономического развития регионов. В первую очередь это касается городов-мегаполисов, в которых использование коммерческой недвижимости обеспечивает существенные поступления в региональные и муниципальные бюджеты. Например, г. Москва является собственником 230 тыс. объектов недвижимости нежилого назначения, в том числе 70 тыс. зданий и помещений общей площадью около 46,4 млн. кв. м. Однако в аренду предоставляется менее 30% муниципальной коммерческой собственности, при этом в 2010 году поступления в городской бюджет составили порядка 12,1 млрд. руб.

Стоит отметить, что отечественный рынок нежилой недвижимости обладает высоким потенциалом как с позиции спроса, так и предложения. По показателю обеспеченности коммерческой недвижимостью российские города уступают западным в 3-5 раз. Высокая востребованность и доходность коммерческой недвижимости делают ее привлекательной как для отечественных, так и для иностранных инвесторов. Таким образом, изучение территориального рынка недвижимости является эффективным инструментом исследования инвестиционных рисков при реализации девелоперских проектов в данном регионе.

Проблемы управления нежилой недвижимостью рассмотрены в трудах таких отечественных и зарубежных ученых, как Асаул А.Н., Балабанов И.Т., Бузова И.А., Буряк В. Ю., Васильева Н.В., Власова Т.В., Гелтнер Д., Горемыкин В.А., Григорьев В.В., Гровер Р., Игнатов Л., Захарченко В.В., Киселева В.А., Кошкин Л.И., Краюхипа Г. А., Кускова Т.Д., Лимонов Л.Э., Луговой О.Н., Максимов С.Н., Миллер Н., Озеров Е.С., Острина И.А., Райзберг Б. А., Ресин

В.И., Руднев A.B., Савченко А., Смагин В.Н:, Смирнова И .В., Соловьев М., Стартский К.Н., Щербакова H.A., Эккерт Дж. К. и других.

В диссертациях Беляева A.B. Ерохина A.F., Кабановой Т.В:, Колесникова В;В., Куколева А.Ю. Завьялова A.A., Шипко Н.Д., Пищулина О.Г. Степаненко

A.Н., Якушенко Ю.В. показано» что коммерческий сегмент, как и рынок недвижимости в целом, отличается высокой рискованностью; ; и непредсказуемостью. На его состояние оказывают влияниетакие факторы, как динамика валового регионального продукта, уровень доходов населения и интенсивность, потребления; деловая активность и инвестиционный климат в-регионе.

Одним из основных этапов процесса; принятия решений по региональному управлению; коммерческой недвижимостью является, оценки; ее рыночной стоимости, которая позволяет установить реальную? стоимостную: базу объектов в следующих целях:

1) приобретения в региональную собственность, продажи или: сдачи в аренду;,

2) , внесения объектов недвижимости в уставной капитал государственно-частных компаний;

3) определения кредитоспособности? клиента при принятии решения о государственной поддержке при выдаче кредита, займа или субсидии, из регионального бюджета;

4) банкротства, ликвидации,, реорганизации предприятий, имеющих задолженности перед бюджетом. • ■ .

Отдельные теоретические и методические аспекты оценки стоимости недвижимости рассмотрены в трудах Гребенникова В.Г., Грибовского В.В., Грановой И;В., Грязновой А.Г., Калининой Н.В., Карасева A.B., Копыловой

B.В., Коркиной B.C., Коростылева С.П., Лукьяница A.A., Микерина Г.И., Неймана: Е.Й., Овсянникова В.А., Ордуэй Н., Попова Г.В., Прорвича В.А., Семеновой Е.А., Сивец С.А., .Симионовой Н:Е., Стерника Г.М., Стерника С.Г., Тарасевича Е.И., Харрисона Г.С., Фридмана Дж., Шейна С.Г. 6

В диссертационных работах Воищева A.B., Громковой О.Н., Епишиной Э.Д., Карцевой В.В., Коршаковой И.Л., Кошмана В.Н., Кулакова К.Ю., Лапко К.С., Макорина Г.Н., Молоковой A.B., Румянцева С.И., Слезко Л.В., Слугина О.В., Тиндовой М.К., Ульянина A.B. показано, что оценка коммерческой недвижимости отличается от оценки иных видов недвижимости. Так, в современных условиях необходимо учитывать большое количество как количественных, так и качественных факторов, влияющих на способность объектов недвижимого имущества приносить доход: местоположение, состояние, качество, функциональное назначение объекта; наличие и качество инфраструктуры и ее состояние, транспортная доступность и другие. Сложности оценки влияния' данных факторов- также связаны как с непрозрачностью рынка и недостатком статистической информации, так, и с коротким сроком существования российского рынка коммерческой недвижимости.

