Modelo predictivo para inversión inmobiliaria, caso Colombia

Este proyecto pretende mejorar la eficiencia al momento de realizar una inversión inmobiliaria en Colombia. En Colombia, los precios de los inmuebles están sujetos a diferentes parámetros como: ubicación, tamaño, antigüedad, sitios de interés cercanos, acabados, etc. Procesar y sopesar esta información suele ser dispendioso, causando que las personas gasten mucho tiempo y dinero en la selección de una buena alternativa para invertir. Este proceso además requiere de un conocimiento de dominio especializado que usualmente recae en agentes inmobiliarios y no en las personas del común. En este proyecto buscamos construir un modelo de predicción de precios e identificación de inversiones rentables. Para la consecución de este modelo se realizó el proceso de anotación de los precios para más de 1.200 predios en Colombia y se entrenaron dos modelos predictivos para calcular cuando una inversión es rentable. Los resultados arrojan un MAE (mean abosulte error) en los precios calculados de más de $878’035.487 para el conjunto de propiedades testeadas. Entonces, desde una perspectiva de seguridad de inversión, el producto conseguido sirve como herramienta para facilitar, agilizar y acompañar el trabajo de agentes inmobiliarios profesionales en Colombia.

• Autores: Nunes Ariza, Juan Carlos Eduardo
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/74166
• Acceso en línea: https://hdl.handle.net/1992/74166
• Palabra clave: Vivienda; Machine Learning; Mercado Inmobiliario; Ingeniería
• Rights: embargoedAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf