La valoración ha estado presente a lo largo de la historia de la humanidad. En nuestros días, en multitud de actos económicos es necesario conocer el valor de los activos implicados. La valoración inmobiliaria es una de las que más frecuentemente afecta a los ciudadanos, dado que se encuentra presente en multitud de situaciones cotidianas como, por ejemplo, el pago de tributos, la compra de un inmueble o la solicitud de un préstamo hipotecario. Desde la perspectiva de la Administración Pública, la valoración de inmuebles también es de transcendental importancia, dado que buena parte del sistema impositivo tiene su base en los distintos gravámenes que recaen sobre bienes inmuebles.

Un dato que pone de manifiesto la importancia de la valoración inmobiliaria es que en España, a lo largo del año 2013 las 52 sociedades de tasación homologadas efectuaron un total de 661.000 tasaciones, con un valor total tasado que ascendió a 265 mil millones de euros y una superficie total de los bienes inmuebles valorados en el ejercicio de 517.000 hectáreas (1).

Ahora bien, dentro del mercado inmobiliario el mercado de la vivienda es el principal componente. En consecuencia, la vivienda ha tenido en la literatura relativa a la valoración inmobiliaria un papel preponderante, mientras que el del resto de inmuebles ha sido marginal. De hecho, en el año 2013, del total de valoraciones realizadas por el conjunto de sociedades de tasación de España, las viviendas individuales —bien sean elementos de edificios o unifamiliares— supusieron el 59 % del total de las realizadas (1). De esta tipología se efectuaron 389.000 tasaciones por un importe global de 69 mil millones de euros. El segundo tipo de inmueble sobre el que se efectuaron mayor número de tasaciones fue el local comercial, con 46.000 tasaciones, lo que supuso un 7 % del total de las realizadas. El importe global de las tasaciones de locales comerciales fue de 12 mil millones de euros.

Por consiguiente, en el presente trabajo se ha optado por elegir al local comercial como el tipo de inmueble que constituirá el objeto de estudio por dos razones fundamentales: (i) la escasez de estudios empíricos existentes en torno a este tipo de inmueble —a pesar de su relevancia en la estructura y en la configuración de la ciudad—; (ii) el local comercial es el tipo de inmueble que de forma más frecuente es objeto de valoración, tras la vivienda por supuesto. Por lo tanto resulta de interés conocer cuáles son los principales determinantes del precio del local comercial.

En la actualidad, la valoración inmobiliaria se configura como una actividad pluridisciplinar en la que se combinan diferentes técnicas y metodologías de estudio con objeto de establecer el valor real de un producto inmobiliario.

Han sido varios los autores que han intentado efectuar una clasificación de la diversidad de métodos existentes para la valoración de un inmueble. Entre las distintas propuestas destaca la realizada por Pagourtzi et al. (2), muy considerada en la bibliografía acerca de esta temática —véase, por ejemplo, a Selim (3) y Kusan et al. (4)—. Pagourtzi clasifica los métodos en dos categorías: métodos tradicionales y métodos avanzados. Los primeros coinciden básicamente con los métodos técnicos de valoración, aunque se permite incluir entre los mismos alguna técnica matemática clásica como el análisis de regresión. Entre los métodos avanzados incluye a las Redes Neuronales Artificiales, al método de Precios Hedónicos, a los métodos de Análisis Espacial, a la Lógica Difusa y a las técnicas Box-Jenkins —Autoregressive Integrated Moving Average (ARIMA)—.

Por otra parte, hay que considerar las clasificaciones metodológicas efectuadas por Gallego (5) y Aznar (6). El primero efectúa una diferenciación entre los métodos de valoración tradicionales y los métodos de valoración automatizada. Dentro del primer grupo se incluyen aquellos basados fundamentalmente en el criterio de un experto, cuentan con un alto grado de precisión, pero se caracterizan por su elevado nivel de subjetividad y por una baja producción en cuanto al número de valoraciones. Este tipo de métodos tiene una gran aceptación por parte de particulares, empresas, entidades bancarias, organismos tributarios, etc. En un segundo grupo encuadra a los que denomina métodos de valoración automatizada1, caracterizados fundamentalmente por el empleo de técnicas matemáticas para la estimación del valor. El empleo de este tipo de técnicas, junto con un procedimiento más sistemático, les otorga un carácter más científico, revistiéndolos de un mayor nivel de objetividad, al tiempo que facilitan una mayor producción de valores.

