| sovconsult |
| Ранг: |
Кандидат |
| Местонахождение |
Санкт-Петербург |
|
| Предыдущий визит: |
Friday, July 19, 2024 5:59:41 PM |
|
|
ФИО |
Murashev
Kirill
|
| Дата рождения |
6/24/1985 |
|
Пол |
Мужской
|
| E-mail |
kirill.murashev@gmail.com
|
| Страна |
Эстония |
| Область, край, республика |
Санкт-Петербург |
|
Город |
Санкт-Петербург
|
|
Адрес |
Tallinn
|
|
URL |
www.sovconsult.se
|
| В какой СРО оценщиков состоит |
09 - СПО Некоммерческое партнерство Саморегулируем |
| Специализация |
| оценщик действующего предприятия (бизнеса) |
| оценщик недвижимости |
| оценщик машин и оборудования |
| оценщик нематериальных активов |
| оценщик ценных бумаг |
| оценщик автотранспорта |
| юрист |
|
| Форма обучения |
СПбГИЭУ
Машиностроение
2007
очная (дневная)
|
| Год начала оценочной деятельности |
2008
|
| Оценочная деятельность |
СПбГУ
28.02.11
|
| Место работы |
ООО "Линкор"
Директор по оценке
|
|
|
|
Бурцев И. сообщал(а):sovconsult сообщал(а):Можете сказать что-то по существу статьи и её программной реализации --- говорите. Не нравится данное решение --- просто пройдите мимо. Внимание. Я уже говорил - " Это даже не статистика. Это даже не вероятность. Это бессмысленная с точки зрения выявления ценообразования - нарезка из математики. Это ничего общего с "доказательственной оценкой" (как утверждает в презентации автор) не имеет. Это НИКАКОГО смысла для суд.экспертов не имеет (автор в своей презентации утверждает обратное)." О чём Вам и кроме меня говорят люди в телеграмме.
А чего весь текст не капсом? И восклицательных знаков нужно побольше. А то как-то неубедительно. По сути есть что сказать? Начали читать статью хотя бы?
|
Бурцев И. сообщал(а):sovconsult сообщал(а): Вы сами признались, что просто не поняли статью из-за языкового барьера. Я не статью не понял из-за нерусского языка (Существуют переводчики в общем-то), я поделюсь ещё мнением в адрес Вашего "программного предложения" : ![]()
Да в чём проблема то? Можете сделать продукт лучше --- сделайте и поделитесь с сообществом. Можете сказать что-то по существу статьи и её программной реализации --- говорите. Не нравится данное решение --- просто пройдите мимо.
|
Бурцев И. сообщал(а):Я оценкой движимого имущества занимаюсь 20 лет. Я честно попытался понять. Хотя бы принцип. Не "как оно работает", а хотя бы принцип. Несмог. Не дано видимо. Кстати, как работают нейронные сети я когда-то понять смог. Дело даже не в том, что автор уверен что все когда-то учили английский язык (это не так!). Дело даже не в том, что устная речь автора "непомогает". Дело в другом - ЧТО ЭТО ?? как например на трёх аналогах можно получить квадратное уравнение, а потом ещё взять и получить среднее между значениями параметрических функций. Это даже не статистика. Это даже не вероятность. Это бессмысленная с точки зрения выявления ценообразования - нарезка из математики. Это ничего общего с "доказательственной оценкой" (как утверждает в презентации автор) не имеет. Это НИКАКОГО смысла для суд.экспертов не имеет (автор в своей презентации утверждает обратное). Сделанный вывод - на эту хрень время терять не стоит.
Автору, рекомендация: ознакомьтесь с методом качественных корректировок (а потом с методом усиленных качественных корректировок). Он тоже требует "суждение оценщика" и вполне работает НА ДВУХ аналогах.
