Upload
doannhi
View
217
Download
0
Embed Size (px)
Citation preview
1
INSTYTUT EKONOMICZNY
WE WSPÓŁPRACY Z ODDZIAŁAMI OKRĘGOWYMI
Raport o sytuacji na rynku
nieruchomości mieszkaniowych
i komercyjnych w Polsce w 2012 r.
WARSZAWA, SIERPIEŃ 2013 R.
2
Raport został przygotowany w Instytucie Ekonomicznym, we współpracy z szesnastoma
oddziałami okręgowymi, na potrzeby organów Narodowego Banku Polskiego. Raport wyraża opinie
zespołu autorskiego. Dokument nie powinien być rozumiany, jako materiał o charakterze doradczym,
ani jako podstawa do podejmowania decyzji inwestycyjnych.
3
Autorzy:
Część I i II
Augustyniak Hanna Instytut Ekonomiczny
Gajewski Krzysztof Instytut Ekonomiczny
Łaszek Jacek Instytut Ekonomiczny
Olszewski Krzysztof Instytut Ekonomiczny
Waszczuk Joanna Instytut Ekonomiczny
Część III (osoby podkreślone są dodatkowo autorami artykułów w części analitycznej)
Baldowska Grażyna OO Warszawa
Barska Ewa OO Bydgoszcz
Białach Ewa OO Lublin
Borzym Henryk OO Olsztyn
Broniecki Waldemar OO Olsztyn
Czapka Izabela OO Katowice
Gałaszewska Krystyna OO Gdańsk
Hulboj Izabela OO Zielona Góra
Kiernicki Jarosław OO Bydgoszcz
Książczyk Jolanta OO Łódź
Lekka Marta OO Szczecin
Leszczyński Robert OO Białystok
Leśniewicz Artur OO Poznań
Mach Barbara OO Rzeszów
Mach Łukasz OO Opole
Markowska Janina OO Wrocław
Masiak Małgorzata OO Wrocław
Mikołajczyk Łukasz OO Opole
Misztalski Maciej OO Wrocław
Myszkowska Barbara OO Warszawa
Opioła Zbigniew OO Katowice
Orliński Sławomir OO Kielce
Osikowicz Grażyna OO Kraków
Perczak Jacek OO Kielce
Piwnicka Małgorzata OO Poznań
Przewoźniak Kinga OO Kraków
Tomska-Iwanow Anna OO Szczecin
Tyszkiewicz Robert OO Łódź
Warzocha Jolanta OO Rzeszów
Zadrożna Iwona OO Gdańsk
Żywiecka Hanna OO Poznań
4
Synteza 5
Wprowadzenie 8
Część I Rynek nieruchomości w Polsce w 2012 r. 14
1. Kształtowanie się sytuacji na rynkach nieruchomości 14
1.1 Sytuacja na rynku mieszkań i kształtowanie się cen 14
1.2 Sytuacja na rynku nieruchomości komercyjnych 20
1.3 Kredyty dla gospodarstw domowych na nieruchomości 24
1.4 Kredyty dla przedsiębiorstw na nieruchomości 26
2. Determinanty rozwoju sektora nieruchomości w 2012 r. 28
2.1 Ocena zmian otoczenia regulacyjnego i jego wpływu na sferę realną 28
2.2 Panelowa analiza cen mieszkań na rynku pierwotnym dla 17 miast 33
3. Równowaga sektorowa rynku mieszkaniowego 39
3.1 Podstawowe obszary, podmioty i parametry analizy makrostabilnościowej sektora
nieruchomości mieszkaniowych 39
3.2 Warunki równowagi sektorowej a rzeczywiste procesy gospodarcze 44
Słownik pojęć i skrótów 52
Część II. Opracowania analityczne 56
A1 Procesy konwergencji i różnicowania rynków lokalnych oraz zmiany strukturalne
(porównanie 16 rynków w Polsce) 56
A2 Wyniki badań nad czynnikami różnicującymi ceny mieszkań i możliwość ich
wykorzystania w NBP 79
A3 Mieszkanie w teorii konsumenta 90
A4 Kupić czy wynająć? Analiza decyzji podmiotów na rynku mieszkaniowym
determinowanych polityką mieszkaniową 115
A5 Cykle mieszkaniowe – model nierównowagi i jego kalibracja dla warszawskiego rynku
nieruchomości 132
Część III. Monografie miast 150
1. Białystok 151
2. Bydgoszcz 163
3. Katowice 177
4. Kielce 191
5. Kraków 205
6. Lublin 219
7. Łódź 232
8. Olsztyn 247
9. Opole 261
10. Poznań 275
11. Rzeszów 288
12. Szczecin 301
13. Trójmiasto 314
14. Warszawa 347
15. Wrocław 362
16. Zielona Góra 377
5
Synteza W niniejszym Raporcie przedstawione zostały wyniki analiz i badań, które prowadzą
do następujących wniosków:
W 2012 r. obserwowano niewielkie spadki cen (ofertowych i transakcyjnych)
mieszkań na rynkach pierwotnych, jak i wtórnych 16 miast stolic województw.
Wysoki popyt na mieszkania i ich sprzedaż na rynku pierwotnym w końcu
omawianego roku wiązały się z zamykanym programem rządowym Rodzina na
Swoim (RNS). Pomimo formalnego zamknięcia programu RNS pod koniec 2012 r.,
przedłużono realizację dużej liczby wniosków kredytowych złożonych tuż przed
zamknięciem programu. Wypłaty tych kredytów w I kw. 2013 r. wyniosły około 70%
wypłat z rekordowego IV kw. 2012 r. Kredyty te w dominującej części wykorzystano
na rynku pierwotnym.
Czynsze na rynku najmu mieszkań w 2012 r. wykazywały nieznaczne kwartalne
wahania w poszczególnych miastach. W Warszawie obserwowano stabilizację,
w Gdańsku, Krakowie i Poznaniu niewielkie wzrosty, natomiast w Łodzi
i Wrocławiu obniżki przeciętnych stawek najmu.
Roczna zmiana stanu należności od gospodarstw domowych z tytułu kredytów
mieszkaniowych była najniższa od 2005 r., jednak wypłaty brutto kredytów spadły
nieznacznie w stosunku do tych z 2011 r. Od początku 2012 r. obserwujemy coraz
większe spadki kredytów mieszkaniowych w walutach obcych, po korektach
o zmiany kursu walutowego. Wahania kursowe oraz możliwość dalszych spadków
cen mieszkań powodują, że część istniejących kredytów mieszkaniowych
walutowych nie ma satysfakcjonującego zabezpieczenia. Malejące stopy procentowe
kredytów złotowych oraz niewielkie spadki cen mieszkań powodowały, iż banki
w omawianym okresie udzielały kredytów ostrożniej.
Polityka mieszkaniowa w 2012 r. nadal koncentrowała się wokół idei wspierania
mieszkań własnościowych. Obecnie trwają prace parlamentarne nad uchwaleniem
nowego programu Mieszkanie dla Młodych (MDM). Oczekiwanie na wprowadzenie
nowego programu w życie może wpłynąć na częściowe zmniejszenie popytu
mieszkaniowego w 2013 r. W 2012 r. zaczęła także obowiązywać ustawa tzw.
deweloperska, co skutkowało niewielkim boomem budowlanym (efekt ucieczki
przed rygorami ustawy) oraz powiększeniem nadwyżki niesprzedanych mieszkań.
Na rynku nieruchomości komercyjnych obserwowano nieznaczny wzrost
wolumenu transakcji oraz stabilizację wysokości czynszów. Dla nieruchomości
biurowych oraz handlowych stopy kapitalizacji pozostawały na poziomie z 2011 r.
Wartość kredytów dla przedsiębiorstw na nieruchomości komercyjne na koniec
I kw. 2013 r. wyniosła ok. 46 mld zł. Odsetek zagrożonych kredytów dla
przedsiębiorstw na nieruchomości jest wysoki. W przypadku deweloperów wynosił
on 30% pod koniec 2012 r.
6
Sektor deweloperski, funkcjonując obecnie w warunkach nadwyżek mieszkań na
rynku oraz spadającego popytu, powinien liczyć się ze zwiększonym ryzykiem
działalności. Obecnie wskaźniki działalności oraz rentowności tych firm nie są
niepokojące, ale sytuacja ta może w przyszłości ulec zmianie.
Polski rynek mieszkaniowy nie ma w pełni rozwiniętego prywatnego sektora najmu
lokali (mniej niż 10% zasobu). Barierą jego rozwoju są często nieuregulowane
umowami relacje pomiędzy wynajmującym a najemcą oraz istniejące rozwiązania
prawne dotyczące ochrony lokatora.
Sytuacja mieszkaniowa 16 miast wojewódzkich Polski w 2012 r., w relacji do 2011 r.
uległa nieznacznej poprawie na skutek pogorszenia się większości czynników
fundamentalnych, zwłaszcza demograficznych. Na rynkach nieruchomości
wszystkich analizowanych miast obserwowano niską aktywność kupujących. Mimo
odmiennych poziomów cen oraz różnic w rozwoju miast, dynamiki zmian cen nie
różniły się od siebie w znaczący sposób.
Analiza panelowa średnich cen mieszkań na analizowanych rynkach w okresie 2002-
2012 potwierdziła, że ceny transakcyjne mieszkań na rynku pierwotnym 7 dużych
miast zależały od zmiennych fundamentalnych, takich jak wynagrodzenie,
dostępność kredytowa lub spadek bezrobocia. Część specyfikacji wykazuje, że
w latach 2007-2008 ceny były nadmiernie wysokie, co świadczy o boomie
popytowym.
Natomiast badania na poziomie analizy poszczególnych mieszkań oraz ich
atrybutów na lokalnych rynkach pokazują, że zastąpienie indeksem hedonicznym
prostych wskaźników cen mieszkań (mediany i średniej) pozwala podnieść
wiarygodność pomiaru cen, a tym samym podnosi przejrzystość rynku. Taka analiza
wymaga jednak bazowania na dłuższym szeregu bardzo szczegółowych danych,
które w ramach BaRN zbierane są dopiero od III kw. 2006 r.
Ostatni rok był raczej korzystny dla wszystkich uczestników rynku nieruchomości
i zmierzał do równowagi. Nabywcy mieszkań mogli wybierać spośród szerokiej
gamy gotowych mieszkań z nieco niższą ceną niż rok wcześniej. Deweloperzy
stopniowo wyprzedawali gotowe mieszkania oczekujące na sprzedaż, jednocześnie
rozpoczynali nowe inwestycje, lepiej dostosowane do aktualnych potrzeb
nabywców. Sektor bankowy nie udzielał ryzykownych dla wszystkich kredytów
denominowanych w walucie obcej oraz rozważniej udzielał kredytów złotowych.
W badaniach wpływu sektora mieszkaniowego na gospodarkę należy uwzględnić
zróżnicowanie mieszkań oraz złożoność podejmowanych decyzji. Kluczową kwestią
w analizach jest wzięcie pod uwagę potencjalnych wyborów konsumentów
pomiędzy różnymi rodzajami konsumpcji (w tym mieszkaniowej), popytem
mieszkaniowym inwestycyjnym i konsumpcyjnym oraz różnymi formami własności
mieszkania.
Rynek nieruchomości stale dąży do równowagi, jednak ciągle występują szoki, które
ją przesuwają. Kumulacja napięć sektorowych, w połączeniu z innymi problemami
gospodarczymi, może skutkować kryzysami nieruchomościowymi, mającymi
ogólnoekonomiczne następstwa. W literaturze szeroko wskazuje się podatność
7
rynku mieszkań na manipulacje i spekulacje, niską transparentność z powodu
trudności z dostępem do danych. Ponadto rynek jest podatny na wpływy polityczne,
które przekładają się często na system finansowy. Rynek mieszkaniowy wymaga
całościowej regulacji, jednak często jest poddawany nieodpowiedniej i procyklicznej
interwencji.
8
Wprowadzenie Celem Raportu jest dostarczenie zainteresowanym podmiotom, w tym uczestnikom
rynku nieruchomości, możliwie kompletnej, rzetelnej i obiektywnej informacji na temat
sytuacji na rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2012 r.
Raport w głównej mierze koncentruje się na zjawiskach, które miały miejsce w 2012 r.
i oddziałują bezpośrednio na procesy bieżące, jednak tam, gdzie było to uzasadnione,
analiza sięgała wstecz.
Ze względu na zawsze lokalny charakter rynków mieszkaniowych, przedmiotem
pogłębionej analizy w niniejszym raporcie, tak jak w poprzednich jego edycjach, jest
szesnaście miast stolic województw, jednak w różnych układach. Analiza cen mieszkań na
rynku pierwotnym i wtórnym, ofertowych, transakcyjnych oraz hedonicznych1 bazuje na
danych pozyskiwanych przez analityków z oddziałów okręgowych Narodowego Banku
Polskiego (OO NBP) w ramach badania ankietowego rynku mieszkaniowego Baza Rynku
Nieruchomości (BaRN)2. Udział w badaniu różnorodnych podmiotów operujących na
rynku (tj. pośredników, deweloperów, spółdzielni mieszkaniowych, urzędów miast)
pozwala pozyskiwać szeroki zakres informacji3.
