| Abstract : | Ο κύριος στόχος της παρούσας διπλωματικής εργασίας είναι η μελέτη καθώς και η εύρεση, εκείνων των μεταβλητών που επηρεάζουν περισσότερο τιμή ενός μεταχειρισμένου αυτκονήτου, και αν αυτό συμφέρει στο να προχωρήσει κάποιος στην αγορά του. Σήμερα πολλοί καταναλωτές δεδομένων των οικονομικών συνθηκών που επικρατούν στην αγορά, στρέφονται ολοένα και περισσότερο στην επιλογή ενός μεταχειρισμένου αυτοκινήτου, καθώς η αγορά ενός εξ’ολοκλήρου καινούριου μπορεί να είναι οικονομικά ασύμφορη, που όμως αυτή η επιλογή μπορεί να εμπεριέχει αρκετούς κινδύνους εάν η διαδικασία δεν πραγματοποιηθεί σωστά καθώς εύκολα μπορεί να υπάρξει εξαπάτηση από επιτήδειους και το κόστος της αγοράς να επιφέρει ακόμα περισσότερα κόστη τα οποία μπορούν εκ πρώτης όψεως να μην είναι εμφανή. Η παρακάτω έρευνα πραγματοποιήθηκε στα πλαίσια του Hedonic Analysis και εξαγωγή των τελικών αποτελεσμάτων της συγκεκριμένης έρευνας βασίστηκε σε ένα δείγμα 10.846 παρατηρήσεων από τον ιστότοπο www.car.gr οι οποίες αντλήθηκαν μέσω της διαδικασίας του web-scraping. Για την εξαγωγή των συμπερασμάτων χρησιμοποιήθηκαν τεχνικές Machine Learning (ML) και πιο συγκεκριμένα Supervised Machine Learning (SML), όπως Regression Tree algorithm, Random Forest algorithm, Lasso Regression, Partial Least Squares (PLS) καθώς και Unsupervised Machine Learning (UML) που αποσκοπούν περισσότερο σε dimensionality reduction & data visualization, όπως το Principal Component Analysis (PCA) αλλά και αρκετοί ακόμα αλγόριθμοι που, παρά την διαφορετική δομή τους αφενός είχαν σαν κοινό στόχο την καλύτερη πρόβλεψη για το καλύτερο δυνατό αποτέλεσμα και αφετέρου την κατεύθυνση του καταναλωτή ως προς την ανάληψη της σωστής απόφασης πάντα κατευθύνοντάς τον με τον πιο ασφαλή τρόπο. Στην παρακάτω έρευνα αναλύονται όλα τα εργαλεία καθώς και τα συμπεράσματα που μπορούμε να αντλήσουμε προκειμένου να δούμε πώς η τιμή ενός μεταχειρισμένου αυτοκινήτου επηρεάζεται από διαφορετικούς παράγοντες όπως είναι η ηλικία του, ο κυβισμός της μηχανής του, τα χιλιόμετρα που έχει πραγματοποιήσει με τον 1ο ιδιοκτήτη του, το σύστημα μετάδοσης ταχυτήτων, η μάρκα και το μοντέλο του.
The main objective of this diploma thesis is to study and find those variables that most affect the price of a used autocrat, and whether it is advantageous to proceed with its purchase. Today, many consumers, given the economic conditions prevailing in the market, are increasingly turning to choose a used car, as buying an entirely new one can be economically unprofitable, but this choice can involve several risks if the process is not carried out correctly as there can easily be a deception by fraudsters and the cost of the purchase can bring even more costs which can be caused by the at first sight not to be apparent. The following survey was carried out in the framework of Hedonic Analysis and the final results of this survey were extracted based on a sample of 10,846 observations from the website www. car. gr which were extracted through the process of web-scraping. To conclude, Machine Learning (ML) techniques and more specifically Supervised Machine Learning (SML) techniques were used, such as the Regression Tree algorithm, Random Forest algorithm, Lasso Regression, Partial Least Squares (PLS) as well as Unsupervised Machine Learning (UML) aimed more at dimensionality reduction & data visualization, such as Principal Component Analysis (PCAs) but also several other algorithms that, despite their different structure, on the one hand, had as a common goal the best prediction for the best possible result and on the other hand the direction of the consumer in making the right decision always directing him most safely. The following research analyzes all the tools as well as the conclusions we can draw to see how the price of a used car is influenced by different factors such as its age, the displacement of its engine, the kilometers that its 1st owner has completed, the gear system, the make and model of the car.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.