NATIONALEKONOMISKA INSTITUTIONEN Uppsala Universitet D-Uppsats Författare: Malcolm Svensson Rothmaier Handledare: Bo Söderberg Vårterminen 2011

Är bostadsmarknaden i Stockholm effektiv? Empiriskt test av prisskillnaden på bostadsrätter med hög/låg avgift

Sammanfattning: I denna uppsats testas om Stockholms bostadsmarknad är effektiv i den halvstarka formen. Huvudresultatet är att så inte är fallet. En ökning av det diskonterade värdet av föreningens kapitalkostnad med 1 krona verkar enbart leda till mellan 30-50 öres minskning av priset. Detta kan bero på budgetrestriktioner, särskilt som ineffektiviteten är större på marknaden för små bostäder där förstagångsköpare kan tänkas dominera marknaden. Men vi kan inte utesluta bubbeltendenser på marknaden. Prisstatistik och uttalanden under våren 2011 indikerar att det har skett en inbromsning på Stockholms bostadsmarknad sedan ränteläget börjat normaliseras.

Innehållsföreckning: 1. Inledning ..................................................................................................................................................... 1

2. Effektiva marknader i teorin ....................................................................................................................... 3

2.1 Effektiva marknadshypoetsen ............................................................................................................... 3

2.2 Gordons formel ..................................................................................................................................... 3

2.3 EMH – implikationer för bostadsmarknaden ........................................................................................ 3

2.4 Bubblor och effektiva marknader ......................................................................................................... 4

3. Vad säger forskningen – är bostadsmarknaden effektiv? ............................................................................ 5

3.1 Vad menas med begreppet bostadsmarknad? ....................................................................................... 5

3.2 Hur testas effektiviteten på bostadsmarknaden? ................................................................................... 5

4 Hur agerar agenterna på bostadsmarknaden? ............................................................................................... 7

4.1 Studier om bubblor på bostadsmarknaden ............................................................................................ 7

4.2 Så agerar agenterna på den svenska bostadsmarknaden ....................................................................... 8

4.3 Boprisutvecklingen under 2010 och 2011 ............................................................................................ 9

5. Hjalmarsson & Hjalmarssons test av den svenska bomarknaden ............................................................. 10

5.1 Utnyttjar bostadsrättens särdrag ......................................................................................................... 10

5.2 Systematisk överskattning av ineffektiviteten? .................................................................................. 11

6. Är Stockholms innerstads bostadsmarknad effektiv? ............................................................................... 12

6.1 Vad är förhoppningen med studien? ................................................................................................... 12

6.2 Data .................................................................................................................................................... 13

6.3 Empiriskt resultat ................................................................................................................................ 14

6.4 Kompletterande analyser .................................................................................................................... 17

7. Analys och slutsats .................................................................................................................................... 17

7.1 Ineffektivitet eller dålig modell? ........................................................................................................ 17

7.2 Vad visar studien? .............................................................................................................................. 19

7.3 Ineffektivitet på grund av bubbeltensdenser? ..................................................................................... 20

7.4 Slutsats ................................................................................................................................................ 22

Källförteckning: ............................................................................................................................................ 23

Appendix 1 – Kompletterande Regression ................................................................................................... 26

Appendix 2 – Test av multikollinearitet........................................................................................................ 27

Appendix 3 – Förklaring av lägen ................................................................................................................. 28

1

1. Inledning Finanskrisen har medfört ett kraftigt prisfall i ett flertal

länder, exempelvis i USA, Irland och Spanien, dock

inte i Sverige. Mellan 1996 och 2007 dubblades det

reala bostadspriset i Sverige och utvecklingen var

likartad i flera andra länder i västvärlden (Riksbanken,

2009, s.56ff). Folk kunde länge tjäna mer sovandes i

sin säng - jämfört med vid sitt skrivbord på kontoret -

eftersom bostädernas värde årligen kunde stiga mer än

en årslön (Larsen & Wenum, 2007, s.510).

För de flesta personer är ett köp av hus eller

lägenhet det största finansiella beslutet i livet. På

samma sätt som prisstegring snabbt ger stora vinster

riskerar sjunkande bostadspriser skapa stora problem

för ägaren då bolånets värde består trots att bostadens

marknadsvärde faller. Av den anledningen torde den

som köper sin bostad noggrant undersöka

bostadsmarknaden inför en affär. Den som köper en

bostad förmodas ta till sig all tillgänglig information

och utifrån detta fastställa hur denne ska gå vidare.

Detta bör i sin tur resultera i effektiva marknadspriser

som reflekterar all tillgänglig information

(Hjalmarsson & Hjalmarsson, 2009, s.2150).

Alltjämt oroar sig svenska myndigheter,

bankekonomer och politiker över huruvida

prisutvecklingen på den svenska bostadsmarknaden är

långsiktigt hållbar. Ett prisfall skulle, utöver de stora

privatekonomiska konsekvenserna för hushåll, riskera

att ha stor negativ inverkan på realekonomin. Dels

skulle det kunna innebära en lägre aggregerad

efterfrågan till följd av en allmänt lägre konsumtion

och det kan i värsta fall även innebära systemrisker

(Jansson & Persson 2011, s 18-19) eftersom

bostadslån är en tillgång i bankers balansräkningar

(OECD, 2011, s.52). I syfte att begränsa risken för

överbelånade hushåll infördes bolånetaket under 2010

(Finansinspektionen 2010:c).1

1 Bolånetaket annonserades under det första

kvartalet 2010 och infördes från den 1 oktober 2010 av

I denna studie testas om bostadsmarknaden i

Stockholms innerstad är effektiv. Huvudresultatet är

att så inte verkar vara fallet. Analysen genomförs

utifrån data som ehållits från Mäklarstatistik över

försäljningar av bostadrätter genomförda under det

första kvartalet åren 2009 samt 2010. Resultatet tyder

på en större ineffektivitet jämfört med vad

Hjalmarsson & Hjalmarsson (2009) finner i en tidigare

studie med äldre data från samtliga Sveriges tre största

städer (Stockholm, Göteborg och Malmö).

Undersökningen i denna uppsats bygger på

samma antagande som hos Hjalmarsson &

Hjalmarrson; nämligen att en kronas ökning av den till

ett nuvärde diskonterade årsavgiften, på en effektiv

marknad, ska leda till en kronas minskning av priset.

Den svenska bostadsrättens särdrag utnyttjas och

angreppssättet kan ses som en försvenskning av Meese

& Wallace (1994) test av marknadseffektiviteten

utifrån en modell som utgår ifrån Gordons formel.

Rosenthal (1999) nämner detta som ett av tre

beprövade sätt att testa bostadsmarknadens

effektivitet. Att utgå från Gordons formel är även det

mest direkta testet av huruvida bostadsmarknadens

agenter är rationella i den effektiva

marknadshypotesens halvstarka bemärkelse. Det finns

en rad test av den svaga formen av

marknadseffektivitet utifrån autoregressiva modeller,

såsom Case & Shiller (1989), samt flertalet test av

halvstarka formen där bostadspriset testas som en

funktion av förändringar i centrala ekonomiska

parametrar, exempelvis Mankiw & Weil (1989).

Däremot saknas det i hög utsträckning direkta test av

den halvstarka formen med utgångspunkt från

Gordons formel. Vidare konstaterar Englund (2011,

s.52) att det i hög grad saknas kunskap om hur

förväntningar formas på bostadsmarknaden. Med

resultatet i denna studie är förhoppningen att kunna

bidra med kunskap inom dessa områden.

Finansinspektionen för att öka konsumentskyddet samt stävja

”en osund utveckling på kreditmarknaden” (FI 2010:c).

2

Stockholmsregionen utgör en betydande

andel av landets bostadsmarknad. En knapp tiondel av

landets befolkning bor i Stockholms kommun och

drygt en femtedel bor i Stockholms län (SCB 2011).

Inom denna region har studien avgränsats till att

endast omfatta Stockholms innerstad. Anledningen är

att det är särskilt beträffande denna delmarknad som

det förekommit en utbredd oro för överhettning/

bubbeltendenser. Kvadratmeterpriserna på

bostadsrättslägenheter i Stockholms innerstad är de

högsta i landet. De har även stigit kraftigt. Samtidigt

har befolkningen i Stockholm lägst husköpkraft i

landet visar boindex från Swedbank (2011).

Studien är empiriskt mindre omfattande än

undersökning av Hjalmarsson & Hjalmarsson. Det har

därför varit möjligt att göra en precisare

lägesindelning av den studerade delmarknaden samt en

bättre skattning av drifts- och underhållskostnader

(DOUH) i modellen. Vi använder oss av Svefas2

bedömningar till grund för såväl skattning av läge som

DOUH.

Det är intressant att veta huruvida

bostadsmarknaden är effektiv då bostadsprisers

utveckling har mycket stor betydelse för de flesta. Är

marknaden effektiv går det inte på något sätt att

analysera fram vilket objekt som ska köpas eller vid

vilken tidpunkt man bör köpa eller sälja en lägenhet i

syfte att göra riskjusterade övervinster (Larsen &

Wenum, 2007, s.511). Det är naturligtvis av extra stort

intresse att utröna om det råder en bubbla på

bostadsmarkanden med tanke på de stora

realekonomiska konsekvenser som kan uppstå om en

bubbla brister. Bubblor tenderar att gå hand i hand

med ineffektivitet. Men bara för att en marknad är

ineffektiv betyder det inte att det faktiskt råder en

bubbla (Larsen & Wenum, 2007, s.511).

Utifrån kvalitativ insamling av tidigare

forskning samt undersökningar och uttalanden från

myndigheter, banker och mäklare, verkar det som att

2 NAI Svefa är en av Sveriges största fastighetskonsulter med verksamhet i 18 svenska städer. Bolaget har såväl privata som offentliga uppdragsgivare.

lägre realräntor och ett oelastiskt utbud legat bakom

prisstegringen under 2000-talet. Insamlingen tyder

också på att bostadsägare, som ofta haft stora delar av

lånen rörligt, inte fullt ut verkar ha förstått vad ett

högre ränteläge innebär i form av ökade ränteutgifter.

Utöver detta första inledande avsnitt är

uppsasen indelad i yttterligare sex avsnitt. Det första

av dessa syftar till att ge en teoretisk bakgrund rörande

den effektiva marknadshypotesen samt dess

implikationer för privatbostadsmarknaden. Dessutom

förklaras begreppet finansiell bubbla. I avsnitt tre

diskuteras begreppet bostadsmarknad samt de tre sätt,

enligt Rosenthal (1999), på vilka bostadsmarknadens

effektivitet kan testas. I nästföljande avsnitt ges en

överblick över vad internationella studier visat om

köpare agerande på bostadsmarknaden, samt en

redovisning av vad som kommit fram rörande hur

svenska bostadsköpare agerar. Delvis blir studien här

kvalitativ då det hänvisas till uttalanden och resultat

från undersökningar gjorda av mäklare, myndigheter

och banker. Förhoppningen är att kunna ge en ökad

förståelse för varför marknaden skulle kunna vara

ineffektiv utifån denna kvalitativa insamling.

Avsnitt fem ägnas åt Hjalmarsson &

Hjalmarsson som analyserar efektiviteten på den

svenska bostadsmarknaden. I avsnitt sex redovisas den

empiriska studien, som i stora stycken liknar studien

av Hjalmarsson & Hjalmarsson. Den nu redovisade

studien använder dock enbart data från Stockholms

innerstad och använder en mer exakt skattning av

DOUH-kostnader samt det geografiska mikroläget. I

avsnitt sju dras slutsatserna utifrån de erhållna

resultateten. Resultatet jämförts också med vad som

framkommit i tidigare forskning. Vidare diskuteras

resultaten mot bakgrund av de offentliga uttalanden

från marknadsaktörer som återges i avsnitt fyra i syfte

att utröna om ineffektiviteten beror av

bubbeltendenser.

3

2. Effektiva marknader i teorin I detta avsnitt förklaras den effektiva

marknadshypotesen samt vilka implikationer EMH har

på bostadsmarknaden. Dessutom definieras begreppet

finansiell bubbla och om en sådan är förenlig med en

effektiv marknad. Denna genomgång är tänkt att ge en

teoretisk bakgrund inför empirin i kommande kapitel.

2.1 Effektiva marknadshypoetsen

I takt med Chicagoskolans framväxt på mitten av

1900-talet, som antog rationella och

nyttomaximerande agenter, bredde tankarna om

effektiva finansmarknader ut sig. En rationell individ

förutsätts ta till sig all tillgänglig information inför ett

ekonomiskt beslut, exempelvis en investering. Med

riskaverta agenter väntas den förväntade avkastningen

öka med risken, det vill säga resultatosäkerheten eller

volatiliteten (Cooke 2009:a, s.4). Utifrån dessa

grundantaganden gav Fama (1970) upphov till den

effektiva marknadshypotesen och föreslog dess tre

olika former av marknadseffektivitet; svag, halvstark

och stark.

Den svaga formen av marknadseffektivitet

innebär att det inte går att göra överavkastning baserat

på historisk data. Det vill säga att all form av teknisk

analys är oanvändbar.

Enligt den medelstarka formen kan ingen

investerare nå överavkastning genom att handla på

information som är publik, exempelvis

årsredovisningar och kvartalsrapporter,

pressmeddelanden och rykten, med mera. Med andra

ord fundamentaanalys är obrukbar för att erhålla

överavkastning.

Den starka formen säger att även all icke-

publik information (insiderinformation) redan är

inkorporerad i tillgångspriset (Copeland et.al 2005,

s.353ff).

