Patrones de depreciación de la flota de vehículos livianos para una compañía arrendadora que opera en el mercado colombiano
ilustraciones, diagramas, tablas
- Autores:
-
Bonilla Céspedes, Nelson Adolfo
- Tipo de recurso:
- Fecha de publicación:
- 2022
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/81690
- Palabra clave:
- 330 - Economía::332 - Economía financiera
510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas
Autos de alquiler - Depreciación
Depreciación
Depreciation methods
Métodos de depreciación
Depreciation
Regresión lineal múltiple
Modelo aditivo generalizado
Cluster
Modelo hedónico de precios
Redes neuronales
Árboles de regresión
Precio automóviles
Multiple linear regression
Generalized additive model
Hedonic price model
Neural networks
Regression trees
Automobile price
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
| id |
UNACIONAL2_faf7668551f6138bd9535e8cb6c3a6a8 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/81690 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Patrones de depreciación de la flota de vehículos livianos para una compañía arrendadora que opera en el mercado colombiano |
| dc.title.translated.eng.fl_str_mv |
Depreciation patterns of the light vehicle fleet for a leasing company operating in the Colombian market |
| title |
Patrones de depreciación de la flota de vehículos livianos para una compañía arrendadora que opera en el mercado colombiano |
| spellingShingle |
Patrones de depreciación de la flota de vehículos livianos para una compañía arrendadora que opera en el mercado colombiano 330 - Economía::332 - Economía financiera 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas Autos de alquiler - Depreciación Depreciación Depreciation methods Métodos de depreciación Depreciation Regresión lineal múltiple Modelo aditivo generalizado Cluster Modelo hedónico de precios Redes neuronales Árboles de regresión Precio automóviles Multiple linear regression Generalized additive model Hedonic price model Neural networks Regression trees Automobile price |
| title_short |
Patrones de depreciación de la flota de vehículos livianos para una compañía arrendadora que opera en el mercado colombiano |
| title_full |
Patrones de depreciación de la flota de vehículos livianos para una compañía arrendadora que opera en el mercado colombiano |
| title_fullStr |
Patrones de depreciación de la flota de vehículos livianos para una compañía arrendadora que opera en el mercado colombiano |
| title_full_unstemmed |
Patrones de depreciación de la flota de vehículos livianos para una compañía arrendadora que opera en el mercado colombiano |
| title_sort |
Patrones de depreciación de la flota de vehículos livianos para una compañía arrendadora que opera en el mercado colombiano |
| dc.creator.fl_str_mv |
Bonilla Céspedes, Nelson Adolfo |
| dc.contributor.advisor.none.fl_str_mv |
Gómez Vélez, César Augusto |
| dc.contributor.author.none.fl_str_mv |
Bonilla Céspedes, Nelson Adolfo |
| dc.subject.ddc.spa.fl_str_mv |
330 - Economía::332 - Economía financiera 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas |
| topic |
330 - Economía::332 - Economía financiera 510 - Matemáticas::519 - Probabilidades y matemáticas aplicadas Autos de alquiler - Depreciación Depreciación Depreciation methods Métodos de depreciación Depreciation Regresión lineal múltiple Modelo aditivo generalizado Cluster Modelo hedónico de precios Redes neuronales Árboles de regresión Precio automóviles Multiple linear regression Generalized additive model Hedonic price model Neural networks Regression trees Automobile price |
| dc.subject.other.none.fl_str_mv |
Autos de alquiler - Depreciación |
| dc.subject.lemb.none.fl_str_mv |
Depreciación Depreciation methods Métodos de depreciación Depreciation |
| dc.subject.proposal.spa.fl_str_mv |
Regresión lineal múltiple Modelo aditivo generalizado Cluster Modelo hedónico de precios Redes neuronales Árboles de regresión Precio automóviles |
| dc.subject.proposal.eng.fl_str_mv |
Multiple linear regression Generalized additive model Hedonic price model Neural networks Regression trees Automobile price |
| description |
ilustraciones, diagramas, tablas |
| publishDate |
2022 |
| dc.date.accessioned.none.fl_str_mv |
2022-07-07T17:01:31Z |
| dc.date.available.none.fl_str_mv |
2022-07-07T17:01:31Z |
| dc.date.issued.none.fl_str_mv |
