Modelo predictivo para la renta de inmuebles para estancias cortas

Kiruna es una organización del sector inmobiliario que se encuentra incursionando en el modelo de renta de inmuebles para estancias cortas, establecer un nuevo producto y/o línea de negocio para una compañía puede ser un hecho de gran incertidumbre dado que se trabaja sobre mercados desconocidos, po...

Full description

Bibliographic Details
Main Authors: Quevedo Rubio, Diego Alejandro, Pizarro Salas, Marta Liliana
Other Authors: Tabares Pozos, Alejandra
Format: Master Thesis
Language:Spanish
Published: Universidad de los Andes 2022
Subjects:
Online Access:http://hdl.handle.net/1992/55352
id ftunivlosandes:oai:repositorio.uniandes.edu.co:1992/55352
record_format openpolar
spelling ftunivlosandes:oai:repositorio.uniandes.edu.co:1992/55352 2023-11-12T04:20:21+01:00 Modelo predictivo para la renta de inmuebles para estancias cortas Quevedo Rubio, Diego Alejandro Pizarro Salas, Marta Liliana Tabares Pozos, Alejandra 2022-02-22T19:57:03Z 22 páginas application/pdf http://hdl.handle.net/1992/55352 spa spa Universidad de los Andes Maestría en Inteligencia Analítica para la Toma de Decisiones Facultad de Ingeniería Departamento de Ingeniería Industrial http://hdl.handle.net/1992/55352 25419.pdf instname:Universidad de los Andes reponame:Repositorio Institucional Séneca repourl:https://repositorio.uniandes.edu.co/ Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores. https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf info:eu-repo/semantics/openAccess http://purl.org/coar/access_right/c_abf2 Alquiler de inmuebles Estancias cortas Modelo predictivo Modelo de análisis de datos Modelo de negocio Machine Deep Machine Learning Administración Trabajo de grado - Maestría info:eu-repo/semantics/masterThesis info:eu-repo/semantics/acceptedVersion http://purl.org/coar/resource_type/c_bdcc http://purl.org/coar/version/c_ab4af688f83e57aa Text http://purl.org/redcol/resource_type/TM 2022 ftunivlosandes 2023-10-28T17:03:18Z Kiruna es una organización del sector inmobiliario que se encuentra incursionando en el modelo de renta de inmuebles para estancias cortas, establecer un nuevo producto y/o línea de negocio para una compañía puede ser un hecho de gran incertidumbre dado que se trabaja sobre mercados desconocidos, por lo que la compañía busca incrementar su conocimiento sobre esta modalidad. El objetivo de este estudio es predecir los precios de alquiler para estancias cortas teniendo en cuenta las características del inmueble. Con este fin, la pregunta de investigación es la siguiente: ¿Cuál debe ser el precio de alquiler por noche para un inmueble de la ciudad de Bogotá en la localidad de chapinero, de acuerdo con sus características físicas, geográficas, condiciones de alquiler, entre otros? La pregunta de investigación se responde a través de la implementación de modelos de Machine Learning y Deep Learning que buscan encontrar el valor más cercano al precio real de alquiler de los inmuebles en este formato de arrendamiento. Los modelos ejecutados son comparados a partir de dos métricas de desempeño, el Mean Squared Error y el R-cuadrado obteniendo la mejor respuesta con una red neuronal, para la cual también se aplicó un modelo de clustering por el método K-means, lo que permitió generar 4 modelos especializados para cada clúster, ayudando a mejorar las métricas obtenidas. Adicionalmente, fue posible identificar aquellas variables que en mayor medida inciden en el precio de renta, contribuyendo a reducir la incertidumbre de la organización ante la nueva línea de negocio en desarrollo. Kiruna is an organization in the real estate sector that is venturing into the rental model of real estate for short stays, establishing a new product and / or line of business for a company can be a fact of great uncertainty since it works on unknown markets, Therefore, the company seeks to increase its knowledge of this modality. The objective of this study is to predict rental prices for short stays taking into account the characteristics ... Master Thesis Kiruna Repositorio institucional Séneca Kiruna
