The Corporate Real Estate Market in Public Statistics in Poland

Konowalczuk, Jan

doi:10.2478/remav-2014-0016

Cited by 10 publications

(5 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Dane takie nie są publikowane jak na przykład ceny akcji, ropy czy surowców. Pozyskanie ich wiąże się zwykle ze żmudnym, czaso-i pracochłonnym czytaniem aktów notarialnych i wynotowywaniem z nich kluczowych dla transakcji informacji, a ich jakość i tak często pozostawia wiele do życzenia (Konowalczuk, 2014;Kokot, 2015a).…”

Section: Indeksy Cen Nieruchomościunclassified

Evaluation of the real estate hedonic price index presented by the National Polish Bank

Kokot¹,

Doszyń²

2018

Studia I Prace WNEiZ

View full text Add to dashboard Cite

The paper deals with the methodology used to determine the real estate price index. Three indices of property prices are analyzed: single-price index of average prices of apartments, hedonic index and index of smoothed average prices of apartments. The 4253H filter is used for smoothing. According to the article's thesis, the real estate price index should indicate general regularities of price changes. A good real estate price index should not have too much entropy. Therefore, the article proposes a measure of entropy that may be useful for assessing the quality of real estate price indices. This measure is based on the charts of the index phases and indicates which index is most susceptible to information noise.

show abstract

Section: Indeksy Cen Nieruchomościunclassified

Evaluation of the real estate hedonic price index presented by the National Polish Bank

Kokot¹,

Doszyń²

2018

Studia I Prace WNEiZ

View full text Add to dashboard Cite

show abstract

“…Przeprowadzona analiza publikowanych wyników badań naukowych dla rynku nieruchomości w Polsce wykazała na brak kompleksowych analiz rynku CRE w skali krajowej 11 . Dostępne są jedynie fragmentaryczne badania regionalnego rynku CRE (Konowalczuk, Ramian, 2010;Konowalczuk i in., 2013), w których dokonano także oceny stanu badań dla rynku nieruchomości przemysłowych CRE oraz oceniono metodykę badania przez GUS rynku CRE w zakresie transakcji sprzedaży (Konowalczuk 2014a;Ko-woju Regionalnego i Budownictwa z dnia 29 marca 2001 r. w sprawie ewidencji gruntów i budynków (Dz.U. 2016, poz.…”

Section: Przegląd Krajowej Literatury Dotyczącej Rynku Cre I Publikowunclassified

Corporate Real Estate Analysis in Poland

Polczyk¹,

Konowalczuk²

2017

Zeszyty Naukowe Uniwersytetu Szczecińskiego Finanse Rynki Finansowe Ubezpieczenia

