Искусственный интеллект в оценке стоимости - История изменений

Cyrill Murashev: Решение задач по оценке бизнеса

2025-04-18T19:22:52Z

Решение задач по оценке бизнеса

Natkirsh в 12:02, 16 января 2024

2024-01-16T12:02:38Z

Natkirsh в 11:47, 16 января 2024

2024-01-16T11:47:23Z

Cyrill Murashev в 18:30, 15 января 2024

2024-01-15T18:30:49Z

Cyrill Murashev в 18:29, 15 января 2024

2024-01-15T18:29:08Z

Kirill Murashev в 15:24, 19 марта 2023

2023-03-19T15:24:48Z

Kirill Murashev: Geocoding 3

2023-03-11T16:45:45Z

Geocoding 3

Kirill Murashev: Geocoding 2

2023-03-11T16:45:00Z

Geocoding 2

Kirill Murashev: Geocoding

2023-03-11T16:44:28Z

Geocoding

Kirill Murashev: TG

2023-03-08T10:07:26Z

← Предыдущая		Версия 19:22, 18 апреля 2025
Строка 57:		Строка 57:

	14. [https://t.me/AIinValuation/90 Коэффициент Джини в оценке]		14. [https://t.me/AIinValuation/90 Коэффициент Джини в оценке]
		+
		+	15. Решение всех задач базы по оценке бизнеса: https://web.tresorit.com/l/ENH5E#h2qO_xBz6ZiiZA6qIGZ0SA

