COMITENTE. 101-20.3-B/101-20-3-B.

USUARIOS. 101-20.3-B/101-20-3-B.

FINALIDAD VALUATORIA/MONEDA UTILIZADA

101-20.3-f. Valor de Mercado. 104-10.4-b. 104-30.1. 101-20.3-e. Dólar Estadounidense.

DOCUMENTACION

DATOS DEL BIEN. 101-20.3-D.

Medidas de Parcela 101-20.3-d

MEJORAS, CARACTERISTICAS GENERALES, USOS, BALANCE DE SUPERFICIES Y ANTIGUEDAD. 101-20.3-D.

Se trata de una vivienda unifamiliar (Apartamento ubicado en el 7°Piso), que data de una antigüedad estimada de 30 años, este apartamento se encuentra en un estado de conservación excelnte, la disposicion ambiental es optima y comoda para los habitantes. El edificio donde se encuentra la unidad esta compuesto por 10 plantas y un Subsuelo distribuido de la siguiente manera= 1-Planta baja = 30 Locales. 2-Primer Piso = 18 Locales. 3-Segundo Piso al Decimo Piso = 6 Apartamentos por planta. 4-Dos Ascensores.

Composicion ambiental=

Aberturas = Puertas internas compuestas por placa de madera de apertura y corredizas. Las ventanas estan compuestas por dos paneles separados que dejan una camara de aire que ayuda a la hermeticidad y conservacion de temperatura interna, las mismas estan realizadas en ALUMINIO y PVC esta ultima cuenta con la ventaja que evita a evapotranspiración en los marcos y vidrios ya que es la segunda abertura.

Revestimientos en pisos= Los mismos son de parquet exceptuando los pisos del baño y cocina los cuales son de porcelanato, los revestimientos en paredes del baño son de porcelanato.

Revestimientos en paredes= Estos estan realizados en revoques con aplicacion de pintura.

Cielo rasos= Revoques con aplicacion de pintura.

Extras= Aires acondicionados, amoblamiento de cocina en alacenas y bajo mesada, placares, tablero electrico seccionado por zonas y secciones, todo en excelnete estado de conservacion y mantenimiento.

Servicios Urbanos

Concluciones

En el mapa expuesto en la parte superior se hace mención alguno de los servicios urbanos circundantes al inmueble, tal es el caso de colegios, etc, sin embargo el sector en estudio posee una amplica capacidad de servicios urbanos disponibles, como lo es la gastronimia, el sector comercial en amplia variedad de rubros, gubernamentales, estatales, bancarios, juridicos, ademas la ubicacion especifica del inmueble intersecciona con la peatonal la cual es un corredor gastronomico, comercial y turistico en temporada.

Mapa Interactivo, Calles y sentido de circulacion

Conclusiones

El sentido de circulacion de las calles circundantes, facilita el acceso y egreso al inmueble, al ubicarce en una zona de alto transito se dificulta el aparcamiento de vehiculos, sumado al gran movimiento peatonal principalmente en epocas turisticas o festivas.

Mapa Interactivo, Paradas de Autobus

Concluciones

El sector en estudio posee una buena interconectividad en referencia al transporte publico que provee la ciudad, lo cual facilita la movilidad urbana para los moradores del inmueble, ademas cabe destacar que se encuentra una parada de taxis a solo 200 metros del inmueble.

Arquitectura urbanistica

Concluciones

El sector de estudio tiene una arquitectura uniforme en referencia a los materiales y sistemas constructivos los cuales son “TRADICIONALES”, con respecto a las antiguedades de las edifciaciones en este caso se encuentran edificaciones muy antiguas como aquellas que datan del incio de la ciudad como edificaciones nuevas las cuales surgen principalmente de antiguas edificaciones que son demolidas o recicladas. Con respecto a los usos el mismo es mixto ya que en la zona encontramos viviendas unifamiliares, locales, instituciones/oficicans, aparatmanetos.

Geoposicionaminto en manzana y linderos

Resultados

Como se puede apreciar en el mapa, el inmueble posee una ubicacion en esquina con respecto a la manzana donde se establece el edificio.

