Вкр. При Президенте Российской Федерации

• Название: При Президенте Российской Федерации
• Дата: 03.11.2021
• Размер: 1.12 Mb.
• Имя файла: Vkr_Bublik_A_d.docx
• Тип: Реферат; #262750
• страница: 4 из 4

2.3 Оптимизация выбора арендного предложения
Для построения многофакторной регрессионной модели использован инструмент «регрессия», находящиеся в наборе надстройки «Пакет анализа».

Входе применения данного инструмента отбирается входной интервал y – ставка аренды торгового помещения и входной интервал x – все отобранные факторы. Вывод результата со значениями остатков.

Из выведенных на таблицу MS Excel результатов применения инструмента «регрессия» использованы столбцы «предсказанное» (рассчитанная ставка по вычисленной формуле многофакторной регрессии) и «остатки» (разнится между реальной ставкой и рассчитанной).

Далее для оценки точности многофакторной регрессионной модели по каждой предсказанной арендной ставке вычисляется процент ошибки от реальной ставки из выборки по следующей формуле:



Далее функцией «=СРЗНАЧ(Диапазон)» определяется среднее значение ошибки предсказанной ставки – оценка точности модели. Проводится поиск и исключение статистических выбросов – значений предсказанной ставки с ошибками, превышающими 100%.

Далее проводится повторное использование инструмента «регрессия» (построение оптимизированной многофакторной регрессионной модели). При повторном выводе результатов проводится та же процедура, что и с неоптимизированной моделью.

Значения коэффициентов рассчитанной оптимизированной многофакторной регрессионной модели используются для построения уравнения объективного расчета (прогноза) ставки аренды торгового помещения.

Входе построения и оптимизации многофакторной регрессии выведена следующая формула:

«Ставка аренды торгового помещения» =256,1533317 + 126,9946855 «этаж» + 1011,774597 «высота потолков» +297,1074196 «здание» -87,9953695 "метро" +451,7344602 «вход» -6,961330712 «площадь» + 21,63908798 «ТЦ/ТРЦ».

На ее основе разработан калькулятор расчета оптимальной (объективной) арендной ставки – рис. 2.12



Рис.2.12 Калькулятор расчета объективной ставки аренды

Оценка точности рассчитанной многофакторной регрессионной модели –

42%;

Оценка точности рассчитанной многофакторной регрессионной модели после оптимизации – 34,8%.

Далее следует кластерный анализ. В рамках данной исследовательской работе данный анализ использован для нахождения оптимального местоположения новой торговой точки, исходя из жилых зданий и количества жильцов (так как они являются потенциальными клиентами) рассматриваемого района.

В процессе разработки комплексного аналитического инструментария с использованием MS Excel для проведения кластерного анализа (нахождения координат оптимального положения торговой точки) использован эволюционный метод поиска решения находящиеся в надстройки «Поиск решения». Для построения карты координат использована точечная диаграмма.

Первым этапом кластерного анализа является выбор района– рис. 2.13 и

определением жилых зданий с подсчетом в них условного количества жильцов.

Условное количество жильцов определяется как количество квартир в жилом здании умноженное на 3 (на условное количество проживающих в квартире жильцов). Информация об жилых домах взята из открытого интернет-источника.



Рис. 2.13 Выбранный квартал для применения кластерного анализа

Далее на карту выбранного района наносится система координат (х, y; в диапазоне от 0 до 9) и определяются координаты всех жилых зданий. После координаты заносятся в таблицу MS Excel.

Кластерный анализ проведен с разбиением на три блока:

1. 
   Нахождение оптимального местоположения торговой точки от количества жильцов в выбранном районе.
   

Рассчитывается сумма произведений количества жильцов и евклидовых расстояний по каждому жилому зданию. Данная сумма определяется как целевая функция с изменением значений координат (выбранных ячеек) искомой точки. Осуществляется поиск минимального значения целевой функции с выставлением ограничений равным наибольшим значениям координат выбранного района (х=8 и у=8).

Далее представлены результаты поиска решения с выводом координат на диаграмму– рис. 2.14. Для сравнительной оценки жилые здания группированы по количеству жильцов:



Рис. 2.14 Оптимизация местоположения по количеству жильцов.

Вычисленное минимальное значение целевой функции – 59968,29;

Вычисленные координаты оптимального места торговой точки:

х=4,85;

y=3,5.

2. 
   Нахождение оптимального местоположения торговой точки от количества жильцов в выбранном районе с учетом конкурентов.
   

