Prof. habil. dr. Rimantas Barauskas
Kauno Technologijos Universitetas, Informatikos fak.
Taikomosios informatikos katedra

Nekilnojamo turto rinkos pokyčių vertinimo sistemos sudarymo galimybių analizė

Darbe spręsti uždaviniai: 1. Apžvelgti rinkos pokyčių vertinimo praktiką Lietuvoje ir užsienyje; 2. Įvertinti galimus duomenų šaltinius, jų integracijos galimybes; 3. Apžvelgti matematinius algoritmus, skirtus nustatyti tikslesnę NT vertę ir rinkos pokyčius; 4. Pateikti preliminarią nekilnojamojo turto IT infrastruktūrą bei vartotojo sąsajos viziją; 5. Pateikti preliminarią rinkos pokyčių vertinimo tyrimo centro struktūros ir veiklos modelio viziją; 6. Atlikti preliminarią turimų duomenų analizę NT objektų kainos prognozavimo kontekste. Išvados: 1. Darbe atlikta rinkos pokyčių vertinimo praktika Lietuvoje ir užsienyje apžvalga parodė, kad rinkos pokyčiams vertinti ir ekonomikos ciklų kategorijoms nustatyti naudojami tiek socialiniai, tiek ekonominiai rodikliai. Taip pat, kad rinkos pokyčių vertinimas gali būti naudojamas ne tik nekilnojamojo turto rinkoje, bet ir politinių sprendimų priėmime, rinkos būsenos ir su tuo susijusių veiksnių analizėje; 2. Nekilnojamojo turto rinkos pokyčiams vertinti reikalingi makroekonominiai ir pramonės sektoriaus rodikliai, akcijų kainos, prekių ir žaliavų kainų statistika, registrų centro ir informacija apie nekilnojamojo turto pasiūlą ir paklausą, regiono infrastruktūros informacija. Atlikus analizę prieita prie išvados, kad tik nedidelė dalis vertinimo sistemai reikalingų duomenų yra atvira ir prieinama per standartizuotas programines sąsajas; 3. Vertinant nekilnojamojo turto objektą priklausomai nuo naudojamų duomenų tipo turi būti parinkti tinkami matematiniai metodai – sekos tipo duomenims (makro rodikliams) taikoma laiko eilučių analizė ir klasterizacija, požymių išskyrimui iš objekto ir palydovinių nuotraukų – vaizdų analizė (segmentavimas), statistiniams registrų centro duomenims apdoroti – tiesinė ir netiesinė regresija. Pirminės duomenų analizės rezultatai gali būti apdorojami naudojami nekilnojamo turto objekto kainos prognozėje dirbtiniais neuroniniais tinklais; 4. Ataskaitoje pateikta nekilnojamojo turto vertinimo IT sistemos infrastruktūra bei vartotojo sąsajos vizija. Tokia sistema turėtų apimti duomenų surinkimą iš išorinių šaltinių, jų pirminį apdorojimą bei nekilnojamojo turto objekto kainos prognozavimą dirbtinio intelekto metodais pagal atrinktus panašius nekilnojamojo turto objektus ir rinkos būklę; 5. Darbe pateikta preliminari rinkos pokyčių vertinimo tyrimo centro struktūros vizija. Tokio centro veikla galėtų apimti duomenų surinkimo ir apdorojimo funkcijas, metodologijos nekilnojamojo turto objektų kainoms vertinti ir atskirų algoritmų vystymui. Tyrimo centras turėtų vienyti šiuo metu minėtas funkcijas atliekančias ir mokslo įstaigas; 6. Darbe realizuotos dvi prieigos, turinčios pagrindinius etapus nekilnojamojo turto objekto (buto) kainai prognozuoti ir siejančios makro rodiklius iš Lietuvos statistikos departamento bei įmonės sukauptus istorinius nekilnojamojo turto sandorių duomenis. Pirmojoje prieigoje taikytas k-vidurkių klasterizavimas savivaldybių panašumui vertinti bei panašumo koeficiento skaičiavimas objektui ir jo lyginamiesiems nustatyti pagal laiko, vietos ir būklės dedamąsias. Antrojoje prieigoje naudotas mašininis mokymas didžiausią įtaką kainai darančių požymių išskyrimui tam tikroje teritorijoje esantiems objektams. Pateiktos rekomendacijos duomenų imties praplėtimui ir papildomų rodiklių įtraukimui, kurios turėtų smarkiai pagerinti realizuotų modelių tikslumą.
Metai2018
FinansavoUAB Lituka
Reg. Nr.SV9-2070
Grįžti į sąrašą