LINDEROS

Proceso de valoracion

El proceso de valoración comprende de una serie de procedimientos sistemáticos que un tasador lleva a cabo para proveerle respuestas acerca del valor de cierto bien al cliente. Este proceso se adapta para proveer una amplia variedad de respuestas sobre diferentes problemas que inciden en el valor de la propiedad objeto de estudio. El proceso de valoración empieza cuando el tasador acepta una tarea de la valuación y termina cuando se proveen los resultados de la tarea al cliente. El proceso de valoración se lleva a cabo mediante varios pasos, el número de pasos a seguir dependen en la naturaleza del problema de la valuación y de la disponibilidad de la información, la búsqueda de información empieza luego de que se ha definido e identificado el problema de tasación; Este análisis de información ayuda al tasador a entender el problema y empieza en este caso con una investigación de tendencias observadas a nivel del mercado nacional, regional y del vecindario, el análisis de información ayuda al tasador a entender las relaciones entre los principios, fuerzas y factores que afectan el valor de las propiedades en un área de mercado en específico. En este caso, el objetivo del proceso de valoración es presentar una opinión de valor debidamente sustentada y creíble, reflejando todos los factores que influencian el valor en el mercado de la propiedad objeto de estudio. Para efectivamente lograr este objetivo, el tasador estudia al objeto desde diferentes perspectivas que se conocen como métodos de avalúo y/o tasación.

METODLOGIA A EMPLEAR PARA LA VALORACION DEL BIEN.103-30-30-1-C 105-20-30 105-60

Se aplicará el método directo comparativo a través de una regresión lineal (con variables sometidas a una escala de baremos del 1 al 10 invertida), este procesos se realiza en lenguaje de programación R donde a través del método estadístico predictivo “Regresión Lineal Múltiple” en el cual se programara una “RLM” con todas las variables y sus respectivas puntuaciones para que luego se establesca a traves de una linea de programacion un mejor modelo matematico predictivo tomando las variables con la mejor puntuacion en correlacion, de esta manera se obtiene un valor de mercado del inmueble, algunas veces las relaciones estadísticas pueden ser lineales o no lineales. Además de este método se aplicarán unos métodos comprobatorios los cuales contemplan un modelo geoestadístico predictivo (en este caso no se aplicara ya que el mismo se aplica en casos de valoracion del suelo), como así una serie de cálculos.

BASE DE VALOR.104-30

Valor de Mercado.

TAMAÑO MUESTRAL

Se cuenta con la cantidad de 35 muestras las cuales se exponen dentro de mapas interactivos que se reflejaran en este informe, estas muestras surgen de una base de datos personal elaborada con procesos SIG (Sistemas de Información Geográfica) la cual se procesa con geoestadística, solapamientos catastrales e identificación individual de cada muestra es decir ademas de que cada muestra es individualizada las mismsas contienen atributos cuantitativos y cualitativos; Nuestra base de datos geográfica y de estructura relacional cuenta con más de 10 mil relevamientos activos en el pais, sin embargo se menciona en el país ya que nuestra base de datos se extiende a varios países de Latinoamérica, formando una de las bases de datos privadas más grande de Latinoamérica superando las 100 mil muestras activas. NOTA IMPORTANTE = se realizó un análisis del total de las muestras a través de lenguaje SQL (Consultas estructuradas) en software, además de una serie de pruebas para poder determinar las muestras más apropiadas en relación al inmueble en estudio, ya que la zona de estudio en la cual se determinó un cuadrante geográfico de estudio, contaba con una cantidad de muestras que superaban las 200 muestras. El cuadrante también se estableció a través de estudios previos. NOTA: Las identidades, como así datos identificatorios de las muestras, datos catastrales, son reservadas por el secreto profesional, el mapa expuesto ubica las muestras dentro del sector de origen, no así el punto geoposiciona la muestra sobre el inmueble utilizado con tal fin.

Regresion Lineal Multiple

La regresión lineal múltiple le permite generar un modelo lineal en el que el valor de la variable dependiente o respuesta (Y) se determina a partir de un conjunto de variables independientes llamadas predictores (X1, X2, X3…). Es una extensión de la regresión lineal simple, por lo que es fundamental comprender esta última. Los modelos de regresión múltiple se pueden utilizar para predecir el valor de la variable dependiente o para evaluar la influencia que los predictores tienen sobre ella (esto último debe analizarse cuidadosamente para no malinterpretar la causa-efecto).

Múltiples modelos lineales siguen la siguiente ecuación: Yi(β0+β1X1i+β2X2i+⋯+βnXni)+ei

β0 : es la ordenada en el origen, el valor de la variable dependiente Y cuando todos los predictores son cero.

βi : es el efecto promedio del aumento en una unidad de la variable predictora Xi en la variable dependiente Y , manteniendo el resto de las variables constantes. Se conocen como coeficientes de regresión parcial.

ey : es el residual o error, la diferencia entre el valor observado y el estimado por el modelo.