En implikation av den effektiva

marknadshypotesens svaga form är att tillgångsprisers

kortsiktiga rörelser bör följa en stokastisk process. I

boken ”Random Walk down Wall Street” drog

Malkiel (1973) analogin med slantsingling och

menade att aktiers kortsiktiga rörelser är lika

slumpartade som utfallet i slantsingling.

2.2 Gordons formel

En metod för att att räkna ut det skäliga

marknadspriset (fair value) på en tillgång, är att

använda Gordons formel (1) som är en metod som ofta

används för nuvärdesberäkning:

�� � � ������ � (1)

där �� är tillgångens nuvärde (i period t), ���� är

utdelningen (i period t), r är avkastningskrav för

tillgången och g är utdelningens tillväxttakt. Eftersom

denna formel inte explicit beaktar kapitalvinster är ett

vanligt missförstånd att formeln inte tar hänsyn till

kapitalvinster - utan enbart utdelningar. Formeln

används för evighetsberäkning av årligen ökande

inbetalningsströmmar och ger nuvärdet vid tidpunkten

t. Det enda som orsakar förändringar i nuvärdet är

förändrade förväntningar rörande utdelning,

avkastningskrav, eller framtida tillväxttakt. Däremot

medger modellen att priset växer och blir högre i alla

framtida tidsperioder, efter t. (Cooke 2009:2, s.5-11).

2.3 EMH – implikationer för bostadsmarknaden

Den största delen av analysen av bostadsmarknaden

utgår från att marknader är effektiva där agenter är

rationella och välinformerade. Samtidigt bygger EMH

på att tillgångar är ”enkla” och homogena. Investerare

med placeringsvilligt kapital bryr sig enbart om att få

så hög avkastning som möjligt till minsta möjliga risk.

En rad problem föreligger om man vill analysera

marknaden för privatbostäder (lägenheter och villor)

med avseende på marknadseffektivitet. Bostäder är

inte homogena utan skiljer sig åt vad gäller storlek och

olika karakteristiska. Exempelvis kan de ligga i olika

områden, ha olika utrustningsstandard eller ligga på

olika våningsplan. Huset kan vara nybyggt eller

exempelvis vara från 1800-talet. Dessutom har en del

bostäder balkong och andra inte. Det går att lista

4

hundratals olika variabler som kan tänkas påverka en

lägenhets pris (O’Sullivan & Gibb 2003, s.90).

Utöver heterogeniteten på

bostadsmarknaden är en bostad, till skillnad från en

aktie eller obligation, inte enbart en tillgång, utan även

en konsumtionsvara. Medan en finansiell tillgång

förväntas ge avkastning, exempelvis i form

utdelningar eller ränta, ger en lägenhet kostnader till

följd av reparationer och slitage. Priset på en bostad

måste således stiga med mer än depricieringen för att

ägaren ska kunna tillgodoräkna sig kapitalavkastning

på sin lägenhet3. Utöver det har varje person sina egna

preferenser rörande tapet, köksluckor, kakel och

liknande, varför två intressenter kan värdera samma

lägenhet olika (O’Sullivan&Gibb 2003, s.1ff.).

Gordons formel kan användas för att enkelt illustrera

dynamiken på marknaden. En intial ökning av priset –

utan att någon av de övriga variablerna simultant

förändras – kommer att leda till en lägre förväntad

avkastning i nästa period, se händelsekedja (2) nedan:

������

� � � �

P����� ������

��� � � � ��� � �� � � (2)

Vid kraftiga prisuppgångar på en marknad,

där prisuppgången inte motsvaras av ökande

avkastning, ökar risken för att bostäderna är

övervärderade. (Cooke 2009:b, s.10ff.).

2.4 Bubblor och effektiva marknader

Med finansiell bubbla avses spekulationsdriven

uppgång av tillgångsvärden över det diskonterade

nuvärdet. Med andra ord diametralt motsatt den

effektiva marknadshypotesen som i praktiken säger att

priset på en finansiell tillgång inte ska överstiga det

diskonterade nuvärdet av framtida kassaflöden

(Holmén 2008, 3ff.). Att marknaderna antas vara

effektiva innebär däremot inte att de är perfekta. Så

3 Och det därmed ska finnas möjlighet att tjäna mer sovandes i bostaden jämfört med vid kontorsstolen. Trots stillastående – eller rentav sjunkande priser – kan det vara rationellt att köpa en bostad, så till vida total månadskostnad (inkluderat värdeminskning) är lägre än hyresvärdet.

länge som marknaden är ovetandes om någon

information som skulle leda till en annorlunda

värdering kommer en tillgång ”felprissättas” även på

en effektiv marknad (Maier & Herath 2009, s.5). Det

kan således ske prisfall även på en effektiv marknad.

En högriskinvestering genererar en hög förväntad

avkastning till följd av den högre risken för ett

negativt utfall. På en effektiv marknad ska det däremot

inte gå att generera riskjusterad överavkastning.

Men vad hände då kring milennieskiftet när

kurserna på it-aktier kraschade? Trodde investerare på

dessa bolags glädjekalkyler? Det är svårt att förklara

utvecklingen för it-aktier innan kraschen om man inte

tror på finansiella bubblor, det vill säga att

tillgångspriser kortsiktigt kan leta sig över ”fair value”

(Holmén 2008, 3ff.).

Vissa av dem som tror på teorin om

effektiva marknader hävdar att det finns situationer där

det är rationellt att tillgångspriset letar sig över det

diskonterade nuvärdet och ger upphov till så kallade

”rationella bubblor”. Trots att en investerare anser att

en finansiell tillgång är fundamentalt övervärderad kan

det vara rationellt att investera. Detta om det på

kortare sikt finns möjlighet till profit vid fortsatt

uppgång och denna överväger risken för förlust vid

snar punkterad bubbla. Men ju längre ifrån tillgångens

fundamentala värde priset befinner sig, eller om risken

för nära förestående punktering får anses hög, desto

högre måste avkastningen vara vid fortsatt uppgång

för att det ska vara rationellt att ”hoppa på tåget”

(Lindgren 1989, s.10).

Beteendeekonomerna Akerlof & Shiller

(2009) anser dock att antagandet om rationella aktörer

är felaktigt. De hänvisar till till John Maynard Keynes

teori om ”djuriskt beteende” (animal spirits) och

hävdar att finansmarknaden präglas av människans

kortsiktighet och irrationalitet. Shiller (1981) har även

visat att volatiliteten är alldeles för hög på

aktiemarknaden för att det ska gå att hänvisa till

fundamenta (s. 133-134).

Enligt Greenspan (1996) riskerar långvariga

perioder av ekonomisk stabilitet leda till en irrationell

5

övertro på marknaden (irrational exuberance). Detta

leder till att riskpremierna trycks ner omotiverat lågt

och att tillgångspriser därmed pressas uppåt.

Fama (1991, s. 1575ff.) poängterar att när

någon testar om en marknad är effektiv måste denne

utgå från någon form av modell som förklarar

tillgångspriser. Om ett test skulle visa att marknaden

inte är effektiv behöver det inte betyda att det är den

effektiva marknadshypotesen som ska förkastas utan

det kan snarare bero på den modell som används vid

testet (så kallat ”bad model-problem”).

3. Vad säger forskningen – är bostadsmarknaden effektiv? I föregående avsnitt har teori kring effektiva

marknader och finansiella bubblor behandlats. Primärt

brukar teoin användas för att förklara

värdepappersmarknader där en investerare alltid vill ha

så hög avkastning till så låg risk som möjligt. Men

teorin går även att applicera på boststads- och

fastighetsmarknaden även om det är förenat med vissa

bekymmer, till stor del på grund av bostadsmarkndens

hetrogenitet, vilket kommer att förklaras vidare i detta

avsnitt. En redogörelse ges för de tre former av test

som Rosenthal (2009) lyfter fram som de vanligaste

angreppssätten i syfte att testa om agenterna på

bostadsmarknaderna är rationella. Inledningsvis

diskuteras dock begreppet bostadsmarknad.

3.1 Vad menas med begreppet

bostadsmarknad?

I såväl det svenska som det engelska språket uppstår

det lätt avgränsnings- och begreppsförvirring när det

talas om bostads- och fastighetsmarknaden. I denna

uppsats omfattar begreppet ”bostadsmarknaden”

samtliga enfamiljsbostäder som innehas med

äganderätt eller bostadsrätt, det vill säga villor, radhus

och olika former av ägarlägenheter. Uppsats empiriska

test rörande marknadseffektitet använder data från

delmarknaden med bostadsrätter i Stockholms

innerstad. Men när det i detta, samt följande, avsnitt

hänvisas till tidigare studier bygger dessa ofta på test

av enfamiljshus (villa/radhus)-marknader. Detta har

dock ingen större betydelse då syftet är att testa om de

enskilda hushållen är rationella i sina beslut om

bostadsinvesteringar eller inte. Däremot inbegriper

begreppet bostadsmarknad inte hela hyresfastigheter

eller liknande då denna del av fastighetsmarknaden

består av professionella investerare.

3.2 Hur testas effektiviteten på

bostadsmarknaden?

I och med bomarknadens stora inverkan på

realekonomin har det gjorts en lång rad test rörande

effektiviteten på bostadsmarknaden (Maier & Herath

2009, s.2). De empiriska testen rörande

bostadsmarknader kan enligt Rosenthal (1999) grovt

delas upp i tre olika kategorier. Den svaga formen kan

testas genom analys av förekomsten av

seriekorrelation för bostadspriser (exempelvis Case &

Shiller, 1989) medan det går att utröna huruvida den

halvstarka formen håller genom att testa förändringar

av bostadspriset som en funktion av förändring av för

marknaden fundamentala ekonomiska variabler

(såsom Mankiw & Weil, 1989). Dessutom kan

bostadspriser jämföras med nuvärde av motsvarande

hyresvärden i syfte att analysera om den halvstarka

formen håller (främst Messe & Wallace, 1994).

Analysen i föreliggande uppsats hör till den

sistnämnda gruppen. Nedan kommer vi kort gå

igenom de tre olika typerna av test samt kortfattat

redovisa vilka resultat man kommit fram till.

Med autokorrelationstest går det att testa om

det på något sätt går att förutspå framtida

husprisutveckling baserat på historisk data, vilket inte

ska vara möjligt enligt den svaga formen av

marknadseffektivitet (eftersom bopriserna då inte

följer en random walk). En effektiv bostadsmarknad

tillåter inte en autoregressiv modell (3):

���� � δ� ������ � �� ����� �

6

där �� är realt huspris (i period t), δ� är drift och �� är

felterm, Feltermen antas vara en stokastisk variabel

och processen ett vitt brus.

Case & Shiller (1989) studie, utifrån ett

prisindex baserat på data från upprepade försäljningar

av (samma) småhus i Atlanta, Dallas, Chicago och San

Fransisco/Oakland under åren 1970-1986, visar dock

på första gradens autokorrelation och således ett

”färgat brus”. Studien visar på positiv seriekorrelation,

en prisförändring ett år tenderar att följas av en likadan

prisutveckling nästa år med 25-50 procents ökad

sannolikhet. Flera andra forskare har gått tillväga på

liknande sätt som Case & Shiller, men med andra data,

exempelvis försäljningsdata från andra länder.

Exempelvis har Hosios & Pesando (1991) samt Larsen

& Weum (2007) kommit till samma slutsats som Case

& Shiller baserat på data från Spanien respektive

Norge. Larsen & Weum (2007) finner att Oslos

bostadsmarknad under den testade perioden 1991-

2002 konstant gav högre avkastning än

aktiemarknaden i kombination med en lägre volatilitet

(s. 510). Utifrån data från upprepade svenska

husförsäljningar under en 12-årsperiod påvisar

Englund et.al (1999) första gradens seriekorrelation.

Mankiw & Weil (1989) har stått för ett

välciterat test av den halvstarka effektiviteten.

Eftersom det för köpare och säljare går att förutspå när

baby boom- respektive baby bust-generationer ska

träda in på bostadsmarknaden borde inte detta ha

någon påverkan på priset. Forskarna visar dock att

baby boom-generationers entré på den amerikanska

bostadsmarknaden ökar takten av real prisstegring på

bostäder och således drar de slutatsen att marknaden

inte är effektiv. Även Case och Shiller (1990) testar

om bostadsmarknaden är fundamentalt effektiv

(halvstark form). I likhet med i testet av svaga formen

använder de prisindex baserat på upprepde

husförsäljningsdata från åren 1970-1986 i Atlanta,

Dallas, Chicago och San Fransisco. Med ett sampel av

transaktionsdata på mikronivå drar de återigen

slutsatsen att marknaden inte är effektiv. Studien visar

på möjligheten att förutspå framtida huspriser baserat

på en rad tillgänglig data såsom reallöneökning per

capita, förändringen av antalet myndiga personer, eller

ratiot mellan att byga ett nytt hus och huspriser.

Englund & Ioannides (1997) visar med data från 15

OECD-länder att priscykler är ett internationellt

fenomen. Sverige återfinns bland de 15 länderna.

Meese & Wallace (1994) har gjort det test

som ofta klassas som det mest ”rena” av

huruvidabostadsmarknaden är rationell. Bostäder

behandlas i deras studie på exakt samma sätt som

finansiella tillgångar och marknaden förväntas vara

fullt effektiv. De använder en modell (4) som i

praktiken utgör en variant av Gordons formel:

�����!�"���#"

��$%& '"�(�)��*��(�!+!" �������,

där Pt� är bostadens nuvärde (i period t), Rt� är

hyresnivån på motsvarande objekt, -�är marginalskatt,

. är inflation, / står för depreciering och !+!"�är

förväntad prisutveckling.

De utnyttjar det faktum att hyresmarknaden

är avreglerad i USA vid skattning av hyresvärdet för

småhusen. På så sätt kan de testa om bostadspriserna

är fundamentalt över- eller undervärderade, jämfört

med motsvarande hyresnivåer. Modellen tar dock inte

hänsyn till hushållens inkomst (O’Sullivan & Gibb

2003, s.101). Meese & Wallace är i praktiken

ensamma om att ha testat om marknaden är rationell

med denna typ av analys där en explicit skattning av

bostädernas fundamentamotiverade värde görs. En

anledning till att så är fallet är att denna typ av test lätt

blir rörig. Dessutom är det svårt att skatta objektens

motsvarande hyresnivå (O’Sullivan & Gibb, s.18).

För att ta hetrogeniteten på

bostadsmarknaden i beaktande tvingas Meese &

Wallace vidare förlita sig på hedoniska prisindexar. I

en hedonisk skattning är priset en funktion av olika

egenskaper hos bostäderna såsom strukturella-, läges-

och omgivningsegenskaper. Meese & Wallace

använder sig av försäljningspriser från över 142 000

transaktioner i Alameda och San Fransisco i norra

Kalifornien under perioden 1970-1988. De finner att

7

bostadsmarknaden på lång sikt är rationell enligt den

halvstarka formen, men drar samtidigt slutsatsen att så

inte är fallet på kort sikt. Det senare skulle kunna

förklaras av de stora transaktionskostnader som

upptsår i samband med husförsäljningar. Forskarna

utesluter dock inte att det beror på bubbeltendenser

och/eller irrationellt beteende hos köparna.

4 Hur agerar agenterna på

bostadsmarknaden?

I syfte att utröna om innefektiviteten som råder

faktiskt beror på bubbeltendenser räcker det inte med

att konstatera att marknaden är ineffektiv, vilket

exempelvis Meese & Wallace (1994) studie visar. För

att ytterligare illustrera svårigheterna med att fastslå

om en bubbla föreligger kan nämnas att Jaffee (1994)

inte finner att en bubbla förelåg på den svenska

fastighetsmarknaden i början av 1990-talet, utan att

prisutvecklingen innan fastighetskrisen gick att

hänföra till fundamentala förklaringsfaktorer. Enligt

Björklund & Söderberg (1999) finns det dock tecken

som pekar på att prisutvecklingen på den svenska

fastighetsmarknaden faktiskt drevs av spekulativa

bubbeltendenser, främst under åren 1985-1990. I syfte att få ökad inblick om hur aktörerna

på svenska bostadsmarknaden i allmänhet, och

Stockholms bostadsmarknad i synnerhet, agerar går vi

i detta avsnitt igenom ett antal studier – delvis

kvalitativa. Även uttalanden samt

enkätundersökningar gjorda av berörda myndigheter

och fastighetsmäklare diskuteras. Vi finner här vissa

tecken på att marknaden kan ha haft orimligt

optimistiska förväntningar till följd av de senaste årens

låga realränteläge, mer om detta i analysdelen. Detta

kan kasta ett visst ljus över frågan huruvida den

ineffektivitet vi kommer att finna senare (i avsnitt 6)

beror på bubbeltendenser eller ej.

4.1 Studier om bubblor på bostadsmarknaden

En starkt bidragande faktor till att bubblor kan uppstå

på bostadsmarknaden är de höga

transaktionskostnaderna i kombination med den låga

omsättningen. Ett fåtal optimister kan därmed driva

upp marknadspriset till ohållbara nivåer eftersom

optimisterna kan stå som köpare i merparten av de

transaktioner som sker. Situationen på aktiemarknaden

är den rakt motsatta med låga kurtagekostander samt

en årlig omsättning som uppgår till flera gånger

börsvärdet. Dessutom tenderar ständigt stigande

bostadspriser att driva på utvecklingen på

bostadsmarknaden ytterligare genom att de som står

utanför marknaden blir rädda för att bli utestängda från

densamma om de inte hoppar på tåget (Hansson,

2010:b, s.6ff). Piazzesi & Schneider (2009) visar att

det räcker med att en liten del av populationen, ett par

procent, är spekulativa för att kunna bygga upp en

bubbla. Deras studie bygger på Michiganindex som

mäter förtroendet hos de amerikanska hushållen. I takt

med att huspriserna i USA närmade sig toppen, och

flertalet hushåll benämnde husen som dyra, räknade

rekordmånga hushåll med fortsatt prisstegring. År

2003 trodde 10 procent av hushållen på stigande

priser. Två år senare, 2005, då priserna närmade sig

toppen, trodde dubbelt så många (20 procent av

hushållen) på prisstegring, den högsta andelen

optimister sedan 1980 (s.406ff.),

Enligt Jean Rochet4 uppstår bubblor främst

på grund av dålig reglering eller låga

refinansieringsräntor. Av den anledningen bör

penningpolitiken försöka ta hänsyn till tillgångspriser i

syfte att stävja prisutvecklingen. Philip Davis5

framhåller att bostadspriser borde vara en viktig faktor

att ta i beaktande gällande tillsynen och regleringen av

det finansiella systemet. Detta eftersom

bostadspriserna påverkar konsumtionen i landet, har

inverkan på länders offentliga finanser samt eftersom

boprisfall kan skapa bankkriser. Peter Englund6

konstaterar att bostadspriser kan användas för att

förutse bankkriser. (Thornley 2011, s.410-412)

4 Professor vid Zürich Universitet, som deltog i ett seminarium vid Riksbanken rörande bostatsmarknaden 5 Professor vid Brunel University samt ekonom på NIESR 6 Professor vid Handelshögskolan i Stockholm

8

Studier i Storbritannien har visat på att

bolåntagare i hög utsträckning lånar till rörlig ränta

utan att förstå riskerna involverade med detta.

Låneportföljsmodeller indikerar enligt Miles (2004) att

hushållen skulle ha en större andel bundna lån i syfte

att minska volatiliteten i ränteutgifterna. I dessa

modeller antas det att hushållen är välinformerade och

tar hänsyn till risker. Men i själva verket förefaller

bolåntagarna varken förstår risken med, eller

troligheten för, högre framtida boräntenivåer. Hushåll

har en tendens att enbart fokusera på den initiala

räntekostnaden förknippad med lånesumman. Med en

ökad förståelse hade antagligen andelen lån till bunden

ränta varit högre. (Miles 2004, s.17ff.)

Enligt en studie av Dell’Ariccia et.al. (2008,

s.3) kunde den amerikanska boprisuppgången under

2000-talets första hälft varken hänföras till inflyttning

eller ökade inkomster. Snarare verkar det ha varit

minskade krav för att erhålla krediter i kombination

med minskade krav på amortering och kontantinsats

som resulterade i kraftig kredittillväxt i USA, vilket i

sin tur medförde stigande bostadspriser. Att det blev

allt lättare att få lån i USA visade sig i att allt färre fick

avslag på sina låneansökningar samt att låne/inkomst-

ratiot steg. Bergstresser & Beshears (2009) visar att

det i USA under åren innan finanskrisen i hög grad var

ägare med otillräcklig matematisk och finansiell

förståelse som tog ”ARM-lån”7 (s.2ff.).

4.2 Så agerar agenterna på den svenska bostadsmarknaden

Finansinspektionen (2010:c) kom i sin

konsumentundersökning 2010 fram till liknande

resultat som Bergstresser & Beshears (2009)

Finansinspektionen undersökte också

”räknefärdigheten” och den ”finansiella förmågan”.

Med räknefärdighet avsågs en individs förmåga att

hantera kvantitativ information samt att utföra enklare

7 ”Adjustable Rate Mortgages”. Lån där låntagaren fick en kortare period med låg ränta och utan avbetalning. Ävn en ökning av lånesumman förekom genom att delar av räntan bakades in i lånet. Samtidigt var det bestämt att ränte- och återbetalningsvillkoren skulle justeras upp efter ett par/tre år.

beräkningar. Finansiell förmåga syftade på hur bekant

en individ var med ”grundläggande finansiella koncept

och produkter”. Enligt undersökningen är det vanligt

att svenskar har en så dålig räknefärdighet samt så

bristande finansiella kunskaper att det riskerar att

påverka hushållens finansiella beteende. En av tre

klarade exempelvis inte av att svara hur mycket var

och en skulle få om fem personer skulle dela på en

vinst på två miljoner kronor. Personer med högre

utbildning och inkomster samt grupper med högre

grad av sysselsättning presterade i genomsnitt bättre

på frågorna, medan yngre och äldre samt kvinnor

generellt var sämre på att svara rätt. Att personer

mellan 18 och 29 år var sämre på att svara på frågorna

tyder på en ”kohort-effekt”8 och ”skulle kunna tyda på

ett allvarligt problem”, (s.1ff.). Enligt undersökningen

karaktäriseras den svenska bomarknaden av ett utbrett

bostadsägande i kombination med en hög

belåningsgrad. Dessutom är en stor andel av

hushållens totala lånestock upptagen till rörlig ränta,

vilket gör hushållen känsliga för förändringar i nivån

på korta räntor. Undersökningen visar visserligen att

genomsnittet rörande räknefärdighet såväl som

finansiell förmåga är högre för personer med bolån, än

de utan. De med högre räknefärdighet är dock mindre

riskaversiva (Finansinspektionen 2010:c, s.22).

Almenberg & Finocchiaro (2011) anser att

det vore önskvärt om de svenska hushållen förstod de

risker som finns förknippade med såväl nominella som

reala räntor. Detta då bostadslånet är det enskilt

vikigaste finansiella kontraktet de flesta hushållen

ingår, ett beslut som är långtifrån enkelt utan snarare

ett mycket komplicerat sådant. Resultatet i

Finansinspektionens konsumentundersökning

indikerar dock, enligt dem, att de svenska hushållen

inte är fullt medvetna om vilka risker de tar (s. 1ff.).

Hansson (2010:b) pekar på att realräntorna

kommit ner ungefär tre procentenheter under det

senaste decenniet. Detta har i sin tur drivit på

8 Att ytre miljöfaktorer, i detta fall hur den svenska skolan fungerar etc, leder till skillnader mellan olika åldersgrupper i populationen.

9

lånetillväxten och legat bakom de stigande

bostadspriserna i Sverige (s. 6ff.). Även Englund

(2011) hänför en stor del av prisökningen på svenska

bostäder till fundamentala faktorer såsom lägre

realräntor samt en sänkt avkastningsskatt på småhus,

förändringar som har gett lägre kapitalkostnader efter

skatt. Samtidigt poängterar han att marknaden tycks

värdera bostäder utifrån ett antagande om ingen

kapitalkostnad efter skatt (det vill säga en realränta

kring noll).

Claussen, Jonsson & Lagerwall (2011)

kommer med hjälp av tre olika modeller till liknande

slutsatser. Modellerna indikerar att det varit högre

inkomster, succesivt lägre realräntor samt en ökad

vilja att lägga pengar på sin bostad (”ökad preferens

för bostadskonsumtion”) som drivit de svenska

bostadspriserna uppåt från 1990-talets mitt. De

svenska bopriserna ökningstakt ligger över den

långsiktiga trenden och författarnas modeller indikerar

att den mest sannolika utvecklingen framöver är ”en

långsammare ökningstakt” (s. 67ff.).

Enligt Englund (2011) bör dock aktörerna

vara försiktiga i sina förväntningar om framtida

kapitalvinster. En rationell agent bör nämligen ta i

beaktande att höga bostadspriser ”förr eller senare

kommer att stimulera till mer nybyggnation med

fallande priser som följd”. En insikt som i sin tur torde

leda till att de som köper bostad redan i dagsläget har

förväntingar på sjunkande priser när utbudet väl ökar.

”Dagens prisnivå är bara motiverad om man

förutsätter att utbudet är permanent oelastiskt”. (s.51)

Hansson (2010:a) poängterar att det varit

låga räntor i kombination med avreglerade

kreditmarknader som tryckt upp de svenska

bostadspriserna (s. 6). Detta har medfört att de reala

priserna letat sig upp 20 procent för högt (s.15). Detta

har i sin tur lett till att byggföretag kunnat göra

övervinster. Men med en ökad konkurrens för

nybyggen bör produktionskostnaderna kunna bli nio

procent lägre realt. Det skulle innebära en återgång till

de reala produktionskostnaderna år 2006 samt i sin tur

innebära ett realt prisfall på 20 procent (Hansson 2011,

s11-12). Enligt IMF (2011) förefaller de svenska

bostäderna vara övervärderade och med prisfall som

en trolig följd (s. 2). Såväl Hansson (2011) som

Sanchez & Johansson (2011) finner att bostadsutbudet

i Sverige är mer elsatiskt än i andra jämförbara länder.

