Aplicación de técnicas de Machine Learning para Valuación Masiva de Inmuebles en ciudades intermedias de la provincia de Mendoza

La necesidad de valuar masivamente los inmuebles se ha comprobado en el desarrollo de las políticas públicas en general. Los métodos tradicionalmente aplicados para la valuación masiva de inmuebles (VMI) han involucrado el uso de fórmulas e índices complejos, difíciles de obtener, procesar y mantene...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Renzo Enrique Polo, Ramiro Alberdi, Diego Erba
Formato: Artículo Científico
Lenguaje:Español
Publicado: 2024
Materias:
Valuaciones
Machine learning
Acceso en línea:https://repositorio.umaza.edu.ar/handle/00261/3328
Aporte de:
UMAZA Digital (Universidad MAZA - Mendoza) de Universidad Juan Agustín MAZA
id I56-R162-00261-3328
record_format dspace
spelling I56-R162-00261-33282024-12-05T20:37:13Z Aplicación de técnicas de Machine Learning para Valuación Masiva de Inmuebles en ciudades intermedias de la provincia de Mendoza Renzo Enrique Polo Ramiro Alberdi Diego Erba Valuaciones Machine learning La necesidad de valuar masivamente los inmuebles se ha comprobado en el desarrollo de las políticas públicas en general. Los métodos tradicionalmente aplicados para la valuación masiva de inmuebles (VMI) han involucrado el uso de fórmulas e índices complejos, difíciles de obtener, procesar y mantener, elegidos en parte por la falta de conocimiento en tecnologías de automatización de procesos. Los procedimientos de VMI no se realizan con una frecuencia apropiada para acompañar la dinámica del mercado inmobiliario y por ese motivo nunca se llega a una valuación precisa de los inmuebles. En búsqueda de soluciones a dicha problemática, se desarrolló este trabajo siguiendo tres acciones: 1) generar una base de datos de entrenamiento capturando, sistematizando y procesando datos de oferta de inmuebles en el mercado inmobiliario de tres ciudades intermedias de la provincia de Mendoza; 2) caracterizar lasbases de entrenamiento y predicción mediante variables geográficas; 3) asignar valores a todas las parcelas urbanas a través de técnicas de Machine Learning, más concretamente a través del algoritmo XGBoost para el modelado de valores. Aun cuando este recurso ha sido poco explorado en este ámbito de aplicación, los resultados y métricas obtenidas muestran que su utilización deriva en parámetros de calidad aceptables para los objetivos planteados, y que su implementación permite diseñar estrategias eficientes y eficaces para la construcción de VMI, a menor costo en dinero y en tiempo que los métodos tradicionales. La clave del éxito, en parte, tiene fuerte dependencia con la estrategia de recolección de datos. 2024-05-22T15:44:20Z 2024-05-22T15:44:20Z 2024-04-19 00:00:00 2024-05-22T15:44:20Z Artículo Científico https://repositorio.umaza.edu.ar/handle/00261/3328 info:eu-repo/semantics/altIdentifier/doi/10.59872/icu.v7i9.428 spa info:eu-repo/semantics/altIdentifier/url/10.59872/icu.v7i9.428 info:eu-repo/semantics/altIdentifier/url/https://revistas.umaza.edu.ar/icu/article/view/428/349 application/pdf Revista Científica Investigación, Ciencia y Universidad (ICU),Vol. 7 Núm. 9 (2023)
institution Universidad Juan Agustín MAZA
institution_str I-56
repository_str R-162
collection UMAZA Digital (Universidad MAZA - Mendoza)
language Español
orig_language_str_mv spa
topic Valuaciones
Machine learning
spellingShingle Valuaciones
Machine learning
Renzo Enrique Polo
Ramiro Alberdi
Diego Erba
Aplicación de técnicas de Machine Learning para Valuación Masiva de Inmuebles en ciudades intermedias de la provincia de Mendoza
topic_facet Valuaciones
Machine learning
description La necesidad de valuar masivamente los inmuebles se ha comprobado en el desarrollo de las políticas públicas en general. Los métodos tradicionalmente aplicados para la valuación masiva de inmuebles (VMI) han involucrado el uso de fórmulas e índices complejos, difíciles de obtener, procesar y mantener, elegidos en parte por la falta de conocimiento en tecnologías de automatización de procesos. Los procedimientos de VMI no se realizan con una frecuencia apropiada para acompañar la dinámica del mercado inmobiliario y por ese motivo nunca se llega a una valuación precisa de los inmuebles. En búsqueda de soluciones a dicha problemática, se desarrolló este trabajo siguiendo tres acciones: 1) generar una base de datos de entrenamiento capturando, sistematizando y procesando datos de oferta de inmuebles en el mercado inmobiliario de tres ciudades intermedias de la provincia de Mendoza; 2) caracterizar lasbases de entrenamiento y predicción mediante variables geográficas; 3) asignar valores a todas las parcelas urbanas a través de técnicas de Machine Learning, más concretamente a través del algoritmo XGBoost para el modelado de valores. Aun cuando este recurso ha sido poco explorado en este ámbito de aplicación, los resultados y métricas obtenidas muestran que su utilización deriva en parámetros de calidad aceptables para los objetivos planteados, y que su implementación permite diseñar estrategias eficientes y eficaces para la construcción de VMI, a menor costo en dinero y en tiempo que los métodos tradicionales. La clave del éxito, en parte, tiene fuerte dependencia con la estrategia de recolección de datos.
format Artículo Científico
author Renzo Enrique Polo
Ramiro Alberdi
Diego Erba
author_facet Renzo Enrique Polo
Ramiro Alberdi
Diego Erba
author_sort Renzo Enrique Polo
title Aplicación de técnicas de Machine Learning para Valuación Masiva de Inmuebles en ciudades intermedias de la provincia de Mendoza
title_short Aplicación de técnicas de Machine Learning para Valuación Masiva de Inmuebles en ciudades intermedias de la provincia de Mendoza
title_full Aplicación de técnicas de Machine Learning para Valuación Masiva de Inmuebles en ciudades intermedias de la provincia de Mendoza
title_fullStr Aplicación de técnicas de Machine Learning para Valuación Masiva de Inmuebles en ciudades intermedias de la provincia de Mendoza
title_full_unstemmed Aplicación de técnicas de Machine Learning para Valuación Masiva de Inmuebles en ciudades intermedias de la provincia de Mendoza
title_sort aplicación de técnicas de machine learning para valuación masiva de inmuebles en ciudades intermedias de la provincia de mendoza
publishDate 2024
url https://repositorio.umaza.edu.ar/handle/00261/3328
work_keys_str_mv AT renzoenriquepolo aplicaciondetecnicasdemachinelearningparavaluacionmasivadeinmueblesenciudadesintermediasdelaprovinciademendoza
AT ramiroalberdi aplicaciondetecnicasdemachinelearningparavaluacionmasivadeinmueblesenciudadesintermediasdelaprovinciademendoza
AT diegoerba aplicaciondetecnicasdemachinelearningparavaluacionmasivadeinmueblesenciudadesintermediasdelaprovinciademendoza
_version_ 1824438033872584704

Ejemplares similares