Web Scraping Housing Prices in Real-time: the Covid-19 Crisis in the UK

Bricongne, Jean‐Charles; Meunier, Baptiste

doi:10.2139/ssrn.3916196

Cited by 9 publications

(4 citation statements)

References 61 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…An avenue for future research could be the inclusion of further high‐frequency data such as card transactions (Cerdeiro et al, 2020), satellite data (Bricongne, Meunier, & Pical, 2021), marine traffic (Carvalho et al, 2020), or web‐scrapped data (Bricongne, Meunier, & Pouget, 2021). Their limited timespan—for example, Google mobility data only starts in January 2020—or their high cost (e.g., using marine traffic requires several thousand euros) is however a strong limitation.…”

Section: Discussionmentioning

confidence: 99%

Nowcasting world GDP growth with high‐frequency data

Jardet

Meunier

2022

Journal of Forecasting

Self Cite

View full text Add to dashboard Cite

The Covid-19 crisis has shown how high-frequency data can help tracking economic turning points in real-time. Our paper investigates whether high-frequency data can also improve the nowcasting performances for world GDP growth on quarterly or annual basis. To this end, we select a large dataset of 151 monthly and 39 weekly series for 17 advanced and emerging countries representing 68% of world GDP. Our approach builds on a Factor-Augmented MIxed DAta Sampling (FA-MIDAS) which allows us to take advantage of our large database and to combine different frequencies. Models that include weekly data significantly outperforms other models relying on monthly or quarterly indicators, both in-and out-ofsample. Breaking down our sample, we show that models with weekly data have similar nowcasting performances relative to other models during "normal" times but strongly outperform them during "crisis" episodes (2008-2009 and 2020). We finally construct a nowcasting model of annual world GDP growth incorporating weekly data which give timely (one every week) and accurate forecasts (close to IMF and OECD projections, but with a 1 to 3 months lead). Policy-wise, this model can provide an alternative "benchmark" projection for world GDP growth during crisis episodes when sudden swings in the economy make the usual "benchmark" projections (from the IMF or the OECD) rapidly outdated.

show abstract

Section: Discussionmentioning

confidence: 99%

Nowcasting world GDP growth with high‐frequency data

Jardet

Meunier

2022

Journal of Forecasting

Self Cite

View full text Add to dashboard Cite

show abstract

“…Diese in jüngster Vergangenheit vermehrt in der Literatur zu beobachtende Idee, Angebotsdaten von Portalen als Marktindikatoren zu verwenden, findet sich etwa bei Bricongne et al. ( 2021 ) im Kontext von Immobilienpreisdaten. Die vorliegende Studie fügt sich damit in die Bemühungen ein, mittels Angebotsdaten zeitnahe Statistiken über den Immobilienmarkt zur Verfügung zu stellen.…”

Section: Introductionunclassified

Marktdominanz von Maklern auf Onlineimmobilienportalen in Deutschland und Kalifornien

Behler

Gärtner

Linke

2023

Z Immobilienökonomie

View full text Add to dashboard Cite

ZusammenfassungDer Marktanteil von Maklern als wichtige Kenngröße zum Verkaufsprozess auf dem Wohnimmobilienmarkt ist nicht erst seit der Einführung des Bestellerprinzips ein intensiv diskutiertes Thema, zu dem überraschend wenig belastbare Informationen zur Verfügung stehen. Da dieser Missstand des Informationsmangels auch bei vielen weiteren Aspekten von Immobilienmärkten auftritt, ist in jüngerer Vergangenheit verstärkt zu beobachten, dass Daten von Onlineimmobilienportalen, als am weitesten verbreiteter Vermarktungsmöglichkeit, analysiert werden. Diese Studie fügt sich mit einer vergleichenden Analyse der Maklerquote auf dem deutschen sowie dem US-amerikanischen (Teilmarkt Kalifornien) Onlineimmobilienmarkt in diese Bemühungen zur Steigerung der Transparenz ein. Hierzu wurden von marktführenden Immobilienportalen in Deutschland und den USA Angebotsdaten ausgewertet. Die statistische Analyse der insgesamt 69.711 Inserate umfasst dabei sowohl einen aggregierten Vergleich der Maklerquoten zwischen Deutschland und Kalifornien, als auch eine detaillierte Untersuchung über Unterschiede in der Häufigkeit eines Maklereinbezugs zwischen verschiedenen Marktsegmenten mittels einer logistischen Regression. Die zentrale Erkenntnis ist, dass die Maklerquote auf Immobilienportalen mit 98 % in Kalifornien signifikant über der Quote von rund 88 % in Deutschland liegt. Dies bestätigt die anhand der Analyse der Literatur abgeleitete Forschungsfrage, dass sich der Immobilienhandel in den betrachteten Ländern unterscheidet und in Kalifornien dabei häufiger Makler zum Einsatz kommen. Im Detail zeigt sich, dass in beiden Untersuchungsgebieten Eigenschaften wie Objektart und -standard einen Einfluss auf die Chance der Vermarktung mit oder ohne Makler haben. Im Ländervergleich sind dabei teils gleich- und teils gegenlaufende Effekte zu beobachten.

