Fremtidens udfordringer på det danske boligmarked
Afgangsprojekt for HD Finansiel Rådgivning 2013
Skrevet af Jonas Nordahl
Vejleder Karsten Poul Jørgensen
Indholdsfortegnelse
Forfattererklæring ... 2
Indledning ... 5
Problemformulering ... 6
Afgrænsning ... 7
Kildekritik ... 7
Disposition ... 9
Ejerboligprisernes historiske udvikling ... 11
Prisudviklingen beskrevet ved fundamentals ... 14
Realkreditrenten ... 14
Den disponible indkomst ... 17
Byggeomkostninger ... 19
Inflationen ... 20
Ledigheden ... 22
Korrelationerne mellem prisindekset og fundamentals ... 24
Variansen ... 24
Kovariansen ... 25
Korrelationen ... 25
Beregning af variansen ... 26
Beregning af kovariansen ... 27
Beregning af korrelationer ... 28
De indbyrdes korrelationer ... 31
Mine resultater sammenholdt med andre analyser ... 34
Delkonklusion ... 37
Psykologiens indvirkning på boligpriserne ... 39
Behavioral Finance ... 39
Biases ... 45
Prisbobler ... 48
Definition af en prisboble ... 50
Forventninger til salgspriser ... 54
Delkonklusion ... 57
De udenlandske investeringer ... 58
Udlandets andel af realkreditobligationer ... 59
De udenlandskes investorers påvirkning på markedet ... 63
Effekten af renteændringen ... 68
Boligprisernes ændring ved rentestigningen ... 73
Delkonklusion ... 75
Konklusion ... 77
Litteraturliste ... 80
Indledning
Efter boligboblen sprang tilbage i 2007, har priserne på det danske boligmarked næsten kun gået en vej, nemlig ned. Finanskrisens buldren har efterhånden varet i 6 år, hvilket uden tvivl har sat dybe spor i Danmarks økonomi og samtidig det danske boligmarked (Nationalbanken, 2011b).
Om finanskrisen er ovre, eller stadig i fuld gang er der mange meninger om, men vi har dog set positive tegn ved at boligpriserne så småt er ved at stige igen, men betyder det at uroen og risikoen på boligmarkedet er ovre??
Boligmarkedet spiller en vigtig rolle i den samlede danske økonomi, hvorfor jeg mener at det er yderst interessant og relevant at belyse hvilke udfordringer det danske ejerboligmarked står over for i den nærmeste fremtid.
De danske ejerboliger bliver handlet på et frit marked hvor det er udbuddet og efterspørgslen der styrer prisen på den enkelte bolig. Men hvis man skal kunne vurdere fremtiden på boligmarkedet er det yderst relevant at se på de faktorer der rent faktisk er med til at styre udbuddet og
efterspørgslen, altså de såkaldte fundamentals.
Globaliseringens indtræden på det danske realkreditmarked gør, at andre faktorer kan spille ind i prisudviklingen på ejerboligmarkedet, for i hvor stor grad styrer de udenlandske investeringer priserne på de danske realkreditlån? Og hvis de udenlandske investeringer egentlig spiller en rolle, hvad har det så af betydning for selve boligmarkedet?
Jeg ønsker altså at analysere hvilke udfordringer det danske ejerboligmarked, kan stå overfor i den nærmeste fremtid, og hvordan prisudviklingen kan blive påvirket heraf.
Problemformulering
Jeg ønsker at undersøge hvilke udfordringer det danske boligmarked står overfor i de næste par år. Hvilket jeg ønsker at analysere ud fra nedenstående spørgsmål
Hvilke faktorer driver priserne på det danske ejerboligmarked og hvordan påvirker disse faktorer priserne på det danske ejerboligmarked?
Dette vil jeg undersøge ved at tage udgangspunkt i fem udvalgte og relevante fundamentals som jeg vil beskrive og samtidig sammenholde med historiske data fra de fem fundamentals samt udviklingen i boligpriserne. De fem udvalgt fundamentals jeg har valgt at analysere er henholdsvis, realkreditrenten, den disponible indkomst, byggeomkostningerne, inflationen og ledigheden.
Efterfølgende vil jeg undersøge hvilken rolle psykologien spiller på prissætningen af ejerboliger.
Hvilket jeg vil undersøge ved både, at se på psykologien bag vores beslutningstagen, samt se på hvordan prisudviklingen kan ske hovedsageligt, ud fra vores forventninger til de fremtiden.
Jeg vil i min opgave hovedsageligt have fokus på de udenlandske investorers påvirkning af det danske realkreditmarked og derved også det danske ejerboligmarked, eftersom en ændring i finansieringsomkostningerne, alt andet lige, må påvirke efterspørgslen efter ejerboliger. Jeg vil ud fra min analyse give mit bud på hvordan den korte rente vil ændre sig, såfremt de udenlandske investorer trækker sig ud af markedet, og i forlængelse af dette, vil jeg give et bud på hvordan dette vil påvirke de danske ejerbolig priser.
Afgrænsning
Idet min opgave tager udgangspunkt i ejerboliger, afgrænser jeg mig fra at behandler andre boligformer, da min problemformulering kun behandler ejerboliger.
Forskellige lånetypers påvirkning på boligpriserne vil ikke blive beskrevet i et afsnit for sig, heri rentetilpasningslån og afdragsfrie lån. Jeg erkender at lånetyperne formentlig har sin andel i prissætningen af ejerboliger (Nationalbanken, 2011a; Lunde, 2007), men jeg har valgt at fokusere på andre forhold, hvorfor lånetyperne kun er kort bemærket i opgaven. De korte renter som ligger bag rentetilpasningslånene vil dog blive analyseret på i afsnittet omkring de udenlandske
investorers påvirkning af det danske realkreditmarked, eftersom det netop er de korte realkreditobligationer som de udenlandske investorer er interesseret i.
Ændring af rentefradrag, skattesubsidier og andre former for påvirkninger af boligpriserne grundet ændringer i skatteforhold vil ikke blive beskrevet, eller lagt til grund for resultaterne i mine
analyser, eftersom en grundig redegørelse af netop skatteforholdene, vil være af et meget stort omfang, set i forhold til de andre forhold jeg har valgt at analysere på i stedet.
Andre fundamentals, end de udvalgte, vil ikke blive kommenteret eller brugt i min analyse. Jeg har valgt de fem fundamentals ud fra at jeg mener de er yderst relevante, og at jeg samtidig har været i stand til at finde data for en længere periode, så mine resultater og analyse af disse kan blive så nøjagtige som muligt.
Kildekritik
Jeg har i min opgave hovedsageligt brugt data fra enten Nationalbanken eller Danmarks statistik.
Disse data er dog suppleret med data fra Realkreditrådet. Jeg vil mene at disse data alle er valide, hvorfor jeg ikke stiller spørgsmålstegn ved deres rigtighed.
Det har kun været muligt at fremskaffe data for den disponible indkomst i perioden 2000‐2011, og for byggeomkostningerne 1987‐2013, hvorfor analysen, ud fra disse to variable, formentlig ikke bliver lige så retvisende som for de andre variable, hvor jeg har data fra perioden 1970‐2013.
