Modelación del descuento en el precio de venta de vehículos usados mediante GAMLSS
Santiago Carvajal-Torres, Juan Daniel Molina-Muñoz, Nicolas Moreno Reyes
[Objetivo]: la presente investigación propone la modelación estadística del descuento proporcional en vehículos usados mediante Modelos Aditivos Generalizados para Localización, Escala y Forma (GAMLSS, por sus siglas en inglés), utilizando datos del mercado indio de vehículos usados (CarDekho), enriquecidos con indicadores macroeconómicos mensuales del repositorio FRED (Federal Reserve Economic Data) de la Reserva Federal de San Luis. [Metodología]: se implementa un GAMLSS con distribución Beta (BE) como modelo estadístico principal, junto con un GAM Beta como alternativa flexible, y cuatro benchmarks de Machine Learning (Random Forest, Red Neuronal, XGBoost y SVR) más un ensemble ponderado con partición 70/15/15. [Resultados]: el GAMLSS Beta con selección stepwise por GAIC (Criterio de Información de Akaike Generalizado) muestra que la antigüedad, el logaritmo del kilometraje, el número de propietarios, el tipo de vendedor, la tasa de interés y la tasa de cambio son covariables significativas del descuento (AIC = −380,74). En términos predictivos, Random Forest obtiene el mejor desempeño (R2 = 0,745, RMSE = 0,104), mientras que el GAMLSS Beta (R2 = 0,720, RMSE = 0,109) alcanza métricas cercanas a dicho modelo. [Conclusiones]: Entre todos los modelos considerados el GAMLSS con distribución Beta es el más apropiado para representar la variable respuesta de interés, porque respeta su soporte natural en (0, 1), captura su asimetría y ofrece, adicionalmente, la interpretabilidad estadística que los algoritmos de Machine Learning no proporcionan.