Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/25643
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2019_AndreDuarteVeras_tcc.pdf4,94 MBAdobe PDFver/abrir
Título: Uma proposta de utilização de redes neurais recorrente na previsão de preços de imóveis no Distrito Federal
Autor(es): Veras, André Duarte
Orientador(es): Yaohao, Peng
Assunto: Redes neurais (Computação)
Mercado imobiliário - Brasília (DF)
Regressão linear (Estatística)
Investimentos imobiliários
Data de apresentação: 2019
Data de publicação: 11-Out-2020
Referência: VERAS, André Duarte. Uma proposta de utilização de redes neurais recorrente na previsão de preços de imóveis no Distrito Federal. 2019. 82 f., il. Trabalho de Conclusão de Curso (Bacharelado em Administração)—Universidade de Brasília, Brasília, 2019.
Resumo: O mercado imobiliário possui grande influência na economia de um país. Esse mercado movimenta diferentes áreas da sociedade brasileira e impulsiona o crescimento da economia sendo responsável por uma grande fatia do Produto Interno Bruto. Além disso, o crescimento das cidades também é influenciado pelos preços de seus imóveis. O investimento em imóveis é um dos principais investimentos dos brasileiros. A segurança que proporciona movimenta esse segmento e o torna um dos investimentos mais procurados no Brasil. Nesse contexto, surge a necessidade de compreender em quais regiões os imóveis vão valorizar nos próximos anos, de forma a maximizar o investimento realizado. Um dos principais objetivos deste trabalho é mostrar de que forma o uso de redes neurais recorrentes pode ser utilizada para prever os preços de imóveis na região do Distrito Federal nos próximos anos. Apesar de a região utilizada ser o Distrito Federal, essa abordagem pode ser utilizada em qualquer centro urbano brasileiro. Nos procedimentos metodológicos, foi selecionado o histórico do preço médio mensal do imóvel como variável que influencia no valor futuro do imóvel. Essa informação foi utilizada na rede neural recorrente LSTM para previsão dos preços dos imóveis no ano seguinte. No trabalho em tela, os valores de crescimento médio dos preços dos imóveis foram agrupados no Distrito Federal por meio dos CEPs de cada região e a partir daí foi utilizado um mapa de calor para mostrar os resultados das regiões que tiveram maior crescimento. Também utilizou-se diferentes abordagens para analisar qual delas apresenta o melhor resultado. A primeira abordagem foi o modelo de baseline Random Walk, que serviu para comparar os modelos utilizados da rede LSTM. Posteriormente, foram utilizadas as redes LSTM, com uma abordagem de um passo a frente e de janela móvel. Dos modelos utilizados, o que obteve melhor resultado foi o de janela móvel. Analisando o mapa de calor do modelo que obteve os melhores resultados na validação de dados de teste, as regiões que apresentaram maior crescimento em dezembro de 2012 (1 ano após os últimos registros da amostra) foram, na ordem: São Sebastião e Lago Sul (84,29%), Sobradinho (64,41%) e Planaltina (44,22%).
Abstract: The real estate market has great influence on a country’s economy. This market impacts different areas of Brazilian society and drives the growth of the economy being responsible for a large share of the Gross Domestic Product. In addition, the growth of cities is also influenced by the prices of their real estate. Investment in real estate is one of the main investments in Brazil. The security this investment provides drives this segment and makes it one of the most sought after investments in Brazil. In this context, there is a need to understand in which regions real estat prices will increse in the coming years in order to maximize the investment made. One of the main objectives of this work is to show how the use of recurrent neural networks can be used to predict real estate prices in the Federal District in the coming years. Although the region used is the Federal District, this approach can be used in any Brazilian urban center. In the methodological procedures, we selected the historical average monthly price of the property as a variable that influences the future value of the property. This information was used in the recurrent neural network LSTM to predict real estate prices for the following year. In tthis work, the values of real estate prices were grouped by region in the Federal District through the CEPs of each region and from there a heat map was used to show the results of the regions that had the highest growth. Different approaches have also been used to analyze which one has the best outcome. The first approach was the Random Walk baseline model, which served to compare the used models of the LSTM network. Subsequently, the LSTM networks were used with a step-by-step approach and moving window. Of the models used the one that obtained best result was the one of moving window. Analyzing the heat map of the model that obtained the best results in the validation of test data, the regions that showed the greatest growth in December 2012 (1 year after the last sample records) were in the order: São Sebastião and Lago Sul (84, 29 %), Sobradinho (64.41 %) and Planaltina (44.22 %).
Informações adicionais: Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade de Economia, Administração e Contabilidade, Departamento de Administração, 2019.
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.
Aparece na Coleção:Administração



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.