Udover data fra Nationalbanken, har jeg også primært brugt kvartalsoversigten fra 2011, 1.
kvartal 2. del, som supplement til mine egne beregninger. Igen vil jeg mene at Nationalbanken bør være objektive i deres konklusioner, hvorfor jeg ikke stiller spørgsmålstegn ved deres intentioner, men analyserne er gennemført ud fra udvalgte variable, hvorfor deres resultater og konklusioner afhænger af de forudsætninger de havde inden deres analyser. Jeg stiller altså spørgsmålstegn ved om deres konklusioner vil være de samme, såfremt de havde valgt at fokusere, eller inddrage andre variable. Derudover har jeg i min opgave hovedsageligt benyttet data helt tilbage fra 1970 og frem til 2013, hvorimod Nationalbanken, i deres kvartalsoversigt, fokusere på udviklingen siden 2000 og frem til 2011, altså en begrænset periode.
I mit afsnit omkring Behavioral Finance har jeg især benyttet bogen "Behavioral Finance.
Psychology, Decision‐Making, and Markets" Som er skrevet af Lucy F. Ackert & Richard Deaves.
Bogen er en generel beskrivelse af hvorledes vi som mennesker egentlig foretager vores finansielle beslutninger, og især vores beslutninger om investeringer. Bogen handler ikke specifikt omkring boligmarkedet, og eftersom det er en amerikansk bog, kan forbrugeradfærden også være
forskellige i forhold til i Danmark. Jeg mener dog stadig at teori og eksemplerne kan overføres til at beskrive det danske boligmarked, og forbrugernes ageren på dette.
Expected utility theory, som jeg beskriver under emnet behavioral finance, er en normativ teori, hvorfor den ikke indfanger den komplekse virkelighed vi lever i.
Derudover har jeg benyttet artikler fra flere forskellige økonomiske eksperter, så som Jens Lunde, Katinka Hort og Shiller. Konklusionerne som disse forfattere kommer frem til, må forventes at være subjektive, eftersom deres egne meninger i den grad skinner igennem. Jeg har hovedsageligt benyttet disse kilder til også at bekræfte de tendenser vi blandt andet har set på boligpriserne.
Det er dog vigtigt at bemærke, at Hort og Shillers analyser bygger på henholdsvis det svenske og amerikanske boligmarkedet, hvorfor der kan være andre forhold der kan spille ind, set i forhold til det danske boligmarked.
Til sidst har jeg også benyttet rapporter og artikler fra Danske Bank og Realkreditrådet. Især Realkreditrådets optimisme omkring det danske realkreditsystem er meget i øjenfaldende, hvilket er naturligt, da det er en brancheforening. Ulempen ved at Realkreditrådet er subjektive i deres holdninger, kan være at resultaterne i deres undersøgelser bliver påvirket af disse holdninger, og derved ikke viser det reelle billede. Jeg har på trods af Realkreditrådets subjektivitet benyttet flere af deres artikler og undersøgelser, da de giver en god beskrivelse af de udenlandske investorers ageren, samtidig med at deres analyser er overskuelige og supplerer, mine emner i opgaven, godt.
Disposition
Opgaven vil blive delt op i nogle forskellige afsnit for at fremme forståelsen af de forskellige faktorer, der spiller ind på problemstillingen i projektet. Jeg ønsker altså at redegøre for hvilke faktorer der påvirker prissætningen på ejerboliger, samt hvorledes disse influere priserne på de danske ejerboliger.
Jeg starter med at lave en kort beskrivelse af prisudviklingen på det danske ejerboligmarked, med en kort forklaring af de vigtigste historiske påvirkninger i perioden 1971 ‐ 2013, eftersom at jeg synes det er vigtigt at forstå den historiske udvikling, for at kunne vurdere den fremtidige udvikling. Ved at se og analysere på hvilke faktorer der historisk har været med til at ændre boligpriserne, har vi et bedre grundlag for at sige noget omkring den fremtidige udvikling.
I forlængelse af dette vil jeg gennemgå udvalgte fundamentals som jeg har fundet relevante. Jeg vil starte med at beskrive teorien omkring den enkelte fundamental hvorefter jeg vil analysere hver enkelt fundamentals indvirkning på ejerbolig priserne i Danmark. Dette vil jeg gøre ved at beregne korrelationerne imellem den enkelte fundamental og priserne på en‐families huse. Til sidst vil jeg også beregne korrelationerne imellem de forskellige fundamentals for så se i hvor høj grad de påvirker hinanden. Ved at finde de indbyrdes korrelationer imellem de forskellige
fundamentals, får jeg det bedst mulige grundlag, for at vurdere hvor stor en rolle den enkelte fundamental spiller i prissætningen af de danske ejerboliger.
De fundamentals jeg ønsker at belyse er følgende: Den lange realkreditrente, Den disponible indkomst, byggeomkostninger, inflationen og ledigheden.
Efterfølgende vil jeg med hjælp fra behavioral finance analysere, hvorledes psykologien spiller ind på det finansielle marked og derved også ejerboligmarkedet. Jeg vil her især fokusere på begrebet prisbobler på ejerboligmarkedet.
Dernæst vil jeg gå i dybden med de udenlandske investeringer i de danske realkreditobligationer.
Jeg vil analysere, hvor stor en rolle de udenlandske investorer spiller på det danske
realkreditmarked, og hvor meget de egentlig kan påvirke renten. I forlængelse af dette vil jeg give mit bud på hvordan den danske realkreditrente vil se ud i den nærmeste fremtid, set ud fra
ændringen i de udenlandske investorers beholdning af korte danske realkreditobligationer. Jeg har valgt at fokusere på de korte realkreditobligationer, da omkring 60 procent af de udenlandske investorers beholdning af danske realkreditobligationer, er foretaget i netop de korte
realkreditobligationer. Samtidig er de udenlandske investorers andel af de korte realkreditobligationer på lidt over 20 procent.
Ud fra ændringen i renten vil jeg give et bud på hvor meget boligpriserne forventeligt vil reagere på ændringen i renten, hvilket er med til at beskrive de udenlandske investorers påvirkning af markedet.
Til sidst vil jeg lave en kort sammenfatning og konkludere på det i problemformuleringen, stillede spørgsmål.
Ejerboligprisernes historiske udvikling
Priserne på det danske ejerboligmarked har igennem de sidste 40 år, generelt haft en opadgående trend (Se figur 1.) i hvert fald når vi ser på de nominelle priser. Jeg ønsker i dette afsnit, at lave en kort redegørelse for udviklingen i boligpriserne, for at give en forståelse af hvordan priserne historisk har udviklet sig.
Figur 1. viser det nominelle prisindeks for en‐families huse for perioden 1970‐2013. Som det markant kan ses har der været flere udsving i prisindekset, som man dog hovedsageligt kan forklare ud fra de historiske begivenheder og konjunkturer. Følgende afsnit bygger primært på undervisningsmateriale fra Jørgensen (2012, Tema 3).
Figur 1.
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden
2011‐2013. Egne beregninger.
I år 1972‐73 indtraf den første oliekrise, hvilket vi kan se ved et meget lille fald i kontantpriserne.
Årene derefter i 1976‐79 var ledigheden lav i Danmark hvilket var med til at skabe en
0,000 20,000 40,000 60,000 80,000 100,000 120,000
1970 1975 1980 1985 1990 1995 2000 2005 2010
Indeks. 2006 = 100
År, målt pr. kvartal
Nominelt prisindeks for en‐families huse
Pris for en‐families huse
højkonjunktur og stigende boligpriser. I 1979 kom den 2. oliekrise hvilket kan aflæses ved det første store fald i kontantpriserne. Danmark blev ramt af lavkonjunktur, så den daværende regering vedtog at devaluere den danske krone for at forbedre den danske konkurrenceevne, hvilket dog også resulterede i stigende rente og høj inflation.
I 1982 overtog Poul Schlüter posten som dansk statsminister og et af de første tiltag som den nye regering gennemførte var at lave en fastkurspolitik op imod den tyske D‐mark, som var en af Europas stærkeste valutaer på daværende tidspunkt. Fastkurspolitikken ændrede situationen i Danmark og skabte højkonjunktur i landet samtidig med en faldende rente og faldende ledighed.
Den danske økonomi buldrede faktisk så meget derudaf, så man begyndte at frygte for en overophedning af økonomien, hvilket ledte til en skattereform og kartoffelkuren i 1986.
Regeringen sænkede rentefradraget og stillede bl.a. krav om Mixlån, hvilket alt sammen var medvirkende til lavkonjunkturen i perioden 1986‐93. Denne lavkonjunktur gav også tydelige udslag i faldende kontantpriser hvilket også fremgår af Figur 1.
Fra 1993 og frem til 2001 skete der en væsentlig liberalisering af lånemarkedet hvilket også medførte stigende ejerboligpriser, og på trods af lavkonjunkturen i perioden 2001‐2003 var kontantpriserne stigende fra 1993‐2007.
I 2007 indtraf finanskrisen hvilket også ramte boligmarkedet og resulterede i drastisk faldene kontantpriser frem til i dag, hvor priserne virker til at være mere eller mindre stagnerede.
Figur 1. som jeg har brugt til at illustrere prisudviklingen, er som sagt det nominelle prisindeks. Det er dog lige så vigtig også at se på den reale prisudvikling, som jo er den nominelle prisudvikling fratrukket inflation, eftersom vi kan bruge de reale priser til at vurdere om stigningen i
boligpriserne alene skyldes inflationen. Figur 2. viser den reale prisudvikling for en‐families huse i Danmark.
Hvis vi sammenligner den reale prisudvikling med den nominelle, er der ingen tvivl om at de samme høj og lavkonjunkturer er synlige i de to indeks. Men hvor vi ved det nominelle prisindeks får en illustration om at priserne er steget markant, næsten år for år, kan vi ved at studere det
reale prisindeks se, at en‐families husene ikke er steget, meget mere, end omkring 1 % om året igennem de sidste 43 år.
Sammenlignet med andre typer investeringer, med samme type risiko, vil man jo forvente og kræve et langt højere gennemsnitligt afkast, hvilket jo igen er med til at understrege at man ikke kun kan anskue boligerne som et investerings objekt.
Figur 2.
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden
2011‐2013. Egne beregninger.
Generelt kan man sige at priserne på det danske boligmarked har fulgt med den økonomiske udvikling. Men det er dog vigtig at bemærke at det jo ikke altid har været sådan, hvorfor de almindelige fundamentals ikke kan stå alene når vi forsøger at gennemskue prisudviklingen på det danske ejerboligmarked, hvilket jeg vender tilbage til senere i opgaven.
0 0,05 0,1 0,15 0,2 0,25 0,3 0,35 0,4 0,45
1970 1975 1980 1985 1990 1995 2000 2005 2010
Indeks
År, målt pr. kvartal
Real prisindeks for en‐families huse
Real pris for en‐families huse
Prisudviklingen beskrevet ved fundamentals
Som sagt har prisudviklingen på det danske boligmarked fulgt den økonomiske udvikling, men jeg ønsker nu at gennemgå udvalgte fundamentals for at vurdere, hvilke parametre der egentlig er med til at fastsætte priserne. Jeg vil starte med at beskrive udviklingen i de udvalgte
fundamentals, hvorefter jeg vil sammenholde denne udvikling med det nominelle prisindeks for en‐families huse. Jeg har valgt netop disse 5 fundamentals, da jeg mener at de rent intuitivt må have en påvirkning på ejerboligpriserne, samtidig med at det er disse fundamentals der ofte bliver diskuteret i teorien (Nationalbanken, 2011a; Hort, 2000; Lunde, 2007). Derudover har jeg også prioriteret at mængden af data har været mulige at fremskaffe for en længere periode, så jeg har kunnet finde så præcise sammenhæng som muligt. Det er kun den disponible indkomst, som det ikke har været muligt at fremskaffe data på for en længere periode end 12 år. Alle de andre fundamentals bliver vurderet ud fra en periode af data på minimum 26 år.
Det er dog vigtigt at pointere at der også er andre fundamentals som kan spille ind på
prisudviklingen i ejerboligpriserne. Disse andre fundamentals kan være beskæftigelsen, risikofri rente, user costs for ejerboliger, demografi, skatter m.m. (Jørgensen, 2012). Jeg vil dog ikke komme videre ind på nogle af disse fundamentals.
Realkreditrenten
Den første fundamental som jeg ønsker at belyse er den danske realkreditrente. Jeg har valgt kun at fokusere på den lange 30‐årige obligationsrente, da den igennem mange år har været
danskernes foretrukne realkreditlån (Realkreditrådet, 2013, Data) og samtidig også fordi det er på baggrund af denne lånetype de fleste boligkøbere bliver kreditvurderet ud fra, af penge‐ og realkreditinstitutter, når de skal låne til køb af bolig.
Som vi kan se af Figur 3. har renten siden 1987 vist en nedadgående tendens. Figuren illustrerer månedsgennemsnittet for realkreditrenten, som er faldet fra 12,20 procent i januar 1987 til 3,52 procent i november 2012, hvilket altså vil sige en ændring i renten på hele 8,68 procentpoint.
Figur 3.
Kilde: Danmarksstatestik, Statestikbanken, 2013. Egne beregninger.
Hvis vi ser bort fra ændringerne i rentefradraget i perioden, vil det altså sige at det er blevet væsentligt billigere at finansiere købet af en ejerbolig. Intuitivt bør de billigere
finansieringsomkostninger betyde at priserne på boligerne til gengæld stiger, da køberne får råd til at købe dyrere, hvilket er med til at efterspørgslen efter ejerboliger stiger. Man kan sige at der ved lavere finansieringsomkostninger både er flere der får mulighed for at købe en ejerbolig, og
samtidig er køberne villige til at give en højere pris for det de så vil købe.
Figur 4. nedenfor viser sammenhænget mellem priserne og realkreditrenten.
0 2 4 6 8 10 12 14
1987 1992 1997 2002 2007 2012
Renten
År, målt pr. kvartal
30‐årige realkreditrente
Realkreditrenten
Figur 4.
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden
2011‐2013. Egne beregninger.
Som man kan se virker der unægteligt, til at være et sammenhæng mellem de 2 parametre, og generelt kan vi sige at renten er faldende i perioden hvorimod priserne er stigende. Det er dog også interessant, at gå lidt dybere ned i dataene hvor vi i flere perioder meget tydeligt ser sammenhængene. Et godt eksempel er perioden fra 1993 ‐ 1995 hvor vi kan se hvordan renten tager et pænt dyk, næsten samtidig med en pæn stigning i priserne. Der er dog også perioder hvor prisændringerne ikke følger ændringen i renten. Det mest tydelige eksempel er nok den store prisstigning i årene 2003‐2006, lige op til finanskrisen, og efterfølgende også det store prisfald i årene derefter, hvilket jeg vender tilbage til senere i opgaven. Jeg kan altså konstatere at vi ser et vist sammenhæng i udviklingen i de to variable.