Jansson & Persson (2011) konsterar att ett

prisfall på den svenska bostadsmarknaden, skulle

påverka makroekonomsikt dels via

konsumtionskanalen, dels via stabilitetskanalen till

följd av att bankerna får ökade problem med

finansieringen av svenska bolån. Det sistnämnda

problemet är särskilt påtagligt då en stor del av

bankernas finansiering sker genom utfärdande av

bostadsobligationer som säljs till utländska

institutionella investerare (s 18-19). OECD (2011)

poängterar att de svenska bostadspriserna åter stigit

väldigt hastigt till följd av låga räntor och att det finns

en risk för en korrektion som kan leda till att bankerna

sätts under press när bolånen, som är en tillgång i

bankernas balansräkning, tappar i värde (s. 52). Men

historiskt sett, och inte ens under 1990-talskrisen, har

de svenska hushållen i någon större omfattning ställt

in betalningarna. Till skillnad från exempelvis

förhållandet i USA, där låntagaren kan lämna huset till

banken och frigöra sig från sina skulder, har svenska

låntagare det svårare att frigöra sig från skyldigheten

att återbetala sina lån. Av denna anledning förfaller

inte kreditförluster som bankerna riskerar att göra på

bostadslån utgöra något påtagligt hot mot den

finansiella stabiliteten (Jansson & Persson 2011, s.18).

4.3 Boprisutvecklingen under 2010 och 2011

Enligt Swedbanks boindex har

Stockholmarna landets lägsta husköpkraft. Boindex i

Stockholm uppgår enbart till 70,1 därvärdet 100 av

indexproducenten uppfattas som ”normalvärdet” vilket

motsvarar att hushållen använder 15 procent av

förvärvsinkomsten före skatt till bolånekostnader.

”Stockholmarna betalar 21,4 procent bolånekostnader

som andel av bruttoinkomsten”. För att nå normen

skulle det krävas närmare 990 KSEK per år i

10

genomsnittlig hushållsinkomst på denna delmarknad

men i verkligheten ligger hushållens medianinkomst

på cirka 693KSEK per år. Boindex för riket uppgår till

110,1 och medianinkosten för rikets hushåll uppgår till

ca 599 KSEK per år (Swedbank 2011).

Mäklarstatistik visar att bostadspriserna i

Stockholms innerstad backade med 3 procent mellan

februari och mars 2011 (2011:b). Genomsnittspriset

per kvadratmeter steg dock med 1 procent månaden

därpå. Samtidigt sade Jeanette Gustafsdotter9 att det

syntes en avvaktan på bostadsmarknaden. Till detta

bidrog bolånetak, generellt hårdare krav från

bankerna samt höjda räntor. Medan köparna är mer

avvaktande än tidigare har säljarna höga förväntningar

om slutpriset. (Mäklarstatistik 2011:c).

SCB:s statistik över priser på småhus till och

med april 2011 visar på stillastående priser med en

samtidigt minskande omsättning (SCB, 2011:b). Även

lånetillväxten dämpas, och i april 2011 var

lånetillväxten 7,2 procent i årstakt, vilket är den lägsta

tillväxttakten sedan 1998 (SCB 2011:c).

Enlund (2011), ser detta som oroande

tecken. En minskande omsättning kan indikera att

köpare och säljare börjar få svårt att enas om

prisnivån, speciellt i ljuset av det rikliga utbudet av

småhus. Således har risken ökat för utbredda

bostadsprisfall och risken kommer att stiga ytterligare

i takt med Riksbankens förväntade åtstramningar.

Utöver Riksbankens räntehöjningar har

priset på likviditet ökat på interbankmarknaden, vilket

ökat spreaden mellan reporänta och bolåneränta

(Riksbanken 2011).

Enligt Liza Nyberg10 är bankerna

försiktigare med lånelöften och kräver att köpare sålt

sin tidigare bostad innan de köper ett nytt hem har

bidragit till den stora ökningen av osålda bostäder.

Melissa Mahan11 hävdar att antalet potentiella köpare

har blivit färre samt att dessa är mer upplysta om den

totala bostadskostnaden. Bolånetaket tvingar köpare

9 VD på Mäklarsamfundet 10 VD på Skandiamäklarna 11 talesman på Svensk Fastighetsförmedling

att ta blancolån på den del som överstiger 85 procent,

vilket innebär högre räntenivåer (Hedlund, 2011).

Roger Josefsson12 konstaterade i samband

med att Finansinspektionen tog beslut om bolånetak

att även om bankerna kalkylerat för att hushållen ska

ha marginaler har det inte i samma grad förklarats för

bolåntagarna vad det innebär i praktiken gällande

disponibla medel efter bostadsutgifter har betalts. Han

påpekade att det inte heller är långsiktigt hållbart att

bostäder stiger i värde med 10 procent per år.

Samtidigt påpekade han att det främst är kapitalsvaga

som drabbas av bolånetaket. Ett par där båda är

nyutexaminerade akademiker kan ha hög

intjäningsförmåga men har ofta brist på kapital varför

dessa hamnar i kläm till följd av bolånetaket.

(Svensson Rothmaier, 2010)

I en utfrågning av bankernas kreditchefer i

februari 2011 framkom att det skett en faktisk

minskning av riktigt höga belåningsgrader efter

bolånetakets införande (Finansinspektionen 2011).

5. Hjalmarsson & Hjalmarssons test av den svenska bomarknaden Detta avsnitt behandlar studien av Hjalmarsson &

Hjalmarsson (2009) huruvida den svenska

bostadsmarknaden är effektiv. I det efterföljande

avsnittet genomförs ett test som till stora delar liknar

studien av Hjalmarsson & Hjalmarsson.

5.1 Utnyttjar bostadsrättens särdrag

Hjalmarsson & Hjalmarsson (2009) konstaterar att ett

test liknande det Meese & Wallace (1994) gör blir

svårt att göra med tanke på förhållandena på

bostadsmarknaden i de tre största svenska städerna.

Reglerade hyresnivåer gör det nämligen svårt att

jämföra bostadspriser med nuvärdet av hyresvärdet för

motsvarande hyresrätt/hyresvilla. Hjalmarsson &

Hjalmarsson kommer runt problemet genom att

utnyttja den svenska bostadsrättens särdrag som

boendeform. Den som förvärvar en bostadsrätt i

12 Chefekonom på Danske Bank

11

Sverige köper egentligen en andel i en förening, med

vilken följer bostadsrätt till en lägenhet, och det finns

således både en priskomponent och en

hyreskomponent inblandad (s. 2150-2151). Därför går

det att göra jämförelser mellan olika bostadsrätter. När

det inte är en jämförelse mellan köpta lägenheter och

hyreslägenheter försvinner problematiken med att

bostadsvalet i den senare situationen också (i princip)

innehåller ett val mellan olika upplåtelseformer. Ett

sådant val kan därmed tänkas påverkas av en rad

faktorer som inte är av finansiellt nyttomaximerande

karaktär (s.2153-2154). Men den viktigaste

förklaringen till att hyresmarknaden inte kan användas

för att skatt hyresvärdet av bostadsrättslägenheter är

att hela bostadshyresmarknaden är prisreglerad genom

det så kallade bruksvärdesystemet. Hjalmarsson &

Hjalmarsson använder följande modell (5):

�� �0�

12�3 ��4� 5�12�3 ��4

� 678 � 095

�:; � ;� � Å � ; � < � = � =� � > (5) där !? är bostadens nuvärde (i period t),�0� är

bostadsrättens avgiftsnivå (inklusive

underhållskostnader), 5� är underhållskostnader och

�� är boräntenivå. YTA är lägenhetens storlek i

kvadratmeter, RUM är antalet rum, LV motsvarar

lägenhetens våningsplan, VP är antalet våningar i

fastigheten. Å är byggår för fastigheten. V är en

dummie för om värme/va ingår, Q är prisutveckling

per kvartal, F är församling, =� är prisutvecklingen i

församlingen och Z är postkod (s. 2154, eq10).

I studien använder sig Hjalmarsson &

Hjalmarsson av data från mer än 30 000 affärer mellan

januari 2002 och september 2005 från de tre största

svenska städerna Malmö, Göteborg och Stockholm.

Tesen är att en kronas diskonterad ökning av en

bostadsrätts avgift bör leda till en lika stor minskning

av priset. Men studien visar att en kronas höjning

enbart leder till cirka 75 öre i minskning (s. 2156).

5.2 Systematisk överskattning av ineffektiviteten?

Hjalmarsson & Hjalmarsson påpekar att det

skulle kunna vara så att en del föreningar har låga

avgifter för att de inte behövt ta lån på länge. Dessa

föreningar kan däremot inom en snar framtid komma

att behöva göra renoveringar och därmed tvingas höja

avgiften. På så sätt finns en risk att koefficenten blir

underskattad eftersom lågavgiftslägenheter ter sig mer

attraktiva i den ekonometriska analysen än vad de är i

praktiken. Med stöd av data från föreningar som höjt

avgiften under testperioden visar forskarna att denna

bias dock inte verkar föreligga.

Hjalmarsson & Hjalmarsson använder den

femåriga bolåneräntan för diskontering. Det innebär en

ganska låg räntenivå, särskilt under slutet av den

undersökta perioden. Dock verkar inte

räntekoefficienten skilja sig åt mellan åren. En högre

ränta leder även till ökning av föreningens

kapitalkostnadsdel varför dessa faktorer till stor del

kan antas ta ut varandra. Således kan ränteförändringar

ha en mindre påverkan på utfallet än vad som vekar

vara fallet vid en första anblick.

Vidare antas samma samma räntesats för

hela kapitalbeloppet. Författarna inser dock att det ser

annorlunda ut i realiteten och att många köpare möter

en högre diskonteringsränta på marginalen på grund av

topplån i de fall köparen inte har pengar till

kontantinsatsen. Räntan på topplånet kan vara 1-2

procentenheter högre än listpriset på bolån, resonerar

forskarparet. Förstagångsköpare antas vara de som

primärt möter ovan nämnda budgetrestriktion varför

forskarna gör ett deltest med lägenhetens storlek som

proxy. De som köper minst lägenheter antas ha störst

restriktion, vilket också studien visar. Marknaden är

mer ineffektiv på delmarknaden för små lägenheter,

vilket stödjer tesen om att budgetrestriktioner påverkar

effektiviteten på marknaden. Samtidigt är marknaden

inte effektiv för större objekt, varför

budgetrestriktioner inte kan antas vara enda

förklaringen till ineffektiviteten på marknaden.

12

Förklaringsvariablerna utbildningsnivå,

inkomst och förmögenhet indikerar också ökad

effektivitet enligt studien. I områden där en högre

andel av invånarna vidareutbildat sig efter gymnasiet

tenderar prisbildningen att vara mer effektiv, vilket

tyder på mer ”sofistikerade” köpare i dessa områden.

Modellen tar inte hänsyn till riskaversion.

Utifrån antagande om riskaversiva agenter går det att

anta att dessa är beredda att betala en premie för lägre

pris och högre avgift då den boende enbart har

begränsat ansvar för föreningens skulder. Den stora

ineffektiviteten som testet indikerar, även i områden

med höginkomsttagare, indikerar en systematisk

feldiskotontering som inte kan enbart kan förklaras

med riskaversion, enligt författarna. I och med

svårigheterna att hyra ut sin bostadsrätt är det svårt för

köpare att utnyttja den påvisade arbitragemöjligheten,

konstaterar författarna. Det enda sättet som

bostadsmarknaden kan närma sig effektivitet är om

”smarta” köpare inser att det generellt är bättre att

köpa lägenheter med låg avgift och på så sätt långsamt

närma sig effektivitet (s. 2156ff).

6. Är Stockholms innerstads bostadsmarknad effektiv? I detta avsnitt redovisas en empirisk undersökning som

vidareutvecklar analysen av Hjalmarsson &

Hjalmarsson (2009). Studien baseras på ett färskare

men geografiskt mer avgränsat datamaterial, nämligen

endast försäljningar av lägenheter i Stockholms

innerstad under det första kvartalet 2009 respektive det

första kvartalet 2010. Det är därmed möjligt med en

noggrannare behandling av mikrolägets betydelse för

prisbildningen i analysen. Dessutom behandlas

kostnader för drift- och underhållskostnader på ett mer

realistiskt sätt, jämfört med den replikerade studien.

Resultatet i föreliggande studie ger en

betydligt starkare indikation på ineffektivitet än vad

Hjalmarsson & Hjalmarsson finner.

6.1 Vad är förhoppningen med studien?

Statistiskt är förhoppningen att kunna göra en mer

sofistikerad lägesindelning genom att enbart använda

data från en stad och då kunna dra nytta av tillgången

till bättre data om lägesklassificering. Detta bör kunna

ge delvis andra insikter, jämfört med Hjalmarsson &

Hjalmarssons studie. Även i föreliggande uppsats

antas köpare på bostadsmarknaden ta hänsyn till två

delar när två likvärdiga objekt utvärderas; dels priset,

dels lägenhetens andel av föreningens skulder, se

sambandet nedan (6):

�@ �A@

$ � - � � �B �AB

$ � - � �����C �

där �@ är pris för objekt x, A@ är kapitalkostnad för

objekt x, τ�är skattereduktion (0,3), � är bolåneränta, �B

är pris för objekt y och AB är kapitalkostnad för y.

Tesen är att en kronas ökning av det

diskonterade nuvärdet av årsavgiften bör medföra en

kronas minskning av försäljningspriset. Om

nollhypotesen förkastas innebär det att Stockholms

bostadsmarknad inte är effektiv.

Problemet är att vi enbart har uppgifter om

lägenheternas årsavgifter. Således måste drifts- och

underhållskostnaderna särskiljas från avgiften till

föreningen för att få ut lägenhetens andel av

föreningens kapitalkostnader, se ekvation (7).��;�0@ � �;�A@ � �;��D9E@ �����3 �

där 0@ är månadsavgiften (för objekt x), K är dess

kapitalkostnadsdel och DOUH är drift och

underhållskostnad. (PV är nuvärdefunktionen (som

består av en Gordonsformelberäkning)).