Рассчитывается сумма произведений количества жильцов и евклидовых расстояний по каждому жилому зданию. Данная сумма определяется как целевая функция с изменением значений координат (выбранных ячеек) искомой точки. Определяются значения координат по условным конкурентам. Рассчитывается евклидово расстояние между координатами каждого условного конкурента и искомой точки.

Осуществляется поиск минимального значения целевой функции с выставлением ограничений: по наибольшим значениям координат выбранного района (х=8 и у=8) и по максимально допустимому значению расстояния до условного конкурента.

Далее представлены результаты поиска решения с выводом координат

на диаграмму– рис. 2.15. Для сравнительной оценки жилые здания группированы по количеству жильцов:



Рис. 2.15 Оптимизация местоположения по количеству жильцов с учетом условных конкурентов

Выбранные координаты условных конкурентов:

Конкурент1. x = 3,85; у=6,18.

Конкурент2. x = 5,4; у=4,63.

Установленное ограничение по максимальному значению расстояния до условных конкурентов – 1.

Вычисленное минимальное значение целевой функции – 54252,24;

Вычисленные координаты оптимального места торговой точки:

х= 4,62;

y= 5,4.

3. 
   Нахождение оптимального местоположения торговой точки от количества жильцов в выбранном районе с учетом нескольких точек.
   

Определяется количество искомых точек. Рассчитывается сумма произведений количества жильцов и евклидовых расстояний между каждым жилым зданием и каждой искомой точкой. Определяется наименьшее расстояние к искомой точки по каждому жилому зданию с помощью функции «=МИН.(Диапазон)». Целевой функцией является значение суммы всех наименьших евклидовых расстояний по каждому жилому зданию до искомой точки. Осуществляется поиск минимального значения целевой функции с изменением значений (ячеек) минимального евклидово расстояния по каждому зданию до искомой точки с выставленными ограничениями равными наибольшим значениям координат выбранного района (х=8 и у=8).

После с помощью функции «=ПОИСКПОЗ(Диапазон)» определяется номер искомой точки, до которой рассчиталось минимальное расстояние от каждого жилого здания. Получившиеся данные ранжируется по возрастанию и координаты жилых зданий переносятся на диаграмму карты выбранного района с группировки по кластерам.

Далее представлены результаты поиска решения с выводом координат на диаграмму– рис. 2.16.

На диаграмме выделены области кластеров по каждой торговой точке.



Рис. 2.16 Оптимизация местоположения и распределение на кластеры по количеству жильцов с учетом нескольких точек

Вычисленное минимальное значение целевой функции – 28028;

Вычисленные координаты оптимального места торговой точки:

1 точка. х=6,4; y=3,06.

2 точка. х=1,78; у=2,16.

3 точка. х=4,4; у=5,81.

Далее представлена инфографика по кластерам – рис 2.19 и рис.2.20



Рис. 2.19 Доля жилых зданий в кластерах



Рис. 2.18 Доля жильцов в кластерах

Благодаря разработанному калькулятору прогноза арендной ставки и проведенному кластерному анализу при трех условиях открытия торговой точки разработан инструментарий для выбора арендного предложения при открытии торговых точек.

Выводы по третьей главе

Построена математическая модель анализа данных при выборе арендного помещения. А дальше перечислите вот так - Для нахождения оптимального местоположения торговой точки от количества жильцов в выбранном районе с учетом конкурентов следует применять такую- то модель…..
Заключение

В результате выполнения выпускной квалификационной работы были решены следующие задачи:

1. 
   Дана общая характеристика рынка торговых помещений.
   

Здесь коротко – в результате исследования предметной области было выяснено, что рынок можно делить…., группировать… (в двух словах).

2. 
   Исследование алгоритмов обработки данных, характеризующих рынок арендных помещений
   

Подробно проанализировано применение алгоритмов для анализа данных, характерных для РАП - перечислите

2. Разработка математической модели для комплексного анализа рынка арендных помещений. Построены – перечислите регрессия….

Список литературы

1. 
   Айвазян С.А. «Прикладная статистика. Основы эконометрики» - Учебник для вузов: в 2 т. 2-е изд.испр. – Т.2. – М.: ЮНИТИ – ДАНА,2020. – 432 с.
   
2. 
   А. Ю. Алексеева, Е. Г. Ечевская, Г. Д. Ковалева, П. С. Ростовцев. Анализ социологических данных с применением пакета SPSS. Сборник практических заданий. — Новосибирск: Редакционно-издательский центр НГУ, 2019.
   
