Suchergebnisse

Frühzeitige Informationen über die Hauspreisinflation sind für Regierungen, Zentralbanken und andere Wirtschaftsakteure von grundlegender Bedeutung. Qualitätsbereinigte Hauspreisindizes (HPIs), die mit Transaktionsdaten und hedonischen Verfahren erstellt werden, sind zum Standardinstrument für diese Information geworden. Diese Dissertation veranschaulicht mehrere Mängel der derzeit verwendeten Hauspreisindizes und erörtert Alternativen, um diese Probleme zu verringern. Die Arbeit umfasst sechs Forschungsartikel. Artikel 1 zeigt, wie Verkäufe vor Fertigstellung von neuen Immobilien die Aktualität transaktionsbasierter HPIs untergraben können. Wir veranschaulichen das Problem mit Daten für zwei große polnische Städte. Im zweiten Artikel wird untersucht, wie Online-Daten verwendet werden können, um Preisindizes zu erstellen, die ähnliche Inflationsschätzungen wie transaktionsbasierte HPIs aufweisen, aber zeitnäher sind. In Artikel 3 zeigen wir, wie sechs online-basierte Immobilienindikatoren wichtige Marktinformationen in Echtzeit liefern können, selbst wenn die Marktsituation volatil ist (z. B. während der ersten Covid-Lockdowns). In der vierten Studie dieser Dissertation wird eine neue Methode vorgestellt, die Spline-Funktionen und Machine Learning Verfahren kombiniert. Diese Methode ist deutlich genauer als bisherige Alternativen. In Artikel 5 wird erörtert, wie die Ergebnisse von Modellen des maschinellen Lernens durch die zur Bewertung der Modelle verwendeten Metrik beeinflusst werden. Die Studie stellt 48 verschiedene Metriken vor, klassifiziert sie anhand ihrer Eigenschaften und liefert eine Auswahlliste empfohlener Metriken für die Bewertung von Hauspreismodellen. Der letzte Artikel erörtert einen Ansatz zur Bewertung der Wirksamkeit von Airbnb-Vermietungsvorschriften im Zuge der zunehmenden Verbreitung von Kurzzeitvermietungen. ; Timely information on house price inflation is essential for governments, central banks and other economic stakeholders. Constant-quality house price indices (HPIs) based on ...

Der Bereich der Makroökonomik ist geprägt von enormen Fortschritten in den letzten Jahren, nicht zuletzt wegen des Ausbruchs der Weltwirtschaftskrise, welche die Schwächen von früheren makroökonomischen Modellen veranschaulicht hat. Um die wirtschaftlichen Schwankungen in einem Modell zu erfassen, verwenden Makroökonomen vielfach die theoretischen Entwicklungen der Neu Keynesianischen Theorie. In diesem Zusammenhang stellt sich für Ökonomen die Frage, ob die Merkmale dieser Theorie, wie zum Beispiel Preis- und Lohnstarrheit, für die Modellierung der Konjunkturzyklen des Europäischen Währungsraumes von messbarer Relevanz sind. Die vorliegende Arbeit untersucht diese Fragestellung auf der Basis des einflussreichen Modells von Smets and Wouters, mit Erweiterung von Finanzakteuren, welche es ermöglichen die Reibungen am Kreditmarkt wiederzugeben. Gleichzeitig kann durch diese Anpassung des Modellrahmens, eine entscheidende Reaktion der makroökonomischen Modellierung seit Ausbruch der Finanzkrise dargestellt werden. Um das Modell an die Daten der Eurozone anzugleichen, werden die Parameter mittels Bayesianische Methoden geschätzt. Die Erkenntnisse dieser Untersuchung zeigen, dass die Implementierung des Finanzsektors durch Finanzakteure, entscheidend zum Verständnis von Wirtschaftskrisen beiträgt, insbesondere bei der Betrachtung der wirtschaftlichen Entwicklung seit 2008. Die Analyse der Impuls-Antwort-Funktion bietet eine tiefere Einsicht auf die unterschiedliche Interpretation der beiden Modelle. Hierbei kann gezeigt werden, dass das erweiterte Modell aufgrund eines Staatsausgabenschocks mit einem Rückgang der privaten Investitionen reagiert und somit einen "Verdrängungseffekt" aufweist, welcher mit dem ursprünglichen Modell nicht nachgewiesen werden konnte. Des Weiteren wird festgestellt, dass das zentrale Element für die Modellierung von Konjunkturschwankungen im Europäischen Wirtschaftsraum, die Berücksichtigung von Preisstarrheit im Unternehmenssektor ist. ; The field of macroeconomics has been shaped by enormous progress in recent years, not least because of the global crisis, which revealed the flaws of former macroeconomic models. To capture out-of-equilibrium states, as experienced during the recent crisis, the most promising development for economists are the features proposed by New Keynesian theory. Hence, researchers might ask whether characteristics such as price stickiness, wage stickiness, or habit persistence are quantitatively important for the modelling framework to account for the historical business fluctuations in the European Area. This paper addresses this question on the basis of the prominent Smets and Wouters model, augmenting it with a financial accelerator mechanism to illustrate an important recent development since the financial crisis.To fit the model parameters to the Euro Area data, we apply Bayesian techniques that have become the standard method for estimating DSGE models. Our examination suggests that the integration of the financial sector via entrepreneurship is important for understanding economic downturns, especially in the light of the Great Recession which has its origin in 2008. By exploring the impulse response function, we find an interesting divergence between the benchmark Smets and Wouters model and the extended version with financial frictions. The model including financial frictions predicts a "crowding-out" effect of private investments, by simulating a one standard deviation shock of government expenditure, whereas the benchmark model shows no such reaction. Furthermore, we find that the key characteristic to capturing the propagation of business fluctuations for the European economy is due to frictions in the price setting of firms. ; Norbert Pfeifer, B.A. (Econ.) ; Zusammenfassungen in Deutsch und Englisch ; Karl-Franzens-Universität Graz, Masterarbeit, 2017 ; (VLID)2241122