För att kunna klassa två skilda objekt som

likvärdiga måste vi, på grund av marknadens

heterogenintet, även förlita oss på hedonisk skattning

och att de förklarande variablerna, inklusive

årsavgiften, fångar upp skillnaderna mellan olika

objekt. Vi vill testa funktionen i ekvation (8):

�@FG�HI � α � �J � A@2�3� � β�8I � γ�<@ � εI������K

där��@FG�HI är pris per kvadratmeter för objekt X, LMN�O�

är nuvärdet av kapitalkostnaden, 8@ är ett objekts

attribut medan <@ är en kvartalsdummy.

13

Uttryck (9) anger sambandet mellan lägenhetens

årsavgift, andel av föreningens kapitalkostnad samt

andel av föreningens drifts- och underhållskostnad:

1�;�0@ � �;�A@ � �;��D9E@ 4 P��;�A@ � �;�0@ � ��;��D9E@ ��Q �

Ekvation (10) erhålls när uttryck (9)

substitueras in i ekvation (8): �MR�SI

� T � �J UMN�O� � φ� �VWXM

N�O�

�Y�8@ � Z�<@ � �@�������(10)

Till skillnad från Hjalmarsson &

Hjalmarsson testar vi inte försäljningspriser utan

försäljningspriser per kvadratmeter eftersom att boytan

i sig förklarar en stor del av variationen i pris.

Försäljningspriser samt nuvärdet av årsavgiften

divideras således med antalet kvadratmeter.

I ett alternativt scenario testar vi även ett

förhållande där avgiften sänks en procent per år, vilket

skulle motsvara att det sker en årlig amortering på en

procent på den gemensamma skulden. Att anta att det

sker amorteringar resulterar i att J ökar i absolut

värde. Utefter ekvation 8-10 ser vi detta nedan (11):

0@2�3� �� J � ���� $$ �

Anledningen till att en procent valts som

amorteringsnivå är för att Hjalmarsson & Hjalmarsson

vid en närmare granskning av bostadsrättsföreningars

årsredovisningar finner att en procent, men antagligen

även lägre procentsatser än så, är en trolig

amorteringsnivå (s. 2156). Nuvärdet inklusive

amortering beräknas således genom att addera 0,01 till

diskonteringsfaktorn i likhet med Hjalmarsson &

Hjalmarsson (s. 2154).

6.2 Data

Datasetet består av ett slumpmässigt urval, gjort av

Mäklarstatistik, av 400 lägenhetstransaktioner under

första kvartalet 2009 samt första kvartalet 2010. En

transaktion per år rensas bort på grund av avsaknad av

försäljningspris. Statistiken bygger på försäljningar i

Stockholms innerstad inklusive Hammarby sjöstad

(som dock normalt inte räknas till innerstaden). För

varje transaktion finns uppgift om datum, gatuadress,

antal rum, yta per kvadratmeter och byggår. För vissa

transaktioner finns information om våningsplan samt

om lägenheten har balkong eller ej. Uppgifterna är

delvis ofullständiga om huruvida värme/va ingår i

månadsavgiften.

Utifrån tillgänglig data, tidigare kunskap

(Pettersson & Svensson Rothmaier 2010), samt efter

att ha läst andra studier och litteratur inom ämnet

valdes bland annat följande förklarande variabler ut:

boyta, boyta², område, ålder på fastigheten. För en

komplett förteckning av prisförklarande variabler, se

tabell 1.

Uppdelningen av lägen har skett i AA, A, B

och C-lägen innanför tullarna samt variablen H för

Hammarby Sjöstad. Indelning i de olika

delmarknaderna har gjorts utifrån Svefas

områdesindelning i AA, A, B och C-lägen13 utefter en

bedömning av olika områdens attraktivitet bland

proffisionella aktörer på fastighetsmarknaden. Även

för att skatta drift- och underhållskostnaderna

använder vi oss av information från Svefa14.

I det skattade normalvärdet för drift- och

underhållskostnad ingår el, värme och VA samt även

utgifter för fastighetsskötsel, sophämtning,

trappstädning, administration och försäkringar samt

också löpande underhåll.

Hjalmarsson & Hjalmarsson använder

yta/kapitalkostnad som proxy för vad de kallar

”maintenance fee”. Genom ett föreliggande studie

använder ett mer avgränsat och välkontrollerat

datamaterial kan istället Svefas skattning användas,

vilket bedöms ge en mer exakt skattning av drift- och

underhållskostanderna.

Räntan som används i nuvärdesberäkningen

av årsavgiften och DOUH är ett genomsnitt av

SBAB:s och Nordeas bolåneränta dels per den 18

13 Se lägesuppdelning i appendix 3 14 Utifrån statistik från fastighetsägare, som Svefa har tillgängligt genom värderingsuppdrag, kompletterat med enkäter till fastighetsägare och ”egna erfarenhetstal” har Svefa beräknat ett ”normalvärde” för DOUH. Dessa är 330 kr/kvm för fastigheter med byggår 1990 och senare, samt 380 kr/ kvm för fastigheter byggda före 1990.

14

februari 2009, dels per samma datum 2010 för

observationerna under respektive år. Det skulle vara

möjligt att få fram aktuell ränta vid tillfället för varje

enskild affär då vi har kontraktsdatum, men räntenivån

varierar inte nämnvärt varken mellan den 1 januari och

den 18 februari eller 18 februari och 31 mars något av

åren 2009 eller 201015. Dessutom är räntorna på de

två bolåneinstitutens hemsidor enbart listpriser, banker

erbjuder ofta kunder ”ränterabatter”, varför de

använda räntenivåerna inte ger någon exakt skattning

av faktisk låneränta. Vidare kan vissa låntagare vara

beroende av topplån. Av dessa anledningar nöjer vi

oss med genomsnittet av SBAB:s och Nordeas

räntenivå16, för att inte införa någon falsk exakthet i

skattningen av faktisk kapitalkostnad.

Vi använder 5-årsräntan i beräkningen av

nuvärdet, vilket är vedertaget och i likhet med bland

annat Englund (2011) samt Hjalmarsson &

Hjalmarsson (2009). Vi gör ett alternativt test med

snittet av SBAB:s 7-årsränta och Nordeas 8-årsränta.

I en alternativ analys görs skattningarna med

totalt pris som vänsterledsvariabel istället för pris per

kvadratmeter samt där yta används som proxy för

DOUH. Vi vill se om detta ger några större skillnader i

resultatet om vi på detta sätt använder en modell som

mer ansluter till den som används av Hjalmarsson &

Hjalmarsson.

6.3 Empiriskt resultat

I tabell 1, på nästa sida, redovisas beskrivande statistik

för datasetet. Medianpriset på en lägenhet är 2,6

miljoner kronor medan medianpriset per kvadrat

uppgår till 50.621 kronor. Årsavgiften uppgår i

15 Under 2010 var såväl Nordeas som SBAB:s 5-årsränta 4,30 procent per den 18 februari, spannet under kvartalet hos de båda instituten var 10 punkter mellan 4.20-4,30 procent. SBAB:s 7-årsränta var 4,81 procent den 18/2 (4,70-4,85%). Nordeas 8-årsränta var 4,99 procent under hela perioden. För 2009 antar vi en 5-årsränta om 4,42 procent (4,31-4,63%) från SBAB samt även 4,42 procent (4,22-4,47%) från Nordea. Vi antar en 7-årsränta på 4,85 procent (4,54-4,90%) från SBAB samt en 8-årsränta på 5,07 procent från Nordea (4,77-5,07%) för 2009. (Utefter Excelark på dess hemsidor) 16 Hjalmarsson&Hjalmarsson använder sig av snitt från SBAB, Swedbank och Nordea.

genomsnitt till 31.982 kronor med en

standardavvikelse på 15.863 kronor.

De observerade lägenheterna har i

genomsnitt (drygt) två rum +/- (cirka) ett rum, median

för antalet rum uppgår till två. Genomsnittsbostaden

har en boyta på (knappt) 58,5 kvadrat med en

standardavvikelse på runt 27 kvadrat.

Vidare kan man notera att ingen variabel

antar något negativt värde. Medianen för nuvärdet av

årsavgiften ligger i undersökningen mellan 850K SEK

och 970K SEK, beroende på vilken ränta som används

för nuvärdesberäkningen. Per kvadratmeter uppgår, i

undersökningen, motsvarande nuvärde till mellan

knappa 17 000 och dryga 19 000 kronor. Då nuvärdet

av årsavgiften antar positiva värden kommer

koefficenten vi testar anta negativa värden.

Koefficenten framför DOUH-kostnad

förväntas däremot anta positivt värde, vilket har

härletts ovan.

I tabell 2 redovisas resultatet från skattning

av ekvation (11). Som synes verkar en kronas ökning

av det diskonterade nuvärdet av föreningens

kapitalkostnad enbart resultera i en minskning av

priset på mellan drygt 30 och knappt 50 öre.

Standardavvikelsen är samtliga fall låg. I de alternativa

regressionerna (mera lika de som Hjalmarsson &

Hjalmarssons gör) blir resultaten i huvudsak desamma,

nämligen mellan 38,5 och 44 öres minskning av priset

(se tabell 4 i appendix 1). Standaravvikelsen är låg

även i dessa skattningar. Således kan vi utesluta att en

högre avgift inte skulle ha någon inverkan alls på

slutpriset. Det är vid båda angreppssätten statistiskt

signifikant att en ökning av föreningens skuldsättning

leder till ett lägre pris, men alltjämt inte tillräckligt

mycket lägre jämfört med teoretiskt värde.

Tabell 1 Beskrivande statistik Medel Standardavvikelse Median Minimum Maximum Pris 2.902.618 1.396.177 2.600.000 860.000 16.000.000 Pris/kvm 51.003 9.746 50.621 27.778 85.500 Boyta 58,48 26,97 54,00 14,00 205,00 Rum 2,084 1,024 2 1 6 Årsavgift 31.982 15.863 29.400 0 140.424 PV Årsavgift (5-årsränta)

1.047.929 519.432 965.866 0 4.538.591

PV Årsavgift (7,5-årsränta)

926.720 459.458 853.644 0 4.044.470

PV Avgift/kvm (5-årsränta)

18.535 5.482 19.049 0 53.298

PV Avgift/kvm (7,5-årsränta)

16.392 4.851 16.828 0 47.496

DOUH-kostn 21.654 9.848 20.140 5.320 77.900 PV DOUH/kvm (5-årsränta)

12.203 615 12.282 10.666 12.625

PV DOUH/kvm (7,5-årsränta)

10.790 526 10.945 9.505 11.079

Byggår 1936,9 43,8 1932 1600 2010 2000-tal 0,103 0,304 0 0 1 80-90-tal 0,083 0,276 0 0 1 60-70-tal 0,055 0,228 0 0 1 40-50-tal 0,073 0,260 0 0 1 20-30-tal 0,424 0,494 0 0 1 00-10-tal 0,164 0,371 0 0 1 < 1900 0,099 0,299 0 0 1 Q12009 0,500 0,500 0,50 0 1 Q12010 0,500 0,500 0,50 0 1 AA-läge 0,074 0,26 0 0 1 A-läge 0,092 0,29 0 0 1 B-läge 0,711 0,45 1 0 1 C-läge 0,074 0,26 0 0 1 H-by Sjöstad 0,050 0,21 0 0 1

16

Tabell 2. Regressionsanalys Skattning av uttryck (10). Beorende variabel är Pris per kvadratmeter, Px. DOUH-kostnad har skattats med data från Svefa. Standardavvikelse anges inom parentes. 5 år Ränta 7,5 år Ej amortering 1% amortering Ej amortering 1% amortering Nuvärde årlig hyra p-värde (0/-1)

-0,325 (0,050)

(0,000/0,000)

-0,432 (0,067)

(0,000/0,000)

-0,368 (0,057)

(0,000/0,000)

-0,474 (0,074)

(0,000/0,000) Intercept 62.230

(12.977) 62.250

(12.978) 62.128

(13.067) 62.136

(13.068) PV DOUH/kvm 0,406

(1,025) 0,406

(1,025) 0,469

(1,159) 0,469

(1,159) Boyta -576,7

(37,5) -576,7 (37,5)

-576,6 (37,5)

-576,6 (37,5)

Yta² 2,178 (0,194)

2,178 (0,194)

2,179 (0,194)

2,179 (0,194)

Rum 3.790 (566)

3.790 (566)

3.789 (566)

3.789 (566)

2000-tal -3.900 (2.108)

-3.901 (2.108)

-3.889 (2.105)

-3.889 (2.105)

80-90-tal -7.852 (1.516)

-7.854 (1.516)

-7.847 (1.516)

-7.848 (1.516)

60-70-tal -9.661 (1.238)

-9.662 (1.238)

-9.664 (1.238)

-9.664 (1.238)

40-50-tal -7.857 (1.160)

-7.856 (1.160)

-7.856 (1.160)

-7.856 (1.160)

20-30-tal -4.391 (851)

-4.391 (851)

-4.393 (851)

-4.393 (851)

00-10-tal -1.640 (953)

-1.640 (953)

-1.641 (953)

-1.641 (953)

Q12010 5.670 (592)

5.629 (592)

5.653 (498)

5.636 (498)

AA-läge 13.049 (1.734)

13.048 (1.734)

13.042 (1.734)

13.044 (1.734)

A-läge 11.337 (1.664)

11.337 (1.664)

11.334 (1.664)

11.335 (1.664)

B-läge 8.199 (1.473)

8.198 (1.473)

8.192 (1.473)

8.194 (1.473)

C-läge 3.546 (1.627)

3.547 (1.627)

3.547 (1.627)

3.548 (1.627)

Diskonterings- antaganden:

30% skattered. Ja Ja Ja Ja 1% amortering Nej Ja Nej Ja Observationer 798 798 798 798 R-square 56,1% 56,1% 56,1% 56,1%

17

6.4 Kompletterande analyser

Som tidigare nämnt görs även ett test på delmängder

av datamaterialet i syfte att se om effektiviteten skiljer

sig åt mellan olika delmarknader. I större utsträckning

kan det tänkas att förstagångsköpare – som har större

budgetrestriktioner då de inte har ackumulerade

vinster från tidigare lägenheter – köper små lägenheter

och att ineffektiviteten skulle kunna vara större på

denna delmarknad. Hjalmarsson & Hjalmarsson finner

också en större ineffektivitet på marknaden för små

lägenheter. Vi utesluter AA- och A-lägen eftersom

köpare i högre grad på dessa delmarknader (ex.

