El Real Estate Modeling Lab (REMLab) del Centro de Estudios Inmobiliarios del ESE Business School organizó un Ciclo de Investigaciones de Economía y Ciudad, el cual tuvo como objetivo exponer los trabajos finales sobre economía urbana –aplicadas en Chile- de cinco estudiantes. Estos trabajos, son el resultado de diversas tesis de magister y tienen como foco entender los diferentes aspectos de las ciudades.
El primer trabajo, que fue presentado por el profesor e investigador del ESE, Christian Wegmann, y fue realizado por José Lafrentz sobre la "Evolución de superficies construidas en Chile", analizó la base catastral del Servicio de Impuestos Internos mostrando cómo es y cómo ha cambiado el uso de la superficie de activos inmobiliarios en los últimos años.
Luego, fue el turno del profesor del ESE, Santiago Truffa, quien presentó los trabajos de Antonia Feliú y Sebastián Gutiérrez sobre "Housing Affordability y Amenities". Estos trabajos analizaron, a partir de los precios de las viviendas y salarios, la calidad de vida de diversas zonas de Santiago e intentan comprender qué factores explican las 'amenidades'; y en segundo lugar cómo ha evolucionado la capacidad de las personas para comprar una vivienda y su financiamiento de manera diferenciada en las diferentes zonas de la capital.
Otro trabajo presentado, fue el de la alumna Francisca Reyes sobre los "Modelos de estimación de demanda", en el cual, mediante la estimación de un 'Almost Ideal Demand System (AIDS)' -modelo creado por Angus Deaton- trataron de analizar la demanda residencial de Santiago. Este tipo de modelo, permite estimar la elasticidad precio-demanda y proyectar los cambios por vivienda ante diversos escenarios.
Por último, fue el turno de Gianfranco Lacasella, quien presentó su trabajo sobre "Automated Valuation Model", el cual es un servicio que usa modelamiento matemático sobre una base de datos de propiedades y transacciones para predecir el valor del inmueble. Esto utiliza dos variables: machine learning y los datos.
Durante su presentación, mostró que considerando un modelo de machine learning, se puede estimar el valor de cada propiedad, si se manejan diferentes variables relevantes por comuna.