Для решения указанных проблем могут использоваться методы интеллектуального анализа данных, которые позволяют искать неочевидные взаимосвязи и выявлять- неизвестные закономерности, что дает возможность формировать на основе накопленной информации нетривиальные решения для повышения эффективности управления объектами недвижимости.

Вопросам применения интеллектуальных методов анализа для решения экономических задач посвящены труды Абдикеева Н.М., Алейникового Н.А, Барского А.Б., Брускина С.Н., Бэстенса Д-Э., Ван Ден Берга В.-М., Вуда Д., Емельянова A.A., Ежова A.A., Круглова В.В., Матвеева М.Г., Одинцова Б.Е., Романова А.Н., Свиридова A.C., Тельнова Ю.Ф., Шумского С.А.

В то же время в указанных работах не рассмотрен ряд проблем методического и прикладного характера в области комплексирования результатов применения различных методов искусственного интеллекта с целью получения высокоточных оценок. Кроме того, встает необходимость разработки подходов к актуализации полученных значений, что обуславливается спецификой отечественного рынка коммерческой 7 недвижимости, функционирующего в условиях экономической нестабильности, а также учетом возможности возникновения рисков.

Вышесказанное определяет актуальность научной задачи разработки инструментов для регионального управления коммерческой недвижимостью, основанных на применении нейро-нечетких моделей проведения массовой оценки рыночной стоимости объектов и стратегий ее актуализации, имеющей существенное значение теории и методологии экономико-математического моделирования функционирования рынка недвижимости, а также для совершенствования методов искусственного интеллекта при выработке управленческих решений.

Цель исследования заключается в разработке экономико-математических моделей проведения массовой оценки рыночной стоимости объектов коммерческой недвижимости, основанных на использовании методов интеллектуального анализа данных и статистических методов оценки качества построенных моделей, инструментальных средств реализации комплексной интеллектуальной модели, интегрированных с геоинформационной системой, а также процедур их практического использования и актуализации.

Для реализации этой цели были поставлены и решены следующие основные задачи исследования.

1. Анализ современных подходов к управлению государственной и муниципальной собственностью.

2. Анализ современного математического аппарата и программных средств для оценки рыночной стоимости объектов недвижимости.

3. Разработка подходов к построению математических моделей оценки коммерческой недвижимостью при решении различных классов задач управления, а также матрицы выбора рационального варианта построения нейро-сетевой модели.

4. Разработка комплексной интеллектуальной модели для оценки рыночной стоимости объектов коммерческой недвижимости, состоящей из частных нейро-сетевых моделей.

5. Разработка системы показателей для оценки качества моделей массовой оценки рыночной стоимости объектов коммерческой недвижимости, а также методических рекомендаций по ее актуализации и перекалибровке.

6. Разработка информационной системы поддержки, принятия? решений по региональному управлению объектами недвижимости, реализующей предложенные модели интеллектуального анализа информации^

7. Разработка, методика организации процесса массовой^ оценки объектов недвижимости, а также процедуры оценки, экономической эффективности инвестиционных проектов по управлению коммерческой недвижимостью.

8. Практическое применение предложенных инструментов регионального управления, объектами коммерческой недвижимости в ОАО «Производственно-коммерческая дирекция» (ОАО «ПДК») и Департаменте имущества г. Москвы (ДИгМ):

Объектом исследования являются объекты коммерческой недвижимости Российской Федерации.

Предметом исследования^ являются применения математических и инструментальных методов экономики для управления, объектами коммерческой-недвижимости.

Теоретической и методологической^ базой исследования являются системный подход к анализу экономических явлений и процессов, математические и инструментальные методы экономики, методы управления коммерческой недвижимостью, теория проектирования сложных информационных систем, методы искусственного интеллекта и принятия решений, научные положения и выводы, сформулированные в трудах отечественных и зарубежных ученых по математическому моделированию экономических объектов и. процессов, а также по вопросам разработки и внедрения информационных технологий.

Информационной базой исследования являются данные Росстата, государственные стандарты, законодательные и нормативно-правовые акты РФ, 9 связанные с тематикой диссертации, а также отчетные данные о результатах V работы ОАО «Производственно-коммерческая дирекция» и Департамента имущества г. Москвы.

