• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 1
  • Tagged with
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • About
  • The Global ETD Search service is a free service for researchers to find electronic theses and dissertations. This service is provided by the Networked Digital Library of Theses and Dissertations.
    Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
1

Adoption of Artificial Intelligence in Commercial Real Estate : Data Challenges, Transparency and Implications for Property Valuations / Adoptering av artificiell intelligens i kommersiella fastigheter : Datautmaningar, transparens och implikationer för fastighetsvärderingar

Ineza Kayihura, Didier January 2021 (has links)
Investment decision in the property market is closely connected to property valuation. Thus, accuracy of valuation results and deep analysis of the market is essential. Artificial Intelligence (AI) models have been successfully adopted in different fields and markets. However, the real estate market is typically lagged in time to adapt to these changes. Swedish commercial property market arrangements are characterized by increasing confidentiality of certain data types. As a consequence, the adoption of the AI valuation models in the Swedish commercial property market is slowed down.  This study aims to bridge the gap in existing research by focusing on the market actor’s behavior in relation to market development and exploiting the capabilities inherent in adopting AI models in commercial property valuations.  The qualitative approach based on interviews with experts has been used to achieve the main objective of this study. Results suggest that the AI valuation models used on commercial properties are applied on valuation data and not on real transaction data. Analysis covers different aspects including data challenges and its disclosure, the role of government authorities, market and data perspectives of AI application on property valuations. A framework on AI implication in property valuation in different time horizons presented in this study will help to overcome data challenges and improve transparency of valuation results. This study is beneficial to various actors in the property market, including government authorities, investors, valuers and researchers. / Investeringsbeslut på fastighetsmarknaden är sammankopplat till fastighetsvärdering. Således är noggrannhet i värderingsresultat och en djup marknadsanalys nödvändiga. Artificiell intelligens (AI) modeller applicerades framgångsrikt inom olika områden och marknader. Fastighetsmarknaden är dock försenad i tid för att anpassa sig till dessa förändringar. Svenskt kommersiellt fastighetsmarknadsarrangemang är känd för ökad sekretess för vissa datatyper. Som en följd av detta minskar adopteringen av AI-värderingsmodeller på den svenska kommersiella fastighetsmarknaden. Denna studie syftar på att fylla i gapet i befintlig forskning genom att fokusera på marknadsaktörens beteende i förhållande till marknadsutveckling och utnyttja de möjligheter som ligger i adopteringen av AI-modeller i kommersiella fastighetsvärderingar.Den kvalitativa metoden baserad på intervjuer med experter har använts för att uppnå huvudmålet för denna studie. Resultaten tyder på att AI-värderingsmodellerna som används på kommersiella fastigheter tillämpas på värderingsdata och inte på transaktionsdata. Analysen täcker olika aspekter, inklusive datautmaningar och dess avslöjande, myndigheternas roll, marknads- och dataperspektiv för AI-tillämpning på fastighetsvärderingar. Ett ramverk för AI-implikationer i fastighetsvärdering inom olika tidshorisonter som presenteras i denna studie kommer att hjälpa till att överkomma datautmaningar och förbättra transparensen i värderingsresultaten. Denna studie är nyttig för olika aktörer på fastighetsmarknaden, inklusive myndigheter, investerare, värderare och forskare.

Page generated in 0.1678 seconds