RLM

Implementacion del modelo de Regresion Lineal Multiple, para la determinacion del valor.

library(tidyr)
library(tidyverse)
library(tidyselect)
library(dtplyr)
library(gclus)
library(PerformanceAnalytics)
library(psych)
library(readxl)
library(corrplot)
malvar <- read_excel("C:/Users/Marcelo/Desktop/maldonado 323/malvar.xlsx")
VARmc <- lm(formula = malvar$Valor~malvar$Superficie + malvar$Ambientes + malvar$Ubicacion + malvar$Servicios + malvar$Cochera + malvar$UBPlanta)
summary(VARmc)

Call:
lm(formula = malvar$Valor ~ malvar$Superficie + malvar$Ambientes + 
    malvar$Ubicacion + malvar$Servicios + malvar$Cochera + malvar$UBPlanta)

Residuals:
   Min     1Q Median     3Q    Max 
-21934  -7012  -2471   7412  22204 

Coefficients:
                  Estimate Std. Error t value Pr(>|t|)    
(Intercept)         242215      15728  15.401 3.37e-15 ***
malvar$Superficie   -27520       5728  -4.804 4.74e-05 ***
malvar$Ambientes      7235       8092   0.894  0.37891    
malvar$Ubicacion     -4549       6209  -0.733  0.46987    
malvar$Servicios      1439       5990   0.240  0.81186    
malvar$Cochera       -5758       1608  -3.581  0.00128 ** 
malvar$UBPlanta      -4884       2733  -1.787  0.08471 .  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 12620 on 28 degrees of freedom
Multiple R-squared:  0.8161,    Adjusted R-squared:  0.7766 
F-statistic:  20.7 on 6 and 28 DF,  p-value: 4.181e-09

VARmc$coefficients

      (Intercept) malvar$Superficie  malvar$Ambientes  malvar$Ubicacion 
       242215.440        -27519.830          7235.153         -4548.986 
 malvar$Servicios    malvar$Cochera   malvar$UBPlanta 
         1439.176         -5758.262         -4884.050 

step(object = VARmc, direction = "both", trace = 1)

Start:  AIC=667.18
malvar$Valor ~ malvar$Superficie + malvar$Ambientes + malvar$Ubicacion + 
    malvar$Servicios + malvar$Cochera + malvar$UBPlanta

                    Df  Sum of Sq        RSS    AIC
- malvar$Servicios   1    9190201 4466117723 665.26
- malvar$Ubicacion   1   85439839 4542367362 665.85
- malvar$Ambientes   1  127234620 4584162143 666.17
<none>                            4456927522 667.18
- malvar$UBPlanta    1  508496408 4965423930 668.96
- malvar$Cochera     1 2041071655 6497999177 678.38
- malvar$Superficie  1 3673922247 8130849769 686.23

Step:  AIC=665.26
malvar$Valor ~ malvar$Superficie + malvar$Ambientes + malvar$Ubicacion + 
    malvar$Cochera + malvar$UBPlanta

                    Df  Sum of Sq        RSS    AIC
- malvar$Ubicacion   1  114768284 4580886007 664.14
- malvar$Ambientes   1  180431576 4646549299 664.64
<none>                            4466117723 665.26
+ malvar$Servicios   1    9190201 4456927522 667.18
- malvar$UBPlanta    1  670504910 5136622633 668.15
- malvar$Cochera     1 2154168908 6620286632 677.03
- malvar$Superficie  1 4334600448 8800718171 687.00

Step:  AIC=664.14
malvar$Valor ~ malvar$Superficie + malvar$Ambientes + malvar$Cochera + 
    malvar$UBPlanta

                    Df  Sum of Sq        RSS    AIC
- malvar$Ambientes   1  126648884 4707534892 663.10
<none>                            4580886007 664.14
+ malvar$Ubicacion   1  114768284 4466117723 665.26
+ malvar$Servicios   1   38518645 4542367362 665.85
- malvar$UBPlanta    1  883814994 5464701001 668.32
- malvar$Cochera     1 2067035231 6647921238 675.18
- malvar$Superficie  1 4265180864 8846066871 685.18

Step:  AIC=663.1
malvar$Valor ~ malvar$Superficie + malvar$Cochera + malvar$UBPlanta

                    Df  Sum of Sq        RSS    AIC
<none>                            4.7075e+09 663.10
+ malvar$Ambientes   1 1.2665e+08 4.5809e+09 664.14
+ malvar$Ubicacion   1 6.0986e+07 4.6465e+09 664.64
+ malvar$Servicios   1 9.8786e+05 4.7065e+09 665.09
- malvar$UBPlanta    1 8.8926e+08 5.5968e+09 667.15
- malvar$Cochera     1 2.1280e+09 6.8355e+09 674.15
- malvar$Superficie  1 1.0889e+10 1.5596e+10 703.02

