Do Sales Prices Overstate Underlying House Prices in Market Downturns? Evidence from the Canadian House Price Crash of 1991
Notice bibliographique
Résumé
Abstract Over the last decade there has been a mounting realization that the quality‐adjusted price of properties that sell may be quite different from the quality‐adjusted price of all properties (Gatzlaff & Haurin, 1998). The difference is apt to be especially marked during downturns. Dependence on price indexes based on transactions data could result in overoptimistic appraisals by mortgage lenders during the early quarters of downturns. This paper provides evidence on this issue by examining the residential real estate crash at the start of the 1990s in Canadian cities, especially Toronto. The plunge in prices estimated here for Toronto is 17%. We estimate the drop in the transactions price using MLS data, which are not quality adjusted, supplemented by Royal LePage data, which are. We estimate the drop in the price of houses in the stock using hedonic indexes based on home owners' valuations; outlier observations are cut from the sample on the basis of the DFFITS criterion. The hypothesis of equality of the drop shown by the two measures is strongly rejected, for Toronto, and is also rejected for several other cities. Résumé Au cours de la dernière décennie, on s'est progressivement rendu‐compte du fait que le prix, ajusté pour la qualité, des maisons vendues peut être différent du prix, ajusté pour la qualité, des maisons en général (Gatzlaff & Haurin, 1998). La différence entre ces prix est particulièrement marquée en période de marasme. La dépendance sur des indexes de prix basés sur des données transactionnelles peut amener les prêteurs hypothécaires à faire des évaluations trop optimistes durant les premiers trimestres d'une période de marasme. L'article qui suit s'interroge sur la justesse de cette hypothèse en étudiant l'effondrement du marché immobilier au début des années 90 dans des grandes villes canadiennes, en particulier, dans la ville de Toronto. Nous estimons que la chute des prix à Toronto s'élève à 17 %. Nous évaluons la chute des prix de transactions immobilières à partir d'une banque de données MLS, qui n'est pas ajustée pour la qualité, et nous ajoutons celles‐ci à d'autres données de Royal LePage, qui elles sont ajustées pour la qualité. Nous évaluons la chute des prix des maisons dans l'inventaire à l'aide d'indicateurs hédoniques basés sur les évaluations des propriétaires; les données excentrées sont enlevées de l'échantillon à partir du critère DFFITS. L'hypothèse de l'égalité des chutes de prix indiquée dans les deux mesures ne s'applique absolument pas à Toronto, ni à plusieurs autres villes.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».