Modelo híbrido de séries temporais para previsão de demanda do mercado imobiliário de São Paulo
Fecha
2017-02-15Metadatos
Mostrar el registro completo del ítemResumen
Um dos maiores problemas associados com o uso de previsões de demanda no apoio à tomada de decisão é a escolha do método de previsão a ser implementado. Nesse contexto, por terem um comportamento diferente dos demais setores, o setor imobiliário possui dificuldade de encontrar métodos corretos para prever sua demanda, de fato, devido ao expressivo intervalo de tempo entre a tomada de decisão do projeto, de investimento e a entrada efetiva do empreendimento na disputa de mercado. Essa complexidade acarreta na escolha de métodos errôneos, ocasionando em grandes estoques de unidades residenciais, gerando altos custos para as construtoras e incorporadoras, como acontece desde 2014 na cidade de São Paulo, o mercado imobiliário mais representativo do país. Diante disso, essa pesquisa tem como objetivo propor um modelo híbrido de séries temporais para previsão de demanda de imóveis na cidade de São Paulo. Para isso, são utilizados dados referentes à série temporal de vendas de unidades residenciais, fornecidos pelo SECOVI-SP. Os modelos de Suavização Exponencial, de Box-Jenkins, de Heterocedasticidade Condicional e de Redes Neurais Artificiais são modelados individualmente, posteriormente estes são combinados por meio de seis técnicas de combinação de previsão. As técnicas utilizadas são Média Aritmética, Média Geométrica, Média Harmônica, Variância Mínima, Regressão Linear e Análise de Componentes Principais. As medidas de acurácia para mensurar os resultados obtidos e selecionar o melhor modelo, são o RMSE, MAPE, MAE e UTheil de previsão. Os resultados mostraram que a Regressão Linear com variável independente sendo a combinação do modelo SARIMA (2,0,0)(2,0,0)12 e MLP/RNA (18,25,1) via Análise de Componentes Principais forneceu um desempenho de previsão satisfatório, com RMSE de 349, 21, MAPE de 17,1%, MAE de 287, 62 e UTheil de 0,298. Assim, demonstrando que a combinação e hibridização de modelos de séries temporais possibilitou um aumento significativo no desempenho de previsão. Por fim, utilizou-se o modelo proposto para previsão da demanda de imóveis entre julho de 2016 a dezembro de 2017. Os resultados foram ao encontro de estimativas de especialistas da área, constatando que em 2017 o mercado imobiliário vai se recuperar, entretanto enquanto estes estimam que o mercado cresça 10% em 2017, o modelo revela um crescimento de 19%.
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia: