Интеллектуальная модель прогнозирования продаж недвижимости на первичном региональном рынке

Предмет исследования: массив данных, включающий социально-экономические параметры транзакций на рынке первичного жилья Челябинской области.

Цель исследования: создать нейросетевую модель для прогнозирования объёмов продаж недвижимости с временным горизонтом в один год на основе ретроспективных данных. Прогностическая модель должна обладать простотой настройки и эксплуатации, а также предусматривать наличие интуитивно понятного пользовательского интерфейса.

Методы исследования: методология анализа данных CRISP-DM, корреляционный анализ, нормализация, k-fold кросс-валидация, построение полносвязной нейронной сети с двумя скрытыми слоями и сигмоидальной функцией активации, метод оптимизации L-BFGS.

Объект исследования: прогнозирование объёмов продаж на первичном региональном рынке жилищного строительства.

Основные результаты исследования: создана нейросетевая модель прогнозирования с использованием аналитической платформы Loginom Community, обладающая модульной структурой, что обеспечивает ее универсальность. Модель успешно прошла тестирование на валидационной выборке, продемонстрировав точность прогнозирования в 88,33 %.