2022-04-01 |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Maestría |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/masterThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/TM |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/81690 |
| dc.identifier.instname.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.identifier.reponame.spa.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| dc.identifier.repourl.spa.fl_str_mv |
https://repositorio.unal.edu.co/ |
| url |
https://repositorio.unal.edu.co/handle/unal/81690 https://repositorio.unal.edu.co/ |
| identifier_str_mv |
Universidad Nacional de Colombia Repositorio Institucional Universidad Nacional de Colombia |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Aggarwal, C. C., y cols. (2018). Neural networks and deep learning. Springer, 10 , 978-3. Andersson, H. (2005). The value of safety as revealed in the swedish car market: an application of the hedonic pricing approach. Journal of Risk and Uncertainty, 30 (3), 211-239. Baltas, G., y Saridakis, C. (2010). Measuring brand equity in the car market: a hedonic price analysis. Journal of the Operational Research Society, 61 (2), 284-293. Breiman, L., Friedman, J., Olshen, R., y Stone, C. (1984). Cart. Classi_cation and Regression Trees, Wadsworth and Brooks/Cole, Monterey, CA. Celik, Ö., y Osmano_glu, U. Ö. (2019). Prediction of the prices of second-hand cars. Avrupa Bilim ve Teknoloji Dergisi(16), 77-83. Chiok, C. H. M. (2014). Modelos de regresión lineal con redes neuronales. En Anales científicos (Vol. 75, pp. 253-260). Corporation, G. M., Association, A. S., y Society, E. (1939). The dynamics of automobile demand: Based upon papers presented at the joint meeting of the american statistical association and the econometric society, in detroit, michigan, on december 27, 1938. New York: General Motors Corporation. Cowling, K., y Cubbin, J. (1972). Hedonic price indexes for united kingdom cars. The Economic Journal, 82 (327), 963-978. Crawford, S. L. (1989). Extensions to the cart algorithm. International Journal of Man-Machine Studies, 31 (2), 197-217. de Toro, G. R. R. M., y cols. (2017). Un modelo hedónico de precios en línea de automóviles usados en argentina. Revista de Métodos Cuantitativos para la Economía y la Empresa, 24 , 25-53. Dexheimer, V., y Linz, S. (2003). Hedonic methods of price measurement for used cars. Statistisches Bundesamt (Destatis). Dress, K., Lessmann, S., y von Mettenheim, H.-J. (2018). Residual value forecasting using asymmetric cost functions. International Journal of Forecasting, 34 (4), 551-565. Erdem, C., y S_ent urk, Ï. (2009). A hedonic analysis of used car prices in turkey. International Journal of Economic Perspectives, 3 (2), 141-149. Estivill-Castro, V. (2002). Why so many clustering algorithms: a position paper. ACM SIGKDD explorations newsletter , 4 (1), 65-75. Gleue, C., Eilers, D., von Mettenheim, H.-J., y Breitner, M. H. (2017). Decision support for the automotive industry: forecasting residual values using arti_cial neural networks. Haan, M. A., y de Boer, H.-W. (2010). Has the internet eliminated regional price differences? evidence from the used car market. De Economist, 158 (4), 373-386. Jain, A. K. (2010). Data clustering: 50 years beyond k-means. Pattern recognition letters, 31 (8), 651-666. James, G., Witten, D., Hastie, T., y Tibshirani, R. (2013). An introduction to statistical learning (Vol. 112). Springer. Kihm, A., y Vance, C. (2016). The determinants of equity transmission between the new and used car markets: a hedonic analysis. Journal of the Operational Research Society, 67 (10), 1250-1258. Ladd, G. W., y Suvannunt, V. (1976). A model of consumer goods characteristics. American Journal of Agricultural Economics, 58 (3), 504-510. Lancaster, K. J. (1966). A new approach to consumer theory. Journal of political economy, 74 (2), 132-157. Lessmann, S., y VoB, S. (2017). Car resale price forecasting: The impact of regression method, private information, and heterogeneity on forecast accuracy. International Journal of Forecasting, 33 (4), 864-877. Loh, W.-Y. (2011). Classi_cation and regression trees. Wiley interdisciplinary reviews: data mining and knowledge discovery, 1 (1), 14-23. Loh, W.-Y. (2014). Fifty years of classi_cation and regression trees. International Statistical Review, 82 (3), 329-348. Matas, A., y Raymond, J.