| Form of studies |
Master |
| Title of the study programm |
Financial Engineering Mathematics |
| Title in original language |
Tiešās kapitalizācijas un mašīnmācīšanās metožu pielietojums Rīgas dzīvokļu vērtēšanā |
| Title in English |
Application of direct capitalization and machine learning methods in valuation of residential apartments in Riga |
| Department |
Faculty Of Computer Science Information Tehnology And Energy |
| Scientific advisor |
Tālis Laizāns |
| Reviewer |
Irina Voronova |
| Abstract |
Vairums Latvijas galvaspilsētas Rīgas iedzīvotāju mitinās dzīvokļos, kas ir vai nu iegādāti personīgajā īpašumā, vai tiek nomāti. Iemītniekam vai investoram iegādājoties dzīvokli, ir svarīgi noteikt tā patieso vērtību, lai nepārmaksātu ne par īpašumu, ne tā finansēšanu. Nekustamā īpašuma tirgum attīstoties, arvien mainās atsevišķu faktoru ietekme uz cenu, kā rezultātā patiesās vērtības aplēse var būt ļoti izaicinošs uzdevums.
Darba ietvaros tika izstrādāti modeļi Rīgas dzīvokļu tirgus cenas noteikšanai un prognozēšanai, izmantojot tiešās kapitalizācijas metodi un uz mašīnmācīšanās algoritmiem balstītas metodes. Darba rezultāti secina, ka visprecīzākā dzīvokļu cenas prognozēšanā ir gadījuma meža veidošanas metode, kam seko lēmumu koka veidošanas metode un k-tuvāko kaimiņu metode, savukārt tiešās kapitalizācijas metode nav piemērota liela skaita dzīvokļu vērtēšanas vispārīgā modeļa izstrādei.
Atslēgvārdi: nekustamo īpašumu tirgus, vērtēšana, mašīnmācīšanās metodes, k-tuvākie kaimiņi, lēmumu koks, gadījuma mežs
Darbā ir 103 lappuses, 24 attēli, 9 tabulas, 7 pielikumi un 75 izmantotās informācijas avoti. |
| Keywords |
nekustamo īpašumu tirgus, vērtēšana, mašīnmācīšanās metodes, k-tuvākie kaimiņi, lēmumu koks, gadījuma mežs |
| Keywords in English |
real estate market, valuation, machine learning methods, k-nearest neighbours, decision trees, random forest |
| Language |
lv |
| Year |
2023 |
| Date and time of uploading |
30.05.2023 11:43:36 |