3. 
   Афанасьев В.Н., Юзбашев М.М., Гуляев Т.И. «Эконометрика» - М.: Финансы и Статистика, 2019.- 256 с.
   
4. 
   Буреева Н.Н. Многомерный статистический анализ с использованием ППП «Statistica», 2017, 112 с.
   
5. 
   Дорогонько Е.В. Обработка и анализ социологических данных с помощью пакета SPSS. – Издательский центр СурГУ. 2019
   
6. 
   Ким. Дж.О., Мьюллер Ч.У., Клекка У.Р. « Факторный, дискриминантный и кластерный анализ » - М.: Финансы и Статистика, 2019.- 215 с.
   
7. 
   Индикаторы рынка недвижимости [http://www.irn.ru/] (дата посещения 20.03.2021)
   
8. 
   Интернет-журнал MetrInfo [http://www.metrinfo.ru/](дата посещения 20.03.2021)
   
9. 
   Гарбузов Д.О., Стерхов А.В. Моделирование ставки дисконтирования при оценке коммерческой недвижимости методом дисконтированных денежных потоков / Д.О.Гарбузов, А.В.Стерхов // Актуальные вопросы современной науки. 2018. No 38. С.36-46.
   
10. 
    Громкова О. Н. Моделирование ценовых характеристик объектов рынка недвижимости методом массовой оценки. Автореферат дис. на соиск. к. э.н., СПб, 2017. – 18 с.
    
11. 
    Боголюбов А. Н. Основы математического моделирования. – М., 2003.
    
12. 
    Громкова О. Н. Моделирование ценовых характеристик объектов рынка недвижимости методом массовой оценки. Автореферат дис. на соиск. к. э.н., СПб, 2019. – 18 с.
    
13. 
    Громков О. В. Методы прогнозирования развития рынка недвижимости в мегаполисе. Автореферат дис. на соиск. к. э.н., СПб,2017.–18 с.
    
14. 
    Егоров А. Г. Математические модели и метод обработки информации для эффективного управления недвижимостью мегаполиса : автореф. дис. … канд. техн. наук / Егоров А. Г. ; НИИ "Вектор". – СПб, 2018. – 21 с.
    
15. 
    Коссова Е.В. и Шегоян В.А., «Моделирование ставки аренды офисной недвижимости»//Экономический журнал ВШЭ, №1 - 2018
    
16. 
    Управление коммерческой недвижимостью : учебник / кол. авторов; под ред. д_ра экон. наук, проф. М.Л. Разу. — М. : КНОРУС, 2019. — 248 с.
    
17. 
    Вестник ПГТУ. Математическое моделирование систем и процессов / под ред. П.В. Трусова: журнал. / Пермский государственный технический университет; под ред. В.Ю. Петрова. — Пермь: Изд-во ПГТУ, 2017.
    
18. 
    ундышева Е.С. Математическое моделирование в экономике: учеб. пособие для вузов / под ред. Б.А. Суслакова. — 2-е изд., перераб. и испр. М.: Дашков и К, 2016. - 350 с.
    
19. 
    
    
20. 
    42. Калянов Г.Н. Моделирование, анализ, реорганизация и автоматизация бизнес-процессов: учеб. пособие для вузов. — М.: Финансы и статистика, 2016. 239 с.
    
21. 
    
    
22. 
    43. Введение в математическое моделирование: учеб. пособие для вузов / В.Н. Ашихмин и др.; под ред. П.В. Трусова. — М.: Логос, 2015. — 439 с.
    
23. 
    
    
24. 
    44. Власов М.П. Шимко П.Д. Моделирование экономических процессов: учеб. пособие для вузов. — Ростов н/Д: Феникс, 2015. 410 с.
    
25. 
    
    
26. 
    45.
    
27. 
    
    
28. 
    46. Бахвалов Л.А. Моделирование систем: учеб. пособие для вузов. М.: Изд-во МГГУ, 2016. - 295 с.
    
29. 
    
    
30. 
    47. Леготкина Т.С. Моделирование систем управления. Исследование нелинейных моделей: учеб.-метод. пособие. — Пермь: Изд-во Перм. гос. техн. ун-та, 2018. 28 с.
    
31. 
    
    
32. 
    48. Самарский А.А. Михайлов А.П. Математическое моделирование: Идеи. Методы. Примеры. 2-е изд., испр. - М.: Физматлит, 2015. - 316 с.
    
33. 
    
    
34. 
    49. Моделирование и управление в сложных системах: сб. науч. ст. / Сарат. гос. техн. ун-т. — Саратов: Изд-во СГТУ, 2019. 102 с.
    
