48880

Прогнозирование доходности московского рынка жилой недвижимости

Курсовая

Финансы и кредитные отношения

Задачей данной работы является прогнозирование доходности жилой недвижимости Москвы. Рынок недвижимости практически во всех странах является одним из наиболее важных секторов экономики. Состояние рынка недвижимости отражает состояние экономики страны в целом риски экономики и ее возможности.

Русский

2013-12-16

235 KB

2 чел.

Государственный университет

Высшая школа экономики

Пермский филиал

Факультет  экономики

Кафедра  финансового менеджмента

работа по курсу оценка финансовых рисков

на тему прогнозирование доходности московского рынка жилой недвижимости

Студентов группы Э-03-3

Зотова С.А.

Иванова С.А.

Преподаватель:

доктор технических наук, профессор

Ясницкий Л.Н.

Пермь 2007

Задача. Задачей данной работы является прогнозирование доходности жилой недвижимости Москвы.

Метод. Данную задачу предполагается решить при помощи нейросимулятора.

Рынок жилья.

Рынок недвижимости практически во всех странах является одним из  наиболее важных секторов экономики. Состояние рынка недвижимости отражает состояние экономики страны в целом, риски экономики и ее возможности. Вся информация о рынке заключается в ценах продажи недвижимости. Для анализа выбран рынок московской недвижимости, так как он является наиболее развитым рынком недвижимости в России. Региональные рынки достаточно точно повторяют колебания Московского рынка с определенным лагом (обычно от 1 месяца до 1 года).

Фундаментальные факторы влияния на цену.

Стоимость жилой недвижимости зависит от большого количества факторов. Среди основных факторов стоимости жилой недвижимости необходимо выделить темпы инфляции, темп роста ВВП, темп роста реальных располагаемых доходов населения и др. Подробный анализ фундаментальных факторов в зависимости от времени представлен в таблице 1.

Таблица 1

Фундаментальные факторы влияния на цену

Год

В сторону повышения

В сторону понижения

2007

  1.  Ограниченность территории города, отсутствие подготовленных площадок для строительства.
  2.  Темпы инфляции, составляющие по прогнозу 10%.
  3.  Увеличение цены нефти на мировом рынке.

  1.  Введение нового законодательства, в частности отмена лицензирования на строительную деятельность. Это снизит административные барьеры, стоимость необходимого первоначального капитала.
  2.  Снижение ставки рефинансирования с 11% до 10,5%. Следовательно, кредиты строительным компаниям станут доступнее, предложение увеличится, цена на новостройки уменьшится.
  3.  Изменение налогового законодательства (налог на имущество будет взиматься исходя из рыночной стоимости недвижимости)
  4.  Увеличение темпов ввода жилья на 3%.

2008

 1. Предвыборная кампания, в результате которой может произойти повышение цен (на вторичном или первичном рынке жилья).

  1.  Предвыборная кампания, в результате которой возможна дестабилизация политической ситуации, снижающая инвестиционную привлекательность страны и регионов.
  2.  Увеличение темпов объема строительства на 15%.
  3.  Увеличение количества новых участников рынка, как результат введения нового законодательства в 2008 году.

2009

 1. Если цена на вторичное жилье будет выше первичного, а рынок строительства будет развиваться, то часть спроса с вторичного рынка жилья переключится на первичный рынок.

  1.  Увеличение темпов объема строительства жилья на 14%.
  2.  Снижение темпов инфляции.

2010

  1.  Использование материнского капитала, большая часть которого пойдет, предположительно на приобретение жилья или улучшения жилищных условий.
  2.  Развитие ипотечного кредитования строительства жилья.
  3.  Рост ВВП.
  4.  Переключение части спроса с рынка вторичного жилья на первичный рынок.
  5.  Рост доходов населения.
  6.  Повышение инвестиционной привлекательности страны и региона.
  1.  Увеличение объемов строительства в Перми в 2 раза (по сравнению с предыдущим годом).
  2.  Снижение темпов инфляции до 2-4%.
  3.  Возможное превышение доходности финансового сектора доходности строительной отрасли, что приведет к оттоку капитала и инвестиций из строительства.

Из всей совокупности факторов, в краткосрочном периоде, рынок недвижимости находится в наибольшей зависимости от инфляции,  государственного регулирования, ожиданий инвесторов относительно доходности недвижимости, времени года и доходности фондового рынка.

