Ч а с т ь I v молодой ученый

Модели ценообразования на рынке жилой недвижимости Владивостока
Рыжова Анна Павловна, студент
Дальневосточный федеральный университет (г. Владивосток)
А
ктуальность данной темы доказывает тот факт, что 
рынок недвижимости имеет особую социальную на-
грузку, удовлетворение потребностей в жилище, улуч-
шение жилищных условий населения является важ-
нейшим элементом социальной политики, оказывающим 
влияние на демографическое и социально-экономическое 
развитие общества. Проблема моделирования стоимости 
жилой недвижимости становится все более актуальной, 
поскольку качественный прогноз позволяет снизить 
риски как для органов государственного управления, так 
и для риелторов, оценщиков, банкиров, собственников — 
юридических лиц и населения.
Цель данной работы заключалась в определении мини-
мально необходимого состава ценообразующих факторов, 
включение которых в регрессионную модель является 
обязательным в целях достижения адекватных резуль-
татов оценки, а также поиск модели, которая будет лучше 
всего предсказывать цену квартире на основе ее характе-
ристик.
Задачами данного исследования являются выбор не-
зависимых переменных, характеризующих объект вто-
ричной жилой недвижимости, изучение регрессионных 
моделей машинного обучения, поиск оптимальной мо-
дели, выбор переменных оказывающих наибольшее вли-
яние на прогностическую способность моделей.
Инструментом для реализации целей и задач является 
Pyhon и его модули.
Исследование было проведено на основе реальных 
предложений на рынке вторичной жилой недвижимости 
города Владивосток. Наиболее полно признаки представ-
лены на сайте [1]. Всего было собрано 1558 объявлений 
о продаже квартир и 35 признаков, характеризующих их, 
включая стоимость.
К характеристикам объектов относятся: его стоимость, 
площадь, количество комнат, этаж, ремонт, наличие ка-
кой-либо техники, мебели, тип санузла, наличие и вид 
балкона, высота потолков, является ли квартира евро 
квартирой, описание дома: его год постройки, район, ге-
ографические координаты, микрорайон, расстояние до 
центра, наличие парковок и т. д.
Полученная выборка была разделена на две части: об-
учающую (70 %) и тестовую (30 %). Обучающая выборка 
использовалась для тренировки моделей, а тестовая — для 
определения качества их предсказания.

---