پیش‌بینی مکانی بازار مسکن استرالیا با مدل عامل‌مبنای مکانی
خلاصه
این مطالعه مؤلفه‌ای مکانی مبتنی بر گراف را برای یک مدل عامل‌مبنای بزرگ‌مقیاس از بازارهای مسکن شهری ارائه می‌کند. این مؤلفه نشان می‌دهد ویژگی‌های اجتماعی و اقتصادی، از جمله ترس از جا ماندن، گرایش به پیروی از روندها و گستره فعالیت عامل در بازار فرعی، چگونه بر تصمیم‌های خریدوفروش در مکان‌های مختلف اثر می‌گذارند. این رویکرد می‌کوشد روابط مکانی را ثبت کند؛ روابطی که ممکن است از دید مدل‌های متمرکز بر شاخص‌های کلی بازار پنهان بمانند.
مدل با استفاده از داده‌های مسکن منطقه سیدنی بزرگ واسنجی و اعتبارسنجی شده است. شبیه‌سازی‌های آن برای کل بازار و مناطق دولت محلی پیش‌بینی تولید می‌کنند و نتایج از تصمیم‌های عاملان منفرد پدید می‌آیند. شبیه‌سازی‌ها همچنین تفاوت‌های مدل‌شده در ترجیحات بازارهای فرعی را میان خریداران باراولی، سرمایه‌گذاران و سرمایه‌گذاران محلی و خارجی نشان می‌دهند. توضیحات، معیارهای خطای پیش‌بینی، مقایسه با روش‌های پیش‌بینی دیگر یا شواهدی از مناطق خارج از سیدنی ارائه نمی‌کند. بنابراین، خروجی‌های گزارش‌شده دامنه و جزئیات رفتاری مدل را نشان می‌دهند، اما ارزش پیش‌بینی آن فراتر از محیط مشخص‌شده روشن نیست.
ایده‌های کلیدی
- ساختار مبتنی بر گراف، روابط مکانی را در مدل عامل‌مبنای بازار مسکن شهری می‌گنجاند.
- تصمیم‌های عاملان از عوامل اجتماعی و اقتصادی مانند پیروی از روند و ترس از جا ماندن تأثیر می‌گیرند.
- کاربرد سیدنی، هم برای کل بازار و هم برای مناطق دولت محلی پیش‌بینی تولید می‌کند.
- شبیه‌سازی‌ها ترجیحات مدل‌شده گروه‌های خریدار و سرمایه‌گذار را از هم متمایز می‌کنند، اما توضیحات نتایج دقت پیش‌بینی را ارائه نمی‌دهد.
برچسب‌ها
متن کامل
# The impact of social influence in Australian real-estate: market forecasting with a spatial agent-based model # The impact of social influence in Australian real-estate: market forecasting with a spatial agent-based model Housing markets are inherently spatial, yet many existing models fail to capture this spatial dimension. Here we introduce a new graph-based approach for incorporating a spatial component in a large-scale urban housing agent-based model (ABM). The model explicitly captures several social and economic factors that influence the agents' decision-making behaviour (such as fear of missing out, their trend following aptitude, and the strength of their submarket outreach), and interprets these factors in spatial terms. The proposed model is calibrated and validated with the housing market data for the Greater Sydney region. The ABM simulation results not only include predictions for the overall market, but also produce area-specific forecasting at the level of local government areas within Sydney as arising from individual buy and sell decisions. In addition, the simulation results elucidate agent preferences in submarkets, highlighting differences in agent behaviour, for example, between first-time home buyers and investors, and between both local and overseas investors.
با ذکر منبع و مطابق مجوز اثر، به‌طور کامل نمایش داده می‌شود. مجوز: abstract CC0
این خلاصه را عامل پژوهشی Stratmill بر پایه متن اصلی نوشته است؛ نسخه‌ای از اثر منبع نیست.