ارزیابی روش های ترکیب پیش بینی : مطالعه موردی قیمت مسکن در شهر تهران

Authors

حامد عطریانفر

سیدمهدی برکچیان

سیدفرشاد فاطمی اردستانی

abstract

در این مطالعه ابتدا محتوای اطلاعاتی متغیرهای گوناگون اقتصادی برای پیش بینی قیمت مسکن در شهر تهران بررسی شده و سپس عملکرد برخی از روش­های ترکیب پیش بینی برای پیش بینی این متغیر ارزیابی شده­است. نتایج به­دست آمده حاکی از آن است که اســتفاده از اطلاعات متغیرهای گوناگون به وسیله تکنیک­های ترکیب پیش بینی می­تواند باعث افزایش دقت پیش بینی گردد. در این میان، دقت روشهای ساده ترکیب از روش وزن­های بهینه، علیرغم برخورداری از پشتوانه نظری، بیشتر است. همچنین بطور کلی اختصاص اهمیت بیشتر به پیش بینی­های اخیر (در روش­ مجذور خطای تنزیل­شده) و همفزونی کمتر اطلاعات (در روش خوشه­بندی) موجب افزایش دقت پیش بینی می­گردد. از طرف دیگر انقباض وزن­ها به سمت وزن­های یکسان (در روش انقــباضی) با کاهش میــزان خطای تخمین، عملکرد پیش بینی را بهبود می­بخشد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیشنهاد مدلی برای پیش بینی قیمت مسکن بر اساس روش آریما؛ مطالعه موردی شهر تهران

تعیین و برآورد قیمت مسکن در مناطق شهری از اهمیت زیادی برای دولت، سرمایه گذاران خصوصی و دولتی و افراد عادی برخوردار است. این تخمین می تواند در برنامه ریزی و تصمیم گیری های آینده در بسیاری از سیاست های شهری و منطقه ای مورد استفاده قرارگیرد. از آنجا که از یکسو شکوفایی بخش مسکن در سرانه تولید ملی موثر بوده و افزایش اشتغال را به همراه خواهد داشت و از سوی دیگر افزایش وام مسکن برای خرید یا هرگونه افزا...

full text

تحلیل بازار مسکن و پیش بینی قیمت آن تا سال 1405 (مطالعه موردی: شهر تهران)

 شناسایی بازار مسکن شهر تهران در سیاست­گذاری بخش مسکن شهری کشور و کمک به تصمیم­گیری­های به‌موقع و اثربخش نقش بسزایی دارد. این مطالعه به تحلیل بازار و پیش­بینی قیمت مسکن تا سال 1405 در تهران با استفاده از روش سیستم دینامیک پرداخته است. در این تحقیق ابتدا مدل علّی- حلقوی، برای بررسی دینامیک مسکن تهران ایجاد شده است و سپس جهت شبیه‌سازی مدل علّی- حلقوی، مدل حالت - جریان طراحی شده است. نتایج حاصل از م...

full text

پیشنهاد مدلی برای پیش بینی قیمت مسکن بر اساس روش آریما؛ مطالعه موردی شهر تهران

تعیین و برآورد قیمت مسکن در مناطق شهری از اهمیت زیادی برای دولت، سرمایه گذاران خصوصی و دولتی و افراد عادی برخوردار است. این تخمین می تواند در برنامه ریزی و تصمیم گیری های آینده در بسیاری از سیاست های شهری و منطقه ای مورد استفاده قرارگیرد. از آنجا که از یکسو شکوفایی بخش مسکن در سرانه تولید ملی موثر بوده و افزایش اشتغال را به همراه خواهد داشت و از سوی دیگر افزایش وام مسکن برای خرید یا هرگونه افزا...

full text

ترکیب شبکه های عصبی برای پیش بینی قیمت سهام

در این مقاله، یک مدل ابتکاری با ترکیب شبکه های عصبی مصنوعی (ANN) برای پیش بینی رفتار قیمت سهام پیشنهاد و اجرا می شود. این مدل ترکیبی، به صورت ساختار دو طبقه می باشد: شبکه های عصبی طبقه اول یا پیشگوهای پایه (Base Predictor) مسئول پیش بینی روزانه داده ها با ویژگی مختلف یک سهام می باشند و در طبقه دوم، شبکه دیگر، به عنوان ترکیب کننده پیش بینی نهایی را با بررسی و آنالیز اطلاعات پیشگوهای طبقه اول انج...

full text

پیش بینی قیمت مسکن در شهر تبریز:کاربرد مدل های قیمت هدانیک و شبکه عصبی مصنوعی

هدف اصلی این مطالعه مقایسه قدرت پیش بینی دو مدل رگرسیون هدانیک و شبکه عصبی مصنوعی (ann) و تعیین یک مدل بهینه برای پیش بینی قیمت هدانیک مسکن درکلان شهر تبریز می باشد. نتایج تخمین تابع قیمت هدانیک بیانگر آن است که اکثر متغیرها معنا دار بوده و دارای علامت مورد انتظار می باشند. عوامل فیزیکی بیشتر از عوامل مکانی(محیطی و دسترسی) قیمت واحدهای مسکونی را تحت تأثیر قرار می دهند. همچنین، از بین ویژگی های ...

full text

ارائه یک موتور پیش بینی مبتنی بر ترکیب اطلاعات جهت پیش بینی قیمت در بازارهای برق

در بازارهای برق تجدیدساختاریافته، ییش‎بینی صحیح قیمت اهمیت فراوانی برای تمامی شرکت‌کنندگان بازار دارد. به دلیل ویژگی‌های خاص و پیچیدگی‌های سیگنال قیمت بازار، یک موتور پیش‌بینی نمی‌تواند به تنهایی تمامی الگوهای مختلف موجود در سیگنال قیمت را شناسایی و مدل نمایند. بنابراین، جهت افزایش صحت پیش بینی‌ها، این مقاله یک روش هیبرید کننده ارائه می‌دهد تا بتواند از به صورت همزمان از مزیت‌های چند موتور پیش‌...

full text

My Resources

Save resource for easier access later


Journal title:
فصلنامه مطالعات اقتصادی کاربردی ایران (علمی - پژوهشی)

Publisher: دانشگاه بوعلی سینا

ISSN 2530-2322

volume 2

issue 6 2013

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023