MétaCan
Menu
Retour à la cohorte
Enregistrement W2946489467 · doi:10.1080/13504851.2019.1616049

Evaluating real estate development project with Monte Carlo based binomial options pricing model

2019· article· en· W2946489467 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueApplied Economics Letters · 2019
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCapital Investment and Risk Analysis
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésReal estateBinomial options pricing modelMonte Carlo methodEconometricsValue (mathematics)EconomicsValuation of optionsOption valueBinomial theoremPresent valueCapitalization rateMathematicsStatisticsMicroeconomicsFinanceReal estate investment trust

Résumé

récupéré en direct d'OpenAlex

This paper proposes three evaluation models for evaluating the value of strategic waiting of real estate development project. In Model 1, the ratio of land cost to total real estate sales in period (t) and period (t + 1) is uncorrelated (random). In Model 2, the ratio is unchanged (constant). Model 3 integrates Models 1 and 2 with the ‘land value persistence factor’. The larger the factor, the more the land cost tends to consider only the previous land price. This study uses the Binomial Option Pricing Model and Monte Carlo Simulation hybrid method to solve these three models. In addition, this research also proposes a method for estimating the net present value of project expansion on the time axis. The results show that five main factors influencing the expected value of the option value are the real estate price rate of change, present value of total real estate sales, duration, land value persistence factor, and present value of land. Regardless of the land value persistence factor, the longer the time, the expected value of the option value tends to increase. However, when the land value persistence factor is larger, the expected value of the option value increases more.

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,054
Tête enseignante GPT0,244
Écart entre enseignants0,190 · 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