Aznar (6) realiza una clasificación de los métodos de valoración realizada a partir de los recogidos en las Normas Internacionales de Valoración, a los que añade los denominados métodos Multicriterio, así como distintos métodos previstos para la valoración de activos y recursos ambientales. No obstante, de entre ellos considera como los más frecuentemente utilizados en la práctica a los métodos por corrección en sus dos variantes, el método del ratio de valoración, el método Beta, el método del análisis de regresión, el método de actualización de rentas, el método del coste de reemplazamiento y el del valor residual.

En un intento de aunar las posibles clasificaciones, en la Tabla 1 se agrupan los distintos métodos de valoración de inmuebles en dos categorías, diferenciando entre métodos técnicos y métodos avanzados.

Como se ha indicado anteriormente las aportaciones en el ámbito de la valoración de locales comerciales son muy escasas. De hecho, únicamente se cuenta con una aplicación del método de los Precios Hedónicos efectuada por Humarán (7) en las principales ciudades catalanas y, por otro lado, de una aplicación del análisis espacial a la ciudad de Toledo realizado por Montero y Larraz (8) utilizando la técnica conocida como krigeage.

En el presente trabajo se desarrolla un estudio empírico de locales comerciales haciendo uso de técnicas avanzadas de valoración. Por consiguiente, este estudio tiene como objetivo principal la obtención de modelos predictivos del precio mensual de alquiler de un local comercial en la ciudad de Córdoba, ubicado en zona urbana no periférica. Se pretende así facilitar modelos de predicción de precios en el mercado de locales comerciales de la ciudad, de manera que permitan automatizar la obtención de dichos valores.

Concretamente se partirá de una serie de testigos relacionados con la modalidad de inmueble citada y a partir de ahí se construirán modelos econométricos para determinar de forma objetiva su precio de mercado. Asimismo, se pretende estimar el peso marginal de cada uno de los atributos (precios implícitos) que explican el precio del local comercial, cuantificando esa influencia de modo que se consiga valorar su importancia relativa sobre el precio.

En concreto, se utilizará la Inteligencia Artificial (IA) —Redes Neuronales (RN)— para determinar cuáles son los principales factores externos e internos que determinan el precio final de esta tipología de bien. A continuación los resultados serán comparados con los obtenidos por un método hedónico clásico.

Siguiendo a Martín y Sanz (9) podría definirse la IA como un conjunto de algoritmos cuyo objetivo es imitar el razonamiento humano a través de una lógica deductiva o manipulación de símbolos. Por su parte, Pino et al. (10) señalan una visión parecida destacando que en el seno de la IA, desde distintas perspectivas, se han ido acumulando conocimientos sobre cómo emular las diversas capacidades del ser humano para exhibir comportamientos inteligentes y se han desarrollado sistemas cada vez más perfeccionados que reproducen parcialmente dichas capacidades. Por consiguiente, la IA es un término genérico que engloba técnicas muy diferentes unas de otras, pero que tienen en común esa imitación de procesos inteligentes existentes en la naturaleza humana.

Dentro de la IA se pueden distinguir dos grandes áreas según Isasi y Galván (11). Una es la de la IA simbólica, la que se ocupa de la construcción de sistemas que se puedan definir como «inteligentes». En este caso se define el problema a resolver y se diseña el sistema capaz de resolverlo siguiendo esquemas prefijados por la disciplina. Se dice que los sistemas siguen un esquema de arriba abajo (en inglés top – down), ya que es necesario disponer de una aproximación a la solución del problema y diseñarla completamente. La otra gran área de la IA es la subsimbólica, es el caso en que no se realizan diseños a alto nivel de sistemas capaces de resolver los problemas utilizando las técnicas de la disciplina, sino que se parte de sistemas genéricos que van adaptándose y construyéndose hasta formar por sí mismos un sistema capaz de resolver el problema. En este caso el diseño es de abajo hacia arriba (bottom – up), ya que los sistemas diseñados son simples e idénticos, recogen las características físicas de los sistemas que tratan de imitar y se van generando cómputos cada vez más complejos, de forma automática, mediante mecanismos prefijados de aprendizaje. Es en esta área donde se ubican las Redes Neuronales (RN). Lo que diferencia a éstas de otras metodologías es la inspiración biológica de cómo funciona el cerebro, es decir, otros métodos profundizan en los modelos del cerebro provenientes de la psicología más tradicional (qué hace el cerebro sin importar el cómo), pero las RN no se preocupan solo de conseguir un funcionamiento inteligente, sino también de las características estructurales o anatómicas de una posible máquina inteligente.

