Norwegian Housing Market Watch 2023

I årets Norwegian Housing Market Watch tar Anders Lund i Eiendomsverdi oss først gjennom hva som skjedde i boligmarkedet i 2022. Han presenterer nøkkeltall – ikke minst den populære indeksen han selv skapte: Sykepleierindeksen. Nejra Macic, sjeføkonom i Prognosesenteret, bruker mikrodata for å undersøke kjøpskapasiteten blant norske husholdninger opp mot verdien av boligene som finnes i Norge. Harald Magnus Andreassen er sjeføkonom i Sparebank1 Markets og stiller i sin artikkel spørsmålet: Evig oppgang i boligmarkedet? Han kommer med mange interessante betraktninger om boligmarkedet, understøttet av en rekke spennende makro- og boligmarkedstall.

Les hele rapporten her.

New Working Paper: “Bidding behavior in the housing market”

André Kallåk Anundsen, Erling Røed Larsen, Andreas Benedictow and Mikkel Walbækken (Sopra Steria) have written the paper “Bidding behavior in housing auctions”. The paper can be downloaded here.

Summary (In Norwegian):

Dette er en empirisk analyse av atferdsmønstre i det norske boligmarkedet. Vi benytter budlogger fra DNB Eiendom over perioden fra 2007 til 2021. Vi analyserer 1 271 741 bud fra 195 968 budrunder.

Vi skiller mellom forhandlinger (kun én budgiver), ikke-kompetitive auksjoner (minst to budgivere, men færre enn tre budgivere som hver gir tre eller flere bud), og kompetitive auksjoner (minst tre budgivere som hver gir minst tre bud).

Vi studerer deretter hvordan både budrundedynamikk og utfall av budrunden avhenger av auksjonsform. Våre resultater viser at kompetitive auksjoner er forbundet med kortere budfrister, kortere intervaller mellom budene, lavere åpningsbud, mindre budøkninger, kortere liggetid, og en større differanse mellom salgspris og prisantydning. I tillegg finner vi at individuelle budgivere øker sitt budbeløp mer relativt til sitt første bud i auksjoner med mye konkurranse. Disse funnene er etablert ved regresjonsanalyse, hvor vi kontrollerer for prisantydning, salgstidspunkt (år-måned faste effekter), hvilken megler som ble benyttet (meglerfaste effekter), og kjennetegn ved boligen som ikke forandres over tid (beliggenhet, størrelse, solforhold, etc. – såkalte boligfaste effekter). Det siste er mulig, siden vi følger repeterte salg.

Helt til sist følger vi budgivere på tvers av budrunder. Vi beregner det høyeste budet hver av disse budgiverne gir i hver av budrundene de deltar i. Deretter undersøker vi om budgiverne øker sine bud når de opplever å tape budrunder. I snitt finner vi at en budgiver som har tapt en budrunde øker sitt maksimale bud med NOK 30 000. En budgiver som har tapt 4 eller flere budrunder øker i snitt sitt maksimale bud med mer enn NOK 140 000. Det er altså tegn til at budgiverne «tøyer strikken» når de taper gjentatte budrunder.

Dette resultatet står seg når vi hensyntar at budrundene finner sted på ulike tidspunkt (markedsutvikling), at budgiverne byr på objekter med ulik prisantydning eller ulik størrelse, samt at vi hensyntar ulik konkurranse i de ulike budrundene – målt som forskjellen i antall budgivere.

Paper accepted at AEJ: Macroeconomics

The paper “Asymmetric effects of monetary policy in regional housing markets”, by André Kallåk Anundsen (Housing Lab) and Knut Are Aastveit (Norges Bank) has been accepted for publication in American Economic Journal: Macroeconomics. The paper can be read here.

New Working Paper: “Is the housing market an inequality generator?”

Erling Røed Larsen has, together with Terje Eggum (Eiendomsverdi), written the paper “Is the housing market an inequality generator?”. The paper can be downloaded here.