W analizach wykorzystano także dane z bazy firmy PONT Info Nieruchomości
(PONT) zawierające dane o cenach ofertowych mieszkań, należące do Związku Banków
Polskich (ZBP) bazy danych SARFIN (dane o finansowaniu rynku mieszkaniowego)
i AMRON (wyceny i ceny transakcyjne mieszkań finansowanych kredytami
mieszkaniowymi). Korzystano również z analiz i raportów Komisji Nadzoru Finansowego
(KNF) oraz ze zbiorczych danych kredytowych Biura Informacji Kredytowej (BIK). Do
analizy strukturalnej rynków wykorzystano dane statystyczne Głównego Urzędu
Statystycznego (GUS) oraz wiele opracowań zawierających dane sektorowe4.
Wykorzystano też wyniki badań „Diagnoza społeczna”. Informacja o rynku nieruchomości
komercyjnych powstała dzięki dobrowolnemu przekazywaniu danych przez pośredników
w obrocie nieruchomościami komercyjnymi i firmami zarządzającymi tymi
1 Patrz Słownik pojęć i skrótów, dalej w tekście oznaczany symbolem #. 2 Por. „Program badań statystycznych statystyki publicznej na rok 2012. Załącznik do rozporządzenia
Rady Ministrów z dnia 22 lipca 2011 r. w sprawie programu badań statystycznych statystyki publicznej na
rok 2012 (Dz. U. Nr 173, poz. 1030).” Badanie cen nieruchomości mieszkaniowych w wybranych miastach Polski,
symbol badania 1.26.09(074), prowadzone przez Prezesa Narodowego Banku Polskiego. 3 Zasób danych zebranych przez OO NBP od III kw. 2006 r. w trakcie 29 notowań kwartalnych zawiera
aktualnie około 900 tys. rekordów. Szczegółowe informacje o bazie BaRN zostały zawarte w aneksie A1
Procesy konwergencji i różnicowania rynków lokalnych oraz zmiany strukturalne (porównanie rynków). 4 W szczególności dotyczy to badań Sekocenbud nt. struktury i wysokości kosztów budownictwa,
badań firmy Real Estate Advisory Service (REAS) dotyczących cen mieszkań oraz rynku deweloperskiego,
Polskiej Agencji Badawczej Budownictwa (PAB) dotyczących sektora budowlanego oraz wielu innych
podmiotów i stowarzyszeń działających na tym rynku. Do najważniejszych należał Związek Banków
Polskich, Polskie Stowarzyszenie Budowniczych Domów, Związek Pracodawców-Producentów Materiałów
dla Budownictwa i wiele innych.
9
nieruchomościami oraz prowadzącymi doradztwo z tym związane. Analiza została
wsparta wiedzą ekspertów poszczególnych agencji5.
Pomimo wykorzystywania wielu źródeł informacji, brak danych lub niedostateczna
ich jakość okazywały się istotną barierą analityczną. W takich sytuacjach stosowano
szacunki, które weryfikowano w oparciu o opinie ekspertów. Przy tworzeniu raportu
przyjęto założenie, że dane szacunkowe, zweryfikowane w kilku źródłach są lepszą
informacją, niż opinie ogólne.
Pojęcia fachowe, tłumaczone w słowniku pojęć i skrótów znajdującym się po I części
raportu, zostały zaznaczone symbolem #.
Głównym przedmiotem zainteresowania jest równowaga sektorowa. Definiujemy ją
jako taki stan, w którym istnieją warunki, aby rynki były w stanie generować dobra i usługi
w sposób stabilny, co oznacza osiąganie efektów ekonomicznych, bez kumulacji
nadmiernego ryzyka. Polityka mieszkaniowa państwa ma silny wpływ zarówno na
standard zaspokajanych potrzeb, jak też podział majątku mieszkaniowego. Rynek
nieruchomości jest związany siecią zależności z innymi sektorami gospodarki (zwłaszcza
sektorem bankowym, deweloperskim i budowlanym), dlatego analizując sektor
mieszkaniowy należy brać pod uwagę różne podmioty działające na tym rynku oraz
wewnętrzne powiązania. W efekcie powstają nowe, istotne oddziaływania mające wpływ
na sektor nieruchomości i jego otoczenie, jakim jest gospodarka narodowa. Celem
niniejszego raportu oraz poprzednich jego wydań jest wyjaśnianie zjawisk i zależności
obserwowanych na rynkach nieruchomości oraz zaprezentowanie wyników
prowadzonych w NBP badań.
Raport składa się z trzech części. W części I opracowania przedstawiono pewne
wspólne procesy dla sektora nieruchomości w Polsce w 2012 r., część II składa się
z analitycznych opracowań, uzupełniających wybrane kwestie omówione w części I.
Natomiast część III, o charakterze bardziej szczegółowym, zawiera informacje o każdym
z szesnastu rynków, stolic województw.
W części I opisano jak kształtowała się sytuacja na rynkach nieruchomości
mieszkaniowych i komercyjnych w 2012 r. Obserwowano niewielkie spadki cen
(ofertowych i transakcyjnych) mieszkań na rynkach pierwotnych, jak i wtórnych 16 miast
stolic województw. Czynsze na rynku najmu mieszkań wykazywały nieznaczne kwartalne
wahania w poszczególnych miastach. Natomiast na rynku nieruchomości komercyjnych
obserwowano stabilizację wysokości czynszów oraz nieznaczny wzrost wolumenu
transakcji. Dla nieruchomości biurowych oraz handlowych stopy kapitalizacji pozostawały
na poziomie z 2011 r.
Warto zwrócić uwagę, iż nieruchomości mieszkaniowe oraz komercyjne korzystają
z podobnych czynników produkcji, których ceny kształtują się podobnie dla obu typów
5 Skorzystano z danych oraz informacji następujących agencji: CBRE, Colliers International, Cushman
& Wakefield, DTZ, Jones Lang LaSalle, Ober Haus oraz stowarzyszeń Retail Research Forum Polskiej Rady
Centrów Handlowych, Warsaw Research Forum oraz bazy Comparables.pl.
10
nieruchomości, jednak cykle na obu rynkach są powiązane w niewielkim stopniu. Zarówno
sektor nieruchomości mieszkaniowych, jak i komercyjnych korzystają z kredytów
bankowych. Jakość kredytów na nieruchomości oraz ich wolumen powinny być zatem stale
monitorowane, by nie stanowiły zagrożenia dla stabilności sektora bankowego. Roczna
zmiana stanu należności od gospodarstw domowych z tytułu kredytów mieszkaniowych
była najniższa od 2005 r., jednak wypłaty brutto kredytów spadły nieznacznie w stosunku
do tych z 2011 r. Od początku 2012 r. obserwowano coraz większe spadki kredytów
mieszkaniowych w walutach obcych, po korektach o zmiany kursu walutowego. Malejące
stopy procentowe kredytów złotowych oraz niewielkie spadki cen mieszkań powodowały,
iż banki w omawianym okresie udzielały kredytów ostrożniej. Opis segmentu kredytów
umieszczono w rozdziale 1.3 Kredyty dla gospodarstw domowych na nieruchomości oraz 1.4
Kredyty dla przedsiębiorstw na nieruchomości.
Należy pamiętać, iż przedmiotem stałego zainteresowania ze strony banków
centralnych oraz regulatorów jest dynamika cen mieszkań, która ma wpływ praktycznie na
całą gospodarkę. Wzrosty cen mieszkań wskazują na napięcia pomiędzy popytem oraz
podażą, co przekłada się na napięcia na rynku budownictwa oraz na rynku bankowym.
Z tego powodu w rozdziale 2 przedstawiono czynniki rozwoju sektora nieruchomości
w 2012 r. W omawianym okresie na rynku nieruchomości obserwowano silne zakłócenia
procesów rynkowych wprowadzanymi regulacjami, tj. zakończenie programu Rodzina na
Swoim (RNS), wejście w życie ustawy deweloperskiej, rekomendacji S i T. Ponadto duże
znaczenie, które przekłada się na rozwój rynku nieruchomości, mają zmiany czynników
fundamentalnych. Zbadano dynamikę cen mieszkań na rynku pierwotnym, gdyż bardzo
szybko przekłada się ona na zmiany produkcji deweloperskiej, przyczynia się do
powstawania silnych cykli i generuje ryzyko dla sektora bankowego. Przeprowadzono
zatem analizę panelową 17 miast, stolic województw biorąc pod uwagę czynniki, które
sugerowały wyniki analizy procesów konwergencji i różnicowania rynków lokalnych oraz
zmian strukturalnych przedstawionej w artykule 1 „Procesy konwergencji i różnicowania
rynków lokalnych oraz zmiany strukturalne (porównanie 16 rynków)”.
Rozdział 3 zawiera opis warunków równowagi sektorowej oraz wpływających na nie
rzeczywistych procesów gospodarczych. Równowaga sektorowa to stan, kiedy możliwe
jest osiąganie zysków ekonomicznych, bez narażania się na nadmierne ryzyko, bez
powstawania zbyt wielkich napięć. Sektor nieruchomości mieszkaniowych rozpatrywany
jest jako system różnych segmentów gospodarczych, a jego głównymi składowymi są:
zasób mieszkaniowy, sektor finansowy, sektor budownictwa mieszkaniowego oraz
otoczenie zewnętrzne sektora nieruchomości mieszkaniowych, czyli pozostała część
gospodarki narodowej, z którą następują liczne interakcje sektorowe. Następnie omówiono
podmioty działające na tych rynkach, przedstawiono mierniki płynnego funkcjonowania
rynków i napięć oraz równowagi pomiędzy podmiotami działającymi na tych rynkach,
które określane są w znacznej mierze przez bankowe regulacje ostrożnościowe oraz
wieloletnie doświadczenia tego sektora. Analiza pokazuje, że polski rynek nieruchomości,
w odróżnieniu od stanu z lat 90, jest na tyle dojrzały, że może już stabilnie i racjonalnie
funkcjonować długookresowo, to znaczy generować odpowiednie stopy zwrotu
podmiotom gospodarczym i zaspakajać potrzeby mieszkaniowe gospodarstw domowych.
11
Dotyczy to jednak najwyżej około 30-40% najbogatszych gospodarstw domowych.
Przedziały dopuszczalnych wahań inflacji, dochodów, stóp procentowych oraz cen
czynników wytwórczych, które pozwalają na stabilne funkcjonowanie rynku
(deweloperów, banków, kredytobiorców), są jednak relatywnie wąskie. Biorąc pod uwagę
duże portfele kredytów mieszkaniowych oraz cykliczny charakter sektora, stawia to duże
wyzwania przed polityką monetarną, fiskalną i ostrożnościową, aby nie dopuścić do
nadmiernych wahań cen i kryzysu nieruchomościowego.
Rynki nieruchomości, w tym zwłaszcza mieszkaniowych mają charakter lokalny, co
wynika ze związania nieruchomości z gruntem. Czynniki po stronie popytu są zarówno
lokalne (dochody, demografia itp.), jak i ogólnokrajowe (stopy procentowe, migracje,
napływ kapitału itp.). W celu uchwycenia zbieżności oraz jednakowych tendencji
zachodzących na lokalnych rynkach wojewódzkich przeprowadzono analizę skupień
i pogrupowano miasta na podstawie przyjętych kryteriów (tj. wskaźników
odzwierciedlających sytuację mieszkaniową, skalę budownictwa, cenę mieszkań,
czynników fundamentalnych, wskaźników obciążenia demograficznego w poszczególnych
ośrodkach). Wyniki zostały zaprezentowane w artykule 1 „Procesy konwergencji
i różnicowania rynków lokalnych oraz zmiany strukturalne (porównanie 16 rynków)”, gdzie
szukano zbieżności i różnicowań rynków miast wojewódzkich za pomocą ich grupowania,
biorąc pod uwagę różne kryteria.
Analiza rynku nieruchomości jest wielowymiarowa, jednym z wymiarów jest
wcześniej omówiona lokalność rynków, natomiast drugim heterogeniczność mieszkania
jako dobra. Mieszkanie jest dobrem konsumpcyjnym oraz inwestycyjnym i w obydwu
funkcjach jego wartość jest sumą wycen jego charakterystyk (lokalizacja, standard itp.).
Badania na poziomie analizy poszczególnych mieszkań oraz ich atrybutów na lokalnych
rynkach przedstawione w artykule 2 „Wyniki badań nad czynnikami różnicującymi ceny
mieszkań i możliwość ich wykorzystania w NBP” pokazują, że zastąpienie indeksem
hedonicznym prostych wskaźników cen mieszkań (mediany i średniej) pozwala podnieść
wiarygodność pomiaru cen, a tym samym podnosi przejrzystość rynku. W artykule
omówiono istotne aspekty heterogeniczności. Pozwoliło to na identyfikację i weryfikację
podstawowych czynników cenotwórczych na rynkach wtórnych. Z artykułu wynika, że na
polskim rynku nieruchomości zaczęły działać mechanizmy rynkowe i rynek stabilnie
wycenia atrybuty mieszkań. Warto podkreślić, iż za pomocą modeli hedonicznych można
wyróżnić atrybuty, które mają istotny wpływ na kształtowanie się wartości mieszkania
i podjąć próbę obiektywnej wyceny nieruchomości na podstawie wyborów
konsumenckich. Uwzględnienie czynnika heterogeniczności w analizie mikroekonomicznej
ma istotne elementy praktyczne. Pierwszym jest możliwość konstrukcji bardziej
precyzyjnych indeksów cen (indeks hedoniczny), uwzględniających zmieniającą się próbę
mieszkań na rynku, co wykorzystuje NBP w publikowanych analizach. Drugim jest
możliwość lepszej wyceny nieruchomości, co ma znaczenie ogólnogospodarcze,
szczególnie istotne dla systemu bankowego. Kolejnym aspektem praktycznym jest
możliwość przewidywania zmian cen nieruchomości (mieszkaniowych i komercyjnych)
w wyniku realizowanej polityki gospodarczej czy inwestycji sektora prywatnego. Na tej
podstawie można też przykładowo przewidywać przyszłe podatki od nieruchomości.
