Notice bibliographique
Résumé
La thèse comporte trois parties, dont l’objet d’étude est l’immobilier soit en s’intéressant directement au marché immobilier résidentiel parisien, soit indirectement en analysant les REITs dont l’actif sous-jacent est l’immobilier. La première partie porte sur l’examen des facteurs macroéconomiques et financiers qui ont influencé, au cours de la période 1996-2010, les prix résidentiels à Paris en appliquant un modèle VAR (vector autoregressive). Dans la deuxième partie, nous analysons, au cours de la période 2007-2012, l’interaction entre les rendements des REITS et les facteurs macroéconomiques/financiers dans dix pays développés (les Etats-Unis, le Canada, l’Australie, l’Europe, la Zone Euro, le Japon, Hong-Kong, la France, le Royaume-Uni et l’Allemagne) en appliquant un modèle VAR. Les REITs investissent sur l’immobilier, mais ils sont cotés sur un marché boursier. Par conséquent, ils héritent des caractéristiques à la fois de l’immobilier et des actions. Ce caractère hybride des REITs nous conduit à nous interroger sur leur risque et le rôle qu’ils peuvent jouer dans la gestion de portefeuille. C’est pourquoi dans la troisième partie nous examinons, au cours de la période 2001-2012, l’effet des deux composantes du risque (bêta et le risque idiosyncratique) et certains facteurs spécifiques aux REITs (taille, rapport Actif Net Comptable / valeur de marché et la mesure d’illiquidité) sur les rendements des REITs européens (la France, l’Allemagne, le Royaume-Uni, les Pays-Bas et l’Italie) en appliquant le modèle à trois facteurs de Fama et French et la méthodologie de Fama et MacBeth.
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,005 |
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 ».