Institutional Repository [SANDBOX]
Technical University of Crete
EN  |  EL

Search

Browse

My Space

Loan forecasting for commercial real estate with neuro-fuzzy techniques

Tsouvalakis Georgios

Simple record


URIhttp://purl.tuc.gr/dl/dias/FA5805CB-FCC0-4C67-8B5F-D28A3FD477ED-
Identifierhttps://doi.org/10.26233/heallink.tuc.98815-
Languageel-
Extent135 σελίδεςel
Extent3.4 megabytesen
TitleΠρόβλεψη δανείων εμπορικών ακινήτων με νεύρο-ασαφή τεχνικέςel
TitleLoan forecasting for commercial real estate with neuro-fuzzy techniquesen
CreatorTsouvalakis Georgiosen
CreatorΤσουβαλακης Γεωργιοςel
Contributor [Thesis Supervisor]Atsalakis Georgiosen
Contributor [Thesis Supervisor]Ατσαλακης Γεωργιοςel
Contributor [Committee Member]Zopounidis Konstantinosen
Contributor [Committee Member]Ζοπουνιδης Κωνσταντινοςel
Contributor [Committee Member]Doumpos Michailen
Contributor [Committee Member]Δουμπος Μιχαηλel
PublisherΠολυτεχνείο Κρήτηςel
PublisherTechnical University of Creteen
Academic UnitTechnical University of Crete::School of Production Engineering and Managementen
Academic UnitΠολυτεχνείο Κρήτης::Σχολή Μηχανικών Παραγωγής και Διοίκησηςel
Content SummaryΟι αγοραπωλησίες ακινήτων πρωτοεμφανίστηκαν τα αρχαιά χρονιά ,οι συμφωνίες που διαδραματιζόντουσαν παρέμενα σε τοπικό επίπεδο και δεν ξεπερνούσαν τα σύνορα της εκάστοτε χώρας. Με την πάροδο των χρόνων εντάθηκαν οι επενδύσεις σε ακίνητα ,οι συμφωνίες είχαν την επιλογή να γίνουν με την βοήθεια τρίτων και οι αγορές έβγαιναν εκτός συνόρων και γίνονταν διεθνή. Καθώς η παγκόσμια ολοκλήρωση της αγοράς προόδευε και η παγκοσμιοποίηση στην οικονομία γινόταν ένα αναπόσπαστο κομμάτι της εκάστοτε οικονομίας. Οι διασυνοριακές ροές κεφαλαίων αυξήσαν τις αγορές των περιουσιακών στοιχείων και οι αγορές των ακινήτων καταλάμβαναν σημαντικό ρόλο στην αγορά. Αξιοσημείωτο είναι ότι ένα από τα βασικά πλεονεκτήματα στις επενδύσεις των ακινήτων παρέχουν ένα απόθεμα ασφαλείας μέσω των ετησίων ταμειακών ροών ,γεγονός που διασφαλίζει τον πλούτο του εκάστοτε ιδιόκτητη ιδιαίτερα σε περιόδους οικονομικής ύφεσης. Επίσης ένα άλλο πλεονέκτημα είναι ότι μπορούν να αποκτηθούν περιουσιακά στοιχεία σε τιμές που προσφέρουν ελκυστικές αποδόσεις για μεγάλο χρονικό διάστημα και να αποφέρουν με την σειρά τους μεγαλύτερο κέρδος στον επενδυτή. Εν αντιθέσει μπορούν όμως και να επιφέρουν αρνητικές συνέπειες αν διενεργηθούν λανθασμένες κινήσεις και ληφθούν λανθασμένες αποφάσεις, με αποτέλεσμα να οδηγηθούν ακόμα και στην πτώχευση. Ακολούθως τα ακίνητα αναλύονται σε δύο ομάδες : Πρώτον, στα ακίνητα κατοικίας και δεύτερον, στα εμπορικά ακίνητα. Η παρούσα εργασία επικεντρώνεται στην μελέτη των εμπορικών ακινήτων που έχουν ως στόχο στην ανάλυση των μοντέλων πρόβλεψης ώστε να αποτυπωθεί η μελλοντική εικόνα των δάνειων των εμπορικών ακινήτων ,στο πως αλληλοεπιδράει και επηρεάζεται με την παγκόσμια αγορά. Αναλυτικότερα ,τα εμπορικά ακίνητα περιλαμβάνονται σχεδόν πάντα από έναν ιδιόκτητη και ένα ενοικιαστή ενώ ο σκοπός τους είναι εμπορικός. Η αγορά των εμπορικών ακινήτων βασίζεται σε πολύπλοκες σχέσεις αμέτρητών αγορών ακινήτων και μακροχρόνιων παραγόντων. Γι’ αυτό τον λόγο η ανάγκη για προβλέψεις στην αγορά ακινήτων έχουν βρει πρόσφορο έδαφος και έντονο ενδιαφέρον στους ερευνητές και επαγγελματίες ώστε αποφευχθούν ή και να ελαχιστοποιηθούν οι κίνδυνοι με σκοπό να ληφθούν ορθότερες αποφάσεις με σκοπό το κέρδος. Στην παρούσα διπλωματική χρησιμοποιείται μια νεύρο-ασαφή τεχνική η οποία βασίζεται πάνω στην θεωρία των νευρωνικών δικτύων ,η υλοποίηση της έγινε με την βοήθεια του λογισμικού ΜΑΤLAB. Πιο συγκεκριμένα στην πρόβλεψη των εβδομαδιαίων δανείων των εμπορικών ακινήτων ( τα δεδομένα χρονολογούνται από τις 02/06/2004 έως τις 14/06/2023). Στον κώδικα εντάχθηκαν τα δεδομένα των δανείων των εμπορικών ακινήτων των προηγούμενων εβδομάδων, ακολούθως εφαρμοστήκαν στα μοντέλα ΑΝFIS που εμπεριέχουν τους κανόνες της ασαφής λογικής και τέλος εξήγαγαν την τιμή πρόβλεψης. Εν κατακλείδι, η δομή που ακολουθήθηκε για την διεκπεραίωση την διπλωματικής εργασίας ήταν : στα πρώτα κεφάλαια έγινε μια βιβλιογραφική ανασκόπηση, έπειτα διατυπώθηκαν οι βασικές μεθοδολογίες και το θεωρητικό υπόβαθρο της εργασίας που είναι απαραίτητο για την κατανόηση της μελέτης. Στο τελευταίο κεφάλαιο έγινε μια εκτενέστερη ανάλυση των εξαγόμενων συμπερασμάτων που αναλύθηκαν με μαθηματικό υπόβαθρό στον τομέα των προβλέψεων και στο τέλος καταγράφτηκε η αντίστοιχη βιβλιογραφία. el
