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 informac...
- 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
| id |
UNIANDES2_e2c6739cabc37b35c2478f1826927d35 |
|---|---|
| oai_identifier_str |
oai:repositorio.uniandes.edu.co:1992/74166 |
| network_acronym_str |
UNIANDES2 |
| network_name_str |
Séneca: repositorio Uniandes |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelo predictivo para inversión inmobiliaria, caso Colombia |
| title |
Modelo predictivo para inversión inmobiliaria, caso Colombia |
| spellingShingle |
Modelo predictivo para inversión inmobiliaria, caso Colombia Vivienda Machine Learning Mercado Inmobiliario Ingeniería |
| title_short |
Modelo predictivo para inversión inmobiliaria, caso Colombia |
| title_full |
Modelo predictivo para inversión inmobiliaria, caso Colombia |
| title_fullStr |
Modelo predictivo para inversión inmobiliaria, caso Colombia |
| title_full_unstemmed |
Modelo predictivo para inversión inmobiliaria, caso Colombia |
| title_sort |
Modelo predictivo para inversión inmobiliaria, caso Colombia |
| dc.creator.fl_str_mv |
Nunes Ariza, Juan Carlos Eduardo |
| dc.contributor.advisor.none.fl_str_mv |
Manrique Piramanrique, Rubén Francisco |
| dc.contributor.author.none.fl_str_mv |
Nunes Ariza, Juan Carlos Eduardo |
| dc.contributor.jury.none.fl_str_mv |
Manrique Piramanrique, Rubén Francisco |
| dc.subject.keyword.spa.fl_str_mv |
Vivienda |
| topic |
Vivienda Machine Learning Mercado Inmobiliario Ingeniería |
| dc.subject.keyword.none.fl_str_mv |
Machine Learning Mercado Inmobiliario |
| dc.subject.themes.none.fl_str_mv |
Ingeniería |
| description |
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. |
| publishDate |
2024 |
| dc.date.accessioned.none.fl_str_mv |
2024-03-12T14:01:38Z |
| dc.date.issued.none.fl_str_mv |
2024-02-02 |
| dc.date.accepted.none.fl_str_mv |
2024-03-11 |
| dc.date.available.none.fl_str_mv |
2030-03-09 |
| dc.type.none.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.content.none.fl_str_mv |
Text |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/1992/74166 |
| dc.identifier.instname.none.fl_str_mv |
instname:Universidad de los Andes |
| dc.identifier.reponame.none.fl_str_mv |
reponame:Repositorio Institucional Séneca |
| dc.identifier.repourl.none.fl_str_mv |
repourl:https://repositorio.uniandes.edu.co/ |
| url |
https://hdl.handle.net/1992/74166 |
| identifier_str_mv |
instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ |
| dc.language.iso.none.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.none.fl_str_mv |
Breiman, L. (2001). RANDOM FORESTS. [Arbelos Aleatorios] Statistics Department, University of California, Berkeley, CA 94720. https://www.stat.berkeley.edu/~breiman/randomforest2001.pdf Departamento Administrativo Nacional de Estadística. (2022,02,08). Censo nacional de poblacion-y vivenda 2018.Cuadros Vivienda CNPV 2018. Dane.gov.co. https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/censo-nacional-de-poblacion-y-vivenda-2018 Departamento Administrativo Nacional de Estadística. (2022,05,04). Déficit habitacional. Dane.gov.co. https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/deficit-habitacional Metrocuadrado. (2021,08,25). "CUÁL ES EL VALOR DE LA COMISIÓN POR VENTA O ARRIENDO DE INMUEBLE". En Metrocuadrado. https://www.metrocuadrado.com/noticias/guia-de-compra-y-venta/cual-es-el-valor-de-la-comision-por-venta-o-arriendo-de-inmueble-303/ Pinto Duitama, K. (2023, 02,08). Conozca qué tan oportuno es invertir en finca raíz y cuáles son las opciones existentes. La República. https://www.larepublica.co/finanzas-personales/conozca-que-tan-oportuno-es-invertir-en-finca-raiz-y-cuales-son-las-opciones-existentes-3540014 Grandviewresearch (2024). Real Estate Market Size, Share & Trends Analysis Report By Property (Residential, Commercial, Industrial, Land), By