International listed real estate returns: evidence from the global financial crisis
Notice bibliographique
Résumé
Purpose The purpose of this paper is to analyze and revisit the risk and performance of publicly traded real estate companies from 14 countries over the period 2000–2015, marked by the unprecedented Global Financial Crisis, in presence of errors-in-variables (EIV) and illiquidity (measured by serial correlation, following Getmansky et al. (2004)). Design/methodology/approach The authors extend the seminal work of Bond et al. (2003), and shed a new light on the relative performance of listed real estate before and after the GFC. First, the authors suggest the use of various asset pricing models (APM) including the Fama and French (2015) five-factor APM with global and country-level factors. Second, the authors implement unbiased estimators to correct for the econometric bias induced by EIV in APM. Third, the authors deal with the impact of illiquidity (measured by serial correlation) on the risk properties of international securitized real estate returns. Findings The findings show that post-GFC, a radical change in international listed real estate risk factors has resulted in more homogeneous markets internationally and less diversification opportunities for international investors. Practical implications The authors suggest the use of robust linear APM (including the Fama and French (2015) five-factor APM) to analyze the risk and performance of publicly traded real estate companies from 14 countries over the period 2000–2015. Originality/value The authors analyze and revisit the risk and performance of publicly traded real estate companies from 14 countries over the period 2000–2015, marked by the unprecedented Global Financial Crisis.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».