Sunteți pe pagina 1din 7

PAM: planilla universal de relevamiento y de clculo

Una primera aproximacin a su comprensin


La Planilla Activa Magnou (PAM), versin didctica de la planilla universal de relevamiento y
de clculo, es una herramienta para presentar el levantamiento de datos y facilitar el clculo
correspondiente a una tasacin.
Utiliza lgebra matricial y el mtodo de regresin poligonal, regresin que resulta de aplicar
varias funciones de valor, por tramos. "Se distingue de la regresin lineal en que no altera el
quantum de los datos a partir de los cuales se estructura la regresin ... El mtodo no busca
una curva para determinar el valor, sino que se llega directamente al valor. Entonces no
importa la escala." 1
La planilla universal de clculo presenta cinco reas de diferentes colores.

rojo
naranja
amarillo
verde
azul

para el sector general


para el sector relevamiento
para el sector auxiliar
para el sector asimilacin
para el sector resultado

Para explicar su uso nos basaremos en lo sealado en algunos informes de tasacin que el
profesor, perito y rematador uruguayo Dr. Lucas De Armas Marichal (QEPD) distribuy en
internet, principalmente la tasacin judicial del Edificio San Marino Unidad 702 Montevideo, de fecha Junio 2011. Se adjuntan dichos informes. 2
Para este caso el perito seleccion una muestra de cuatro testigos (a1, a2, a3 y a4), inmuebles con caractersticas semejantes y comparables al bien problema por ubicacin y/o
proximidad, superficie y funcionalidad, que se encuentran a la venta dentro de la misma zona en el momento de la tasacin. Realiz el relevamiento de datos y el anlisis descriptivo
de los inmuebles comparables seleccionados que confrontar con el bien a tasar.
En el estudio consider los factores siguientes:
a. cualidades intrnsecas, referidas a las propias del bien en s mismo;
b. cualidades extrnsecas, referidas al entorno (zona) que afecta al bien a favor o en contra;
c. "protomtodo", que consiste en adecuar antecedentes (informacin utilizable para pronosticar el precio).

No he encontrado mayores referencias en internet a este tipo de regresin.

En ellos no se aplic el crigeo, por lo que se desconoce cmo se utiliza en la planilla.

Analisis PAM.doc

1/7

El anlisis paso a paso


1. Los datos de las caractersticas que diferencian al bien problema o bien a tasar (b) de
cada uno de los testigos (a1, a2, a3, a4, etc.) se registran tal como fueron efectivamente
capturados en una planilla o Matriz de Caractersticas de los testigos, para definir con
la mayor certeza y claridad posible la realidad observable que reconoce el mercado
(las restantes caractersticas son iguales entre el bien problema y los testigos considerados, por lo que no se las menciona). Se recomienda trabajar con una seleccin de los
cuatro mejores testigos , es decir, aquellos de mayor confiabilidad y semejanza con el
bien proble, y evitar utilizar muchos y desiguales testigos.
Se confrontan los inmuebles todos contra todos (no individualmente) usando escalas
cardinales para los datos medibles o cuantitativos y escalas ordinales para datos
cualitativos. Para estos, y dada la alta semejanza entre los testigos comparables (80 %),
se elabor un rango ordinal de mejor a inferior (de 4 a 1), en base al criterio del perito. 3
Para los datos medibles o cuantitativos se utilizan sus valores o el cuociente entre el valor de la caracterstica del bien problema y el de la respectiva de cada testigo. 4

2. Como la Matriz de Asimilacin Interna que demanda la regresin poligonal utilizada en la


Planilla Universal de Clculo (PAM) es una matriz cuadrada mxn, solo podemos incluir
en ella una cantidad de caractersticas igual a la cantidad de testigos menos 1, limitante
que obliga a agrupar las caractersticas de los inmuebles testigos y/o a excluir otras para
reducir la cantidad de variables del modelo. 5
m : nmero de testigos
n : cantidad de caractersticas consideradas + 1
m=n
Por lo tanto, solo se consideran las principales caractersticas valorizantes que normalmente reconoce el mercado inmobiliario. "El mercado procesa muy pocas caractersticas. Las ms importantes; no todas. Siempre podremos comparar globalmente dos o

"A ojo de buen cubero", procedimiento prcticamente igual al mtodo multicriterio de "ordenacin simple". Este se recomienda usar
restrictivamente y solo ante la total ausencia de informacin cuantitativa objetiva, situacin en la cual el tasador solo puede recurrir a
su propia opinin experta (Aznar, J. y Guijarro, F., Nuevos mtodos de valoracin Modelos Multicriterio, 2 Edicin. Editorial UPV).

