Resumen de Predicción de la variación de los precios inmobiliarios en el área metropolitana del Gran Concepción, Chile

Roberto Parra Sepúlveda, Luis Améstica Rivas, Héctor Gaete Feres

• español

  La imposibilidad de poder predecir con exactitud los precios de los activos financieros sigue siendo un desafío para cualquier inversionista. Existiendo a su vez, distintos enfoques que intentan a los menos predecir la dirección que pueden presentar los precios de los activos, con el objetivo de anticiparse al comportamiento del mercado y poder obtener ganancias extraordinarias. En este contexto, se propone utilizar un modelo predictivo basado en autómatas celulares para el mercado inmobiliario que permita predecir el incremento o disminución futura de los precios del suelo urbano, y así poder ganarle al mercado. La investigación se aplicó a las variaciones de precios mensuales y trimestrales entre los años 2010-2018 de diversos sectores y comunas del área metropolitana del llamado Gran Concepción, segunda capital en importancia de Chile, ubicada al sur del país. Destaca entre los resultados obtenidos para distintas ventanas de tiempo, un porcentaje de acierto de predicción (PPS) promedio superior al 50%, siendo 58,5% para el autómata de mejor predicción, con capacidad predictiva estadísticamente significativa en dos de los cuatro autómatas finalmente considerados. Sin embargo, aunque el signo esperado fue acertado y muestra la capacidad predictiva del modelo, por un criterio de significancia estadística esto puede ser considerado insuficiente, abriendo una nueva etapa de estudio.

• English

  The impossibility of being able to accurately predict the prices of financial assets remains a challenge for any investor. In turn, there are different approaches that try to at least predict the direction that asset prices may take, with the aim of anticipating market behavior and obtaining extraordinary profits. In this context, it is proposed to use a predictive model based on cellular automata for the real estate market to predict the future increase or decrease of urbanland prices, and thus be able to beat the market. The research was applied to monthly and quarterly price variations between the years 2010-2018of various sectors and communes of the metropolitan area of the so-called Gran Concepción, the second most important capital of Chile, located in the south of the country. It stands out among the results obtained for different time windows, an average prediction success percentage (PPS) higher than 50%, being 58.5% for the best prediction automaton, with statistically significant predictive capacity in two of the four automatons finally considered. However, although the expected sign was correct and shows the predictive capacity of the model, by a criterion of statistical significance this can be considered insufficient, opening a new stage of study.