jueves,18 agosto 2022
Espacio euroiberoamericano de diálogo sobre la innovación social, profesional y académica
InicioSociedad, Política y SostenibilidadCultura & TendenciasLa tasación de viviendas pasa de física a digital y solo Madrid...
El BigData dibuja 5 clústeres inmobiliarios de las ciudades

La tasación de viviendas pasa de física a digital y solo Madrid y Barcelona superan mínimos de 2012

Redacción
La era del tasador físico de viviendas abre paso en España a la valoración digital, aunque en los cinco últimos años de recuperación sólo Madrid y Barcelona elevaron el precio medio de las viviendas tasadas a niveles precrisis, al pasar de 270.000 € en 2012 a cerca de 310.000 € en el 2018, con incremento del 15%, frente a los 250.000€ aproximados de 2013, su peor momento. Así lo indica una investigación premiada por el Colegio de Economistas de Madrid (CEMAD) este miércoles 26 de febrero.

El acto se celebró en la Facultad de Derecho y Ciencias Sociales de Ciudad Real, en la Universidad de Castilla-La Mancha. La ya graduada Rocío Gutiérrez López recibió el tercer premio ex-aequo de la IV edición de los Trabajos Fin de Grado (TFG) convocado en 2019 por el Colegio de Economistas entre la treintena de universidades de las tres Comunidades Autónomas donde actúa la entidad profesional. La investigación premiada traza un mapa de los municipios españoles según 5 tipos de titulares de viviendas (vaciados, top3, de mayor paro juvenil, monoparentales y de alta presencia extranjera) se titula Técnicas de Machine Learning y Clustering aplicadas al desarrollo de un Modelo Automatizado de Valoración de viviendas. Ha sido realizada en el contexto de colaboración de la autora con el Instituto de Desarrollo Regional de la Universidad de Castilla-La Mancha, colaborando con un equipo multidisciplinar que tiene un contrato de transferencia con la empresa de tasaciones “CoHispania sociedad de consultoría y valoración” para la creación de un Modelo Automatizado de Valoración de Viviendas (“AVM”).

 

Acompañado por la secretaria general del Colegio de Economistas de Madrid, la profesora de la UAM Ana López, y por otras autoridades académicas, entregó el premio el decano-presidente del Colegio de Economistas de Madrid, Pascual Fernández Martínez. Este dijo que la entidad profesional quiere así incentivar la investigación de los jóvenes sobre temas de interés de la economía española. Recordó que es el tercer premio consecutivo a TFG ganado por investigadores de esta Facultad de Ciudad Real, que desde ahora cuenta con una sección provincial del Colegio presidida por José Antonio Negrín de la Peña. También resaltó el gran interés económico de las nuevas tecnologías y la vivienda, sobre el que mañana jueves 27 habrá en la sede del Colegio en Madrid habrá un Desayuno con economistas sobre «Hipoteca verde», abierto al público que quiera seguirlo en directo por streaming.

 

El mensaje principal de la graduada premiada fue cada vez existe un mayor número de algoritmos matemáticos y estadísticos que pretenden sustituir al tasador físico de inmuebles. Gracias a los avances aplicados al Big Data y la inteligencia artificial, los AVM pueden analizar millones de combinaciones de miles de variables, entrenar y probar el modelo en diferentes partes de los conjuntos de datos seleccionados al azar, lo que lleva a pruebas precisas de rendimiento predictivo fuera de la muestra, generando que las predicciones sean más ajustadas a la realidad.

 

En la investigación premiada se lleva a cabo una segmentación de los municipios españoles en función de su Vulnerabilidad Socioeconómica, Sociodemográfica y Residencial. El resultado ha sido detectar en España 5 claras regiones o clúster, presentadas en una web interactiva en la que se pueden visualizar los diferentes municipios existentes y caracterizarlos en función del segmento al que pertenecen: http://shiny.uclm.es/apps/tfg/rocio/ “

El clúster o zona 1 (puntos de amarillo dentro del mapa) aparecen 134 municipios, situados principalmente entorno a la zona del Sistema Ibérico. La zona del Sistema Ibérico ha sufrido una despoblación agresiva desde el siglo XX, por lo que han quedado muchos pueblos abandonados dispersos en diferentes zonas, donde la gran mayoría de las viviendas no poseen cuarto de aseo con inodoro, ni baño o ducha, viviendas situadas en edificios construidos antes de 1940.

 

El clúster o zona 2 (morado) es el mayor en habitantes, con  un total de 3.421 municipios. Lo componen mayoritariamente zonas de costa y principales ciudades de España como Madrid, Barcelona y Valencia. Posee un mayor nivel de estudios y baja proporción de ocupados eventuales. La gran mayoría de sus viviendas tiene cuarto de aseo con inodoro y baño o ducha, aunque la menor superficie media por habitante en m² y es el segundo con más viviendas inferiores a 30 m². 

 

El clúster 3 donde se encuentra buena parte de Ciudad Real y Castilla la Manca (puntos en rojo) está compuesto por un total de 1.655 municipios, con un mercado laboral muy frágil, una proporción de la población juvenil en paro extremadamente elevada con respecto al resto de clúster, y a la vez un elevado porcentaje de trabajadores temporales y no cualificados. Además, dichos municipios destacan por su alta proporción de población sin estudios. En comparación con el cluster n.º 4 (azul claro) posee casi tres veces más de hogares monoparentales.

Este clúster está compuesto por un total de 2.853 municipios, situados principalmente en la zona Norte de la Península Ibérica. Este grupo posee una alta proporción de población envejecida y gran parte de esta vive sola.

El clúster n º5 (azul oscuro) está compuesto por un total de 53 municipios. Sus habitantes se caracterizan principalmente por la alta proporción de población extranjera, especialmente acentuada la infantil, con respecto al resto de grupos establecidos.

La investigación también señala a Random Forest la mejor técnica de Machine Learning para crear un Modelo Automatizado de Valoración (AVM, Automated Valuation Model) cumpliendo con la guía establecida por el Banco de España. Las métricas obtenidas en la investigación son similares a las logradas en entornos de producción.

Este algoritmo es capaz de trabajar con grandes volúmenes de datos y con entornos de gran dimensionalidad. Además, controla los valores perdidos y es capaz de mantener la precisión cuando existen estos en la base de datos y posee la capacidad de manejar cientos de variables predictoras

sin excluir ninguna.

Contacto de la autora para más información:

rocio.gutierrez.lopez@gmail.com

 

De interés

Artículos Relacionados

Centro de preferencias de privacidad