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.
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.
Den 16. juni deltok Housing Lab på seminaret “Boligmarkedet i kjølvannet av pandemien” i Finansdepartmentet. Vi snakket om “Den aktuelle situasjonen i boligmarkedet” og “Tilbudssiden i boligmarkedet”. Blant deltakerne var finansminister, Jan Tore Sanner, og kommunal og kommunal- og moderniseringsminister, Nikolai Astrup. Seminaret ble strømmet direkte og ligger her.
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.
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.
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.
André Kallåk Anundsen and Erlend Eide Bø have written on housing bubbles (Anundsen) and buy-to-let investors (Bø) in the Nordic housing markets in the 2021 edition of the Nordic Economic Policy Review. The review was launched on May 5th, 2021.
Erling Røed Larsen has written a new working paper with the title “House price seasonality, market activity, and the December discount”. A brief summary (in Norwegian) is provided below.
Oppsummering:
Boligprisene i Norge faller ofte i desember. Dette mønstret kan vi se på tvers av byer og over tid. I denne studien utnytter jeg transaksjonsdata fra Eiendomsverdi med eksakte salgsdatoer for perioden 2002-2017 til å estimere hvor stor desember-effekten er. For å vise at den faktisk finnes, må en først kontrollere for sammensetningseffekten. Det er ikke tilstrekkelig å vise at gjennomsnittsprisen på boligsalg i desember er lavere enn gjennomsnittsprisen i en måned tidligere på høsten. For å sammenlikne like med like, er det avgjørende å finne fram til sammenliknbare boliger.
Et første skritt kunne være å studere kvadratmeterprisen i stedet for boligprisen. Det ville imidlertid kun ha kontrollert for størrelse, og ikke beliggenhet, standard, boligtype og andre faktorer som har betydning. Derfor benytter jeg en hedonisk modell som inkluderer faktorer som har betydning for boligprisen. Dette omfatter en lang liste av attributter hvorav størrelse, type, byggeår og geografisk beliggenhet inngår. Denne modellen har indikatorer for salgsmåned, og indikatoren for desember viser at boligsalg i desember er assosiert med lavere pris – alt annet likt – enn tidligere på høsten.
Imidlertid kunne en tenke seg at det kunne være uobserverte kvalitetsforskjeller ved boligene eller uobserverte egenskaper ved selgerne som forårsaket prisfallet i desember. Når vi snakker om en desember-effekt, er jo tanken at vi skal finne et fall i priser for samme bolig og for samme selger. Sagt annerledes, en desember-effekt vil vise hva som skjer med prisene når vi sammenlikner hva en gitt selger hadde kunnet fått solgt en gitt bolig for i september kontra i desember. Siden ingen selger samme bolig to ganger, må en utnytte økonometriske teknikker. For å kontrollere for uobserverte (og uobserverbare) kvalitetsforskjeller, så må jeg kontrollere for to ulike klasser av slike forskjeller. En klasse er permanente kvalitetsforskjeller. Det inkluderer beliggenhet, høyde under taket, isolasjon, byggematerialer og liknende. En annen klasse er tidsvarierende kvalitetsforskjeller. Disse forskjellene dreier seg hovedsakelig om boligen har vært renovert eller ikke og om nabolaget.
For å kontrollere for den første effekten ser jeg på samme bolig når den er solgt to ganger. Jeg følger altså samme bolig over et tidsløp, og ser hva som skjer når den selges i desember sammenliknet med andre måneder. For å kontrollere for den andre effekten tar jeg i bruk utropspris og takst. Både selger, megler og takstmann har kunnskaper om boligen, og disse kunnskapene kan vi utnytte til å tallfeste eventuelle endringer over tid.
Det er vanskeligere å kontrollere for en eventuell selger-effekt fordi vi ikke kan følge samme selger over flere salg av samme bolig. Her bruker jeg likevel en såkalt instrumentvariabel-teknikk til å fjerne eller redusere effekten av selgertyper. Det som kunne tenkes spille en rolle, er om det er spesielle personer som selger i desember, og at prisfallet reflekterer selgerne – og ikke boligene. I instrumentvariabelmetoden tar jeg i bruk en variabel som selger ikke har kontroll over, og projiserer utropsprisen ned på denne. Det som står igjen da vil ha fjernet, eller i hvert fall redusert, betydningen av selger-effekten.
I sum ender jeg opp med et estimat av desember-effekten på om lag -1,5 prosent. Samme bolig solgt av samme selger ser altså ut til å selges 1,5 prosent lavere i desember enn i september. I artikkelen viser jeg at en slik desember-effekt er knyttet til to markedskjennetegn. For det første er prisavslag assosiert med lang liggetid. Hvis vi segmenterer på liggetid, vil forskjellene mellom høstmånedene mer eller mindre falle bort. Med andre ord vil en selger i desember kunne oppnå september-priser hvis boligen har kort liggetid. Det er imidlertid slik at det er vanligere med lang liggetid i desember, og liggetiden er utenfor selgers kontroll. En boligs liggetid er mer eller mindre en tilfeldig størrelse. Det dokumenterer jeg ved å følge samme bolig over to salg. Da ser vi at liggetiden for den boligen i det første salget har svært liten korrelasjon med liggetiden i det andre salget. Hvis liggetiden er 10 dager mer enn snittet i det første salget, vil liggetiden i det andre salget bare være 1 dag mer. Vi sier at liggetiden er mean-reverting, altså at den viser reversjon tilbake til gjennomsnittet.
For det andre er desember-effekten knyttet til at lav markedsaktivitet. Jeg måler markedsaktivitet både ved transaksjonsvolum og ved annonsevolum av boliger som legges ut for salg. I artikkelen deler jeg Norge opp i 247 delområder, som er lokale boligmarkeder, og viser at i de delområdene der det er høy markedsaktivitet i desember, vil desember-effekten være liten. I de lokale boligområdene der markedsaktiviteten i desember er lav, vil typisk desember-effekten være større.
Implikasjonene av funnene er flere. For det første indikerer dette at det kan være velferdsgevinster knyttet til aktivitetskonsentrasjon, altså tykke markeder. Akkurat som et torg er en fysisk konsentrasjon av kjøpere og selgere, og en slik konsentrasjon gjør det lettere for begge parter å finne noen å handle med, vil en kunne tenke seg at temporale konsentrasjoner også kan være torg; temporale torg. Sagt annerledes, tykke markeder i noen måneder har samme gevinster som de man finner ved å samle kjøpere og selgere fysisk. Hvis en stimulerer til enten mer markedsaktivitet til desember eller flytter noe av desember-aktiviteten til andre måneder, vil en kunne hjelpe selgere og kjøpere til å møtes lettere. Da sier vi at markedet kan matche kjøpernes preferanser og boligenes attributter bedre.
For det andre antyder funnene at en bevisst kjøper kan klare å gjøre gode kjøp i desember gitt at hun klarer å finne en god match mellom preferansene sine og boligens attributter. For det tredje antyder funnene at selgere må være klar over at det er lettere å oppnå gode priser når det er god markedsaktivitet ved salgstidspunktet. Det forklarer hvorfor mange selgere ønsker å selge i perioden januar til juni.
