УДК 33
Авторы:
Стерник Сергей Геннадьевич
Ведущий научный сотрудник Института народнохозяйственного прогнозирования Российской академии наук, профессор Финансового университета при Правительстве РФ, профессор Московского государственного строительного университета, доктор экономических наук, профессор (г. Москва)
Азаров Данила Владимирович
Аспирант Московского университета «Синергия» (г. Москва)
Название статьи:
МЕТОДИЧЕСКИЙ ПОДХОД К СТОИМОСТНОЙ ОЦЕНКЕ ЗЕМЕЛЬНЫХ УЧАСТКОВ ПРОИЗВОДСТВЕННОГО НАЗНАЧЕНИЯ НА ОСНОВЕ ТЕХНОЛОГИЙ МАШИННОГО ОБУЧЕНИЯ
Страницы:
111-120
Аннотация:
Предложен алгоритм индивидуальной стоимостной оценки земель производственного назначения, основанный на сравнительном подходе с применением статистического анализа и технологий машинного обучения. Алгоритм реализует разработанный авторами принцип поэтапной кумулятивной оценки, предусматривающий последовательное уточнение результатов по мере получения дополнительных данных о значимых факторах стоимости. Исследование продемонстрировало, что интеграция методов машинного обучения на этапе предобработки данных (включая кодирование категориальных признаков) позволяет эффективно комбинировать: 1. дискретное пространственно-параметрическое моделирование (первичную кластеризацию объектов на основе экспертных знаний в предметной области и интерполяционное прогнозирование стоимостных показателей для неполных кластеров; 2. корреляционно-регрессионный анализ (точную оценку влияния разноуровневых факторов стоимости за счёт чувствительности к дифференциации данных) и 3. возможности машинного обучения – автоматическое выявление скрытых статистических зависимостей через аналитический подход (exploratory data analysis). Такой синтез иерархически последовательно применяемых инструментов на основе предложенных авторами принципов межкатегориального анализа и поэтапной кумулятивной оценки образует новый комплексный методический подход, обеспечивающий гибкость и точность оценки, адаптируясь к объёму и структуре входных данных.
Ключевые слова:
Земельные участки, стоимостная оценка, сравнительный подход, статистические методы, машинное обучение.
Список использованных источников:
Финансирование научной работы:
Нет сведений.
Ссылка для цитирования:
Стерник С.Г., Азаров Д.В. Методический подход к стоимостной оценке земельных участков производственного назначения на основе технологий машинного обучения // Первый экономический журнал. – 2025. – №3. – С. 111–120.
URL статьи: https://naukavak.ru/pezh-№3-357_111-120/
© Стерник С.Г., Азаров Д.В., 2025
Материал распространяется на условиях лицензии Creative Commons «Атрибуция» 4.0 Международная (CC BY 4.0)
The authors:
Sternik Sergey Gennadyevich
Leading researcher at the Institute of Economic Forecasting of the Russian Academy of Sciences, professor at the Financial University under the Government of the Russian Federation, professor at the Moscow State University of Civil Engineering, Doctor of Economics, professor (Moscow)
Azarov Danila Vladimirovich
postgraduate student at the Moscow University «Synergy» (Moscow)
Article title:
Methodological approach to the valuation of industrial land plots based on machine learning technologies
Pages:
111-120
Abstract:
An algorithm for individual valuation of industrial land plots is proposed, based on a comparative approach using statistical analysis and machine learning technologies. The algorithm implements the principle of step-by-step cumulative valuation developed by the authors, which provides for consistent refinement of the results as additional data on significant cost factors are obtained. The study demonstrated that the integration of machine learning methods at the data preprocessing stage (including coding of categorical features) allows for the effective combination of: 1. discrete spatial-parametric modeling (primary clustering of objects based on expert knowledge in the subject area and interpolation forecasting of cost indicators for incomplete clusters); 2. correlation-regression analysis (accurate assessment of the influence of multi-level cost factors due to sensitivity to data differentiation) and 3. machine learning capabilities – automatic detection of hidden statistical dependencies through an analytical approach (exploratory data analysis). Such a synthesis of hierarchically sequentially applied tools based on the principles of intercategorical analysis and step-by-step cumulative assessment proposed by the authors forms a new comprehensive methodological approach that ensures flexibility and accuracy of assessment, adapting to the volume and structure of input data.
Keywords:
Land plots, cost assessment, comparative approach, statistical methods, machine learning.