12
W artykule 3 „Mieszkanie w teorii konsumenta” znajdują się rozważania o złożoności
decyzji posiadania mieszkania i problemie jego wyceny przez konsumenta. Podkreślono, iż
istnieje wiele warunków optymalizacyjnych, branych pod uwagę przez indywidualnego
konsumenta przy podejmowaniu decyzji dotyczących kupna i sprzedaży. Przyjmowanie
uproszeń dotyczących braku heterogeniczności mieszkania i złożoności podejmowanych
decyzji mieszkaniowych, zarówno konsumpcyjnych jak i inwestycyjnych, często prowadzi
do błędnych wniosków. Istotny wpływ na podejmowane decyzje ma również wycena
wartości mieszkania przez konsumenta. Kluczową kwestią w analizach jest wzięcie pod
uwagę wyborów konsumentów pomiędzy różnymi rodzajami konsumpcji (w tym
mieszkaniowej), popytem mieszkaniowym inwestycyjnym i konsumpcyjnym oraz różnymi
formami własności mieszkania. Zaprezentowano model, w którym celem konsumenta jest
maksymalizacja użyteczności w ciągu całego życia poprzez wybór odpowiedniej proporcji
pomiędzy poziomem konsumpcji mieszkań oraz konsumpcji innych dóbr w różnych
okresach. Założono, iż konsument posiada mieszkanie na własność i w kolejnych okresach
może powiększać je lub pomniejszać, dokupując do koszyka posiadanego dobra lub
wyprzedając jego kolejne jednostki. Optymalne rozwiązania pokazują relacje pomiędzy
ilością mieszkań i konsumpcji wewnątrzokresowo i międzyokresowo.
W artykule 4 „Kupić czy wynająć? Analiza decyzji podmiotów na rynku mieszkaniowym
determinowanych polityką mieszkaniową” kontynuowano zagadnienie decyzji
podejmowanych przez konsumenta ograniczając je do wyborów pomiędzy posiadaniem
a wynajmem mieszkania. Podkreślono wysoki udział mieszkań własnościowych w całym
zasobie mieszkań w krajach Europy o względnie niskich dochodach na osobę,
w odróżnieniu od sytuacji na rozwiniętych rynkach mieszkaniowych oraz opisano
przyczyny tego zjawiska. Na podstawie prostego modelu zaprezentowano w jaki sposób
rozwój rynku wynajmu może wpływać równoważąco na sytuację na rynku nieruchomości.
Istotną kwestię dla stabilności cen na rynku mieszkań stanowi udział mieszkań
własnościowych oraz wynajmowanych w całym zasobie mieszkań. Rosnący udział
mieszkań własnościowych i nierozwinięty rynek wynajmu mogą generować znaczne
napięcia sektorowe i wywierać presję na ceny. Szczegółowa analiza powiązań sektorowych
i podmiotów jest niezbędna, ponieważ zwykle podstawowym problemem jest koordynacja
polityki monetarnej, fiskalnej i ostrożnościowej, gdyż często mogą one oddziaływać
przeciwstawnie, zwiększając ryzyko sektorowe.
Należy jednak pamiętać, iż rynek nieruchomości jest rynkiem cyklicznym.
Czynnikiem zwiększającym cykliczność jest spekulacja i związane z nią zachowania
podmiotów, silne powiązanie z systemem finansowym, zwykle opóźniona i nieadekwatna
interwencja czynnika publicznego realizowana ze względu na stabilność sektora
finansowego, względów społecznych, czy w ramach ogólnej polityki gospodarczej.
Wahania mają też często charakter lokalny i są zróżnicowane w zależności od segmentu
rynku. Rynek nieruchomości zatem stale zmierza do równowagi nigdy jej nie osiągając.
Dlatego założenie o równowadze przy tworzeniu modelu opisującego sytuację popytowo-
podażową na rynku mieszkaniowym może skutkować błędnymi wynikami i daje mylne
wskazówki dla podmiotów gospodarczych. W artykule 5 „Cykle mieszkaniowe – model
nierównowagi i jego kalibracja dla warszawskiego rynku nieruchomości” przedstawiono więc
13
prosty model popytu, gdzie konsument maksymalizuje użyteczność podobnie, jak
w artykule 3 „Mieszkanie w teorii konsumenta”, optymalnie alokując środki, pomiędzy
konsumpcją usług mieszkaniowych a konsumpcją innych dóbr, ale rozważając każdy okres
osobno. Następnie zaprezentowano model nierównowagi popytu i podaży na rynku
mieszkaniowym, który skalibrowano dla warszawskiego rynku mieszkaniowego. Za jego
pomocą omówiono ostatni cykl i pokazano jak połączenie niewielkich szoków popytowych
z krótkookresowo sztywną podażą powoduje silne fluktuacje.
W części III zawarto szczegółowe informacje o poszczególnych rynkach
nieruchomości w szesnastu miastach wojewódzkich oraz czynnikach je kształtujących.
14
Część I Rynek nieruchomości w Polsce w 2012 r.
1. Kształtowanie się sytuacji na rynkach nieruchomości
W 2012 r. sytuacja na rynkach nieruchomości mieszkaniowych i komercyjnych była
stabilna. Na rynku mieszkaniowym ceny wykazywały dalszy powolny spadek, lecz
zachowywały się dość sztywno z powodu zmian regulacyjnych6. Natomiast na rynku
nieruchomości komercyjnych obserwowano stabilizację wolumenu transakcji oraz poziomu
czynszów.
1.1 Sytuacja na rynku mieszkań i kształtowanie się cen
Dane o cenach ofertowych oraz transakcyjnych wraz z opisem nieruchomości,
pochodzące z bazy BaRN, umożliwiły wykonanie pogłębionej analizy rynku mieszkań.
W 2012 r. obserwowano kontynuację powolnej obniżki cen mieszkań, zarówno na rynku
pierwotnym, jak i wtórnym. Zjawisko to występuje od 2009 r. na największych rynkach
mieszkaniowych Polski, gdzie mieliśmy do czynienia z niewielkim spadkiem poziomów
cen nominalnych (por. wykres 1 - wykres 4) oraz na skutek rosnącej inflacji nieco szybszym
spadkiem poziomów cen realnych (por. wykres 7 i wykres 8).
Ogólna trudna sytuacja gospodarcza, ograniczona podaż kredytów mieszkaniowych,
w tym praktyczne zaprzestanie udzielania kredytów walutowych, jak i konserwatywne
limity cenowe w programie RNS w 2012 r. wpływały na dalszy spadek przeciętnych cen.
Analiza cen w ujęciu realnym pokazuje, że ceny na rynku pierwotnym oraz wtórnym
zbliżyły się do cen notowanych przed boomem (por. wykres 7 i wykres 8). Znaczna
nadwyżka niesprzedanych mieszkań na rynku pierwotnym dużych miast, będąca skutkiem
działań biznesowych deweloperów, przyczyniła się do spadków cen na tym rynku.
Na rynkach 10 miast wzrosty cen mieszkań w boomie były mniejsze niż na dużych
rynkach 6 miast, gdyż tylko w ograniczonym stopniu doświadczyły one ożywienia
kredytowego. Ponadto w mniejszych miastach realną alternatywę do mieszkań w blokach
stanowią domy jednorodzinne, co mogło wyhamować boom popytowy na mieszkania,
częściowo przekierowując go w kierunku domów. W miastach tych różnica pomiędzy
cenami transakcyjnymi a ofertowymi na rynku pierwotnym i wtórnym pozostawała
względnie stabilna w 2012 r. (por. wykres 3 i wykres 4). Pomimo spadków cen
transakcyjnych na rynku pierwotnym w Warszawie oraz 7 miastach, deweloperzy
podtrzymywali dość wysokie ceny ofertowe. O ile jeszcze w latach 2010 i 2011 oraz
w pierwszych trzech kwartałach 2012 r. zauważyć można było wyraźną próbę
dostosowania cen przez deweloperów do realiów rynku, to już od IV kw. 2012 r. ponownie
testowali oni możliwość sprzedaży mieszkań za wyższą cenę. Ponieważ oferty lepiej
dostosowane do oczekiwań rynku są szybko finalizowane, obserwowane pozostałe na
rynku oferty często odzwierciedlają wygórowane oczekiwania cenowe sprzedawców
6 Więcej na temat zmian regulacyjnych w rozdziale 2.1 „Ocena zmian otoczenia regulacyjnego i jego wpływu
na sferę realną”.
15
mieszkań. Część deweloperów próbuje przeczekać czas niższych cen ze względu na
istniejące kontrakty kredytowe oraz wcześniej poniesione koszty. Na rynku wtórnym
sprzedający również oczekiwali cen wyższych niż mogli uzyskać.
Od początku 2012 r., a silniej na przełomie z 2013 r. na wszystkich rynkach
obserwowano wzrost relacji ceny mieszkań na rynku pierwotnym do ceny z rynku
wtórnego. Zmiana ta jest szczególnie widoczna w przypadku Warszawy, w której
historycznie ceny na rynku wtórnym były istotnie wyższe niż na rynku pierwotnym7.
W 2012 r. ceny mieszkań na rynku wtórnym nadal spadały. W I kw. 2013 r. ceny na rynku
pierwotnym we wszystkich analizowanych miastach pozostawały stabilne lub wręcz rosły.
Zmalała natomiast liczba kontraktów wstawianych pierwszy raz na rynek, ale ich jakość
i lokalizacja były lepiej dostosowane do aktualnych potrzeb potencjalnych nabywców, co
wpłynęło na wzrost ich cen.
Ponieważ skład próby analizowanych mieszkań w bazie BaRN ulega zmianie
jakościowej oraz ilościowej, prowadzona jest też analiza ceny korygowanej indeksem
hedonicznym8. Wyniki jej wskazują, iż ceny na rynkach pozostają długookresowo stabilne.
Natomiast zaobserwowane krótkookresowe wahania wynikają ze zmiany struktury
analizowanej próby (tj. liczebności próby oraz zmiany oferty rynkowej, także wzrostu lub
spadku liczby mieszkań droższych) (por. wykres 9 i wykres 10).
Spadek cen, zwłaszcza realny, spowodował, iż wskaźnik ceny m kw. mieszkania do
dochodów (P/I)#, który można traktować jaką pewną miarę napięć na rynku, powrócił
prawie do poziomów sprzed boomu cenowego w latach 2006-2008 (por. wykres 15).
Czynsze z podnajmu mieszkań wykazywały, podobnie jak w latach poprzednich,
znaczne wahania w poszczególnych kwartałach. Ich trend wskazuje na stabilizację
w Warszawie, wzrost w Gdańsku, Krakowie i Poznaniu, oraz obniżki w Łodzi i Wrocławiu
(por. wykres 16). Praktycznie całkowite odejście banków w 2012 r. od udzielania kredytów
mieszkaniowych denominowanych w walutach obcych (istotnie niżej oprocentowanych)
spowodowało wzrost kosztów finansowania mieszkań dla nabywców. Z tego powodu we
wszystkich dużych miastach, oprócz Warszawy9, koszt obsługi kredytu znacznie
7 Wynikało to z bardzo dobrej lokalizacji oraz jakości mieszkań na rynku wtórnym. Większość
mieszkań na rynku pierwotnym jest względnie mniej atrakcyjna lokalizacyjnie w porównaniu z tymi na
rynku wtórnym. Nowe mieszkania powstają zwykle daleko od centrum oraz głównych linii komunikacji oraz
mają one niewystraczająco rozwiniętą lokalną infrastrukturę (sklepy, szkoły, przedszkola, etc.). 8 Cena korygowana indeksem hedonicznym mieszkań odzwierciedla „czystą” cenę, tj. wynikającą
z innych czynników niż różnice w jakości mieszkań (wielkość, lokalizacja, stan techniczny, wiek, etc.).
Analizowana jest zawsze cena wystandaryzowanego mieszkania, stworzona na podstawie modelu
ekonometrycznego. Koryguje ona średnią cenę z próby badawczej o zmianę jakości mieszkań znajdujących się
w tej próbie w każdym z kwartałów. Odróżnia się tym od dynamiki średniej ceny czy mediany w próbie,
która reagowałaby silnie na zmianę kompozycji próby, np. o większą liczbę mieszkań małych z wyższą ceną
m kw. Więcej informacji w artykule M. Widłak (2010), Metody wyznaczania hedonicznych indeksów cen jako
sposób kontroli zmian jakości dóbr „Wiadomości Statystyczne” nr 9. 9 W Warszawie rynek najmu jest niewystarczająco duży żeby zaspokoić potrzeby najemców – ludności
pracującej dojeżdżającej do pracy z innych miast oraz studentów. W konsekwencji czynsze są na bardzo
wysokich poziomach.
