Desarrollo de un modelo del precio de la vivienda en Valencia por barrios mediante técnicas de análisis multivariante y minería de datos

Abstract

[ES] En los últimos años la ciudad de Valencia se ha convertido en un rentable objetivo de los inversores de vivienda. En el mercado inmobiliario existen numerosos factores que determinan el precio de las viviendas, pero sin duda la localización en el área urbana resulta determinante. Cada distrito de la ciudad ofrece distintos niveles de accesibilidad a servicios y dispone de determinadas redes de transporte y comunicaciones que, junto con las características particulares de cada inmueble, influyen en la decisión final de los compradores. Muchos trabajos precedentes en esta línea de investigación presentan modelos econométricos basados en características particulares de cada vivienda. Por otro lado, la influencia de la localización en el precio de la vivienda es un resultado ampliamente contrastado. A pesar de ello, existe una carencia de estudios específicos sobre la influencia de las características de cada barrio en el precio agregado de las viviendas construidas en el mismo. El objetivo de este trabajo es desarrollar un modelo del precio de la vivienda en la ciudad de Valencia por barrios. Para ello, se analizarán datos publicados por el Ayuntamiento de Valencia que contienen estadísticas oficiales de los barrios mediante técnicas de reducción de la dimensionalidad y modelos supervisados de aprendizaje automático. Los resultados esperados aportarán un nuevo enfoque a los clásicos modelos econométricos empleados con este fin durante las últimas décadas y ampliarán el conocimiento existente sobre el modo en que la localización influye en el precio de la vivienda.

[EN] In recent years the city of Valencia has become a profitable target for property investors. In the real estate market there are numerous factors that determine the price of housing, but the location in the urban area is undoubtedly a determining factor. Each district of the city offers different levels of accessibility to services and has certain transport and communications networks which, together with the particular characteristics of each property, influence the final decision of buyers. Many previous works in this line of research present econometric models based on the particular characteristics of each property. On the other hand, the influence of location on house prices is a widely contrasted result. Despite this, there is a lack of specific studies on the influence of the characteristics of each neighbourhood on the aggregate price of the dwellings built in it. The aim of this paper is to develop a model of house prices in the city of Valencia by neighbourhood. To this end, data published by the Valencia City Council containing official neighbourhood statistics will be analysed using dimensionality reduction techniques and supervised machine learning models. The expected results will provide a new approach to the classical econometric models used for this purpose during the last decades and will extend the existing knowledge on how location influences housing prices.