0,000 20,000 40,000 60,000 80,000 100,000 120,000
1987 1992 1997 2002 2007 2012
Indeks
År, målt pr. kvartal
Prisindeks & Realkreditrenten
Prisindeks på en‐families huse 30‐årige realkreditrente
Den disponible indkomst
Den disponible indkomst er et udtryk for den del af indkomsten som en person har tilbage, efter at have betalt skat, renteudgifter og underholdsbidrag (Danmarks Statistik, 2012). Årsagen til at jeg også har valgt at se på den disponible indkomst, er ud fra tanken om at størrelsen af den
disponible indkomst, som en gennemsnits person har, er afgørende for prisen på den bolig som han har råd til.
Figur 5. viser den disponible indkomst i Danmark.
Figur 5.
Kilde: Danmarksstatestik, Statestikbanken, 2013. Egne beregninger.
Som det fremgår af Figur 5. har den disponible indkomst været stigende i hele perioden fra år 2000 til 2011. Grunden til den så kraftigt stigende disponible indkomst, skylder hovedsageligt højkonjunkturen i Danmark indtil finanskrisen i 2007, hvor den stabiliserer sig frem til 2009 (Se figur 5.). Højkonjunkturen medbragte stigende lønindkomster, men samtidig har der også i
perioden været flere tiltag fra den danske regering, hvor indkomstskatten er blevet reduceret over nogle gange, så skattelettelser spiller uden tvivl også en rolle.
100000 120000 140000 160000 180000 200000 220000
2000 2002 2004 2006 2008 2010 2012
DKK
År
Disponible indkomst
Disponible indkomst
Hvis vi sammenholder udviklingen i den disponible indkomst med priserne på en‐families huse, får vi også en klar sammenhæng, illustreret ved Figur 6.
Figur 6.
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden
2011‐2013, samt 2000‐2011. Egne beregninger.
Generelt for perioden kan vi se at både boligpriserne og den disponible indkomst er steget. Den disponible indkomst har dog fortsat sin stigning hvorimod boligpriserne fra 2007 til 2011 er faldet.
Ligesom det var gældende med realkreditrenten, kan prisfaldet altså ikke umiddelbart forklares ud fra ændringerne i den disponible indkomst. Det er dog værd at bemærke, at ved vurdering af den disponible indkomsts påvirkning af priser på en‐families huse, ville en længere årrække af data være at foretrække.
50,000 60,000 70,000 80,000 90,000 100,000 110,000 120,000
2000 2002 2004 2006 2008 2010 2012
Indeks. 2006 = 100
År
Prisindeks & Den Disponible Indkomst
Prisindeks på en‐families huse Disponible indkomst
Byggeomkostninger
Alternativet til at købe en eksisterende ejerbolig, er at bygge en ny bolig. Såfremt ejendommene er sammenlignelige, bør køberen vælge den billigste løsning, uanset om det er nybyg eller en eksisterende ejendom. Dette er med til at nedbringe efterspørgslen på ejerboliger, hvorved prisniveauet på de eksisterende boliger falder. En interesseret køber bør altså overveje om han skal købe en eksisterende ejendom eller bygge nyt. Et godt mål for netop dette er Tobins q, som kort beskrevet, viser om det bedst kan betale sig at købe eller bygge (Jørgensen, 2012; Wikipedia, 2013).
Figur 7. viser indekset for byggeomkostningerne i Danmark
Figur 7.
Kilde: Danmarksstatestik, Statestikbanken, 2013. Egne beregninger.
Byggeomkostningerne viser sig tydeligt at have været stigende i den målte periode, hvilket jo dog giver god mening da det er de nominelle omkostninger, hvilket betyder at de stiger med
inflationen.
40 60 80 100 120 140
1987 1992 1997 2002 2007 2012
Indeks. 1. kvartal 2003 = 100
År, målt pr. kvartal
Indeks for byggeomkostninger
Byggeomkostninger
Hvis vi skal sammenholde byggeomkostningerne med prisindekset for en‐families huse, ser vi også en tydelig sammenhæng illustreret i nedenstående figur.
Figur 8.
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden 2011‐2013, samt 1987‐2013. Egne beregninger.
Igen her ser man tydeligt at boligprisernes stigning i perioden 2004‐2007 især, har været væsentlig højere end hvad de økonomiske nøgletal indikerer. Men hvor vi siden 2007 har set faldende priser på en‐families husene er byggeomkostningerne fortsat med at stige.
Inflationen
Inflationen i Danmark beskriver udviklingen i priserne på diverse varer og ydelser som vi handler (Wikipedia, 2013). Ved en høj inflation bliver varende altså hurtigt dyrere, hvilket kan være med til at påvirke gennemsnits danskerens mulige forbrug til bolig. Hvis vi får enten flere, eller færre,
20,000 40,000 60,000 80,000 100,000 120,000 140,000
1987 1992 1997 2002 2007 2012
Indeks
År, målt pr. kvartal
Prisindeks & Byggeomkostninger
Pris for en‐families huse Byggeomkostninger
midler til vores boligforbrug vil det naturligt være med til at kunne påvirke prisen på boligerne.
Som vi tydeligt kan se af Figur 9. er forbrugerprisindekset stigende.
Det betyder jo reelt at varende i Danmark er steget væsentligt de sidste 42 år, dog som vi så af Figur 5. er den disponible indkomst også stigende.
Udviklingen i prisindekset for en‐families huse og forbrugerprisindekset er illustreret i Figur 9.
Figur 9.
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden
2011‐2013. Egne beregninger.
Generelt kan vi sige at vi ser en stigning for begge parametre, men hvis vi ser på de perioder hvor boligpriserne faldt, eller i hvert fald stagnerede, ser vi ofte en højere inflation. Det skal forklares ud fra at vi ofte ser en høj inflation ved lavkonjunkturer, hvor priserne på boligerne tværtimod falder i samme periode. Dette er godt illustreret hvis vi ser på perioden fra 1986 og frem til 1993.
0,000 50,000 100,000 150,000 200,000 250,000 300,000
1970 1975 1980 1985 1990 1995 2000 2005 2010
Indeks
År, målt pr. kvartal
Prisindeks & Forbrugerprisindeks
Prisindeks på en‐families huse Forbrugerprisindeks
Ledigheden
Den sidste fundamental som jeg vil se på, er arbejdsløsheden i Danmark. Hvilket er interessant, da en stigende arbejdsløshed, rent intuitivt betyder, at færre har råd til at købe ejerbolig, og folk, på grund af frygten for at miste sit arbejde, udskyder eventuelle boligkøb, så efterspørgslen falder Arbejdsløsheden har siden 1970 og frem til i dag, bølget både op og ned, hvilket er illustreret i Figur 10.
Figur 10.
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden
2011‐2013. Egne beregninger.