Принцип описан в статье. Если кратко, то строится совместное распределение для треугольных распределений, которыми аппроксимируется эмпирическое распределение значений признаков. Второй вариант: бета-распределение, но пока остановился на треугольном. Корректировки --- это действительно доминирующий метод в практике оценщиков. И очень выгодный для продавцов справочников. Но есть и другие методы. Я считаю, что не стоит терять время на корректировки и справочники. Вы --- что на данный продукт. Вы сами признались, что просто не поняли статью из-за языкового барьера. Зачем тогда называть что-то хренью.
|
AssetWise: инструмент оценки в условиях неопределённости.
Бесплатное приложение для проведения оценки на основе методологии, предложенной в статье "A generalized method for valuing agricultural farms under uncertainty".
Область применения: оценка в условиях недостаточности рыночных данных. Вероятнее всего может найти применение в сфере оценки оборудования.
На данный момент готова версия для Linux. В ближайшее время будет версия для Windows.
Больше информации на русском языке:
https://t.me/AIinValuation/93
https://youtube.com/playlist?list=PLjbLGXjMzHWNcA6Gb9cijKp_D7vn85csy&si=3T66aDfvYe3i3JrW
|
Новая версия исследования рынка жилой недвижимости в многоквартирных домах в разрезе регионов. Источник исходных данных: Домклик.
Оглавление:
00. Сведения об использованных данных
0. Сведения о материалах, являющихся результатом данного исследования
1. Начало работы
2. Основные данные о рынке
2.1. Таблицы
2.2. Диаграммы
2.3. Проблемы неравенства регионов
2.3.1. Построение диаграмм ядерной оценки плотности
2.3.2. Расчёт коэффициента Джини
3. Кластеризация
4. Геоанализ по состоянию на 2023-10-31
4.1. Статичные карты
4.2. Интерактивные карты
5. Анализ временных рядов
5.1. Подготовка данных
5.2. Анализ номинальных рублёвых и физических индикаторов
5.2.1. Номинальные рублёвые цены
5.2.2. Объёмы
5.2.3. Сроки экпозиции на вторичных рынках
5.2.4. Скидки при переходе от цен предложений к ценам сделок
5.2.5. Соотношения показателей первичного и вторичного рынков
5.2.5.1. Соотношения индикаторов цен
5.2.5.2. Соотношения индикаторов объёмов
5.2.5.3. Соотношения индикаторов скидок
5.2.6. Гэпы между индикаторами первичного и вторичного рынков
5.2.6.1. Гэпы между индикаторами цен
5.2.6.2. Гэпы между индикаторами объёма
5.2.6.3. Гэпы между индикаторами скидок
5.3. Анализ динамики неравенства регионов
5.4. Анализ реальных рублёвых ценовых индикаторов
5.4.1. Обработка данных о годовых темпах инфляции
5.4.2. Расчёт месячной инфляции
5.4.3. Расчёт реальных цен для каждого региона и месяца
5.4.4. Визуализация реальных цен
5.5. Анализ номинальных долларовых ценовых индикаторов
5.5.1. Подготовка данных
5.5.2. Визуализация
5.6. Анализ реальных долларовых ценовых индикаторов
5.6.1. Обработка данных о годовых темпах инфляции
5.6.2. Расчёт месячной инфляции
5.6.3. Расчёт реальных цен для каждого региона и месяца
5.6.4. Визуализация реальных долларовых цен
Ссылка: https://nbviewer.org/github/Kirill-Murashev/sberindex/blob/master/ru_flats_2023_oct_rus.ipynb
Также теперь выпускаются ещё две версии:
1) на английском языке для оптимистов: https://nbviewer.org/github/Kirill-Murashev/sberindex/blob/master/ru_flats_2023_oct_eng.ipynb;
2) на китайском упрощённом — для пессимистов: https://nbviewer.org/github/Kirill-Murashev/sberindex/blob/master/ru_flats_2023_oct_chn.ipynb.
|
Мамаев Денис Леонидович сообщал(а):
Пользуйтесь.) Я уже сам не сильно помню, как что сделано. Работает и работает. Это промежуточный проект.
|
Мамаев Денис Леонидович сообщал(а):Спасибо за датасет. Интересно узнать ваше мнение о сервисах типа Data Hub, например этом. На ваш взгляд, жизнеспособная в российских реалиях схема сбора, хранения и использования оценщиками данных должна быть преимущественно распределенная (индивидуально, на базе оценочных компаний, региональных объединений) или преимущественно централизованная (например, обязанность платить СРО за данные)?