@@ Строка 16: / Строка 16: @@
 Обсуждение:
-[https://www.facebook.com/groups/1977067932456703/?ref=share в соцсети*]
+[https://www.facebook.com/groups/1977067932456703/?ref=share в соцсети*]<ref>* соцсеть принадлежит компании «Мета» (Meta Platforms Inc.), данная организация признана экстремистской и запрещена на территории РФ</ref>
 [https://t.me/AIinValuation в телеграме]
@@ Строка 22: / Строка 22: @@
 Statistics, Machine Learning, Data Mining and Artificial Intelligence in Valuation
-git clone https://github.com/Kirill-Murashev/AI_for_valuers_book
+* [https://github.com/Kirill-Murashev/AI_for_valuers_book git clone_Kirill-Murashev_AI_for_valuers_book]
+* [https://github.com/Kirill-Murashev/AI_for_valuers_R_source git clone_Kirill-Murashev_AI_for_valuers_R_source]
-git clone https://github.com/Kirill-Murashev/AI_for_valuers_R_source
+* [https://github.com/Kirill-Murashev/AI_for_valuers_Python_source git clone_Kirill-Murashev_AI_for_valuers_Python_source]
 Отдельные работы:
-. Краткое введение в различия между частотным и байесовским подходами к вероятности в оценке стоимости
+. [http://kvalexam.ru/images/7/78/Frequentist-and-Bayesian-probability.pdf Краткое введение в различия между частотным и байесовским подходами к вероятности в оценке стоимости]
-. Обоснование необходимости вычитания единицы при расчёте выборочной дисперсии
+. [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Sample-variance/Sample-variance-subtract-one.md Обоснование необходимости вычитания единицы при расчёте выборочной дисперсии]
-. Практическое применения U-критерия Wilcoxon-Mann-Whitney в оценочной деятельности
+. [https://github.com/Kirill-Murashev/AI_for_valuers_book/tree/main/Parts-Chapters/Mann-Whitney-Wilcoxon Практическое применения U-критерия Wilcoxon-Mann-Whitney в оценочной деятельности]
-. Приведение данных, имеющих распределение отличного от нормального, к нормальному путём преобразования Box-Cox
+. [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Box-Cox-R/Box-Cox-transformation.md Приведение данных, имеющих распределение отличного от нормального, к нормальному путём преобразования Box-Cox]
-. Обработка выбросов в рыночных данных (https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Outliers-handling/Outliers.ipynb)
+. [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Outliers-handling/Outliers.ipynb Обработка выбросов в рыночных данных]
-. Электронная таблица для преобразования рыночных данных по методу Box-Cox, а также вычисления оптимального значения лямбда (https://web.tresorit.com/l/gMSV3#lZ4ZYpX6SWR9mWF1GK3bVg)
+. Электронная таблица для преобразования рыночных данных по методу Box-Cox, а также вычисления оптимального значения лямбда ([https://web.tresorit.com/l/gMSV3#lZ4ZYpX6SWR9mWF1GK3bVg здесь])
-. Электронная таблица для проверки нормальности распределения рыночных данных (на данный момент реализованы методы Шапиро-Уилка, Андерсона-Дарлинга, Харке-Бера, Колмогорова-Смирнова, Хи-квадрат) (https://drive.google.com/file/d/1Ft8VtvlpXALMmcqExKipWgD_bGZwK5r1/view?usp=sharing)
+. Электронная таблица для проверки нормальности распределения рыночных данных (на данный момент реализованы методы Шапиро-Уилка, Андерсона-Дарлинга, Харке-Бера, Колмогорова-Смирнова, Хи-квадрат) ([https://drive.google.com/file/d/1Ft8VtvlpXALMmcqExKipWgD_bGZwK5r1/view?usp=sharing тут])
-. Электронная таблица для расчёта трёх коэффициентов корреляции: Пирсона, Спирмена, Кендалла (https://drive.google.com/file/d/1hqxxA4_7HjkisNTEi4-fKaQnvcmKBXVi/view?usp=sharing)
+. Электронная таблица для расчёта трёх коэффициентов корреляции: Пирсона, Спирмена, Кендалла ([https://drive.google.com/file/d/1hqxxA4_7HjkisNTEi4-fKaQnvcmKBXVi/view?usp=sharing здесь])
 . Jaccknife resampling. При анализе данных об открытых рынках оценщики часто сталкиваются с необходимостью оценить некоторые параметры этих рынков. Однако, скорее всего, у них никогда не будет возможности работать с данными по всему рынку. Вместо этого они собирают выборки, содержащие относительно небольшое количество наблюдений. Необходимо понимать, что любая оценка, сделанная на основе выборки, актуальна только для этой выборки. В то время как типичной целью является оценка параметра для всего рынка. В этом случае можно сказать, что любая выборочная оценка может иметь смещение относительно истинного значения всего рынка. Но мы можем частично преодолеть эту проблему, применив метод Jackknife. Данный материал содержит некоторые теоретические основы, а также практическую реализацию на Python. [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Jackknife/jackknife.ipynb Английская], [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Jackknife/jackknife-esp.ipynb испанская] и [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Jackknife/jackknife-nov.ipynb русская] версии материала.
@@ Строка 58: / Строка 52: @@
 [https://t.me/AIinValuation обсуждение на русском языке]
-. AssetWise 1.0.0: инструмент оценки в условиях неопределённости. Бесплатная программа для оценки в условиях недостатка данных. https://t.me/AIinValuation/93
+. AssetWise 1.0.0: инструмент оценки в условиях неопределённости. [https://t.me/AIinValuation/93 Бесплатная программа для оценки в условиях недостатка данных]
-. Версия исследования рынка жилой недвижимости в многоквартирных домах в разрезе регионов по состоянию на 2023-11-30. Источник исходных данных: Домклик. https://t.me/AIinValuation/94
+. [https://t.me/AIinValuation/94 Версия исследования рынка жилой недвижимости в многоквартирных домах в разрезе регионов по состоянию на 2023-11-30. Источник исходных данных: Домклик.]
-. Коэффициент Джини в оценке. https://t.me/AIinValuation/90
+. [https://t.me/AIinValuation/90 Коэффициент Джини в оценке]

@@ Строка 16: / Строка 16: @@
 Обсуждение:
-https://www.facebook.com/groups/1977067932456703/?ref=share
+[https://www.facebook.com/groups/1977067932456703/?ref=share в соцсети*]
-https://t.me/AIinValuation
+[https://t.me/AIinValuation в телеграме]
 Материалы:

← Предыдущая		Версия 18:30, 15 января 2024
Строка 61:		Строка 61:

	13. Версия исследования рынка жилой недвижимости в многоквартирных домах в разрезе регионов по состоянию на 2023-11-30. Источник исходных данных: Домклик. https://t.me/AIinValuation/94		13. Версия исследования рынка жилой недвижимости в многоквартирных домах в разрезе регионов по состоянию на 2023-11-30. Источник исходных данных: Домклик. https://t.me/AIinValuation/94
		+
		+	14. Коэффициент Джини в оценке. https://t.me/AIinValuation/90

