Modelo predictivo para la renta de inmuebles para estancias cortas

Abstract

Kiruna es una organización del sector inmobiliario que se encuentra incursionando en el modelo de renta de inmuebles para estancias cortas, establecer un nuevo producto y/o línea de negocio para una compañía puede ser un hecho de gran incertidumbre dado que se trabaja sobre mercados desconocidos, por lo que la compañía busca incrementar su conocimiento sobre esta modalidad. El objetivo de este estudio es predecir los precios de alquiler para estancias cortas teniendo en cuenta las características del inmueble. Con este fin, la pregunta de investigación es la siguiente: ¿Cuál debe ser el precio de alquiler por noche para un inmueble de la ciudad de Bogotá en la localidad de chapinero, de acuerdo con sus características físicas, geográficas, condiciones de alquiler, entre otros? La pregunta de investigación se responde a través de la implementación de modelos de Machine Learning y Deep Learning que buscan encontrar el valor más cercano al precio real de alquiler de los inmuebles en este formato de arrendamiento. Los modelos ejecutados son comparados a partir de dos métricas de desempeño, el Mean Squared Error y el R-cuadrado obteniendo la mejor respuesta con una red neuronal, para la cual también se aplicó un modelo de clustering por el método K-means, lo que permitió generar 4 modelos especializados para cada clúster, ayudando a mejorar las métricas obtenidas. Adicionalmente, fue posible identificar aquellas variables que en mayor medida inciden en el precio de renta, contribuyendo a reducir la incertidumbre de la organización ante la nueva línea de negocio en desarrollo.

Kiruna is an organization in the real estate sector that is venturing into the rental model of real estate for short stays, establishing a new product and / or line of business for a company can be a fact of great uncertainty since it works on unknown markets, Therefore, the company seeks to increase its knowledge of this modality. The objective of this study is to predict rental prices for short stays taking into account the characteristics of the property. To this end, the research question is the following: What should be the rental price per night for a property in the city of Bogotá in the town of Chapinero, according to its physical and geographical characteristics, rental conditions, among others? The research question is answered through the implementation of Machine Learning and Deep Learning models that seek to find the value closest to the real rental price of the properties in this lease format. The executed models are compared from two performance metrics, the Mean Squared Error and the R-squared, obtaining the best response with a neural network, for which a clustering model was also applied by the K-means method, which It allowed to generate 4 specialized models for each cluster, helping to improve the metrics obtained. Additionally, it was possible to identify those variables that have a greater impact on the rental price, helping to reduce the uncertainty of the organization in the face of the new business line under development.