Текущая ситуация на рынке недвижимости Москвы.

Итоги сентября 2007 года окончательно подтвердили факт завершения стагнации на московском рынке недвижимости. Активность покупателей вернулась в нормальное русло, а ценовые показатели пусть и незначительно, но вновь начали рост.

В сентябре московская недвижимость отыграла несколько ценовых пунктов у происходившей в первой половине 2007 года коррекции стоимости жилья вниз. По данным аналитического центра www.irn.ru, средний уровень цен на жилье в столице вырос на 0,2% и составил 4.065 пунктов. Прирост цен по отдельным категориям квартир и в отдельных районах составил порядка 1%. Казалось бы, цены на квартиры в столице действительно пошли вверх, однако, формальная статистика далеко не всегда отражает реальное положение дел.

Московский рынок недвижимости является привлекательным для инвестиций, однако велики и риски неполучения ожидаемого дохода. Для снижения рисков и максимизации прибыли необходимо спрогнозировать доходность рынка.

 Ключевые факторы модели.

Предполагается, что на доходность рынка оказывают влияние пять ключевых факторов.

Индекс ценового ожидания предполагает оценки экспертов относительно доходности рынка на ближайшую перспективу. Все потребительские рынки сильно зависят от ожиданий покупателей относительно цены.

Доходность фондового рынка. Для определенной группы инвесторов недвижимость является таким же активом, как и ценные бумаги и инвестор вкладывает деньги на тот рынок, на котором выше доходность.

Инфляция является фактором, стимулирующим рост цен на жилье.

Стоимость недвижимость также сильно зависит от сезона. Как известно, деловая активность летом намного ниже, чем осенью, следовательно, летом, как правило, не стоит ожидать значительных колебаний на рынке жилья.

Различные государственные программы направлены на снижение стоимости недвижимости. Так программа «Доступное жилье» стимулирует спрос, а программа по увеличению темпов строительства – предложение на рынке жилья. Активность государства также оказывает влияние на стоимость жилья.

Проектирование модели.

Входные параметры:

X1 – политическая обстановка;

  1.  неблагоприятная
  2.  благоприятная

X2 – ожидаемая доходность;

X3 – доходность фондового рынка;

X4 – сезон:

  1.  январь-март
  2.  апрель-июнь
  3.  июль-сентябрь
  4.  октябрь-декабрь

X5 – инфляция;

Выходные параметры:

Y – доходность жилой недвижимости Москвы (в %);

Будем использовать  персептрон с одним скрытым слоем сигмоидных нейронов.

Персептрон должен не только правильно реагировать на примеры, на которых он обучен, но и уметь обобщать приобретенные знания, т.е. правильно  реагировать на примеры, которых в обучающей выборке не было. Статистическая выборка по основным факторам модели представлена в таблице 2.

Таблица 2.

Обучающая выборка. Тестируемые значения.

Построение нейросети.

Определение числа персептронов в скрытом слое воспользуемся формулой:

,

где Ny – размерность выходного сигнала (1);

Q – число элементов обучающей выборки (47);

Nw – необходимое число синаптических весов;

Nx – размерность входного сигнала (5).

Эта формула определяет интервал возможных значения числа персептронов, однако  она не дает однозначного  ответа. Интервал значений Nw для нашей задачи составил от 7 до 74. Тогда число персептронов составит от 2 до 12.

Чтобы выбрать оптимальное число персептронов внутреннего слоя, нужно построить нейронную сеть для всех значений из интервала 2-12. Критерием эффективности будут два вида ошибки: среднеквадратическая ошибка на обучающей выборке и максимальное отклонение на тестовой выборке.

Таблица 2. Результаты работы нейросетей с различными количествами персептронов скрытого слоя.

