Predicción de precios de la vivienda : aprendizaje estadístico con datos de ofertas y transacciones para Montevideo
En este trabajo se presentan modelos predictivos para el precio de un activo de difícil valuación como la vivienda. Se utilizan dos fuentes de datos novedosas para la ciudad de Montevideo: una proveniente de sitios web obtenidos mediante web scraping (para el per odo febrero 2018 - enero 2019) y otr...
Saved in:
| Main Author: | |
|---|---|
| Format: | masterThesis |
| Language: | Spanish |
| Published: |
2019
|
| Subjects: | |
| Online Access: | https://hdl.handle.net/20.500.12008/31111 |
| Tags: |
No Tags, Be the first to tag this record!
|
| Summary: | En este trabajo se presentan modelos predictivos para el precio de un activo de difícil valuación como la vivienda. Se utilizan dos fuentes de datos novedosas para la ciudad de Montevideo: una proveniente de sitios web obtenidos mediante web scraping (para el per odo febrero 2018 - enero 2019) y otra de registros administrativos de transacciones de la Direcci on General de Registros (DGR) para el per odo enero 2017 - julio 2018. Se implementan tres modelos fácilmente replicables: modelo lineal, arbol de regresión y bosques aleatorios, y se compara su poder predictivo. Los resultados arrojan una mejor performance del modelo de bosques aleatorios (Random Forest) respecto al modelo lineal hedónico, ampliamente difundido en la literatura. Se busca incorporar al análisis de predicción de precios una metodología aún escasamente difundida a nivel nacional así como poner a disposición una nueva base de datos. |
|---|