ارزیابی روش های ترکیب پیش بینی : مطالعه موردی قیمت مسکن در شهر تهران
Authors
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.
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 textتحلیل 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 textپیشنهاد 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 textترکیب 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 textپیش 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 textارائه 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 textMy 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