Östermalm, Gamla Stan, Mosebacke, City och Gärdet)

kan tänkas ha mindre budgetrestriktioner. B-läge

inbegriper Södermalm, Vasastan, Birkastan och

Kungsholmen, områden där det kan tänkas att de som

gärna vill bo i innerstan – men på grund av

budgetrestriktioner inte kan – helst söker bostad. Vi

gör därför en kompletterande analys på

observationerna som återfinns inom kategorin B-läge

(cirka 71 procent av observationerna).

Observationerna sorteras utefter boyta. Som

mindre lägenheter benämns observationer under 30

kvadrat. Som jämförelse testas effektiviteten på

marknaden för lägenheter mellan 76-99 kvadrat.

Dels används 5 årsränta utan amortering

samt 7,5 årsränta med amortering som

diskoteringsfaktorer. Analyserna görs med både

Svefas skattning av DOUH och med boyta som proxy

för DOUH. Förhoppningen är att resultaten från de två

olika testen pekar åt samma håll.

Resultatet redovisas i tabell 3. Endast

koefficienterna för de de två studerade

storleksklasserna redovisas. Resultaten beträffande

övriga varibler är i huvudsak identiska med de resultat

som redovisas i tabell 2. Som synes i tabell 3 indikerar

båda testen att ineffektiviteten är större på marknaden

för små lägenheter medan köpare av större lägenheter

(som antas ha mindre budgetrestriktioner) ser ut att

vara mer ”rationella”.

Tabell 3. Test på delmängder Obeservationer inom ”B-läge” delas upp utefter boyta. DOUH-kostnad har skattats utefter Svefa samt genom proxy. Standardavvikelse anges inom parentes. 5 år Ränta 7,5 år Ej amortering

Svefa-DOUH Ej amortering DOUH-proxy

1% amortering Svefa-DOUH

1% amortering DOUH-proxy

0-29 kvm (57 obs)

-0,2564 (0,1248)

63,8%

-0,1447 (0,1258)

60,0%

-0,3717 (0,1816)

63,8%

-0,1632 (0,1435)

60,0% 76-99 kvm (82 obs)

-0,6529 (0,1692)

53,5%

-0,6202 (0,1559)

58,3%

-0,9497 (0,2463)

53,5%

-0,7073 (0,1779)

58,3%

7. Analys och slutsats I detta avsnitt diskuteras de erhållna analysresultaten.

7.1 Ineffektivitet eller dålig modell?

Fama (1991) konstaterade att det inte behöver vara den

studerade marknaden som är ineffektiv utan det kan

vara en ”bad model” som används vid

undersökningen. I denna studie påvisas att J är

signifikant åtskiljt från såväl 0 som -1. Således har en

högre avgift en negativ påverkan på priset. Däremot

har en ökning av nuvärdet av föreningens

kapitalkostnad inte tillräckligt stor inverkan på priset,

jämfört vad som teoretiskt borde vara fallet.

En kronas ökning verkar enbart leda till

någonstans mellan 30-50 öres minskning av priset.

I modellen är ett viktigt steg att DOUH

faktiskt bryts ut ur årsavgiften för att få fram

18

kapitalkostnaden (se ekvation (8)-(11) ). Av den

anledningen är det oroväckande att koefficenten

framför nuvärdesberäkningen av DOUH verkar skattas

för lågt i tabell 2. Denna bör rimligen ligga nära ett

eller till och med något över ett eftersom den ska

kompensera för drift och underhållskotnad per

kvadratmeter i fastigheten som inte enbart består av

boyta utan även av gemensamma ytor där lägenheterna

proportionellt bör dela på kostnaden. Således bör

koefficenten anta ett värde som är större än knappa 0,5

som är vad skattningarna i tabell 2 ger. Detta kan vara

en indikation på att den noterade ineffektiviteten

överskattas något, samtidigt är standardavvikelsen hög

på skattningen av DOUH-koefficenten. Skillnaden i

DOUH-kostnad beror i tabell 2 av byggår (före eller

efter 1990). Utifrån tabell 5-7 i appendix 2 ser det ut

som att det råder multikollinearitet med

åldersdummies. I det alternativa testet med

Hjalmarsson & Hjalmarssons proxy för DOUH får vi

liknande resultat för koefficienten framför J. I detta

fall, enligt tabell 6 i appendix 1, ser DOUH-

koefficenten ut att korrelera med primärt variabeln

boyta, vilket är naturligt då boytan använts som proxy

för DOUH-kostnad.

Så länge skattningarna av koefficenten

framför nuvärde av årlig hyra blir precisa accepterar vi

multikollinearitet mellan övriga förklarande variabler.

Vi får förvisso problem med skattningen av dessa

enskilda parametrar eftersom dessa till viss del

förklarar samma del av variationen, men modellen

som helhet ger en högre förklaringsgrad.

Enbart för att det råder multikollinearitet

finns det inte anledning att befara att detta,

sammantaget, skulle överskatta ineffektiviteten.

Rörande risken för att det saknas viktiga

förklarande variabler i vår modell, exempelvis

balkong, våningsplan, värme/va påverkar detta

antagligen R-sq negativt. Värme/va ingår dock i

avgiften för de flesta lägenheter, samt är inkluderat i

Svefas beräkning av DOUH. Således antas att DOUH-

parametern adsorberar värme/va. Även om

förklaringsgraden påverkas negativt på marginalen av

avsaknaden av vissa förklarande variabler får vi

alltjämt ett R-sq på 56,1 procent vilket får anses vara

mycket högt i en regression där pris per kvadratmeter

(och inte pris) är beroende variabel.

Avsaknaden av en rad potentiella

förklarande variabler kan vidare inte antas ha inverkan

på skattningen av koefficienten framför J. Först om

det saknas variabler som systematiskt ändrar

skattningen av J kan modellens resultat ifrågasättas.

Att förklarandegraden blir högre i

undersökningen med yta som proxy för DOUH beror

på att yta förklarar en stor del av variationen i pris. I

tabell 2 gör vi, som tidigare nämt, test med priset per

kvadratmeter som beroende variabel.

Det kan tänkas att föreningar med högre

avgifter lägger större summor på drift och underhåll i

syfte att ge ökad nytta för de boende i fastigheten. Låg

avgift i dag visar inte heller risken för framtida

avgiftshöjningar till följd av renoveringar och

liknande. Enligt Hjalmarsson & Hjalmarsson är dock

detta inte är något problem (s. 2158).

Risken finns vidare att studien systematiskt

felskattar ineffektiviteten om föreningar med antingen

hög eller låg avgift i större skala är myopiska. En lägre

avgift skulle kunna vara ett tecken på att föreningen

inte fullt ut budgeterat för kommande räntehöjningar

och då tvingas höja avgifterna mer än föreningar som

redan har höga avgifter, vilket skulle kunna överskatta

ineffektiviteten. Men som Hjalmarsson & Hjalmarsson

konstaterar påverkas både den boende och föreningen

av ett högre ränteläge varför ränteförändringar därmed

kan ha en mindre påverkan på utfallet än vad som

vekar vara fallet vid en första anblick (s.2159).

Alltjämt antar modellen att samtliga köpare

på bostadsmarknaden har samma diskonteringsränta

medan låneräntenivån snarare bör bero av

belåningsgraden17. För den som köper lägenhet brukar

detta i sin tur märkas i form av topplån med högre

räntenivå på riktigt höga belåningsgrader. Detta gäller

17 Enligt grundläggande finansiell teori såsom de välkända teoremen CAPM och/eller Modigliani&Miller

19

förvisso i huvudsak oavsett lägenhetens

månadskostnad. Det kan exempelvis tänkas att de med

riktigt hög månadsavgift får sämre lånevillkor på

topplånet, eftersom banken kan tycka att de får en hög

boendekostnad som ger högre risk för banken.

I modellen tas inte heller hänsyn till

riskaversion och det faktum att den boende inte är fullt

betalningsskyldig för föreningens lån (Hjalmarsson &

Hjalmarsson, s.2162). Teoretiskt bör dock varje

köpare på marginalen värdera en kronas ökning av

nuvärdet av föreningens kapitalkostnad så att det

innebär en kronas minskning av priset. Annars skulle

det finnas arbitragemöjligheter genom förändringar i

kapitalstrukturen av privata/gemensamma skulder.

Samtidigt går det att anta att olika individer har olika

preferenser rörande skatterabatt kontra riskaversion.

Detta faktum kan tala för att marknaden, utefter

antagande om strikt rationella individer, segmenteras.

Riskaversiva personer skulle kunna att välja att bosätta

sig i föreningar med höga gemensamma skulder och

lägre priser, medan mindre riskaversiva letar efter

föreningar med låg avgift och medföljande höga

lägenhetspriser. Men detta förändrar inte det teoretiska

förhållande som modellen utgår ifrån.

I O’Sullivan & Gibb (2003) förs det fram att

direkta test av halvstarka effektiviteten utefter strikta

neoklassiska antaganden (i.e. Gordons formel)

exempelvis Meese & Wallace (1994) lätt blir röriga

(s.100-101) . Modellen i föreliggande studie

accepteras även om det ovan har listats en rad

förhållanden, och det säkerligen går att finna

ytterligare en rad faktorer, som modellen helt eller

delvis missar att ta i beaktande. Även om det finns

scenarion som kan förklara åtminstone en del av

ineffektiviteten verkar det alltjämt vara så att

marknaden systematiskt misslyckas att effektivt

diskontera avgifterna till föreningen.

7.2 Vad visar studien?

Den övergripande slutsatsen är att marknaden inte är

effektiv. Ett flertal tidigare studier inom området har

kommit till samma slutsats. Exempelvis har Meese &

Wallace (1994), Mankiw & Weil (1989), Case &

Shiller (1989, 1990) samt Englund & Ioannides (1997)

och Englund et.al (1999) kommit till sådan slutsats

baserat på test av antingen den svaga, men även den

halvstarka, formen.

Studien i föreliggande uppsats bygger på

samma antaganden som Hjalmarsson & Hjalmarsson

använder vid test av den halstarka formen. Ett test som

i sin tur utgår från förutsättningarna i Meese &

Wallace (1994). Men resultaten visar också på en

större ineffektivitet än vad Hjalmarsson &

Hjalmarsson finner. Det nu redovisade testet utgår

dock enbart från observationer från Stockholms

innerstad samt baseras på färskare data. Den större

ineffektiviteten kan bero på att marknaden hettat till

under tiden mellan undersökningarna, i takt med att

priserna fortsatt att stiga.

Hjalmarsson & Hjalmarsson visar att en

högre utbildningsnivå, en högre genomsnittsinkomst

samt större förmögenhet ökar effektiviteten i ett

område. Liknande utfall finner Finansinspektionen i

sin konsumentundersökning. Från USA har studier

visat att det främst var personer med otillräcklig

matematisk och finansiell förståelse som tog

exempelvis ARM-lån, där en del av räntan bakades in i

lånesumman under de första åren. Med tanke på

variablerna utbildning och inkomst borde man därför

möjligen vänta sig en högre effektivitet på

bostadsmarknaden i Stockholms innerstad, jämfört

med den som studeras av Hjalmarsson & Hjalmarsson,

som omfattar landets tre största kommuner.

Ett test med boyta som proxy för

budgetrestriktion visar dock att ineffektiviteten är

större hos dem som köper små lägenheter medan det

inte är statistiskt signifikant att marknaden är

ineffektiv vad gäller större lägenheter (se tabell 3). Det

bör dock poängteras att man inte ska dra för stora

växlar på delmängdstestet, det skulle egentligen

behövas ett större dataset, även om upptäckten med en

större ineffektivitet på marknaden för mindre

20

lägenheter ligger i linje med vad Hjalmarsson &

Hjalmarsson också finner.

Det kan antas att förstagångsköpare i större

utsträckning är de som köper små lägenheter. Det är

också framför allt förstagångsköpare som möter

budgetrestriktioner. Förstagångsköpare kan, generellt,

också tänkas vara yngre. Finansinspektionens

konsumentundersökning visar att personer mellan 18

och 29 år generellt har sämre räkneförståelse samt

finansell förmåga. Detta ses som en ”kohort-effekt”.

Såväl budgetrestriktioner som sämre finansiell

förmåga kan tänkas vara förklaringar till en ökad

ineffektivitet på marknaden för små lägenheter.

Resultatet går dock stick i stäv med Miles

(2004) tes att hushållen har en tendens att enbart

fokusera på den initiala räntekostnaden. För hade så

varit fallet borde hushåll förordat lägenheter med lägre

avgift och högre privata lån - inte vice versa. Samtidigt

ser resultatet i denna studie ut att kunna hänföras

budgetrestriktioner, särskilt som ineffektiviteten är

högre på marknaden för små lägenheter.

