Estimador de precios de productos inmobiliarios. Escenario departamentos

Abstract

Históricamente, el sector inmobiliario ha demostrado ser un detonador activo de la economía mexicana. Pese a los avances tecnológicos en la industria, la definición de precios de venta continúa siendo una tarea compleja que puede influir en el desempeño financiero y comercial de un proyecto inmobiliario. Este trabajo tiene como objetivo desarrollar una solución de Machine Learning para estimar precios de mercado de productos inmobiliarios verticales (departamentos), utilizando información correspondiente a la plaza Guadalajara de DIME y las principales características de los productos.

Para ello se realizó un proceso de exploración, preparación y selección de variables, seguido del entrenamiento y comparación de distintos algoritmos de regresión. Como resultado se seleccionó un modelo Ridge Regression, que obtuvo un coeficiente de determinación R² de aproximadamente 0.859 en el conjunto de prueba, un RMSE de $723,726.15 MXN y un MAE de $550,099.67 MXN. Posteriormente, el prototipo analítico se transformó en un proyecto reproducible mediante la separación de las etapas de preparación, entrenamiento y evaluación, así como el uso de herramientas de control de versiones y seguimiento de artefactos y métricas.

Finalmente, se desarrolló una aplicación visual para capturar las características de un departamento, revisar la información y obtener una estimación de precio. Como complemento se incorporó una capa opcional de inteligencia artificial generativa que interpreta descripciones en lenguaje natural y las transforma en las variables estructuradas requeridas por la aplicación. Esta capa no calcula ni modifica el precio estimado, ya que dicha función corresponde exclusivamente al modelo Ridge Regression. El resultado constituye una herramienta de apoyo para el análisis inmobiliario y la toma de decisiones relacionadas con precios, sin sustituir un estudio de mercado detallado ni una valuación inmobiliaria formal.