| Download ( PDF | 31MB) | Lizenz: Creative Commons Namensnennung 4.0 International |
From Corporate Disclosure to Social Media – Understanding Real Estate Markets with Textual Analysis
Paulus, Nino
(2023)
From Corporate Disclosure to Social Media – Understanding Real Estate Markets with Textual Analysis.
Dissertation, Universität Regensburg.
Veröffentlichungsdatum dieses Volltextes: 31 Aug 2023 07:50
Hochschulschrift der Universität Regensburg
DOI zum Zitieren dieses Dokuments: 10.5283/epub.54637
Zusammenfassung (Englisch)
In the dissertation, Natural Language Processing techniques are applied to analyze indicators such as investor sentiment, informativeness, and reporting intensity in real estate-related texts and to show their relation to real estate markets. It becomes clear that corporate publications, newspapers, and social media provide valuable information for investors and enable inferences about market ...
In the dissertation, Natural Language Processing techniques are applied to analyze indicators such as investor sentiment, informativeness, and reporting intensity in real estate-related texts and to show their relation to real estate markets. It becomes clear that corporate publications, newspapers, and social media provide valuable information for investors and enable inferences about market developments. It also shows that the forecasting quality can be significantly increased with more advanced methods.
Übersetzung der Zusammenfassung (Deutsch)
In der Dissertation werden Techniken des Natural Language Processings angewendet um Indikatoren wie die Investorenstimmung, Informativität und Berichterstattungsintensität in immobilienbezogenen Texten zu analysieren und deren Zusammenhang mit Immobilienmärkten aufzuzeigen. Es wird deutlich, dass Unternehmenspublikationen, Fachzeitschriften und Soziale Medien wertvolle Informationen für Anleger ...
In der Dissertation werden Techniken des Natural Language Processings angewendet um Indikatoren wie die Investorenstimmung, Informativität und Berichterstattungsintensität in immobilienbezogenen Texten zu analysieren und deren Zusammenhang mit Immobilienmärkten aufzuzeigen. Es wird deutlich, dass Unternehmenspublikationen, Fachzeitschriften und Soziale Medien wertvolle Informationen für Anleger bereitstellen und Rückschlüsse auf Marktentwicklungen ermöglichen. Dabei zeigt sich auch, dass die Prognosequalität mit fortschrittlicheren Methoden deutlich gesteigert werden kann.
Beteiligte Einrichtungen
Details
| Dokumentenart | Hochschulschrift der Universität Regensburg (Dissertation) |
| Band: | 105 |
|---|---|
| Datum | 31 August 2023 |
| Begutachter (Erstgutachter) | Prof. Dr. Wolfgang Schäfers und Prof. Dr. Bertram Steininger |
| Tag der Prüfung | 19 Juli 2023 |
| Institutionen | Wirtschaftswissenschaften > Institut für Immobilienenwirtschaft / IRE|BS > Lehrstuhl für Immobilienmanagement (Prof. Dr. Wolfgang Schäfers) |
| Stichwörter / Keywords | Real Estate Markets; Natural Language Processing; Textual Analysis; Sentiment; Topic Modelling |
| Dewey-Dezimal-Klassifikation | 300 Sozialwissenschaften > 330 Wirtschaft |
| Status | Veröffentlicht |
| Begutachtet | Ja, diese Version wurde begutachtet |
| An der Universität Regensburg entstanden | Ja |
| URN der UB Regensburg | urn:nbn:de:bvb:355-epub-546371 |
| Dokumenten-ID | 54637 |
Downloadstatistik
Downloadstatistik