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

El comitente aporto un registro fotografico, como asi filmaciones de la propiedad en estudio.

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, que data de una antigüedad estimada de 5 años (Aporte del Comitente), esta vivienda se encuentra en un excelente estado tanto de mantenimiento como estructural, la misma esta realizada en madera sobre platea, este tipo de viviendas es llamada prefabricada.

Composicion ambiental=

Aberturas = Puertas internas compuestas por placa de madera de apertura. Las ventanas estan compuestas estan realizadas en madera con vidrios repartidos.

Revestimientos en pisos= Los mismos son de ceramico con un tamaño de pieza standar.

Revestimientos en paredes= Estos estan realizados en madera, mismo material del cual esta compuesto la vivienda, la cocina y el baño poseen revestimiento de ceramicos.

Sistema de Calefaccionamiento= El mismo es provisto por calefacto tiro balanceado.

Cielo rasos= Madera (machimbre).

Extras= Aires acondicionados, amoblamiento de cocina, placares, tablero electrico seccionado por zonas y secciones, todo en muy buen 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,depensa, comisaria entre otroas, estos servicios si bien no son circcundantes al inmueble son muy cercanos a el lo cual hace que hablando de recursos basicos esten cubiertos.

Mapa Interactivo, Calles y sentido de circulacion

Conclusiones

El sentido de circulacion de las calles circundantes, facilita el acceso y egreso al inmueble.

Mapa Interactivo, Paradas de Autobus.

Concluciones

El sector en estudio carece de serivio de transporte publico, sin embargo sobre la ruta 151 se puede acceder al transporte publico .

Arquitectura urbanistica

Concluciones

El sector de estudio tiene una arquitectura uniforme ya que principalmente el uso y destino del sector es para viviendas es decir uso residencial, con respecto a la tipologia constructiva esta presenta un sistema mixto, donde se utilizan sistemas tradicionales y sistemas en seco.

Geoposicionaminto en manzana y linderos

Resultados

Como se puede apreciar en el mapa, el inmueble posee una ubicacion en medial con respecto a la manzana, esta ubicacion es la segunda parcela que continua a la esquinera.

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 (parcela) 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 de la parcela, algunas veces las relaciones estadísticas pueden ser lineales o no lineales. Las mejoras seran analizadas a traves de la metodologia de coste y reposicion y demeritadas a traves de la metodologia propuesta por Fitto y Corvinni. Además de este método se aplicarán unos métodos comprobatorios los cuales contemplan un modelo geoestadístico predictivo como así una serie de cálculos.

BASE DE VALOR.104-30

Valor de Mercado.

TAMAÑO MUESTRAL

Se cuenta con la cantidad de 50 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 mismas 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)
variables <- read_excel("C:/Users/Marcelo/Desktop/Cinco Saltos 325/variables.xlsx")

VAR5s <- lm(formula = variables$V_Mtr2~variables$Superficie + variables$UBC + variables$S_2Calles + variables$UBZ + variables$Conect + variables$Comerc+variables$Resci)
summary(VAR5s)

Call:
lm(formula = variables$V_Mtr2 ~ variables$Superficie + variables$UBC + 
    variables$S_2Calles + variables$UBZ + variables$Conect + 
    variables$Comerc + variables$Resci)

Residuals:
    Min      1Q  Median      3Q     Max 
-2.4718 -0.2117  0.1321  0.2929  1.9344 

Coefficients: (3 not defined because of singularities)
                     Estimate Std. Error t value Pr(>|t|)    
(Intercept)           27.0723     1.6605  16.303  < 2e-16 ***
variables$Superficie   1.4618     0.2497   5.854 5.14e-07 ***
variables$UBC         -2.3408     0.2274 -10.294 2.08e-13 ***
variables$S_2Calles   -0.3535     0.4303  -0.822 0.415685    
variables$UBZ         -0.8576     0.2303  -3.723 0.000545 ***
variables$Conect           NA         NA      NA       NA    
variables$Comerc           NA         NA      NA       NA    
variables$Resci            NA         NA      NA       NA    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.7348 on 45 degrees of freedom
Multiple R-squared:  0.8089,    Adjusted R-squared:  0.7919 
F-statistic: 47.63 on 4 and 45 DF,  p-value: 1.291e-15