Quedarían vinculadas al ámbito de la IA técnicas como la Lógica Difusa o Borrosa (Fuzzy Logic), los Sistemas Expertos, los Algoritmos Genéticos y las ya mencionadas RN.

Los primeros estudios sobre valoración de inmuebles que utilizan la IA datan de principios de los años noventa, con los trabajos de Borst (12) en Nueva Inglaterra en 1991, por consiguiente la aplicación de estas técnicas en el ámbito de determinación de precios inmobiliarios tiene más de dos décadas de vida. La mayor parte de los sistemas de IA aplicados a este campo son RN.

Una RN está formada por un conjunto de elementos o unidades de proceso (PE) de información, interconectadas, formando un sistema para ajuste de modelos no lineales. Fueron introducidas por McCulloch y Pitts (13) en 1943. A partir de unas variables de entrada, x ₁, x ₂, ..., x_n , se trata de explicar las variaciones de la variable de salida y —y = m(x ₁, x ₂, ..., x_n ) + ε—. El esquema de funcionamiento de una neurona artificial se muestra en la Ilustración 1. Los modelos de redes pueden ser multiecuacionales y utilizarse no sólo para estimación, sino también para problemas de clasificación. La dependencia de las variables de salida respecto de las de entrada se formula mediante unas variables no observables, denominadas neuronas, con una estructura o topología en una o varias capas.

Las neuronas realizan un procesamiento de la información de entrada y generan una salida a través de una función de activación o umbral. La salida es enviada a todas las neuronas de la capa siguiente, procesada mediante una función monótona definida en [0, 1], como la función logística o la tangente hiperbólica. La información de salida hacia la última capa permite obtener la estimación del precio, ŷ. La estimación de los distintos parámetros se realiza minimizando una función de error, como el Error Cuadrático Medio, mediante un algoritmo iterativo o proceso de aprendizaje «hacia atrás», en el que los parámetros se van modificando para obtener un valor mínimo del ECM, utilizando métodos de gradiente.

En relación a la topología de una red, es decir, a la forma en que se estructuran las distintas capas y sus conexiones, existen diversos tipos de redes. La más comúnmente utilizada en valoración de inmuebles es el Perceptrón Multicapa (Multilayer Preceptron —MLP—), formada por una capa de entrada (inputs), una de salida (output) y una (o varia(s) capa(s) oculta(s).

Determinados autores efectúan una comparativa entre técnicas tradicionales de precios hedónicos2 (especialmente análisis de regresión múltiple —MRA—) e inteligencia artificial. La gran mayoría de los trabajos apoyan la utilización de las RN por su robustez y su gran capacidad para detectar relaciones no lineales entre variables —es el caso de Tay y Ho (15); Do y Grudnitski (16); Kauko et al. (17); Peterson y Flanagan (18); Caridad et al. (19) y Cannavaro (20)—, mientras que otros ponen de manifiesto que las RN no son necesariamente superiores a los modelos de regresión —entre ellos se encuentran los de Allen and Zumwalt (21), Worzala, Lenk y Silva (22), Rossini (23), o Zurada et al. (24)— comparando su actuación en diferentes escenarios en los que llegan a distintas conclusiones acerca de la superioridad de las RN. Por su parte, Limsombunchai et al. (25) llegaron a resultados equivalentes aplicando ambas metodologías.

Por otro lado, en nuestro país las primeras aportaciones a este campo tienen algo más de una década, siendo pioneros Caridad y Ceular (26) en el año 2001 cuyo análisis se desarrolla en la ciudad de Córdoba, seguidos de otras contribuciones destacables como las de Mohamed en el año 2002 (27), Gallego en 2004 (28), García Rubio (29) en 2004, Lara (30) en 2005, o Landajo et al. (31) en 2012 en las ciudades de Cádiz, Madrid, Albacete, Jaén y Oviedo, respectivamente.

