Variables explicativas para la predicción del valor comercial en el sector habitacional mediante redes neuronales artificiales y métodos multicriterio.

Anaisabel Olvera Alacio

Buscar

dc.rights.license	http://creativecommons.org/licenses/by-nc-nd/4.0	es_ES
dc.contributor	Jose Gabriel Rios Moreno	es_ES
dc.creator	Anaisabel Olvera Alacio	es_ES
dc.date	2021-12-17
dc.date.accessioned	2022-01-27T18:30:35Z
dc.date.available	2022-01-27T18:30:35Z
dc.date.issued	2021-12-17
dc.identifier	valuación de inmuebles	es_ES
dc.identifier	redes neuronales artificiales	es_ES
dc.identifier	métodos multicriterio	es_ES
dc.identifier	valor comercial	es_ES
dc.identifier	proceso analítico jerárquico	es_ES
dc.identifier.uri	http://ri-ng.uaq.mx/handle/123456789/3377
dc.description	La valuación inmobiliaria consiste en la estimación del valor de un inmueble a través del análisis de variables como ubicación, superficie de terreno, superficie de construcción, ubicación dentro de la manzana, así como atractivo visual y calidad de proyecto; entre otras. La consideración de diversos datos cuantitativos y cualitativos hacen que la estimación sea compleja y un tanto subjetiva, por lo que el objetivo de esta investigación es determinar las variables explicativas del valor comercial en el sector habitacional y disminuir la subjetividad en el proceso de homologación para estimar valores más precisos de los inmuebles. Se utilizaron los métodos multicriterio proceso analítico jerárquico (AHP) y programación por metas extendida (GP extendida) para seleccionar las variables explicativas. Se encontró que las variables más valoradas son seguridad (14.07%), superficie de construcción (10.57%), superficie de terreno (10.46%) y amenidades (7.65%). Estas variables se aplicaron en una red neuronal artificial (RNA) multicapa de propagación hacia atrás para predecir el precio de propiedades muestra. Cuando los inmuebles se ubicaron en la misma zona, Juriquilla, Querétaro, el error absoluto medio del modelo fue 8,523.238 MXN (0.284%) y el coeficiente de determinación (𝑅2) 0.9994; mientras que cuando las muestras fueron de diferentes zonas en Querétaro el error absoluto medio fue 11,598.022 MXN (0.492%) y el coeficiente de determinación 0.9974. Estos resultados muestran un buen ajuste a los precios de mercado. También se comparó la capacidad de predicción de la RNA respecto al método de mercado por homologación mediante la estimación del comparable 9 por ser el mayor error del modelo con propiedades en Juriquilla. La valuación de la RNA fue más precisa en relación con el precio de oferta, ya que la propiedad se subvaluó por 42,992.536 MXN, mientras que en el método de mercado por 82,358.94 MXN. Así, mediante la valuación por RNA el vendedor obtendría una mayor ganancia y el comprador adquiriría la propiedad en un valor acorde al mercado ya que los resultados muestran que con el modelo se obtienen valores cercanos a los precios de oferta.	es_ES
dc.format	Adobe PDF	es_ES
dc.language.iso	spa	es_ES
dc.relation.requires	No	es_ES
dc.rights	Acceso Abierto	es_ES
dc.subject	INGENIERÍA Y TECNOLOGÍA	es_ES
dc.subject	CIENCIAS ECONÓMICAS	es_ES
dc.subject	OTRAS ESPECIALIDADES ECONÓMICAS	es_ES
dc.title	Variables explicativas para la predicción del valor comercial en el sector habitacional mediante redes neuronales artificiales y métodos multicriterio.	es_ES
dc.type	Tesis de maestría	es_ES
dc.creator.tid	Clave CV CONACyT	es_ES
dc.contributor.tid	curp	es_ES
dc.creator.identificador	958685	es_ES
dc.contributor.identificador	RIMG770402HQTSRB02	es_ES
dc.contributor.role	Director	es_ES
dc.degree.name	Maestría en Valuación de Bienes	es_ES
dc.degree.department	Facultad de Ingeniería	es_ES
dc.degree.level	Maestría	es_ES