VAR5s$coefficients

         (Intercept) variables$Superficie        variables$UBC 
          27.0722662            1.4618187           -2.3407664 
 variables$S_2Calles        variables$UBZ     variables$Conect 
          -0.3534719           -0.8575937                   NA 
    variables$Comerc      variables$Resci 
                  NA                   NA 

step(object = VAR5s, direction = "both", trace = 1)

Start:  AIC=-26.09
variables$V_Mtr2 ~ variables$Superficie + variables$UBC + variables$S_2Calles + 
    variables$UBZ + variables$Conect + variables$Comerc + variables$Resci


Step:  AIC=-26.09
variables$V_Mtr2 ~ variables$Superficie + variables$UBC + variables$S_2Calles + 
    variables$UBZ + variables$Conect + variables$Comerc


Step:  AIC=-26.09
variables$V_Mtr2 ~ variables$Superficie + variables$UBC + variables$S_2Calles + 
    variables$UBZ + variables$Conect


Step:  AIC=-26.09
variables$V_Mtr2 ~ variables$Superficie + variables$UBC + variables$S_2Calles + 
    variables$UBZ

                       Df Sum of Sq    RSS     AIC
- variables$S_2Calles   1     0.364 24.658 -27.346
<none>                              24.294 -26.090
- variables$UBZ         1     7.484 31.778 -14.662
- variables$Superficie  1    18.500 42.793   0.218
- variables$UBC         1    57.209 81.502  32.430

Step:  AIC=-27.35
variables$V_Mtr2 ~ variables$Superficie + variables$UBC + variables$UBZ

                       Df Sum of Sq    RSS      AIC
<none>                              24.658 -27.3461
+ variables$S_2Calles   1     0.364 24.294 -26.0904
- variables$UBZ         1     7.249 31.907 -16.4600
- variables$Superficie  1    21.299 45.957   1.7836
- variables$UBC         1    57.171 81.829  30.6303

Call:
lm(formula = variables$V_Mtr2 ~ variables$Superficie + variables$UBC + 
    variables$UBZ)

Coefficients:
         (Intercept)  variables$Superficie         variables$UBC  
             26.0671                1.3595               -2.3400  
       variables$UBZ  
             -0.8406  

mejormodelomc <- lm(formula = variables$V_Mtr2 ~ variables$Superficie + variables$UBC + variables$UBZ)
summary(mejormodelomc)

Call:
lm(formula = variables$V_Mtr2 ~ variables$Superficie + variables$UBC + 
    variables$UBZ)

Residuals:
    Min      1Q  Median      3Q     Max 
-2.6549 -0.1986  0.1367  0.3140  1.8459 

Coefficients:
                     Estimate Std. Error t value Pr(>|t|)    
(Intercept)           26.0671     1.1186  23.303  < 2e-16 ***
variables$Superficie   1.3595     0.2157   6.303 1.01e-07 ***
variables$UBC         -2.3400     0.2266 -10.327 1.45e-13 ***
variables$UBZ         -0.8406     0.2286  -3.677 0.000615 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 0.7321 on 46 degrees of freedom
Multiple R-squared:  0.8061,    Adjusted R-squared:  0.7934 
F-statistic: 63.73 on 3 and 46 DF,  p-value: < 2.2e-16

mejormodelomc$coefficients

         (Intercept) variables$Superficie        variables$UBC 
          26.0670615            1.3595030           -2.3399700 
       variables$UBZ 
          -0.8405802 

NC02_1_J_124_14_00 <- c(26.0671   + ( 1.3595  *2.5)+( -2.3400  *3)+( -0.8406    *3.5))
NC02_1_J_124_14_00

[1] 19.50375

Grafico de Correlacion de variables

Valor del lote sin mejoras .

Valor de las mejoras .

Valor del Inmueble (Parcela+Mejoras).

Oferta

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

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= 12/03/2023 Ultima inspeccion del inmueble (Virtual)= 10/03/2023 Caducidad= 24/08/2023

REPRESENTANTE Y VALUADOR, INTERNACIONAL

Marcelo Fabian Larroulet Metzger

FIRMA