Content SummaryThe buying and selling of real estate first appeared in the ancient years, the agreements which they always took place at the local level and did not go beyond the borders of the respective country. Over the years, investments in real estate intensified, deals had the option to be done with the help of third parties, and markets went beyond borders and became international. As global market integration progressed, globalization in the economy became an integral part of each economy. Cross-border capital flows increased asset purchases, and real estate markets played an important role in the market. It is noteworthy that one of the main advantages of real estate investments is that they provide a safety margin through annual cash flows, a fact that ensures the wealth of the individual owner, especially in periods of economic recession. Also, another advantage is that assets can be acquired at prices that offer attractive returns for a long period of time and in turn bring more profit to the investor. On the contrary, however, they can also bring about negative consequences if wrong actions are carried out and wrong decisions are taken respectively, with the result that they may even lead to bankruptcy. Real estate is divided into two groups: First, residential real estate and second, commercial real estate. This work focuses on the study of commercial real estate with the aim of analyzing forecasting models in order to capture the future image of commercial real estate loans, how it interacts and is affected by the global market. More specifically, commercial real estate is almost always comprised of an owner and a tenant while their purpose is commercial. The commercial real estate market is based on complex relationships of countless real estate markets and long-term factors. For this reason, the need for forecasts in the real estate market have found fertile ground and intense interest among researchers and professionals in order to avoid or minimize risks in order to make better decisions for the purpose of profit. In this thesis, a neuro-fuzzy technique is used which is based on the theory of neural networks, its implementation was done with the help of the MATLAB software. More specifically in the forecast of weekly commercial real estate loans (data dates from 06/02/2004 to 06/14/2023). The code fed the previous weeks' commercial real estate loan data, then applied it to the ANFIS models incorporating the fuzzy logic rules, and finally extracted the forecast value. In conclusion, the structure followed for the completion of the diploma work was: in the first chapters a literature review was done, then the basic methodologies and the theoretical background of the work necessary for the understanding of the study were formulated. In the last chapter, a more extensive analysis was made of the extracted conclusions that were analyzed with a mathematical background in the field of predictions and at the end the corresponding bibliography was recorded.en
Type of ItemΜεταπτυχιακή Διατριβήel
Type of ItemMaster Thesisen
Licensehttp://creativecommons.org/licenses/by/4.0/en
Date of Item2024-02-26-
Date of Publication2024-
SubjectΠροβλέψεις δανείων εμπορικών ακινήτωνel
SubjectΕμπορικά ακίνηταel
SubjectCommercial real estate loansen
SubjectANFISen
SubjectΝεύρο-ασαφή τεχνικές δανείων εμπορικών ακινήτωνel
SubjectLoan forecasting for commercial real estateen
Bibliographic CitationΓεώργιος Τσουβαλάκης, "Πρόβλεψη δανείων εμπορικών ακινήτων με νεύρο-ασαφή τεχνικές", Μεταπτυχιακή Διατριβή, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2024el
Bibliographic CitationGeorgios Tsouvalakis, "Loan forecasting for commercial real estate with neuro-fuzzy techniques", Master Thesis, School of Production Engineering and Management, Technical University of Crete, Chania, Greece, 2024en

Available Files

Services

Statistics