Resumen de El sector de apartamentos turísticos. Métodos de valoración
Miguel Ángel Solano Sánchez
1. introducción o motivación de la tesis Estos últimos años han supuesto un cambio de paradigma en el sector de alojamientos turísticos. Frente a los convencionales, surgen desde la economía colaborativa nuevos tipos caracterizados como alquileres turísticos. Factores como el auge de internet han permitido a las plataformas peer-to-peer (P2P) como Airbnb o Booking.com, reunir a potenciales clientes y propietarios de estos nuevos tipos de alojamientos de forma masiva.
Todo ello revela un interés en la investigación de este nuevo fenómeno, no sólo desde el punto de vista de la incidencia en el sector de alojamientos turísticos, sino también desde los criterios que determinan la estimación del precio de la estancia. Si bien constan numerosos estudios previos acerca de valoración inmobiliaria y de estancias en establecimientos hoteleros, aún son escasos los trabajos referidos a modelos de estimación del precio en estas nuevas formas de alojamiento, debido a su reciente eclosión como fenómeno.
A través de estos modelos pueden realizarse estimaciones ajustadas del precio de una estancia en alquiler turístico en unas condiciones previamente determinadas por el usuario. Esto puede resultar interesante tanto a propietarios como a potenciales clientes de este tipo de alojamientos, para conocer si el precio de la estancia está en concordancia con lo que normalmente ofrecería el mercado bajo esas circunstancias fijadas con anterioridad en el modelo.
Por tanto, este trabajo tiene como objetivo principal descubrir cuáles son los determinantes de valoración de los alquileres turísticos, para seguidamente, a través de ellos, elaborar modelos de estimación del precio diario de la estancia en apartamentos turísticos (AT), viviendas con fines turísticos (VFT) y su conjunto (AT+VFT) mediante el método de precios hedónicos (MPH) para su posterior comparación con sistemas de inteligencia artificial (IA) como las redes neuronales artificiales (RNA).
2. contenido de la investigación En primer lugar, se presenta un análisis de las causas del crecimiento, composición y consecuencias del alquiler turístico a nivel internacional (Capítulo 1), nacional (Capítulo 2), regional andaluz (Capítulo 3) y urbano para la ciudad objeto de estudio (Sevilla), en la que el fenómeno presente una fuerte incidencia (Capítulo 4).
Seguidamente, se realiza una revisión literaria de las distintas metodologías usadas en valoración inmobiliaria y de alojamientos turísticos (Capítulo 5), así como un análisis univariante y multivariante de la muestra conseguida para la realización de los modelos, elaborada con información obtenida a través de Booking.com, entre otras fuentes (Capítulo 6).
Finalmente, se exponen los resultados obtenidos en la elaboración de modelos de estimación del precio diario de la estancia en AT, VFT y su conjunto (AT+VFT) que siguen el MPH, comparándolos adicionalmente con los elaborados mediante RNA, tanto de manera global, como pormenorizando la incidencia de cada una de las variables incorporadas en el precio diario de la estancia (Capítulo 7). Por último, se presentan sendos casos de empresa en AT y VFT que resaltan las principales claves de éxito y dificultades afrontadas en el desempeño de estos negocios así como unas líneas futuras de hacia dónde se dirige el sector (Capítulo 8) y las conclusiones finales del trabajo.
3.conclusión A nivel sectorial, se percibe un crecimiento continuado del turismo desde los años 90, propiciado por la mejora global del nivel de renta así y al auge de las compañías aéreas low-cost. Adicionalmente, un acceso a internet generalizado ha propiciado el surgimiento de diversas plataformas P2P que ponen en común a agentes en el mercado con intereses complementarios dentro de la economía colaborativa y la compartición de recursos en el ámbito del alojamiento turístico.
El incremento de oferta surgido de este fenómeno, unido a la existencia de situaciones de vacío legal han propiciado unos precios por debajo de los que hasta ahora eran usuales. Esta situación, así como una mayor intimidad, la disponibilidad de cocina y la sensación de una mayor inmersión cultural con el entorno son las principales razones que explican el éxito de este nuevo tipo de alojamientos.
Este nuevo cambio de paradigma conlleva situaciones indeseadas no sólo para los propietarios de alojamientos convencionales como los hoteleros, sino también para los vecinos de los barrios afectados por ese nuevo tipo de alquileres. Se destaca a la gentrificación y a la masificación turística como los principales inconvenientes del fenómeno.
En el análisis de estos nuevos tipos de alojamiento, se encuentra que entre las variables más influyentes en la elaboración del precio destacan el tamaño del mismo medido en metros cuadrados, las plazas por las que se oferta, su ubicación, la disponibilidad de piscina y, por último, aquellos factores relacionados con la estacionalidad tales como la temporada alta o baja, el precio entre semana o en fin de semana y los eventos especiales de la ciudad.
