Implementación de Metodologías Estadísticas para Pronósticos de Vivienda en Bogotá

La adquisición de vivienda ha sido algo indispensable desde hace miles de años, desde que los humanos dejaron de ser nómadas y decidieron asentarse en un lugar en concreto, adicionalmente con el sistema capitalista las viviendas dejaron de ser solo importantes para vivir, ya que también se convirtieron en uno de los principales negocios. Esto es debido a que mueve grandes sumas de dinero y es de los negocios menos riesgosos, pero en contraparte suele no ser muy rentable, pues proporcionalmente no presentan un gran incremento en el precio, adicionalmente no se tiene informaci\'on acerca de cuáles viviendas son las que van a tener una mayor valorización, ni que características son las más relevantes a la hora de determinar el precio final del inmueble, si es el área, el estrato, el número de habitaciones, u otra que tal vez no sea tan evidente. En el presente trabajo se implementarán diferentes metodologías estadísticas con el fin poder tener un mayor entendimiento sobre qué características determinan el valor del inmueble, pero para esto se necesita obtener la mayor información posible sobre las características de los apartamentos y su precio. Esto se pudo realizar gracias a que la galería inmobiliaria brindó sus bases de datos, las cuales lleva recolectando información sobre los inmuebles de varias ciudades del país desde el 2002. Con esta información se puede obtener una mejor perspectiva y una idea más clara y precisa sobre cuáles son los factores más importantes a la hora de determinar el precio de las viviendas de Bogotá, implementando distintas metodologías estadísticas, entre esas modelos de regresión lineal múltiple, regresión ridge y lasso, vecinos más cercanos, \'árboles de regresi\'on, random forest y redes neuronales multicapa, y al final comparar los resultados obtenidos entre ellos, para determinar cuál es la mejor metodología para determinar el precio de vivienda de Bogotá. Después de determinar cuál es el mejor modelo y obtener sus resultados, es posible tomar mejores decisiones a la hora de invertir en una vivienda, debido a que al tener mayor conocimiento sobre qué variables son más importantes a la hora de determinar el precio de vivienda, se puede realizar una mejor inversión, al hacer mejor uso del dinero, usando la menor cantidad y en contraparte obteniendo la mayor valorización. Adicionalmente las personas que deseen usar sus ahorros para comprar un apartamento, podrán usar esta información para encontrar apartamentos con las características deseadas al mejor precio y tener una idea más clara de los valores reales de los precios de las viviendas, con el fin de no pagar más de lo debido.

• Autores: Martinez Arroyo, Daniel Isaac
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad Santo Tomás
• Repositorio: Repositorio Institucional USTA
• Idioma: spa
• OAI Identifier: oai:repository.usta.edu.co:11634/34931
• Acceso en línea: http://hdl.handle.net/11634/34931
• Palabra clave: Multiple Linear Regression; Regression Ridge; Lasso regression; k-Nearest Neighbors; Regression Tree; Random Forest; Multilayer Neural Network; living place; real estate; Análisis de regresión; Mercado de la vivienda; Estadística matemática; Regresión Lineal Múltiple; Regresión Ridge; Regresión Lasso; Vecino Más Cercano; Random Forest; Red Neuronal Multicapa; Vivienda; Finca Raíz; Árbol De Regresión
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 2.5 Colombia