Predicción del valor de un inmueble mediante técnicas agregativas
Resumen:
El objetivo del trabajo es construir un modelo que permita efectuar de manera efciente, en términos predictivos, la estimación del valor contado de un determinado inmueble. Se tiene como insumo la información espacio-temporal sobre el valor contado de un conjunto de inmuebles y ciertas variables hedonicas intrínsecas a cada bien, por ejemplo, superficie, antigüedad, número de dormitorios. En tal sentido es conocido el valor de ciertas propiedades en diferentes fechas, entendiendo por valor contado aquel que es asignado por el tasador, donde cada propiedad puede haber sido tasada en diferentes momentos, problema denominado en la literatura como ventas repetidas. La información espacial permite la construcción de modelos autorregresivos espaciales donde el precio de un inmueble se encuentra correlacionado con el de sus vecinos. La información temporal es modelada mediante un modelo autorregresivo temporal, en este caso la dependencia entre una tasación y la siguiente disminuye en función del tiempo transcurrido entre una y otra. Las variables hedónicas se modelan mediante un modelo de regresión lineal dinámico, donde los coefiientes de la regresión son función de la ubicación del inmueble. A partir de la metodológ ica de agregación de Stacking se busca un procedimiento que permita predicciones más precisas. En este caso, otras metodologias son incluidas en la agregación. Se evalúa la performance mediante el error cuadrático en una muestra de testeo.
2017 | |
Método de Stacking Modelos espacio-temporales Precio hedónico Procesos autorregresivos |
|
Español | |
Universidad de la República | |
COLIBRI | |
http://hdl.handle.net/20.500.12008/10526 | |
Acceso abierto | |
Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0) |
_version_ | 1807522841051004928 |
---|---|
author | Goyeneche, Juan José |
author2 | Moreno, Leonardo Scavino, Marco |
author2_role | author author |
author_facet | Goyeneche, Juan José Moreno, Leonardo Scavino, Marco |
author_role | author |
bitstream.checksum.fl_str_mv | 6429389a7df7277b72b7924fdc7d47a9 4afdbb8c545fd630ea7db775da747b2f d41d8cd98f00b204e9800998ecf8427e d41d8cd98f00b204e9800998ecf8427e 32c6bb6d35be9cc5110edfa9c59e2cfe |
bitstream.checksumAlgorithm.fl_str_mv | MD5 MD5 MD5 MD5 MD5 |
bitstream.url.fl_str_mv | http://localhost:8080/xmlui/bitstream/20.500.12008/10526/5/license.txt http://localhost:8080/xmlui/bitstream/20.500.12008/10526/2/license_url http://localhost:8080/xmlui/bitstream/20.500.12008/10526/3/license_text http://localhost:8080/xmlui/bitstream/20.500.12008/10526/4/license_rdf http://localhost:8080/xmlui/bitstream/20.500.12008/10526/1/ddt_01_17%282%29.pdf |
collection | COLIBRI |
dc.contributor.filiacion.none.fl_str_mv | Goyeneche Juan José, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración. Instituto de Estadística. Moreno Leonardo, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración. Instituto de Estadística. Scavino Marco, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración.Instituto de Estadística. |
dc.creator.none.fl_str_mv | Goyeneche, Juan José Moreno, Leonardo Scavino, Marco |
dc.date.accessioned.none.fl_str_mv | 2017-11-20T17:58:11Z |
dc.date.available.none.fl_str_mv | 2017-11-20T17:58:11Z |
dc.date.issued.none.fl_str_mv | 2017 |
dc.description.abstract.none.fl_txt_mv | El objetivo del trabajo es construir un modelo que permita efectuar de manera efciente, en términos predictivos, la estimación del valor contado de un determinado inmueble. Se tiene como insumo la información espacio-temporal sobre el valor contado de un conjunto de inmuebles y ciertas variables hedonicas intrínsecas a cada bien, por ejemplo, superficie, antigüedad, número de dormitorios. En tal sentido es conocido el valor de ciertas propiedades en diferentes fechas, entendiendo por valor contado aquel que es asignado por el tasador, donde cada propiedad puede haber sido tasada en diferentes momentos, problema denominado en la literatura como ventas repetidas. La información espacial permite la construcción de modelos autorregresivos espaciales donde el precio de un inmueble se encuentra correlacionado con el de sus vecinos. La información temporal es modelada mediante un modelo autorregresivo temporal, en este caso la dependencia entre una tasación y la siguiente disminuye en función del tiempo transcurrido entre una y otra. Las variables hedónicas se modelan mediante un modelo de regresión lineal dinámico, donde los coefiientes de la regresión son función de la ubicación del inmueble. A partir de la metodológ ica de agregación de Stacking se busca un procedimiento que permita predicciones más precisas. En este caso, otras metodologias son incluidas en la agregación. Se evalúa la performance mediante el error cuadrático en una muestra de testeo. |
