Predicting Real Estate Funds: A Comparative Study of Machine Learning and Time Series Methods
Resumo
This work investigates different strategies for predicting the price variation of Real Estate Investment Funds (FIIs) using machine learning models, in comparison with a traditional time series method. We analyze the performance of the models in terms of fund categories (i.e., paper, brick, or hybrid), model settings (i.e., one model per fund or a general model), and forecast time window (i.e., 6 months or 1 month). An analysis was also carried out considering an enrichment of the data with characteristics of the properties belonging to the funds, which is a pioneering contribution of this work. The results reveal, among other conclusions, that machine learning models outperform the time series technique only for the medium term, and that the information on the properties belonging to the funds was important for improving forecasts.
Palavras-chave:
Real Estate Investment Funds, Machine Learning, Time Series
Referências
Alves, F. N. (2021). Fatores dinâmicos aplicados ao mercado de fundos imobiliários bvmf e cetip. Master’s thesis, Universidade de Brasília.
Brandão, I. V. (2021). Framework de apoio à tomada de decisão no mercado de ações baseado em aprendizado por reforço profundo. Master’s thesis, Universidade de Brasília.
Carvalho, A. L. d. P. (2019). Modelagem econométrica para forecasting do IFIX. PhD thesis, Fundação Getúlio Vargas.
da Rocha Lima Jr, J. (2011). Fundos imobiliários têm futuro no brasil? Real Estate Mercado.
Figueiredo, L. J. A. S., dos Santos, G. B., Souza, R. P. P. M., Silva, F. A., and Silva, T. R. M. B. (2021). Moredata: A geospatial data enrichment framework. SIGSPATIAL ’21, page 419–422, New York, NY, USA. Association for Computing Machinery.
Gertsekovich, D., Gorbachevskaya, L., Grigorova, L., and Peshkov, V. (2019). Return on investment in reit real estate funds. In IOP Conference Series: Materials Science and Engineering, volume 667, page 012025. IOP Publishing.
Helfenstein, L. G. et al. (2020). A análise sistemática de fundos imobiliários nacionais e internacionais para investimento. Master’s thesis, Universidade Estadual do Oeste do Paraná.
Kinoshita, J. K., Meneghetti, D. D. R., and Bianchi, R. A. d. C. (2022). Aprendizado por reforço profundo com redes recorrentes aplicado à negociação do minicontrato futuro de dólar. Anais do I Brazilian Workshop on Artificial Intelligence in Finance (BWAIF 2022).
Manganotti, K. H. (2014). Estudo sobre a ocorrência ou não de retorno anormal nos Fundos Imobiliários de Renda e a comparação com o retorno de imóveis físicos que propiciam renda. PhD thesis, Universidade de São Paulo.
Silva, A. E. M. d. (2017). Determinantes de performance dos fundos de investimentos imobiliários brasileiros (fiis). Mestrado em Contabilidade e Finanças, Fucape Business School.
Soares, F. (2008). Predição de séries financeiras utilizando wavelets e redes neurais: um modelo para os fundos de investimentos imobiliários. Programa de Pós-Grad. em Sistemas e Processos Industriais Mestrado.
Zanandrea, V. et al. (2018). Avaliação de fundos de investimento imobiliário no brasil. Master’s thesis, Universidade Federal de Santa Maria.
Brandão, I. V. (2021). Framework de apoio à tomada de decisão no mercado de ações baseado em aprendizado por reforço profundo. Master’s thesis, Universidade de Brasília.
Carvalho, A. L. d. P. (2019). Modelagem econométrica para forecasting do IFIX. PhD thesis, Fundação Getúlio Vargas.
da Rocha Lima Jr, J. (2011). Fundos imobiliários têm futuro no brasil? Real Estate Mercado.
Figueiredo, L. J. A. S., dos Santos, G. B., Souza, R. P. P. M., Silva, F. A., and Silva, T. R. M. B. (2021). Moredata: A geospatial data enrichment framework. SIGSPATIAL ’21, page 419–422, New York, NY, USA. Association for Computing Machinery.
Gertsekovich, D., Gorbachevskaya, L., Grigorova, L., and Peshkov, V. (2019). Return on investment in reit real estate funds. In IOP Conference Series: Materials Science and Engineering, volume 667, page 012025. IOP Publishing.
Helfenstein, L. G. et al. (2020). A análise sistemática de fundos imobiliários nacionais e internacionais para investimento. Master’s thesis, Universidade Estadual do Oeste do Paraná.
Kinoshita, J. K., Meneghetti, D. D. R., and Bianchi, R. A. d. C. (2022). Aprendizado por reforço profundo com redes recorrentes aplicado à negociação do minicontrato futuro de dólar. Anais do I Brazilian Workshop on Artificial Intelligence in Finance (BWAIF 2022).
Manganotti, K. H. (2014). Estudo sobre a ocorrência ou não de retorno anormal nos Fundos Imobiliários de Renda e a comparação com o retorno de imóveis físicos que propiciam renda. PhD thesis, Universidade de São Paulo.
Silva, A. E. M. d. (2017). Determinantes de performance dos fundos de investimentos imobiliários brasileiros (fiis). Mestrado em Contabilidade e Finanças, Fucape Business School.
Soares, F. (2008). Predição de séries financeiras utilizando wavelets e redes neurais: um modelo para os fundos de investimentos imobiliários. Programa de Pós-Grad. em Sistemas e Processos Industriais Mestrado.
Zanandrea, V. et al. (2018). Avaliação de fundos de investimento imobiliário no brasil. Master’s thesis, Universidade Federal de Santa Maria.
Publicado
06/08/2023
Como Citar
DINIZ, Henrique; CARNEIRO, Paulo; SILVA, Fabrício A..
Predicting Real Estate Funds: A Comparative Study of Machine Learning and Time Series Methods. In: BRAZILIAN WORKSHOP ON ARTIFICIAL INTELLIGENCE IN FINANCE (BWAIF), 2. , 2023, João Pessoa/PB.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2023
.
p. 49-60.
DOI: https://doi.org/10.5753/bwaif.2023.230075.