-L. (2009). Hedonic prices for cars: an application to the spanish car market, 1981-2005. Applied Economics, 41 (22), 2887-2904. Nau, K. (2012). An empirical analysis of residual value risk in automotive lease contracts. Dissertation, University of Hohenheim, Stuttgart, Germany. Peerun, S., Chummun, N. H., y Pudaruth, S. (2015). Predicting the price of second-hand cars using artificial neural networks. En The second international conference on data mining, internet computing, and big data (bigdata2015) (p. 17). Prado, S. M., y cols. (2009). The european used-car market at a glance: Hedonic resale Price valuation in automotive leasing industry. Economics Bulletin, 29 (3), 2086-2099. Prieto, M., y cols. (2015). Using a hedonic price model to test prospect theory assertions: The asymmetrical and nonlinear e_ect of reliability on used car prices. Journal of Retailing and Consumer Services, 22 , 206-212. Reis, H. J., y Silva, J. S. (2006). Hedonic prices indexes for new passenger cars in portugal (1997-2001). Economic Modelling, 23 (6), 890-908. Requena-Silvente, F., y Walker, J. (2006). Calculating hedonic price indices with unobserved product attributes: an application to the uk car market. Economica, 73 (291), 509-532. Rosen, S. (1974). Hedonic prices and implicit markets: product di_erentiation in pure competition. Journal of political economy, 82 (1), 34-55. Sharma, S., y Sharma, S. (2017). Activation functions in neural networks. Towards Data Science, 6 (12), 310-316. Sorkun, M. C. (2015). Secondhand car price estimation using arti cial neural network. Storchmann, K. (2004). On the depreciation of automobiles: an international comparison. Transportation, 31 (4), 371-408. Therneau, T., y Atkinson, B. (2011). port, r. Ripley, B, 3-1. |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Atribución-NoComercial 4.0 Internacional |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by-nc/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Atribución-NoComercial 4.0 Internacional http://creativecommons.org/licenses/by-nc/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
xiv, 73 páginas |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.country.none.fl_str_mv |
Colombia |
| dc.publisher.spa.fl_str_mv |
Universidad Nacional de Colombia |
| dc.publisher.program.spa.fl_str_mv |
Medellín - Ciencias - Maestría en Ciencias - Estadística |
| dc.publisher.department.spa.fl_str_mv |
Escuela de estadística |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad de Ciencias |
| dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Medellín |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/81690/3/1118072096.2022.pdf https://repositorio.unal.edu.co/bitstream/unal/81690/4/license.txt https://repositorio.unal.edu.co/bitstream/unal/81690/5/1118072096.2022.pdf.jpg |
| bitstream.checksum.fl_str_mv |
a8fbf8ffa11366e906daf671151cfdb2 8153f7789df02f0a4c9e079953658ab2 30e14e795dc88d3722fb15c9b5413fcb |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089660073246720 |
| spelling |
Atribución-NoComercial 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Gómez Vélez, César Augusto5f313d9d6a03f53f290c99eff12913a8600Bonilla Céspedes, Nelson Adolfo490de7895064b7eedaca7538783d76fc2022-07-07T17:01:31Z2022-07-07T17:01:31Z2022-04-01https://repositorio.unal.edu.co/handle/unal/81690Universidad Nacional de ColombiaRepositorio Institucional Universidad Nacional de Colombiahttps://repositorio.unal.edu.co/ilustraciones, diagramas, tablasEn la industria del arrendamiento de vehículos el valor de venta del activo al finalizar el contrato es una variable esencial para determinar la viabilidad del alquiler y, en consecuencia, la sostenibilidad del negocio. En Colombia no se encuentran trabajos enfocados a explorar alternativas metodológicas que permitan explicar el precio de venta de los vehículos en función de los diferentes atributos del activo y variables de mercado. Este trabajo tiene como propósito explicar el precio de venta de un automóvil en función de sus características y variables de mercado, con lo cual se busca determinar las variables que tienen mayor importancia en la determinación del precio al que se comercializa el activo, como complemento al criterio experto. Para lograr esto se exploran y comparan diferentes alternativas metodológicas, tales como la regresión lineal múltiple, modelo aditivo generalizado, regresión lineal con cluster, perceptrón multicapa y árboles de regresión, utilizando como criterios de comparación el nivel de ajuste y el error cuadrático medio. Uno