Тип публикации: статья из журнала
Год издания: 2025
Идентификатор DOI: 10.17513/snt.40566
Ключевые слова: real estate market dynamics, non-stationary time series, time series cyclicality, integrated autoregressive moving average model, Fourier decomposition, model testing, динамика рынка недвижимости, нестационарный временной ряд, цикличность временных рядов, интегрированная модель авторегрессии - скользящего среднего, разложение Фурье, тестирование модели
Аннотация: Знание динамики рынка недвижимости необходимо всем участникам рынка: застройщикам, инвесторам, коммерческим банкам, государству, домохозяйствам. При этом прогнозирование временных рядов цен на недвижимость является сложной задачей из-за специфических особенностей временных рядов цен, таких как нестационарность, цикличность и зашумлПоказать полностьюенность. Целью исследования является прогнозирование динамики рынка недвижимости г. Красноярска методами, учитывающими особенности временных рядов цен на недвижимость. В работе использованы авторские модификации модели «Интегрированная авторегрессия - скользящее среднее» для учета нестационарности и зашумленности и метода «Разложение Фурье» для учета стационарности и цикличности. Модели тестировались на данных о стоимости квадратного метра на первичном и вторичном рынках за 2010-2025 годы как на коротких, так и на длительном временных промежутках. В качестве метрики качества модели была использована средняя абсолютная ошибка в процентах. Обе модели, согласно данной метрике, показали высокую точность прогнозов. При этом на длительных временных интервалах метод «Разложение Фурье» обеспечил более высокую точность, тогда как модель «Интегрированная авторегрессия - скользящее среднее» продемонстрировала лучшие результаты на коротких промежутках без выраженных циклов. Предложенные модификации методов эффективно учитывают особенности рыночной динамики и позволяют строить качественные прогнозы для участников рынка недвижимости. Understanding real estate market dynamics is essential for all market participants: developers, investors, commercial banks, governments, and households. However, forecasting real estate price time series is a complex task due to the specific characteristics of price time series, such as non-stationarity, cyclicality, and noise. The purpose of this study is to forecast real estate market dynamics in Krasnoyarsk using forecasting methods that take into account the specific characteristics of real estate price time series. In the fallowing paper were used the author’s modifications of the “Integrated Autoregressive Moving Average” model to account for non-stationarity and noise, and the “Fourier Decomposition” method to account for non-stationarity and cyclicality. The models were tested using data on the price per square meter in the primary and secondary markets for 2010-2025, covering both short and long periods. The mean absolute percentage error was used as the model quality metric. Both models demonstrated high forecast accuracy according to this metric. Moreover, over long time intervals, the Fourier decomposition method provided higher accuracy, while the integrated autoregressive moving average model demonstrated better results over short time intervals without pronounced cycles. The proposed method modifications effectively account for market dynamics and enable high-quality forecasts for real estate market participants.
Журнал: Современные наукоемкие технологии
Выпуск журнала: № 11
Номера страниц: 53-58
ISSN журнала: 18127320
Место издания: Москва
Издатель: ООО "Издательский дом "Академия естествознания"