Оценка рыночной стоимости земельных участков с помощью регрессионного анализа и данных о рыночной стоимости на основе изученных сделок
Читать статью полностью
Оценка рыночной стоимости земельных участков с помощью регрессионного анализа и данных о рыночной стоимости на основе изученных сделок(1,25 MB)Аннотация
В статье рассматриваются методы оценки рыночной стоимости земельных участков с помощью регрессионного анализа по данным о рыночной стоимости сделок. Был разработан метод оценки рыночной стоимости земельных участков. Регрессионный анализ выявляет зависимости между рыночной стоимостью и местоположением земельных участков. Данный подход включил в себя различные методы машинного обучения, такие как линейная регрессия, дерево решений и нейронные сети.
Ключевые слова:
регрессионный анализ – regression analysis, рыночная стоимость – market value, машинное обучение – machine learning, бустинговые модели – boosting models, авторегрессионная модель – autoregressive model.
Список литературы
1. Calculation of the weight coefficients of the criteria of the spatial factor and their interrelations with the investment objectives of the purchase of land plots / A. Kurlov, A. Dozmarov, V. Gorkova [et al.] // E3S Web Conf. – 2023. –Vol. 411, No. 02027. – P. 11.
2. Монин, А. А. Анализ и оценка факторов, влияющих на стоимость имущества предприятий, находящихся в процедуре банкротства / А.А. Монин // Финансовые аспекты структурных преобразований экономики: мате- риалы Всероссийской научно-практической конференции. – Иркутск: ИГУПС, 2011. – С. 270–274.
3. Абакумов, Р. Г. Специфика ценообразования на рынке недвижимости и оценка влияния местоположения на стоимость недвижимости в городе Белгороде / Р.Г. Абакумов, О.Н. Моргунова, Д.Д. Крылова //Инновационная экономика: перспективы развития и совершенствования. – 2018. – № 3 (29). – С. 5–10.
4. Овсянников, А. С. Местоположение как один из факторов, определяющих инвестиционную привлекательность объектов коммерческой недвижимости / А.С. Овсянников, Т.А. Боева // Экономика в инвестиционно строительном комплексе и ЖКХ. – 2019. – № 1 (16). – С. 78–83.
5. Беляева, А. В. Учёт пространственных факторов в массовой оценке объектов недвижимости: сравнение эффективности различных методов / А.В. Беляева // Управление большими системами. – 2015. – № 53. – С. 6–26.
6. Kurlov, A. Design of methodology for estimation of parcel investment attractiveness using spatially adjusted predictive modelling / A. Kurlov // E3S Web Conf. – 2023. – Vol. 431, No. 07033. – P. 8.
7. Курлов, А. В. Формирование базы пространственных данных для обучения предсказательной модели анализа инвестиционной привлекательности земельных участков / А.В. Курлов // International agricultural journal. – 2023. – [Электронный ресурс]. – URL: https://iacj.eu/index.php/iacj/article/view/881/857 (дата обращения: 21.09.2023).
8. NGBoost: Natural Gradient Boosting for Probabilistic Prediction / T. Duan, A. Avati, D.Y. Ding [et al.]. – [Электронный ресурс]. – URL: https://arxiv.org/pdf/1910.03225. pdf (дата обращения: 01.03.2023).
9. Hastie, T. The Elements of Statistical Learning. Data Mining, Inference and Prediction / T. Hastie, R. Tibshirani, J. Friedman. – [Электронный ресурс]. – URL: https://hastie. su.domains/Papers/ESLII.pdf (дата обращения: 01.03.2023).
10. CatBoost: unbiased boosting with categorical features / L. Prokhorenkova, G. Gusev, A. Vorobev [et al.] //arXiv:1706.09516v5 [cs.LG].
11. Клейнер, Г. Б. Экономика. Моделирование. Математика. Избранные труды / Г.Б. Клейнер. – Москва: ЦЭМИ РАН, 2016. – 856 с.