Действительная доходность жилья, доля

Число персептронов скрытого слоя

2

3

4

5

6

7

8

9

10

11

12

0.0035

0.0037

0.0025

0.0027

0.0009

0.002

0.0009

0.0007

0.002

0.001

0.0014

0.001

0.0035

0.0036

0.0025

0.0027

0.0009

0.002

0.0009

0.0007

0.0021

0.001

0.0014

0.001

0.0029

0.003

0.0026

0.0027

0.0009

0.002

0.0009

0.0007

0.0021

0.0008

0.0014

0.0009

0.0018

0.0015

0.0025

0.0027

0.0009

0.002

0.0009

0.0007

0.002

0.0007

0.0014

0.0009

0.0016

0.0014

0.0025

0.0027

0.0009

0.002

0.0009

0.0007

0.0019

0.0007

0.0014

0.0009

0.0015

0.0013

0.0025

0.0027

0.0009

0.002

0.0009

0.0008

0.0019

0.0007

0.0014

0.0009

0.0013

0.0007

0.0025

0.0027

0.0009

0.002

0.0009

0.0008

0.002

0.0007

0.0014

0.0009

0.0013

0.0007

0.0025

0.0027

0.0009

0.002

0.0009

0.0008

0.002

0.0007

0.0014

0.0009

0.0013

0.0009

0.0025

0.0027

0.0009

0.002

0.0009

0.0008

0.0019

0.0007

0.0014

0.0009

0.0009

0.0001

0.0026

0.0027

0.0009

0.002

0.0009

0.0008

0.002

0.0007

0.0015

0.0009

-0.0001

0.0012

0.0027

0.0027

0.0012

0.0014

0.0009

0.0007

0.0019

0.0007

0.0015

0.001

-0.0004

0.0009

0.0027

0.0027

0.0012

0.0013

0.0009

0.0007

0.0019

0.0007

0.0015

0.001

-0.0007

0.0001

0.0027

0.0027

0.0011

0.0013

0.0009

0.0007

0.002

0.0007

0.0015

0.001

-0.0008

-0.0003

0.0027

0.0027

0.0011

0.0013

0.0009

0.0007

0.002

0.0007

0.0015

0.001

-0.0011

-0.0006

0.0027

0.0027

0.001

0.0013

0.0009

0.0007

0.002

0.0007

0.0015

0.001

-0.0013

-0.0008

0.0027

0.0027

0.001

0.0013

0.0009

0.0007

0.002

0.0007

0.0015

0.001

-0.0021

-0.0012

0.0027

0.0024

0.0011

0.0013

0.0009

0.0008

0.0018

0.0008

0.0015

0.0011

-0.0024

-0.0015

0.0027

0.0023

0.001

0.0013

0.0009

0.0008

0.0019

0.0009

0.0015

0.0011

-0.0022

-0.002

0.0027

0.0026

0.0009

0.0019

0.0009

0.0009

0.002

0.0015

0.0008

0.001

-0.0025

-0.002

0.0027

0.0026

0.0009

0.0019

0.0009

0.0009

0.0021

0.0016

0.0006

0.001

-0.0035

-0.0019

0.0027

0.0009

0.001

0.0012

0.0009

0.0009

0.002

0.0012

0.0014

0.0011

-0.0036

-0.0019

0.0027

0.0009

0.001

0.0012

0.0009

0.0009

0.0021

0.0012

0.0014

0.0011

-0.0035

-0.0018

0.0027

0.0013

0.001

0.0012

0.0009

0.0009

0.0019

0.0011

0.0015

0.0011

-0.0031

-0.0017

0.0027

0.0019

0.001

0.0012

0.0009

0.0008

0.0019

0.001

0.0015

0.0011

-0.0025

-0.0012

0.0027

0.0023

0.001

0.0013

0.0009

0.0008

0.0018

0.0008

0.0015

0.0011

-0.0021

-0.0008

0.0026

0.0025

0.0011

0.0013

0.0009

0.0008

0.0017

0.0008

0.0015

0.0011

-0.0016

-0.0005

0.0026

0.0026

0.0011

0.0013

0.001

0.0008

0.0018

0.0007

0.0014

0.0011

-0.0013

0.0002

0.0025

0.0026

0.0012

0.0013

0.001

0.0007

0.0017

0.0007

0.0014

0.0011

-0.0012

0.0003

0.0025

0.0026

0.0012

0.0013

0.001

0.0007

0.0017

0.0007

0.0014

0.0011

-0.0014

-0.0015

0.0047

0.0054

0.0018

0.0006

0.0015

0.0009

0.0017

0.0009

0.0015

0.0016

-0.0012

-0.0009

0.0043

0.0032

0.0018

0.0006

0.0017

0.0009

0.0017

0.0009

0.0015

0.0017

-0.0012

-0.0009

0.0043

0.0032

0.0018

0.0006

0.0017

0.0009

0.0017

0.0009

0.0015

0.0017

-0.0008

-0.0001

0.004

0.001

0.002

0.0006

0.0021

0.0009

0.0017

0.0009

0.0014

