MétaCan
Menu
Retour à la cohorte
Enregistrement W1934926634 · doi:10.1111/jmcb.12194

Explaining House Price Dynamics: Isolating the Role of Nonfundamentals

2015· article· en· W1934926634 sur OpenAlexaboutno aff
David C. Ling, Joseph T.L. Ooi, Thao Le

Notice bibliographique

RevueJournal of money credit and banking · 2015
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueHousing Market and Economics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomicsHouse priceVolatility (finance)Proxy (statistics)Market liquidityEconometricsMarket sentimentBoomQuarter (Canadian coin)Relative priceMonetary economicsFinancial economicsComputer science

Résumé

récupéré en direct d'OpenAlex

This paper examines the role of nonfundamentals‐based sentiment in house price dynamics, including the well‐documented volatility and persistence of house prices during booms and busts. To measure and isolate sentiment's effect, we employ survey‐based indicators that proxy for the sentiment of three major agents in housing markets: home buyers (demand side), home builders (supply side), and lenders (credit suppliers). After orthogonalizing each sentiment measure against a broad set of fundamental variables, we find strong and consistent evidence that the changing sentiment of all three sets of market participants predicts house price appreciation in subsequent quarters, above and beyond the impact of changes in lagged price changes, fundamentals, and market liquidity. More specifically, a one‐standard‐deviation shock to market sentiment is associated with a 32–57 basis point increase in real house price appreciation over the next two quarters. These price effects are large relative to the average real price appreciation of 71 basis points per quarter observed over the full sample period. Moreover, housing market sentiment and its effect on real house prices is highly persistent. The results also reveal that the dynamic relation between sentiment and house prices can create feedback effects that contribute to the persistence typically observed in house price movements during boom and bust cycles.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,835
Score d'incertitude au seuil0,369

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,027
Tête enseignante GPT0,215
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations96
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of money credit and bankingMême sujetHousing Market and EconomicsTravaux en français237 207