Eftersom bostadsköpare vanligen är

beroende av banklån för att köpa lägenheter utgörs

lånelöftet från banken begränsningen för vad ett

hushåll kan bjuda på en lägenhet.

Alltjämt borde bankerna ha ett ansvar för att

granska föreningars årsredovisningar i samband med

utfärdandet av lån. Denna studie visar på vikten av att

lånelöften eventuellt även borde bero av föreningens

skuldsättning. Ineffektiviteten som påträffas i denna

studie torde minska om en sådan passus följde med ett

lånelöfte, det vill säga att lånebeloppet är avhängigt

föreningens skuldbörda.

7.3 Ineffektivitet på grund av

bubbeltensdenser?

Debatten mellan Jaffee (1994) och Björklund &

Söderberg (1999) (förvisso rörande

fastighetsmarknaden) visar på svårigheterna med att

påvisa bubbeltendenser i efterhand. Än svårare är det

att svara på om det just i analysögonblicket råder en

bubbla. Finansiella bubblor tenderar att gå hand i hand

med ineffektivitet och irrationella agenter. Men

ineffektivitet behöver däremot inte innebära att en

bubbla råder. De höga transaktionskostnaderna medför

en låg omsättning och således kan ett fåtal optimister

fortsätta driva på prisutvecklingen, vilket var fallet i

USA under inledningen av 2000-talet, enligt Piazzesi

& Schneider (2009). Även i Sverige, likt exempelvis

USA innan krisen, har kredittillväxten varit hög.

Förvisso noterade SCB i april 2011 den lägsta

kredittillväxten i Sverige sedan 1998. Alltjämt

uppmättes årstakten då till 7,2 procent. De svenska

bostadspriserna har stigit i takt med kredittillväxten,

men som Roger Josefsson framhåller är det inte

långsiktigt hållbart att bostadspriserna stiger med 10

procent årligen (Svensson Rothmaier 2010).

Enligt Claussen, Jonsson & Lagerwall

(2011) är det mest sannolika en långsammare

ökningstakt framöver eftersom bostadspriserna letat

sig över den långsiktiga trenden. Hansson (2010,

2011) anser dock att de reala bostadspriserna är

övervärderade med 20 procent. Enligt honom är det

låga räntor i kombination med avreglerade

kreditmarknader som medfört en stor ökning av

kredittillväxten vilket i sin tur drivit bostadspriserna.

Har det blåsts upp en bubbla på

bostadsmarknaden i Stockholm? Swedbanks boindex

för Stockholm uppgår i skrivande stund, senvår 2011,

enbart till 70,1, således långt under normen 100. Även

om detta kan vara oroväckande bör det samtidigt

påpekas att det inte är orimligt att stockholmare, med

högre genomsnittsinkomst, lägger en större andel av

lönen på sitt boende än man gör i övriga delar av

landet. Ett genomsnittligt hushåll i Stockholm har

knappt 100.000 kronor mer i årlig bruttoinkomst,

jämfört med riksgenomsnittet. Samtidigt lägger

hushåll i Stockholm i genomsnitt 67.000 kronor mer

per år i boendeutgifter. Sammantaget är det oklart om

stockholmshushåll, i absoluta tal, har ett lägre

disponibelt belopp efter utgifter för boendet.

I diskussionen ovan påpekades det att Miles

(2004) tes om att låntagare primärt bryr sig om den

21

initiala lånekostnaden kunde ifrågasättas utifrån

resultatet i föreliggande studie och Hjalmarsson &

Hjalmarsson. Samtidigt kan det tänkas vara så att

bostadsköpare, när de totala månadsutgifterna är låga,

inte gör fullständiga kalkyler inför köp, utan bjuder på

lägenheter utan att i någon större mån ta avgiften och

föreningens skulder i beaktande. Även om föreningens

kapitalkostnad förvisso har en signifikant negativ

inverkan på priset, är denna inte så stor som förväntat.

Enligt flera mäklarutlåtanden har dock

bolånetaket, höjda räntor och mer restriktiva banker

verkat återhållande på bostadsmarknaden. Detta har i

sin tur inneburit en minskad omsättning, vilket

framgår av statistik från såväl SCB som

Mäklarstatistik. Stämmer det att marknaden pressas av

högre räntor och bolånetaket kan det vara en

indikation på att Miles tes trots allt är riktig och att

hushållen inte fullt ut förstått vad högre räntor innebär

i form av ökade kostnader. Roger Josefsson är inne på

denna tankegång och medger att banker inte i

tillräckligt stor utsträckning förklarat för låntagare,

även om marginalerna finns, vad högre räntor innebär

för låntagarens levnadsstandard.

Enligt Svensk Fastighetsförmedling har

kostnadsmedvetenheten hos köpare ökat under våren

2011, till viss mån som en konsekvens av bättre

information från banker (Hedlund, 2011).

Som Enlund (2011) påpekar torde fortsatta

åtstramningar från Riksbanken i så fall sätta ytterligare

press på finansmarknaden. Enligt Englund (2011),

Hansson (2010), samt Claussen et.al (2011) har lägre

realräntor bidragit till prisstegringen. Englund (2011)

samt Hansson (2010) pekar även ut det på kort sikt

oelastiska utbudet. Men som Englund påpekar

kommer höga priser förr eller senare leda till ett ökat

utbud och som Hansson (2010) poängterar bör

konkurrens på byggmarknaden trycka ned

byggbolagens vinstmarginaler på nybyggda lägenheter

vilket i sin tur innebär ett lägre pris på nybyggda

lägenheter. Något som även borde inverka på priset på

befintliga bostäder.

Hansson (2011) samt Sanchez & Johansson

(2011) finner vidare att utbudet av lägenheter på

långsikt är mer elastiskt i Sverige, jämfört med andra

länder.

Den enorma prisutveckling som skådats kan

ses som en betingad marknadsanpassning utifrån

fundamentala faktorer såsom lägre realräntor och ökad

efterfrågan i kombination med ett oförändrat utbud.

De låga realräntorna riskerar dock att drivas

upp i takt med ytterligare räntehöjningar. Som

Englund (2011) poängterar letade sig realräntan (5-

årsränta efter skatt minus inflation) ner kring noll

under finanskrisen. Ökade finansieringskostnader för

bankerna bidrar vidare till en ökad räntespread. Ett

eventuellt prisfall riskerar dessutom att starta en

negativ spiral där spreaden på bolån (mot

reporänta/statspapper) ökar än mer när bankernas

finansieringskostnader ökar till följd av att det blir

svårare att sälja bostadsobligationer. Utländska

institutionella investerare ser i dag svenska

bostadsobligationer som mycket säkra papper efter

som dessa historiskt uppvisat små förluster.

Till den stabila historiken bidrar förvisso

institutionella förhållanden som gör det mycket svårt

för svenska bostadsägare att bli kvitt sina skulder. Inte

ens under 1990-talskrisen gav privata bostadslån

upphov till några större kreditförluster för bankerna.

Ineffektiviteten på Stockholms

bostadsmarknad kan hänföras till budgetrestriktioner.

Samtidigt verkar den svenska bostadsmarknaden i

allmänhet, och Stockholms bostadsmarknad i

synnerhet, pressas av en normalisering av räntenivån.

Pressen kan komma att bli ännu mer påtaglig om

utbudet av nya lägenheter ökar. I en studie av Oslos

bostadsmarknad finner Larsen & Wenum (2007) att

bostäder under en 12-årsperiod gav högre avkastning

än aktier, samt även till lägre volatilitet, vilket går

emot grundläggande finansiell teori. Resultatet i deras

studie kan i vissa avseenden sannolikt extrapoleras till

Stockholms bostadsmarknad. Under alla

omständigheter tycks Oslo under den studerade

tidsperioden utgöra ett exempel på en bostadsmarknad

22

där riskpremien har tryckts ned omotiverat lågt, så

kallad ”irrational exurbance” (irrationell övertro på

marknaden). Miles (2004) tes, prisstatistik och

mäklarutlåtanden indikerar vidare att bostadsägare inte

i tillräckligt hög utsträckning gör långsiktiga kalkyler.

Givet ineffektiviteten och de stora

makroekonomiska konsekvenser ett prisfall riskerar att

föra med sig kan såväl Finansinspektionens bolånetak

samt myndigheters noggranna övervakning av

bostadsmarknaden rättfärdigas. Jean Rochets idé att

penningpolitiken bör ta hänsyn till tillgångspriser

(Thornley 2011) får i kontexten anses som lämpligt.

Resultatet i denna studie påtalar, som ovan

nämt, möjligheten att med förändrade regler rörande

lånelöften göra låntagare mer uppmärksamma på dess

indirekta skulder via föreningen.

7.4 Slutsats

Denna studie visar att bostadsmarknaden i Stockholms

innerstad inte är effektiv. För en rationell köpare finns

det möjlighet till riskjusterad överavkastning genom

att köpa lägenheter med låg andel föreningsskulder då

prisökningen inte fullt ut kompenserar för föreningens

lägre kapitalkostnad. En kronas ökning av nuvärdet av

kapitalkostnden ser enbart ut att leda till 30-50 öres

minskning av priset. Framför allt verkar ineffektivitet

råda på marknaden för mindre lägenheter, något som

kan hänföras budgetrestriktioner då liten lägenhetsyta

kan ses som proxy för förstagångsköpare.

På en effektiv marknad borde rationella

agenter utan budgetrestriktioner inse att det går att

göra arbitrage genom att köpa en lägenhet med låg

avgift. Något som teoretiskt borde leda till att

marknaden närmar sig effektivitet. Vidare bör de som

bor i lägenheter med hög avgift överväga att flytta till

en lägenhet med lägre avgift såvida inte de höga

transaktionskostnaderna överstiger förväntad profit.

Med hänsyn taget till resultatet i studien borde vidare

sofistikerade medlemmar i föreningar med låga

avgifter vilja öka de gemensamma skulderna och

skifta ut kapital till de boende. Kapital som skulle

kunna användas till amortering av privata lån. Om

lägenhetens värdeminskning inte är lika stor till följd

av föreningens ökade skulder (och medföljande lägre

bostadslån) skulle det finnas arbitragemöjligheter för

medlemmar i föreningar med låga skulder.

Studien visar på betydelsen av förändrade

regler rörande lånelöften, där lånebeloppets storlek är

avhängigt föreningens skuldsättning.

I framtida studier skulle det vara intressant

att testa hur effektiviteten på exempelvis Stockholms

bostadsmarknad påverkats av bolånetaket. Bolånetaket

bör rimligen ha inneburit en ännu större

budgetrestriktion för primärt förstagångsköpare.

I denna studie har mängden data inneburit en

restriktion, särskilt rörande test av olika delmarknader.

Med fler observationer, och mer fullständig data

rörande potentiella förklarande variabler, bör det gå att

få mer precisa svar om hur exemeplvis

förstagångsköpare agerar på bostadsmarknaden.

Generellt sett behövs det också fler test av

den halvstarka formen av effektivitet samt ökad insikt

om hur förväntingar formas på bostadsmarknaden. Inte

minst är detta av intresse då ett prisfall kan få stora

makroekonomiska konsekvenser. Det finns således

behov av såväl ytterligare kvantitativa studier samt

djupare kvalitativa studier.

23

Källförteckning: Akerlof, G., & Shiller, R. (2009), Animal Spirits: How Human Psychology Drives the Economy, and Why It Matters for Global Capitalism Princeton University Press 2009 (264pp) Almenberg, J., & Widmark, O. (2011) Räknefärdighet och finansiell förmåga, FI 2011-01-24 Almenberg, J. & Finocchiaro, D. (2011) Räknefärdighet, finansiell förmåga och hushållens ekonomi, Ekonomisk kommentar 3:2011 Riksbanken Andersson, G., Jorner, U., Ågren, A. (2007), Regressions- och tidsserieanalys Studentlitteratur upplaga 3:4 (2009) Bergstresser, D., & Beshears, J. (2010) Who Selected Adjustable Rate Mortgages? Evidence from the 1989-2007 Surveys of Consumer Finances, Harvard Business School Björklund, K. & Söderberg, B., (1999), Property Cycles, Speculative Bubbles and the Gross Income Multiplier, Journal of Real Estate Research, 18:1, s. 151-174 Case, K., & Shiller, R., (1989) The efficiency of the market for single-family homes American Economic Review 79, s. 125–137 Case, K. & Shiller, R., (1990) Forecasting prices and excess returns in the housing market Journal of the American Real Estate and Urban Economics Association 18, s. 253–273 Claussen, A., Jonsson, M. & Lagerwall, B. (2011) En Makroekonomiskanalys av bostadspriserna i Sverige Riksbankens utredning om risker på den svenska bostadsmarknaden (s. 67-96) Copeland, T., Weston, J. & Shastri, K. (2005) Financial Theory and Corporate Policy (4:th edition) Pearson Education Cooke, D. (2009:a) Efficient Markets, Predictability of Asset Returns, and Asset Market Anomalies, föreläsningsanteckningar Trinity College Dublin vt 2009 http://www.tcd.ie/Economics/staff/dcooke/EC4051_L3.pdf Cooke, D. (2009:b) Asset Price Bubbles and Volatility, Trinity College Dublin vt 2009 http://www.tcd.ie/Economics/staff/dcooke/EC4051_L4.pdf Dell’Ariccia, G., Igan, D., & Laeven, L. (2008) Credit Booms and Lending Standards: Evidence from the Subprime Mortgage Market, IMF April 2008 Englund, P. (2011) Svenska huspriser i ett internationellt perspektiv Riksbankens utredning om risker på den svenska bostadsmarknaden (s. 23-66) Englund, P., Tracy, G., Quigley, J. (1999) The Valuation of Real Capital: A Random Walk down Kungsgatan, Journal of Housing Economics, (s. 205–216) Englund, P., Ioannides, Y. (1997) House Price Dynamics: An International Empirical Perspective, Journal of Housing Economics, s. 119–136 Enlund, M. (2011) Oroväckande signal från svensk bostadsmarknad, trots hygglig prisutveckling Handelsbanken Capital Markets Trading Strategy Marknadsbrev 2011-05-17 Fama, E. (1970) Efficent capital markets A rewiew of theory and empirical work Journal of Finance Vol. 25, No. 2 (Maj, 1970), pp. 383-417 Finansinspektionen (2010:a), FI ser konsumentrisker i bolånen, Finansinspektionen 2010-02-16 Finansinspektionen (2010:b), Förslag till allmänna råd om begränsning av lån mot säkerhet i bostad, Finansinspektionen remisspromemoria 2010-05-05 Finansinspektionen (2010:c), Bolånetak på 85 procent från 1 oktober, Finansinspektionen 2010-07-09

