Predicción de signo mediante redes neuronales en el mercado de inmuebles

Abstract

El objetivo de esta tesis es probar la existencia de capacidad de predicción en el mercado inmobiliario mediante la aplicación de un modelo de redes neuronales. Para ello se utilizó una base de datos con los precios promedio del metro cuadrado de casas y departamentos en distintas comunas y sectores de la capital, entre los años 1994 y 2007, con una frecuencia mensual. La metodología empleada consiste en una red neuronal Ward con rolling, de los rezagos de las diferencias del precio promedio de inmuebles en una comuna sobre los rezagos de las diferencias de la Tasa de Interés Promedio (TIP) y el Índice Mensual de Actividad Económica (IMACEC). Mediante el test de acierto direccional de Pesaran y Timmermann logramos determinar capacidad de predicción en cuatro zonas de la capital en que además los resultados del modelo superaban la metodología Buy & Hold, resultados que pudimos corroborar al aplicar el modelo a sucesivas submuestras de nuestra serie original. Se concluye que, pese a todas las limitaciones de información inherentes a la base de datos utilizada, sí existe capacidad predictiva en el mercado inmobiliario, aunque estos resultados no sean homogéneos a través de las comunas de la capital