Una base de datos de precios y caracteristicas de vivienda en Colombia con informacion de Internet.

• Author: Cardenas Rubio, Jeisson Arley
• Pages: 75(25)

An Internet-Based Data Set of Prices and Characteristics of Dwelling in Colombia

Construcao de uma base de dados de precos e caracteristicas de moradia para a Colombia

Introduccion

La vivienda es un bien de consumo durable que en la gran mayoria de paises constituye el activo mas importante de los portafolios de los hogares (Holmes, Otero & Panagiotidis, 2011). Por este motivo, suele utilizarse como colateral para prestamos, de forma que una gran parte de los activos del sistema financiero estan atados a los valores de las viviendas. En este sentido, las fluctuaciones de los precios de la vivienda pueden tener un efecto importante sobre la actividad economica nacional y regional, asi como sobre la solidez del sistema financiero, lo que potencialmente puede amplificar los efectos de los choques que sufre la economia (Goodhart & Hofmann, 2007). Ademas, la localizacion de las viviendas puede tener efecto sobre el acceso a oportunidades laborales, sociales y a bienes publicos locales (O'Sullivan, 2012).

A pesar de la importancia del sector inmobiliario, es frecuente encontrar deficiencias en la disponibilidad y analisis de los precios de alquiler y venta de las viviendas, lo que dificulta la prediccion de los retornos de las inversiones en el sector, asi como sus posibles efectos en otros sectores de la economia (Caplin, Chopra, Leahy, LeCun & Thampy, 2008). Segun DiPasquale y Wheaton (1996), la vivienda se caracteriza por ser un bien de caracter heterogeneo, en el sentido que se diferencia en terminos de tamano y otras caracteristicas, asi como por su localizacion. Mientras en otros mercados el precio se define segun una cantidad fija del bien (e.g. precio por una libra de naranjas o por un galon de gasolina), en los mercados de vivienda se observa el gasto por cada vivienda individual.

Para el caso latinoamericano, la informacion sobre precios de vivienda esta disponible para periodos relativamente cortos de tiempo en algunos paises, y principalmente para grandes areas metropolitanas. Por otra parte, no hay informacion detallada sobre el stock de viviendas disponibles, ni sobre la actividad constructora (Cubeddu, Tovar Mora & Tsounta, 2012). De esta forma, el conocimiento sobre el mercado inmobiliario es limitado, lo cual dificulta su analisis.

En Colombia, las principales fuentes de informacion de acceso publico se resumen en el Indice de Precios de Vivienda Usada (Ipvu), producido por el Banco de la Republica, y en el Indice de Precios de Vivienda Nueva (IPVN), producido por el Departamento Administrativo Nacional de Estadistica. De acuerdo con Galvis y Carrillo (2013), estos indicadores no tienen en cuenta la heterogeneidad de las viviendas, lo cual dificulta, por ejemplo, la construccion de indices entre distintas ciudades. Ademas, los indices son calculados a un nivel de agregacion bastante alto y no necesariamente son representativos en algunas ciudades o zonas debido a problemas de muestra pequena.

De acuerdo con lo anterior, es clara la necesidad e importancia asociada a la construccion de una base de datos con informacion sobre precios y caracteristicas de las viviendas en el mercado inmobiliario colombiano. Entre los trabajos que han contribuido al respecto, Jaramillo y Cuervo (2014) presentan informacion de precios de la vivienda en Bogota para el periodo comprendido entre 1970 y 2013. Estos autores presentan series de precios de alquiler de vivienda, compraventa de vivienda usada y de tierra destinada a vivienda. Para la informacion de precios, los autores utilizaron las ofertas publicadas en los periodicos, mientras que los precios del suelo provienen de la Lonja de Propiedad Raiz.

Una aproximacion similar es la de Garza (2007), en la que se hace uso de la publicidad que realiza la revista La guia inmobiliaria desde el mes de mayo de 1992 hasta abril de 2004. Con dicha informacion, se construye una base de datos georreferenciada, que permite evidenciar una relacion de causalidad que va del precio por metro cuadrado al area en metros cuadrados construidos.

En este punto es importante mencionar que los trabajos anteriores tienen las limitaciones propias de utilizar datos recolectados de forma manual, que se refleja en posibles sesgos de seleccion, limitacion en terminos del volumen de datos obtenidos, de la frecuencia de recoleccion, asi como de posibles errores al momento de transcribir la informacion. Para subsanar, o al menos minimizar, estos inconvenientes, en el presente trabajo se utilizan herramientas desarrolladas para el analisis de grandes volumenes de datos, tambien conocidas como big data (Edelman, 2012). En una ilustracion reciente, para estudiar el comportamiento del mercado de la vivienda en diversas areas metropolitanas en Estados Unidos, Boeing y Waddell (2016) recolectaron informacion de cerca de 11 millones de viviendas en arriendo del sitio de Internet Craiglist. A partir de un analisis detallado de dicha informacion, los autores encontraron encontraron evidencia de la existencia de correlacion a nivel espacial, asi como temporal.

Efthymiou y Antoniou (2013), en su analisis de los efectos de la infraestructura y politicas de transporte sobre los precios de venta y alquileres de la vivienda en Atenas, aplican tecnicas de extraccion de informacion (web scraping) para obtener datos sobre las transacciones inmobiliarias. En este trabajo se especifican y estiman diversos modelos de precios hedonicos mediante tecnicas de econometria espacial, que permiten concluir que las variaciones en el precio de las viviendas se ven enormemente afectadas por los diversos tipos de infraestructura de transporte.

Por su parte, Caplin et al (2008) buscan mejorar la prediccion de los retornos de la vivienda en la ciudad de Los Angeles, teniendo en cuenta consideraciones de tipo espacial. Para esto, utilizan tecnicas de aprendizaje automatico (machine learning), con el fin de eliminar posibles errores de prediccion en tiempo real. De lo anterior se concluye que obtener y analizar informacion de los precios y caracteristicas de las viviendas, como tipo de inmueble, numero de habitaciones y banos, area construida y ubicacion geografica, entre otras, puede llegar a ser de suma utilidad para la investigacion y la politica publica en temas como la determinacion de la calidad de las viviendas, asi como para cuantificar la magnitud del deficit cualitativo de vivienda por sector.

Tambien es importante destacar que la posibilidad de que la informacion de los inmuebles este georreferenciada facilita su utilizacion en conjunto con informacion del mismo tipo disponible en otras bases de datos, de forma tal que se puedan contrastar hipotesis relacionadas con patrones espaciales presentes en el mercado de vivienda. Asi, existe el potencial, por ejemplo, de facilitar la...