24

Finansinspektionen (2011) Effekter av bolånetaket – en första utvärdering April 2011 Dnr 11-1622

Greenspan, A. (1996) The Challenge of Central Banking in a Democratic Society, Federal Reserve, tal 1996-12-05

Hansson, B. (2010:a), En bostadsbubbla kostar Marknadsrapport (feb 2010) Bostadskreditnämnden (BKN) Hansson, B. (2010:b), Bolån i Sverige - en begränsad marknad Marknadsrapport (maj 2010) BKN Hansson, B. (2011), Vad bestämmer Bostadsinvesteringarna? Marknadsrapport (maj 2011) BKN Hedlund, M. (2011) Bomarknaden har bromsat in, Dagens Nyheter 2011-05-27 Hjalmarsson, E. & Hjalmarsson R. (2009), Efficiency in housing markets: Which home buyers know how to discount? Journal of Banking & Finance 33 (2009) s. 2150-2163 Holmén, M. (2008) Effektiva Marknader, föreläsningsanteckningar (vt2008) Uppsala Universitet http://www.nek.uu.se/Kurser/ForelAnt/F1043.pdf Hosios, A. J., & Pesando, J. E. (1991), Measuring Prices in Resale Housing Markets in Canada: Evidence and Implications, Journal of Housing Economics 1 (4), s. 303-317 IMF (2011) Sweden Concluding Statement of the Article IV Consultation Mission 2011-05-30 Ingves, S. (2011), Utmaningar i samband med utformningen och genomförandet av makrotillsynsreglering, Riksbanken tal 2011-01-18 Larsen, E. R. & Weum, S. (2007), Home, Sweet Home or Is It - Always? Testing the Efficiency of the Norwegian Housing Market, Discussion Papers No. 506, Research Department, Statistics Norway Lindgren, R (1989). Spekulation på Finansiella Marknader, Ekonomisk Debatt 1/89 s.5-12 Maier, G. & Herath, S. (2009), Real Estate Market Efficiency: A Survey of Literature, SRE-Discussion 2009/07 Malkiel, B (1973). A Random Walk Down Wall Street, Ww Norton & Co 2008, London Meese, R., Wallace, N., (1994) Testing the present value relation for housing prices: Should I leave my house in San Francisco? Journal of Urban Economics 35, s. 245–266. Miles, D. (2004) The UK Mortgage Market: Taking a Longer-Term View March 2004 HM Treasury Mäklarstatistik (2009), Helåret 2008 – uppgång och fall 2011-01-12 Mäklarstatistik (2011:a), Trenden är fortsatt stabilt på bostadsmarknaden 2011-01-18 Mäklarstatistik (2011:b) Små prisförändringar men de regionala skillnaderna ökar 2011-04-14 Mäklarstatistik (2011:c) Stillastående priser i april 2011-05-12 OECD (2011) Economic Outlook – General assessment of the macroeconomic situation 2011:1 (77s.) O’Sullivan, T. & Gibb, K. (2003), Housing Economics and Public Policy, 2006 Blackwell Science Ltd

Pettersson, M. & Svensson Rothmaier, M. (2010) Har fastighetspriserna i Uppsala ökat? En ekonometrisk jämförelse av 2001 och 2010 års realpriser vt 2010 Statistiska institutionen Uppsala universitet

Piazzesi, M. & Schneider, M. (2009), Momentum Traders in the Housing Market: Survey Evidence and a Search Model, American Economic Review: 99:2, s. 406–411 (maj 2009) Riksbanken (2009), Bostadspriserna i Sverige, Penningpolitisk Rapport oktober 2009 Riksbanken (2011), Riksbankens utredning om risker på den svenska bostadsmarknaden, april 2011 (420s)

25

Riksbanken (2011) Marknadsaktörers syn på risker och den svenska ränte- och valutamarknadens funktionssätt Avdelningen för finansiell stabilitet Sveriges riksbank, riskenkät våren 2011 Rosenthal, S.S (1999). Residential buildings and the cost of construction: New evidence on the efficiency of the housing market Review of Economics and Statistics 81:2 (s. 288–302) SCB (2011:1), Befolkningsstatistik 2010, Statistiska Centralbyrån 2011-03-17 SCB (2011:2) Svagt minskade småhuspriser Statistiska Centralbyrån 2011-05-17 SCB (2011:3) Liten dämpning av hushållens lånetillväxt Statistiska Centralbyrån 2011-05-26 Shiller, R. (1981) Do Stock Prices Move Too Much to be Justified by Subsequent Changes in Dividends? American Economic Review, Vol.71:3 (Jun., 1981), pp. 421-436 Svensson Rothmaier, M. (2010) FI: Ett rimligt beslut om bolånetak – ekonomer N. Direkt 2010-07-09 Swedbank (2011) Boindex maj 2011 2011-05-24 Thornley, M. Sammanfattning av Sveriges riksbanks seminarium om ”bostadsmarknader, penningpolitik och finansiell stabilitet Riksbanken (s. 409-417)

26

Appendix 1 – Kompletterande Regression Tabell 4. Kompletterande regression Skattning av uttryck (10). Beorende variabel är försäljningspris. DOUH-kostnad utefter proxy (yta). Standardavvikelse anges inom parentes. 5 år Ränta 7,5 år Ej amortering 1% amortering Ej amortering 1% amortering Nuvärde årlig hyra p-värde (0/-1)

-0,385 (0,056)

(0,000/0,000)

-0,388 (0,056)

(0,000/0,000)

-0,436 (0,063)

(0,000/0,000)

-0,440 (0,073)

(0,000/0,000) DOUH-kostnad (utefter proxy)

-57.785 (19.452)

-57.785 (19.452)

9.998 (3.453)

9.998 (3.453)

Boyta 1.897.791 (627.919)

1.897.791 (627.919)

-257.761 (100.292)

-257.761 (100.292)

Yta² 110,6 (13,5)

110,6 (13,5)

110,6 (13,5)

110,6 (13,5)

Rum 123.576 (39.391)

123.576 (39.391)

123.607 (39.387)

123.607 (39.387)

2000-tal -307.602 (92.282)

-307.602 (92.282)

-307.471 (92.266)

-307.471 (92.266)

80-90-tal -582.444 (81.030)

-582.444 (81.030)

-582.407 (81.013)

-582.407 (81.013)

60-70-tal -636.596 (86.526)

-636.596 (86.526)

-636.794 (86.517)

-636.794 (86.517)

40-50-tal -459.876 (80.998)

-459.876 (80.998)

-459.665 (80.991)

-459.665 (80.991)

20-30-tal -254.330 (59.678)

-254.330 (59.678)

-254.231 (59.671)

-254.231 (59.671)

00-10-tal -43.255 (66.601)

-43.255 (66.601)

-43.349 (66.593)

-43.349 (66.593)

Q12010 123.421 (78.322)

123.421 (78.322)

122.428 (78.300)

122.428 (78.300)

AA-läge 900.390 (121.171)

900.390 (121.171)

899.660 (121.169)

899.660 (121.169)

A-läge 823.015 (116.298)

823.015 (116.298)

822.683 (116.288)

822.683 (116.288)

B-läge 627.490 (103.288)

627.490 (103.288)

626.956 (103.283)

626.956 (103.283)

C-läge 468.102 (114.269)

468.102 (114.269)

467.876 (114.257)

467.876 (114.257)

Diskonterings- antaganden:

30% skattered. Ja Ja Ja Ja 1% amortering Nej Ja Nej Ja Observationer 798 798 798 798 R-square 89,5% 89,5% 89,5% 89,5%

27

Appendix 2 – Test av multikollinearitet

Tabell 5. Korrelationstabell Nuvärdet av DOUH:s (utifrån Svefa-skattning) korrellation med övriga förklarande variabler. PV DOUH/kvm

(5-årsränta) PV DOUH/kvm (7,5-årsränta)

PV Avgift/kvm (5-årsränta)

-0,277 XXXX

PV Avgift/kvm (7,5-årsränta)

XXXX -0,290

PV Amort/kvm (5-årsränta)

-0,280

XXXX

PV Amort/kvm (7,5-årsränta)

XXXX -0,290

2000-tal -0,763 -0,789 80-90-tal -0,362 -0,375 60-70-tal 0,108 0,106 40-50-tal 0,120 0,120 20-30-tal 0,335 0,355 00-10-tal 0,170 0,182

>1900 0,157 0,150

Tabell 5 indikerar att nuvärdet av föreningens kapitalkostnad per kvadratmeter primärt korrelerar med åldersdummy-

variablerna. Detta kan hänföras det faktum att DOUH beror av fastighetens byggår.

Tabell 6. Korrelationstabell Nuvärdet av DOUH:s utefter proxy (yta) korrellation med övriga förklarande variabler. PV DOUH-proxy

(5-årsränta) PV DOUH-proxy

(7,5-årsränta) Yta

PV Avgift (5-årsränta)

-0,277 XXX XXX

PV Avgift (7,5-årsränta)

XXX -0,290 XXX

PV Amort (5-årsränta)

-0,280

XXXX XXX

PV Amort (7,5-årsränta)

XXX -0,290 XXX

Yta 1,000 1,000 XXX Yta² 0,956 0,956 0,956

Enligt tabell 6 verkar nuvärdet av föreningens kapitalkostnad i det alternativa testet korrelera med ytan. Detta kan

hänföras det faktum att yta används som proxy för DOUH i detta test. Resultatet i tabell 5 och 6 åskådliggörs ännu

tydligare i VIF-testen i tabell 7 på nästa sida. Gällande VIF

multikollinearitet eller inte. Men ju lägre värde d

det råder multikollinearitet.

Tabell 7. VIF-test ”Auxiliary”-regressioner av våra som en funktion av övriga förklarande variablerVIF-test R-sq

PV Avgift (5-årsränta)

69,0%

PV Amort (5-årsränta)

69,0%

PV DOUH-proxy (5-årsränta)

100%

PV Avgift (7,5-årsränta)

69,0%

PV Amort (7,5-årsränta)

69,0%

PV DOUH-proxy (7,5-årsränta)

100%

PV Avgift/kvm (5-årsränta)

30,2%

PV Amort/kvm (5-årsränta)

30,2%

PV DOUH/kvm (5-årsränta)

86,5%

PV Avgift/kvm (7,5-årsränta)

30,2%

PV Amort/kvm (7,5-årsränta)

30,3%

PV DOUH/kvm (7,5-årsränta)

85,6%

Appendix 3 – Förklaring av lägen

AA-läge: Östermalm innanför Birger Jarlsgatan, Odengatan och Vallhallavägen

A-läge: Nedre gärdet, Mosebacke, Gamla Stan, City (Norrmalm fram till Rådmansgatan och Birger Jarlsgatan)

B-läge: Kungsholmen, Övre Gärdet, Vasastan, Birkastan, Södermalm exkl. Mosebacke

C-läge: Fredhäll, Hjorthagen och Kristineberg

H-läge: Hammarby Sjöstad

18 Skattade regressionsmodeller mellan förklarade variabler (Andersson, Jorner & Ågren 2007, s119)

tabell 7 på nästa sida. Gällande VIF-test18 finns det inga exakta gränsvärden för när det råder

ju lägre värde desto ”bättre”. I de båda testen verkar det primärt vara

våra förklarande variabler som en funktion av övriga förklarande variabler

VIF-värde 69,0% 3,226

69,0% 3,226

100%

69,0% 3,226

69,0% 3,226

100%

30,2% 1,432

30,2% 1,432

86,5% 7,407

30,2% 1,432

30,3% 1,435

85,6% 6,944

örklaring av lägen

Östermalm innanför Birger Jarlsgatan, Odengatan och Vallhallavägen

gärdet, Mosebacke, Gamla Stan, City (Norrmalm fram till Rådmansgatan och Birger Jarlsgatan)

Kungsholmen, Övre Gärdet, Vasastan, Birkastan, Södermalm exkl. Mosebacke

Fredhäll, Hjorthagen och Kristineberg

Skattade regressionsmodeller mellan förklarade variabler (Andersson, Jorner & Ågren 2007, s119)

28

finns det inga exakta gränsvärden för när det råder

testen verkar det primärt vara för DOUH som

gärdet, Mosebacke, Gamla Stan, City (Norrmalm fram till Rådmansgatan och Birger Jarlsgatan)