haku: @author Kotipelto, Sanna-Mari / yhteensä: 1
hakutulos-lista
viite: 1 / 1
« edellinen | seuraava »
Tekijä:Kotipelto, Sanna-Mari
Työn nimi:Käyttäjäkysynnän ennustaminen kiinteistömarkkinoilla
Estimating the Space Demand in Real Estate Markets
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2001
Sivut:86      Kieli:   fin
Koulu/Laitos/Osasto:Maanmittausosasto
Oppiaine:Kiinteistöoppi   (Maa-20)
Valvoja:Viitanen, Kauko
Ohjaaja:Palmu, Jussi
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark M80     | Arkisto
Avainsanat:real estate economics
space demand
estimation
variables
methods
kiinteistötalous
käyttäjäkysyntä
ennustaminen
muuttujat
menetelmät
Tiivistelmä (fin):Kiinteistömarkkinoiden kysyntää on pyritty Suomessa ennustamaan useilla eri menetelmillä.
Vaikka menetelmät ovat kansainvälisesti hyviksi koettuja, niillä ei ole saavutettu hyviä lopputuloksia Suomen markkinoilla.

Työn tavoitteena on löytää uusia mahdollisia menetelmiä käyttäjäkysynnän ennustamiseen.
Jotta menetelmiä voitaisiin arvioida objektiivisesti, on ensin tunnistettava käyttäjäkysyntään vaikuttavat muuttujat ja niiden saatavuus Suomen markkinoilta.

Sekä muuttujien että menetelmien osalta pääasiallisena tutkimusmenetelmänä on kirjallisuustutkimus.
Kirjallisuustutkimuksen lisäksi asiantuntijahaastatteluiden avulla on selvitetty menetelmien hyviä ja huonoja puolia sekä syvennetty tietoa.

Käyttäjäkysyntää selittävät sekä kotimaisten että ulkomaisten viitekehysten mukaan yleiset kansantaloudelliset muuttujat, kuten työllisyys ja BKT.
Markkinoiden endogeenisilla muuttujilla ei näytä olevan suurtakaan merkitystä käyttäjäkysyntään, vaan pikemmin kysynnän määrä vaikuttaa esim. markkinoiden vuokratasoon.

Suomen markkinoille uusina menetelminä tutkimuksessa vertailtiin neurolaskentaa, Bayesiläistä mallintamista, sumeaa logiikkaa ja analyyttistä hierarkiaprosessia.
Näistä neurolaskenta, erityisesti back propagation -opetusalgoritmi, näyttää soveltuvan erittäin hyvin tämän tyyppiseen ongelmakenttään, jossa lähtöaineisto koostuu aikasarjoista.
Kansainvälisissä tutkimuksissa neurolaskentaa on jo sovellettu kiinteistömarkkinoiden mallintamiseen ja ennustamiseen.
ED:2001-06-20
INSSI tietueen numero: 17636
+ lisää koriin
« edellinen | seuraava »
INSSI