Som det også fremgår af Figur 10. kan vi se at arbejdsløsheden i procent af arbejdsstyrken, på sit laveste niveau, har været helt nede på ca. 0,5 procent, hvorimod man ved lavkonjunkturen i perioden 1986 ‐ 1993, oplevede den højeste arbejdsløshed, som toppede i 1994 med næsten 13 procent.
Når vi sammenligner prisudviklingen på boligerne og arbejdsløsheden ser vi et tydeligt
sammenhæng. I perioder med højkonjunkturer ser vi ofte en faldende arbejdsløshed, og samtidig
0,0 2,0 4,0 6,0 8,0 10,0 12,0 14,0
1970 1975 1980 1985 1990 1995 2000 2005 2010
Procentuelle arbejdsløshed
År, målt pr. kvartal
Arbejdsløsheden i Danmark
Arbejdsløsheden i Danmark
også en stigning i huspriserne. Det modsatte er gældende ved lavkonjunkturer, eftersom en stigning i ledigheden vil mindske efterspørgslen på ejerboliger.
På Figur 11. ses prisindekset for en‐families huse og et indeks for arbejdsløsheden. Især i perioden fra 1993 og helt frem til 2007, har vi set et næsten konstant fald i arbejdsløsheden samtidig med at boligpriserne konstant er steget. Det er dog værd at bemærke at efter it‐boblen sprang i starten af 2000'erne kan vi se at arbejdsløsheden steg indtil 2004, hvor boligpriserne i samme periode fortsatte sin stigning. Vi ser altså en usikkerhed omkring sammenhænget for de to parametre, hvorfor jeg ikke kan konkludere endnu om de to variable afhænger af hinanden, hvilket jeg vender tilbage til senere i min opgave.
Figur 11.
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden
2011‐2013. Egne beregninger.
0,000 50,000 100,000 150,000 200,000 250,000 300,000 350,000 400,000
1970 1975 1980 1985 1990 1995 2000 2005 2010
Indeks. 2006 = 100
År, målt pr. kvartal
Prisindeks & Arbejdsløshedsindeks
Prisindeks for en‐families huse Arbejdsløshedsindeks
Korrelationerne mellem prisindekset og fundamentals
Jeg har nu gennemgået de fem udvalgt fundamentals som jeg har valgt at analysere ud fra, og kort beskrevet udviklingen i hver enkelt holdt op imod udviklingen i priserne for en‐families huse.
Hvilke viste at der var et sammenhæng imellem de forskellige fundamentals og boligpriserne. Jeg vil nu beregne korrelationerne mellem de forskellige fundamentals og prisindekset for en‐families huse, for at kunne vurdere sammenhængene så præcist som muligt, og samtidig også for at se hvilke parametre der påvirker prissætningen af ejerboliger mest.
Variansen
Jeg starter med at beregne variansen, som angiver variabiliteten af en stokastisk variable (Japhetson, 2011; Wikipedia, 2013). Variansen beskriver altså hvor meget variablens værdier afviger for middelværdien (Japhetson, 2011; Wikipedia, 2013).
Variansen er givet ved følgende formel:
2) ↔
hvor X er den stokastiske variabel, og E(X) angiver middelværdien af den stokastiske variabel.
Grundet omfanget af observationer bruger jeg dog den empiriske varians som er givet ved formlen:
∑
1
hvor x‐ er middelværdien af observationerne og n er antallet af observationer.
Kovariansen
Kovariansen angiver, som det lidt ligger i navnet ko‐varians, hvordan de to stokastiske variabler varierer med hinanden (Japhetson, 2011; Wikipedia, 2013). Kovariansen beskriver altså
spredningsforholdet mellem de to stokastiske variabler, betegnet som X og Y i formlen for kovarians (Japhetson, 2011; Wikipedia, 2013). Ligningen for kovarians ser således ud:
, ∗
Ulempen ved kovariansen som nøgletal for de 2 stokastiske variablers sammenhæng, er at den ikke er uafhængig af skalering. Så hvis den ene variabel for eksempel bliver fordoblet, bliver kovariansen samtidig også fordoblet (Japhetson, 2011; Wikipedia, 2013).
Igen grundet de mange data benytter jeg de empiriske størrelser og beregner derved kovariansen ud fra følgende formel:
, 1
1 ∗
Hvor n igen er antallet af observationer og x‐ og y‐ er middelværdierne for de to variable.
Korrelationen
Det sidste nøgletal, jeg ønsker at beregne, er korrelationen, som er den værdi jeg ønsker at beregne, for på bedste vis, at kunne vurdere på de forskellige fundamentals påvirkning af ejerboligpriserne. Fordelen ved korrelationen, set i forhold til kovariansen er netop at den er uafhængig af skala (Japhetson, 2011; Wikipedia, 2013).
Korrelationen er givet ved formlen:
, ,
∗
En høj korrelation viser at de to variabler hænger sammen, og at man kan forudsige den ene ud fra den anden. En korrelation på 1 betyder at de to variabler er perfekt positivt korrelerede, en
korrelation på ‐1 betyder omvendt at de er perfekt negativt korrelerede og en korrelation på 0 viser at de to variabler er ukorrelerede (Japhetson, 2011; Wikipedia, 2013).
I min søgen efter at finde den fundamental som bedst kan beskrive boligprisernes udvikling, ønsker jeg altså at finde den fundamental hvis værdier sammenholdt med prisindekset på en‐
families huse, har en værdi så tæt på 1 eller ‐1 som overhovedet muligt.
Beregning af variansen
Som beskrevet benytter jeg formlen for den empiriske varians til at finde varianserne for mine forskellige stokastiske variabler. Grundet mængden har jeg benyttet Excel til beregningerne og jeg har først fundet middelværdierne og derefter følgende varianser, som er illustreret i Tabel 1.
Tabel 1.
Variabel Middelværdi Varians
Prisindeks en‐families huse 43,215 805,246
En‐families huse 1987‐2013 59,64114758 632,5758839
En‐families huse 2000‐2011 80,675 294,9028409
Realkreditrenten 7,357317308 5,921094428
Disponible indkomst 165760,4167 495.150.282
Byggeomkostninger 93,20095238 417,2814414
Inflationen 166,7827341 5346,94653
Ledigheden 6,387790698 8,415795171
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden 1987‐2013. Egne beregninger.
Årsagen til at jeg også har beregnet middelværdierne og varianser for prisindekset på en‐families huse i perioderne 1987‐2013 og 2000‐2011, er at jeg senere så kan beregne korrelationerne imellem netop prisindekset for en‐families huse og henholdsvis byggeomkostningerne og den disponible indkomst.
Beregning af kovariansen
Jeg har ligeledes beregnet de empiriske kovarianser som er vist i Tabel 2. nedenfor.
Tabel 2.
Variabel En‐families huse
Realkreditrenten ‐50,53528969 Disponibel indkomst 294342,8
Byggeomkostninger 475,7499005
Inflationen 1862,299509 Ledigheden ‐11,81986338
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden 1987‐2013. Egne beregninger.
Ved beregning af kovariansen imellem prisindekset for en‐families huse og den disponible indkomst har jeg beregnet den gennemsnitlige værdi og brugt den som forudsætning for den årlige pris ændring på en‐familis husene, eftersom jeg kun har årlige data for den disponible indkomst, og ændringen heri.
Beregning af korrelationer
Jeg har nu fundet de varianser og kovarianser som jeg skal bruge til at beregne korrelationerne.