dc.format.extent.es.fl_str_mv | 20 p. |
dc.format.mimetype.none.fl_str_mv | application/pdf |
dc.identifier.citation.es.fl_str_mv | Goyeneche, J, Moreno, L y Scavino, M. Predicción del valor de un inmueble mediante técnicas agregativas [en línea] Montevideo : Udelar. FCEA-IESTA, 2017 |
dc.identifier.issn.none.fl_str_mv | 1688-6453 |
dc.identifier.uri.none.fl_str_mv | http://hdl.handle.net/20.500.12008/10526 |
dc.language.iso.none.fl_str_mv | es spa |
dc.publisher.es.fl_str_mv | Udelar. FCEA-IESTA |
dc.relation.ispartof.none.fl_str_mv | Serie DT (17 / 1) |
dc.rights.license.none.fl_str_mv | Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0) |
dc.rights.none.fl_str_mv | info:eu-repo/semantics/openAccess |
dc.source.none.fl_str_mv | reponame:COLIBRI instname:Universidad de la República instacron:Universidad de la República |
dc.subject.es.fl_str_mv | Método de Stacking Modelos espacio-temporales Precio hedónico Procesos autorregresivos |
dc.title.none.fl_str_mv | Predicción del valor de un inmueble mediante técnicas agregativas |
dc.type.es.fl_str_mv | Documento de trabajo |
dc.type.none.fl_str_mv | info:eu-repo/semantics/workingPaper |
dc.type.version.none.fl_str_mv | info:eu-repo/semantics/publishedVersion |
description | El objetivo del trabajo es construir un modelo que permita efectuar de manera efciente, en términos predictivos, la estimación del valor contado de un determinado inmueble. Se tiene como insumo la información espacio-temporal sobre el valor contado de un conjunto de inmuebles y ciertas variables hedonicas intrínsecas a cada bien, por ejemplo, superficie, antigüedad, número de dormitorios. En tal sentido es conocido el valor de ciertas propiedades en diferentes fechas, entendiendo por valor contado aquel que es asignado por el tasador, donde cada propiedad puede haber sido tasada en diferentes momentos, problema denominado en la literatura como ventas repetidas. La información espacial permite la construcción de modelos autorregresivos espaciales donde el precio de un inmueble se encuentra correlacionado con el de sus vecinos. La información temporal es modelada mediante un modelo autorregresivo temporal, en este caso la dependencia entre una tasación y la siguiente disminuye en función del tiempo transcurrido entre una y otra. Las variables hedónicas se modelan mediante un modelo de regresión lineal dinámico, donde los coefiientes de la regresión son función de la ubicación del inmueble. A partir de la metodológ ica de agregación de Stacking se busca un procedimiento que permita predicciones más precisas. En este caso, otras metodologias son incluidas en la agregación. Se evalúa la performance mediante el error cuadrático en una muestra de testeo. |
eu_rights_str_mv | openAccess |
format | workingPaper |
id | COLIBRI_253ea0f083898614efe1e14e440152df |
identifier_str_mv | Goyeneche, J, Moreno, L y Scavino, M. Predicción del valor de un inmueble mediante técnicas agregativas [en línea] Montevideo : Udelar. FCEA-IESTA, 2017 1688-6453 |
instacron_str | Universidad de la República |
institution | Universidad de la República |
instname_str | Universidad de la República |
language | spa |
language_invalid_str_mv | es |
network_acronym_str | COLIBRI |
network_name_str | COLIBRI |
oai_identifier_str | oai:colibri.udelar.edu.uy:20.500.12008/10526 |
publishDate | 2017 |
reponame_str | COLIBRI |
repository.mail.fl_str_mv | mabel.seroubian@seciu.edu.uy |
repository.name.fl_str_mv | COLIBRI - Universidad de la República |
repository_id_str | 4771 |
rights_invalid_str_mv | Licencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0) |
spelling | Goyeneche Juan José, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración. Instituto de Estadística.Moreno Leonardo, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración. Instituto de Estadística.Scavino Marco, Universidad de la República (Uruguay). Facultad de Ciencias Económicas y de Administración.Instituto de Estadística.2017-11-20T17:58:11Z2017-11-20T17:58:11Z2017Goyeneche, J, Moreno, L y Scavino, M. Predicción del valor de un inmueble mediante técnicas agregativas [en línea] Montevideo : Udelar. FCEA-IESTA, 20171688-6453http://hdl.handle.net/20.500.12008/10526El objetivo del trabajo es construir un modelo que permita efectuar de manera efciente, en términos predictivos, la estimación del valor contado de un determinado