Predykcja popytu mieszkaniowego

• Autorzy: Fortuna M.

Warianty tytułu

EN

Predicting the housing demand

• Języki publikacji: PL

Abstrakty

PL

Wszyscy inwestorzy budując domy (mieszkania) są bardzo zainteresowani wykorzystaniem profesjonalnych suportów decyzyjnych, których brak jest obecnie bardzo dotkliwie odczuwany. Przyczyną tego zainteresowania jest fakt, iż ponoszą oni nie tylko duże nakłady finansowe, ale podejmują również określony wysiłek organizacyjny związany z planowaniem i realizacją bardzo złożonego przedsięwzięcia budowlanego. Z punktu widzenia inwestorów wiedza o prognozowanym poziomie popytu dostarcza im kluczowej informacji wejściowej dla planowania adekwatnych i dedykowanych dla prognozowanej sytuacji rozwiązań technologicznych i korzystnej realizacji przedsięwzięcia budowlanego, z zapewnieniem minimum ryzyka i zgodności rozwiązań proponowanych z obowiązującym zagospodarowaniem przestrzennym terenu. Zadanie adekwatnego oszacowania, a tym bardziej adaptacyjnego prognozowania popytu mieszkaniowego stanowi istotne wyzwanie naukowe z uwagi na liczne trudności (np. permanentny brak danych lub słabą ich jakość) i duży stopień nieokreśloności związany zarówno z charakterystyką tego popytu jak i realizacją bardzo złożonego wieloaspektowego przedsięwzięcia budowlanego. Oszacowanie popytu mieszkaniowego wymaga kompleksowej identyfikacji wielu różnorodnych czynników mających wpływ na parametry realizacji procesu budowlanego, a co się z tym ściśle wiąże również na nasze decyzje mieszkaniowe. W artykule dokonano identyfikacji istotnych wskaźników mających wpływ na proponowany model popytu mieszkaniowego. Określono metody i naukowe techniki badawcze wykorzystane do analizy statystycznej zebranego materiału. Analizę tą przeprowadzono za pomocą programu MATLAB a w szczególności procedur STEPWISE i NLINFIT. W oparciu o tą analizę zidentyfikowano istotne determinanty modelowanych zjawisk, które wykorzystano do uczenia sieci neuronowych. Przy uczeniu sieci neuronowych zastosowano różne metody statyczne i dynamiczne (perceptron, gradientowe, gradientu sprzężonego, drugiego rzędu wykorzystujące aproksymacje Hesjanu). Efektywność tych metod była badana (parametry, struktura sieci) i weryfikowana (analiza post optymalizacyjna) i porównywana. Wybrano dedykowaną metodę dla tego konkretnego zastosowania. Nauczone sieci były wykorzystywane dla potrzeb liniowej i adaptacyjnej predykcji popytu mieszkaniowego (np. dla przewidzenia następnych wartości popytu, przy danych jego ostatnich 5 wartościach).

EN

All investors who build homes or flats are very much interested in the use of professional decision support tools. The reason of that interest is the fact that investors incur not only high financial expenditures, but they also make organisational efforts related to planning and implementation of complex construction projects. From the investors' viewpoint, the knowledge of projecting demand will give them key data for planning adequate technological solutions, complying with the projected situations, and profitable completion of a construction project at Iow risk and in compliance with the physical plan. The task of adequate evaluation and adaptive diagnosing of housing demand constitutes an essential scientific challenge due to a number of difficulties (e.g. lack of data or poor quality of data) and a large degree of uncertainty related to the demand characteristics and the execution of complex and comprehensive construction projects. Evaluation of housing demand requires a comprehensive identification of many diverse factors that affect the parameters of the building process, and it also affects our housing decisions. The paper identifies essential indicators that affect the proposed housing demand model. It determines scientific methods and techniques used for the statistical analysis of collected materials. The analysis was conducted with the application of the MATLAB software, including in particular STEPWISE and NLINFIT procedures. Based on that analysis, the author identified essential determinants of the events subjected to modelling. They were later applied to teaching neuronal networks. In that process, various static and dynamic methods were applied (perceptron, gradient, adjoint gradient, second order with function approximation (Hesjan)). The effectiveness of those methods was tested (with parameters, and network structure), verified (post-optimisation analysis) and compared. A dedicated method for a specific application was selected. Developed networks were used for the need of linear and adaptive prediction of housing demand (e.g. to project future demand figures based on the last five figures).

