Publication:
Artificial neural networks for predicting real estate prices

dc.contributor.authorNúñez Tabales, Julia M.
dc.contributor.authorCaridad y Ocerin, José María
dc.contributor.authorRey Carmona, Francisco J.
dc.date.accessioned2013-10-10T17:57:32Z
dc.date.available2013-10-10T17:57:32Z
dc.date.issued2013
dc.descriptionRevista de Métodos Cuantitativos para la Economía y la Empresa Vol.15 (junio de 2013) p. 29-44en_US
dc.descriptionClasificación JEL: C45 C51 E37en_US
dc.description.abstractEconometric models, in the estimation of real estate prices, are a useful and realistic approach for buyers and for local and fiscal authorities. From the classical hedonic models to more data driven procedures, based on Artificial Neural Networks (ANN), many papers have appeared in economic literature trying to compare the results attained with both approaches. We insist on the use of ANN, when there is enough statistical information, and will detail some comparisons to hedonic modeling, in a medium size city in the South of Spain, with an extensive set of data spanning over several years, collected before the actual downturn of the market. Exogenous variables include each dwelling's external and internal data (both numerical and qualitative), and data from the building in which it is located and its surroundings. Alternative models are estimated for several time intervals, and enabling the comparison of the effects of the rising prices during the bull market over the last decade.en_US
dc.description.abstractLos modelos econométricos en la valoración de precios inmobiliarios constituyen una herramienta útil tanto para los compradores como para las autoridades locales y fiscales. Desde los modelos hedónicos clásicos hasta los planteamientos actuales a través de redes neuronales artificiales (RNA), han tenido lugar numerosas aportaciones en la literatura económica que tratan de comparar los resultados de ambos métodos. Insistimos en el empleo de RNA en el caso de disponer de suficiente información estadística. En este trabajo se aplica dicha metodología en una ciudad de tamaño medio situada en el sur de España, utilizando una extensa muestra de datos que comprende varios años precedentes a la crisis actual. Las variables utilizadas -tanto cuantitativas como cualitativas- incluyen datos externos e internos de la vivienda, del edificio en el que está localizada, así como de su entorno. Se construyen varios modelos alternativos para distintos intervalos de tiempo, siendo capaces de estimar los efectos de los precios crecientes del mercado alcista durante la década pasada.en_US
dc.description.versionVersión del editoren_US
dc.format.mimetypeapplication/pdf
dc.identifier.citationRevista de Métodos Cuantitativos para la Economía y la Empresa Vol.15 (junio de 2013) p. 29-44en_US
dc.identifier.issn1886-516X
dc.identifier.urihttp://hdl.handle.net/10433/363
dc.language.isoenen_US
dc.publisherUniversidad Pablo de Olavide.en_US
dc.rightsLicencia Creative Commons Reconocimiento-No comercial_Sin obra derivada 3.0 España.
dc.rights.accessRightsopen access
dc.subjectHouse pricesen_US
dc.subjectArtificial neural networks (ANN)en_US
dc.subjectValuationen_US
dc.subjectEconometric modelingen_US
dc.subjectPrecios de la viviendaen_US
dc.subjectRedes neuronales artificiales (RNA)en_US
dc.subjectValoraciónen_US
dc.subjectModelos econométricosen_US
dc.titleArtificial neural networks for predicting real estate pricesen_US
dc.title.alternativeRedes neuronales artificiales para la predicción de precios inmobiliariosen_US
dc.typejournal articleen_US
dspace.entity.typePublication

Files

Original bundle

Now showing 1 - 1 of 1
Loading...
Thumbnail Image
Name:
revmetcuant15-artificial.pdf
Size:
546.36 KB
Format:
Adobe Portable Document Format