Call:
lm(formula = malvar$Valor ~ malvar$Superficie + malvar$Cochera + 
    malvar$UBPlanta)

Coefficients:
      (Intercept)  malvar$Superficie     malvar$Cochera    malvar$UBPlanta  
           244915             -23688              -5443              -5719  

mejormodelomc <- lm(formula = malvar$Valor ~malvar$Superficie + malvar$Cochera + malvar$UBPlanta)
summary(mejormodelomc)

Call:
lm(formula = malvar$Valor ~ malvar$Superficie + malvar$Cochera + 
    malvar$UBPlanta)

Residuals:
   Min     1Q Median     3Q    Max 
-20088  -9275  -2511   8060  22881 

Coefficients:
                  Estimate Std. Error t value Pr(>|t|)    
(Intercept)         244915      11624  21.070  < 2e-16 ***
malvar$Superficie   -23688       2797  -8.468 1.45e-09 ***
malvar$Cochera       -5443       1454  -3.743 0.000741 ***
malvar$UBPlanta      -5719       2363  -2.420 0.021579 *  
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 12320 on 31 degrees of freedom
Multiple R-squared:  0.8057,    Adjusted R-squared:  0.7869 
F-statistic: 42.85 on 3 and 31 DF,  p-value: 3.847e-11

mejormodelomc$coefficients

      (Intercept) malvar$Superficie    malvar$Cochera   malvar$UBPlanta 
       244914.875        -23688.160         -5442.609         -5719.217 

Apartamento_704_Cochera <- c(244914.875   + (-23688.160  *3)+(-5442.609  *2)+(-5719.217   *2.5))
Apartamento_704_Cochera

[1] 148667.1

Apartamento_704_SCochera <- c(244914.875   + (-23688.160  *3)+(-5442.609  *5)+(-5719.217   *2.5))
Apartamento_704_SCochera

[1] 132339.3

Grafico de Correlacion de variables

Coeficiente de variación

El coeficiente de variación, también denominado como coeficiente de variación de Pearson, es una medida estadística que nos informa acerca de la dispersión relativa de un conjunto de datos. Es decir, nos informa al igual que otras medidas de dispersión, de si una variable se mueve mucho, poco, más o menos que otra. El coeficiente de variación se emplea como medida habitual en la medición de la calidad y validez de los avalúos, tanto en normativas nacionales como internacionales. rango de tolerancia 7,5%.

[1] 0.2132353

R cuadrado

R cuadrado, es un estadístico usado en el contexto de un modelo estadístico cuyo principal propósito es predecir futuros resultados o probar una hipótesis. El coeficiente determina la calidad del modelo para replicar los resultados, y la proporción de variación de los resultados que puede explicarse por el modelo. Cuando más cercano a 1 el R cuadrado mejor es el modelo de regresión en este caso obtuvimos una puntuación de = Multiple Adjusted R-squared: 0.7869 , lo cual implica una excelente hipótesis.

Conclucion

CONCLUCION DE METODOS DE COMPROBACION:

1-El resultado obtenido en el coeficiente de variación es óptimo y se encuentra dentro del rango tolerable.

2-El resultado obtenido sobre el R cuadrado ajustado es mas que óptimo.

Valor del Apartamento N°704, Con Cochera.

Valor del Apartamento N°704, Sin Cochera.

Oferta

El nivel de oferta de inmuebles con similares caracteristicas en el entorno proximo es alto.

Demanda

El nivel de la demanda de inmuebles de similares características ubicadas en el entorno próximo al inmueble estudiado es medio.

Revalorizacion

La evolución de la oferta y la demanda no prevé una revalorización del inmueble en un futuro cercano, ya que nos encontramos frente a un mercado estable, sin embargo el mismo puede variar por diferentes factores tanto externos como internos, por ello debe de solicitarce un revaluo a fines de obtener una valorizacion mas actualizada.

Observaciones

Se tomo un valor libre de gastos de sucesión, gastos de planos en el caso de que no estén presentados o con su final de obra, tampoco se contempló gastos de labores realizados por Agrimensor, gastos de amojonamiento, recta de comparación, factibilidad, cateos u otro tipo de tramite vinculatorio como así gravámenes o gastos que recaigan sobre el inmueble, en caso de que estos existan se tendrán que descontar del valor de la valoración más el coste de oportunidad en tal caso solicítese un revaluó.

FECHA DE EMISION, CADUCIDAD Y FIRMA.101-20.3-h 101-20.3-a

Emision= 24/02/2023 Ultima inspeccion del inmueble= 23/02/2023 Caducidad= 24/08/2023

REPRESENTANTE Y VALUADOR, INTERNACIONAL

Marcelo Fabian Larroulet Metzger

FIRMA