institution Open Polar
collection Repositorio institucional Séneca
op_collection_id ftunivlosandes
language Spanish
topic Alquiler de inmuebles
Estancias cortas
Modelo predictivo
Modelo de análisis de datos
Modelo de negocio
Machine Deep
Machine Learning
Administración
spellingShingle Alquiler de inmuebles
Estancias cortas
Modelo predictivo
Modelo de análisis de datos
Modelo de negocio
Machine Deep
Machine Learning
Administración
Quevedo Rubio, Diego Alejandro
Pizarro Salas, Marta Liliana
Modelo predictivo para la renta de inmuebles para estancias cortas
topic_facet Alquiler de inmuebles
Estancias cortas
Modelo predictivo
Modelo de análisis de datos
Modelo de negocio
Machine Deep
Machine Learning
Administración
description Kiruna es una organización del sector inmobiliario que se encuentra incursionando en el modelo de renta de inmuebles para estancias cortas, establecer un nuevo producto y/o línea de negocio para una compañía puede ser un hecho de gran incertidumbre dado que se trabaja sobre mercados desconocidos, por lo que la compañía busca incrementar su conocimiento sobre esta modalidad. El objetivo de este estudio es predecir los precios de alquiler para estancias cortas teniendo en cuenta las características del inmueble. Con este fin, la pregunta de investigación es la siguiente: ¿Cuál debe ser el precio de alquiler por noche para un inmueble de la ciudad de Bogotá en la localidad de chapinero, de acuerdo con sus características físicas, geográficas, condiciones de alquiler, entre otros? La pregunta de investigación se responde a través de la implementación de modelos de Machine Learning y Deep Learning que buscan encontrar el valor más cercano al precio real de alquiler de los inmuebles en este formato de arrendamiento. Los modelos ejecutados son comparados a partir de dos métricas de desempeño, el Mean Squared Error y el R-cuadrado obteniendo la mejor respuesta con una red neuronal, para la cual también se aplicó un modelo de clustering por el método K-means, lo que permitió generar 4 modelos especializados para cada clúster, ayudando a mejorar las métricas obtenidas. Adicionalmente, fue posible identificar aquellas variables que en mayor medida inciden en el precio de renta, contribuyendo a reducir la incertidumbre de la organización ante la nueva línea de negocio en desarrollo. Kiruna is an organization in the real estate sector that is venturing into the rental model of real estate for short stays, establishing a new product and / or line of business for a company can be a fact of great uncertainty since it works on unknown markets, Therefore, the company seeks to increase its knowledge of this modality. The objective of this study is to predict rental prices for short stays taking into account the characteristics ...
author2 Tabares Pozos, Alejandra
format Master Thesis
author Quevedo Rubio, Diego Alejandro
Pizarro Salas, Marta Liliana
author_facet Quevedo Rubio, Diego Alejandro
Pizarro Salas, Marta Liliana
author_sort Quevedo Rubio, Diego Alejandro
title Modelo predictivo para la renta de inmuebles para estancias cortas
title_short Modelo predictivo para la renta de inmuebles para estancias cortas
title_full Modelo predictivo para la renta de inmuebles para estancias cortas
title_fullStr Modelo predictivo para la renta de inmuebles para estancias cortas
title_full_unstemmed Modelo predictivo para la renta de inmuebles para estancias cortas
title_sort modelo predictivo para la renta de inmuebles para estancias cortas
publisher Universidad de los Andes
publishDate 2022
url http://hdl.handle.net/1992/55352
geographic Kiruna
geographic_facet Kiruna
genre Kiruna
genre_facet Kiruna
op_relation http://hdl.handle.net/1992/55352
25419.pdf
instname:Universidad de los Andes
reponame:Repositorio Institucional Séneca
repourl:https://repositorio.uniandes.edu.co/
op_rights Al consultar y hacer uso de este recurso, está aceptando las condiciones de uso establecidas por los autores.
https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf
info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
_version_ 1782336350708563968