Título
Hunting for bubbles: A predictive model of New York city's real estate market
Autor
Soares, Nuno Rodrigo Basílio
Resumo
pt
O que define uma bolha imobiliária? Quais são os principais fatores que podem
desencadear este fenómeno? Estes fatores são relevantes no contexto de Nova Iorque? As
bolhas imobiliárias não são uma novidade, uma delas esteve inclusive ligada à conhecida crise
financeira de 2008. Compreender os fatores causais por trás de uma bolha imobiliária, bem
como as dinâmicas únicas que caracterizam o famoso mercado imobiliário da cidade de Nova
Iorque, são assuntos frequentemente discutidos tanto pela população geral como pelos media.
O objetivo desta dissertação é analisar os principais fatores económicos associados a bolhas
imobiliárias, utilizando insights de pesquisas realizadas sobre o tópico em diversas regiões
geográficas. Foram inicialmente coletados dados para monitorar estes indicadores económicos
referentes aos EUA e, em particular, à cidade de Nova Iorque. Posteriormente, foram
construídos modelos de classificação para identificar períodos de bolhas imobiliárias utilizando
esses indicadores como input.
O estudo concluiu que a configuração de modelo mais bem-sucedida foi alcançada através
da utilização de XGBoost com a lista de features do Teste 1. Tendo o par, com e sem feature
selection, alcançado taxas de accuracy de 0,89 e 0,86, respetivamente. As features com um
papel significativo nestes modelos de classificação estão alinhadas com aquelas destacadas por
outros autores como cruciais para a deteção de bolhas imobiliárias. O contributo para a
performance dos modelos do rácio price-to-rent, inflação e taxas de juros demonstraram que
estes indicadores são aplicáveis ao mercado imobiliário da cidade de Nova Iorque,
corroborando com conclusões feitas por diversos autores para outros mercados.
en
What defines a housing bubble precisely? What forms the consensus on its principal triggering
factors? Are these factors relevant to New York City? Housing bubbles are not novel
occurrences, one was even associated with the major financial crisis of 2008. Understanding
the causal factors behind a housing bubble and the unique dynamics characterizing the
renowned New York City real estate market, are subjects frequently discussed by both the
public and the media.
The aim of this dissertation is to examine the primary economic factors typically linked to
housing bubbles, drawing insights from research conducted in various geographical regions.
This research involves gathering data to monitor these economic drivers in the US and New
York City markets. Subsequently, classification models were constructed using these variables
as inputs to identify periods of housing bubbles. The dissertation also includes an analysis of
model performance and a comparison between different models to determine which feature set
yields superior results.
This study concluded that the most successful model configuration was achieved by using
XGBoost with the feature list of Test 1. This configuration was tested both with and without
feature selection, resulting in accuracy rates of 0.89 and 0.86, respectively. Notably, the features
that played a significant role in our classification align with those highlighted by other
researchers as crucial for housing bubble detection. Features such as the price-to-rent ratio,
inflation, and interest rates demonstrated their applicability to New York City, substantiating
findings from diverse geographical regions.