Er boligmarkedet en ulikhetsgenerator?

Vi stiller spørsmålet om boligmarkedet er en ulikhetsgenerator. For å besvare spørsmålet, søker vi å isolere boligmarkedet fra alle andre faktorer og kilder til ulikhet, for eksempel inntekt, aksjegevinster, arv og jobb. Derfor ser vi kun på verdistigninger av boliger folk eier, nærmere bestemt eiernes kapitalgevinster, og vi definerer kapitalgevinst som forskjellen mellom salgspris og kjøpspris. Vi utnytter data på boligeierskap og boligtransaksjoner slik at vi har oversikt over hvem som eier hva hvor lenge og når. For å kunne etablere et panel av boligeiere, og anslag på hvilken verdistigning boligene deres har gjennomgått, trenger vi imidlertid et estimat på verdien av boligen når den ikke selges. Til dette formålet bruker vi Eiendomsverdis automatiske verdsettingsmetode (AVM). For å begrense omfanget av antall eiere vi følger, noe må vi gjøre for å redusere dataomfanget til en størrelse som er håndterbar, følger vi kun eiere som er født i 1965, 1970, 1975, 1980, 1985 og 1990.

Vi følger disse eierne fra 1. januar 2007 til 1. januar 2019. Det omfatter 77 554 eiere som vi anslår kapitalgevinstene til i hvert kvartal i denne 12 årsperioden. Vi tillater at eierne eier kun en andel av en bolig, og i så tilfelle vil kapitalgevinsten begrenses til andelens størrelse. Når eierne har kjøpt og solgt, vil kapitalgevinsten være observerbar. Den kan da direkte leses av som salgspris minus kjøpspris. Legg imidlertid da merke til at kapitalgevinsten kan være negativ – noe den ofte var i finanskrisen. Siden den er direkte observerbar fra to markedspriser, reserverer vi begrepet realisert kapitalgevinst til den typen verdistigning. Hvis eieren eide før 1. januar 2007, men solgte før 1. januar 2019, eller kjøpte i perioden, men eide boligen 1. januar 2019, vil vi kun observere én markedstransaksjon. I det første tilfellet eide eieren boligen før vi startet å observere panelet. I det siste tilfellet eide eieren boligen fortsatt da vi avsluttet observasjonsperioden. Vi sier da at det vi beregner kalles en semi-realisert kapitalgevinst. Hvis eieren både eide boligen 1. januar 2007 og fortsatte eide boligen 1. januar 2019, har vi ingen observerte transaksjonstall for boligen. Vi beregner da en potensiell kapitalgevinst basert på AVM-verdiene ved periodens start og slutt.

Noen konkrete tall vil illustrere størrelsen på boligulikheten. Som en innledende øvelse ser vi på verdiene av boligene. Gini-indeksen for boligverdier var 0.26 i 2007 mens den økte til 0.29 i 2019. Dette er en økning i indeksen på 10 %, noe som er betydelig. Dernest foretar vi våre hovedstudier på selve kapitalgevinstene, og finner at 90. prosentilen av kapitalgevinster blant dem som har eid en bolig i Oslo i løpet av perioden, er på 3,35 millioner kroner. Den tilsvarende prosentilen for dem som ikke har eid en bolig i Oslo i perioden, er på 1,67 millioner kroner. Dette forteller oss to ting. For det første forteller den at den som var blant de heldigste kapitalgevinstinnehavere for Oslo-eiere, så var gevinsten stor. For det andre forteller den at Oslo-gevinsten var mye større enn den var blant andre enn Oslo-eierne. Faktisk var den første dobbelt så stor som den siste. Siden 10. prosentilen øker langt mindre, innser vi at det både er store forskjeller innad i Oslo og på tvers av kommuner innad i landet. Når vi i tillegg vet at gjennomsnittlig månedslønn i Norge i 2019 på tvers av alle sektorer (kilde: SBB) var på 45,610 kroner, ser vi at 90. prosentilen av kapitalgevinster blant Oslo-eiere er 80 ganger større enn månedslønnen. Dette er altså kapitalgevinster som tilfaller eierne uten at de arbeider for dem, og som er skattefrie hvis boligene selges etter at eierne har bodd i dem minst 12 av de siste 24 måneder før salget.