• Wydawca: -
• Czasopismo: Problemy Rozwoju Miast
• Rocznik: 2004
• Tom: 01
• Numer: 1-2
• Opis fizyczny: s.73-92,rys.,tab.,bibliogr.

Twórcy

autor

Fortuna M.

• Instytut Zarządzania w Budownictwie i Transporcie, Politechnika Krakowska, Kraków

Bibliografia

• Bryx M., Finansowanie rozwoju budownictwa mieszkaniowego. SGH, Warszawa 1999.
• Chow G.C., Ekonometria. PWN, Warszawa 1995.
• Decyzje symulacyjne, Sieci neuronowe. Red. Rymarczyk M., Wydawnictwo Wyższej Szkoły Handlowej, Poznań 1997.
• Deutsch R., Teoria estymacji. PWN, Warszawa 1969.
• Dominiak W., Mieszkalnictwo w gospodarce narodowej. Sprawy Mieszkaniowe z. 2-3/1999, IGM.
• Dominiak W., Uchman R., Makroekonomiczne uwarunkowania rozwoju budownictwa mieszkaniowego w Polsce, Sprawy Mieszkaniowe, z. 3/2001, IGM.
• Draper N.R., Smith H., Analiza regresji stosowana, PWN, Warszawa 1973.
• Hertz J., Krogh A., Palmer R., Wstęp do teorii obliczeń neuronowych, Wydawnictwo Naukowo-Techniczne, Warszawa 1995.
• Hillebrandt P.M., Economic Theory and the Construction Industry, Macmillan, London 2000.
• Kulesza H., Rządowy program „Mieszkalnictwo”. Próba oceny. IGM, Sprawy Mieszkaniowe, nr 1/2002.
• Kulesza H., Sytuacja mieszkaniowa w Polsce w drugiej połowie XX wieku. Sprawy mieszkaniowe, nr 2-3/1999, IGM.
• Kulwicki E., Czyż M., Karcz B., Kukuła U., Ekonomia wybrane zagadnienia. Kraków 1997.
• Lula P., Jednokierunkowe sieci neuronowe w modelowaniu zjawisk ekonomicznych, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków 1999.
• Osowski S., Sieci neuronowe w ujęciu algorytmicznym, Wydawnictwo NaukowoTechniczne, Warszawa 1996.
• Rutkowska D., Piliński M., Rutkowski L., Sieci neuronowe, algorytmy genetyczne i systemy rozmyte, PWN, Łódź 1999.
• Sieci neuronowe, Seminarium, Warszawa 14 października 1999 r.
• Strategia mieszkaniowa gminy miejskiej. Założenia, zakres, metody. Red. Zaniewska H., IGM, Warszawa 1997.
• Szafranko E., Czynniki kształtujące ceny mieszkań na przykładzie regionu olsztyńskiego, Problemy Rozwoju Budownictwa, 2/2001.
• Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza PM, Warszawa 1993.
• Walesiak M., Metody analizy danych marketingowych, PWN, Warszawa 1996.
• Welfe A., Ekonometria, PWN, Warszawa 1995.
• Werner W.A., Proces inwestycyjny dla architektów, Oficyna Wydawnicza Politechniki Warszawskiej, 1994.
• Zeliaś A., Pawełek B., Wanat S., Prognozowanie ekonomiczne: teoria, przykłady, zadania. PWN, Warszawa 2003.

Uwagi

Rekord w opracowaniu