Tesis para Grado de Ms.C. Optimización de Portafolios de Inversión en Bienes Raíces Mediante Algoritmos de Solución de Restricciones (Chile)

Descripción del Problema Objetivo General Plantear un método general para optimizar un portafolio de inversión general Objetivos Específicos Abordar el problema con un prisma innovador Proponer dentro del método un algoritmo de solución general para se abordado por agentes inteligentes orientados a la solución de problemas de restricciones Establecer un cuadro de optimización de la combinación Portafolio-Producto-Consumidor Introducción El problema de los portafolios de inversión en el mercado inmobiliario ha sido poco desarrollado, no encontrándose en la literatura evidencias de uso de herramientas de optimización de alto nivel, similares a las usadas en los portafolios de inversión bursátil. De esto de desprende la necesidad de contar con una base científica para posicionar las investigaciones sucesivas para este desarrollo. En este trabajo se entregarán las vistas metodológicas, de contexto, de innovación, de negocio y de mercado para ser usadas con parámetros de entrada a un algoritmo de solución de restricciones (CSP)

Metodología Enfoque metodológico del contexto del problema El método de trabajo está basado en de sistemas con serie de vistas sucesivas de alto nivel y generalidad para posteriormente bajar a cada una de las secciones y sus diferentes granularidades para la solución del problema En las secciones del problema se harán distinciones relevantes que sean variable de interfaz con las otras secciones dentro de un contexto sistémico Las secciones y las variables de interfaz se irán relacionando para formar un problema definido abordable de forma estructurada La forma estructurada será introducida dentro un esquema heurístico de resolución de restricciones que oriente una solución cuantitativa La orientación será trazada (traza computacional en leguaje estructurados) dentro del algoritmos para visualizar las aproximaciones al conjunto de soluciones Para mantener los niveles de generalidad se trabaja con datos generales del tipo algebraico y no con datos estadísticos La solución esta planteada en dos fases: una solución de resultante inmediaata y una solución abierta para su desarrollo Finalmente se dejan creadas las bases para sucesivas investigaciones

Contexto Búsqueda de un lugar en el mundo desarrollado Estado del arte El país necesita avanzar hacia un lugar propio dentro del mundo desarrollado. Una forma de hacerlo es transformando su capital inmobiliario de un estado de explotación y rentabilidad no optimo a una optimo, buscando llegar a máximos globales (nacionales y de portafolio) en vez de máximos locales (de tipo episódico en venta de inmuebles) Estado del arte Autores fundamentales: Von Tunen / De Soto / Ostromm La aproximación caótica hacia los negocios en este mercado: Ahora que he alcanzado un resultado veamos que problema se resolvió. Desarrollo científico La migración de científicos y las influencias en las tendencias de pensamiento (Europa/América/Asia) Aproximación al ambiente de negocios Selección de la oportunidad de negocios entre millones de posibilidades Potencia en la relación academia / empresas Enlaces entre los modos de operar científicos y de negocio

Innovación & Negocios El prisma de entrada hacia el emprendimiento Visiones complementarias al esquema tradicional Enfoque filosófico: El emprendedor Enfoque sociológico: La sociedad Enfoque científico: Las soluaciones

El Mercado El mercado y sus distorciones Especificidades del producto Selección del producto y decisión de inversión Problema específico de discriminación de precios

Uso de Agentes Inteligentes Pensamiento humano en la resolución Síntesis del pensamiento humano en los Agentes Inteligente (CSP) Planteamiento del problema para uso de algoritmos (Lenguaje estructurado) Resultados (Traza)

Método de Observación Se estudian las siguientes combinaciones de variables de entorno/complejidad del escenario para establecer el grado inicial de complejidad del medio para selección de los agentes: Observable completamente / Parcialmente Deterinístico / Estocástico Episódico / Recurrente Estático / Dinámico Discreto / Contínuo MonoAgente / MultiAgente

Definición de Complejidad El entorno estudiado entonces se define en base a la complejidad de cada una de las variables antes descritas: Parcialmente observable: Complejo Estocástico: Complejo Recurrente: Complejo Dinámico: Complejo Discreto: Simple MultiAgente Complejo

Definición de Complejidad El entorno estudiado entonces se define en base a la complejidad de cada una de las variables antes descritas: Parcialmente observable: Complejo  Ajustada Estocástico: Complejo  Ajustada Recurrente: Complejo Dinámico: Complejo  Ajustada Discreto: Simple MultiAgente Complejo  Ajustada