16
przewyższał koszt wynajmu (por. wykres 13). Powinno to skłaniać gospodarstwa domowe
do wynajmu a nie zakupu, jednak różne czynniki, które omawiamy w artykule 4 „Kupić czy
wynająć? Analiza decyzji podmiotów na rynku mieszkaniowym determinowanych polityką
mieszkaniową” w części analitycznej powodują, że w Polsce istnieje silna skłonność do
posiadania mieszkania. Tłumaczy to utrzymujące się dość wysokie ceny mieszkań
względem ceny wynajmu10. Co prawda wynajem daje większe stopy zwrotu niż inwestycje
w obligacje lub trzymanie pieniędzy w depozytach, jednak mniejszą stopę zwrotu niż przy
wynajmie nieruchomości komercyjnych (por. wykres 14). Należy jednak podkreślić, iż nie
uwzględniono tu dość wysokich kosztów utrzymywania zasobu na wynajem oraz ryzyka
związanego z nieuczciwym najemcą11.
Wykres 1 Transakcyjne ceny m kw. mieszkań -
RP
Wykres 2 Transakcyjne ceny m kw. mieszkań – RW
Źródło: NBP. Źródło: NBP.
Wykres 3 Średnia ważona cena m kw.
mieszkania, oferty i transakcje - RP
Wykres 4 Średnia ważona cena m kw. mieszkania,
oferty i transakcje – RW
Uwagi do wykresów 3−9: cena ważona udziałem mieszkań w zasobie rynkowym, dla Warszawy cena średnia.
6 miast: Warszawa, Kraków, Poznań, Wrocław, Łódź, Gdańsk, 7 miast: jak poprzednio z Gdynią;
10 miast: Białystok, Bydgoszcz, Kielce, Katowice, Lublin, Olsztyn, Opole, Rzeszów, Szczecin, Zielona Góra. Źródło: NBP. Źródło: NBP.
10 Wartości te obliczamy jako czynsze dyskontowane stopą procentową kredytów mieszkaniowych.
11 Szersza informacja o ryzykach najmu znajduje się w rozdziale „Kredyty dla gospodarstw domowych na
nieruchomości” oraz w artykule 3 „Mieszkanie w teorii konsumenta”.
2000
3000
4000
5000
6000
7000
8000
9000
III
kw. 2
006
I kw
. 200
7
III
kw. 2
007
I kw
. 200
8
III
kw. 2
008
I kw
. 200
9
III
kw. 2
009
I kw
. 201
0
III
kw. 2
010
I kw
. 201
1
III
kw. 2
011
I kw
. 201
2
III
kw. 2
012
I kw
. 201
3
zł /
m k
w.
Gdańsk Kraków Łódź
Poznań Warszawa Wrocław
2000
3000
4000
5000
6000
7000
8000
9000
III
kw. 2
006
I kw
. 200
7
III
kw. 2
007
I kw
. 200
8
III
kw. 2
008
I kw
. 200
9
III
kw. 2
009
I kw
. 201
0
III
kw. 2
010
I kw
. 201
1
III
kw. 2
011
I kw
. 201
2
III
kw. 2
012
I kw
. 201
3
zł /
m k
w.
Gdańsk Kraków Łódź
Poznań Warszawa Wrocław
2000
3000
4000
5000
6000
7000
8000
9000
10000
11000
III k
w. 2
006
I kw
. 200
7
III k
w. 2
007
I kw
. 200
8
III k
w. 2
008
I kw
. 200
9
III k
w. 2
009
I kw
. 201
0
III k
w. 2
010
I kw
. 201
1
III k
w. 2
011
I kw
. 201
2
III k
w. 2
012
I kw
. 201
3
zł /
m k
w.
10 miast oferta 7 miast oferta Warszawa oferta
10 miast trans. 7 miast trans. Warszawa trans.
2000
3000
4000
5000
6000
7000
8000
9000
10000
11000
III k
w. 2
006
I kw
. 200
7
III k
w. 2
007
I kw
. 200
8
III k
w. 2
008
I kw
. 200
9
III k
w. 2
009
I kw
. 201
0
III k
w. 2
010
I kw
. 201
1
III k
w. 2
011
I kw
. 201
2
III k
w. 2
012
I kw
. 201
3
zł /
m k
w.
10 miast oferta 7 miast oferta Warszawa oferta
10 miast trans. 7 miast trans. Warszawa trans.
17
Wykres 5 Relacja transakcyjnej średniej ważonej
ceny m kw. mieszkania − RP do RW (wynik
powyżej 1 znaczy, iż cena na RP przekraczała tą
z RW)
Wykres 6 Relacja średniej ważonej ceny m kw.
mieszkania, ofertowej do transakcyjnej – RW
Źródło: NBP. Źródło: NBP.
Wykres 7 Indeks średniej ważonej ceny m kw.
mieszkania oraz realnej względem CPI (IV kw.
2002 r.=100) − RP, transakcje
Wykres 8 Indeks średniej ważonej ceny m kw.
mieszkania oraz realnej względem CPI (IV kw.
2002 r.=100) − RW, transakcje
Uwaga: baza cen mieszkań NBP (BaRN) istnieje od III kwartału 2006 r.; czerwona linia oddziela dane BaRN od
szacunków cen transakcyjnych na podstawie dynamiki cen ofertowych PONT Info.
Źródło: NBP, PONT Info, GUS. Źródło: NBP, PONT Info, GUS.
Wykres 9 Średnia ważona cena m kw. mieszkania
oraz cena korygowana indeksem hedonicznym −
RW, transakcje
Wykres 10 Cena transakcyjna m kw. mieszkania
RW korygowana indeksem hedonicznym, w 6
miastach
Uwaga: Cena m kw. mieszkania z okresu referencyjnego korygowana indeksem dynamiki cen
uwzględniającym zmiany jakościowe mieszkań w kolejnych kwartałach.
Źródło: NBP. Źródło: NBP.
0,80
0,85
0,90
0,95
1,00
1,05
1,10
1,15
1,20
1,25
III
kw. 2
006
I kw
. 200
7
III
kw. 2
007
I kw
. 200
8
III
kw. 2
008
I kw
. 200
9
III
kw. 2
009
I kw
. 201
0
III
kw. 2
010
I kw
. 201
1
III
kw. 2
011
I kw
. 201
2
III
kw. 2
012
I kw
. 201
3
10 miast 7 miast Warszawa
1,05
1,10
1,15
1,20
1,25
1,30
III
kw. 2
006
I kw
. 200
7
III
kw. 2
007
I kw
. 200
8
III
kw. 2
008
I kw
. 200
9
III
kw. 2
009
I kw
. 201
0
III
kw. 2
010
I kw
. 201
1
III
kw. 2
011
I kw
. 201
2
III
kw. 2
012
I kw
. 201
3
10 miast 7 miast Warszawa
80
100
120
140
160
180
200
220
240
260
IV k
w. 2
002
IV k
w. 2
003
IV k
w. 2
004
IV k
w. 2
005
IV k
w. 2
006
IV k
w. 2
007
IV k
w. 2
008
IV k
w. 2
009
IV k
w. 2
010
IV k
w. 2
011
IV k
w. 2
012
10 miast RP trans. 10 miast RP trans. defl. CPI
7 miast RP trans. 7 miast RP trans. defl. CPI.
Warszawa RP trans. Warszawa RP trans. defl. CPI
80
100
120
140
160
180
200
220
240
260
IV k
w. 2
002
IV k
w. 2
003
IV k
w. 2
004
IV k
w. 2
005
IV k
w. 2
006
IV k
w. 2
007
IV k
w. 2
008
IV k
w. 2
009
IV k
w. 2
010
IV k
w. 2
011
IV k
w. 2
012
10 miast RW transakcja 10 miast defl. CPI
7 miast RW transakcja 7 miast BaRN defl. CPI.
Warszawa RW transakcja Warszawa defl. CPI
2000
3000
4000
5000
6000
7000
8000
9000
10000
III
kw
. 20
06
I kw
. 2
00
7
III
kw
. 20
07
I kw
. 2
00
8
III
kw
. 20
08
I kw
. 2
00
9
III
kw
. 20
09
I kw
. 2
01
0
III
kw
. 20
10
I kw
. 2
01
1
III
kw
. 20
11
I kw
. 2
01
2
III
kw
. 20
12
I kw
. 2
01
3
zł/m
kw
.
Warszawa 7 miast 10 miast
Warszawa hed. 7 miast hed. 10 miast hed.
2000
3000
4000
5000
6000
7000
8000
9000
III
kw
. 20
06
I kw
. 2
00
7
III
kw
. 20
07
I kw
. 2
00
8
III
kw
. 20
08
I kw
. 2
00
9
III
kw
. 20
09
I kw
. 2
01
0
III
kw
. 20
10
I kw
. 2
01
1
III
kw
. 20
11
I kw
. 2
01
2
III
kw
. 20
12
I kw
. 2
01
3
zł /
m k
w.
Gdańsk Kraków Łódź
Poznań Warszawa Wrocław
18
Wykres 11 Średnie ofertowe ceny m kw.
nowych kontraktów mieszkaniowych – RP
Wykres 12 Średnie ofertowe ceny m kw.
mieszkań − RP
Uwaga: ceny dotyczą wyłącznie nowych kontraktów,
pierwszy raz wprowadzone na rynek.
Uwaga: ceny zbierane są ze wszelkich dostępnych
źródeł.
Źródło: REAS. Źródło: PONT Info Nieruchomości.
Wykres 13 Relacja kosztu odsetek od kredytu na
zakup m kw. mieszkania do ceny wynajmu
m kw. (bez kosztu opłat za użytk.) przy
kredycie ważonym w 6 miastach
Wykres 14 Opłacalność wynajmu mieszkania (śr.
w 6 miastach) wobec depozytów i kredytów
mieszk.GD, 5-let. obl. skarb. oraz stopy
kapitalizacji nier. kom. (biur i pow. handlowych)
Uwaga: w wykresach 13 i 14 wartości powyżej 1 oznaczają większą opłacalność najmu mieszkania. Czerwona
linia oddziela wartości ważone strukturą walutową przyrostu kredytu od wyłącznie złotowych występujących
od 2012 r.
Źródło: NBP, GUS. Źródło: NBP, GUS.
Wykres 15 Wskaźnik ceny kw. mieszkania do
dochodu (P/I) (w latach)
Wykres 16 Średnia cena m kw. najmu mieszk. (śr.
z cen transakcyjnych i ofertowych najmu)
Źródło: GUS, NBP. Źródło: NBP.
4 000
5 000
6 000
7 000
8 000
9 000
10 000
11 000
I kw
. 2
00
7
III
kw
. 20
07
I kw
. 2
00
8
III
kw
. 20
08
I kw
. 2
00
9
III
kw
. 20
09
I kw
. 2
01
0
III
kw
. 20
10
I kw
. 2
01
1
III
kw
. 20
11
I kw
. 2
01
2
III
kw
. 20
12
I kw
. 2
01
3
zł /
m k
w.
Warszawa KrakówTrójmiasto PoznańWrocław (bez Sky Tower) Łódź
1000
2000
3000
4000
5000
6000
7000
8000
9000
10000
11000
I kw
. 200
4
I kw
. 200
5
I kw
. 200
6
I kw
. 200
7
I kw
. 200
8
I kw
. 200
9
I kw
. 201
0
I kw
. 201
1
I kw
. 201
2
I kw
. 201
3
zł /
m k
w.
Gdańsk Kraków Łódź
Poznań Warszawa Wrocław
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
III
kw
.2006
I kw
.2007
III
kw
.2007
I kw
.2008
III
kw
.2008
I kw
.2009
III
kw
.2009
I kw
.2010
III
kw
.2010
I kw
.2011
III
kw
.2011
I kw
.2012
III
kw
.2012
I kw
.2013
Gdańsk Kraków Łódź
Poznań Warszawa Wrocław
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
III
kw
.2006
I kw
.2007
III
kw
.2007
I kw
.2008
III
kw
.2008
I kw
.2009
III
kw
.2009
I kw
.2010
III
kw
.2010
I kw
.2011
III
kw
.2011
I kw
.2012
III
kw
.2012
I kw
.2013
wynajem do depozytów GD wynajem do kred.mieszk.GD
wynajem do obligacji 5l. wynajem do stopy kapitał.nier.kom.
2
3
4
5
6
7
8
9
10
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
lata
Warszawa Łódź Kraków
Wrocław Poznań Gdansk
15
20
25
30
35
40
45
50
55
III
kw
.2006
I kw
.2007
III
kw
.2007
I kw
.2008
III
kw
.2008
I kw
.2009
III
kw
.2009
I kw
.2010
III
kw
.2010
I kw
.2011
III
kw
.2011
I kw
.2012
III
kw
.2012
I kw
.2013
zł
/ m
kw
.
Gdańsk Kraków Łódź
Poznań Warszawa Wrocław
19
Wykres 17 Kredytowa dostępność mieszkania#
w m kw. (przy kredycie waż., od 2012 r.
wyłącznie PLN)
Uwaga: ważenie strukturą walutową kwartalnego
przyrostu kredytu mieszkaniowego dla gospodarstw
domowych.
Źródło: NBP, GUS, PONT Info.