Наиболее существенные научные результаты, полученные лично автором, заключаются в следующем:

1. На основе результатов анализа современных подходов к управлению государственной и муниципальной собственностью, а также математических методов и инструментальных средств, используемых при проведении массовой оценки рыночной стоимости объектов нежилого фонда, выделены классы задач управления коммерческой недвижимостью и соответствующие их подходы к построению математических моделей на этапе ее оценки, разработана матрица выбора рационального варианта построения нейро-сетевой модели, которая отличается учетом выделенных классов задач управления и характеристик анализируемых информационных потоков о состоянии регионального рынка недвижимости и позволяет получать более точные и устойчивые оценочные результаты.

2. Разработана комплексная интеллектуальная модель для оценки стоимости объектов недвижимости, находящейся в собственности Субъектов РФ, которая, в отличие от известных, включает нейро-сетевую подмодель для решения задач классификации, кластеризации и прогнозирования тенденций на региональном рынке недвижимости и нечетко-продукционную подмодель для определения степени применимости составляющих нейро-сетевой подмодели в зависимости от показателей имеющегося массива статистической информации, что обеспечивает агрегирование результатов применения частных нейро-сетевых моделей.

3. Разработана система показателей для оценки качества моделей массовой оценки рыночной стоимости объектов коммерческой недвижимости, которая в отличие от известных позволяет с учетом особенностей процедур оценки недвижимости (в том числе, закрепленных законодательно) определять такие характеристики, как точность, устойчивость во времени и объяснимость

10 информации, а также предложены методические рекомендации по актуализации и калибровке моделей, обеспечивающие эффективное распределение затрат на реализацию различных стратегий регионального управления объектами недвижимости, находящихся в собственности Субъектов РФ.

4. Предложена архитектура информационной системы поддержки принятия решений по региональному управлению объектами недвижимости, реализующая предложенные модели интеллектуального анализа информации, которая отличается наличием возможности визуализации результатов моделирования рыночной стоимости коммерческой недвижимости за счет организации интеграции с геоинформационной системой ОеоВгиШег.

5. Разработана методика организации процесса массовой оценки объектов недвижимости, которая отличается от известных наличием процедуры отбора, агрегирования и фильтрации характеристик объектов нежилой недвижимости, а также включает этап оценки экономической эффективности инвестиционных проектов по управлению коммерческой недвижимостью, использование которого позволяет учесть влияние различных рисков.

Достоверность и обоснованность научных результатов, выводов и рекомендаций диссертации определяются корректным применением методов финансового и экономического анализа, математических инструментальных методов экономики, проектирования информационных систем, теории нейронных сетей и нечеткой логики. Выводы и предложения диссертационного исследования не противоречат известным теоретическим и практическим результатам, содержащимся в трудах отечественных и зарубежных ученых в области экономики, организации и управления коммерческой недвижимостью.

Научная новизна работы состоит в разработанных подходах к построению математических моделей для оценки коммерческой недвижимости и матрице выбора рационального варианта архитектуры нейронной сети для решения задач по ее управлению; комплексной интеллектуальной модели для оценки рыночной стоимости объектов нежилого фонда; системе показателей И для оценки качества моделей, массовой оценки недвижимости;, архитектуре информационной системы поддержки принятия решений по региональному управлению объектами недвижимости, а также методике организации процесса массовой оценки объектов коммерческой недвижимости.

Значение полученных результатов для теории и практики;

1. Предложенные в диссертации подходы, к построению математических моделей оценки коммерческой недвижимости; комплексная интеллектуальная модель для оценки рыночной стоимости объектов недвижимости и система показателей; для- оценки ее: качества построенных моделей имеют существенное значение для теории и практики экономико-математического моделирования в части развития^ математического- аппарата^ анализа функционирования;рынка недвижимости.

2. Разработанная* архитектура информационной системы поддержки-принятия решений' по региональному, управлению объектами недвижимости, реализующая- предложенные модели интеллектуального анализа информации, имеет существенное, значение для теории и практики; построения информационных систем, в части развития инструментальных методов интеллектуального анализа данных. . •

3. Предложенные методика организации процесса оценки рыночной стоимости объектов коммерческой недвижимости и рекомендации по актуализации и калибровке модели массовой оценки развивают методический аппарат управления объектами недвижимости: в части совершенствования инструментов оценки их рыночной стоимости.