Algoritmo seleccionado En base a la complejidad del escenario y entendiando el problema como de optimización compleja con restricciones se selecciona el algorítmo heurístico CSP (constrain satisfaction problems) Este algoritmo opera como un buscador de valores máximos dentro de un árbol de variables mixtas en las que cada nodo tiene un valor esperado, desde el cual se maximiza una catidad dada en base a las restricciones entregadas por el alimentador de datos. Su selección obedece a que este algoritmo es capaz de manejar en forma completa el problema según el esquema de caracteríticas ajustadas Sus resultados son óptimos generales los que pueden ser extendidos a versiones mas complejas (sin ajustes) en la medida que se incremente el número de variables del árbol de búsqueda El modelo se realizara sobre una cuadrícula base de 20x20, usando tres tipologías de nivel de precios y 6 iteraciones del algorítimo

CSP : Desarrollo 20   19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 20   19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1

CSP : Desarrollo   20 19 18 17 16 15 A 14 13 12 A'' 11 10 A' 9 8 7 6 5 4 3 2 1 20   19 18 17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 2 3 1 3 1

CSP : Desarrollo 20 19 18 B 17 E'''' E''' 16 E'' 15 A E 14 13 12 A''   20 19 18 B 17 E'''' E''' 16 E'' 15 A E 14 13 12 A'' 11 C' C 10 A' F 9 F' 8 F'' 7 F''' 6 F'''' 5 F''''' 4 D'''' D''''' 3 D''' D 2 D'' D' 1 At1 At2 At3 At4 At5 AV(Ati) < AV(Ati)' AV(Ati)'' CA CA-A' CA'-A'' 20   19 18 B 17 E'''' E''' 16 E'' 15 A E 14 13 12 A'' 11 C' C 10 A' F 9 F' 8 F'' 7 F''' 6 F'''' 5 F''''' 4 D'''' D''''' 3 D''' D 2 D'' D' 1 1

CSP : Desarrollo   1 2 3 4 5 A G L B H M C I N D J O E K F 3 1 2 3

CSP : Desarrollo A 1 2 3 4 5 B C D

CSP : Desarrollo A 1 2 3 4 5 B C D

Suposiciones 1 A At1 Atributos inherentes al espacio interior x1 No modificable para las coordenadas de A At2 Atributos inherentes al entorno inmediato x2 At3 Atributos inherentes al entorno colindante x3 At4 Atributos inherentes al precio x4 Semi modificable para las coordenadas de A corto plazo - bajo impacto At5 Atributos inherentes a la forma de financiamiento x5 Modificable para las coordenadas de A - LARGO PLAZO - ALTO IMPACTO At4 Atributos inherentes al precio x4 Semi modificable para las coordenadas de A corto plazo - bajo impacto (Ver impacto en VAN) At5 Atributos inherentes a la forma de financiamiento x5 Modificable para las coordenadas de A - LARGO PLAZO - ALTO IMPACTO

Resultados – Modelo General 1 2 3 A At1 A' A'' At2 At3 At4 At5 AV(Ati) < AV(Ati)' AV(Ati)'' CA CA-A' CA'-A'' 1 2 3 B At1 B'   B'' At2 At3 At4 At5 AV(Ati) > AV(Ati)' AV(Ati)'' CB < CA-A' CA'-A'' 1 2 3 C At1 C' C''   At2 At3 At4 At5 AV(Ati) > AV(Ati)' AV(Ati)'' CB < CA-A' CA'-A''

Resultados 1 2 3 4 5 6 D At1 D' D'' D''' D'''' D''''' At2 At3 At4 At5 AV(Ati) > AV(Ati)' = AV(Ati)'' < CA CA-A' CA'-A''

Investigaciones Propuestas En base a los resultados generales obtenidos se recomienda en una etapa de investigación posterior hacer uso del algoritmo con datos reales sobre una plataforma tecnológica con las aplicaciones de resolución de problemas en LISP ensayando otros algoritmos posibles, relajando los ajustes usados en este trabajo. El primer experimento real debe ser hecho con los datos y aproximación metodológica usados en el trabajo de Finanzas con el Prof. Jorge Bahamondes en donde los resultados del modelo deben ser usados como entradas de este algoritmos sin la restricción de 6 iteraciones