DETECCIÓN DE OPORTUNIDADES EN EL MERCADO INMOBILIARIO: UN ENFOQUE ANALÍTICO PARA LA IDENTIFICACIÓN Y VALORACIÓN DE BIENES INMUEBLES - LOUREIRO ALVAREZ, RAFAEL

Abstract

El mercado inmobiliario es de gran importancia en la vida de las personas, ya que está estrechamente ligado a la adquisición de viviendas y propiedades, y juega un papel crucial en la economía de un país. Sin embargo, es un mercado caracterizado por su constante variabilidad y la influencia de diversos factores que afectan a los precios de los inmuebles. En los últimos años, se ha producido un gran avance en las herramientas analíticas y las técnicas de modelado de datos, que permiten un mejor entendimiento y predicción de los precios en este mercado. Este avance ha generado la posibilidad de desarrollar modelos capaces de identificar viviendas sobrevaloradas, aquellas cuyo precio excede su valor real y que representan una mala inversión, así como viviendas infravaloradas, que se presentan como grandes oportunidades de inversión. En este Trabajo de Fin de Grado, se busca abordar esta problemática y desarrollar un modelo predictivo que pueda discernir entre viviendas sobrevaloradas e infravaloradas. Para lograrlo, se empleará un enfoque basado en técnicas de aprendizaje automático, análisis de datos y detección de outliers, utilizando un conjunto de variables relevantes para la valoración de las propiedades. Con la implementación de este modelo, se busca contribuir a la mejora del proceso de toma de decisiones en el mercado inmobiliario, fomentando inversiones más seguras y rentables, facilitando así la vida de las personas.

The real estate market is of great importance in people's lives, as it is closely linked to the acquisition of homes and properties and plays a crucial role in a country's economy. However, it is a market characterized by constant variability and the influence of various factors that affect property prices. In recent years, there has been significant progress in analytical tools and data modeling techniques, allowing for a better understanding and prediction of prices in this market. This advancement has opened up the possibility of developing models capable of identifying overvalued homes, those whose price exceeds their actual value and represent a poor investment, as well as undervalued homes, which present great investment opportunities. This thesis aims to address this issue and develop a predictive model that can distinguish between overvalued and undervalued homes. To achieve this, we will employ an approach based on machine learning techniques, data analysis, and outlier detection, using a set of relevant variables for property valuation. By implementing this model, the aim is to contribute to the improvement of the decision-making process in the real estate market, promoting safer and more profitable investments, and ultimately enhancing people's lives.