网络搜索可预测房地产管理论文.docVIP

网络搜索可预测房地产管理论文 正文 摘要：网络搜索可预测房地产 作者：未知 使用网络搜索和社交媒体进行预测并不是最近才有的现象，经济学家可能是研究使用大数据以预测市场动态和相关问题的较晚的职业之一。虽然存在着这样那样的复杂性，从股票市场到房地产市场等众多研究，从在线大数据中获取信息 网络信息的预测力 互联网和社交网络服务的出现，以及智能手机的广泛传播，彻底改变了我们交流和交流信息的方式。在这样的大背景下，近年来不断增加的用户在线活动带来的大数据已经成为一个热门词汇，因为它在市场营销、政治预测、疾病控制、社会动态分析等多种用途上具有极大的潜力。 范里安开创性的研究展示了使用谷歌搜索查询数据何以作为包括汽车销售、旅游等在内的各种经济活动的关键预测指标。前人的成果刺激了经济学领域的后续研究，这主要集中在利用大数据来增加对涉及自身所关切利益的经济变量的预测模型的预测能力。 Choi H. . Varian H.（2012）认为，Google Trends每天都在产生大量与经济发展相关的查询结果，且这些查询结果与当下的经济活动之间必然存在着不容忽视的关系，或许可以对预测当下的经济活动起到非常重要的作用。 许多机构和研究人员基于这些网略行为数据来源，对很多宏观经济问题做出了研究，Sun Y.（2010）研究了网络搜索与通货膨胀之间的相关性，Suhoy T.（2009）和D’Amuri F. . Marcucci J.（2009）分别通过网络搜索引擎提供的数据预测了以色列与德国、意大利的失业情况。 现在，越来越多的研究在利用Google Trend进行经济监测和预测，除了通胀与失业的情况以外，Google Trend已被广泛应用到房地产、旅游、零售业、个人消费、投资、金融等诸多可以反映宏观经济及市场景气形势的领域。 法国有关专家学者为该国市场构建了谷歌情绪指标，并发现了其与常用的替代情绪指标的相关性。基于VAR模型的实证检验表明，投资者情绪可对短期市场回报具预测，投资者情绪和股票回报率之间在两周前的负相关性非常普遍。 另有专家学者确定了98个与股票市场相关的搜索词，并发现在股市下跌之前，其搜索量的增长之间有联系。研究表明，基于这些早期预警信号的交易策略明显优于随机投资策略。此外，根据他们得出的结论，国家与国际SVI相比，更有效地解释市场趋向，这可能是因为美国互联网用户中（私人）交易员的比例高于全球。 不过，经济学家可能是研究使用大数据以预测市场动态和相关问题的较晚的职业之一，使用网络搜索和社交媒体进行预测并不是最近才有的现象。 2008年成立的谷歌流感趋势，利用谷歌的搜索引擎追踪了25个国家流感的传播。但随着该项目难以做出准确预测，人们对该项目的兴奋之情逐渐消退。2014年的《自然》（Nature）杂志肯定了社交媒体的“大数据”价值，但同时警告说，“我们离一个他们可以取代更传统的方法或理论的地方很远。 搜索查询可能包含用户后续行动的信息的想法是基于这样一个前提，即生活在当代社会的经济代理人在作出重要的经济决策（如购买耐用商品和金融投资）之前，很大程度上依赖于先前的信息搜索过程。 然而，信息需求的动机并不总是朝着这个方向发展；加强信息收集活动本身可能是对市场重大事件的简单内生反应的表现，以寻求更多的信息，这可能会对下一轮的市场发展产生一定的影响。这些错综复杂的信息需求和市场结果之间的因果关系使得很难正确地评估大数据的真正重要性。 尽管存在这种复杂性，但从股票市场上到房地产市场上等的众多研究，都支持从在线大数据中获取信息的预测能力。 第一项在谷歌数据中单独进行了与房地产相关的研究，调查了谷歌搜索指数对美国50个州的房价和成交量的影响。得出的结论是，搜索指数的增加与交易量和价格的上升正相关。此外，与主要类别（例如，房地产）相比，谷歌子类别（例如，房地产中介）的更高适用性通常被强烈显示。 该研究在美国州的50个州测试了谷歌搜索引擎数据对住宅市场销售和价格的预测能力，当他们调查以（子）类别的“房地产”和“房地产中介”来预测房屋销售的能力时，“房地产”显示不出任何意义。另一方面，“房地?a中介”的分类似乎与销售有很强的相关性。 “房地产”类别和房价之间没有明显的联系，这可能是因为其在其所捕捉到的搜索（例如物业管理、房地产开发）方面具有广泛而未指明的性质。相比之下，房地产中介机构在未来四分之一的时间里是一个很好的预测者，但在不同的模型规范中，同期的关系是不同的。通过测试预测的准确性，该研究认为谷歌搜索指数增强模型的表现比没有谷歌的更出色。 Kulkarni等学者基于城市层面的房地产相关关键字推出谷歌搜索指数，并测试其对美国20个最大的大都市统计区（MSAs）的“Case Shiller指数”的预测能力。通过进行双向回归，他们提供了谷歌搜索指数对房价有“格