這篇報導主要講述了全球房地產投資管理公司BGO如何利用人工智慧和數據科學來提升投資績效。BGO的共同執行長Carrafiell表示，在房地產行業數十年的經驗讓他意識到傳統的研究方法已經停滯不前，大家都在看相同的信息，得出相同的結論。為了突破瓶頸，BGO決定分析過去二十年的所有投資案例，利用電腦模型去除人為因素的干擾。
結果顯示，投資的成敗完全取決於所選擇的本地市場。雖然「地點、地點、地點」一直是房地產的座右銘，但BGO的模型更進一步，強調關注本地市場的基本面，而非房產價格和全國經濟趨勢。他們建立的模型整合了數千個數據點，包括人口統計和供應趨勢等，並利用人工智慧加速數據處理速度和規模。
例如，BGO的模型預測了拉斯維加斯工業區的潛力，儘管其他模型認為該投資並不明智。模型發現，由於加州內陸帝國的成本過高，企業轉向拉斯維加斯可以大幅降低成本，即使運輸時間稍長。類似的分析也成功應用於佛羅里達州和鏽帶地區的投資，為BGO帶來了可觀的回報。
Carrafiell也承認，模型並非完美，無法預測突發事件，例如波音公司搬遷等。然而，他認為人工智慧和數據科學是增強投資決策的重要工具，並強調數據科學團隊與公司領導層緊密合作的重要性。未來，BGO計劃將模型應用於資產配置，以實現更優化的投資組合。總體而言，這篇報導展示了數據驅動投資在房地產行業的巨大潛力。
我認為這份報告突顯了房地產投資策略的轉變。過去，經驗和直覺在投資決策中佔據重要地位，但現在，數據分析和人工智慧正在成為關鍵因素。BGO的案例表明，通過深入分析本地市場數據，可以發現被傳統方法忽略的投資機會，並獲得更高的回報。這也意味著，未來的房地產投資者需要具備更強的數據分析能力，才能在競爭激烈的市場中脫穎而出。
原文網頁：How one CRE giant is finding undervalued assets in unlikely areas (by Diana Olick)
發佈留言