inmueble. Se tiene como insumo la información espacio-temporal sobre el valor contado de un conjunto de inmuebles y ciertas variables hedonicas intrínsecas a cada bien, por ejemplo, superficie, antigüedad, número de dormitorios. En tal sentido es conocido el valor de ciertas propiedades en diferentes fechas, entendiendo por valor contado aquel que es asignado por el tasador, donde cada propiedad puede haber sido tasada en diferentes momentos, problema denominado en la literatura como ventas repetidas. La información espacial permite la construcción de modelos autorregresivos espaciales donde el precio de un inmueble se encuentra correlacionado con el de sus vecinos. La información temporal es modelada mediante un modelo autorregresivo temporal, en este caso la dependencia entre una tasación y la siguiente disminuye en función del tiempo transcurrido entre una y otra. Las variables hedónicas se modelan mediante un modelo de regresión lineal dinámico, donde los coefiientes de la regresión son función de la ubicación del inmueble. A partir de la metodológ ica de agregación de Stacking se busca un procedimiento que permita predicciones más precisas. En este caso, otras metodologias son incluidas en la agregación. Se evalúa la performance mediante el error cuadrático en una muestra de testeo.Submitted by Luna Fabiana (fabiana.luna@seciu.edu.uy) on 2017-11-20T17:58:11Z No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) ddt_01_17(2).pdf: 2623728 bytes, checksum: 32c6bb6d35be9cc5110edfa9c59e2cfe (MD5)Made available in DSpace on 2017-11-20T17:58:11Z (GMT). No. of bitstreams: 2 license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) ddt_01_17(2).pdf: 2623728 bytes, checksum: 32c6bb6d35be9cc5110edfa9c59e2cfe (MD5) Previous issue date: 201720 p.application/pdfesspaUdelar. FCEA-IESTASerie DT (17 / 1)Las obras depositadas en el Repositorio se rigen por la Ordenanza de los Derechos de la Propiedad Intelectual de la Universidad de la República.(Res. Nº 91 de C.D.C. de 8/III/1994 – D.O. 7/IV/1994) y por la Ordenanza del Repositorio Abierto de la Universidad de la República (Res. Nº 16 de C.D.C. de 07/10/2014)info:eu-repo/semantics/openAccessLicencia Creative Commons Atribución – No Comercial – Sin Derivadas (CC BY-NC-ND 4.0)Método de StackingModelos espacio-temporalesPrecio hedónicoProcesos autorregresivosPredicción del valor de un inmueble mediante técnicas agregativasDocumento de trabajoinfo:eu-repo/semantics/workingPaperinfo:eu-repo/semantics/publishedVersionreponame:COLIBRIinstname:Universidad de la Repúblicainstacron:Universidad de la RepúblicaGoyeneche, Juan JoséMoreno, LeonardoScavino, MarcoLICENSElicense.txtlicense.txttext/plain; charset=utf-84267http://localhost:8080/xmlui/bitstream/20.500.12008/10526/5/license.txt6429389a7df7277b72b7924fdc7d47a9MD55CC-LICENSElicense_urllicense_urltext/plain; charset=utf-849http://localhost:8080/xmlui/bitstream/20.500.12008/10526/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52license_textlicense_texttext/html; charset=utf-80http://localhost:8080/xmlui/bitstream/20.500.12008/10526/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://localhost:8080/xmlui/bitstream/20.500.12008/10526/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54ORIGINALddt_01_17(2).pdfddt_01_17(2).pdfapplication/pdf2623728http://localhost:8080/xmlui/bitstream/20.500.12008/10526/1/ddt_01_17%282%29.pdf32c6bb6d35be9cc5110edfa9c59e2cfeMD5120.500.12008/105262018-02-14 11:51:04.686oai:colibri.udelar.edu.uy:20.500.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Universidadhttps://udelar.edu.uy/https://www.colibri.udelar.edu.uy/oai/requestmabel.seroubian@seciu.edu.uyUruguayopendoar:47712024-07-25T14:30:54.913795COLIBRI - Universidad de la Repúblicafalse |
spellingShingle | Predicción del valor de un inmueble mediante técnicas agregativas Goyeneche, Juan José Método de Stacking Modelos espacio-temporales Precio hedónico Procesos autorregresivos |
status_str | publishedVersion |
title | Predicción del valor de un inmueble mediante técnicas agregativas |
title_full | Predicción del valor de un inmueble mediante técnicas agregativas |
title_fullStr | Predicción del valor de un inmueble mediante técnicas agregativas |
title_full_unstemmed | Predicción del valor de un inmueble mediante técnicas agregativas |
title_short | Predicción del valor de un inmueble mediante técnicas agregativas |
title_sort | Predicción del valor de un inmueble mediante técnicas agregativas |
topic | Método de Stacking Modelos espacio-temporales Precio hedónico Procesos autorregresivos |
url | http://hdl.handle.net/20.500.12008/10526 |