0.0021

0.0004

0.0006

0.0059

0.0031

0.0011

0.0019

0.0013

0.0011

0.0016

0.0018

0.001

0.0014

0.0006

0.0006

0.0056

0.003

0.0011

0.0019

0.0013

0.0011

0.0016

0.0018

0.001

0.0013

0.0003

-0.0002

0.0067

0.0035

0.0011

0.0019

0.0012

0.0011

0.0016

0.0019

0.001

0.0012

-0.0002

-0.0007

0.0057

0.0036

0.0011

0.0018

0.0011

0.0011

0.0016

0.0019

0.0011

0.0011

-0.0002

-0.0009

0.0064

0.0041

0.0011

0.0018

0.0011

0.0011

0.0017

0.0019

0.001

0.0011

-0.0002

-0.0008

0.0063

0.0039

0.0011

0.0018

0.0011

0.0011

0.0016

0.0019

0.001

0.0011

0.0000

-0.0002

0.0052

0.0031

0.0011

0.0018

0.0012

0.0011

0.0016

0.0018

0.0011

0.0012

0.0007

0.0008

0.006

0.003

0.0011

0.0019

0.0014

0.0011

0.0016

0.0018

0.001

0.0014

0.0011

0.0016

0.0056

0.0029

0.0012

0.0019

0.0016

0.0011

0.0016

0.0019

0.001

0.0019

0.0033

0.0035

0.0026

0.0027

0.0009

0.002

0.0009

0.0007

0.0021

0.0009

0.0014

0.001

0.0037

0.0037

0.0025

0.0027

0.0009

0.002

0.0009

0.0007

0.0021

0.0011

0.0013

0.001

0.0021

0.0015

0.0027

0.0027

0.0009

0.002

0.0009

0.0007

0.0021

0.0007

0.0015

0.0009

0.0021

0.0017

0.0027

0.0027

0.0009

0.002

0.0009

0.0007

0.0021

0.0007

0.0015

0.0009

0.0023

0.0019

0.0027

0.0027

0.0009

0.002

0.0009

0.0007

0.0021

0.0007

0.0015

0.0009

0.0027

0.0026

0.0026

0.0027

0.0009

0.002

0.0009

0.0007

0.0021

0.0008

0.0015

0.0009

0.0029

0.0031

0.0026

0.0027

0.0009

0.002

0.0009

0.0007

0.0021

0.0008

0.0014

0.0009

0.0036

0.0038

0.0025

0.0027

0.0009

0.002

0.0009

0.0007

0.002

0.0011

0.0013

0.001

0.0023

0.0023

0.0026

0.0027

0.0009

0.002

0.0009

0.0007

0.0021

0.0007

0.0015

0.0009

среднеквадратическая ошибка

0.004582

0.006666

0.006864

0.004588

0.004822

0.004547

0.04484

0.005697

0.004823

0.004979

0.004716

максимальное отклонение на тестовой выборке

0.1667

0.3889

0.5

0.7429

0.9429

0.7429

0.8

0.4286

0.7241

0.6

0.7143

Рис. 1. Величины ошибок при разном числе персептронов скрытого слоя.

Как видно из графика, оба вида ошибок принимают наименьшее значение, если мы определяем 2 персептрона в скрытом слое нейросети.

Заключение

В настоящее время активно развивается новая прикладная область математики, специализирующаяся на искусственных нейронных сетях. Список примеров практического применения нейросетевых технологий огромен.  Рассмотренный в данной работе пример показывает, что нейросеть может стать весьма эффективным инструментом для построения самых разнообразных экономических моделей.

Нейросеть с двумя персептронами в скрытом слое, показала очень хорошие результаты не только на обучающей выборке (что недостаточно для суждения об эффективности нейросети), но и на тестируемой выборке, которая не была внесена в обучающий пример. То есть нейросеть доказала способность обобщать приобретенные знания.

Таким образом, спроектированная нейросетевая модель прогнозирования доходности вложений в жилую недвижимость в Москве эффективно выполняет поставленную задачу. Следовательно, она вполне применима для широкого использования на практике, что чрезвычайно ценно для девелоперских компаний, планирующих инвестиции в жилую недвижимость, для строительных фирм и многих других инвесторов.

