Оценивание ковариационной матрицы вектора (1) результатов расчётов по различным моделям и подготовка к вычислению оптимальной комбинации

Практика оценочной деятельности в Москве позволила выявить параметры объектов недвижимости (помещений), которые определяют их рыночную стоимость и ставку арендной платы, то есть являются ценообразующими факторами. К этим параметрам относятся:

. Площадь объекта.

. Месторасположение, определяемое либо географическими координатами,

либо принадлежностью к определённым ценовым зонам.

. Расстояние от центров влияния (центра города, станции метро, магистрали).

. Отдельно стоящее здание или часть здания.

. Этаж.

. Новостройка или объект, относящийся к вторичному рынку.

. Тип строения (кирпичное, блочное, панельное, другое).

. Состояние помещения (хорошее, евроремонт, другое).

. Состояние коммунальной системы (канализация, горячая вода и др.)

. Наличие охраны или охраняемой стоянки.

. Срок эксплуатации здания.

. Отношение объекта к архитектурным или культурным памятникам, его общественная значимость.

. Наличие льготных коэффициентов.

. Тип аренды (прямая или субаренда).

. Наличие отдельного входа.

. Наличие телефона (телефонных номеров).

Значения наиболее существенных ценообразующих факторов, таких как месторасположение и удалённость объекта оценки от локальных центров влияния (станции метро, магистрали и др.), оказалось возможным определить только при использовании геоинформационной системы (ГИС). Мы остановили свой выбор на геоинформационной системе GeoBuilder, которой также пользуются работники бюро технической инвентаризации (БТИ) Москвы.

Спецификации двух эконометрических моделей массовой оценки объектов недвижимости

Математическая модель массовой оценки объектов недвижимости должна быть адекватной, то есть обеспечивать прогнозы с допустимыми ошибками. Адекватность модели напрямую зависит от достоверности и точности собранных статистических данных, по которым данная модель настраивается.

Обработка собранной информации в виде значений ценообразующих факторов объектов недвижимости и рыночными ставками арендной платы позволила создать достоверный массив данных, насчитывающий около 15 тысяч записей об объектах недвижимости. Этот массив, интерпретируемый как обучающая выборка, был использован в процессе оценивания нескольких регрессионных моделей оценки ставок арендной платы в зависимости от функционального назначения объекта. Данные модели и реализующее их программное обеспечение являются блоком АИС «Система массовой оценки объектов недвижимости».

Нами были первоначально созданы две эконометрические нелинейные по параметрам модели массовой оценки объектов недвижимости. Состав объясняющих переменных данных моделей определялся, исходя из практики оценочной деятельности в Москве. Первая модель имеет спецификацию:

P(1) = А0 + А1*EXP(-A2*((Z1/(1-Z1))A3) +A4*EXP(-A5*(Z2/(1-Z2))A6) +

+A7*Wz + A8*(1-X1) +A9*Wм + A10*X2 +A11*X3 +A12*X4 +

+A13*X5 + A14*X6 + A15*X7 +A16*X8 +A17*X9 +A18*X10+A19*X11

+A20*X12 + A21*X13 + A22*X14 +A23*X15 +A24*X16 + u. (34)

Здесь: Z1 = ro/Rg - относительное расстояние между центром города и центром объекта;

ro - расстояние от центра города до центра объекта (м);

Rg - расстояние от центра города до его границы, по лучу, проходящему через центр объекта;

Z2 = rm/Rэ - относительное расстояние объекта от ближайшего выхода из метро;

rm - расстояние центра объекта до выхода из метро (м);

Rэ - эффективный радиус действия локального центра;

Wz - вес ценовой зоны, в которой находится объект;

Х1 - степень износа здания;

Wм - вес магистрали, на которой расположено здание;

Х2 - признак нахождения помещения в отдельно стоящем здании;

Х3 - признак капитального строения;

Х4 - признак материала стен «бетон»;

Х5 - признак материала стен «кирпич»;

Х6 - признак материала стен «панель»;

Х7 - признак состояния помещения «класс А»;

Х8 - признак состояния помещения «класс С»;

Х9 - признак состояния помещения «класс Е»;

Х10 - признак состояния помещения «класс F»;