For å illustrere skjevheten i kapitalgevinstene sorterer vi først alle eiere etter deres 2007-verdi, og så deler vi dem inn i 20 grupper, sortert etter 2007-verdi. Gruppe 1 omfatter dem som har de laveste boligverdiene i 2007. Gruppe 20 omfatter dem med de høyeste verdiene. Etter 12 år har gruppe 20 en typisk kapitalgevinst på 2,86 millioner kroner. Gruppe 19 har en typisk kapitalgevinst på 1,78 millioner kroner. De fem prosentene av eiere med største verdier i 2007, har altså en kapitalgevinst som er 61 prosent større enn de neste fem prosentene. Gruppe 10 hadde en kapitalgevinst som var på 0,97 millioner, altså rett under millionen. Det betyr at gruppe 19 likevel hadde kapitalgevinster som var 84 prosent større enn gruppe 10, selv om gruppe 20 hadde kapitalgevinster som var 61 prosent større enn gruppen 19. Igjen etterlater dette et inntrykk av store forskjeller i gevinster mellom ulike eiergrupper.

Det er ingen tvil om at boligulikheten øker i perioden. Vi finner også at boligprisene Granger-forårsaker boligulikhet, noe som innebærer at boligprisene øker først, dernest ulikheten. Vi finner ikke det motsatte, altså at ulikheten kommer før prisene. Inntekt samvarierer også med boligulikhet. Dette funnet har vi imidlertid funnet ved å bruke en annen metode der vi utnytter variasjon mellom norske kommuner. I denne delstudien ser vi ikke på individer, men på kommunenivåer kvartalsvis i 12-årsperioden. Siden norske kommuner er uensartede, er det mulig å isolere en samvariasjon mellom inntektsutviklingen og boligulikhetsutviklingen, samtidig som vi kontrollerer for kommunefaste effekter. Vi kan altså både observere hvordan endringer i inntekt går sammen med endringer i boligulikhet innenfor samme kommune over flere år, og hvordan ulike inntektsnivåer mellom kommuner henger sammen med ulike boligulikhetsnivåer innenfor samme år. Det er betydelige forskjeller mellom utviklingen i én alderskohort til en annen – og det er en betydningsfull geografisk komponent i boligulikheten. Konkret finner vi at når inntekten øker med 100 000 kroner, øker forskjellen mellom den 90. og 10. prosentilen i kapitalgevinster med 160 000 kroner.

I sum finner mener vi at det er mulig å levere en evidensbasert argumentasjon som støtter en påstand om at boligmarkedet er en ulikhetsgenerator. Siden mange mennesker foretar livsvalg som gjør at det de opplever på boligmarkedet er relativt tilfeldig – for eksempel ekteskap, skilsmisser og jobbvalg – innebærer det at boligmarkedet også nokså tilfeldig tildeler gevinster. Samtidig er det noen gevinster som ikke er tilfeldig. De som eide verdifulle boliger tidlig i perioden, er også dem som får de største kapitalgevinstene, noe som jo betyr at initiale ulikheter forsterkes. Dette kan legge grunnlaget for en debatt omkring de politiske verktøyene.

Publication in Journal of European Real Estate Research

The paper “Location, Location, Location! -A quality-adjusted rent index for the Oslo office market” , written by André Anundsen (Housing Lab), Marius Hagen (Norges Bank), and Christian Bjørland (Norges Bank), has been accepted for publication in Journal of European Real Estate Research. The paper develops a hedonic rental index for the Oslo office market using a detailed data set on rental contracts from the private firm Arealstatistikk. A working paper version of the paper is available here.