Self Cite

View full text Add to dashboard Cite

Streszczenie: Cel -Celem artykułu jest zaprezentowanie współczesnej metodyki analiz rynku nieruchomości przedsiębiorstw (ang. Corporate Real Estate, dalej w publikacji wykorzystywany jest skrót CRE), co ma umożliwić na dalszych etapach badań dokonanie oceny wymagań informacyjnych dotyczących organizacji i sposobu gromadzenia danych i udostępniania informacji w bazach cen transakcyjnych prowadzonych przez podmioty publiczne w Polsce. Metodologia badania -Przegląd literatury krajowej i zagranicznej, analiza i ocena prowadzonych badań rynku CRE w Polsce oraz własne badania regionalnego rynku CRE. Wynik -Uporządkowanie i rekomendacja do stosowania w Polsce współczesnej metodyki analiz rynku CRE oraz przygotowanie podstawy metodycznej do badań zakresu niezbędnych zmian w publicznych bazach gromadzących dane o transakcjach sprzedaży nieruchomości. Oryginalność/wartość -Na tle hipotezy o niskiej efektywności informacyjnej rynku nieruchomości CRE wskazano na potrzeby i możliwości jej poprawy poprzez uzupełnienie aktualnego przedmiotowego ujęcia rynku nieruchomości stosowanego w badaniach GUS i innych podmiotów publicznych o ujęcie podmiotowe z wyodrębnieniem rynku CRE. Przeniesienie z rynków rozwiniętych do stosowania w Polsce części rozwią-zań metodycznych wyznacza aktualne potrzeby informacyjne inwestorów w zakresie badań rynku CRE, a to determinuje kierunki zmian w publicznych bazach danych o sprzedaży nieruchomości. Wprowadzenie tych rozwiązań miałoby poprawiać efektywność informacyjną rynku CRE i obniżać ryzyko inwestorów. Słowa kluczowe: nieruchomości przedsiębiorstw, metodyka analiz rynku CRE, dane i źródła informacji rynkowej, kataster nieruchomości WprowadzenieWspółczesny paradygmat traktowania przedsiębiorstw jako specyficznych inwestycji wyznacza wymagania dotyczące sposobu ewidencjonowania, wyceny i oceny kontrolowanych nieruchomości 1 , które stanowią aktywa zaliczane do: gruntów, budynków i innych budowli, maszyn i urządzeń trwale związanych, kopalin, wód stojących oraz drzew i innych roślin. * dr inż. Jan Konowalczuk, Uniwersytet Ekonomiczny w Katowicach, Katedra Inwestycji i Nieruchomości, ul. 1 Maja 50, 40-287 Katowice, e-mail: jan.konowalczuk@ue.katowice.pl; mgr Marzena Polczyk, Uniwersytet Ekonomiczny w Katowicach, Katedra Inwestycji i Nieruchomości, ul. 1 Maja 50, 40-287 Katowice, e-mail: marzena.polczyk@edu.uekat.pl.1 Rozumianych w wąskim ujęciu cywilistycznym, zgodnie z definicją art. 46 kodeksu cywilnego, co wyłącza z rozważań szeroko rozumiany rynek nieruchomości obejmujący także obrót ich swoistymi niematerialnymi reprezentacjami w postaci papierów wartościowych przy inwestowaniu pośrednim (funduszowym), sekurytyzacji hipotek kredytowych oraz obrocie udziałami wyspecjalizowanych spółek świadczących usługi wynajmu nieruchomości.

show abstract

“…PVR also plays a significant role in the real estate management, spatial policy, sustainable development policy, and tax system [8][9][10][11][12][13][14][15][16][17][18]. PVR data have become a subject of abundant research indicating its incompleteness or low quality [5,[19][20][21][22]. The real estate appraisal largely consists of estimating the property's value based on the transaction prices of similar buildings.…”

Section: Introductionmentioning

confidence: 99%

Estimation of Usable Area of Flat-Roof Residential Buildings Using Topographic Data with Machine Learning Methods

2019

View full text Add to dashboard Cite

The real estate appraisal largely consists of estimating the property’s value based on the transaction prices of similar buildings with the usable area being one of the main comparative units. A Polish appraiser finds data mentioned in the Price and Value Register (PVR). However, one of the authors’ previous studies indicated that the PVR contained highly incomplete information on usable area of residential buildings rendering it impractical for real estate appraisal purposes. Here, we propose a machine learning method to estimate the usable area of flat-roof residential buildings based on Light Detection and Ranging (LiDAR) data as well as the Database of Topographic Objects (BDOT10k). First, we train models with different architectures on the exact project data of residential buildings available online, obtained mostly from the design offices Lipińscy and Archon. Then, we apply trained algorithms on available residential building in Koszalin, Poland, using BDOT10k and LoD1 standard LiDAR data, and compare the results with usable area reported in PVR. Results show that the usable area of flat-roof houses without garages and extensions can be calculated with great accuracy up to 4%, while for more complex flat-roof buildings-up to 4–10%, depending on how detailed data are available. The model may be used by real estate appraisers to approximate the unknown usable area of residential buildings with known transaction prices, and as such increase the number of properties that can be compared to the evaluated real estate. To estimate the usable area of buildings with more complex roofs, a higher standard of LiDAR data is needed.

show abstract

The Corporate Real Estate Market in Public Statistics in Poland

Cited by 10 publications

References 0 publications

Evaluation of the real estate hedonic price index presented by the National Polish Bank

Evaluation of the real estate hedonic price index presented by the National Polish Bank

Corporate Real Estate Analysis in Poland

Estimation of Usable Area of Flat-Roof Residential Buildings Using Topographic Data with Machine Learning Methods

Contact Info

Product

Resources

About