Виктор Александрович Горелик, д.ф.-м.н., ведущий научный сотрудник вычислительного центра им. А.А.Дородницына; профессор,
Москва.
Victor A. Gorelik, Dг. Sci. (Sociological), Leading Researcher; Professor,
Moscow.
Золотова Татьяна Валерьяновна, д.ф.-м.н., профессор кафедры моделирования и системного анализа,
Москва.
Tatiana V. Zolotova, Dг. Sci. (Sociological), Professor,
Moscow.
Цель исследования. Цель исследования состоит в разработке системы поддержки принятия решений в виде Telegram-бота, ориентированной на оценку инвестиционной привлекательности объектов недвижимости с использованием методов анализа статистических данных и прогнозирования.
Материалы и методы. Информационной базой исследования являются данные с платформы ЦИАН, содержащие сведения об объектах жилой недвижимости, предназначенных для продажи и аренды. Методологическая база исследования включает методы анализа статистических данных, машинного обучения, а также подходы к проектированию пользовательских интерфейсов в системах поддержки принятия решений. Все необходимые первичные расчеты и исследования выполняются с использованием функций языка программирования Python. Реализация системы поддержки принятия решений осуществлена в Google Colab с помощью библиотеки pyTelegramBotAPI
Результаты. Произведен сбор, очистка и предобработка информации по 16 городам России, проведено исследование цен аренды и продажи жилья. С помощью модели машинного обучения CatBoostRegressor были получены прогнозы стоимости аренды объектов, выставленных на продажу, что позволило рассчитать их ожидаемую доходность. Также был проведен анализ возможности использования ипотечного кредитования как инструмента повышения эффективности вложений. Реализована система поддержки принятия решений в виде Telegram-бота, способного выполнять оценку доходности объектов недвижимости и помогать пользователю в принятии решений на основе заданных параметров и прогнозных моделей. Работа Telegram-бота протестирована, продемонстрированы примеры использования, подтверждающие точность и полезность полученных расчетов.
Заключение. Разработанная система поддержки принятия решений способна давать рекомендации на основе анализа статистических данных рынка недвижимости и прогнозной модели. Система проста в использовании, ориентирована на частного инвестора, предлагает реальные объекты, представленные на рынке, автоматизирует процесс подбора и оценки объектов, позволяет сравнивать стратегии покупки с использованием ипотеки и без привлечения дополнительных средств.
Purpose of the study. The aim of the study is to develop a decision support system in the form of a Telegram bot, aimed at assessing the investment attractiveness of real estate objects using statistical data analysis and forecasting methods.
Materials and methods. The information base of the study is data from the platform – Central Real Estate Information Agency, containing information about residential real estate objects intended for sale and rent. The methodological base of the study includes methods of statistical data analysis, machine learning, as well as approaches to designing user interfaces in decision support systems. All necessary primary calculations and studies are performed using the functions of the Python programming language. The implementation of the decision support system was carried out in the Google Colab using the pyTelegramBotAPI library.
Results. Information was collected, cleared and pre-processed for 16 cities in Russia, and a study of rental and sale prices for housing was conducted. Using the CatBoostRegressor machine learning model, rental price forecasts for properties put up for sale were obtained, which made it possible to calculate their expected profitability. An analysis was also made of the possibility of using mortgage lending as a tool for increasing investment efficiency. A decision support system has been implemented in the form of a Telegram bot, capable of assessing the profitability of real estate and assisting the user in making decisions based on specified parameters and predictive models. The Telegram bot was tested, and examples of use were demonstrated, confirming the accuracy and usefulness of the calculations obtained.
Conclusion. The developed decision support system can provide recommendations based on the analysis of statistical data of the real estate market and a forecast model. The system is easy to use, focused on private investors, offers real objects presented on the market, automates the process of selection and evaluation of objects, and allows comparing purchase strategies using a mortgage and without attracting additional funds.
The authors declare that there are no conflicts of interest present.