Басова Е.А. Доступная ипотека vs доступность жилья. Хотели как лучше, а получилось…? // Экономические и социальные перемены: факты, тенденции, прогноз. 2021. Т. 14. № 4. С. 113–130. DOI: 10.15838/esc.2021.4.76.7
Мареева С.В. Немонетарные неравенства и их воздействие на экономическое положение населения // Российское общество и вызовы времени. Книга третья / М.К. Горшков [и др.]; под ред. М.К. Горшкова, Н.Е. Тихоновой. М.: Весь Мир, 2016. C. 247–265.
Басова Е.А. Теоретико-методологические основы исследования категории «немонетарное неравенство» // Актуальные проблемы экономики и права. 2020. Т. 14. № 3. С. 415–427. DOI: http://dx.doi.org/10.21202/1993-047X.14.2020.3.415-427
Аганбегян А.Г. О приоритетах социальной политики. М: Дело, 2020. 512 c.
Классика экономической мысли: сочинения / В. Петти, А. Смит, Д. Рикардо, Дж. Кейнс, М. Фридмен. М.: ЭКСМО-Пресс, 2000. 896 с.
Рикардо Д. Начала политической экономии и налогового обложения: избранное / [пер. с англ.; предисл. П.Н. Клюкина]. М.: Эксмо, 2007. 960 с.
Маршалл А. Принципы экономической науки. М.: Прогресс, 1993. Т. 1. 415 с.
Lin Y. Application of nonparametric regression in house price forecast. Advances in Social Sciences January, 2020, vol. 09 (08), pp. 1123–1131. DOI: 10.12677/ASS.2020.98156
Gao P., Zhang R., Yang X. The application of stock index price prediction with neural network. Mathematical and Computational Applications, 2020, vol. 25 (3), pp. 53–69. DOI: 10.3390/mca25030053
Ясницкий Л.Н., Ясницкий В.Л. Разработка и применение комплексных нейросетевых моделей массовой оценки и прогнозирования стоимости жилых объектов на примере рынков недвижимости Екатеринбурга и Перми // Имущественные отношения в РФ. 2017. № 3. С. 68–84.
Yilmaz B., Kestel S. A stochastic approach to model housing markets: The US housing market case. Numerical Algebra, 2018, vol. 8 (4), pp. 481–492. DOI: 10.3934/naco.2018030
Нетунаев Е.Б. Эффективность денежно-кредитной политики как инструмента противодействия финансовым пузырям // Вестник Института экономики РАН. 2018. № 3. С. 134–150.
Glaeser E., Gottlieb J.D., Tobio K. Housing booms and city centers. American Economic Review, 2012, vol. 102 (3), pp. 127–133. DOI: 10.1257/aer.102.3.127
Aoki K., Proudman J., Gertjan V. House prices, consumption, and monetary policy: A financial accelerator approach. Journal of Financial Intermediation, 2004, vol. 13, pp. 414–435.
Glaeser E.L., Gyourko J., Saiz A. Housing supply and housing bubbles. Journal of Urban Economics, 2008, vol. 64, pp. 198–217.
Caraiani P., Luiky M.-A., Wesselbaumz D. Credit policy and asset price bubbles. Journal of Macroeconomics, 2020, vol. 65, pp. 103–229. DOI: 10.1016/j.jmacro.2020.103229
Dokko J., Doyle B.M., Kiley M.T., Kim J. Monetary policy and the global housing bubble. Economic Policy, 2011, vol. 26 (66), pp. 237–287. DOI: 10.1111/j.1468-0327.2011.00262.x
Curry B., Morgan P.Н., Silver M. Neural networks and non-linear statistical methods: An application to the modelling of price-quality relationships. Computers and Operations Research, 2002, vol. 29 (8), pp. 951–969. DOI: 10.1016/S0305-0548(00)00096-4
Clapp J. M., Giaccotto C. Evaluating house price forecasts. Journal of Real Estate Research, 2002, vol. 24 (1), pp. 1–26.
Dua P., Miller S., Smyth D. Using leading indicators to forecast U.S. home sales in a Bayesian vector autoregressive framework. Journal of Real Estate Finance and Economics, 1999, no. 18 (2), pp. 191–205.
Maqsood Z., Akhtar R., Latif H. Housing price forecastability by using factor analysis. Pyrex Journal of Business and Finance Management Research, 2019, vol. 5 (3), pp. 25–31.
Chen H., Wang S., Li Z., Xia J., Wei J. The housing price forecasting model based on improved GM model. Computer Science and Application, 2018, vol. 08 (12), pp.1804–1812. DOI: 10.12677/CSA.2018.812200
Дайитбегов Д.М. Компьютерные технологии анализа данных в эконометрике: монография. М.: Вузовский учебник: ИНФРА-М, 2018. 587 с.
Mariel P., Hoyos D., Meyerhoff J. Econometric Modelling: Basics. In: Environmental Valuation with Discrete Choice Experiments, Guidance on Design, Implementation and Data Analysis. 2020. Pp. 61–81. DOI: 10.1007/978-3-030-62669-3_5
Балацкий Е.В., Юревич М.А. Использование нейронных сетей для прогнозирования инфляции: новые возможности // Вестник УРФУ. Серия: Экономика и управление. 2018. № 5. С. 823–838.
Кетова К.В., Вавилова Д.Д. Оценка тенденций изменения человеческого капитала социально-экономической системы на основе применения алгоритма нейросетевого прогнозирования // Экономические и социальные перемены: факты, тенденции, прогноз. 2020. Т. 13. № 6. С. 117–133. DOI: 10.15838/esc.2020.6.72.7
Serrano W. The Random Neural Network in Price Predictions. In: Artificial Intelligence Applications and Innovations. 2020. Pp. 303–314. DOI:10.1007/978-3-030-49161-1_26
Linh M. The hedonic pricing model applied to the housing market. International Journal of Economics and Business Administration, 2020, VIII (Special Issue 1), pp. 416–428. DOI: 10.35808/ijeba/526
Gupta N., Nigam S. Crude oil price prediction using Artificial Neural Network. Procedia Computer Science, 2020, vol. 170, pp. 642–647. DOI: 10.1016/j.procs.2020.03.136
Khalafallah A. Neural Network Based Model for predicting housing market performance. Tsinghua Science & Technology, 2008, no. 13, pp. 325–328. DOI: 10.1016/S1007-0214(08)70169-X
Хайкин С. Нейронные сети: полный курс. М.: Вильямс, 2006. 1104 с.
Кубишин Е.С., Седлов А.П., Соболева И.В. Бедность в России: методология измерения и международные сравнения // Вестник Института экономики РАН. 2021. № 1. С. 56–70. DOI: 10.24412/2073-6487-2021-1-56-70
Варламова Т.П. Система ипотечного жилищного кредитования в России: формирование и перспективы развития // Вестник СГСЭУ. 2018. № 5 (74). С. 136–139.
Львов Д.С. Россия: рамки реальности и контуры будущего // Экономические и социальные перемены в регионе: факты, тенденции, прогноз. 2007. № 37. C. 27–33.