For eksemplets skyld viser jeg her hvorledes korrelationen mellem en‐families huse og den
disponible indkomst bliver beregnet. X er et udtryk for prisindekset for en‐families huse og Y er et udtryk for den disponible indkomst:
, ,
∗
, 294.342,8
294,9028409 ∗ 495.150.282 0,7703
På samme måde beregner jeg også de andre variables korrelationer med det nominelle prisindeks for en‐families huse som jeg har oplistet i Tabel 3.
Tabel 3.
Variabel Korrelation
Realkreditrenten ‐0,7319
Disponible indkomst 0,7703
Byggeomkostninger 0,9260
Inflation 0,8975
Ledighed ‐0,1436
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden 1987‐2013. Egne beregninger.
Som jeg tidligere kort har beskrevet, betyder en korrelation så tæt på enten 1 eller ‐1, at de to variable varierer ens, og derved kan vi sige, at man ved at se på den ene variabel kan forudsige
den anden (Wikipedia, 2013). Omvendt gælder det med en værdi tæt på 0, at de to variable er ukorrelerede, så de på ingen måde varierer ens (Wikipedia, 2013).
Ud fra de beregnede korrelationer, ser vi tydeligt at priserne for en‐families huse, i høj grad er styret af de forskellige fundamentals. Det er faktisk kun ledigheden, som med værdien ‐0,1436 viser sig ikke at have nogen effekt på huspriserne. Én årsag til denne lave korrelation kan muligvis findes ved de perioder hvor huspriserne fortsatte sin stigning selvom arbejdsløsheden faldt. Det kan også forklares ved at der må forventes at være en forsinkelse på at priserne falder hvis arbejdsløsheden stiger, for hvis en husejer mister sit arbejde og bliver nødsaget til at sælge sin ejendom, vil han prøve at få så høj en salgspris som muligt. Omvendt vil køberne i markedet formentlig ikke give en lige så høj pris, da de også ser usikkerheden omkring den stigende arbejdsløshed, og før udbuddet og efterspørgslen mødes, må der beregnes en hvis periode.
Derudover er det de nominelle priser, jeg benytter på en‐families husene, hvorfor resultatet kan tænkes at være et andet, såfremt det var de reale priser jeg anvendte. For at teste denne teori har jeg også beregnet korrelationen imellem det reale prisindeks for en‐families huse og ledigheden, og får en korrelation på ‐0,4790. Dette bekræfter at hvis vi holder inflationen ude af beregningen ser vi et langt større sammenhæng, men dog stadig den laveste korrelation af de 5 udvalgte fundamentals.
Til sidst må jeg også fastslå, at ved indførelsen af afdragsfrie realkreditlån, skabte man en
mulighed for boligejerne til at få sat udgifterne til lånet ned, for eksempel i en periode hvor man bliver ramt af arbejdsløshed. På den måde kan der gå endnu længere tid før husejeren bliver nødsaget til at sætte sin salgspris ned, så den passer med efterspørgslen i markedet. De afdragsfrie låns påvirkning på boligpriserne vil dog ikke blive yderligere diskuteret.
Realkreditrentens korrelation med priserne på en‐families huse, viser sig at være forholdsvis stærkt negativt korreleret. Det giver god mening at de er negativt korrelerede eftersom hvis renten falder, vil omkostningerne til at bo i huset falde, hvorfor køberne har mulighed for at betale mere for det de ønsker at købe, så priserne på ejendommene vil stige (DiPasquale & Wheaton, 1996, s. 11). Med en korrelation på ‐0,7319 ser vi altså et tydeligt sammenhæng mellem de to variable. Omvendt kan vi også sige at årsagen til at de ikke er endnu mere korrelerede formentlig
Rentetilpasningslånet blev indført i 1996 (Realkreditrådet, 2013), og har siden da vundet større og større markedsandel, men også bankernes udlånsrente på boliglån må have en hvis betydning. Til sidst er det ikke alle købere, der har behov for lån til køb af boligen. Min pointe er, at hvis køberen ikke vil belåne den nye ejendom med et fastforrentet 30‐årigt obligationslån, så har renten på denne lånetype jo ikke den store påvirkning på køberens beslutning om pris.
Den disponible indkomst er i modsætning til realkreditrenten positivt korreleret med priserne på en‐families huse. Intuitivt giver det også god mening, for jo flere penge potentielle købere får imellem hænderne, jo dyrere har de råd til at købe, hvilket skubber priserne på ejerboligerne op.
Korrelationen mellem de to variable lyder på 0,7703, hvilket også viser at de er forholdsvist stærkt forbundet. Det er dog værd at bemærke at data for den disponible indkomst kun er årlige målinger i perioden 2000 ‐ 2011, hvilket gør at der er en ret stor usikkerhed omkring de to variables
egentlige sammenhæng, da flere data ville have været at foretrække.
Byggeomkostningerne er den variabel i mine beregninger, der er stærkest korreleret med priserne for en‐families huse. Korrelationen mellem de to variable er på hele 0,9260 og vi må altså
konstatere at der er et stærkt sammenspil mellem prisen på at få bygget nyt og at købe en eksisterende bolig. På Figur 8. som beskriver netop udviklingen for de to variable viser også det tydelige sammenhæng. Faktisk kan man stille spørgsmålstegn ved, om korrelationen ville have været endnu højere hvis det ikke var for boligprisernes ekstreme stigning i perioden 2004‐2007.
De to variable bør også have en ret høj korrelation, for hvis priserne for eksempel på at få bygget nyt, stiger mere end priserne på de eksisterende ejendomme, vil folk jo hurtigt foretrække at købe i stedet for at bygge. Derudover bliver både byggeomkostningerne og de nominelle priser på en‐
families huse i høj grad påvirket af inflationen. Hvilket også er uddybet i afsnittet De indbyrdes korrelationer.
Inflationen viser sig også at have et tydeligt sammenhæng med priserne på en‐families husene.
Korrelationen lyder på 0,8975, og er altså den anden højeste korrelation i mine beregninger. Det er dog helt logisk, da de nominelle priser på en‐families huse, jo er de reale priser tillagt
inflationen. Sammenhængene imellem disse to parametre må altså formodes at være væsentlig anderledes, hvis det var de reale boligpriser som jeg sammenholdte med inflationen.
De indbyrdes korrelationer
Jeg har nu vist og analyseret de forskellige fundamentals sammenhæng, med priserne på en‐
families huse. Men som jeg også tidligere har skrevet, så fungerer de forskellige fundamentals ikke uafhængigt af hinanden. Alt andet lige må de forskellige fundamentals også have en effekt på hinanden. Så for at blive lidt klogere på, hvilke fundamentals der har en sammenhæng, har jeg beregnet de indbyrdes korrelationer imellem de udvalgte fundamentals som jeg har hidtil har benyttet i mine beregninger.
Korrelationerne imellem de forskellige fundamentals er opstillet i nedenstående Tabel 4.
Tabel 4.
Realkreditrenten Disponible indk. Byggeomkost. Inflation Ledighed
Realkreditrenten
Disponible indk. ‐0,7143
Byggeomkost. ‐0,9129 0,9771
Inflation ‐0,9267 0,9821 0,9971
Ledighed 0,6329 0,0342 ‐0,6903 0,1901
Kilde: Abildgren (2010) data fra perioden 1970‐2010. & Danmarksstatstik (2013) data fra perioden 1987‐2013. Egne beregninger.