Сведения о реализации и целесообразности практического использования результатов.

1. Разработанные информационная система поддержки принятия решений по региональному управлению объектами коммерческой недвижимости, реализующая модели интеллектуального анализа информации, система показателей для оценки их качества, рекомендации по актуализации и калибровке построенной моделей, а также методика организации процесса

12 " . массовой оценки объектов муниципальной недвижимости практически использовались в ОАО «Производственно-коммерческая дирекция» и Департаменте имущества г. Москвы.

2. Предложенные комплексная интеллектуальная модель для проведения оценки рыночной стоимости объектов коммерческой недвижимости, а также система показателей для оценки качества используемых моделей массовой оценки может использоваться при осуществлении оценки различных видов недвижимого имущества.

3. Разработанная архитектура информационной системы поддержки принятия решений по региональному управлению объектами недвижимости, реализующая предложенные модели интеллектуального анализа информации, может найти широкое применение при реализации проектов по комплексной автоматизации оценочной деятельности.

Диссертация: заключение по теме "Математические и инструментальные методы экономики", Мунерман, Илья Викторович

3.4 Выводы по главе

В третьей главе предложена методика организации процесса проведения массовой оценки рыночной стоимости объектов коммерческой недвижимости, находящейся в муниципальной собственности, которая отличается от известных наличием процедуры отбора, агрегирования и фильтрации характеристик объектов нежилой недвижимости, а также разработанной системой показателей для оценки качества комплексной интеллектуальной модели. Кроме того, была разработана процедура оценки экономической эффективности инвестиционных проектов по региональному управлению коммерческой недвижимостью, использование которого позволяет учесть влияние различных рисков.

Также в данной главе описано современное состояние развития рынка коммерческой недвижимости города Москвы, проанализирован имущественный комплекс, находящегося в собственности г. Москвы, а также рассмотрен размер поступлений в городской бюджет от сдачи в аренду и продажи муниципальной собственности.

В рамках главы описаны результаты практического предложенной в диссертационной работе применения методики организации процесса проведения массовой оценки рыночной стоимости объектов коммерческой недвижимости и разработанной информационной системы поддержки принятия решений по региональному управлению объектами недвижимости. Их использование в ОАО «Производственно-коммерческая дирекция» и Департаменте имущества г. Москвы позволило повысить эффективность оценочной деятельности, а также оперативность и обоснованность управленческих решений в отношении объектов недвижимого имущества, находящихся в собственности города Москвы.

ЗАКЛЮЧЕНИЕ

Основными результатами данной диссертационной работы являются следующее:

1. Проведен анализ современных подходов к управлению государственной и муниципальной собственностью, а также математических методов и инструментальных средств, используемых при проведении массовой оценки рыночной стоимости объектов нежилого фонда, с учетом результатов которого предложены подходы к построению математических моделей для решения выделенных классов задач по управлению коммерческой недвижимостью, а также матрица выбора рационального варианта построения нейро-сетевой модели.

2. Разработана комплексная интеллектуальная модель для оценки стоимости объектов коммерческой недвижимости, которая включает нейро-сетевую подмодель для решения задач классификации, кластеризации и прогнозирования тенденций на региональном рынке недвижимости и нечетко-продукционную подмодель для определения степени применимости составляющих нейро-сетевой подмодели в зависимости от показателей имеющегося массива статистической информации.

3. Разработана система показателей для оценки качества моделей массовой оценки рыночной стоимости объектов коммерческой недвижимости, позволяющая с учетом особенностей процедур оценки недвижимости (в том числе, закрепленных законодательно) определять такие характеристики, как точность, устойчивость во времени и объяснимость информации.

4. Предложены методические рекомендации по актуализации и калибровке моделей, обеспечивающие эффективное распределение затрат на реализацию различных стратегий регионального управления объектами недвижимости, находящихся в собственности Субъектов РФ.

5. Разработана архитектура информационной системы поддержки принятия решений по региональному управлению объектами недвижимости,

132 реализующая предложенные модели интеллектуального анализа информации и интегрированная с геоинформационной системой СеоВгпІсІег.

6. Предложена методика организации процесса массовой оценки рыночной стоимости объектов коммерческой недвижимости, которая отличается от известных наличием процедуры отбора, агрегирования и фильтрации характеристик объектов нежилой недвижимости.

7. Разработана процедура оценки экономической эффективности инвестиционных проектов по управлению коммерческой недвижимостью, использование которого позволяет учесть влияние различных рисков.