Green areas play an important role within urban agglomerations due to their impact on local climate and their recreation function. For detailed monitoring, frameworks like the flora fauna habitat (FFH) classification scheme of the European Union's Habitat Directive are broadly used. By date, FFH classifications are mostly expert-based. Within this study, a data-driven approach for FFH classification is tested. For two test areas in the municipality of Vienna, ALS point cloud data are used to derive predictor variables like terrain features, vegetation structure and potential insulation as well as reflection properties from full waveform analysis on a 1m grid. In addition, Sentinel-1 C-Band time series data are used to increase the temporal resolution of the predicting features and to add phenological characteristics. For two 1.3×1.3km test tiles, random forest classifiers are trained using different combinations (ALS, SAR, ALS+SAR) of input features. For all model test runs, the combination of ALS and SAR input features lead to best prediction accuracies when applied on test data. ; ISSN:1682-1750 ; ISSN:2194-9034 ; ISSN:1682-1777

ZusammenfassungDer vorliegende Beitrag beschreibt die Konzeption und die methodischen Schritte des Projekts HORA 3.0, in dem Hochwasserrisikoflächen für ganz Österreich berechnet wurden. Die Analyseschritte umfassen: Qualitätskontrolle und Korrektur des Gewässernetzes und der Einzugsgebietsgrenzen; Berechnung der Abflussscheitel und Frachten gegebener Jährlichkeit; Erstellung eines digitalen Höhenmodells, das mit allen relevanten Hochwasserinformationen, einschließlich der Flussbettgeometrie, übereinstimmt; instationäre, zweidimensionale Simulation der Überflutungsflächen mit konsistenter Jährlichkeit. In jedem Schritt werden automatische und manuelle Verfahren kombiniert, um die lokalen hydrologischen und hydraulischen Bedingungen in einem bundesweiten Projekt möglichst zutreffend abzubilden. Die Hochwasserrisikoflächen mit einer Auflösung von 2 m für eine Gesamtflusslänge von 32.000 km sind bereits auf der HORA-Plattform (www.hora.gv.at) veröffentlicht. Das entwickelte Instrumentarium kann für weiterführende Projekte verwendet werden, wie z. B. für Visualisierungen, Schadensauswertungen und in Zukunft für die Berechnung pluvialer Hochwassergefahren.