Type (Sales, Rental, Lease), By Region, And Segment Forecasts, 2022 – 2030. Grandviewresearch.com, https://www.grandviewresearch.com/industry-analysis/real-estate-market Seltman, H. J. (2018). Experimental Design and Analysis. Carnegie Mellon University. https://www.stat.cmu.edu/~hseltman/309/Book/Book.pdf Shalev-Shwartz, S., & Ben-David, S. (2014). Understanding Machine Learning: From Theory to Algorithms. Cambridge University Press. Wang, W., & Lu, Y. (2018). Analysis of the Mean Absolute Error (MAE) and the Root Mean Square Error (RMSE) in Assessing Rounding Model. IOP Conf. Ser.: Mater. Sci. Eng. 324 012049 https://iopscience.iop.org/article/10.1088/1757-899X/324/1/012049 |
| dc.rights.uri.none.fl_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf |
| dc.rights.accessrights.none.fl_str_mv |
info:eu-repo/semantics/embargoedAccess |
| dc.rights.coar.none.fl_str_mv |
http://purl.org/coar/access_right/c_f1cf |
| rights_invalid_str_mv |
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf http://purl.org/coar/access_right/c_f1cf |
| eu_rights_str_mv |
embargoedAccess |
| dc.format.extent.none.fl_str_mv |
48 páginas |
| dc.format.mimetype.none.fl_str_mv |
application/pdf |
| dc.publisher.none.fl_str_mv |
Universidad de los Andes |
| dc.publisher.program.none.fl_str_mv |
Ingeniería de Sistemas y Computación |
| dc.publisher.faculty.none.fl_str_mv |
Facultad de Ingeniería |
| dc.publisher.department.none.fl_str_mv |
Departamento de Ingeniería Sistemas y Computación |
| publisher.none.fl_str_mv |
Universidad de los Andes |
| institution |
Universidad de los Andes |
| bitstream.url.fl_str_mv |
https://repositorio.uniandes.edu.co/bitstreams/bc25c155-5f95-419c-8a13-d4a4af0c8399/download https://repositorio.uniandes.edu.co/bitstreams/af644c64-3fa9-4df9-9779-1e77bb24d7d1/download https://repositorio.uniandes.edu.co/bitstreams/8fb13d0e-522f-4d35-ad35-92acbbc71a03/download https://repositorio.uniandes.edu.co/bitstreams/2bbbd03b-64b4-47fa-b03d-edc9c6b35add/download https://repositorio.uniandes.edu.co/bitstreams/58f7d8d5-6322-4936-a599-1a4d585a5e8c/download https://repositorio.uniandes.edu.co/bitstreams/7f9d6a5d-841a-48e3-9599-05a8db01731b/download https://repositorio.uniandes.edu.co/bitstreams/98f0d20a-147e-4675-baf8-622fb3e7e91b/download |
| bitstream.checksum.fl_str_mv |
e156eae96558749e184f8c88a8bc2ce6 70aa1353e7210ee7eb206a53e145921f ae9e573a68e7f92501b6913cc846c39f 68b36a8b0dacc019f13ef5a110b3f077 f9c4e13b361a4977cee2d9a9cd07b697 9eb09e552b5b29a9067a035e25ab0c88 6830d7d4d725d38454c1cd6d5ce82d10 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio institucional Séneca |
| repository.mail.fl_str_mv |
adminrepositorio@uniandes.edu.co |
| _version_ |
1812133959464648704 |
| spelling |
Manrique Piramanrique, Rubén FranciscoNunes Ariza, Juan Carlos EduardoManrique Piramanrique, Rubén Francisco2024-03-12T14:01:38Z2030-03-092024-02-022024-03-11https://hdl.handle.net/1992/74166instname:Universidad de los Andesreponame:Repositorio Institucional Sénecarepourl:https://repositorio.uniandes.edu.co/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.Ingeniero de Sistemas y ComputaciónPregradoMachine learning48 páginasapplication/pdfspaUniversidad de los AndesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería Sistemas y Computaciónhttps://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfinfo:eu-repo/semantics/embargoedAccesshttp://purl.org/coar/access_right/c_f1cfModelo predictivo para inversión inmobiliaria, caso ColombiaTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_7a1fTexthttp://purl.org/redcol/resource_type/TPViviendaMachine LearningMercado InmobiliarioIngenieríaBreiman, L. (2001). RANDOM FORESTS. [Arbelos Aleatorios] Statistics Department, University of California, Berkeley, CA 94720. https://www.stat.berkeley.edu/~breiman/randomforest2001.pdfDepartamento