Hay que señalar que los estudios analizados (tanto a nivel nacional como internacional) versan sobre valoración de un tipo de inmueble: la vivienda (ya sea unifamiliar o plurifamiliar), no existiendo referencia alguna para la aplicación de esta metodología en la determinación de precios de locales comerciales.

Como se ha señalado con anterioridad el tipo de red más utilizada con diferencia es el Perceptrón Multicapa —Multilayer Perceptron (MLP)—, aunque algunos estudios prueban otro tipo de redes como la Función de Base Radial (RBF) —García Rubio (29) y Zurada et al. (24)— o los Mapas Auto-organizativos de Kohonen —Kauko et al. (17) y Kontrimas y Verikas (32)—.

En la capa de entrada (inputs) del MLP se sitúan las variables que se consideran determinantes del precio del inmueble. En cuanto a la capa de salida de la red (output), ésta estará constituida por un único nodo o neurona que suele ser el precio de transacción del inmueble (ya sea total o por metro cuadrado), aunque existen referencias en las que se manejan precios de oferta, así como precios de tasación o precios de alquiler.

En este caso de estudio las Redes Neuronales han sido aplicadas para obtener evidencia de los factores —tanto externos como internos— que determinan el precio de un tipo de inmueble específico: el local comercial.

De los resultados alcanzados por la red propuesta para la estimación del precio local comercial en la ciudad de Córdoba, se puede concluir que las variables que mostraron poseer una mayor incidencia en el precio de los mismos fueron: la superficie, el estado conservación del inmueble —cuantificado mediante un índice que recoge el estado y calidades de la fachada y el pavimento del inmueble—, la Macro-localización en la ciudad —definida a través de un índice que pondera la situación geográfica del inmueble (barrio de la ciudad) junto con el nivel de renta de la zona—, la Micro-localización —determinada por la interacción entre la calidad de ubicación del inmueble dentro de la zona concreta en que se sitúa y la posición en esquina— y, por último, la antigüedad.

Por consiguiente, la característica que más influye en la determinación del precio de alquiler del local comercial es un factor estructural como la superficie.

Sin embargo, la presencia de la variable antigüedad, así como su relación directa con la variable a explicar, fue en principio inesperada, puesto que los expertos mencionaban que en el caso de un inmueble en la modalidad de local comercial dicha variable no era considerada determinante. No obstante, en los modelos alternativos en los que se excluía este atributo se observó un descenso notable del grado de ajuste. Su presencia podría quedar justificada con los siguientes argumentos: (i) gran parte de los edificios antiguos de la ciudad están ubicados en zonas de cierta tradición o solera comercial en los que evidentemente el precio de los locales aumenta; (ii) los locales comerciales más antiguos es de esperar que hayan experimentado serias reformas en la fachada, solería, techos o carpintería, por lo que sus calidades generales pueden ser mayores que las de un local de menor antigüedad, y (iii) en un local comercial no afecta, como en una vivienda, la antigüedad del edificio debido, entre otras razones, a que para acceder a los locales analizados, todos a pie de calle, no se aprecia el estado y conservación de las zonas comunes del inmueble, ya que se accede al local directamente.

También es preciso destacar la relevancia que para el mercado de locales poseen algunas características vinculadas a la localización del mismo. El impacto de las mismas es doble. En primer lugar, se ha observado un comportamiento muy heterogéneo de los precios en las diferentes zonas de la ciudad analizadas. En segundo lugar, la calidad de la ubicación dentro de la zona y su situación en esquina también ha demostrado tener una enorme incidencia en el precio.

La metodología de RN se comparó con el MH, llegando a la conclusión de que la RN es capaz de aproximarse mejor a la formación del precio de un local comercial que el MH. La primera opción posee un grado de ajuste muy superior al MH, mayor correlación entre observaciones y estimaciones, así como mejores indicadores de errores.

Se calcularon además los precios implícitos correspondientes a los distintos inputs o variables explicativas. Para el MH las variaciones producidas en el precio estimado del inmueble son siempre lineales ante variaciones de cada una de las variables explicativas, situación que no se corresponde con la realidad del mercado y que la RN corrige por lo general de una forma más congruente.

Por todo lo anterior, se propone la RN estimada para la determinación del precio de un local comercial por poseer una mayor capacidad para reconocer el proceso de formación de los precios que el MH.