Pomimo iż od początku 2012 r. udzielane były wyłącznie kredyty złotowe
(oprocentowane wyżej niż kredyty denominowane w walutach obcych), kredytowa
dostępność przeciętnego mieszkania#12, nabywanego przez przeciętne gospodarstwo
domowe, polepszała się (por. wykres 17). Było to głównie wynikiem zmniejszających się
stóp kredytów mieszkaniowych złotowych oraz powolnego spadku cen mieszkań.
Wskaźnik ten nie przełożył się na wzrost akcji kredytowej, ponieważ banki ostrożniej
udzielały kredytów.
Powiązanie cyklu na rynku mieszkaniowym z cyklem na rynku komercyjnym
Uwzględniając fakt, iż nieruchomości mieszkaniowe oraz komercyjne korzystają
z podobnych czynników produkcji (ziemia, materiały budowlane, praca ludzka), których
ceny kształtują się podobnie dla obu typów nieruchomości, wydaje się, że cykle na obu
rynkach powinny być zbliżone do siebie (por. Gyuorko, 2009). Jednak, jak pokazuje obecny
kryzys światowy oraz dane dla Polski, cykle te są powiązane w niewielkim stopniu.
Głównym czynnikiem jest fakt, iż nieruchomości komercyjne są silnie powiązane z cyklem
koniunkturalnym, natomiast nieruchomości mieszkaniowe w słabszym stopniu.
Nieruchomości mieszkaniowe finansowane są często z oszczędności przez gospodarstwa
domowe lub w całości bądź części przez kredyty zaciągnięte w lokalnych bankach,
natomiast nieruchomości komercyjne w dominującej części finansowane są przez kapitał
zagraniczny13. Co więcej, mieszkania służą głównie właścicielom, zaś nieruchomości
komercyjne podlegają wynajmowi przez różne podmioty gospodarcze, które płacą za nie
czynsz. Czynsz ten jest głównym źródłem spłacania kredytów lub wypłacania zysków
akcjonariuszom oraz udziałowcom funduszy inwestycyjnych. Warto zaznaczyć, że
nieruchomości komercyjne w znacznej mierze wynajmowane są przez podmioty
12 Dostępność przeciętnego mieszkania dla danego miasta stanowi miarę potencjalnego popytu. 13 Np. poprzez np. poprzez kredyty w bankach zagranicznych, obligacje, akcje, czy też udziały
w funduszach inwestycyjnych.
20
40
60
80
100
120
140
160
180
I kw
.2004
I kw
.2005
I kw
.2006
I kw
.2007
I kw
.2008
I kw
.2009
I kw
.2010
I kw
.2011
I kw
.2012
I kw
.2013
Warszawa Kraków Gdańsk
Wrocław Poznań Łódź
20
międzynarodowe, wrażliwe na globalny cykl koniunkturalny. Wobec powyższych faktów,
rynek nieruchomości komercyjnych jest w dużym stopniu determinowany wydarzeniami
globalnymi, zaś rynek mieszkaniowy ma na ogół lokalny charakter (por. Gyuorko, 2009).
1.2 Sytuacja na rynku nieruchomości komercyjnych 14
Na rynku nieruchomości komercyjnych w Polsce w 2012 r. zauważyć można było
stabilizację wolumenu transakcji inwestycyjnych oraz poziomu czynszów.
Transakcje inwestycyjne
Na rynku nieruchomości komercyjnych15 w 2012 r. trwała wzrostowa faza cyklu
inwestycyjnego16. Roczny wolumen wartości transakcji inwestycyjnych wyniósł 2,8 mld
euro, na co główny wpływ miał wzrost transakcji inwestycyjnych w ostatnim kwartale
omawianego roku (o 1,6 mld euro, por. dane Cushman & Wakefield). Wynik ten jest
zbliżony do wolumenu transakcji notowanych w 2007 r., czyli przed globalnym kryzysem.
Ponadto już od 2010 r. obserwujemy wzrostowy trend wartości transakcji. Wartość
transakcji na rynku biurowym i handlowym były na podobnym poziomie jak w 2011 r.,
natomiast inwestycje w powierzchnie magazynowe zostały prawie potrojone (dominowały
jednak transakcje na rynku wtórnym, jak wynika z danych Comparables.pl). Wśród
inwestycji w biura głównym rynkiem nadal była Warszawa, na którą przypadło około 90%
całego wolumenu inwestycyjnego. Inwestorzy międzynarodowi dominujący
w inwestycjach w nieruchomości komercyjne nadal postrzegają Polskę jako rynek
bezpieczny i rozwinięty. W 2012 r. ulokowali oni w Polsce około 75% wszystkich inwestycji
w nieruchomości komercyjne w Europie Środkowo-Wschodniej (por. Cushman &
Wakefield, 2013). Stopy kapitalizacji inwestycji w nieruchomości biurowe oraz handlowe
wyniosły ok. 6%, tj. pozostały na poziomie z 2011 r. (por. dane DTZ, wykres 19).
W połączeniu z relatywnie stabilnymi czynszami na większości rynków można uznać, iż
ceny tych nieruchomości również pozostawały stabilne.
14 Materiał koncentruje się na nowoczesnych nieruchomościach komercyjnych. Informacja została
wsparta wiedzą ekspertów poszczególnych agencji, które zajmują się doradztwem, pośrednictwem lub
zarządzaniem nieruchomościami komercyjnymi. Trzeba podkreślić, że poszczególne agencje, z których
danych skorzystano, mogą stosować różne definicje oraz miary wskaźników dotyczących nieruchomości
komercyjnych. 15 Wprowadzenie do rynku nieruchomości komercyjnych znajduje się w „Raporcie o sytuacji na rynku
nieruchomości mieszkaniowych i komercyjnych w Polsce w 2010 r.”, NBP. 16 Cykl inwestycyjny, a w szczególności jego dynamikę na rynku nieruchomości komercyjnych
w Polsce, można podzielić na cztery fazy: (1) stopniowo rosnący wzrost wartości transakcji w latach
przedakcesyjnych; (2) przyspieszenie w latach około akcesyjnych, z najwyższym poziomem w 2006 r.; (3)
stopniowy spadek w latach 2007-2008 (w warunkach nasilającego się kryzysu światowego) do najniższego
poziomu transakcji w 2009 r.; (4) powrót trendu wzrostowego w latach 2010 - 2012 r., kiedy to dokonano
transakcji rzędu odpowiednio ok. 2, 2,5 oraz 2,8 mld euro (por. dane Cushman & Wakefield oraz Wykres 20).
21
Powierzchnie i czynsze
W Polsce w 2012 r. odnotowano wzrost powierzchni biurowych o 500 tys. m kw.
W sytuacji spowolnienia gospodarczego częściowo wpłynęło to na wzrost wskaźników
pustostanów (por. wykres 20 i wykres 21). Czynsze wywoławcze pozostawały jednak
stabilne (por. wykres 22). Dominująca część nowo oddanych powierzchni biurowych
znajduje się w Warszawie (270 tys. m kw., por. wykres 24 i wykres 25).
Zgodnie z szacunkami firmy Jones Lang LaSalle (2013), w 2013 r. w Warszawie
oddane zostanie jeszcze 336 tys. m kw. powierzchni biurowe. Ten największy od 2000 r.
wzrost powierzchni biurowych może, w warunkach utrzymywania się słabego wzrostu
gospodarczego, przyczynić się do dalszego wzrostu stopy pustostanów (do ok. 10% w 2013
r., z 8,8% w 2012 r. oraz 6,7% w 2011 r., por. wykres 25, dane WRF oraz CBRE (2013a)).
Może to wówczas wywierać presję na spadek czynszów w przypadku starszych
budynków. W Łodzi natomiast obserwowano wzrost popytu na powierzchnie biurowe,
przez co stopa pustostanów, która była zazwyczaj na wysokim poziomie, w 2012 r.
znacznie się obniżyła i zbliżyła do wartości notowanych w pozostałych miastach.
Powierzchnie handlowe w Polsce powiększyły się w 2012 r. o prawie 500 tys. m kw.
(por. dane PRCH). Podobnie jak w latach poprzednich, galerie handlowe były oddawane
do użytku głównie w mniejszych miastach, tj. poniżej 100 tys. ludności (por. wykres 26
i wykres 27). W 2013 r. oczekiwane jest odwrócenie tego trendu w kierunku wzrostu
udziału galerii oddawanych do użytku w dużych aglomeracjach (por. CBRE (2013b)). W
większości aglomeracji czynsze wywoławcze w najlepszych lokalizacjach pozostawały na
stabilnym poziomie, natomiast w Warszawie wykazywały trend wzrostowy. Może to
świadczyć o wzmożonym popycie przy względnie ograniczonej podaży nowej
powierzchni handlowej (por. wykres 28). Warto zwrócić uwagę na duże zróżnicowanie
wysokości czynszów wywoławczych w miastach o różnych wielkościach, co możemy
wiązać ze zróżnicowaną siłą nabywczą ich mieszkańców. Czynsze przy głównych ulicach
handlowych w niektórych miastach wykazywały lekki trend spadkowy, trwający już od
przełomu 2009 i 2010 r. (por. wykres 31).
W 2012 r. odnotowano w Polsce przyrost powierzchni magazynowych o 430 tys.
m kw., co oznacza wzrost tej powierzchni o 10% w relacji do 2011 r. O zwiększonym
popycie na powierzchnie magazynowe świadczy fakt, iż mimo wzrostu podaży, stopa
pustostanów spadła z 11,4% w 2011 r. do 9,2% na koniec 2012 r. W analizowanym okresie
czynsze za powierzchnie magazynowe w większości lokalizacji pozostały stabilne (por.
Colliers International (2013)).
22
Wykres 18 Wartość transakcji inwestycyjnych
(mln EUR)
Wykres 19 Stopa kapitalizacji dla inwestycji
w nieruchomości w najlepszych lokalizacjach
Źródło: Cushman & Wakefield. Źródło: DTZ.
Wykres 20 Skumulowana podaż nowoczesnych
powierzchni biurowych (m kw.)
Wykres 21 Wskaźnik niewynajętej powierzchni
biurowej w półroczach
Uwaga: dane za 2013 i 2014 r. są szacunkowe.
Źródło: DTZ.
Źródło: DTZ.
Wykres 22 Czynsze (EUR/m kw./mies.) za
powierzchnie biurowe w najlepszych
lokalizacjach
Wykres 23 Stopa kapitalizacji dla inwestycji
w nowoczesne powierzchnie biurowe w
najlepszych lokalizacjach
Źródło: Cushman & Wakefield. Źródło: Cushman & Wakefield.
0
1 000
2 000
3 000
4 000
5 000
6 000
1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Biura Obiekty handlowe Magazyny Inne
5%
6%
7%
8%
9%
10%
11%
12%
13%
14%
20
00
20
01
20
02
20
03
20
04
20
05
20
06
20
07
20
08
20
09
20
10
20
11
20
12
Biura Obiekty handlowe Magazyny
0
1
2
3
4
5
6
7
8
199
8
199
9
200
0
200
1
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
201
3 (
f)
201
4 (
f)
Warszawa Kraków Wrocław TrójmiastoPoznań Łódź Katowice
0%
5%
10%
15%
20%
25%
P2
200
6
P1
200
7
P2
200
7
P1
200
8
P2
200
8
P1
200
9
P2
200
9
P1
201
0
P2
201
0
P1
201
1
P2
201
1
P1
201
2
P2
201
2
Warszawa Kraków Wrocław Trójmiasto
Poznań Łódź Katowice
5
10
15
20
25
30
35
I kw
. 200
5II
kw. 2
005
III k
w. 2
005
IV k
w. 2
005
I kw
. 200
6II
kw. 2
006
III k
w. 2
006
IV k
w. 2
006
I kw
. 200
7II
kw. 2
007
III k
w. 2
007
IV k
w. 2
007
I kw
. 200
8II
kw. 2
008
III k
w. 2
008
IV k
w. 2
008
I kw
. 200
9II
kw. 2
009
III k
w. 2
009
IV k
w. 2
009
I kw
. 201
0II
kw. 2
010
III k
w. 2
010
IV k
w. 2
010
I kw
. 201
1II
kw. 2
011
III k
w. 2
011
IV k
w. 2
011
I kw
. 201
2II
kw. 2
012
III k
w. 2
012
IV k
w. 2
012
Warszawa - COB Warszawa - poza COB
Kraków Wrocław
Gdańsk Poznań
Łódź Katowice
5%
6%
7%
8%
9%
10%
11%
I kw.
200
5II
kw. 2
005
III k
w. 2
005
IV k
w. 2
005
I kw.
200
6II
kw. 2
006
III k
w. 2
006
IV k
w. 2
006
I kw.
200
7II
kw. 2
007
III k
w. 2
007
IV k
w. 2
007
I kw.
200
8II
kw. 2
008
III k
w. 2
008
IV k
w. 2
008
I kw.
200
9II
kw. 2
009
III k
w. 2
009
IV k
w. 2
009
I kw.
201
0II
kw. 2
010
III k
w. 2
010
IV k
w. 2
010
I kw.
201
1II
kw. 2
011
III k
w. 2
011
IV k
w. 2
011
I kw.
201
2II
kw. 2
012
III k
w. 2
012
IV k
w. 2
012
Warszawa - COB Warszawa - poza COBKraków WrocławGdańsk PoznańŁódź Katowice
23
Wykres 24 Roczna podaż nowej powierzchni
biurowej w Warszawie (m kw.)