Si bien se usan escalas ordinales a las que se le asignan nmeros que indican un orden y no una magnitud, posteriormente sus valores se trabajan como si fuesen datos cuantitativos de una escala cardinal. No es correcto.

Si tenemos pocos testigos comparables deberemos reducir las caractersticas a evaluar.

Analisis PAM.doc

2/7

tres grandes caractersticas: superficie, ubicacin, estado de conservacin, calidad


funcional y de las construcciones, relacin terreno/casa, etc." 6

Primera columna: se incluye el rea edificada de cada uno de los inmuebles.

Segunda columna: ubicacin, se agrupan junto a sta: Altura del inmueble, Vista,
Luminosidad y Ventilacin.

Tercera columna: se agrupan la calidad de la construccin, estado de conservacin y


la calidad funcional de los inmuebles.

Esta agrupacin se hace en base al buen criterio del perito. 7


3. Ya en la Planilla Universal de Clculo (PAM) se procede a la formulacin y
estructuracin de la Matriz X de Asimilacin Interna de las caractersticas de los
testigos (sector relevamiento - color naranja). En esta matriz la primera columna est
constituida solo por unos (trmino independiente); en las columnas siguientes se indican
los valores de las caractersticas agrupadas de los testigos.

4. El valor o precio de ofertas y/o ventas de cada uno de los testigos seleccionados se
registra en una matriz separada, la Matriz A de Valores conocidos (montos de los
valores econmicos).

Si bien se puede probar economtricamente que son muy pocas las variables que estn fuertemente correlacionadas con el valor y
explican sus variaciones, y conviene que as sea para facilitar la investigacin y captura de datos, no me parece correcto sealar que
el mercado procesa muy pocas caractersticas. La informacin que el mercado transparenta sobre los inmuebles en la prensa, internet, registros pblicos es muy poca, pero los compradores procesan y evalan mucha informacin sobre las distintas caractersticas
de los inmuebles cuando buscan una vivienda, observan muchos detalles, pero desconocemos el proceso de evaluacin que hacen
esos compradores, complejo pero subjetivo.

Todo el anlisis cualitativo de las variables y su agrupacin parece muy subjetivo. Se le puede dar un mayor sustento lgico aplicando
el mtodo multicriterio AHP, Proceso Analtico Jerrquico, sobre el cual hay bastantes investigaciones disponibles gratuitamente en internet, adems del citado libro digital de Aznar, J. y Guijarro, F.

Analisis PAM.doc

3/7

Matriz X de asimilacin interna


Testigo

Matriz A

Sup. Edif. Ubicacin E. conserv.

Valores

a1

39

66.000

a2

43

69.000

a3

37

64.000

a4

46

70.000

5. Procedemos al clculo de cada uno de los factores de homogeneizacin o asimiladores (c) que relacionarn a cada uno de los testigos o antecedentes (a1, a2, ...) con el
bien problema (b).

Para ello invertimos la Matriz X de Asimilacin Interna con la funcin de excel


=minversa (color amarillo - rea de regresin) y obtenemos la Matriz X-1 que, al
multiplicarla por la Matriz A de Valores de los testigos (funcin =mmult), nos da la
Matriz K de Coeficientes de la funcin aproximadora de valor
K = X-1 A
La funcin aproximadora de valor tiene la siguiente forma:
a = k + k1 x1 + k2 x2 + k3 x3 + ...

donde k son los parmetros del polinomio de la funcin de valor. Importa aclarar que
es una funcin aproximadora y no una funcin correctora, una simple herramienta de
trabajo que permite calcular los factores asimiladores.
Matriz K
Matriz Invertida X

-1

Coeficientes

0,0

-33,667

16,333

18,333

5.666,7

0,0

0,667

-0,333

-0,333

1.333,3

-1,0

1,333

0,333

-0,667

666,7

1,0

1,667

-1,333

-1,333

2.333,3

El primer elemento de la matriz K es la constante de la funcin aproximadora; los


elementos siguientes son los coeficientes de cada caracterstica (ki).

