在过去的几十年里,由于严重的经济和金融危机的影响美国和大部分欧洲国家已经越来越需要工具,提供可靠的质量评估。引发的危机大幅降价的属性作为信贷敞口的证券,以价值观,在出售的时候由于债务人违约,发现一个真正的市场价格,使它不可能恢复对银行资本借来的。这既未能更新房地产市场值随着时间相比,实际的价格趋势和不足的方法用于确定的市场价值主要是通过方法确定需要一个处理时间长,导致结果影响显著的近似。

这意外事件概述了房地产市场的全球联系,一方面强调实体经济和房地产金融之间的复杂关系,另一方面需要多学科模型能够合理解释可用的数据,识别时空交互,并预测房地产周期。房地产系统的复杂性问题众多的社会、经济和环境影响相关的房地产估价和区域经济增长,以及相互之间的相互依赖关系的领土转换及其社会经济因素。

这些复杂的系统,由内在动力结构,发展随着时间的推移,通过他们的组件之间的相互作用,是不可预知的和多维。在这种背景下,自动化的估值方法,机器学习工具应用于质量评估不良和不支付贷款,以及房地产投资信托基金的定期更新的价值,能让我们有效地分析市场现象和预测他们的时间演化。

这个特殊问题的目的是整理原始研究和评论文章,有助于开发新工具的建模、优化和模拟复杂的房地产相关系统和应用程序的数据分析模型,考虑到不断变化的经济边界条件,能够自动获取相关变量之间的因果关系以及预测房地产价格在短期内。

潜在的主题包括但不限于以下:

• 质量评价方法应用于房地产市场的解释
• 多准则决策系统支持估值在不确定的情况下
• 大数据分析建模和控制方法
• 计量经济学分析房地产发展趋势的预测
• 可视化系统可识别的房地产之间的空间相关性因素
• 人工智能的实现自动化的估值模型
• 遗传算法对复杂的房地产系统的调查