Aplicación del método ARIMA para el pronóstico del avalúo de bienes raíces

Author:

Bodero Poveda Elba MaríaORCID,Guerrero Morejón Katherine AlexandraORCID

Abstract

El análisis de los datos es uno de los principales aspectos a considerar para la toma de decisiones en el ámbito social y empresarial. El mercado de bienes raíces es un componente decisivo y de soporte para las economías de los países a nivel mundial. Un análisis de la variación de los precios inmobiliarios a través de series temporales puede facilitar la identificación de mejores oportunidades a los inversores. Esta investigación tiene por objetivo aplicar el método ARIMA para el pronóstico del avalúo de bienes raíces. Se utiliza un enfoque cuantitativo con un diseño de investigación no experimental. Para la minería de datos se aplica el proceso KDD conjuntamente con el proceso de ARIMA para el pronóstico. Entre sus principales resultados se obtiene una base de datos limpia, la cual posteriormente es transformada a una serie estacionaria, para de esta manera ajustar el modelo y aplicar al pronóstico al caso de estudio en la ciudad de Riobamba, Ecuador. Se muestran datos con rangos de confiabilidad al 80% y 95%. El procedimiento detallado en este estudio puede aplicarse a cualquier contexto de predicción de series temporales en el sector de bienes raíces.

Publisher

Esprint

Reference38 articles.

1. Afeef, M., Ihsan, A., & Zada, H. (2018). Forecasting Stock Prices through Univariate ARIMA Modeling. 13, 130-142.

2. Al-Marwani, H. A. (2014). An approach to modeling and forecasting real estate residential property market [Doctoral thesis]. http://bura.brunel.ac.uk/handle/2438/10005

3. Ariyo, A. A., Adewumi, A. O., & Ayo, C. K. (2014). Stock Price Prediction Using the ARIMA Model. 2014 UKSim-AMSS 16th International Conference on Computer Modelling and Simulation, 106-112. https://doi.org/10.1109/UKSim.2014.67

4. Awe, O., Okeyinka, A., & Fatokun, J. O. (2020). An Alternative Algorithm for ARIMA Model Selection. 2020 International Conference in Mathematics, Computer Engineering and Computer Science (ICMCECS), 1-4. https://doi.org/10.1109/ICMCECS47690.2020.246979

5. Bartlett, M. (2022). Modelización de Series Univariantes: (S)ARIMA | Series de Tiempo. https://bookdown.org/victor_morales/SeriesdeTiempo/modelizaci%C3%B3n-de-series-univariantes-sarima.html

同舟云学术

1.学者识别学者识别

2.学术分析学术分析

3.人才评估人才评估

"同舟云学术"是以全球学者为主线,采集、加工和组织学术论文而形成的新型学术文献查询和分析系统,可以对全球学者进行文献检索和人才价值评估。用户可以通过关注某些学科领域的顶尖人物而持续追踪该领域的学科进展和研究前沿。经过近期的数据扩容,当前同舟云学术共收录了国内外主流学术期刊6万余种,收集的期刊论文及会议论文总量共计约1.5亿篇,并以每天添加12000余篇中外论文的速度递增。我们也可以为用户提供个性化、定制化的学者数据。欢迎来电咨询!咨询电话:010-8811{复制后删除}0370

www.globalauthorid.com

TOP

Copyright © 2019-2024 北京同舟云网络信息技术有限公司
京公网安备11010802033243号  京ICP备18003416号-3