8. Практическое применение предложенной в работе методики организации процесса массовой оценки рыночной стоимости объектов коммерческой недвижимости и разработанной информационной системы поддержки принятия решений по региональному управлению объектами недвижимости эффективность оценочной деятельности в ОАО «Производственно-коммерческая дирекция» и Департаменте имущества г. Москвы позволило повысить оперативность и обоснованность управленческих решений в отношении объектов недвижимого имущества, находящихся в собственности города Москвы.

ГЛОССАРИЙ

База данных — организованная в соответствии с определёнными правилами; и поддерживаемая в памяти компьютера; совокупность, данных, характеризующая актуальное состояние некоторой; предметной области, и используемая, для; удовлетворения информационных потребностей пользователей. , . .

V Верификация данных — доказательство; подтверждение истинности информации.

Доходный, подход - совокупность. методов оценки стоимости объекта оценки, основаннь1х на определении ожидаемь1х доходов от объекта оценки.

Затратный подход — совокупность методов оценки стоимости объекта оценки, основанных на определении- затрат, необходимых для восстановления либо замещения объекта;оценки, с учетом его износа.

Индивидуальная оценка - способ получения оценок . рыночных стоимостных характеристик объекта- недвижимости, с учетом анализа наиболее эффективного; его; использования путем сравнения с небольшим количеством аналогов., .

Искусственные нейронные сети —математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей —сетей нервных клеток живого организма.

Калибровка модели — это процесс адаптации формул массовой; оценки: к текущему состоянию рынка с расчетом неизвестных параметров; модели, например, поправок при сравнении продаж.

Классификация — отнесение объектов коммерческой? недвижимости к выделенным заранее классам. Классы объектов обычно устанавливаются в соответствие: с: используемой нормативной^ правовой базы в конкретном регионе.

Кластеризация объектов недвижимости - разбиение генеральной; . совокупности: объектов на несколько кластеров, число- и характеристики которых заранее неизвестно; ,

Кластерный анализ: - это совокупность методов;, позволяющих классифицировать многомерные наблюдения, каждое из которых описывается набором исходных переменных Х^Х2,.,Хт. .

Коммерческая' недвижимость -— это любые объекты недвижимости, используемые для. коммерческой деятельности с последующим извлечением постояннойшрибыли; ; ' ■

Массовая оценка —' систематизированный способ получения оценок рыночных стоимостных показателей' большой; группы однородных объектов недвижимости: с использованием методов статистической обработки информации на основе сравнительного анализа большого количества аналогов с использованием объективно измеряемых ценообразующих факторов, являющихся общими для всех аналогов.

Метод оценки - способ расчета стоимости объекта оценки в рамках одного из подходов к оценке.

Методика - описание приемов, способов, методов для выполнения определенных работ. •

Механизм — совокупность методов и средств воздействия на экономические процессы, их регулирование.

• Модель — это представление объекта или идеи в некоторой форме. Прогнозирование — специальное научное исследование; конкретных перспектив развития какого-либо процесса. Репрезентативная выбора — это выборка, в которой все основные признаки генеральной совокупности, из которой извлечена данная выборка, представлены приблизительно в; той же пропорции или с той же частотой, с которой конкретный признак выступает в этой генеральной совокупности;

Риск — вероятность потери предприятием части своих ресурсов, недополучения доходов или появления дополнительных расходов в результате осуществления деятельности.

Рыночная стоимость — наиболее вероятная цена, по которой объект оценки может быть отчужден на открытом рынке в условиях конкуренции, когда стороны сделки действуют разумно, располагая всей необходимой информацией, а на величине цены сделки не отражаются какие-либо чрезвычайные обстоятельства.

Система управления базами данных — совокупность программных и лингвистических средств общего или специального назначения, обеспечивающих управление созданием и использованием баз данных

Сравнительный подход - совокупность методов оценки стоимости объекта оценки, основанных на сравнении объекта оценки с аналогичными объектами, в отношении которых имеется информация о ценах сделок с ними.

Фактор - гипотетическая непосредственно неизмеряемая, скрытая (латентная) переменная в той или иной мере связанная с исходными наблюдаемыми переменными.

Цена — денежная сумма, предлагаемая или уплаченная за объект оценки или его аналог.

Экспертное оценивание - процесс измерения (оценивание), который можно определить как процедуру сравнения объектов (альтернатив) по выбираемым показателям.

Эффективность - отношение результата к затратам.