show abstract

“…Son varios los trabajos que proponen aplicaciones exitosas con el uso de Web Sraping, donde en el campo inmobiliario se busca extraer de sitios web información sobre el mercado de la vivienda para la generación de indicadores más precisos como el número de nuevas ofertas publicadas o la fluctuación de los precios a lo largo del tiempo para las ofertas existentes, así como avanzar con técnicas de aprendizaje de máquina para comparar los precios de venta de la oferta inmobiliaria versus los precios de negociación correspondientes y registrados por bases de datos notariales [3]; otros autores investigan sobre los precios de los alimentos, reconociendo en la técnica de Web Scraping un método efectivo para recopilar datos personalizados y de alta frecuencia en tiempo real, siempre y cuando se mantengan los registros de precios de alimentos en línea [4]; por otro lado, a la hora de planificar grandes infraestructuras es necesario comprender el impacto potencial de los desarrollos de terceros que pueden afectar las obras previstas, donde con esta información, disponible en el dominio público, se usa la técnica de Web Scraping basada en un algoritmo de árbol reforzado, que luego analiza los datos con algoritmos de aprendizaje de máquina [5]; finalmente, un trabajo que aprovecha los datos de usuarios de redes sociales como Facebook, Intagram y Twitter usa Web Scraping para buscar, combinar y presentar de una mejor manera la información de acuerdo con las preferencias de usuarios y eliminando aquella información redundante [6]. En suma, son múltiples las aplicaciones de los métodos de Web Scraping, no encontrando limitaciones en el ámbito técnológico sino más bien en aquellos asociados con el acceso legal a los datos que se disponen de forma libre por los distintos proveedores de contenidos en la web [7].…”

Section: Introductionunclassified

Metodología para obtención y análisis de datos inmobiliarios usando fuentes alternativas: estudio de caso en tres ciudades intermedias de Colombia

Mateús

Martínez²

2022

Ing.

View full text Add to dashboard Cite

Contexto: La política pública de Catastro Multipropósito necesita consolidar información inmobiliaria de diferentes fuentes para su análisis, tales como ofertas, transacciones y costos de construcción, entre otros. Las páginas web inmobiliarias forman parte de estas fuentes de información, aunque no han sido incluidas en el análisis comercial. Considerando lo anterior, es necesario revisar una metodología que permita acceder de forma óptima a estas plataformas web y facilite el análisis de las variables que allí se proveen, que son determinantes para el valor comercial de un inmueble. Se realiza un caso de estudio en tres ciudades colombianas: Fusagasugá, Manizales y Villavicencio. Método: El método se desarrolla en dos etapas (i) web scraping, que permite obtener los enlaces de la información de páginas web inmobiliarias y descargar sus datos, y (ii) el análisis de datos inmobiliarios mediante el desarrollo de un flujo de trabajo que inicia con la exploración y la limpieza de los datos, continúa con el pre-modelado y finaliza con el modelado de las variables de interés en la determinación del valor de los bienes inmuebles usando técnicas de machine learning. Resultados: A partir de la aplicación de técnicas de machine learning, fue posible automatizar la recolección, la limpieza, el almacenamiento y el análisis de datos inmobiliarios provenientes de plataformas web, así como delinear dos modelos (Ridge Regression y Random Forest) que, de acuerdo, con su error porcentual medio absoluto (0,34 y 0,35 respectivamente), permiten predecir el valor comercial de un inmueble considerando variables explicativas internas y externas. Conclusiones: Obtener y analizar los datos inmobiliarios de fuentes alternativas como las plataformas web a través de desarrollos tecnológicos contribuye significativamente a atender la alta demanda de información del catastro del país. No obstante, es necesario ampliar el suministro de esta información a los ámbitos rurales, que cuentan con menos acceso y disponibilidad de la misma.

show abstract

Web Scraping Housing Prices in Real-time: the Covid-19 Crisis in the UK

Cited by 9 publications

References 61 publications

Nowcasting world GDP growth with high‐frequency data

Nowcasting world GDP growth with high‐frequency data

Marktdominanz von Maklern auf Onlineimmobilienportalen in Deutschland und Kalifornien

Metodología para obtención y análisis de datos inmobiliarios usando fuentes alternativas: estudio de caso en tres ciudades intermedias de Colombia

Contact Info

Product

Resources

About