Прогнозирование индекса цен на недвижимость в России

Н. С. Никитина – младший научный сотрудник РАНХиГС при Президенте Российской Федерации (Москва). Е-mail: Этот адрес электронной почты защищен от спам-ботов. У вас должен быть включен JavaScript для просмотра.

Статья посвящена выбору наилучшей модели для краткосрочного прогнозирования индекса цен на недвижимость в России. Были рассмотрены популярные методы машинного обучения: Ridge и Lasso regressions, Elastic Net regression и методы работы с временными рядами: Naive, Exponential smoothing, ARIMA, OLS. Набор переменных включает в себя значения ВВП, инфляции, эффективного обменного курса, ставки межбанковского кредитования и цен на нефть. Методы машинного обучения – Ridge regression и Elastic Net regression – показывают высокое качество прогнозирования индекса цен на недвижимость по сравнению со стандартными методами работы с временными рядами – Naive, Exponential smoothing, ARIMA.

Статья подготовлена в рамках выполнения научно-исследовательской работы государственного задания РАНХиГС при Президенте Российской Федерации.

Ключевые слова: прогнозирование, индекс цен на недвижимость, машинное обучение.

JEL: C32, C53, R30.