Por favor, use este identificador para citar o enlazar este ítem:
http://hdl.handle.net/11531/89031
Título : | Aplicación de Machine Learning para la detección de burbujas inmobiliarias - Gonzalo González, Claudia |
Autor : | Claeys, Peter Guenther Antoon Gonzalo González, Claudia Universidad Pontificia Comillas, Facultad de Ciencias Económicas y Empresariales |
Fecha de publicación : | 2025 |
Resumen : | La volatilidad en los precios de la vivienda y su impacto en la estabilidad financiera han generado un creciente interés en el desarrollo de herramientas predictivas que permitan anticipar episodios de sobrevaloración y prevenir crisis en la economía de los países. En este contexto, el presente trabajo analiza la aplicación de Modelos de Cambio de Régimen de Markov y algoritmos de Machine Learning para la detección temprana de burbujas inmobiliarias en el mercado de Estados Unidos.
A través del uso de indicadores macroeconómicos clave y técnicas de aprendizaje supervisado, se ha desarrollado un marco metodológico que permite identificar patrones de sobrevaloración y evaluar el riesgo de correcciones en los precios de la vivienda. Estos mecanismos de alerta temprana pueden aplicarse en distintos ámbitos. Para reguladores financieros, representan herramientas clave en la evaluación de riesgos y la formulación de políticas macroprudenciales. Para inversores institucionales y gestores de activos, ofrecen la posibilidad de optimizar estrategias de inversión y mitigar los riegos asociados a la exposición a mercados sobrevalorados. Asimismo, su integración en la planificación urbana y los mercados hipotecarios podría contribuir a un desarrollo más equilibrado del sector inmobiliario, fortaleciendo la estabilidad económica a largo plazo. Housing price volatility and its impact on financial stability have sparked growing interest in developing predictive tools that can anticipate overvaluation episodes and prevent recessions in countries’ economies. In this context, this study examines the application of Markov Regime-Switching Models and Machine Learning algorithms for the early detection of real estate bubbles in the United States’ market. By leveraging key macroeconomic indicators and supervised learning techniques, a methodological framework has been developed to identify overvaluation patterns and assess the risk of housing price corrections. These early warning mechanisms can be applied across various domains. For financial regulators, they serve as essential tools in risk assessment and macroprudential policy formulation. For institutional investors and asset managers, they provide the opportunity to optimize investment strategies and mitigate the risks associated with the exposure to overvalued markets. Furthermore, their integration into urban planning and the mortgage markets could contribute to a more balanced development of the real estate sector, reinforcing long-term economic stability. |
Descripción : | Grado en Análisis de Negocios/Business Analytics y Grado en Derecho |
URI : | http://hdl.handle.net/11531/89031 |
Aparece en las colecciones: | KBA-Trabajos Fin de Grado |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Propuesta TFG-BA (Claudia Gonzalo Gonzalez).pdf | PREC | 225,15 kB | Adobe PDF | ![]() Visualizar/Abrir |
Aplicacion de Machine Learning para la deteccion de burbujas inmobiliarias - Gonzalo Gonzalez, Claudia.pdf | Trabajo Fin de Grado | 1,52 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.