Utilize este identificador para referenciar este registo:
http://hdl.handle.net/10071/26808
Registo completo
Campo DC | Valor | Idioma |
---|---|---|
dc.contributor.advisor | Laureano, Raul Manuel da Silva | - |
dc.contributor.author | Zacarias, João Miguel Pequito | - |
dc.date.accessioned | 2022-12-27T15:58:20Z | - |
dc.date.available | 2022-12-27T15:58:20Z | - |
dc.date.issued | 2022-12-05 | - |
dc.date.submitted | 2022-10 | - |
dc.identifier.citation | Zacarias, J. M. P. (2022). Modelos automatizados de avaliação de imóveis: Aplicação à Área Metropolitana de Lisboa [Dissertação de mestrado, Iscte - Instituto Universitário de Lisboa]. Repositório Iscte. http://hdl.handle.net/10071/26808 | por |
dc.identifier.uri | http://hdl.handle.net/10071/26808 | - |
dc.description.abstract | A avaliação fornece uma medida dos benefícios e responsabilidades de um imóvel e, desde sempre, depende muito dos métodos tradicionais, aplicados por peritos avaliadores. Apesar destes resistirem à evolução dos métodos de previsão do valor, têm surgido sistemas especializados na determinação do mesmo, os modelos automatizados de avaliação (AVM), estimando-se que já serviram mais de 100 milhões de entidades. Os AVM são programas informáticos que estimam o valor dos imóveis através da análise de atributos relacionados com os imóveis. Além disso, os peritos são acusados de subjetividade nas avaliações, surgindo a necessidade de melhorar a qualidade da previsão através de sistemas independentes. Assim, esta dissertação foca-se na construção de modelos preditivos com dados de uma plataforma imobiliária, da Área Metropolitana de Lisboa, recorrendo a técnicas de data mining. Para se construir modelo, procede-se a uma análise estatística, como forma de ajustamento da base de dados, e aplicam-se técnicas preditivas. A utilização de diversos algoritmos visa a obtenção do melhor modelo possível, com a melhor capacidade preditiva do valor do imóvel, e tendo como variáveis preditoras as características do imóvel e da sua localização. O melhor modelo obtido, é uma rede neuronal e apresenta um erro médio de previsão de 0,06 e um coeficiente de determinação de 0,90. Um modelo eficaz é uma ferramenta muito útil de apoio aos stakeholders, sendo eles peritos, compradores, vendedores, bancos, Estado, entre outros. Em suma, esta investigação é muito importante para o setor imobiliário, que tem muita importância em qualquer economia. | por |
dc.description.abstract | Valuation provides a measure of the benefits and responsibilities of a property and has always depended heavily on traditional methods applied by expert appraisers. Despite they resist the evolution of value forecasting methods, specialized systems have emerged to determine the value, the automated valuation models (AVM), estimated to have served more than 100 million entities. AVMs are computer programs that estimate the value of properties through the analysis of attributes related to the properties. In addition, experts are accused of subjectivity in valuations, which raises the need to improve the quality of forecasting through independent systems. Thus, this dissertation focuses on the construction of predictive models with data from a real estate platform, in the Lisbon Metropolitan Area, using data mining techniques. In order to build a model, statistical analyzes is carried out, as a way of adjusting the database, and predictive techniques are be applied. The use of these techniques aims to obtain the best possible model, with the best predictive capacity of the value of the property and having as predictors the characteristics of the property and its location. The best model obtained is a neural network and presents an average prediction error of 0.06 and a coefficient of determination of 0.90. An effective model is a very useful tool to support stakeholders, including experts, buyers, sellers, banks, the State, among others. In short, this investigation is very important for the real estate sector, which is very important in any economy. | por |
dc.language.iso | por | por |
dc.rights | openAccess | por |
dc.subject | Data mining -- | por |
dc.subject | Modelos preditivos | por |
dc.subject | Propriedade imobiliária -- Real estate | por |
dc.subject | AVM | por |
dc.subject | Avaliação -- Evaluation | por |
dc.subject | Área Metropolitana de Lisboa | por |
dc.subject | Predictive models | por |
dc.subject | Lisbon Metropolitan Area | por |
dc.title | Modelos automatizados de avaliação de imóveis: Aplicação à Área Metropolitana de Lisboa | por |
dc.type | masterThesis | por |
dc.peerreviewed | yes | por |
dc.identifier.tid | 203129903 | por |
dc.subject.fos | Domínio/Área Científica::Ciências Sociais::Economia e Gestão | por |
thesis.degree.name | Mestrado em Métodos Analíticos para Gestão | por |
dc.subject.jel | C10 | por |
dc.subject.jel | R31 | por |
dc.subject.jel1 | C Mathematical and quantitative methods | por |
dc.subject.jel1 | R Urban, rural, regional, real estate, and transportation economics | por |
thesis.degree.department | Departamento de Métodos Quantitativos para Gestão e Economia | por |
Aparece nas coleções: | T&D-DM - Dissertações de mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
master_joao_pequito_zacarias.pdf | 1,87 MB | Adobe PDF | Ver/Abrir |
Todos os registos no repositório estão protegidos por leis de copyright, com todos os direitos reservados.