EconPapers    
Economics at your fingertips  
 

Predicción de precios de vivienda: Aprendizaje estadístico con datos de oferta y transacciones para la ciudad de Montevideo

Pablo Picardo

No 2019002, Documentos de trabajo from Banco Central del Uruguay

Abstract: 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 para la ciudad de Montevideo: una proveniente de sitios web (a través de web scraping) y otra de registros administrativos de transacciones. Se implementan tres modelos fácilmente replicables: modelo lineal, árbol de regresión y bosques aleatorios. Los resultados arrojan una mejor performance del modelo de bosques aleatorios 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, implementada en el software R y poner a disposición una nueva base de datos.

Keywords: precios de vivienda; aprendizaje estadístico; bosques aleatorios; CART; valuación de activos; precios online; datos geo-referenciados (search for similar items in EconPapers)
JEL-codes: C10 C18 C52 C81 R31 (search for similar items in EconPapers)
Pages: 50 pages
Date: 2019
New Economics Papers: this item is included in nep-ore
References: View references in EconPapers View complete reference list from CitEc
Citations:

Downloads: (external link)
https://www.bcu.gub.uy/Estadisticas-e-Indicadores/ ... 0Trabajo/02.2019.pdf First version, 2019 (application/pdf)

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:bku:doctra:2019002

Access Statistics for this paper

More papers in Documentos de trabajo from Banco Central del Uruguay Biblioteca Especializada. Banco Central del Uruguay. Diagonal Fabini 777, Montevideo-Uruguay. CP 11100. Contact information at EDIRC.
Bibliographic data for series maintained by Biblioteca Especializada ().

 
Page updated 2025-03-19
Handle: RePEc:bku:doctra:2019002