19821

۱۹۸۲۱

تحليل عوامل موثر بر بازار مسكن با استفاده از مدلسازي عامل-محور: مطالعه موردي بازار مسكن تهران

كارشناسي ارشد

مدلسازي سيستم هاي كلان

۱۳۹۷

۱۳۹۷/۷/۷

دكتر سعيد ميرزامحمدي

دكتر ميرسامان پيشوايي

مهندسي پيشرفت

بازار مسكن به دليل سهم قابل توجهي كه از رفاه خانوارها و GDP كشور برخودار است همواره مورد توجه سياست‌گذاران و تصميم‌گيران بوده است. افزايش قيمت مسكن طي سال‌هاي اخير نيازمند تحليل ابعاد مختلف بازار مسكن است. همچنين بازار مسكن تهران با دو مشكل اساسي افزايش قيمت و ناتواني زوج‌هاي جوان در خريد مسكن مناسب، روبرو است. در راستاي بررسي اين مشكلات و با توجه به پيچيدگي بالاي بازار مسكن به عنوان يك سيستم اقتصادي اجتماعي پيچيده، در اين تحقيق از مدلسازي عامل-محور استفاده شده است. رويكرد عامل- محور بر خلاف روش‌هاي اقتصادسنجي و مدل‌هاي تعادل عمومي، از پايين به بالا فرآيند بازار مسكن را بررسي مي‌نمايد. عامل‌هاي درنظر گرفته شده در اين تحقيق شامل توسعه دهنده، خانوار، مشاور املاك و بانك مي‌گردد. خانوارها هم به خريد و فروش در بازار با انگيزه رفع نياز يا سفته بازي مي‌پردازند. بانك‌ از طريق اعطاي وام و سفته بازي در مدل لحاظ شده است. همچنين مشاور املاك در فرآيند تعيين قيمت مشاركت مي‌كند و توسعه دهنده در هر دوره تعداد مشخصي مسكن را با قيمت از پيش تعيين شده وارد بازار مي‌كند. در اين تحقيق اثر تغيير فاكتورهاي هزينه‌ي توليد، قيمت زمين، درآمد خانوار و اعطاي وام به خانوارها برروي رفتار عامل‌ها و در نتيجه قيمت مسكن بررسي شده است. نتايج نشان مي‌دهد كه هزينه‌هاي توليد بيشترين تاثير را برروي قيمت مسكن در شهر تهران دارد. پس از هزينه‌ي توليد به ترتيب قيمت زمين، درآمد خانوار و اعطاي وام به خانوارها داراي بيشترين اثر برروي قيمت مسكن هستند.

1397/09/25

Analysis of factors affecting housing price using agent-based modeling approach: a case study of Tehran's housing market

12/16/2018 12:00:00 AM

As housing market has a prominent effect on household welfare, it is of high interest for policymakers. Recent price rocketskying in housing market calls for further study. Furthermore, complexity of real estate markets as socio-economic systems calls for more appropriate approaches than conventional ones. This paper applies agent-based modeling to consider Tehran housing market. While econometrics and general equilibrium models are top-down approaches, agent-based modeling is a bottom-up one. The main agents included in this study are households, developers, banks and real estates. Households participate in the market as final consumers as well as speculators. The banks play the role of lenders as well as speculators. The real estates play a price clearing role in housing market. Finally, the developers supply new houses to market. The model imposes changes in production costs, land prices, household incomes and mortgage loan-to-value ratio to find how agents’ behavior and housing prices respond. Net Logo Code software has been employed to run the model. The results reveal that production costs, land prices, household incomes and motgage loan-to-value ratios have the most impact on housing prices respectively.