Часть 1
Часто у аналитиков появляются задачи предсказать что-то — например, объём рынка.
Это отличный повод попробовать себя в Data Science.
В этом посте расскажу максимально просто, как с этим справиться, даже если вы никогда раньше этим не занимались.
(Спойлер: это не так сложно, как кажется.)
Представим, вам прилетела задача:
«Скажи, какой будет объём рынка недвижимости в следующем месяце?»
У нас есть исторические данные — объёмы рынка недвижимости помесячно за последние 10 лет. Это наш таргет— то, что нужно предсказать.
Но чтобы модель могла учиться и предсказывать, нам нужны вспомогательные метрики — они называются фичи.
Модель анализирует, как изменения в фичах влияют на таргет, и учится предсказывать будущее.
Что может влиять на рынок недвижимости?
1️⃣Курс доллара — традиционно сильно влияет на рынок в РФ.
2️⃣Ставка по ипотеке — модель улавливает, как рынок реагирует на рост или падение ставок.
3️⃣Индекс безработицы — показывает платёжеспособность населения.
4️⃣Инфляция — ключевой момент: 100 млн в 2015 и 100 млн в 2025 — это разные деньги.
Приводим данные к одной «валюте времени».
Чтобы модель понимала, к какому реальному объёму ориентироваться, пересчитываем все значения в деньгах 2025 года.
Пример:
Если в 2015 году объём был 100 млн, с учётом инфляции это примерно 154 млн в ценах 2025 года.
Дальше:
Собираем все данные в дашборд по месяцам:
🟣объём рынка
🟣ставка по ипотеке
🟣курс доллара
🟣индекс безработицы
🟣инфляция
🟣номер месяца (год лучше не добавлять — у меня это ухудшало качество модели)
📌Корректируем объёмы рынка на инфляцию.
# Базовый год — 2025
base_year = 2025
# Индекс цен по годам (1.0 = цены базового года)
cpi_index = {
2015: 0.65,
2016: 0.70,
2017: 0.73,
2025: 1.00
}
def to_real_prices(amount, year):
return amount / cpi_index[year] * cpi_index[base_year]
# Пример: 100 млн в 2015
print(to_real_prices(100_000_000, 2015))
# >>> 153846153.85
📌Добавляем лаги — то есть значения фич за 1 и 2 месяца назад.
На этом пока остановимся.
В следующем посте расскажу, как допилить работающую модельку при помощи нейронки
#полезное