Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboa
Autor(a) principal: | |
---|---|
Data de Publicação: | 2012 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10400.5/10737 |
Resumo: | Mestrado em Gestão e Avaliação Imobiliária |
id |
RCAP_16868c5fcb495dacb62ff06311cceee0 |
---|---|
oai_identifier_str |
oai:www.repository.utl.pt:10400.5/10737 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboaredes neuronais artificiaisavaliação em massamercado imobiliárioartificial neural networksmass appraisalreal estate marketMestrado em Gestão e Avaliação ImobiliáriaAs redes neuronais artificiais são uma metodologia alternativa aos modelos tradicionais de previsão. A sua utilização tem-se vindo a massificar, sobretudo nas áreas da medicina, finanças, indústria automóvel e, mais recentemente em modelos de avaliação em massa aplicados ao mercado imobiliário. Este trabalho teve como objectivo fundamental a realização de experiências que utilizassem esta metodologia de previsão não paramétrica (não linear). No estudo de caso apresentado, foram analisadas 2.013 transacções, que ocorreram entre 2007 e 2012, mediadas pela rede de franchisados RE/MAX, relativas ao segmento residencial na cidade de Lisboa. Com esta base de dados, e depois de encontrada a melhor rede neuronal, foi possível obter um erro médio percentual absoluto (MAPE) na ordem dos 19%, em que para cerca de 67% da amostra foi alcançado um erro de estimação abaixo dos 20%. Utilizando esta metodologia, também foi observado que a rede neuronal funciona melhor se eliminados os outliers da amostra, aumentando a sua precisão. Foi ainda experimentada a introdução de variáveis temporais e de localização, tais como o ano de transacção de um determinado imóvel e a sua idade, ou ainda a freguesia onde está inserido, tendo sido obtidos comportamentos positivos no desempenho das redes. Para além da originalidade do tema, é de destacar que foram utilizados para este trabalho, valores reais de transacção relativos ao sector residencial em Portugal, tendo sido verificada uma aproximação do comportamento e da tendência do valor de transacção estimado pela rede, aos verificados pelo mercado.The artificial neural networks are an alternative approach to traditional forecasting. Its use has been largely used, particularly in the areas of medicine, finance, automotive, and more recently in mass valuation models applied to the real estate market. This work had as main objective conducting experiments that used this methodology to forecast nonparametric (nonlinear). In the case study were analyzed 2013 transactions that occurred between 2007 and 2012, mediated by the network of franchisees RE / MAX, for the residential segment in Lisbon. With this database, and after found the best neural network, it was possible to obtain an mean absolute percent error (MAPE) of around 19%, in which to approximately 67% of the sample was reached estimation error below 20 %. Using this methodology, it was also observed that the neural network works better if the outliers are removed from the sample, increasing its accuracy. It also experienced the introduction of temporal variables and location, such as the year of a particular property transaction and its age, or the parish where it is located, having obtained positive behaviors in network performance. Beyond the originality of the subject, it is worth noting that was used for this work, actual transaction values for the residential sector in Portugal, having been verified an approximation of the behavior and trend of the transaction value estimated by the network, verified by the market.Instituto Superior de Economia e GestãoSilva, João Andrade eRepositório da Universidade de LisboaAmaro, Jorge Filipe Montez Vaz Monteiro2016-01-21T14:21:00Z20122012-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10400.5/10737porAmaro, Jorge Filipe Montez Vaz Monteiro (2012). "Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboa". Dissertação de Mestrado, Universidade Técnica de Lisboa. Instituto Superior de Economia e Gestão.info:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-03-06T14:41:02Zoai:www.repository.utl.pt:10400.5/10737Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T16:57:09.074244Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboa |
title |
Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboa |
spellingShingle |
Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboa Amaro, Jorge Filipe Montez Vaz Monteiro redes neuronais artificiais avaliação em massa mercado imobiliário artificial neural networks mass appraisal real estate market |
title_short |
Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboa |
title_full |
Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboa |
title_fullStr |
Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboa |
title_full_unstemmed |
Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboa |
title_sort |
Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboa |
author |
Amaro, Jorge Filipe Montez Vaz Monteiro |
author_facet |
Amaro, Jorge Filipe Montez Vaz Monteiro |
author_role |
author |
dc.contributor.none.fl_str_mv |
Silva, João Andrade e Repositório da Universidade de Lisboa |
dc.contributor.author.fl_str_mv |
Amaro, Jorge Filipe Montez Vaz Monteiro |
dc.subject.por.fl_str_mv |
redes neuronais artificiais avaliação em massa mercado imobiliário artificial neural networks mass appraisal real estate market |
topic |
redes neuronais artificiais avaliação em massa mercado imobiliário artificial neural networks mass appraisal real estate market |
description |
Mestrado em Gestão e Avaliação Imobiliária |
publishDate |
2012 |
dc.date.none.fl_str_mv |
2012 2012-01-01T00:00:00Z 2016-01-21T14:21:00Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10400.5/10737 |
url |
http://hdl.handle.net/10400.5/10737 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
Amaro, Jorge Filipe Montez Vaz Monteiro (2012). "Modelos de avaliação em massa : redes neuronais artificiais aplicadas ao sector imobiliário residencial em Portugal? : estudo de caso na cidade de Lisboa". Dissertação de Mestrado, Universidade Técnica de Lisboa. Instituto Superior de Economia e Gestão. |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Instituto Superior de Economia e Gestão |
publisher.none.fl_str_mv |
Instituto Superior de Economia e Gestão |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799131054432321536 |