Ваша ссылка не открывается. Мне кажется, что озёра данных --- слишком ценный продукт, чтобы кто-то стал его выкладывать на сайте СРО бесплатно. Пока самое реальное, на мой взгляд, это корпоративные базы. Но это ударит по мелким оценщикам, которые не смогут иметь свои.
|
Предлагаю вниманию отчёт об оценке нового типа. Отчёт обезличен и может спокойно гулять по сети. Возможно, это один из первых full data-driven отчётов об оценке на русском языке и согласованный с российскими стандартами оценки. Все расчёты выполнены на Python. Практически весь текст написан не человеком, а GPT 4. На самом деле, не нужны никакие корректировки, справочники и т.п. Нужны только наборы данных и минимальные знания статистики и методов машинного обучения. Основные этапы оценки:
1) геоаналитика: в данном конкретном случае относительно простая в силу локальности рынка;
2) описательные статистики рынка;
3) проверка статистических гипотез о распределении;
4) определение значимых и незначимых признаков;
5) построение регрессионных моделей ценообразования и их применение к объекту оценки;
6) построение моделей на базе решающих деревьев;
7) согласование результатов: в данном случае все 9 моделей отработали настолько удачно, что разбег был только 6%, так что как таковое согласование не потребовалось.
В целом, в отчёте заложено 90% того, что нужно оценщику типовых объектов в 2023 году.
Отчёт.
Код.
|
Мамаев Денис Леонидович сообщал(а):sovconsult сообщал(а):два варианта sovconsult сообщал(а):по трём вариантам ИМХО избыточно. Такие подробности больше добавляют неопределенности в головах, чем увеличивают определенность в отрасли. Чей сервис геокодинга? Под вашим аккаунтом работает? Сколько запросов составляет бесплатная квота?
Пешеходная и транспортная доступность отдельно могут быть полезны. Лимита нет, если не бомбить сервис 1000 запросов в секунду. Это через API Google, бесплатно.
|
1.
Открытый датасет для оценщиков на основе реальных данных.
Скидки на торг на вторичном рынке квартир с января 2019 по февраль 2023. Данные обновлялись ежемесячно. Есть практически все регионы РФ. Данные взяты от Сбера (т.е. цены сделок из Домклика). Датасет в формате базы данных.
Пример запроса для данных о скидке на торг в Санкт-Петербурге в декабре 2021 года.
SELECT Region,
(SELECT Value FROM summary WHERE Date = '2021-12-31' and Region = 'City of Saint Petersburg' and Market = 'aftermarket') /
(SELECT Value FROM summary WHERE Date = '2021-12-01' and Region = 'City of Saint Petersburg' and Market = 'aftermarket') AS Bargaining_discount
FROM summary
WHERE Region = 'City of Saint Petersburg'
LIMIT 1;
https://github.com/Kirill-Murashev/datasets/blob/main/Saint-Petersburg/discont/Disc_on_barg-aparts-rus.db
2023-03-30. Добавлены данные по первичному рынку.
2.
Открытая база данных по срокам экспозиции квартир на рынке регионов РФ за период с января 2019 по февраль 2023 на основе данных Сбериндекс. Для использования требуется SQLite. Пример запроса:
SELECT region, value
FROM exposure
WHERE region = 'Republic of Karelia' AND date='2022-01-01';
https://github.com/Kirill-Murashev/datasets/blob/main/exposure_time/exposure_period_apts_sec-rus.db
|
|