Краткосрочное прогнозирование на основе технологии нейросетевого пространственно-параметрического моделирования

• Автор: Гордиенко, Владимир Алексеевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Краснодар
• Количество страниц: 152 с. : ил.

СОДЕРЖАНИЕ
Введение

1 Анализ проблемы прогнозирования

1.1 Общие принципы прогнозирования

1.2 Классификация по степени формализации.

1.3 Эвристическая методика прогнозирования

1.4 Методика прогнозирования на основе статистической регрессионной модели.

1.5 Метод нейронных сетей.

1.6 Прогнозирование на основе метода негармонического разложения

ценового тренда.

2 Управление и принятие решения

2.1 Концепции системного анализа и управления.
2.2 Проблемы эволюции недвижимости в пространстве и времени
2.3 Концепция стоимости недвижимости в пространстве и времени
2.4 Виды управления недвижимостью
2.5 Модели управления недвижимостью.
2.6 Организационные вопросы управления
2.7 Принятие управленческого решения
3 Системный анализ объекта исследования
3.1 Системный подход к исследованию рынка недвижимости
3.1.1 Структура системы и классификация объектов
3.1.2 Декомпозиция процессов функционирования.
3.1.3 Особенности рынка недвижимости
3.1.4 Рынок недвижимости как интегрированная категория рынка.
3.2 Моделирование рынка недвижимости.
3.2.1 Общие положения построения модели рынка недвижимости
3.2.2 Математические основы построения дискретных пространственнопараметрических моделей
3.2.3 Классификация объектов по качеству.
3.2.4 Разделение объектов на группы по размеру.
3.2.5 Зонирование территории города
Выводы.
4 Реализация метода прогнозирования индикаторов рынка недвижимости
4.1 Постановка задачи
4.2 Структура базы данных
4.3 Методология построения дискретной
пространственнопараметрической модели.
4.4 Статистическая обработка данных.
4.4.1 Построение ДППМ для текущего временного отрезка.
4.4.2 Двумерное разложение ДППМ.
4.4.3 Подготовка и нормализация данных
4.5 Интеллектуальная обработка данных.
4.5.1 Обучение множества нейронных сетей по всей предыстории.
4.5.2 Оценка качества обучения и выбор наиболее удачных сетей
при помощи корреляционного анализа
4.6 Регрессионное моделирование.
4.7 Сравнение полученных результатов с другими методами.
4.8 Критерии эффективности для данной задачи
4.9 Применение данного метода в других областях пауки.
Заключение.
Список использованных источников


Практическая значимость работы заключается в разработке и апробации метода краткосрочного прогнозирования индикаторов рынка недвижимости на основе технологии нейросетевого пространственно-параметрического моделирования. Рынок недвижимости нуждается в качественном анализе и прогнозировании, существующие методы прогнозирования плохо применимы в период отличающийся нестабильностью (период излома тенденции). Данный метод дает намного более точный прогноз. Разработанная методика краткосрочного прогнозирования используется для поддержки принятия решения на предприятиях: ООО «Агентство недвижимости ВИЛЛАН» (г. Краснодар), ООО «Домострой» (г. Краснодар) и ООО «Кубань Риэлт» (г. Краснодар). Основные положения диссертационной работы докладывались и обсуждались на -й Всероссийской научно-практической конференции «Инновационные процессы в высшей школе» (г. Краснодар, г. Международной конференции «Актуальные проблемы современной пауки» (г. Самара, г. Всероссийская конференция «Анализ и прогноз рынка недвижимости» (г. Санкт-Петербург, г. Всероссийской научной конференции «Научное творчество века» (г. Красноярск, г. Основной материал работы опубликован в 3 научных статьях (в том числе одна в издании из перечня ВАК) и 2 тезисах докладов. Диссертация состоит из введения, четырёх разделов, заключения, списка использованной литературы и приложений. Ее общий объем составляет 2 страницы машинописного текста. Работа содержит таблиц, рисунков, список литературы из 8 наименований. Под прогнозом понимается возможные состояния системы в будущем и сроки достижения этих состояний, а процесс получения прогнозов называют прогнозированием! Возможность прогнозирования различных сфер человеческой деятельности, является одним из важнейших достижений человеческой мысли, и в наши дни прогнозирование занимает важное место в различных отраслях науки. Параметрический прогноз - это прогноз изменения исследуемого показателя при выходе некоторого параметра, от которого он зависит, за пределы изученной области. Динамический прогноз - прогноз изменения исследуемого показателя во времени, за пределами изученного периода. Глубина предыстории - это протяженность наблюдений или периодов изменения исследуемого показателя. Горизонт прогноза - это количество периодов за пределами изученного — период, на который производится прогноз. В зависимости от горизонта прогноза, прогнозирование бывает долгосрочным, среднесрочным и краткосрочным. Конкретная величина возможного горизонта для каждого из видов прогноза зависит от содержания задачи, состояния конкретного сегмента рынка, и может существенно изменяться. Так, правительственные среднесрочные прогнозы развития экономики России имеют горизонт в 3 года. В настоящее время на рынке недвижимости рассматривается краткосрочный прогноз на период - 1-3 месяца, среднесрочный - на 1-1,5 года, долгосрочный - на 3-5 лет. Важно отметить, что для каждого из видов прогноза необходимо изучить различный перечень факторов, которые влияют на изменение исследуемого показателя. Достоверность прогноза оценивается погрешностью прогноза и ошибкой прогноза. Погрешность прогноза - это ожидаемая или фактическая величина (оцениваемая с заданной доверительной вероятностью) отклонения прогнозируемой величины от среднего прогнозного значения. В теории прогноз с погрешностью до % считается достоверным. Ошибка прогноза - это реализация прогноза с погрешностью более заданной. Достоверность прогноза может быть ожидаемой, прогнозируемой (априорной), а также фактической (апостериорной), рассчитанной после истечения периода прогнозирования на основе накопленных фактических данных за исследуемый период. Необходимо отличать понятие погрешности (ошибки) прогноза от поня гпя ошибки статистической модели (аппроксимации). Вторая выражает степень приближения модели к фактическим данным в период предыстории, в то время как первая - возможное в будущем отклонение фактических данных от прогноза. Корректировка прогноза - это пересчет и внесение изменений в прогноз до истечения срока его действия (горизонта прогноза) при изменении ситуации и/или отклонении фактической динамики от прогнозируемой.