búsquedas en internet - bbvaresearch.com · *se realizó prueba de precedencia estadística y se...
TRANSCRIPT
Situación Chile | Tercer trimestre 2016
internet Búsquedas en
2016 SEPTIEMBRE
y proyecciones de
ventas de
departamentos
en Lima
Situación Chile | Tercer trimestre 2016
Objetivo: es encontrar un indicador de intención de
compra de departamentos que permita proyectar las
ventas en el corto plazo
1. Google Trends y el análisis del comportamiento de los agentes económicos
2. Elaboración de un índice de Interés de Compra de Departamentos en Lima con información del Google Trends (IICDG)
3. El IICDG mejora la capacidad para predecir las ventas de departamentos
4. Conclusiones
Índice
Situación Chile | Tercer trimestre 2016
Las búsquedas en internet contienen información relevante sobre las preferencias de los agentes económicos
Búsquedas en
Google (50 mil cada segundo)
Google Trends (herramienta
gratuita de Google)
Se refleja
Muestra
Las tendencias
de búsqueda (palabra o frases)
Ejemplos de búsquedas de frases en google trends:
May.
Feb.
May.
Feb.
May.
Feb.
Ene.
Ene. Ene.
“elecciones presidenciales”
“florerías”
“gimnasio”
Abr.
Jun.
Abr.
Jun. Abr.
Jun.
2006 2011 2016
5
Situación Chile | Tercer trimestre 2016
Diversos estudios demuestran que los datos de búsqueda en internet son útiles para realizar proyecciones en diferentes campos
Ventas
minoristas Ventas de
automóviles
Viajes
Viviendas Índice de
confianza al
consumidor
6
Elaboración de un índice de Interés de Compra de Departamentos en Lima (IICDG) con información de Google
Situación Chile | Tercer trimestre 2016
Interés de compra de un
departamento
Búsqueda en internet (inmobiliarias, precio, banco, etc)
Índice de intensión de Interés
de Compra de
Departamentos (IICDG)
Préstamo hipotecario (evaluación crediticia y ahorro de la cuota inicial)
Compra y venta
8
Situación Chile | Tercer trimestre 2016
IICDG y las ventas de departamento en Lima
Coeficiente de correlación entre las Ventas de departamentos en Lima y el IICDG con diferentes rezagos
Fuente: TINSA y Google.
Venta de departamentos en Lima e IICDG (número de unidades e indice* )
Fuente: TINSA, Google. Elaboración: BBVA Research.
*En el primer trimestre del 2010 se registró el máximo nivel de búsquedas,
por ello el índice toma valor de 100.
Correlación positiva, alcanzando su mayor asociación cuando el IICDG se adelanta 5 trimestres*
*Se realizó prueba de precedencia estadística y se encontró que el IICDG anticipa (causa) el comportamiento de las ventas de departamentos en Lima.
0
10
20
30
40
50
60
70
-11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3Trimestres
Correlación (%)
Trimestres
9
15
25
35
45
55
65
75
85
95
105
0
1,000
2,000
3,000
4,000
5,000
6,000
7,000
8,000
T108 T109 T110 T111 T112 T113 T114 T115 T116
Venta de departamentos (t) IICDG (t-5) - eje. der
Situación Chile | Tercer trimestre 2016
IICDG y el crecimiento del crédito hipotecario
Coeficiente de correlación entre el crecimiento del crédito hipotecario y el IICDG con diferentes rezagos
Fuente: ASBANC y Google.
Crédito hipotecario del Sistema bancario y el IICDG (var.% interanual e Indice* )
Fuente: ASBANC, Google. Elaboración: BBVA Research.
*En el primer trimestre del 2010 se registró el máximo nivel de
búsquedas, por ello el índice toma valor de 100.
Correlación positiva, alcanzando su mayor asociación cuando el IICDG se adelanta 4 trimestres*
*Se realizó prueba de precedencia estadística y se encontró que el IICDG anticipa (causa) el comportamiento de los créditos hipotecarios..
-5
5
15
25
35
45
55
-12 -11 -10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0
Trimestres
Correlación (%)
Trimestres
10
28
38
48
58
68
78
88
98
108
0
5
10
15
20
25
30
35
40
45
50
T109 T110 T111 T112 T113 T114 T115 T116
Crédito hipotecario (t) IICDG (t-4)-eje. der
Situación Chile | Tercer trimestre 2016
IICDG mejora la capacidad para predecir las ventas de departamento en Lima
Indicadores de capacidad predictiva de los dos modelos de proyección
Elaboración: BBVA Research.
Indicadores Modelo de Modelo
referencia aumentado
R-squared 80.6562 83.0645
ECM 1,485 804
EMA 1,276 612
ECM: error cuadrático medio. EMA: error medio absoluto.
Venta de departamentos en Lima (número de unidades)
Elaboración: BBVA Research.
Fuente: TINSA
0
1000
2000
3000
4000
5000
6000
7000
8000
T309 T210 T111 T411 T312 T213 T114 T414 T315 T216 T117 T417
*
Se considera un modelo ARMA: Las ventas de departamento en Lima se encuentran en
función al comportamiento pasado y a las perturbaciones económicas y financieras que
afectan esta variable.
* *
80 80
Menor error
en 46% y
52%,
respecto al
modelo de
referencia
El modelo aumentado (que incluye el IICDG) mejora la
capacidad de proyección en un 50% respecto al modelo de
referencia
12
Situación Chile | Tercer trimestre 2016
• La información de búsquedas en internet permite tener una previsión de corto plazo
del mercado inmobiliario. Para esto, se construyó un indicador de interés de compra de
departamentos (IICDG), a través de Google Trends, el cual anticipa, con cinco trimestres, el
comportamiento de las ventas.
• El Índice de interés de compra de departamentos en Lima (IICDG) mejora la capacidad
para predecir las ventas de departamentos Se planteó una estimación de dos modelos
econométricos: uno con especificación ARMA (Modelo de Referencia) y otro que incluye
información del IICDG (Modelo Aumentado). Se encontró que la capacidad predictiva del modelo
aumentado es mejor que el de referencia.
• El nivel que ha mostrado el IICDG en lo que va del año es consistente con un nivel de
ventas estable durante el 2017. El interés por la compra de departamentos detuvo su
desaceleración en el tercer trimestre del 2015 y ha permanecido estable hasta agosto del
presente año. Considerando que el lapso de tiempo que transcurre entre el interés y la compra
de es de cinco trimestres, el nivel de venta de departamentos se mantendrá estable en lo que
resta del 2016 y 2017. Cabe agregar que algunos eventos podrían impulsar el mercado
inmobiliario, como es el caso de la liberalización de los fondos de las AFPs para la adquisición
de vivienda.
Conclusiones
Situación Chile | Tercer trimestre 2016
Modelo de proyección
Variables exógenas Modelo de Modelo
referencia aumentado
Yt(-1) 0.73 0.47
t- st. 5.7 2.89
MA(12) -0.91 0.90
t- st. 29.4 29.40
Constante 4,016 -2,533
t- st. 8.5 -2.5
IGCD** 94.64
t- st. 6.6
*La especificación del modelo ARMA consideró la metodología Box- Jenkins (las variables son
estacionarias y los modelos no presentan autocorrelación ni heterocedasticidad). ** La variable se
encuentra rezagada en cinco trimestres.
Parámetros estimados, variable endógena: Venta de departamentos en Lima (yt )*
Elaboración: BBVA Research.