feat(generative): calibrate finmodel sale price from Objective market (epic #1881 PR-2) #1883

Merged

bot-backend merged 1 commit from feat/finmodel-price-calibration into main

2026-06-23 16:21:16 +00:00

bot-backend commented

2026-06-23 16:10:44 +00:00

Collaborator

Summary

Эпик #1881 PR-2 — заменяет хардкод-цену продажи жилья на реальную рыночную медиану из Objective по локации участка. compute_financial остаётся ЧИСТЫМ (без БД) — DB-lookup в API-слое, цена прокидывается параметром.

Логика

_lookup_market_price(db, lon, lat): центроид → ближайший ekb_district (ST_DWithin 5км) → медиана objective_lots.price_per_m2_rub (n≥10, 30k-600k) → fallback ekb_districts.median_price_per_m2 → None. try/except → graceful (None, class_norm) при любой ошибке без краха генерации.
compute_financial +optional market_price_per_sqm/price_source; калибруем только жильё (паркинг/СМР — норма).
FinancialModel +price_per_sqm_used/price_is_calibrated/price_source (additive).
Threading через generate→placement→compute_financial (optional kwargs, backward-compat).
UI/CSV: честный caption источника; старый лживый footnote «не калиброванная модель» → условный.

Prod-verified покрытие

Калибруется 4 главных ЕКБ-района по name-match: Академический (204k лотов), Ленинский (38k), Кировский, Орджоникидзевский. Остальные 5 admin-районов честно → district_reference (ekb median). Гео-радиус matching (objective→complex→coords для полного покрытия) — noted follow-up.

Test plan

mypy strict clean (generative.*); ruff clean
+14 тестов (калибровка обе стороны, lookup 4 ветки, n<10→ref, SQL-ошибки graceful, backward-compat); 27 passed
api-types.ts регенерён авторитетно (openapi-codegen-check git-diff будет зелёным); package.json не тронут
psycopg3 CAST (grep :x::type пусто); read-only lookup, нет утечки сессии
code-reviewer ✅ APPROVE
post-deploy: concept на Академическом участке → price_source=objective_district_median, калиброванная цена

Follow-up

геo-радиус matching для 5 non-name-match районов; ROI display-cap (из PR-1 nit).

Refs #1881

🤖 Generated with Claude Code

## Summary Эпик #1881 **PR-2** — заменяет хардкод-цену продажи жилья на реальную рыночную медиану из **Objective** по локации участка. `compute_financial` остаётся ЧИСТЫМ (без БД) — DB-lookup в API-слое, цена прокидывается параметром. ## Логика - `_lookup_market_price(db, lon, lat)`: центроид → ближайший `ekb_district` (ST_DWithin 5км) → медиана `objective_lots.price_per_m2_rub` (n≥10, 30k-600k) → fallback `ekb_districts.median_price_per_m2` → None. try/except → graceful `(None, class_norm)` при любой ошибке без краха генерации. - `compute_financial` +optional `market_price_per_sqm`/`price_source`; калибруем **только жильё** (паркинг/СМР — норма). - `FinancialModel` +`price_per_sqm_used`/`price_is_calibrated`/`price_source` (additive). - Threading через `generate→placement→compute_financial` (optional kwargs, backward-compat). - UI/CSV: честный caption источника; старый лживый footnote «не калиброванная модель» → условный. ## Prod-verified покрытие Калибруется 4 главных ЕКБ-района по name-match: **Академический (204k лотов)**, Ленинский (38k), Кировский, Орджоникидзевский. Остальные 5 admin-районов честно → `district_reference` (ekb median). Гео-радиус matching (objective→complex→coords для полного покрытия) — noted follow-up. ## Test plan - [x] mypy strict clean (generative.*); ruff clean - [x] +14 тестов (калибровка обе стороны, lookup 4 ветки, n<10→ref, SQL-ошибки graceful, backward-compat); 27 passed - [x] api-types.ts регенерён авторитетно (openapi-codegen-check git-diff будет зелёным); package.json не тронут - [x] psycopg3 CAST (grep `:x::type` пусто); read-only lookup, нет утечки сессии - [x] code-reviewer ✅ APPROVE - [ ] post-deploy: concept на Академическом участке → price_source=objective_district_median, калиброванная цена ## Follow-up геo-радиус matching для 5 non-name-match районов; ROI display-cap (из PR-1 nit). Refs #1881 🤖 Generated with [Claude Code](https://claude.com/claude-code)

bot-backend added 1 commit 2026-06-23 16:10:45 +00:00

feat(generative): calibrate finmodel sale price from Objective market data (epic #1881 PR-2)

CI / frontend-tests (pull_request) Successful in 1m3s

Details

CI / changes (pull_request) Successful in 7s

Details

CI / openapi-codegen-check (pull_request) Successful in 2m0s

Details

CI / backend-tests (pull_request) Successful in 10m6s

Details

b1332d6b55

Заменяет хардкод-цену продажи жилья (класс-норма) на реальную рыночную
медиану из Objective по локации участка. compute_financial остаётся ЧИСТЫМ
(без БД) — DB-lookup в API-слое, цена прокидывается параметром.

- compute_financial: +optional market_price_per_sqm/price_source; цена =
  рынок если есть, иначе класс-норма. Паркинг/СМР НЕ калибруем (только жильё).
- concepts.py _lookup_market_price(db, lon, lat): центроид → ближайший
  ekb_district (ST_DWithin 5км) → медиана objective_lots.price_per_m2_rub
  (n>=10, фильтр 30k-600k) → fallback ekb_districts.median_price_per_m2 →
  None. try/except → graceful (None, class_norm) при любой ошибке (вне ЕКБ/
  нет гео/SQL) без краха генерации. psycopg3 CAST.
- FinancialModel +price_per_sqm_used/price_is_calibrated/price_source (additive).
- Threading market_price через generate→placement→compute_financial (optional
  kwargs, backward-compat).
- UI/CSV: честный caption источника (рынок Objective / справочник района /
  норматив класса). Старый лживый footnote «не калиброванная модель» → условный.

Prod-verified: калибруется 4 главных ЕКБ-района по name-match (Академический
204k лотов, Ленинский 38k, Кировский, Орджоникидзевский); остальные 5 admin-
районов честно → district_reference. Гео-радиус matching (полное покрытие) —
follow-up.

api-types.ts регенерён авторитетно. mypy strict clean (generative.*), +14
тестов (калибровка/lookup 4 ветки/SQL-ошибки graceful/backward-compat).

Refs #1881