Dados dos Fundos de Investimento Imobiliários (FIIs) Brasileiros Enriquecidos

• Henrique P. B. Diniz Universidade Federal de Viçosa (UFV)
• Fabrício A. Silva Universidade Federal de Viçosa (UFV) https://orcid.org/0000-0002-0713-0583
• Thais R. M. Braga Silva Universidade Federal de Viçosa (UFV) https://orcid.org/0000-0003-4924-7461

DOI: https://doi.org/10.5753/dsw.2024.243680

Resumo

Este artigo apresenta um conjunto de dados sobre Fundos de Investimento Imobiliários (FIIs) no Brasil. Os dados foram coletados de diversas fontes e enriquecidos com informações detalhadas dos imóveis que compõem os fundos, possibilitando sua utilização em modelos preditivos, sistemas de recomendação de carteiras e análises fundamentalistas, entre outras aplicações. O conjunto de dados visa atender tanto pesquisadores em finanças quanto investidores, promovendo avanços na análise e tomada de decisões no setor.

Palavras-chave: análise de dados, enriquecimento de dados, mercado financeiro

Referências

B3 (2021). Fundos de investimento imobiliário (fii).

Barbosa Junior, W. (2023). Aplicação de machine learning para auxiliar o processo decisório de investimento em fundos imobiliários.

Barboza, J. P., Santos, G. C., Garruti, D. V. T., and Barboza, F. L. d. M. (2022). Alocação de fundos de investimento imobiliários e estratégias de negociação: Carteiras elaboradas em algoritmos de reinforcement learning. Encontro de Gestão e Negócios.

Cardoso, F., Malska, J., Ramiro, P., Lucca, G., Borges, E., Mattos, V., and Berri, R. (2021). Bovdb: A data set of stock quotes for machine learning on all companies from b3 between 1995 and 2020. In Anais do III Dataset Showcase Workshop, pages 21–32, Porto Alegre, RS, Brasil. SBC.

da Rocha Lima Jr, J. (2011). Fundos imobiliários têm futuro no brasil? Real Estate Mercado.

Diniz, H., Carneiro, P., and Silva, F. (2023). Predicting real estate funds: A comparative study of machine learning and time series methods. In Anais do II Brazilian Workshop on Artificial Intelligence in Finance, pages 49–60, Porto Alegre, RS, Brasil. SBC.

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.

Freire, D. V. (2021). Forecasting u.s. reit index prices with artificial neural networks. Master’s thesis. AAI29335585.

Lauria, R. d. S. (2020). Aplicação de sistemas de recomendação em finanças. PhD thesis.

Paulus, N., Lautenschlaeger, L., and Schäfers, W. (2023). Social media and real estate: Do twitter users predict reit performance? Rozário, J. G. d. (2022). Aprendizado de máquina aplicado à seleção de fundos de investimento imobiliários. Trabalho de conclusão de curso de especialização, Universidade Tecnológica Federal do Paraná, Campus de Dois Vizinhos. Curso de Especialização em Ciência de Dados.

SANTOS, V. V. d. (2023). Avaliação do método random forest para auxílio à seleção de fundos de investimento imobiliário listados na bolsa de valores.

Steffen, M. A. (2015). Rentabilidade dos fundos de investimento imobiliários: uma análise da influência da bolsa de valores, dos juros e de fatores específicos do mercado. Master’s thesis, Universidade de São Paulo.

Utani, L. A., Silva, G. R. d., and Faria, E. B. P. (2022). Sistema especialista para apoio a decisão de investidores na aquisição de fundos imobiliários. Revista Eletrônica Anima Terra, VII(15):105–118. Mogi das Cruzes-SP.

Zanandrea, V. et al. (2018). Avaliação de fundos de investimento imobiliário no brasil. Master’s thesis, Universidade Federal de Santa Maria.

Zhang, W., Li, B., and Liew, A. e. a. (2023). Predicting the returns of the us real estate investment trust market: evidence from the group method of data handling neural network. Financ Innov, 9:98.