Mine forventninger om, at de forskellige fundamentals ofte reagerer sammen, må siges at holde stik, begrundet ud fra mine beregnede resultater.
Realkreditrenten og den disponible indkomst er forholdsvist højt negativt korrelerede, renten vil altså ofte falde samtidig med at den disponible indkomst vil stige. Dette kommer ikke som den store overraskelse da vi igennem perioden har set stigende disponible indkomster og faldende renter. Når det kommer til resultaterne for den disponible indkomst, må jeg dog understrege at perioden der måles på kun er perioden fra 2000‐2011 målt på årsbasis. Dataene er altså ikke helt
så mange som man kunne have ønsket, og sammenhængene kan altså hurtigt blive upræcise, set i forhold til de andre resultater.
Realkreditrenten og byggeomkostningerne viser sig at være stærkt negativt korrelerede.
Forklaringen må være at ved højkonjunkturer ser vi ofte at udbuddet efter byggeri stiger, hvilket presser priserne op, i samme periode vil renten ofte falde, grundet det store udbud af penge i markedet (Wikipedia, 2013).
I inflationen ser vi generelt en blød stigning, som igennem de sidste mange år har ligget omkring de 2 procent p.a. Omvendt har den lange realkreditrente siden 1987 vist en tydelig nedadgående tendens (Se figur 3.). Det er derfor ikke så mærkeligt at vi ser en så høj negativ korrelation imellem netop realkreditrenten og inflationen. Ved lavkonjunkturer ser vi ofte stigende realkreditrenter, men faldende inflation og omvendt ved højkonjunkturer.
Den fundamental, som realkreditrenten har den laveste korrelation med, er ledigheden. Men med en korrelation på 0,6329 ser vi dog stadig, at der er et sammenhæng imellem de to parametre.
Forklaringen er at vi i opgangs tider normalt ser en faldende arbejdsløshed og en faldende rente.
Senest har vi også set det her i perioden før og efter finanskrisen, da vi inden krisen så faldende renter og ledighed, og lige efter krisen steg den lange realkreditrente og ledigheden igen (Se figur 3 & 11).
At den disponible indkomst og byggeomkostningerne er så tæt korrelerede som de er med en korrelation på hele 0,9771, synes ikke overraskende. For det første vil begge parametre ofte have en stigning omkring inflationens udvikling, og samtidig er der også indeholdt lønomkostninger i byggeomkostningerne. I en periode med stigende indkomster hos håndværkere m.m. i
byggebranchen, vil de disponible indkomster også stige.
Den disponible indkomst vil som sagt ofte følge inflationen i grove træk. Om lønningerne stiger på grund af de stigende omkostninger til varer og ydelser, eller om det på grund af stigende lønninger er nødvendigt at forhøje priserne, er der i teorien stor uenighed om (Wikipedia, 2013). Men vi ser altså også på korrelationen at der er en tæt forbindelse imellem inflationen og den disponible indkomst.
Vi har siden 2000 set en stigning i de disponible indkomster, hvilket egentlig ikke hænger sammen med at arbejdsløsheden siden 2008 har været stigende. Man skulle jo mene at jo færre der arbejder, jo færre penge får gennemsnitsdanskeren imellem hænderne, eftersom man alt andet lige, må forvente at gennemsnittet tjener mere ved at arbejde, frem for at være på
overførselsindkomst. Forklaringen skal dog findes ved et stort fald i renteudgifterne samt en stigning i overførselsindkomsterne (Danmarks Statistik, 2012). En anden forklaring kan være de skattelettelser vi igennem de seneste år har set. Den danske regering har forsøgt at skubbe gang i væksten ved at give skattelettelser så gennemsnitsdanskeren får flere penge imellem hænderne, og derved kan sætte forbruget op, hvilket i teorien vil skabe vækst. Man har dog kunnet
konstatere at det ikke virker til at være lykkedes under finanskrisen. Årsagen til dette kan meget vel være psykologiens påvirkning på markedet, hvilket jeg vender tilbage til senere i min opgave.
Forholdet imellem byggeomkostningerne og inflationen skal også ses ud fra omtrent samme forklaring som for den disponible indkomst og inflationen. Byggeomkostningerne er et udtryk for ændringen i udgifterne til vare og ydelser i forbindelse med byggeri, og inflationen er jo netop også et udtryk for de generelle ændringer i varer og ydelser (Wikipedia, 2013). Så jeg mener at det giver god mening, at vi her ser, den højeste korrelation imellem de forskellige fundamentals, på hele 0,9971, hvilket viser at de to parametre er næsten fuldstændig korrelerede.
Byggeomkostningerne og ledigheden viser sig at være forholdsvis tæt negativt korrelerede. Faktisk er byggeomkostningerne den fundamental som har den højeste korrelation med ledigheden.
Byggebranchen er en meget konjunkturfølsom branche (Dansk Byggeri, 2012). Ved højkonjunkturer ser vi normalt stigende byggeomkostninger, også grundet stigende
lønomkostninger. Omvendt ved lavkonjunkturer ser man for det første at mange i byggebranchen mister deres arbejde og bliver ledige, og at byggeomkostningerne falder, grundet den større konkurrence i branchen, for at få det arbejde der er. Efterspørgslen efter byggeri falder ofte ved lavkonjunkturer hvilket er med til at presse lønomkostningerne ned i branchen og derved også byggeomkostningerne.
De sidste to fundamentals er ledigheden og inflationen. De to fundamentals viser sig kun at have et meget lille sammenhæng, med en korrelation på 0,1901. Hvis vi ser på udviklingen i inflationen,
har den også historisk været støt stigende, hvorimod ledigheden har haft rimelige store udsving (Se figur 9 & 10).
Ud fra denne analyse af de forskellige fundamentals sammenhæng, kan jeg konkludere, at det er yderst vigtigt at medregne alle de forskellige parametre, hvis man vil forsøge at give et bud på husprisernes fremtidige udvikling. En fundamental kan altså ikke stå alene til at forudsige boligpriserne.
Mine resultater sammenholdt med andre analyser
Der har uden tvivl været lavet mange analyser igennem tiderne på hvad der egentlig bestemmer udviklingen i ejendomspriserne. En af de større rapporter der er lavet herhjemme i Danmark de seneste par år, er Nationalbankens kvartalsoversigt fra 2011, 1. kvartal 2. del. som hovedsageligt forsøger at redegøre for udviklingen i ejendomspriserne fra 2000 og frem (Nationalbanken, 2011a).
Jeg vil i dette afsnit sammenligne mine resultater med de resultater Nationalbanken er kommet frem til i deres rapport. Ved at lave denne sammenligning har jeg mulighed for at vurdere om mine resultater er valide.
Nationalbanken konkluderer, at boligprisernes udvikling på kort sigt er altovervejende bestemt af efterspørgslen, hvilket jo skal forklares ved at udbuddet af boliger kun langsomt bliver tilpasset ved nybyggeri (Nationalbanken, 2011a, side 12).