← Предыдущая		Версия 18:29, 15 января 2024
Строка 57:		Строка 57:
	[https://youtu.be/HTsJwf42_W4 Видеоинструкция на русском языке]		[https://youtu.be/HTsJwf42_W4 Видеоинструкция на русском языке]
	[https://t.me/AIinValuation обсуждение на русском языке]		[https://t.me/AIinValuation обсуждение на русском языке]
		+
		+	12. AssetWise 1.0.0: инструмент оценки в условиях неопределённости. Бесплатная программа для оценки в условиях недостатка данных. https://t.me/AIinValuation/93
		+
		+	13. Версия исследования рынка жилой недвижимости в многоквартирных домах в разрезе регионов по состоянию на 2023-11-30. Источник исходных данных: Домклик. https://t.me/AIinValuation/94

@@ Строка 54: / Строка 54: @@
 . Геокодирование и расчёт дистанции между объектами. Разработал электронную таблицу (Google Sheets), получающую координаты объектов по их адресу либо названию, которая затем рассчитывает расстояние между ними. Обеспечивает определённую степень автоматизации при работе с геоданными для оценщиков.
-[https://docs.google.com/spreadsheets/d/1qp_8IFgTKykMtTG5EaAMvUdY-fMSSOG81Ebo0Unr05g/edit?usp=sharing Таблица]
+[https://docs.google.com/spreadsheets/d/1reaO4XeWRMj7XoDCROp5boWp1uvc-3Cqk4DKKdCuVtE/edit?usp=sharing Таблица]
 [https://youtu.be/HTsJwf42_W4 Видеоинструкция на русском языке]
 [https://t.me/AIinValuation обсуждение на русском языке]

← Предыдущая		Версия 16:45, 11 марта 2023
Строка 59:		Строка 59:
	[https://youtu.be/HTsJwf42_W4 Видеоинструкция на русском языке]		[https://youtu.be/HTsJwf42_W4 Видеоинструкция на русском языке]
	[https://t.me/AIinValuation обсуждение на русском языке]		[https://t.me/AIinValuation обсуждение на русском языке]
−	~~Видеоинструкция на русском языке: https://youtu.be/HTsJwf42_W4~~

← Предыдущая		Версия 16:44, 11 марта 2023
Строка 52:		Строка 52:

	10. Бутсрап в оценке стоимости. Материал о применении бутстрапа в оценочной деятельности на примере разработки элементов кредитной политики небольшого банка. В целом можно сказать, что данный метод является одним из краеугольных камней машинного обучения и может быть использован практически повсеместно в повседневной практике оценщиков. Материал состоит из небольшой теоретической части, а также кода на языке Python. Доступен на [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Bootstrap/bootstraping_CP.ipynb английском], [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Bootstrap/bootstraping_CP-esp.ipynb испанском] и [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Bootstrap/bootstraping_CP-nrs.ipynb русском языках].		10. Бутсрап в оценке стоимости. Материал о применении бутстрапа в оценочной деятельности на примере разработки элементов кредитной политики небольшого банка. В целом можно сказать, что данный метод является одним из краеугольных камней машинного обучения и может быть использован практически повсеместно в повседневной практике оценщиков. Материал состоит из небольшой теоретической части, а также кода на языке Python. Доступен на [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Bootstrap/bootstraping_CP.ipynb английском], [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Bootstrap/bootstraping_CP-esp.ipynb испанском] и [https://github.com/Kirill-Murashev/AI_for_valuers_book/blob/main/Parts-Chapters/Bootstrap/bootstraping_CP-nrs.ipynb русском языках].
		+
		+	Геокодирование и расчёт дистанции между объектами.
		+
		+	Разработал электронную таблицу (Google Sheets), получающую координаты объектов по их адресу либо названию, которая затем рассчитывает расстояние между ними. Обеспечивает определённую степень автоматизации при работе с геоданными для оценщиков.
		+	[https://docs.google.com/spreadsheets/d/1qp_8IFgTKykMtTG5EaAMvUdY-fMSSOG81Ebo0Unr05g/edit?usp=sharing Таблица]
		+	[https://youtu.be/HTsJwf42_W4 Видеоинструкция на русском языке]
		+	[https://t.me/AIinValuation обсуждение на русском языке]
		+	Видеоинструкция на русском языке: https://youtu.be/HTsJwf42_W4

@@ Строка 15: / Строка 15: @@
 # нейронные сети: перцептрон, свёрточные.
-Обсуждение: https://www.facebook.com/groups/1977067932456703/?ref=share
+Обсуждение:
 Материалы: