COMPRAR UNA CASA

¿Puedes comprar un piso en España? Este 'test' predictivo te responde

Un investigador de la Universitat Oberta de Catalunya ha creado un modelo científico que predice las posibilidades reales para comprar un piso en España. Los datos que revela el modelo no son optimistas: solo 1 de cada 6 españoles se puede permitir un piso.

Un investigador de la Universitat Oberta de Catalunya ha creado un modelo científico que predice las posibilidades reales para comprar un piso en España

vivienda-estudio

vivienda-estudio / economia

Marta Gracia

Marta Gracia

Por qué confiar en El PeriódicoPor qué confiar en El Periódico Por qué confiar en El Periódico

El precio medio por metro cuadrado de la vivienda está en el entorno de 1.700 euros. Una cifra lejos de los 2.053 euros por metro cuadrado que fue el máximo, pero que muchos todavía no pueden alcanzar. La vivienda es uno de los problemas que más preocupan a los españoles. La burbuja inmobiliaria que sufrimos aún colea y hay que añadir los altos precios del alquiler. Óscar Olcina, investigador de la Universitat Oberta de Catalunya (UOC), ha creado un modelo científico para conocer qué posibilidad tienes de comprarte un piso.

El experto apunta que "el proceso de investigación ha sido arduo". Ha manejado hasta 10 fuentes de datos distintas, de donde ha recogido más de un centenar de variables a través de más de 200.000 registros, extraídos de las encuestas del INE y convenientemente complementados con otras fuentes de datos. "Lo más importante fue establecer un punto de partida adecuado en base a tres preguntas sencillas que, considero, debería hacerse toda persona que aspire a comprarse un piso: ¿cuánto dinero tengo?, ¿cuánto dinero necesito?, ¿me concederían una hipoteca?", comenta A través del estudio de dichas preguntas, "el modelo se fue desplegando, dando origen a la memoria del proyecto (donde me centro en una dimensión más macro) y a la herramienta final (con un enfoque más personal)", añade.

El objetivo del proyecto de este estudiante del máster de Inteligencia de Negocio y Big Data de la Universitat Oberta de Catalunya (UOC) es cuantificar y predecir las posibilidades reales que tiene un trabajador en España de adquirir una vivienda en propiedad, en función de sus ingresos, edad, estudios, lugar de residencia, tipo de cargo y responsabilidad, y sector donde trabaja.

La conclusión principal del estudio ha sido que más de la mitad de los trabajadores residentes en España estarían directamente descartados para comprar una vivienda en este país debido a sus condiciones laborales.

Al aplicar su modelo analítico, se deduce que “sólo uno de cada seis trabajadores españoles podría acceder de forma clara a un piso en propiedad”, señala Olcina. El investigador concreta que el 54,34 % de los trabajadores en España (el 45,29 % si la franja se reduce a las edades de entre 30 y 50 años) “no puede comprar un piso" y “el 29,76 % (un 33,3 % en esa franja de 30 a 50 años) lo tiene difícil o muy difícil”. Solo un 15,9 % de los españoles puede comprar en estos momentos un piso de forma clara, porcentaje que sube a un 21,41 % para la franja de entre 30 y 50 años.

Cómo se soluciona el acceso a la vivienda

Olcina se muestra rotundo y asegura que “modelos como este no van a solucionar de golpe un problema dado, pero sí que nos permiten no solo visualizar el problema desde una óptica imposible de ver hasta hace poco, sino también acometerlo desde un enfoque predictivo”. Asimismo, explica que este modelo permite a una persona, con problemas derivados de situaciones cotidianas, “aprovecharse de la potencia de esta tecnología y aportar información muy valiosa para la toma de decisiones en ámbitos más cercanos”.

