Інформаційна система прогнозування цін на ринку нерухомості

Abstract

Актуальність даного дослідження полягає в необхідності точного прогнозування цін на ринку нерухомості для підтримки прийняття обґрунтованих рішень в умовах високої динамічності цього ринку. Використання сучасних методів машинного навчання дозволяє значно підвищити точність прогнозів і автоматизувати процес оцінки вартості нерухомості. Розробка програмного забезпечення для цієї задачі дасть можливість за допомогою інтерактивного інтерфейсу здійснювати швидкий і точний розрахунок вартості об'єктів на основі ключових факторів, що впливають на ціноутворення. Це, в свою чергу, дозволить знизити ризики при прийнятті рішень на ринку нерухомості та підвищити ефективність інвестиційних стратегій. Об’єктом дослідження є процес прогнозування цін на ринку нерухомості за допомогою інформаційної системи, що аналізує різноманітні фактори, які впливають на вартість нерухомості. Предметом дослідження є інформаційна система, що здійснює прогнозування цін на ринку нерухомості. Вона включає в себе методи та алгоритми аналізу даних, які використовуються для обробки інформації про об'єкти нерухомості та фактори, що впливають на формування цін. Метою дослідження є прогнозування цін на ринку нерухомості з використанням інформаційної системи, яка здійснює аналіз різноманітних факторів, що впливають на вартість об'єктів. В результаті виконання роботи було досліджено кілька методів для прогнозування цін на ринку нерухомості, зокрема лінійну регресію, множинну регресію, поліноміальну регресію, дерева рішень, випадковий ліс та XGBoost. Проаналізовано ефективність кожного з методів на основі тестових даних та оцінено точність моделей. Визначено основні переваги та недоліки кожного методу в контексті прогнозування цін на нерухомість. Також було розроблено інформаційну систему, в якій реалізовано ці методи для автоматизованого прогнозування цін на основі введених користувачем даних. Дана робота складається з чотирьох розділів. Кожен розділ відповідно присвячений: аналізу предметної області; структурі інформаційної системи, моделям і методам, що використані у роботі; аналізу та попередній обробці даних; реалізації інформаційної системи прогнозування цін на ринку нерухомості та аналізу отриманих результатів. Загальний обсяг роботи – 113 сторінок. Кваліфікаційна робота містить 9 додатків, 55 рисунків, 8 таблиць і 45 джерел посилання. A relevance of this study lies in the need for accurate price prediction on the real estate market to support informed decision-making in the context of the market's high dynamics. The use of modern machine learning methods significantly enhances the accuracy of predictions and automates the property valuation process. The development of software for this task will enable quick and precise property value calculations through an interactive interface, based on key factors that influence price formation. This, in turn, will help reduce risks in decision-making on the real estate market and improve the effectiveness of investment strategies. An object of research is the process of price prediction in the real estate market using an information system that analyzes various factors influencing property value. A subject of the research is an information system that performs price prediction in the real estate market. It includes methods and algorithms for data analysis used to process information about property objects and factors influencing price formation. A purpose of the study is to predict prices in the real estate market using an information system that analyzes various factors influencing the value of properties. As a result of the work, several methods for predicting prices in the real estate market were investigated, including linear regression, multiple regression, polynomial regression, decision trees, random forest, and XGBoost. The effectiveness of each method was analyzed based on test data, and the accuracy of the models was evaluated. The main advantages and disadvantages of each method in the context of real estate price prediction were identified. Additionally, an information system was developed that implements these methods for automated price prediction based on user-entered data. This work consists of four sections. Each of them is devoted to: the analysis of the subject area; the structure of the information system, models, and methods used in the work; data analysis and preprocessing; the implementation of the real estate price prediction information system, and the analysis of the obtained results. The overall scope of the work is 113 pages. Thesis contains 9 applications, 55 figures, 8 tables and 45 references in it.