17.05.2022
Наш канал в Telegram: https://t.me/berzaru

Нейросеть научилась прогнозировать стоимость квартир

Прогнозирование стоимости квартир

Пермские учёные обучили нейросеть предугадывать стоимость городской недвижимости в зависимости от экономической ситуации. Например, информационная система учитывает курс доллара, цены на нефть, объёмы жилищного строительства и ипотечного кредитования. Идея и методика создания интеллектуальной системы получили высокую оценку рецензентов международного журнала Complexity, который входит в список журналов 1-го квартиля Scopus.

Применять новую разработку можно не только в сфере недвижимости, но и при расчёте имущественного налога. Для определения налоговой базы при налоговом администрировании показатели рыночной стоимости недвижимости являются ключевыми.

«Качественное моделирование рыночной стоимости недвижимости, мгновенно реагирующее на изменение экономической ситуации в регионе, стране и мире, будет способствовать более точному расчёту имущественного налога и справедливому распределению налоговой нагрузки. Наша система идеально подходит для формирования и регулярного обновления кадастровых данных, необходимых при расчёте имущественного налога граждан», – комментирует профессор кафедры прикладной математики и информатики ПГНИУ Леонид Ясницкий.

Высокая точность интеллектуальной системы достигается за счёт использования так называемых «тепловых карт», создаваемых вспомогательными нейронными сетями для каждого города России. Места расположения самых дорогих квартир окрашиваются в красный цвет, по мере удаления от ценового центра и снижения цен цвет становятся более холодным.

По словам разработчиков, пермская интеллектуальная система не имеет аналогов: в отличие от существующих систем она автоматически адаптируется к постоянно меняющимся макроэкономическим параметрам, например, выдерживает обвал цен на нефть и падение рубля, последствия Covid-пандемии. С помощью неё можно прогнозировать момент насыщения рынка недвижимости при увеличении жилищного строительства в том или ином городе. Она может применяться для поддержки в принятии решений при оптимизации строительного бизнеса.