de los principales resultados es que, en términos del ajuste y el error, el perceptrón multicapa es el mejor modelo para explicar el precio de venta, sin embargo, al ser sus resultados poco intuitivos al momento de interpretarlos, pierde terreno frente al modelo de regresión lineal múltiple clásico. (Texto tomado de la fuente)In the vehicle leasing industry, the sale value of the asset at the end of the contract is an essential variable to determine the viability of the rental and, consequently, the sustainability of the business. In Colombia there are no works focused on exploring methodological alternatives that allow explaining the sale price of vehicles based on the different attributes of the asset and market variables. The purpose of this work is to explain the sale price of a car based on its characteristics and market variables, which seeks to determine the variables that are most important in determining the price at which the asset is marketed, as a complement to the expert judgement. To achieve this, different methodological alternatives are explored and compared, such as multiple linear regression, generalized additive model, linear regression with cluster, multilayer perceptron and regression trees, using the fit level and the mean square error as comparison criteria. One of the main results is that, in terms of adjustment and error, the multilayer perceptron is the best model to explain the sale price, however, since its results are not very intuitive when interpreting them, it loses ground compared to the model of classical multiple linear regression.MaestríaMagíster en Ciencias - EstadísticaModelos de regresiónÁrea Curricular Estadísticaxiv, 73 páginasapplication/pdfspaUniversidad Nacional de ColombiaMedellín - Ciencias - Maestría en Ciencias - EstadísticaEscuela de estadísticaFacultad de CienciasMedellín, ColombiaUniversidad Nacional de Colombia - Sede Medellín330 - Economía::332 - Economía financiera510 - Matemáticas::519 - Probabilidades y matemáticas aplicadasAutos de alquiler - DepreciaciónDepreciaciónDepreciation methodsMétodos de depreciaciónDepreciationRegresión lineal múltipleModelo aditivo generalizadoClusterModelo hedónico de preciosRedes neuronalesÁrboles de regresiónPrecio automóvilesMultiple linear regressionGeneralized additive modelHedonic price modelNeural networksRegression treesAutomobile pricePatrones de depreciación de la flota de vehículos livianos para una compañía arrendadora que opera en el mercado colombianoDepreciation patterns of the light vehicle fleet for a leasing company operating in the Colombian marketTrabajo de grado - Maestríainfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/acceptedVersionTexthttp://purl.org/redcol/resource_type/TMColombiaAggarwal, C. C., y cols. (2018). Neural networks and deep learning. Springer, 10 , 978-3.Andersson, H. (2005). The value of safety as revealed in the swedish car market: an application of the hedonic pricing approach. Journal of Risk and Uncertainty, 30 (3), 211-239.Baltas, G., y Saridakis, C. (2010). Measuring brand equity in the car market: a hedonic price analysis. Journal of the Operational Research Society, 61 (2), 284-293.Breiman, L., Friedman, J., Olshen, R., y Stone, C. (1984). Cart. Classi_cation and Regression Trees, Wadsworth and Brooks/Cole, Monterey, CA.Celik, Ö., y Osmano_glu, U. Ö. (2019). Prediction of the prices of second-hand cars. Avrupa Bilim ve Teknoloji Dergisi(16), 77-83.Chiok, C. H. M. (2014). Modelos de regresión lineal con redes neuronales. En Anales científicos (Vol. 75, pp. 253-260).Corporation, G. M., Association, A. S., y Society, E. (1939). The dynamics of automobile demand: Based upon papers presented at the joint meeting of the american statistical association and the econometric society, in detroit, michigan, on december 27, 1938. New York: General Motors Corporation.Cowling, K., y Cubbin, J. (1972). Hedonic price indexes for united kingdom cars. The Economic Journal, 82 (327), 963-978.Crawford, S. L. (1989). Extensions to the cart algorithm. International Journal of Man-Machine Studies, 31 (2), 197-217.de Toro, G. R. R. M., y cols. (2017). Un modelo hedónico de precios en línea de automóviles usados en argentina. Revista de Métodos Cuantitativos para la Economía y la Empresa, 24 , 25-53.Dexheimer, V., y Linz, S. (2003). Hedonic methods of price measurement for used cars. Statistisches Bundesamt (Destatis).Dress, K., Lessmann, S., y von Mettenheim, H.