Administrativo Nacional de Estadística. (2022,02,08). Censo nacional de poblacion-y vivenda 2018.Cuadros Vivienda CNPV 2018. Dane.gov.co. https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/censo-nacional-de-poblacion-y-vivenda-2018Departamento Administrativo Nacional de Estadística. (2022,05,04). Déficit habitacional. Dane.gov.co. https://www.dane.gov.co/index.php/estadisticas-por-tema/demografia-y-poblacion/deficit-habitacionalMetrocuadrado. (2021,08,25). "CUÁL ES EL VALOR DE LA COMISIÓN POR VENTA O ARRIENDO DE INMUEBLE". En Metrocuadrado. https://www.metrocuadrado.com/noticias/guia-de-compra-y-venta/cual-es-el-valor-de-la-comision-por-venta-o-arriendo-de-inmueble-303/Pinto Duitama, K. (2023, 02,08). Conozca qué tan oportuno es invertir en finca raíz y cuáles son las opciones existentes. La República. https://www.larepublica.co/finanzas-personales/conozca-que-tan-oportuno-es-invertir-en-finca-raiz-y-cuales-son-las-opciones-existentes-3540014Grandviewresearch (2024). Real Estate Market Size, Share & Trends Analysis Report By Property (Residential, Commercial, Industrial, Land), By Type (Sales, Rental, Lease), By Region, And Segment Forecasts, 2022 – 2030. Grandviewresearch.com, https://www.grandviewresearch.com/industry-analysis/real-estate-marketSeltman, H. J. (2018). Experimental Design and Analysis. Carnegie Mellon University. https://www.stat.cmu.edu/~hseltman/309/Book/Book.pdfShalev-Shwartz, S., & Ben-David, S. (2014). Understanding Machine Learning: From Theory to Algorithms. Cambridge University Press.Wang, W., & Lu, Y. (2018). Analysis of the Mean Absolute Error (MAE) and the Root Mean Square Error (RMSE) in Assessing Rounding Model. IOP Conf. Ser.: Mater. Sci. Eng. 324 012049 https://iopscience.iop.org/article/10.1088/1757-899X/324/1/012049202010826PublicationORIGINALModelo predictivo para inversión inmobiliaria, caso Colombia.pdfModelo predictivo para inversión inmobiliaria, caso Colombia.pdfEste documento contiene información confidencial por un tiempo hasta 2030application/pdf1343780https://repositorio.uniandes.edu.co/bitstreams/bc25c155-5f95-419c-8a13-d4a4af0c8399/downloade156eae96558749e184f8c88a8bc2ce6MD52autorizacion_s.pdfautorizacion_s.pdfHIDEapplication/pdf377050https://repositorio.uniandes.edu.co/bitstreams/af644c64-3fa9-4df9-9779-1e77bb24d7d1/download70aa1353e7210ee7eb206a53e145921fMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82535https://repositorio.uniandes.edu.co/bitstreams/8fb13d0e-522f-4d35-ad35-92acbbc71a03/downloadae9e573a68e7f92501b6913cc846c39fMD53TEXTModelo predictivo para inversión inmobiliaria, caso Colombia.pdf.txtModelo predictivo para inversión inmobiliaria, caso Colombia.pdf.txtExtracted texttext/plain75759https://repositorio.uniandes.edu.co/bitstreams/2bbbd03b-64b4-47fa-b03d-edc9c6b35add/download68b36a8b0dacc019f13ef5a110b3f077MD54autorizacion_s.pdf.txtautorizacion_s.pdf.txtExtracted texttext/plain2040https://repositorio.uniandes.edu.co/bitstreams/58f7d8d5-6322-4936-a599-1a4d585a5e8c/downloadf9c4e13b361a4977cee2d9a9cd07b697MD56THUMBNAILModelo predictivo para inversión inmobiliaria, caso Colombia.pdf.jpgModelo predictivo para inversión inmobiliaria, caso Colombia.pdf.jpgGenerated Thumbnailimage/jpeg5425https://repositorio.uniandes.edu.co/bitstreams/7f9d6a5d-841a-48e3-9599-05a8db01731b/download9eb09e552b5b29a9067a035e25ab0c88MD55autorizacion_s.pdf.jpgautorizacion_s.pdf.jpgGenerated Thumbnailimage/jpeg11163https://repositorio.uniandes.edu.co/bitstreams/98f0d20a-147e-4675-baf8-622fb3e7e91b/download6830d7d4d725d38454c1cd6d5ce82d10MD571992/74166oai:repositorio.uniandes.edu.co:1992/741662024-03-13 03:05:09.992https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdfrestrictedhttps://repositorio.uniandes.edu.coRepositorio institucional Sénecaadminrepositorio@uniandes.edu.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 |