Wykres 25 Wskaźnik pustostanów powierzchni
biurowej w poszcz. częściach Warszawy
Uwaga: szacunkowe dane za 2013 r. pochodzą od
Jones Lang LaSalle.
Źródło: Jones Lang LaSalle, WRF.
Źródło: Jones Lang LaSalle, WRF.
Wykres 26 Skumulowana podaż nowoczesnych
powierzchni handlowych (mln m kw.) w
dużych aglomeracjach i pozostałej części Polski
Wykres 27 Skumulowana podaż
nowoczesnych powierzchni handlowych w
dużych aglomeracjach (m kw. na 1000
mieszkańców)
Źródło: Polska Rada Centrów Handlowych. Źródło: Polska Rada Centrów Handlowych.
Wykres 28 Czynsze (EUR/m kw./mies.) w
centrach handlowych w najlepszej lokalizacji
Wykres 29 Stopa kapitalizacji dla inwestycji
w centra handlowe w najlepszej lokalizacji
Źródło: Cushman & Wakefield. Uwaga: od końca 2008 r. stopy kapitalizacji dla
wszystkich rynków poza Warszawą były prawie
jednakowe.
Źródło: Cushman & Wakefield.
0
50 000
100 000
150 000
200 000
250 000
300 000
350 000
400 000
2005
2006
2007
2008
2009
2010
2011
2012
2013
*
COB centrum reszta
0%2%4%6%8%
10%12%14%16%18%20%
2004
2005
2006
2007
2008
2009
2010
2011
2012
COB centrum reszta średnia
25
35
45
55
65
75
85
95
I kw.
200
5II
kw. 2
005
III k
w. 2
005
IV k
w. 2
005
I kw.
200
6II
kw. 2
006
III k
w. 2
006
IV k
w. 2
006
I kw.
200
7II
kw. 2
007
III k
w. 2
007
IV k
w. 2
007
I kw.
200
8II
kw. 2
008
III k
w. 2
008
IV k
w. 2
008
I kw.
200
9II
kw. 2
009
III k
w. 2
009
IV k
w. 2
009
I kw.
201
0II
kw. 2
010
III k
w. 2
010
IV k
w. 2
010
I kw.
201
1II
kw. 2
011
III k
w. 2
011
IV k
w. 2
011
I kw.
201
2II
kw. 2
012
III k
w. 2
012
IV k
w. 2
012
Warszawa - miasto Warszawa - obrzeżaKraków WrocławTrójmiasto PoznańŁódź Kon. KatowickaSzczecin
5%
6%
7%
8%
9%
I kw.
200
5II
kw. 2
005
III k
w. 2
005
IV k
w. 2
005
I kw.
200
6II
kw. 2
006
III k
w. 2
006
IV k
w. 2
006
I kw.
200
7II
kw. 2
007
III k
w. 2
007
IV k
w. 2
007
I kw.
200
8II
kw. 2
008
III k
w. 2
008
IV k
w. 2
008
I kw.
200
9II
kw. 2
009
III k
w. 2
009
IV k
w. 2
009
I kw.
201
0II
kw. 2
010
III k
w. 2
010
IV k
w. 2
010
I kw.
201
1II
kw. 2
011
III k
w. 2
011
IV k
w. 2
011
I kw.
201
2II
kw. 2
012
III k
w. 2
012
IV k
w. 2
012
Warszawa - miasto Warszawa - obrzeżaKraków WrocławTrójmiasto PoznańŁódź Kon. Katowicka
24
Wykres 30 Przedziały czynszów za najlepsze
powierzchnie handlowe w wiodących centrach
handl. (EUR/m kw./mies.) w IV kw. 2012 r.
Wykres 31 Najwyższe czynsze (EUR/m
kw./mies.) przy głównych ulicach handlowych
Uwaga: czynsze za lokal ok. 100 m kw., z branży
moda i dodatki, zlokalizowany w wiodącym centrum
handlowym.
Źródło: Jones Lang LaSalle.
Źródło: Cushman & Wakefield.
Wykres 32 Zasoby powierzchni magazynowej
w regionach Polski (mln m kw.)
Źródło: Cushman & Wakefield.
1.3 Kredyty dla gospodarstw domowych na nieruchomości
Do podtrzymania zakupów mieszkań przyczyniły się obniżki stóp procentowych
NBP, powodujące w pierwszej kolejności spadek oprocentowania depozytów w bankach
oraz innych instrumentów finansowych związanych z oszczędzaniem. Roczna zmiana
stanu należności od gospodarstw domowych z tytułu kredytów mieszkaniowych była
najniższa od 2005 r., jednak szacowane wypłaty brutto kredytów spadły nieznacznie
w porównaniu do 2011 r.17 (por. wykres 33 oraz tabela 1). Od początku 2012 r.
obserwowano spadki kredytów mieszkaniowych w walutach obcych, po korektach.
17 Różnice pomiędzy wypłatami kredytów a przyrostem wielkości ich salda wynikają głównie
z amortyzacji kredytów oraz przepływów z portfela walutowego do portfela złotowego.
0 20 40 60 80 100
Warszawa
Miasta > 300 tys.
Miasta 100-300 tys.
Miasta 75-100 tys.
-
10
20
30
40
50
60
70
80
90
I kw.
200
5II
kw. 2
005
III k
w. 2
005
IV k
w. 2
005
I kw.
200
6II
kw. 2
006
III k
w. 2
006
IV k
w. 2
006
I kw.
200
7II
kw. 2
007
III k
w. 2
007
IV k
w. 2
007
I kw.
200
8II
kw. 2
008
III k
w. 2
008
IV k
w. 2
008
I kw.
200
9II
kw. 2
009
III k
w. 2
009
IV k
w. 2
009
I kw.
201
0II
kw. 2
010
III k
w. 2
010
IV k
w. 2
010
I kw.
201
1II
kw. 2
011
III k
w. 2
011
IV k
w. 2
011
I kw.
201
2II
kw. 2
012
III k
w. 2
012
IV k
w. 2
012
Warszawa Kraków Wrocław Gdańsk
Poznań Łódź Katowice Szczecin
0
1
2
3
4
5
6
7
8
2005
2006
2007
2008
2009
2010
2011
2012
Warszawski Krakowski WrocławskiTrójmiejski Poznański Polski CentralnejGórnośląski
25
Zaprzestanie udzielania przez banki niżej oprocentowanych kredytów mieszkaniowych
walutowych skutkowało wzrostem kosztów finansowania mieszkań. Wahania kursowe
oraz możliwość dalszych spadków cen mieszkań powodują jednak, że część istniejących
kredytów mieszkaniowych walutowych nie ma satysfakcjonującego zabezpieczenia. Banki
w omawianym okresie udzielały kredytów wyłącznie złotowych oraz znacznie ostrożniej.
Malejące stopy procentowe kredytów złotowych wraz z niewielkimi spadkami cen
mieszkań powodowały, przy niemal stabilnym rynkowym poziomie czynszów, że
inwestycje mieszkaniowe zaczynają przynosić wyższe dochody niż oszczędzanie
w bankach, a nawet niż dochody z obligacji Skarbu Państwa. Trzeba jednak pamiętać, że
inwestycje mieszkaniowe w Polsce obciążone są znacznym ryzykiem – ryzykiem wynajmu
(ryzyko pustostanów, zerwanych kontraktów) oraz dodatkowo ryzykiem związanym
z nieuregulowaną w Polsce kwestią eksmisji niepłacących lokatorów. Dodatkowo koszty
wejścia i wyjścia z inwestycji mieszkaniowych (w tym niepewność, co do przyszłych zmian
cen nieruchomości) oraz koszty własne związane z zarządem nieruchomością są wyższe
niż w przypadku inwestowania w instrumenty finansowe.
Zmiany regulacyjne, kryzys światowy i związane z tym wahania kursu złotego
wpłynęły nie tylko na akcję kredytową banków, ale też z pewnym opóźnieniem na
przeciętną zapadalność kredytów mieszkaniowych (por. wykres 34). Zapadalność
kredytów złotowych ciągle się wydłużała z przeciętnie ok. 11 lat w drugiej połowie 2007 r.
do ok. 13 lat w I kw. 2013 r. Wynikało to z zawierania nowych umów kredytowych na
dłuższy okres, co poprzez niższe stałe raty podwyższało zdolność kredytową
kredytobiorców, a więc dostępność tych kredytów. Ponadto do procesu tego przyczyniły
się wymuszone przewalutowania zagrożonych kredytów walutowych. Ponieważ stopa
procentowa na kredytach walutowych była niemal o połowę mniejsza niż na złotowych,
konieczne było znaczne wydłużenie czasu spłaty, żeby kredytobiorca był w stanie obsłużyć
jego spłatę po przewalutowaniu. Praktyczny brak wypłat kredytów walutowych od
początku 2012 r., w połączeniu ze spłacaniem istniejących kredytów, spowodował, że czas
zapadalności portfeli kredytów walutowych ciągle się skracał.
Wykres 33 Zmiany stanu należności GD z tyt.
kredytu mieszkaniowego w Polsce
Wykres 34 Średnia zapadalność kredytów na
nier. mieszk. i komerc., waż. wartością stanu
w danym kwartale
Uwaga: Dane w ramkach pokazują szacunek wypłat
brutto kredytów mieszka. dla GD (por. tabela 1).
Źródło: NBP.
Źródło: NBP.
0
5
10
15
20
25
30
35
40
45
50
2005 2006 2007 2008 2009 2010 2011 2012 2012
W
2013 2013
W
mld
zł
IV
III
II
I
2
4
6
8
10
12
14
16
18
II k
w.2
007
III
kw
.2007
IV k
w.2
007
I kw
.2008
II k
w.2
008
III
kw
.2008
IV k
w.2
008
I kw
.2009
II k
w.2
009
III
kw
.2009
IV k
w.2
009
I kw
.2010
II k
w.2
010
III
kw
.2010
IV k
w.2
010
I kw
.2011
II k
w.2
011
III
kw
.2011
IV k
w.2
011
I kw
.2012
II k
w.2
012
III
kw
.2012
IV k
w.2
012
I kw
.2013
II k
w.2
013
mieszkaniowe - PLN komercyjne - PLN
mieszkaniowe - EUR komercyjne - EUR
mieszkaniowe - CHF komercyjne - CHF
26
Tabela 1 Szacunek wypłat brutto kredytów mieszkaniowych dla gospodarstw domowych w Polsce
oraz szacunek gotówkowych i kredytowych zakupów mieszkań deweloperskich na 6 największych
rynkach (w mln zł) Data Szacunkowa
wypłata
kredytów
mieszkaniowych
w Polsce
Szacunkowa
wartość transakcji
mieszkaniowych
na RP
w 6 miastach
Szacunek wypłat
kredytów wraz z
udziałem własnym
na zakup
mieszkania na RP
w 6 miastach
Szacunek
zakupów
gotówkowych
mieszkania na
RP
w 6 miastach
Szacunkowy
udział zakupów
gotówkowych
mieszkania na RP
w 6 miastach
IV kw. 2011 2 770
I kw. 2012 5 409 2 726 879 1 847 0,68
II kw. 2012 7 346 2 783 1 194 1 589 0,57
III kw. 2012 7 177 2 510 1 166 1 343 0,54
IV kw. 2012 7 274 2 839 1 182 1 657 0,58
I kw. 2013 5 491 2 610 892 1 717 0,66
Uwaga: przyjęto następujące założenia: szacunek nowo udzielonych kredytów w Polsce w poszczególnych
kwartałach bazował na dostępnych w sprawozdawczości NBP przyrostach salda kredytów dla gospodarstw
domowych skorygowanych o amortyzację kredytów i przepływy pomiędzy portfelem walutowym
a złotowym. Szacunkową wartość transakcji mieszkaniowych na rynku pierwotnym 6 miast obliczono na
podstawie przemnożenia średniej transakcyjnej ceny mieszkania przez jego średnią wielkość w m kw. oraz
liczbę sprzedanych mieszkań w oparciu o dane firmy REAS. Na podstawie danych ZBP założono, że
wolumen kredytów udzielonych na zakup mieszkań na rynkach 6 miast w połowie przypada na rynek
pierwotny. Szacunek transakcji gotówkowych obliczono jako różnicę transakcji na rynku 6 miast oraz wypłat
kredytów wraz z udziałem własnym.
Źródło: NBP.
1.4 Kredyty dla przedsiębiorstw na nieruchomości
Inwestycje w nieruchomości komercyjne18 w dużej mierze finansowane są przez
inwestorów międzynarodowych, którzy korzystają ze środków zagranicznych. Pewna
część nieruchomości przedsiębiorstw finansowana jest za pośrednictwem banków
działających w Polsce. Wartość kredytów dla przedsiębiorstw na nieruchomości wyniosła
na koniec I kw. 2013 r. około 46 mld zł (por. wykres 35). W porównaniu z kredytami
mieszkaniowymi dla gospodarstw domowych, łączna wielkość kredytów dla firm na
nieruchomości jest niewielka, ale wyższy jest wśród nich odsetek kredytów zagrożonych.
Kredyty dla przedsiębiorstw na nieruchomości dzielone są na kredyty na powierzchnie
biurowe, kredyty na nieruchomości mieszkaniowe (głównie kredyty dla deweloperów)
oraz na pozostałe, a ich stan na koniec I kw. 2013 r. wynosił odpowiednio 10,0 mld zł, 10,4
mld zł oraz 25,6 mld zł. Od początku obecnego kryzysu obserwujemy wzrost wskaźnika
zagrożonych kredytów dla deweloperów19, który na koniec 2012 r. wyniósł około 30%.
