Valuación masiva de la tierra urbana mediante inteligencia artificial. El caso de la ciudad de San Francisco, Córdoba, Argentina.
Palabras clave:
Valor del Suelo, Valuación masiva, Machine Learning, Random Forest, Kriging OrdinarioResumen
El mercado inmobiliario desempeña un papel importante en la economía y la sociedad, por lo tanto, la desactualización de las valuaciones catastrales, en particular del suelo urbano, tiene efectos nocivos sobre las políticas públicas impositivas, territoriales y de vivienda, como en la estabilidad del sistema financiero. Por tal motivo, los catastros afrontan el desafío de desarrollar valuaciones masivas de una jurisdicción con el fin de proveer datos actualizados y de calidad, de manera rápida y eficiente. Dado el avance tecnológico, la generación de grandes volúmenes de información y los progresos asociados a las ciencias de la computación. Los resultados obtenidos permiten resaltar la ventaja de la capacidad predictiva en la estimación del valor del suelo urbano mediante la aplicación de una técnica algorítmica de aprendizaje automático, conocida como Random Forest, en combinación con una técnica geo-estadística llamada Kriging Ordinario para el tratamiento de los residuos frente a un método econométrico clásico, regresión lineal.
Referencias
Anselin, L. (1998). GIS research infrastructure for spatial analysis of real estate markets. Journal of Housing Research, 9, 113–133.
Antipov E.; Pokryshevskaya, E. (2012). Mass appraisal of residential apartments: An application of Random forest for valuation and a CART-based approach for model diagnostics. Expert System with Applications, 39, 1772-1778.
Bonet J, Muñoz, A. y Pineda, C, Mannheim (2014). El potencial oculto: factores determinantes y oportunidades del impuesto a la propiedad inmobiliaria en América Latina. Banco Interamericano de Desarrollo.
Breiman, L. (2001). Random forests. Machine Learning, 45(1) 5–32.
Breiman, L.; Friedman, J.; Stone, C.; Olshen, R. (1984). Classification and regression trees. California, Wadsworth, Inc.
Cervio, A. L. (2015). Expansión urbana y segregación socio-espacial en la ciudad de Córdoba (Argentina) durante los años ‘80. Astrolabio,14.
De Cesare, Claudia. (2012). Improving the Performance of the Property Tax in Latin America. Policy Focus Report. Lincoln Institute of Land Policy.
Hengl T.; Heuvelink G.; Kempen B.; Leenaars J.; Walsh M.; Shepherd K. (2015). Mapping Soil Properties of Africa at 250 m Resolution: Random Forests Significantly Improve Current Predictions. PLoS ONE, 10(6).
Huang, B.; Wu, B.; Barry, M. (2010). Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices, International Journal of Geographical Information Science, 24(3) 383-401.
International Association of Assessing Officers (2003). Standard on automated valuation.
Jeremy, M. (2006). Mapping the Results of Geographically Weighted Regression.The Cartographic Journal. 43(2) 171-179
Jian, G.; Shi, D.; Zurada, J.; Levitan, A. (2014). Analyzing Massive Data Sets: An Adaptive Fuzzy Neural Approach for Prediction, with a Real Estate Illustration. Journal of Organizational Computing and Electronic Commerce, 24(1) 94-112.
Lockwood, T. y Rossini, P. (2011). Efficacy in Modelling Location Valuation models (AVMs). Within the Mass Appraisal Process. Pacific Rim Property Research Journal, 17(3) 418-442.
Morales Schechinger, C. (2007). Algunas reflexiones sobre el mercado de suelo urbano”. Mercados de suelo urbano en las ciudades latinoamericanas. Lincoln Institute of Land Policy (ed.).
Pérez-Planells,L.; Delegido, J.; et al. (2015). Análisis de métodos de validación cruzada para la obtención robusta de parámetros biofísicos. Revista de teledetección, 44. 55-65.
Piumetto, M. (2016). Diagnósticos catastros provinciales e impuesto inmobiliario, en Proyecto Modernización de los Sistemas de Gestión Financiera Pública Provincial, Argentina. BID, Ministerio del Interior, IERAL de Fundación Mediterránea (sin publicar).
Qingmin, M. (2014). Regression Kriging versus Geographically Weighted Regression for Spatial Interpolation. International Journal of Advanced Remote Sensing and GIS, 3(1) 606-615.
Reese, E. (2003). Instrumentos de gestión urbana, fortalecimiento del rol del municipio y desarrollo con equidad - Lincoln Institute of land policy (Ed.).
Sabatini, F. (2003). La segregación social del espacio en las ciudades de América Latina, BID: Desarrollo Social. Documento de Estrategia. Washington DC.
Serra, M. V., David E. Dowall, Diana Meirelles da Motta, and Michael Donovan. (2005). An examination of three Brazilian cities: Brasilia, Curitiba, and Recife. In Estudos estratéicos de apoio às politicas urbanas para os grupos de baixa renda no Brasil (Enabling strategy for moving upgrading to scale in Brazil). Urban land markets and urban land development. Washington, DC: Cities Alliance.
Tobler, W. (1970). A computer movie simulating urban growth in the Detroit region. Economic Geography, 46(2) 234-240.
Tobler, W. (1970). A computer movie simulating urban growth in the Detroit region. Economic Geography, volumen 46(2) 234-240.
Descargas
Publicado
Número
Sección
Licencia
Los autores que publican en esta revista están de acuerdo con los siguientes términos:
a. Los autores conservan los derechos de autor y garantizan a la revista el derecho de ser la primera publicación del trabajo al igual que licenciado bajo una licencia de Creative Commons Reconocimiento-CompartirIgual 4.0 Internacional que permite a otros compartir el trabajo con un reconocimiento de la autoría del trabajo y la publicación inicial en esta revista.
b. Los autores pueden establecer por separado acuerdos adicionales para la distribución no exclusiva de la versión de la obra publicada en la revista (por ejemplo, situarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en esta revista.
c. Se permite y se anima a los autores a difundir sus trabajos electrónicamente (por ejemplo, en repositorios institucionales o en su propio sitio web) antes y durante el proceso de envío, ya que puede dar lugar a intercambios productivos, así como a una citación más temprana y mayor de los trabajos publicados (VéaseThe Effect of Open Access) (en inglés).
d. Se trata de una Licencia licencia de Creative Commons Reconocimiento-CompartirIgual 4.0 Internacional.