Список литературы

  1.  Каминский А. В. Анализ практики оценки недвижимости - М: Финансы и статистика, 2005, 321стр
    1.  Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика – СПб: Питер, 2006, 257стр.
      1.  Ясницкий Л.Н. Введение в искусственный интеллект: Учеб. пособие для студ. высш. учеб. Заведений– М.: Академия, 2005 – 176стр.
      2.  Индексы рынка недвижимости – Эл. Ресурс – www.irn.ru


 

А также другие работы, которые могут Вас заинтересовать

22908. Транспонування визначника 33 KB
  В перший стовпчик визначника Δ1 запишемо елементи першого рядка визначника Δ не змінюючи їх порядок. Далі в другий стовпчик визначника Δ1 запишемо елементи другого рядка визначника Δ не змінюючи їх порядок і так далі. В nй стовпчик визначника Δ1 запишемо елементи nго рядка визначника Δ.
22909. Властивості визначників 96.5 KB
  Будемо формулювати і доводити властивості лише для рядків визначника але за попереднім зауваженням вони мають місце і для стовпчиків визначника. Нульовим рядком називається рядок визначника всі елементи якого дорівнюють 0. Нехай й рядок визначника Δ нульовий. Якщо в визначнику переставляються місцями два рядки то змінюється лише знак визначника.
22910. Теорема про розклад визначника за елементами рядка або стовпчика 67 KB
  Доповнюючим мінором елемента aij називається визначник Mij який одержуються викресленням з визначника Δ i го рядка та j го стовпчика. Ця теорема дозволяє звести обчислення визначника n го порядку до обчислення визначників порядку n1. Фіксуємо iй рядок визначника Δ та доведемо що всі добутки що складають доданок aijAij входять у визначник Δ причому з таким самим знаком як і у доданку aijAij.
22911. Визначник Вандермонда 32.5 KB
  Визначником Вандермонда n го порядку називається визначник. Доведення проведемо індукцією за порядком n визначника При n=2 Припустимо що твердження виконується для визначника Вандкрмонда Δn1 порядку n1 і знайдемо визначник Δn. Як відомо визначник не змінюється якщо від деякого рядка відняти інший рядок домножений на число. Тому у визначника Δn спочатку від останнього рядка віднімаємо рядок з номером n1 домножений на a1.
22912. Системи лінійних рівнянь 22 KB
  Система лінійних рівнянь називається сумісною якщо вона має принаймні один розв’язок. Система лінійних рівнянь називається несумісною якщо вона не має розв’язків. Сумісна система лінійних рівнянь називається визначеною якщо вона має єдиний розв’язок.
22913. ТЕОРЕМА КРАМЕРА 43.5 KB
  Αn1x1αn2x2αnnxn=βn Складемо визначник з коефіцієнтів при змінних α11 α12 α1n Δ= α21 α22 α2n αn1 αn2 αnn Визначник Δ називається головним визначником системи лінійних рівнянь 1. Якщо головний визначник Δ квадратної системи лінійних рівнянь 1 не дорівнює нулю то система має єдиний розв’язок який знаходиться за правилом: 2 Формули 2називаються формулами Крамера. Домножимо перше рівняння системи 1 на A11 друге рівняння – на А21 і продовжуючи так далі nе рівняння системи домножимо на Аn1. Отримаємо рівняння яке...
22914. Обчислення рангу матриці 20.5 KB
  Основними методами обчислення рангу матриці є методи оточення мінорів теоретичний і метод елементарних перетворень практичний. Методи оточення мінорів полягає в тому що в ненульовій матриці шукається базисний мінор. Тоді ранг матриці дорівнює порядку базисного мінору.
22915. Теорія систем лінійних рівнянь 24 KB
  Основною матрицею системи 1 називаються матриці порядку m x n. Ранг основної матриці системи A називається рангом самої системи рівнянь 1. Розміреною матрицею системи рівнянь 1 називається матриця порядку mxn1.
22916. Теорема Кронекера – Капелі (критерій сумісної системи лінійних рівнянь) 46 KB
  Припустимо що система сумісна і числа λ1λ2λn утворюють розв’язок системи. Вертикальний ранг основної матриці системи дорівнює рангу системи векторів a1a2an вертикальний ранг розширеної матриці співпадає з рангом системи векторів a1a2anb. Оскільки вектор b лінійно виражається через a1a2an за теоремою 2 про ранг ранги системи векторів a1a2an і a1a2anb співпадають.