Calculamos el factor asimilador de cada caracterstica del testigo considerando en


cunto difiere respecto de igual caracterstica del bien problema, con la siguiente
frmula:
Factor asimilador caracterstica i =

ci = 1+ ki x (xb - xj) / vj

donde ki es el coeficiente de la caracterstica i, xb es el valor de esa caracterstica en


el bien problema (b), xj es el valor de esa caracterstica en el testigo j y vj es el precio
de oferta o venta del testigo j.

Analisis PAM.doc

4/7

El factor asimilador total del testigo respecto del bien problema ser el producto de
todos los factores de caractersticas del testigo.
Si multiplicamos este factor asimilador total por el valor del testigo vj tendremos el
valor homogeneizado del testigo respecto al bien problema (valor potencial de cada
testigo).

Podemos observar la semejanza entre cada uno de los bienes comparables


seleccionados por el tasador y el bien problema. La semejanza se cuantifica con el
factor que indica la mayor diferencia; por razones operativas se considera el menor
de entre todos los factores asimiladores (si el factor es menor a uno) y sus inversas
(si es mayor a uno).

Semejanza j =

= min(ci;1/ci)

A su vez, la menor de todas las semejanzas obtenidas, que es la que corresponde al


testigo que ms se distancia del bien problema, nos define la semejanza del conjunto
de testigos respecto al bien problema (m).
Factores de asimilacin

Factor

Testigo Sup. Edif. Ubicacin E. conserv. Testigo

Valor
Semejanza

Homogeneizado

a1

0,9394

1,0101

1,0354

0,982429

0,9394

64.840

a2

0,8647

1,0097

1,0676

0,932139

0,8647

64.318

a3

0,9792

1,0000

1,0365

1,014865

0,9648

64.951

a4

0,8095

1,0190

1,1000

0,907438

0,8095

63.521

Valor Tasacin
Desviacin Estandar
Semejanza

bp

64.407

652,63

0,8095

6. Obtenemos los pronsticos de precio potencial en el rea estadstica o de informacin


(color azul):

El valor ms probable (bp) es la media aritmtica simple de todos los valores


potenciales de cada testigo (valores homogeneizados respecto del bien problema).

Dado que por su propia naturaleza la determinacin del valor no puede ser exacta,
reflejada en la dispersin de la muestra, definimos el rango estadstico o entorno
(franja de valor) dentro del cual se encuentra dicho valor ms probable con un cierto grado de confiabilidad. Estadsticamente, el margen de error de la estimacin del
promedio nos define la franja de valor para un nivel de confianza preestablecido
(99%, 90%, 80%, 60%, 40% y 20 %):
Franja de valor

Analisis PAM.doc

promedio margen de error

5/7

El margen de error estadstico (e) de esta estimacin de la media est dado por la
siguiente frmula: 8
e = s x t
t = t / m
Es decir, se multiplica la dispersin estndar o tpica (s) de todos los valores potenciales de los testigos por la variable de Student modificada (t). La variable de
Student modificada depende del nmero de testigos empleados y de la confianza requerida. Para calcular la variable de Student en Excel se utiliza la siguiente frmula:
t = DISTR.T.INV(probabilidad;grados_de_libertad)
donde la probabilidad es 1 - nivel de confianza requerido y los grados de libertad es
la cantidad de testigos empleados - 1. Por tanto, la variable de Student modificada es
t = DISTR.T.INV(1 - nivel de confianza;m-1) / m
7. Para obtener finalmente los resultados (margen de error del valor del bien problema) para las distintas confianzas, en el rea estadstica calculamos:

La incertidumbre en escala fctica del problema que es la suma de la


incertidumbre unitaria del testigo (ya/a) y la incertidumbre unitaria del factor
asimilador total (yc/c). El mercado tambin comete errores, incoherencias que no
justifican los valores elevados o bajos en algunas zonas, y tambin se presentan
errores en el levantamiento de datos y en su anlisis por parte del tasador. 9

La incertidumbre unitaria del problema es el producto de la variable de Student


modificada por la dispersin unitaria (s/bp); es decir, por la divisin entre la
dispersin estndar o tpica (s) de todos los valores potenciales y el valor ms
probable del bien problema (bp).

