House price index (HPI) and Covid-19 pandemic shocks: evidence from Turkey and Kazakhstan
Notice bibliographique
Résumé
Purpose This paper aims to investigate asymmetric pricing behaviour and impact of coronavirus (Covid-19) pandemic shocks on house price index (HPI) of Turkey and Kazakhstan. Design/methodology/approach Monthly HPIs and consumer price index (CPI) data ranges from 2010M1 to 2020M5 are used. This study uses a nonlinear autoregressive distributed lag model for empirical analysis. Findings The findings of this study reveal that the Covid-19 pandemic exerted both long-run and short-run asymmetric relationship on HPI of Turkey while in Kazakhstan, the long-run impact of Covid-19 pandemic shock is symmetrical long-run positive effect is similar in both HPI markets. Research limitations/implications The main limitations of this study are the study scope and data set due to data constraint. Several other macroeconomic variables may affect housing prices; however, variables used in this study satisfy the focus of this study in the presence of data constraint. HPI and CPI variables were made available on monthly basis for a considerably longer period which guaranteed the ranges of data set used in this study. Practical implications Despite the limitation, this study provides necessary information for authorities and prospective investors in HPI to make a sound investment decision. Originality/value This is the first study that rigorously and simultaneously examines the pricing behaviour of Turkey and Kazakhstan HPIs in relation to the Covid-19 pandemic shocks at the regional level. HPI of Kazakhstan is recognized in the global real estate transparency index but the study is rare. The study contributes to regional studies on housing price by bridging this gap in the real estate literature.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».