Целью исследования является разработка методики оценки рыночной стоимости по совокупности ценообразующих факторов, подчиняющихся совместному логарифмически нормальному распределению. Под совместным логарифмически нормальным распределением понимается распределение случайного вектора, логарифмы компонент которого распределены совместно нормально. Предложен метод оценки рыночной стоимости по условному распределению цен при заданных значениях ценообразующих факторов, а также методы анализа цены предложения с точки зрения ее обоснованности, по условному распределению вектора ценообразующих факторов при заданной цене предложения. Рассмотрены особенности коэффициента застройки в зависимости от площади земельного участка. Приведены дополнительные аргументы в пользу оценки рыночной стоимости как моды условных законов распределения цен. Рассмотрен пример многомерного логарифмически нормального распределения цены и таких ценообразующих факторов, как площадь улучшений (устоявшийся в оценочном сообществе термин, означающий общую площадь возведенных на земельном участке зданий и сооружений) и площадь земельного участка на реальных данных, т.е. для случая трехмерного случайного вектора. Обоснована формула для определения точки абсолютного максимума плотности многомерного логарифмически нормального случайного вектора. Полученные результаты могут быть использованы при создании информационных систем поддержки принятия решений при оценке объектов недвижимого имущества.
We consider a stochastic model of changes of prices in real estate markets. We suppose that in a book of prices the changes happen in points of jumps of a Poisson process with a random intensity, i.e. moments of changes sequently follow to a random process of the Cox process type. We calculate cumulative mathematical expectations and variances for the random intensity of this point process. In the case that the process of random intensity is a martingale the cumulative variance has a linear grows. We statistically process a number of observations of real estate prices and accept hypotheses of a linear grows for estimations as well for cumulative average, as for cumulative variance both for input and output prises that are writing in the book of prises.
Целью исследования является развитие теоретических и методологических положений анализа отраслевых финансовых показателей. Актуальность выбранной темы подтверждается с одной стороны востребованностью отраслевых показателей у всех лиц, заинтересованных в финансово-сравнительном анализе предприятий, с другой стороны трудоемкостью и отсутствием методики выведения отраслевых показателей финансового анализа предприятий. Материалы и методы: В исследовании использовались системный и сравнительный анализ, методы экономического и финансового анализа финансовой отчетности предприятий отрасли и методы статистической оценки основных параметров выборки с логнормальным распределением. Основное внимание уделено применению многомерного статистического анализа, использованию модели логарифмически нормальных распределений, рекомендованных для распределений с ярко выраженной правосторонней асимметрией. В качестве статистического материала были использованы бухгалтерские данные предприятий отрасли по добыче сырой нефти и природного газа за 2016 год. Объем выборки составил 185 предприятия. В ходе исследования авторами решены следующие задачи: предложены этапы анализа определения отраслевых финансовых показателей, выполнена проверка гипотезы о логнормальном распределении маргинальных распределений основных финансовых показателей выборки, реализована проверка гипотезы о совместно нормальном распределении многофакторного случайного вектора финансовых показателей выборки, получены наиболее вероятные значения показателей финансового анализа для отрасли по добыче сырой нефти и природного газа. Результаты: Теоретической значимостью работы является предложенный авторами алгоритм расчета отраслевых показателей финансового анализа, отличающийся получением модальных значений на основе анализа многомерного логарифмически нормального распределения вектора финансовых показателей выборки предприятий. В ходе исследования авторами получены распределения по основным показателям с ярко выраженной правосторонней асимметрией и проведена проверка гипотезы о логнормальном распределении маргинальных распределений. В работе приведен алгоритм проверки гипотезы о совместной нормальности девятимерного случайного вектора. Получены медианные и модальные значения отраслевых и финансовых показателей. Авторами проведен анализ различий между медианными и модальными результатами исследования. Для анализа рассмотрен трехмерный случайный вектор, включающий выручку, рентабельность собственного капитала и оборачиваемость дебиторской задолженности. Отличие медианных и модальных результатов объяснятся правосторонней асимметрией распределения. Данные авторами рекомендации для определения отраслевых показателей финансового анализа предприятий отрасли по добыче сырой нефти и природного газа носят практический характер и применимы для других отраслей. Заключение. В работе показано, что ориентация на общеустановленные рекомендуемые значения показателей покрытия, финансового рычага, иммобилизации, рентабельности и оборачиваемости представляется некорректной в силу разнообразия специфических особенностей деятельности предприятий различных отраслей. Рекомендуем рассчитывать наиболее вероятные отраслевые коэффициенты по группам в зависимости от масштаба предприятия (выручки или капитализации).
This chapter deals with the simulation of traffic flow through toll plazas (hereinafter referred to as TPs) on an intraurban toll road. Toll plazas (TPs) and their functioning parameters are the sources of traffic congestion risk on toll roads. Three types of TPs are considered: at the exit from the toll road; on the main course of the road; at the exit from the road before the regulated intersection. As a transport micro-simulation methodology, discrete-event simulation of TPs using AnyLogic software is used. Each TP simulation model takes into account the specifics of traffic and user behavior. At the end of the chapter, conclusions are offered on the main factors influencing traffic congestion for each of the TPs. Based on the data obtained from the simulations, recommendations were made to improve the performance of the TP and the traffic light facility, reducing the risks of congestion on the research objects.