18 Nieruchomości komercyjne to takie, które są zakupione w celu generowania zysku dla właściciela.
Do nieruchomości komercyjnych zaliczamy biura, powierzchnie handlowe, magazyny oraz w niewielkim
stopniu mieszkania na wynajem. 19 W efekcie spadku popytu na mieszkania istnieje na rynkach znaczna nadwyżka niesprzedanych
mieszkań deweloperskich. Przez to deweloperzy mają pewne problemy z obsługą zaciągniętych kredytów.
27
Należy jednak podkreślić, że nie stanowi to zagrożenia dla stabilności systemu bankowego,
gdyż udział tych kredytów w aktywach banków, które udzielają najwięcej kredytów na
nieruchomości, wynosił mniej niż 4%. W przypadku kredytów dla przedsiębiorstw na
biura i pozostałe nieruchomości nie zaobserwowano znacznych zmian zarówno ich
wartości, jak i jakości.
Wykres 35 Kredyty przedsiębiorstw na
nieruchomości (w mld zł, lewa oś) i wskaźnik
kredytów uznanych za zagrożone (w %, prawa oś)
Uwaga: dane bez BGK.
Źródło: NBP.
Podsumowując rozdział widzimy, że sytuacja na rynkach nieruchomości
mieszkaniowych i komercyjnych w 2012 r. powoli zmierzała do stabilizacji. Ceny mieszkań
dostosowywały się do warunków słabszego wzrostu gospodarczego, skutkującego niższą
aktywnością nabywających mieszkania. Roczna zmiana stanu należności od gospodarstw
domowych z tytułu kredytów mieszkaniowych była niska - najniższa od 2005 r.
Zaprzestanie udzielania przez banki niżej oprocentowanych kredytów mieszkaniowych
denominowanych w walutach obcych skutkowało wzrostem kosztów finansowania
mieszkań oraz często brakiem satysfakcjonującego zabezpieczenia kredytów dla banków.
Jednak malejące stopy procentowe kredytów złotowych oraz niewielkie spadki cen
mieszkań powodowały, iż banki w omawianym okresie udzielały kredytów ostrożniej, co
jest pozytywne dla stabilności sektora finansowego.
Bibliografia:
Gyuorko J. (2009), “Understanding Commercial Real Estate: How Different from Housing Is It?”
NBER Working Paper 14708.
Cushman & Wakefield (2013), “Market Beat – Wiosna 2013”.
Jones Lang LaSalle (2013), “Warszawski Rynek Biurowy IV kw. 2012”.
CBRE (2013a), “MarketView - Warsaw Office Q4 2012”.
CBRE (2013b), “MarketView - Warsaw Retail Q4 2012”.
Colliers International (2013), “Poland Research & Forecast Report 2013”.
0%
5%
10%
15%
20%
25%
30%
35%
0
5
10
15
20
25
30
35
40
45
50
I kw
. 2009
II k
w.
2009
III
kw
. 2009
IV k
w.
2009
I kw
. 2010
II k
w.
2010
III
kw
. 2010
IV k
w.
2010
I kw
. 2011
II k
w.
2011
III
kw
. 2011
IV k
w.
2011
I kw
. 2012
II k
w.
2012
III
kw
. 2012
IV k
w.
2012
I kw
. 2013
Kredyty na powierzchnię biurową
Kredyty na nieruchomości mieszkaniowe
Kredyty na nieruchomości pozostałe
Wskaźnik kredytów zagrożonych na nieruchomości mieszkaniowe
Wskaźnik kredytów zagrożonych na powierzchnię biurową
Wskaźnik kredytów zagrożonych na pozostałe nieruchomości
28
2. Determinanty rozwoju sektora nieruchomości w 2012 r.
Rozdział ten przedstawia determinanty procesów obserwowanych na rynkach
mieszkaniowych 16 miast, omówionych w rozdziale 1. Omówiono wpływ zmian
regulacyjnych oraz polityki mieszkaniowej. Przeprowadzono też analizę panelową, która
pokazuje czynniki wpływające na wzrost cen mieszkań w dużych miastach.
2.1 Ocena zmian otoczenia regulacyjnego i jego wpływu na sferę realną
W 2012 r. na rynku nieruchomości obserwowaliśmy silne zakłócenia procesów
rynkowych wprowadzanymi regulacjami tj.: zakończenie programu RNS, wchodzenie
w życie ustawy deweloperskiej20, rekomendacji S i T. Regulacje oddziaływały negatywnie
na kontynuację procesów równoważenia się sektora mieszkaniowego21 po szoku
kredytowym z lat 2005-2008. Ponowny wzrost zasobu niesprzedanych mieszkań na rynku,
począwszy od 2009 r., oraz bardzo powolny spadek cen, był konsekwencją zmiany
parametrów22 rządowego programu dopłat do odsetek od kredytów mieszkaniowych RNS.
W konsekwencji przy dosyć stabilnym popycie i wypłatach kredytów spowodowało to
szybkie narastanie zasobu niesprzedanych mieszkań. Kwestie boomu cenowego oraz
reakcje deweloperów omówiono w rozdziale analitycznym na przykładzie rynku
warszawskiego.
20 Ustawa z dnia 16 września 2011 r. (Dz. U. Nr 232, poz. 1377) o ochronie praw nabywcy lokalu
mieszkalnego lub domu jednorodzinnego definiuje umowę deweloperską oraz obliguje przedsiębiorcę do
zapewnienia nabywcy odpowiednich środków ochrony. 21 Cykle na rynkach nieruchomościowych, w tym mieszkaniowych, zazwyczaj są dłuższe i głębsze niż
w przypadku pozostałych sektorów (por. André, 2010). Jest to powodowane sztywną podażą, która w
połączeniu z rosnącym popytem fundamentalnym i spekulacyjnym finansowanym przez system bankowy
prowadzi do gwałtownych wzrostów cen, a następnie opóźnioną podażą, która zaczyna w dużej skali trafiać
na rynek w czasie gdy koniunktura już słabnie, ceny spadają, a banki ograniczają finansowanie. Realizacja
takiego scenariusza na rynkach największych polskich miast została przerwana załamaniem się rynku
amerykańskiego. Spowodowało to ograniczenie akcji kredytowej, zmianę sentymentu rynkowego i spadek
popytu, na który deweloperzy zareagowali ograniczeniem i zamrożeniem prowadzonych inwestycji.
W konsekwencji rynek zaczął się równoważyć szybciej, bez pęknięcia narastającej bańki cenowej
i związanych z nią negatywnych konsekwencji, jakimi zazwyczaj są gwałtowny spadek cen nieruchomości
oraz pogorszenie jakości kredytów. 22 W latach 2010-2011 zanotowano znaczne podwyższenie cen mieszkań dopuszczonych do programu
w relacji do cen rynkowych, co skutkowało przyspieszeniem wypłat subsydiów, stabilizacją cen na wysokim
poziomie oraz zwiększonymi rozmiarami budownictwa.
29
Wykres 36 Mieszkania wprowadzone na
rynek, sprzedane i pozost. w ofercie 6 miast
Wykres 37 Limit cen mieszkań na rynku
pierwotnym 6 miast w programie RNS
Źródło: REAS. Źródło: BGK.
Wykres 38 Luka limitu RNS względem
mediany cen transakcyjnych na RP (wg BaRN)
Wykres 39 Wypłaty kredytu RNS w 6
miastach
Luka liczona jest jako różnica ceny maksymalnej
(limitu) RNS oraz mediany ceny transakcyjnej na
RP w relacji do mediany ceny transakcyjnej.
Dodatnia różnica oznacza, że program finansuje
mieszkania o cenach wyższych od mediany, a
ujemnych odwrotnie.
Źródło: NBP, BGK.
Źródło: BGK.
W 2012 r. ograniczono nadmierną wysokość cen mieszkań dopuszczonych do
programu RNS, co oddziaływało stabilizująco na rynek. Jednocześnie jednak ogłoszono
oficjalne zakończenie tego programu dopłat z końcem 2012 r. Weszła także w życie
zapowiadana od wielu lat ustawa o ochronie praw klienta dewelopera (tzw. ustawa
deweloperska23). Efektem ustawy deweloperskiej był niewielki boom budowlany, gdyż
deweloperzy zgromadzili portfel projektów wyłączonych spod działania ustawy24.
W konsekwencji w 2012 r. nierównowaga na rynkach mieszkaniowych w największych
23 Ustawa z dnia 16 września 2011 r. (Dz. U. Nr 232, poz. 1377) o ochronie praw nabywcy lokalu
mieszkalnego lub domu jednorodzinnego definiuje umowę deweloperską oraz obliguje przedsiębiorcę do
zapewnienia nabywcy odpowiednich środków ochrony. 24 Projekty mieszkaniowe rozpoczęte do 29 kwietnia 2012 r. nie podlegały rygorom ww. ustawy.
0
10 000
20 000
30 000
40 000
50 000
60 000I
kw
. 2007
III
kw
. 2007
I kw
. 2008
III
kw
. 2008
I kw
. 2009
III
kw
. 2009
I kw
. 2010
III
kw
. 2010
I kw
. 2011
III
kw
. 2011
I kw
. 2012
III
kw
. 2012
I kw
. 2013
mie
szkania
wprowadzone w kwartale sprzedane w kwartale
oferta na koniec kwartału
2 000
3 000
4 000
5 000
6 000
7 000
8 000
9 000
10 000
I kw
.2007
III
kw
.2007
I kw
.2008
III
kw
.2008
I kw
.2009
III
kw
.2009
I kw
.2010
III
kw
.2010
I kw
.2011
III
kw
.2011
I kw
.2012
III
kw
.2012
zł
/ m
kw
.
Warszawa Kraków Wrocław
Poznań Gdańsk Łódź
-80%
-60%
-40%
-20%
0%
20%
40%
60%
I kw
. 2007
III
kw
. 2007
I kw
. 2008
III
kw
. 2008
I kw
. 2009
III
kw
. 2009
I kw
. 2010
III
kw
. 2010
I kw
. 2011
III
kw
. 2011
I kw
. 2012
III
kw
. 2012
I kw
. 2013
Gdańsk Kraków Łódź
Poznań Warszawa Wrocław
0,0
0,5
1,0
1,5
2,0
2,5
3,0
3,5
4,0
4,5
2007 2008 2009 2010 2011 2012 2013
mld
zł
IV
III
II
I
30
miastach uległa pogłębieniu, a część firm deweloperskich zaczęła odczuwać problemy
płynnościowe. Pomimo stale rentownej produkcji mieszkań25, deweloperzy mieli coraz
większe trudności ze sprzedażą mieszkań, które wprowadzili na rynek. W 2012 r. banki
zaczęły postrzegać sektor nieruchomości jako ryzykowny i ograniczały akcję kredytów
mieszkaniowych dla klientów. Czynnikiem działającym w przeciwnym kierunku był
natomiast wzrost kredytów RNS26. Mimo istniejącej znacznej nadwyżki niesprzedanych
mieszkań na niektórych rynkach, z powodu wzrostu kredytów RNS doszło nawet do
niewielkiego wzrostu cen.
Wykres 40 Wskaźniki płynności dużych firm
deweloperskich
Wykres 41 Wskaźniki ROE i ROA dużych firm
deweloperskich
Źródło: NBP na podstawie GUS. Źródło: NBP na podstawie GUS.
Na skutek widocznej nierównowagi na rynku nieruchomości27 kredyty
deweloperskie notowały coraz wyższe wskaźniki zagrożenia ich spłaty. Banki ograniczały
finansowanie inwestycji deweloperskich, ale saldo kredytów dla deweloperów, pomimo
silnego wzrostu ich produkcji, pozostawało stabilne w 2012 r. (por. wykres 35). W efekcie
poszukiwania przez deweloperów alternatywnych źródeł finansowania, wzrosło ich
zadłużenie w obligacjach, z ok. 1 mld zł na początku 2012 r. do ok. 1,9 mld zł pod koniec
roku (por. wykres 42). Zanotowano także wzrost udziału papierów dłużnych w strukturze
finansowania dużych deweloperów (por. wykres 43).
25 Rentowność produkcji deweloperskiej obliczono, zakładając całkowitą sprzedaż wybudowanych
mieszkań, na podstawie modelu Augustyniak i in. (2012). 26 W IV kw. 2012 r. obserwowano istotny przyrost nabywców mieszkań chcących skorzystać z ostatnich
wypłat w programie RNS. Z powodu natłoku wniosków wypłaty realizowane były jeszcze w I kw. 2013 r. 27 Problemem sektora deweloperskiego, oprócz zapasów niesprzedanych kontraktów, jest jego
wewnętrzne zróżnicowanie. Od 2008 r. stale rośnie udział dużych firm z negatywnym wynikiem finansowym
(około 20%) oraz negatywnym kapitałem własnym (około 5%). W konsekwencji stale zwiększa się udział firm
deweloperskich mających problemy z obsługą kredytów.