New working paper on “Buy to let: The role of rental markets in housing booms”

Erlend Eide Bø has written a new working paper with the title Buy to let: The role of rental markets in housing booms. A brief summary (in Norwegian) is provided below.

Oppsummering

I denne artikkelen utforsker jeg sammenhengen mellom markedet for selveide boliger og utleieboliger. Jeg modellerer sammenhengen ved å tillate boligeiere å investere i en ekstra bolig for utleie. Insentivene til å investere i utleiebolig avhenger av leieprisene, som bestemmes endogent. Modellen forklarer eksistensen av utleieinvestorer, og utforsker hvordan de påvirker boligprisdynamikken.


Boligprisene har steget kraftig over de siste tiårene, særlig i storbyer. I Oslo steg de reelle boligprisene med 60 prosent i perioden 2004-2014. Jeg viser hvordan leiemarkedet og boliginvestorer kan bidra til denne veksten. Modellen jeg utvikler kan også forklare økningen i boligpris-leie-ratioen som ofte observeres i perioder med boligprisoppgang.

Hvordan utleieinvestorer påvirker boligmarkedet er mye diskutert, både i Norge og internasjonalt. Sentralbankene i Norge, England, Nederland, Australia og New Zealand har alle uttrykt bekymring over at utleieinvestorer bidrar til ekstra press på boligprisene. Media kobler også investorer med høy boligprisvekst. Å modellere et boligmarked med investorer kan tydeliggjøre hvorvidt disse bekymringene er reelle.

Data fra Oslo som presenteres i artikkelen viser at ca 20 prosent av boligkjøp i perioden 2007 – 2014 foretas av utleieinvestorer. Utleieinvestorer er definert som privatpersoner som kjøper sekundærbolig for med tanke på utleie (altså ikke investorer som pusser opp for raskt videresalg). Andelen investorer er positivt korrelert med boligprisvekst, og boligpriser og leiepriser er også positivt korrelert.

Basert på de empiriske mønstrene lager jeg en søkemodell hvor boligeiere kan investere i bolig nummer to for utleie. Boligpriser og husleie bestemmes endogent i modellen. Variasjon i innflytting driver boligprisdynamikken. Modellen inneholder to mekanismer som øker boligprisvolatiliteten sammenlignet med en standard søkemodell uten utleiere. For det første fører endogen korrelasjon mellom boligpriser og husleie til at kjøpere er villig til å betale mer for boligen i opphetede markeder, for å komme seg unna høy husleie. For det andre blir det mer attraktivt å investere i utleieboliger når leien er høy, noe som øker antallet investorer. En økning av antallet investorer forsterker søkefriksjonene i markedet og presser prisene ytterlig opp. Modellen kalibreres for å treffe et antall empiriske momenter fra boligmarkedet i Oslo. Jeg simulerer boligmarkedet i en periode med høy tilflytting til Oslo. Den kalibrerte modellen er i stor grad i stand til å forklare den høye andelen utleieinvestorer, og økningen av bolig og leiepriser i Oslo over perioden 2007 – 2014. En alternativ modell uten investorer viser bare halvparten så høy prisøkning.

I tillegg ser jeg på effekten av mulige tiltak for å begrense antallet utleieinvestorer. En økning av kostnaden ved å investere i utleiebolig (tilsvarende innstramningen i boligpakken i 2016) øker velferd marginalt, og er svært effektivt for å redusere boligprisvolatilitet. En slik politikk kan dog føre til at sårbare leietakere mister muligheten til å leie, noe som ikke fanges opp av min modell.

Norwegian house prices overvalued by 10%

A recent update of Housing Lab’s bubble index suggest that Norwegian house prices were overvalued by 10% in 2021Q1. Part of the overvaluation is driven by a drop in per capita real disposable income. Read more here.