-J. (2018). Residual value forecasting using asymmetric cost functions. International Journal of Forecasting, 34 (4), 551-565.Erdem, C., y S_ent urk, Ï. (2009). A hedonic analysis of used car prices in turkey. International Journal of Economic Perspectives, 3 (2), 141-149.Estivill-Castro, V. (2002). Why so many clustering algorithms: a position paper. ACM SIGKDD explorations newsletter , 4 (1), 65-75.Gleue, C., Eilers, D., von Mettenheim, H.-J., y Breitner, M. H. (2017). Decision support for the automotive industry: forecasting residual values using arti_cial neural networks.Haan, M. A., y de Boer, H.-W. (2010). Has the internet eliminated regional price differences? evidence from the used car market. De Economist, 158 (4), 373-386.Jain, A. K. (2010). Data clustering: 50 years beyond k-means. Pattern recognition letters, 31 (8), 651-666.James, G., Witten, D., Hastie, T., y Tibshirani, R. (2013). An introduction to statistical learning (Vol. 112). Springer.Kihm, A., y Vance, C. (2016). The determinants of equity transmission between the new and used car markets: a hedonic analysis. Journal of the Operational Research Society, 67 (10), 1250-1258.Ladd, G. W., y Suvannunt, V. (1976). A model of consumer goods characteristics. American Journal of Agricultural Economics, 58 (3), 504-510.Lancaster, K. J. (1966). A new approach to consumer theory. Journal of political economy, 74 (2), 132-157.Lessmann, S., y VoB, S. (2017). Car resale price forecasting: The impact of regression method, private information, and heterogeneity on forecast accuracy. International Journal of Forecasting, 33 (4), 864-877.Loh, W.-Y. (2011). Classi_cation and regression trees. Wiley interdisciplinary reviews: data mining and knowledge discovery, 1 (1), 14-23.Loh, W.-Y. (2014). Fifty years of classi_cation and regression trees. International Statistical Review, 82 (3), 329-348.Matas, A., y Raymond, J.-L. (2009). Hedonic prices for cars: an application to the spanish car market, 1981-2005. Applied Economics, 41 (22), 2887-2904.Nau, K. (2012). An empirical analysis of residual value risk in automotive lease contracts. Dissertation, University of Hohenheim, Stuttgart, Germany.Peerun, S., Chummun, N. H., y Pudaruth, S. (2015). Predicting the price of second-hand cars using artificial neural networks. En The second international conference on data mining, internet computing, and big data (bigdata2015) (p. 17).Prado, S. M., y cols. (2009). The european used-car market at a glance: Hedonic resale Price valuation in automotive leasing industry. Economics Bulletin, 29 (3), 2086-2099.Prieto, M., y cols. (2015). Using a hedonic price model to test prospect theory assertions: The asymmetrical and nonlinear e_ect of reliability on used car prices. Journal of Retailing and Consumer Services, 22 , 206-212.Reis, H. J., y Silva, J. S. (2006). Hedonic prices indexes for new passenger cars in portugal (1997-2001). Economic Modelling, 23 (6), 890-908.Requena-Silvente, F., y Walker, J. (2006). Calculating hedonic price indices with unobserved product attributes: an application to the uk car market. Economica, 73 (291), 509-532.Rosen, S. (1974). Hedonic prices and implicit markets: product di_erentiation in pure competition. Journal of political economy, 82 (1), 34-55.Sharma, S., y Sharma, S. (2017). Activation functions in neural networks. Towards Data Science, 6 (12), 310-316.Sorkun, M. C. (2015). Secondhand car price estimation using arti cial neural network.Storchmann, K. (2004). On the depreciation of automobiles: an international comparison. Transportation, 31 (4), 371-408.Therneau, T., y Atkinson, B. (2011). port, r. Ripley, B, 3-1.InvestigadoresMaestrosPúblico generalORIGINAL1118072096.2022.pdf1118072096.2022.pdfTesis de Maestría en Ciencias - Estadísticaapplication/pdf1030541https://repositorio.unal.edu.co/bitstream/unal/81690/3/1118072096.2022.pdfa8fbf8ffa11366e906daf671151cfdb2MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-84074https://repositorio.unal.edu.co/bitstream/unal/81690/4/license.txt8153f7789df02f0a4c9e079953658ab2MD54THUMBNAIL1118072096.2022.pdf.jpg1118072096.2022.pdf.jpgGenerated Thumbnailimage/jpeg4662https://repositorio.unal.edu.co/bitstream/unal/81690/5/1118072096.2022.pdf.jpg30e14e795dc88d3722fb15c9b5413fcbMD55unal/81690oai:repositorio.unal.edu.co:unal/816902024-08-05 23:10:44.29Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |