Increasing Transparency on Housing Markets through Machine Learning

Dokumentenart:	Hochschulschrift der Universität Regensburg (Dissertation)
Open Access Art:	Primärpublikation
Datum:	2 Februar 2023
Begutachter (Erstgutachter):	Prof. Dr. Wolfgang Schäfers
Tag der Prüfung:	28 Oktober 2022
Institutionen:	Wirtschaftswissenschaften > Institut für Immobilienenwirtschaft / IRE\|BS > Lehrstuhl für Immobilienmanagement (Prof. Dr. Wolfgang Schäfers) Wirtschaftswissenschaften > Institut für Immobilienenwirtschaft / IRE\|BS
Stichwörter / Keywords:	Real Estate, Housing Markets, Machine Learning, eXplainable Artificial Intelligence
Dewey-Dezimal-Klassifikation:	300 Sozialwissenschaften > 330 Wirtschaft
Status:	Veröffentlicht
Begutachtet:	Ja, diese Version wurde begutachtet
An der Universität Regensburg entstanden:	Ja
Dokumenten-ID:	53645

Zusammenfassung (Englisch)

This thesis is designed to shed light on novel aspects of the housing market, which is influenced in recent years by different trends. The data quality and quantity increased rapidly through Big Data, which affects fundamental and non-fundamental variables of the housing market. Furthermore, Artificial Intelligence and Machine Learning, which pave the way for more efficient and fine-grained ...

Zusammenfassung (Englisch)

This thesis is designed to shed light on novel aspects of the housing market, which is influenced in recent years by different trends. The data quality and quantity increased rapidly through Big Data, which affects fundamental and non-fundamental variables of the housing market. Furthermore, Artificial Intelligence and Machine Learning, which pave the way for more efficient and fine-grained market analysis and property valuations and eXplainable Machine Learning (XAI), which brings explainability to the complex hidden mechanics of ML approaches. This dissertation finds a way to blur the boundaries of well-established and newly designed approaches, which is not only important for housing markets but is also transferable to other fields of research.

Übersetzung der Zusammenfassung (Deutsch)

Diese Arbeit beleuchtet neue Aspekte des Wohnungsmarktes, welcher in den letzten Jahren von verschiedenen Trends beeinflusst wurde. Die Datenqualität und -quantität hat durch Big Data stark zugenommen, was sich auf fundamentale und nicht-fundamentale Variablen des Wohnungsmarktes auswirkt. Darüber hinaus ebnen künstliche Intelligenz und Machine Learning den Weg für effizientere Marktanalysen und ...

Übersetzung der Zusammenfassung (Deutsch)

Diese Arbeit beleuchtet neue Aspekte des Wohnungsmarktes, welcher in den letzten Jahren von verschiedenen Trends beeinflusst wurde. Die Datenqualität und -quantität hat durch Big Data stark zugenommen, was sich auf fundamentale und nicht-fundamentale Variablen des Wohnungsmarktes auswirkt. Darüber hinaus ebnen künstliche Intelligenz und Machine Learning den Weg für effizientere Marktanalysen und Immobilienbewertungen sowie für eXplainable Machine Learning (XAI), das die komplexen Mechanismen von Machine Learning-Ansätzen erklärbar macht. In dieser Dissertation wird ein Weg gefunden, die Grenzen zwischen etablierten und neu entwickelten Ansätzen zu verwischen, was nicht nur für Wohnungsmärkte wichtig ist, sondern auch auf andere Forschungsbereiche übertragbar ist.

Details

Vorschau

Bibliographische Daten exportieren

Zusammenfassung (Englisch)

Zusammenfassung (Englisch)

Übersetzung der Zusammenfassung (Deutsch)

Übersetzung der Zusammenfassung (Deutsch)

Downloadstatistik

Downloads

Weitere Literatur (mittels CORE)

Universitätsbibliothek