Finalmente, con respecto a los modelos obtenidos, se concluye que si bien los elaborados mediante RNA presentan comparativamente un mayor grado de ajuste que los que siguen el MPH, éstos últimos reflejan la incidencia individualizada de las variables en el precio de manera más próxima al comportamiento de un consumidor racional que los modelos RNA.
4. bibliografía Andersson, D. E. (2010). Hotel attributes and hedonic prices: an analysis of internet-based transactions in Singapore’s market for hotel rooms. The Annals of Regional Science, 44(2), 229-240.
Caridad y Ocerin, J. M. (1998). Econometría: modelos econométricos y series temporales. Tomo I. Barcelona: Reverté.
Caridad y Ocerin, J. M. y Brañas Garza, P. (1996). Demanda de características de la vivienda en Córdoba: Un modelo de precios hedónico. Revista de Estudios Regionales(46), 139-153.
Caridad y Ocerin, J. M. y Ceular Villamandos, N. (2001). Un análisis del mercado de la vivienda a través de redes neuronales artificiales. Estudios de economía aplicada(18), 67-81.
Casas del Rosal, J. C., Caridad y Ocerin, J. M. y Núñez Tabales, J. M. (2018). La aglomeración urbana de la ciudad de Sevilla: análisis de la oferta de inmuebles destinados a la actividad comercial e industrial. Revista de métodos cuantitativos para la economía y la empresa(25), 72-92.
Cócola Gant, A. (2016). Holiday Rentals: The New Gentrification Battlefront. Sociological Research Online, 21(3), 1-9.
Coenders, G., Espinet, J. y Saez, M. (2003). Predicting random level and seasonality of hotel prices: a latent growth curve approach. Tourism Analysis, 8(1), 15-31.
Gibbs, C., Guttentag, D., Gretzel, U., Morton, J. y Goodwill, A. (2018). Pricing in the sharing economy: a hedonic pricing model applied to Airbnb listings. Journal of Travel & Tourism Marketing, 35(1), 46-56.
Guttentag, D. (2015). Airbnb: disruptive innovation and the rise of an informal tourism accommodation sector. Current Issues in Tourism, 18(12), 1192-1217.
Mondaca Marino, C., Guala, C., Montecinos Astorga, A. L. y Salazar Concha, C. (2019). Factores que Influyen en el Precio de Hoteles en Booking.com. El Caso de Santiago de Chile. Información Tecnológica, 30(1), 87-96.
Moreno Izquierdo, L., Egorova, G., Peretó Rovira, A. y Más Ferrando, A. (2018). Exploring the use of artificial intelligence in price maximisation in the tourism sector: its application in the case of Airbnb in the Valencian Community. Investigaciones Regionales, 42, 113-128.
Moro, S., Rita, P. y Oliveira, C. (2018). Factors influencing hotels’ online prices. Journal of Hospitality Marketing and Management, 27(4), 443-464.
Núñez Tabales, J. M. (2007). Mercados inmobiliarios: modelización de los precios. (Tesis Doctoral). Universidad de Córdoba: España.
Núñez Tabales, J. M. y Rey Carmona, F. J. (2016). Commercial Properties Prices Appraisal: Alternative Approach Based on Neural Networks. International Journal of Artificial Intelligence, 14(1), 53-70.
Núñez Tabales, J. M., Rey Carmona, F. J. y Caridad y Ocerin, J. M. (2013). Precios implícitos en valoración inmobiliaria urbana. Revista de la construcción, 12(2), 116-126.
Núñez Tabales, J. M., Rey Carmona, F. J. y Caridad y Ocerin, J. M. (2016). Artificial Intelligence (AI) techniques to analyze the determinants attributes in housing prices. Inteligencia Artificial, 19(58), 23-38.
Núñez Tabales, J. M., Rey Carmona, F. J. y Caridad y Ocerin, J. M. (2017). Redes neuronales (RN) aplicadas a la valoración de locales comerciales. Informes de la Construcción (IDLC), 69(545), 1-10. e179.
Pérez Bastidas, V. y Marmolejo Duarte, C. (2014). El impacto de las externalidades producidas por el turismo sobre los valores inmobiliarios y la segmentación del mercado residencial en barcelona. ACE: Architecture, City and Environment, 9(25), 159-188.
Rosen, S. (1974). Hedonic prices and implicit markets: product differentiation in pure competition. Journal of political economy, 82(1), 34-55.
Rumelhart, D. E., Hinton, G. E. y Williams, R. J. (1986). Learning representations by back-propagating errors. Nature, 323(6088), 533-536.
Soler García, I. P. y Gémar Castillo, G. (2017). Impact of the April Fair on Seville hotel room prices: measurement through a hedonic approach. Tourism & Management Studies, 13(2), 7-12.
Wang, D. y Nicolau, J. L. (2017). Price determinants of sharing economy based accommodation rental:A study of listings from 33 cities on Airbnb.com. International Journal of Hospitality Management, 62, 120–131.