La incertidumbre total del problema (ib) es la suma de la incertidumbre en escala


fctica y la incertidumbre unitaria del problema. Al multiplicarla por el valor ms
probable del bien problema (bp) obtenemos el monto del margen de error definitivo
de la estimacin de ese valor ms probable. Si este monto lo adicionamos o restamos del valor ms probable estableceremos los valores mximo y mnimo que puede
tomar la tasacin; es decir, definimos la franja de valor dentro de la cual se encuentra dicho valor ms probable con un cierto grado de confiabilidad.

En Excel se calcula automticamente con la herramienta Estadstica Descriptiva (aparece como Nivel de confianza(95,0%)). Como
sucede con la mayora de los indicadores estadsticos, los resultados se pueden considerar representativos si la muestra tiene al menos unos 30 testigos (desconozco de dnde viene esta cifra que se repite en muchos libros de estadstica), cantidad muy superior a la
que habitualmente disponemos en la prctica para cada tasacin. Aunque la frmula matemtica lo permita, usarla con tres o cuatro
testigos no es conveniente pues transmite una falsa precisin en el anlisis. Similar desinformacin se genera si indicamos la tendencia sin advertir claramente, como nuestra legislacin lo exige para algunas promociones comerciales, que nada garantiza que esa
tendencia se mantendr a largo plazo ni en un futuro inmediato.

No est claro cmo se definen ambas incertidumbres; al parecer, tambin en base al buen criterio del perito.

Analisis PAM.doc

6/7

El error absoluto (wb) de nuestra tasacin, o sea, la diferencia entre el valor ms


probable estimado y el valor verdadero efectivamente pagado (bv) solo se sabr
despus de conocerse la operacin.
Franja de valor
Nivel confianza

Mnimo

Mximo

bp - ib

bp + ib

0,99

0,06959 59.926

68.889

0,9

0,05193 61.063

67.752

0,8

0,04830 61.297

67.518

0,6

0,04496 61.512

67.303

0,4

0,04296 61.640

67.174

0,2

0,04140 61.741

67.074

ib / bp

ya / a

0,010

yc / c

0,030

652,63

0,8095

bv

desconocido w / bv

USD

bp

64.407

8. Dado que el Valor de Mercado de un inmueble es el precio ms probable, este valor


se encontrar dentro de un intervalo estadstico o franja de valor, medido con un cierto margen de error. Segn sea la finalidad de la tasacin, este margen se sumar o restar (valor utilizable); es decir, el valor de tasacin estar ms cerca de los lmites de
la franja que del promedio. Informarlo adecuadamente facilita la toma de decisiones del
usuario de la tasacin pues le da respuestas a interrogantes como qu flexibilidad tiene
para negociar?, en qu rango de precios puede operar?, cunto ms o menos es razonable ofrecer por la propiedad que se quiere adquirir?, etc. Un criterio es el siguiente: 10
Finalidad Margen de error
Compra

se suma (es el mximo que debiera pagarse en la compra) o se resta (es


el mnimo que debiera esperarse pagar en la compra).

Venta

se resta (es el mnimo que debiera obtenerse con la venta) o se suma (es
el mximo que debiera esperarse obtener con la venta).

Expropiacin se suma, para asegurar la posibilidad de reemplazo que supone la


indemnizacin.

10

Base
imponible

se resta, porque la base imponible debiera ser lo mnimo realizable de los


bienes, lo mnimo que puede obtenerse por su venta en caso de remate
por deuda.

Seguro

se suma, porque el objeto del seguro es garantizar el reemplazo, la


compra de un bien equivalente.

Garanta

se resta, es lo mnimo que se obtendra en caso de ejecucin por deuda.

Aporte

se suma, porque se equipara a la compra por parte de la organizacin.

Retiro

se resta, porque se equipara a la venta por parte de la organizacin.

E. Magnou, Manual del Tasador

Analisis PAM.doc

7/7

S-ar putea să vă placă și