Análisis y Proyección de Costos en Proyectos de Vivienda VIS y NO VIS Desarrollados por la Constructora Vértice Ingeniería y Construcción en el Área Metropolitana del Valle de Aburrá durante el Período 2016-2023

RESUMEN : El objetivo del trabajo es estimar el costo de proyectos de vivienda VIS y NON VIS utilizando datos históricos de la Constructora Vértice Ingeniería y Construcción, que abarcan el período de 2016 a 2023. Este estudio investigó el poder predictivo de un Regresor de Bosque Aleatorio para est...

Full description

Autores:
Yovera Yovera, Eladio
Lastra Lopera, Ricardo
Tipo de recurso:
Article of investigation
Fecha de publicación:
2024
Institución:
Universidad de Antioquia
Repositorio:
Repositorio UdeA
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.udea.edu.co:10495/44740
Acceso en línea:
https://hdl.handle.net/10495/44740
Palabra clave:
Mercado de la vivienda - precios
Housing market - Prices
Análisis de regresión
Regression analysis
Viviendas sociales
Public housing
Rights
openAccess
License
https://creativecommons.org/licenses/by-nc-sa/4.0/
Description
Summary:RESUMEN : El objetivo del trabajo es estimar el costo de proyectos de vivienda VIS y NON VIS utilizando datos históricos de la Constructora Vértice Ingeniería y Construcción, que abarcan el período de 2016 a 2023. Este estudio investigó el poder predictivo de un Regresor de Bosque Aleatorio para estimar los costos totales de proyectos de desarrollo inmobiliario. El preprocesamiento de datos implicó el manejo de valores faltantes, la codificación de variables categóricas y la agregación de características relevantes para crear un conjunto de datos completo. El modelo de Bosque Aleatorio, optimizado a través de GridSearchCV, aprovechó su capacidad para manejar relaciones no lineales e interacciones entre variables. Las métricas de evaluación del modelo, incluyendo R-cuadrado (R²) y error cuadrático medio (RMSE), revelaron un valor R² (0,938) y un RMSE de 129.195.291, demostrando su fuerte desempeño predictivo, que para un proyecto VIS en promedio tiene un costo de 11.000.000.000 pesos colombianos y para un proyecto NON VIS tiene un costo promedio de 40.000.000.000 pesos colombianos, cabe señalar que un RMSE bajo indica un mejor ajuste del modelo. Esto representa una mejora significativa con respecto a los enfoques de regresión lineal anteriores. El trabajo futuro explorará la inclusión de variables adicionales, como indicadores macroeconómicos, y comparará el modelo Random Forest con otros métodos de conjunto como Gradient Boosting para mejorar aún más la precisión predictiva y la aplicabilidad en el sector inmobiliario.