論文の概要: Sub-City Real Estate Price Index Forecasting at Weekly Horizons Using Satellite Radar and News Sentiment

• arxiv url: http://arxiv.org/abs/2602.18572v1
• Date: Fri, 20 Feb 2026 19:25:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.168007
• Title: Sub-City Real Estate Price Index Forecasting at Weekly Horizons Using Satellite Radar and News Sentiment
• Title（参考訳）: 衛星レーダとニュースセンシティメントを用いた週間ホライズンズのサブシティ不動産物価指数予測
• Authors: Baris Arat, Hasan Fehmi Ates, Emre Sefer,
• Abstract要約: 本研究では,衛星レーダの物理的発達信号とニューステキストの市場物語を組み合わせることで,サブシティ価格指標を毎週の頻度で予測できるかどうかを検討する。 ドバイ国土部からの35万件以上の取引を利用して、19の都市部を対象に毎週価格指数を構築している。 我々のフレームワークは、地域トランザクション履歴をSentinel-1 SARバックスキャッタ、語彙音とセマンティック埋め込みを組み合わせたニュースセンチメント、マクロ経済コンテキストと融合させる。
• 参考スコア（独自算出の注目度）: 0.15293427903448023
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Reliable real estate price indicators are typically published at city level and low frequency, limiting their use for neighborhood-scale monitoring and long-horizon planning. We study whether sub-city price indices can be forecasted at weekly frequency by combining physical development signals from satellite radar with market narratives from news text. Using over 350,000 transactions from Dubai Land Department (2015-2025), we construct weekly price indices for 19 sub-city regions and evaluate forecasts from 2 to 34 weeks ahead. Our framework fuses regional transaction history with Sentinel-1 SAR backscatter, news sentiment combining lexical tone and semantic embeddings, and macroeconomic context. Results are strongly horizon dependent: at horizons up to 10 weeks, price history alone matches multimodal configurations, but beyond 14 weeks sentiment and SAR become critical. At long horizons (26-34 weeks), the full multimodal model reduces mean absolute error from 4.48 to 2.93 (35% reduction), with gains statistically significant across regions. Nonparametric learners consistently outperform deep architectures in this data regime. These findings establish benchmarks for weekly sub-city index forecasting and demonstrate that remote sensing and news sentiment materially improve predictability at strategically relevant horizons.
• Abstract（参考訳）: 信頼性の高い不動産価格指標は一般的に都市レベルと低頻度で発行され、近隣の大規模監視や長期計画に使用を制限する。 本研究では,衛星レーダの物理的発達信号とニューステキストの市場物語を組み合わせることで,サブシティ価格指標を毎週の頻度で予測できるかどうかを検討する。 ドバイ国土局(2015-2025)からの35万件以上の取引を利用して、19の亜都市地域の週間価格指数を構築し、2～34週間先の評価を行う。 我々のフレームワークは、地域トランザクション履歴をSentinel-1 SARバックスキャッタ、語彙音とセマンティック埋め込みを組み合わせたニュースセンチメント、マクロ経済コンテキストと融合させる。 10週間の地平線では、価格履歴だけでマルチモーダルな構成と一致するが、14週間を超える感想とSARは重要になる。 長い地平線(26-34週)では、完全なマルチモーダルモデルにより平均絶対誤差は4.48から2.93に減少し、地域間で統計的に有意な増加をもたらす。 非パラメトリック学習者は、このデータ構造における深いアーキテクチャを一貫して上回る。 これらの結果は、週次サブ都市指数予測のためのベンチマークを確立し、リモートセンシングとニュースセンチメントが戦略的に関連する地平線における予測可能性を大幅に改善することを示した。

