Пермские ученые разработали сервис, прогнозирующий изменения рыночной стоимости городских квартир
Группа учёных под руководством профессора Пермского университета Леонида Ясницкого обучила нейросеть предугадывать стоимость городской недвижимости в зависимости от экономической ситуации. Например, информационная система учитывает курс доллара, цены на нефть, объемы жилищного строительства и ипотечного кредитования.
Применять новую разработку можно не только в сфере недвижимости, но и при расчете 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 расчете имущественного налога граждан", — комментирует профессор кафедры прикладной математики и информатики ПГНИУ Леонид Ясницкий.
Высокая точность интеллектуальной системы достигается за счет 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 холодными.
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 нее 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.
Интеллектуальная система оценки стоимости квартир разработана в рамках гранта Российского фонда фундаментальных исследований. В проекте принимают участие сотрудники ПГНИУ и ПНИПУ.
