ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

12
Содержание
том 62 / Декабрь, 2019
СТАТЬЯ

DOI 10.17586/0021-3454-2019-62-12-1105-1113

УДК 519.7

МЕТОДИКА МНОГОКРИТЕРИАЛЬНОГО АНАЛИЗА СТОИМОСТИ АРЕНДЫ СКЛАДСКИХ ПОМЕЩЕНИЙ

Прокопенко В. Т.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; профессор


Майоров Е. Е.
Университет при Межпарламентской ассамблее ЕврАзЭС; доцент


Яковлева Е. А.
Ивангородский гуманитарно-технический институт (филиал) Санкт-Петербургского государственного университета аэрокосмического приборостроения, кафедра прикладной математики, информатики и информационных таможенных технологий;


Дагаев А. В.
СПбУТУиЭ, кафедра информационных технологий и математики; доцент


Сорокин А. А.
Ивангородский гуманитарно-технический институт (филиал) Санкт-Петербургского государственного университета аэрокосмического приборостроения, кафедра прикладной математики, информатики и информационных таможенных технологий ; ст. преподаватель


Гулиев Р. Б.
Университет при Межпарламентской ассамблее ЕврАзЭС, кафедра математики и информационных технологий;


Коваленко Р. А.
Ивангородский гуманитарно-технический институт (филиал) Санкт-Петербургского государственного университета аэрокосмического приборостроения, кафедра информационных технологий и математики; ст. преподаватель


Таюрская И. С.
канд. экон. наук; Университет при Межпарламентской ассамблее ЕврАзЭС, кафедра математики и информационных технологий ;


Аннотация. Описана многошаговая методика анализа и формирования стоимости арендной платы помещений. Предложен матричный подход к моделированию территории и объектов инфраструктуры. Методика позволяет анализировать статистические данные для прогнозирования стоимости аренды складских помещений, выбора оптимальной зоны размещения складских объектов. Задача исследования заключается в определении методов, применяемых для интерполяции отсутствующих в статистической выборке значений; сглаживания статистической совокупности с результатами интерполяции и визуализации результатов анализа для дальнейшей экспертной оценки. Для решения поставленной задачи выполнена интерполяция статистических данных. С целью устранения выбросов (аномальных значений) применяется метод на основе границ Тьюки, который в сочетании с графическим моделированием сглаживает выбросы. Методом многокритериальной оценки определены экономически эффективные места размещения складских помещений. В результате разработки методов и их имитационного моделирования выполнены расчеты с абстрактными исходными данными. Методология апробирована на реальных объектах недвижимости, получен набор данных, применимый для принятия решений. Использование методики позволяет получить карты распределения стоимости арендной платы, область влияния критериев для дальнейшей экспертной оценки сектора с точки зрения организации, размещения и аренды складов. Предложенная методика может использоваться в качестве инструмента поддержки принятия решений при определении и обосновании цены аренды как со стороны арендатора, так и со стороны арендодателя.
Ключевые слова: многокритериальный анализ, интерполяция статистических данных, визуализация данных, аренда помещений

Список литературы:
  1. Дыбская В. Логистика складирования. М.: НИЦ ИНФРА-М, 2018. 560 с.
  2. Розина Т. М. Распределительная логистика. Минск: БГЭУ, 2012. 319 с.
  3. Афанасенко И., Борисова В. Экономическая логистика. СПб: Питер, 2013. 432 с.
  4. Топал Е. Г. Экономическое обоснование показателя ставки арендной платы за земельные участки при меняющейся кадастровой стоимости на региональном уровне // Региональная экономика и управление: электронный научный журнал. 2017. № 4(52) [Электронный ресурс]: . (дата обращения 20.11.2018).
  5. Волгин В. В. Склад: Организация, управление, логистика. Электронный справочник. М.: Дашков и Ко, 2006. 325 с.
  6. Уварова Г. Эффективное управление запасами — важная составляющая в развитии бизнеса [Электронный ресурс]: . (дата обращения 20.11.2018).
  7. Герасименко В. А., Лынник А. В., Носова Ю. С. Управление запасами предприятия [Электронный ресурс]: . (дата обращения 20.11.2018).
  8. Мостеллер Ф., Тьюки Дж. Анализ данных и регрессия: В 2-х вып. Вып. 1 / Пер с англ. Ю. Н. Бла-говещенского; под ред. Ю. П. Адлера. М.: Финансы и статистика, 1982. 317 c.
  9. Шуленин В. П. Робастные методы математической статистики. Томск: Изд-во НТЛ, 2016. 260 с.
  10. Hampel F. R., Ronchetti E. M., Rousseeuw P. J., Stahel W. A. Robust statistics: the approach based on influence functions. NY: John Wiley & Sons, 2005. 502 p.
  11. Тьюки Дж. Анализ результатов наблюдений. Разведочный анализ / Пер. с англ. под ред. В. Ф. Писаренко. М.: Мир, 1981. 696 с.
  12. Chuanfa Chen, Fengying Liu, Yanyan Li, Changqing Yan, Guolin Liu. A robust interpolation method for constructing digital elevation models from remote sensing data // Geomorphology. 2016. Vol. 268. P. 285—287.
  13. Андреа К., Шевляков Г. Л. Обнаружение выбросов с помощью блокспотов, основанных на новых высокоэффективных робастных оценках масштаба // Науч.-техн. ведомости СПбГПУ. 2013. № 5(181). С. 39—45.
  14. Луценко Е. В., Орлов А. И. Системная нечеткая интервальная математика. Краснодар: КубГАУ, 2014. 600 с.