Oportunidades no mercado imobiliário com aplicação de modelos de aprendizagem de máquina: um estudo de caso em São Paulo

Detalhes bibliográficos
Autor(a) principal: Helena, Flávio de Falcão e
Data de Publicação: 2023
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3142/tde-10072024-115640/
Resumo: O objetivo deste trabalho é estudar a precificação de propriedades imobiliárias na cidade de São Paulo com o intuito de encontrar oportunidades sub específicas. A modelagem utilizada considera variáveis intrínsecas (número de quartos, área construída, ano de construção, etc.), assim como variáveis extrínsecas (qualidade do asfalto, transporte público, florestamento, etc.) para estimar o preço de mercado de cada propriedade e, para isso, utiliza dados provenientes de listagens online de apartamentos e bases de dados públicas. Uma modelagem estatística inovadora é proposta para encontrar oportunidades, buscando explorar a robustez de distintos modelos de aprendizagem de máquina (Hedônico, KNN e XGBoost), ao ponderar os resultados segundo os seus respectivos erros percentuais médios. Os resultados indicam ser possível encontrar oportunidades, o que motiva futura pesquisa de aprofundamento na metodologia.
id USP_041d0de6c3f17422f290fc986968b140
oai_identifier_str oai:teses.usp.br:tde-10072024-115640
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Oportunidades no mercado imobiliário com aplicação de modelos de aprendizagem de máquina: um estudo de caso em São PauloUntitled in englishAprendizado computacionalBase de dadosHedonic price modelingMercado imobiliárioOpportunityPolítica de preçosReal estateReal estate MarketXGBoostO objetivo deste trabalho é estudar a precificação de propriedades imobiliárias na cidade de São Paulo com o intuito de encontrar oportunidades sub específicas. A modelagem utilizada considera variáveis intrínsecas (número de quartos, área construída, ano de construção, etc.), assim como variáveis extrínsecas (qualidade do asfalto, transporte público, florestamento, etc.) para estimar o preço de mercado de cada propriedade e, para isso, utiliza dados provenientes de listagens online de apartamentos e bases de dados públicas. Uma modelagem estatística inovadora é proposta para encontrar oportunidades, buscando explorar a robustez de distintos modelos de aprendizagem de máquina (Hedônico, KNN e XGBoost), ao ponderar os resultados segundo os seus respectivos erros percentuais médios. Os resultados indicam ser possível encontrar oportunidades, o que motiva futura pesquisa de aprofundamento na metodologia.The objective of this work is to study the princing of real estate properties in the city of São Paulo in order to find underpriced opportunities. The modeling used takes into account intrinsic variables (number of bedrooms, built área, year of construction, etc.), as well as extrinsic variables (quality of the asphalt, public transportation, afforestation, etc) to estimate the Market price of each property, using data from online apartment listings and public database. An innovative statistical modeling is proposed to find opportunities, aiming to explore the robustness of different machine learning models (Hedonic, KNN, and XGBoost) by weighing the results according to their respective average percentage erros. The results indicate that it is possible to find opportunities, which motivates furthernresearch to deepen the methodology.Biblioteca Digitais de Teses e Dissertações da USPCipparrone, Flávio Almeida de MagalhãesHelena, Flávio de Falcão e2023-11-06info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3142/tde-10072024-115640/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-07-11T13:10:02Zoai:teses.usp.br:tde-10072024-115640Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-07-11T13:10:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Oportunidades no mercado imobiliário com aplicação de modelos de aprendizagem de máquina: um estudo de caso em São Paulo
Untitled in english
title Oportunidades no mercado imobiliário com aplicação de modelos de aprendizagem de máquina: um estudo de caso em São Paulo
spellingShingle Oportunidades no mercado imobiliário com aplicação de modelos de aprendizagem de máquina: um estudo de caso em São Paulo
Helena, Flávio de Falcão e
Aprendizado computacional
Base de dados
Hedonic price modeling
Mercado imobiliário
Opportunity
Política de preços
Real estate
Real estate Market
XGBoost
title_short Oportunidades no mercado imobiliário com aplicação de modelos de aprendizagem de máquina: um estudo de caso em São Paulo
title_full Oportunidades no mercado imobiliário com aplicação de modelos de aprendizagem de máquina: um estudo de caso em São Paulo
title_fullStr Oportunidades no mercado imobiliário com aplicação de modelos de aprendizagem de máquina: um estudo de caso em São Paulo
title_full_unstemmed Oportunidades no mercado imobiliário com aplicação de modelos de aprendizagem de máquina: um estudo de caso em São Paulo
title_sort Oportunidades no mercado imobiliário com aplicação de modelos de aprendizagem de máquina: um estudo de caso em São Paulo
author Helena, Flávio de Falcão e
author_facet Helena, Flávio de Falcão e
author_role author
dc.contributor.none.fl_str_mv Cipparrone, Flávio Almeida de Magalhães
dc.contributor.author.fl_str_mv Helena, Flávio de Falcão e
dc.subject.por.fl_str_mv Aprendizado computacional
Base de dados
Hedonic price modeling
Mercado imobiliário
Opportunity
Política de preços
Real estate
Real estate Market
XGBoost
topic Aprendizado computacional
Base de dados
Hedonic price modeling
Mercado imobiliário
Opportunity
Política de preços
Real estate
Real estate Market
XGBoost
description O objetivo deste trabalho é estudar a precificação de propriedades imobiliárias na cidade de São Paulo com o intuito de encontrar oportunidades sub específicas. A modelagem utilizada considera variáveis intrínsecas (número de quartos, área construída, ano de construção, etc.), assim como variáveis extrínsecas (qualidade do asfalto, transporte público, florestamento, etc.) para estimar o preço de mercado de cada propriedade e, para isso, utiliza dados provenientes de listagens online de apartamentos e bases de dados públicas. Uma modelagem estatística inovadora é proposta para encontrar oportunidades, buscando explorar a robustez de distintos modelos de aprendizagem de máquina (Hedônico, KNN e XGBoost), ao ponderar os resultados segundo os seus respectivos erros percentuais médios. Os resultados indicam ser possível encontrar oportunidades, o que motiva futura pesquisa de aprofundamento na metodologia.
publishDate 2023
dc.date.none.fl_str_mv 2023-11-06
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 https://www.teses.usp.br/teses/disponiveis/3/3142/tde-10072024-115640/
url https://www.teses.usp.br/teses/disponiveis/3/3142/tde-10072024-115640/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256916780122112

Registros relacionados