関連論文リスト

• PriceSeer: Evaluating Large Language Models in Real-Time Stock Prediction [47.70107097572211]
  本稿では,ストック予測タスクを実行する大規模言語モデルを対象としたベンチマークであるPriceSeerを紹介する。 プライスシーアには11の産業セクターから110の米国株が含まれており、それぞれ249の歴史的データポイントが含まれている。 我々は、異なる予測地平の下で6つの最先端LCMを評価し、投資戦略を創出する可能性を実証した。
  論文  参考訳（メタデータ） (2025-12-31T08:35:46Z)
• Enhancing Regional Airbnb Trend Forecasting Using LLM-Based Embeddings of Accessibility and Human Mobility [4.055183162536266]
  Airbnbのような短期賃貸プラットフォームは、地元の住宅市場を著しく破壊している。 本研究は,地域レベルで3つのAirbnb指標を予測する時系列予測フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-18T08:38:16Z)
• The NetMob25 Dataset: A High-resolution Multi-layered View of Individual Mobility in Greater Paris Region [64.30214722988666]
  本稿では,提案したデータセットのサーベイ設計,収集プロトコル,処理手法,特徴について述べる。 データセットには、人口統計、社会経済、家庭の特徴を記述した個人データベース(i)、タイムスタンプ、輸送モード、旅行目的を含む8,000以上の注釈付き変位を持つトリプスデータベース(ii)、約5億の高周波ポイントからなるRaw GPSトレースデータベース(iii)の3つのコンポーネントが含まれている。
  論文  参考訳（メタデータ） (2025-06-06T09:22:21Z)
• HouseTS: A Large-Scale, Multimodal Spatiotemporal U.S. Housing Dataset [22.062024691803927]
  HouseTSは、2012年3月から2023年12月まで、アメリカの30の主要都市圏の6000のコードにわたって、月々の住宅価格をカバーする大規模なマルチモーダルデータセットである。 データセットには890K以上のレコードが含まれており、興味点(POI)、社会経済指標、詳細な不動産指標が豊富である。
  論文  参考訳（メタデータ） (2025-06-01T00:52:41Z)
• Classification Modeling with RNN-Based, Random Forest, and XGBoost for Imbalanced Data: A Case of Early Crash Detection in ASEAN-5 Stock Markets [0.0]
  本研究は,市場崩壊の頻度が高いためによく見られる不均衡なデータを用いて検討した。 この調査は、ASEAN-5諸国の主要株式市場における2010年から2023年までの日次データを分析している。 様々なRNNアーキテクチャの中で、Simple RNNが最も優れていると指摘している。
  論文  参考訳（メタデータ） (2024-06-12T05:35:28Z)
• Support for Stock Trend Prediction Using Transformers and Sentiment Analysis [3.147603836269998]
  技術ストックデータと感情分析を用いて、長時間のウィンドウ上で正確なストックトレンド予測を行うトランスフォーマーモデルを開発した。 本稿では,日次技術ストックデータと,約3年にわたるトップニュース見出しデータを含む新しいデータセットについても紹介する。
  論文  参考訳（メタデータ） (2023-05-18T03:26:39Z)
• Building Coverage Estimation with Low-resolution Remote Sensing Imagery [65.95520230761544]
  本稿では,低解像度衛星画像のみを用いた建物被覆量の推定手法を提案する。 本モデルでは, 世界中の開発レベルの異なる地域において, 建築範囲の予測において最大0.968の判定係数を達成している。
  論文  参考訳（メタデータ） (2023-01-04T05:19:33Z)
• Strict baselines for Covid-19 forecasting and ML perspective for USA and Russia [105.54048699217668]
  Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。 本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
  論文  参考訳（メタデータ） (2022-07-15T18:21:36Z)
• Stock Price Prediction Under Anomalous Circumstances [81.37657557441649]
  本稿では,異常な状況下での株価の変動パターンを捉えることを目的とする。 ARIMAとLSTMのモデルは、シングルストックレベル、業界レベル、一般市場レベルでトレーニングします。 2016年から2020年にかけての100社の株価に基づいて、平均予測精度は98%に達した。
  論文  参考訳（メタデータ） (2021-09-14T18:50:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。