Modelos de Valoración Automática para Inmuebles

Cuando decidimos comprar o alquilar un inmueble (apartamento, habitación, casa, etc.), uno de los criterios de búsqueda más importantes es el precio. Su valor depende principalmente de características como la ubicación, año de construcción, número de habitaciones, superficie, calefacción central, etc.

Sin embargo, dos propiedades con las mismas características pueden venderse a precios totalmente diferentes, y hay razones más profundas para esa diferencia. La urgencia del vendedor o comprador en completar la operación, el contexto del mercado, la agencia inmobiliaria que gestiona la venta, o la época del año, contribuyen a estas diferencias.

Por lo tanto, puede ser particularmente desafiante determinar cuál es el precio real de venta de una propiedad determinada. Al analizar los precios de anuncio de propiedades en sitios web inmobiliarios, podemos tener una idea incorrecta del valor real del lugar. Esto es especialmente cierto debido a la sobrevaloración del valor realista con fines comerciales. Esto puede llevarnos a comprar o alquilar un lugar a un precio mucho mayor que el real.

Por ello, exploraremos un enfoque para determinar el precio real de venta de un inmueble, considerando diferentes aspectos relevantes al hacer una oferta.

La inversión inmobiliaria puede ser la compra o alquiler de una casa, un apartamento o una habitación. También puede ser para uso privado o comercial. Sin embargo, asumiremos el escenario de compra de un apartamento para uso privado. No obstante, en todos estos contextos diferentes, se pueden tener en cuenta las mismas consideraciones.

Datos

Además de las características de la propiedad, hay otros factores que pueden influir en el precio de venta, por lo que debemos observar otros tipos de indicadores y datos al hacer una evaluación, a saber:

• Datos demográficos y geoespaciales: un aumento reciente de la población en un barrio determinado puede indicar una demanda más alta para esa zona, por lo que el precio debería ser más alto. Por lo tanto, el crecimiento de la población alrededor del respectivo barrio puede ser un indicador del precio de la propiedad. Además, las infraestructuras en los barrios como el número y variedad de tiendas, centros comerciales, transporte público y escuelas pueden ayudar a ajustar el precio correcto.
• Datos no estructurados: las imágenes, descripciones y opiniones dadas en forma de imágenes y texto pueden ayudarnos a captar el estado de la propiedad, lo que puede influir en su precio.
• Comportamiento del mercado: Las condiciones actuales del mercado también impactan en los precios de venta. La demanda o número de casas similares a la venta impacta el valor de la casa, siguiendo la Ley de Oferta y Demanda. Por lo tanto, el precio promedio de casas similares compradas recientemente puede ser una buena indicación del precio. Además, el tiempo durante el cual la propiedad está en el mercado, comparado con el promedio de propiedades similares, puede ser una señal de alerta con respecto al precio actual.
• Indicadores Económicos: También hay factores económicos que influyen en la fijación de precios de vivienda. Por ejemplo, el aumento de la tasa de empleo o del crecimiento de salarios puede llevar a un aumento en el precio de anuncio de la propiedad. Asimismo, cambios en la tasa de interés o incentivos financieros pueden contribuir a la compra de una propiedad a crédito.
• Aspectos de la venta: la urgencia en el proceso de venta, las condiciones de pago y la experiencia de la agencia inmobiliaria, son otros aspectos que pueden influir en el precio de venta, comparado con su valor real.

En términos de datos disponibles, podemos asumir que conocemos las características del apartamento (por ejemplo, número de habitaciones, ubicación, superficie, eficiencia energética, etc.) y algunos indicadores, como el número de infraestructuras cercanas, tasa de empleo, precio promedio de casas similares, urgencia en la venta, imágenes y textos de los apartamentos, etc.

Además, en términos de precios, asumiremos que conocemos el precio de anuncio de todos los apartamentos y el precio de venta de algunos apartamentos (por ejemplo, el precio de venta de operaciones realizadas por una única agencia inmobiliaria). Esta información puede estructurarse de la siguiente manera:

Solo para aclarar, nos referimos al precio de venta como el valor al que se vende efectivamente una propiedad determinada y el precio de anuncio corresponde al precio al que el lugar se listó en el mercado inicialmente.

Predicción de Precios

La predicción del precio de venta presenta varios desafíos, concretamente estos dos:

• El precio real de venta suele faltar en nuestro conjunto de datos, ya que no siempre está disponible
• El precio de anuncio puede ayudarnos a predecir el precio de venta, aunque no se conoce la distribución de la relación entre el precio de anuncio y el precio de venta

Enfoque semi-supervisado

Como el precio de venta solo está disponible en un pequeño conjunto de muestras, la exploración de un enfoque completamente supervisado no es apropiada.

Un primer enfoque podría ser utilizar un enfoque semi-supervisado con el objetivo de predecir el precio de venta basándose en las pocas muestras etiquetadas, como sigue:

F(características del apartamento) -> precio de venta

Donde características del apartamento incluye todos los aspectos descritos anteriormente, tales como datos demográficos y geoespaciales, comportamiento del mercado, indicadores económicos, etc., además de las características del apartamento. Los datos de texto o imagen podrían codificarse para usarse en un formato de datos tabular.

