Construcción de un modelo para predecir ventas de unidades nuevas de vivienda en Cali por medio de técnicas de aprendizaje estadístico

Loading...
Thumbnail Image
Date
2024
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Abstract
El proyecto tiene como objetivo mejorar la precisión en la predicción de las transacciones de vivienda nueva en el futuro. Actualmente, la determinación de estas transacciones se basa en encuestas y sondeos de percepción de mercado, lo que limita la captura de información completa y actualizada sobre la situación real del mercado y la conducta de los posibles compradores. El proyecto consiste en la construcción de un modelo que utilice información secundaria para predecir las ventas de unidades nuevas de vivienda en el área del Distrito de Cali. Esta información secundaria incluye análisis de tendencias en Google Trends y variables macroeconómicas relevantes, como la inflación, el desempleo, las tasas de interés e indicadores agregados de percepción del consumidor y de desempeño de la economía. El enfoque se basa en técnicas de modelación estadística y métodos de aprendizaje automático supervisados, considerando que todos los datos son series temporales. El modelo realizado proporcionó un método eficaz para obtener predicciones tanto en el volumen como en la tendencia de venta de nuevas unidades de vivienda, respaldando así la toma de decisiones de política. Al utilizar técnicas de aprendizaje estadístico, se logró una mejor comprensión de los factores que influyen en las ventas de viviendas nuevas y, por lo tanto, se mejoró la capacidad de predecir las transacciones futuras. La modelación elaborada permite una planificación más eficiente de los recursos y una mejor comprensión de las dinámicas del mercado de viviendas nuevas en Cali. El proyecto propuso un modelo predictivo con técnicas de aprendizaje estadístico y datos secundarios que predice las ventas de unidades de viviendas nuevas en Cali, proporcionando así información más actualizada y precisa para respaldar la toma de decisiones en el sector de la construcción y servicios públicos, mejorando así la planificación y la comprensión del mercado.
Description
item.page.descriptioneng
The project aims to improve the accuracy of predicting future new housing transactions. Currently, the determination of these transactions relies on surveys and market perception studies, which limit the capture of comprehensive and updated information about the real market situation and the behavior of potential buyers. The project consists of constructing a model that uses secondary information to predict new housing unit sales in the Cali District area. This secondary information includes trend analysis from Google Trends and relevant macroeconomic variables such as inflation, unemployment, interest rates, and aggregate indicators of consumer perception and economic performance. The approach is based on statistical modeling techniques and supervised machine learning methods, considering all data as time series. The developed model provided an effective method for obtaining predictions in both the volume and trend of new housing unit sales, thus supporting policy decision-making. By using statistical learning techniques, a better understanding of the factors influencing new housing sales was achieved, thereby improving the ability to predict future transactions. The developed modeling allows for more efficient resource planning and a better understanding of the dynamics of the new housing market in Cali. The project proposed a predictive model with statistical learning techniques and secondary data that predicts new housing unit sales in Cali, thus providing more updated and accurate information to support decision-making in the construction and public services sector, thereby improving planning and market understanding.
Keywords
Predicción del mercado de vivienda, Técnicas de aprendizaje estadístico, Variables macroeconómicas, Housing Market Prediction, Statistical Learning Techniques, Macroeconomic Variables
Citation