Uma analise empírica do mercado de revenda de carros usando raspagem de dados da internet

Abstract

Estudamos o mercado secundário de automóveis utilizando anúncios de venda de carros na internet. O mercado secundário de carros é importante por introduzir uma série de substitutos parciais para os carros novos. Apesar de sua relevância, existem relativamente poucos estudos sobre o mercado de carros usados. Contribuímos para a literatura ilustrando como as técnicas de Big Data podem contribuir para pesquisa econômica. Inspirados pelo paradigma do Big Data, nós construímos uma base de dados utilizando Python e Web Scraping. A segmentação de carros usados, utilizando um algoritmo não-supervisionado, revela clusters que possuem baixa correlação com os segmentos de carros zero quilômetro. Sabe-se que as montadoras projetam carros utilizando comunalidade para obter economias de custos. Usando modelos de comunalidade, preços hedônicos e modelos hierárquicos, verificamos que os efeitos da comunalidade sobrevivem no mercado secundário de carros. Por último, caracterizamos a perda de preço dos veículos utilizando modelos de crescimento exponencial, onde o ponto de inflexão determina o momento de desaceleração da curva de depreciação. Consumidores de carros zero irão absorver grande perda de preços no momento da revenda, enquanto consumidores de veículos com idade maior que o ponto de inflexão não terão grandes perdas de preço.