Hay diferentes técnicas semi-supervisadas que podríamos explorar (transductivas, inductivas, métodos envolventes, etc.) para la modelización.

Sin embargo, este enfoque estaría sesgado hacia la agencia de la que obtuvimos el precio real de venta. Además, no estaríamos aprovechando explícitamente el hecho de tener el precio de anuncio disponible, que puede usarse como una etiqueta débil.

Curso

The Machine Learning Spectrum

Obtén más información sobre los diferentes tipos de Aprendizaje.

Obtén más información

Enfoque semi-supervisado + débilmente supervisado

Por lo tanto, otro enfoque puede ser considerar el precio de anuncio como una etiqueta débil y usarlo para predecir el precio de venta. Para hacer un mapeo directo, necesitaríamos determinar la distribución de la diferencia entre el precio real de venta y el precio de anuncio.

Por lo tanto, podemos combinar aprendizaje semi-supervisado y aprendizaje débilmente supervisado, con el fin de:

• Adaptar nuestro enfoque, considerando que tenemos pocos datos etiquetados (enfoque semi-supervisado)
• Usar una etiqueta débil y ruidosa, el precio de anuncio, como punto de partida para calcular el precio real de venta (enfoque débilmente supervisado)

Para lograr esto, personalizaremos una función de pérdida que pueda ayudarnos a resolver esta tarea, considerando estos desafíos.

De manera genérica, podemos modelar nuestro problema de la siguiente forma:

F(características del apartamento, precio de anuncio) -> precio de venta

Nuevamente, las características del apartamento consistirían en todos los aspectos mencionados anteriormente y no solo en las características del apartamento.

Distribución de la relación entre precio de venta y precio de anuncio

Determinaremos la relación entre el precio de anuncio y el precio de venta calculando la distribución de la relación entre ambos.

Un posible ejemplo de la distribución de la relación de precios podría ser:

Función de pérdida/Optimización

La función de pérdida se personalizará para comparar la distribución de la relación de precios usando las predicciones del modelo con la distribución real de la relación de precios (calculada con los precios de venta conocidos), combinada con la evaluación de las predicciones del precio de venta.

Para lograr esto, podemos usar la Divergencia de Kullback-Leibler, que cuantifica la diferencia entre distribuciones de probabilidad utilizando la siguiente fórmula:

![ $$DK(p||q) = \sum_{i=1}^{N} p(x_i) * (\log p(x_i) - \log q(x_i))$$ ](/wp-content/ql-cache/quicklatex.com-5980f9b89d1535c1b3fa520c5016a337_l3.png)

Donde p y q corresponden a las dos distribuciones de probabilidad a comparar.

Para evaluar las predicciones del precio de venta podemos usar el Error Absoluto Medio (MAE):

![ $$MAE(x, y) = \frac{1}{N} \sum_{i=1}^{N} \left | x_i - y_i \right |$$ ](/wp-content/ql-cache/quicklatex.com-45667880c9523baf90c4d2c2567fbb4c_l3.png)

Donde x representa las predicciones del precio de venta e y representa los precios reales de venta.

Por lo tanto, nuestra función de pérdida sería:

![ $$MIN \left ( D_{KL}(r_p \parallel r_g) + MAE(selling\_price_{predicted}, selling\_price_{real}) \right )$$ ](/wp-content/ql-cache/quicklatex.com-1790cf6e9d62bbfea4e2589df4219a73_l3.png)

Donde r_p se refiere a la distribución de la relación de precios usando las predicciones del precio de venta del modelo y r_g se refiere a la distribución real de la relación de precios, utilizando las muestras en las que conocemos el precio real de venta. El selling_price_predicted representa los precios de venta predichos por el modelo y el selling_price_real representa los precios reales de venta.

¿Deseas profundizar en esta idea?

Agenda una reunión con Kelwin Fernandes

Conoce a Kelwin Obtén más información

Conclusión

La tarea de comprar una propiedad puede ser bastante importante en nuestra vida financiera. Por lo tanto, debemos hacer un esfuerzo adicional para tratar de obtener el mejor negocio en términos de valor/calidad frente al precio.

Este artículo analiza un enfoque para determinar el precio correcto de venta, basado en los diferentes factores considerados relevantes. Hay muchos aspectos que influyen en el valor de una propiedad, e incluso más que determinan el precio de venta. Por lo tanto, comenzamos con una visión general de los diferentes aspectos que pueden influir en el precio de venta, donde se incluyen el comportamiento del mercado, datos demográficos y geoespaciales, datos no estructurados (reseñas, imágenes y descripciones) e indicadores económicos.

Basándonos en los datos que normalmente están disponibles en línea, describimos un enfoque que combina aprendizaje débilmente supervisado y semi-supervisado, junto con una función de pérdida personalizada que se centra en aprender la distribución real de la relación de precios, es decir, la relación entre el precio de anuncio y el precio de venta.

Este puede ser un enfoque realista para predecir el precio real de venta. No obstante, como es habitual, si tienes comentarios o ideas sobre Modelos de Valoración Automática para Inmuebles, ¡asegúrate de contactarnos!