De parametre som er med til at styre efterspørgslen, er bl.a. de fem fundamentals som jeg har lavet min analyse ud fra. Men et andet vigtigt begreb, når vi ser på efterspørgslen, er brugerprisen ved at investere i en ejerbolig, også kaldet user cost (Lunde, 1998). Som er et udtryk for de
samlede omkostninger ved at investere i en ejerbolig. Parametre såsom renten, boligskatter, skattesubsidier m.m. er altså med i denne opgørelse. Udvikling i ejendomspriserne har dog været svære at forklare ved brugerprisen, hvorfor Nationalbanken i rapporten, nu også ser på effekten af førsteårsydelsen, for at beskrive disse store prisstigninger. Den hidtidige teori har ellers været at hvis investorerne er fuldt rationelle og ikke har kreditrestriktioner, så bør ejerbolig efterspørgslen
udelukkende være bestemt af brugerpriserne. Dette er forklaret ved at f.eks. en afdragsfri periode ikke påvirker efterspørgslen eftersom afdrag skal ses som en opsparing for boligejeren og ikke en egentlig omkostning. Men hvis køberne også fokuserer på deres likviditet og samtidig har
kreditrestriktioner, eller bare ikke kan gennemskue modellen for brugerprisen, så vil rentetilpasningslån og muligheden for afdragsfrihed, også spille en afgørende rolle for
efterspørgslen, udtrykt ved effekten af førsteårsydelsen (Nationalbanken, 2011a, side 12‐13).
Ligesom jeg har kunnet fastslå ved mine beregnede korrelationer, har Nationalbankens analyser også vist at boliginvesteringerne hænger stærkt sammen med boligpriserne. De skriver:
"Den økonomiske analyse viser, at boliginvesteringerne i meget høj grad er drevet af udviklingen i boligpriserne, idet en stigning i priserne på eksisterende boliger i forhold til byggeomkostningerne tilskynder til nybyggeri"( Nationalbanken, 2011a, side 1.)
Der er altså ingen tvivl om at byggeomkostningerne kan benyttes som en indikator, for udviklingen i boligpriserne. Dog bemærkes det også i rapporten at de markante stigninger vi så i
boliginvesteringen i perioden 2004‐2007, ikke kan forklares ud fra deres økonomiske model, men formentlig skal forklares ved investorernes forventning om stigende ejendomspriser, og altså med en hurtig gevinst for øje (Lunde, 2007).
Ud fra de variable, som de i rapporten har lagt til grund for beregningerne, er det især
renteudviklingen, som har en afgørende indflydelse på boligprisernes stigning i perioden 2000‐
2007 (Nationalbanken, 2011a, side 14). Godt 26 procentpoint af forklaringsgraden tegner renten sig for, hvor af halvdelen ca. er grundet de lavere 30‐årige fastforrentede obligationslån, og den anden halvdel rentetilpasningslånenes korte, og lavere renter (Nationalbanken, 2011a, side 14).
Det bliver altså igen her bekræftet at renteudviklingen har en afgørende betydning i boligprisernes udvikling. Rapporten viser dog samtidig også at 46 procentpoint af boligprisernes stigning kan forklares ved udbredelsen af både rentetilpasningslånene og de afdragsfrie lån (Nationalbanken, 2011a, side 2), hvilket jeg dog ikke vil uddybe yderligere i min opgave.
Stigningen i indkomsterne, igennem perioden, spillede også en vigtig rolle, hvilket igen stemmer overens med det jeg kunne resonere ud fra min analyse. I Nationalbankens analyser viser det sig at
indkomstfremgangen i Danmark har en forklaringsgrad på 13 procentpoint af prisudviklingen på ejerboligerne (Nationalbanken, 2011a, side 16) i den beregnede periode.
En anden undersøgelse, som også beskriver fastsættelsen af boligpriser, er en international undersøgelse af det svenske boligmarked sammenfattet i artiklen "Prisbildningen på egnahem i Sverige" skrevet af Katinka Hort i år 2000.
Katinka Hort (2000) peger også på, at det hovedsageligt var ændringerne i den disponible
indkomst samt finansieringsomkostninger, altså renten, som er med til at påvirke efterspørgslen efter ejerboliger, og derved også påvirke priserne. Hun mener dog også at prisforventningerne i høj grad er styret af den historiske udvikling (Hort, 2000), hvilket jeg vender tilbage til under punktet Prisbobler.
Realkreditrådet (u.å.) har også lavet forskellige analyser af det danske ejerbolig‐ og
realkreditmarked, og de finder at faren ved stigende arbejdsløshed er langt større end ved
stigende renter (Realkreditrådet, u.å.). De mener altså, at en stigende ledighed kan medføre fald i boligpriserne. Sammenholdt med mit resultat, der viste at ledigheden var den fundamental, der havde den laveste korrelation med priserne for en‐families huse, er Realkreditrådet altså af en anden mening end mine resultater tilskynder. Igen må jeg pege på, at en grund til at jeg finder det lille sammenhæng imellem boligpriserne og ledigheden, kan være at det er de nominelle priser på en‐families huse jeg benytter, hvor inflationen også spiller en rolle. Ellers ser vi her et eksempel på at Realkreditrådet er farvede af at være en brancheforening, og derved benægter risikoen der kan være ved et rentefald.
Delkonklusion
Historisk set har udviklingen i boligpriserne i høj grad kunnet forklares ud fra udviklingen i de underliggende fundamentals så som realkreditrenten, den disponible indkomst,
byggeomkostningerne, inflationen og ledigheden.
Man kan sige at boligudbuddet er konstant på kort sigt, hvorfor det er efterspørgslen der i høj grad fastsætter priserne på de danske ejerboliger. De forskellige fundamentals er med til at påvirke efterspørgslen på ejerboliger, hvorfor de er med til at styre priserne.
Et godt mål for hvor stor en påvirkning de forskellige fundamentals enkeltvis har haft på boligpriserne, er korrelationen.
Mine beregninger viste at 4 ud af de 5 fundamentals, i høj grad, var enten positivt eller negativt korrelerede med boligpriserne. Især byggeomkostningerne viste en høj korrelation på hele 0,9260, hvilket skal forklares ud fra at inflationen er medregnet i både de nominelle priser på en‐families huse samt i byggeomkostningerne, der jo netop er et udtryk for stigningen i de service og ydelser byggebranchen tilbyder. Dette er også hovedårsagen til at inflationen har så høj en korrelation med boligpriserne som det er tilfældet i mine resultater.
Den disponible indkomst påvirkning af ejerboligpriserne ses også forholdsvist tydeligt. Dette kan forklares ud fra at jo flere penge den enkelte har tilbage efter at have betalt skat, jo dyrere har man råd til at købe. Derudover må jeg igen pege på at inflationen er medregnet i begge de to parametre. Nationalbanken fandt da også at stigningen i indkomsterne i Danmark siden 2000 har kunnet forklare hele 13 procentpoint af stigningerne i boligpriserne (Nationalbanken, 2011a, side 16).
Realkreditrenten har også en væsentlig rolle at spille ved ændringer i ejerboligpriserne. Jeg fandt at de to parametre havde en korrelation på ‐0,7319 hvilket betyder at hvis renterne stiger så falder prisen på ejerboligerne og omvendt. Jeg har altså fundet at der er en ret stor sammenhæng
imellem de to variable, hvilket Nationalbanken også bekræfter i deres rapport, hvor de tilskriver renten til at være den mest betydelige fundamental, til at bestemme boligpriserne. De finder en