Historical Patterns and Recent Impacts of Chinese Investors on United States Real Estate
Notice bibliographique
Résumé
Since supplanting Canada in 2014, Chinese investors have been the lead foreign buyers of U.S. real estate, concentrating their purchases in urban areas with higher Chinese populations like California. The reasons for investment include prestige, freedom from capital confiscation, and safe, diversified opportunities from abroad simply being more lucrative and available than in their home country, where the market is eroding. Interestingly, since 2019, Chinese investors have sold a net 23.6 billion dollars of U.S. commercial real estate, a stark contrast to past acquisitions between 2013 to 2018 where they were net buyers of almost 52 billion dollars worth of properties. A similar trend appears in the residential real estate segment too. In both 2017 and 2018, Chinese buyers purchased over 40, 000 U.S. residential properties which were halved in 2019 and steadily declined to only 6, 700 in the past year. This turnaround in Chinese investment can be attributed to a deteriorating relationship between the U.S. and China during the Trump Presidency, financial distress in China, and new Chinese government regulations prohibiting outbound investments. Additionally, while Chinese investment is a small share of U.S. real estate (~1.5% at its peak), it has outsized impacts on market valuations of home prices in U.S. zip codes with higher populations of foreign-born Chinese, increasing property prices and exacerbating the issue of housing affordability in these areas. This paper investigates the rapid growth and decline of Chinese investment in U.S. real estate and its effect on U.S. home prices in certain demographics.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».