Tal y como señala el investigador de la UOC, “las dificultades para comprar una vivienda conllevan un impacto socioeconómico de primer orden”. De hecho, el Banco de España sugirió en un reciente informe que en estos momentos es más recomendable comprar una vivienda que alquilarla. Sin embargo, según este experto, la compra de una vivienda sigue siendo “muy restrictiva” en España. “Muchos de quienes quieren comprar una vivienda no pueden o tienen difícil o muy difícil acometer en solitario su compra”, refiere.

Con este estudio, Olcina ha sido el ganador, en la categoría de proyectos de final de máster o posgrado, de la quinta edición de los Big Data Talent Awards, patrocinados por Oracle. Estos premios reconocen los proyectos de macrodatos, análisis de datos e inteligencia artificial con un impacto socioeconómico más destacado.

Una fórmula de predicción con más de un centenar de variables

Según el estudio, los pisos más caros en España se encuentran en San Sebastián y Barcelona, ciudades seguidas de Madrid, Cádiz y Bilbao. Las urbes con una mayor oferta inmobiliaria son Ciudad Real, Alicante y Salamanca, y el mercado inmobiliario menos vivo está en Madrid, Sevilla, Pamplona, Islas Canarias y en la región de Aragón en general. Las ciudades españolas donde es más sencillo comprar un piso son Zaragoza, Soria, Albacete, Castellón y Logroño.

“El modelo es capaz de adaptarse a cada persona como un traje a medida, ya que tiene en cuenta aspectos como la edad exacta, los estudios, el lugar de residencia, el rol laboral, el sector laboral, los años de antigüedad, si se tiene o no un puesto de responsabilidad, el mercado al que vamos dirigidos, si se trabaja en una empresa pública o privada”, remarca Olcina. 

Toda esta información, procedente de más de un centenar de variables contenidas en una docena de fuentes de datos convenientemente cruzadas, posibilita un salto adelante al tomar una decisión importante como la compra de un piso. Óscar Olcina asegura que funcionamiento es "muy intuitivo". Es muy interesante “jugar” con el modelo, viendo cómo la lógica no siempre impera en la realidad, debido a la aparición de otras variables. Por ejemplo, la lógica nos dice que, a mayores sueldos, más probabilidades de comprar un piso. "No obstante, vemos que no siempre se corresponden los salarios altos con las probabilidades de adquirir una vivienda". A veces, incluso, son inversamente proporcionales, como en el caso de San Sebastián: a pesar de tener los sueldos más altos, tiene la probabilidad más baja de comprar un piso, con entre un 10% y un 20%, debido al altísimo coste del precio por m2. 

Según el experto, un portal inmobiliario podría ofrecer una clara ventaja competitiva respecto a sus competidores diseñando ese “traje a medida”, por lo que el potencial comprador ya no se limitaría a disponer de una estadística estática basada en datos agregados, sino que tendría una información mucho más adaptada, basada en su perfil personal, para la toma de decisiones. De la misma forma, añade, una administración pública podría monitorizar con mucha más precisión el mercado inmobiliario de una ciudad o comunidad autónoma.

Una de las partes "más interesantes" del modelo es la simulación de un departamento de riesgos bancarios, donde se analizan desde factores personales como la edad, el nivel de formación o el nivel de liquidez disponible, a factores laborales como el tipo de contrato o la estabilidad laboral, pasando por otros factores como las tasas de desahucios, la tasa provincial de concesión de hipotecas, etc. "Todo ello compone un modelo que, a través de diferentes algoritmos de machine learning (rama de la inteligencia artificial usada en el modelo), puede determinar perfiles medios de compra, agrupar las ciudades por su índice de riesgo, etc.", apunta Olcina.

Para las instituciones públicas también podría ser "muy útil" ya que permitiría, por ejemplo, detectar dificultades específicas en algún segmento de la población, las cuáles podrían paliarse con acciones encaminadas a dichos colectivos. En definitiva, sin olvidar que como todo modelo tiene sus limitaciones, "creo que es una herramienta muy interesante para todos aquellos que, no sólo quieran entender el problema mejor, sino que quieren tomar mejores decisiones respeto al mismo", concluye.