35. 
    
    
36. 
    50. Емельянов A.A., Власова Е.А., Дума P.B. Имитационное моделирование экономических процессов: учеб. пособие для вузов; под ред. A.A. Емельянова. М.: Финансы и статистика, 2015. — 365 с.
    
37. 
    
    
38. 
    51. Райцин В .Я. Моделирование социальных процессов. — М.: Экзамен, 2015. 190 с. - (Учебник Плехановской академии).
    
39. 
    
    
40. 
    52. Моделирование экономических процессов: учеб. для вузов / М.В. Грачева и др.; под ред. М.В.Грачева. М.: ЮНИТИ-ДАНА, 2015.351 с.
    
41. 
    
    
42. 
    53. Гладкий C.JI. Степанов H.A., Ясницкий JI.H. Интеллектуальное компьютерное математическое моделирование: учебное пособие / под ред. Л.Н. Ясницкого. Пермь: Изд-во ПГУ, 2015. - 158 с.
    
43. 
    
    
44. 
    54. Щенников С.Ю. Реинжиниринг бизнес-процессов. Экспертное моделирование, управление, планирование и оценка. М.: Ось-89, 2014. -288 с.
    
45. 
    
    
46. 
    55. Трояновский В.М. Математическое моделирование в менеджменте: учеб. пособие для вузов. — 2-е изд., испр. и доп. М.: РДЛ, 2020. - 252 с.
    
47. 
    
    
48. 
    56. Лоу A.M., Кельтон Д.В. Имитационное моделирование : пер. с англ.- 3-е изд. СПб.: Питер, 2014. - 846 с.
    
49. 
    
    
50. 
    57. Рыжиков Ю.И. Имитационное моделирование. Теория и технологии.- СПб.: Корона принт, 2014. 380 с.
    
51. 
    
    
52. 
    58. Лохотников К.Э. Математическое моделирование и вычислительный эксперимент: Методология и практика. М.: УРСС, 2018. — 279 с.
    
53. 
    
    
54. 
    59. Халиков М.А. Моделирование производственной и инвестиционной стратегий машиностроительного предприятия. М.: Благовест-В, 2018. - 297 с.
    
55. 
    
    
56. 
    60. Кундышева Е.С. Математическое моделирование в экономике: учебное пособие для вузов / под ред. Б.А. Суслакова. М.: Дашков и К, 2014.352 с.
    
57. 
    
    
58. 
    61. Чернышев С. Л. Моделирование экономических систем и прогнозирование их развития: учеб. для вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2018. - 231 с.
    
59. 
    
    
60. 
    62. Экономико-математическое моделирование: учебник для вузов / JI.B. Абланская и др.; под ред. И.Н. Дрогобыцкого. М.: Экзамен, 2014. -798 с.
    

1^ По данным веб-сайта портала по недвижимости «Restate»//Обзор цен продажи коммерческой недвижимости в Москве, 1 квартал 2021г.// URL: https://msk.restate.ru/graph/ceny-prodazhi-kommercheskoy/ (Дата обращения 22.01.2021)

2^ По данным веб-сайта портала по недвижимости «Restate»//Обзор цен аренды коммерческой недвижимости в Москве, 1 квартал 2021г.// URL: https://msk.restate.ru/graph/ceny-arendy-kommercheskoy/ (Дата обращения 22.01.2021)

1^ Веб-сайт инвестиционного портала города Москвы//Москва в цифрах// URL: https://investmoscow.ru/about-moscow/moscow-in-numbers/ (Дата обращения 21.01.2021)

2

1^ Веб-сайт рекламно-информационного портала по коммерческой недвижимости регионов России «Zdanie.info»// Рынок ТРЦ Москвы – итоги I квартала 2020 года// URL: https://zdanie.info/2393/2466/news/14191 (Дата обращения 23.01.2021)

1^ Веб-сайт интернет-сервиса «ЦИАН»//Что такое ЦИАН//URL: https://hc.cian.ru/hc/ru/articles/360020995392

2^ По данным веб-сайта портала о недвижимости//Классификация объектов коммерческой недвижимости// URL: http://www.realto.ru/journal/articles/klassifikatsiya-obektov-kommercheskoj-nedvizhimosti/ (Дата обращения 23.01.2021)

1^ См. приложения №1

1^ Урубков А.Р., учеб. Пособие: Статистические методы и модели в бизнесе — М.: Издательский дом «Дело» РАНХиГС, 2011. — 29 с.

1^ См. приложение №2

2^ См. приложение №3

3^ См. приложение №4