№ 3

Permanent URI for this collection

https://ir.kneu.edu.ua/handle/2010/5148

Browse

Browsing № 3 by Subject "519.86+330.46"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Нечітка модель ідентифікації фаз на ринку нерухомості
    (ДВНЗ «Київський національний економічний університет імені Вадима Гетьмана», 2014-04-24) Масишко, Н. К.; Maksyshko, Nataliia; Шаповалова, В. О.; Shapovalova, Victoriia
    Ринок нерухомості як важливий сегмент фінансового ринку розглянуто з точки зору гіпотези когерентного ринку, яка поєднує нелінійну детерміністичну модель і статистичну динамічну модель, а її основне припущення полягає в тому, що в динаміці ринку присутні чотири фази: випадкового блукання, нестійкого переходу, хаотичного ринку та когерентного ринку. Інформаційну базу дослідження динаміки ринку становить статистична інформація щодо середньої ціни квадратного метру нерухомого майна на вторинному ринку житлової нерухомості, а також похідний від неї часовий ряд дохідностей. У статті розроблено метод ідентифікації фаз ринку нерухомості, що базується на використанні нечіткої моделі. Загальна схема методу складається з трьох блоків: І — містить нечітку модель ідентифікації фази ринку нерухомості (обумовлена високим рівнем невизначеності динаміки ціни на ринку, її властивостями нелінійності, нестаціонарності тощо); ІІ — верифікація моделі на базі співставлення результатів ідентифікації з даними експертного оцінювання; ІІІ — призначений для навчання моделі (оптимізації параметрів функцій належності, на основі яких здійснюється класифікація). Для побудови моделі обґрунтовано вибір вхідних (пояснюючих) факторів моделі, який полягає у виділенні найбільш інформативних ознак для класифікації фаз. З цією метою проаналізовані властивості динаміки дохідності нерухомого майна у фазах когерентного ринку, сформовано вимоги до кількісних показників. У результаті обрано кількісні характеристики динаміки, що отримано із застосуванням статистичного й комплексного фрактального аналізу та характеризують природу часового ряду, оцінюють його глибину пам’яті, локальну стійкість динаміки та наявність зсувів. Побудовано базу знань моделі. Застосування побудованої моделі дозволить провести якісний аналіз поточної ситуації на ринку нерухомого майна, надати рекомендації щодо вибору релевантного інструментарію прогнозування.