0
0,1
0,2
0,3
0,4
0,5
0,6
0,0
0,5
1,0
1,5
2,0
2,5
2007
I
2007
III
2008
I
2008
III
2009
I
2009
III
2010
I
2010
III
2011
I
2011
III
2012
I
2012
III
2013
I
Wskaźnik płynności (L oś)
Wskaźnik wysokiej płynności (P oś)
Wygł.wskaźnik płynności (L oś)
Wygł.wskaźnik wysokiej płynności (P oś)
-5%
0%
5%
10%
15%
20%
25%
I kw
. 2
00
5
III
kw
. 20
05
I kw
. 2
00
6
III
kw
. 20
06
I kw
. 2
00
7
III
kw
. 20
07
I kw
. 2
00
8
III
kw
. 20
08
I kw
. 2
00
9
III
kw
. 20
09
I kw
. 2
01
0
III
kw
. 20
10
I kw
. 2
01
1
III
kw
. 20
11
I kw
. 2
01
2
III
kw
. 20
12
I kw
. 2
01
3
ROA ROE
ROA trend wielom.3 okr. ROE trend wielom.3 okr.)
31
Wykres 42 Wartość papierów dłużnych
korporacyjnych (w mld zł, lewa oś) i wartość
papierów dłużnych deweloperów notowanych
na GPW Catalyst (w mld zł, prawa oś)
Wykres 43 Struktura finansowania dużych firm
deweloperskich
Źródło: GPW Catalyst. Źródło: NBP na podstawie GUS (F01).
Równocześnie z ogłoszeniem zamknięcia programu RNS ogłoszono uruchomienie
pod koniec 2013 r. nowego programu dopłat do kredytów na mieszkania z rynku
pierwotnego Mieszkanie dla Młodych (MDM). Program MDM w założeniach ma słabo
ukierunkowane subsydia, choć w mniejszej skali niż jego poprzednik RNS. Można
przypuszczać, że również ten program będzie negatywnie wpływał na proces
równoważenia się rynku i spadek cen. Ponieważ znaczny wolumen subsydiowanych
kredytów RNS28 został przeniesiony na 2013 r. (opóźniona realizacja wniosków
kredytowych złożonych pod koniec 2012 r.), można przypuszczać, że najbliższe dwa lata
będą sprzyjać szokom popytowym i kumulacji oczekiwań, co nie ułatwi sektorowi procesu
dojścia do równowagi. Konsumenci mogą oczekiwać dalszych spadków cen oraz
subsydiów rządowych, a więc przesuną w czasie decyzję zakupu. Natomiast deweloperzy
mogą oczekiwać programów wspierających popyt i z tego powodu mogą zacząć
przyśpieszać produkcję mieszkań oraz rozpoczynać nową.
Podsumowując, ocena zamkniętego programu RNS wypada negatywnie, zwłaszcza
w drugiej jego fazie, tj. po wprowadzeniu licznych poprawek limitów cenowych. O ile
w początkowym kształcie celem programu był wzrost udziału mieszkań własnościowych
o skromnym standardzie, wspierający rodziny o niższych dochodach oraz poprawiający
ich sytuację mieszkaniową (własne, dostępne mieszkanie to większa stabilność polityczna,
skromny standard dopuszczony do programu to gwarancja dystrybucji subsydiów do
gospodarstw o niższych dochodach), o tyle po kolejnych zmianach był to program
szerokich, nieukierunkowanych subsydiów budżetowych, nierozwiązujący problemów
społecznych oraz zakłócający funkcjonowanie sektora mieszkaniowego. Pod tym
względem tylko nieznacznie lepszy jest jego zapowiadany następca, gdzie zastosowano
formułę dotacji grantowej zamiast odsetkowej (brak efektu odkładania na później
28 Zgodnie z danymi BGK w 2013 r. zostało wypłacone 6 miliardów PLN z tytułu realizacji programu
RNS.
-
500
1 000
1 500
2 000
0
5 000
10 000
15 000
20 000
25 000
30 000
35 000
40 000
45 000
50 000
I kw
. 2
01
1
II k
w.
201
1
III
kw
. 20
11
IV k
w. 2
011
I kw
. 2
01
2
II k
w.
201
2
III
kw
. 20
12
IV k
w. 2
012
I kw
. 2
01
3
Obligacje korporacyjne (L oś) Obligacje deweloperów (P oś)
0%
20%
40%
60%
80%
100%
I 20
05
III
200
5
I 20
06
III
200
6
I 20
07
III
200
7
I 20
08
III
200
8
I 20
09
III
200
9
I 20
10
III
201
0
I 20
11
III
201
1
I 20
12
III
201
2
kapitał własny kredyty
dłużne pap. wart. przedpłaty klientów
zobow. wobec dost. inne zobow. i rez.na zobow.
32
i kumulowania się obciążeń budżetowych, mniejsze możliwości redystrybucji subsydiów
na rzecz systemu bankowego), zapowiedziano mniejszą skalę programu (mniejsza
interwencja to mniejsze zakłócanie działanie wolnego rynku) i ograniczono grupę celową
do ludzi młodych29. Nie wprowadzono jednak kryterium dochodowego ani ostrzejszego
ograniczania dopuszczalnego standardu, co oznacza, że subsydia w znacznej mierze
dofinansują te gospodarstwa domowe, które zakupiłyby mieszkania nawet bez wsparcia
z budżetu państwa. W konsekwencji popyt sektorowy wzrośnie w stopniu mniejszym, niż
byłoby to możliwe gdyby wspierane były wyłącznie osoby, którym niski dochód
uniemożliwia zaciągnięcie samodzielnego kredytu. Efekty społeczne obecnego programu
będą wątpliwe (trudno znaleźć rozsądne uzasadnienie dla tak szerokiego finansowania
własności mieszkaniowej). Można się też spodziewać tendencji do podwyżek cen
i ponownego zwiększania nadwyżki mieszkań na rynku, jako efektu związanych z nim
oczekiwań oraz oddziaływania dodatkowego, realnego popytu.
Podstawowym problemem polskiej polityki mieszkaniowej jest jej koncentracja na
mieszkaniach własnościowych i kredytach hipotecznych. Kredyty te są dostępne w Polsce
dla około 40% gospodarstw domowych, które spełniają wymogi dochodowe.
Doświadczenia (np. ostatniego kryzysu w USA lub w Hiszpanii) z nadmiernym
oferowaniem własnościowych mieszkań osobom o niskich dochodach prowadziły
zazwyczaj do problemów społecznych oraz kłopotów sektora bankowego.
Wykres 44 Rozkład złotowej dostępności
mieszkań własnościowych dla gospodarstw
domowych w Polsce
Wykres 45 Szacunek globalnej kredytowej
zdolności mieszkaniowej gospodarstw
domowych w Polsce
Źródło: NBP, GUS. Źródło: NBP, GUS.
Polskiej polityce mieszkaniowej w trakcie 23 lat od rozpoczęcia transformacji nie
udało się przeprowadzić z sukcesem żadnego projektu poprawiającego poziom
zaspokajanych potrzeb mieszkaniowych (porządkowanie zasobu publicznego,
budownictwo socjalne, mieszkania komercyjne i społeczne na wynajem). Wyjątkiem jest
wdrożony program rozwoju kredytów mieszkaniowych i podobnie wprowadzany
29 Zgodnie z projektem ustawy nabywcami mieszkań z dopłatą mogą być osoby w wieku do 35 roku
życia.
0
200
400
600
800
1 000
1 200
P90 P80 P70 P60 P50 P40 P30 P20 P10
Ty
sią
ce
2005 2006 2007 2008 2009 2010 2011 2012 2013
252
302
352
402
452
502
I k
w. 2
005
II k
w. 2
005
III
kw
. 200
5
IV k
w. 2
005
I k
w. 2
006
II k
w. 2
006
III
kw
. 200
6
IV k
w. 2
006
I k
w. 2
007
II k
w. 2
007
III
kw
. 200
7
IV k
w. 2
007
I k
w. 2
008
II k
w. 2
008
III
kw
. 200
8
IV k
w. 2
008
I k
w. 2
009
II k
w. 2
009
III
kw
. 200
9
IV k
w. 2
009
I k
w. 2
010
II k
w. 2
010
III
kw
. 201
0
IV k
w. 2
010
I k
w. 2
011
II k
w. 2
011
III
kw
. 201
1
IV k
w. 2
011
I k
w. 2
012
II k
w. 2
012
III
kw
. 201
2
IV k
w. 2
012
I k
w. 2
013
II k
w. 2
013
III
kw
. 201
3
IV k
w. 2
013
Mil
iard
y
wariant 2 (58% DDP) wariant 1 (DDP-płaca min. ekw.)
33
program dodatków mieszkaniowych. Naturalnej tendencji kontynuacji sprawdzonej drogi,
sprzyja lobbing sektora deweloperskiego i bankowego.
Doświadczenia historyczne, w tym te najnowsze pokazują, że rynek mieszkaniowy
jest rynkiem generującym znaczne problemy dla całej gospodarki (długookresowa
kumulacja napięć, w tym błędnych decyzji politycznych, po której przychodzą gwałtowne
spadki cen, masowa niespłacalność kredytów oraz napięcia społeczne). Nadmierny, tj.
przekraczający 30% aktywów, udział kredytów hipotecznych w aktywach banków staje się
zagrożeniem ich stabilności. Należy też pamiętać, że potencjalna zdolność kredytowa
gospodarstw domowych przy rozsądnie ustawionych regulacjach ostrożnościowych, jest
ograniczona (por. wykres 45).
W 2011 r. weszła w życie rekomendacja T, wprowadzająca limity maksymalnego
obciążenia budżetów gospodarstw domowych spłatami kredytów oraz ograniczająca
kredyty denominowane w walutach obcych. Wprowadzane rekomendacją limity (50/65%
TDR#) można ocenić jako umiarkowane w świetle doświadczeń międzynarodowych,
jednak zbiegły się one z osłabieniem koniunktury w kraju i w sektorze nieruchomości
i bankowym, co spowodowało jej krytykę. Jak pokazały wypłaty kredytów
mieszkaniowych, Rekomendacja T praktycznie nie wpłynęła na ograniczenie ilościowe
kredytów, można natomiast przypuszczać, że miała ona wpływ na poprawę ich jakości.
W grudniu 2012 r. przekazano do konsultacji projekt nowelizacji Rekomendacji S30, którą
uchwalono ostatecznie w czerwcu 2013 r. Jej ocena jest zbliżona do wcześniejszej
rekomendacji T, jednak ponieważ wchodzi ona w życie w roku 2014 nie miała wpływu na
procesy w 2012 r.
2.2 Panelowa analiza cen mieszkań na rynku pierwotnym dla 17 miast 31
Dynamika cen mieszkań na rynku pierwotnym jest przedmiotem stałego
zainteresowania ze strony banków centralnych oraz regulatorów, ponieważ bardzo szybko
przekłada się na zmiany produkcji deweloperskiej, przyczynia się do powstawania silnych
cykli (por. Augustyniak i in., 2013) i generuje ryzyko dla sektora bankowego. W badaniu
skupiono się na determinantach średniej ceny m kw. mieszkania na rynkach 17
największych miast Polski. Można założyć, iż mieszkania budowane przez deweloperów
(rynek pierwotny), z uwagi na podobną technologię budowy oraz podobny standard,
pomijając oczywiście różne ich lokalizacje, są względnie porównywalne na każdym
poszczególnym rynku. W skali makro można także założyć, iż pewne zmienne
fundamentalne, obserwowane na wszystkich rynkach, będą w stanie tłumaczyć zmiany
średnich cen. Natomiast mieszkania na rynku wtórnym różnią się istotnie technologią
budowy, standardem wykończenia, wiekiem oraz formą własności. Ze względu na
30 Dobre praktyki dotyczące zarządzania ekspozycjami kredytowymi zabezpieczonymi hipotecznie. 31 Do analizy włączono Gdynię, która jest dużym rynkiem nieruchomości, stanowiącym niemal
jednolity rynek z Gdańskiem.
34
wspomniane zróżnicowanie mieszkań, trudno jest znaleźć wspólne dla rynku wtórnego
determinanty cen32. Analiza, która uwzględnia relatywnie stabilny okres na rynku
mieszkaniowym (2002-2005), okres boomu (2006-2008) oraz powolne wracanie rynku do
poziomu równowagi daje dobry obraz determinantów zmiany cen na pierwotnym rynku
nieruchomości mieszkaniowych.
Celem analizy jest stwierdzenie, na ile wzrost cen mieszkań na rynku pierwotnym
motywowany był zmiennymi fundamentalnymi. Przeanalizowano czynniki, które
wpływają na popyt na nowe mieszkania na lokalnych rynkach, korzystając z wyników
analizy procesów konwergencji i różnicowania rynków lokalnych oraz zmian
strukturalnych przedstawionej w opracowaniu analitycznym w aneksie 1 (por. też
Andrews (2010) oraz Igan i Loungani (2012)). Na ceny nowych mieszkań powinny
wpływać czynniki strukturalne (tj. liczba nowych małżeństw na 1000 mieszkańców,
migracja, wskaźnik ludności produkcyjnej do poprodukcyjnej, etc.) oraz czynniki
ekonomiczne (wzrost dochodów, spadek bezrobocia, wzrost dostępności kredytowej).
Duża część zmiennych wykazuje jednak wyłącznie trend wzrostowy, a nie wahania, które
mogły by tłumaczyć wzrosty i spadki cen. Ich uwzględnienie doprowadziłoby do
pozornych regresji. Ponadto wiele danych wykazuje silne współliniowości. Po
przeprowadzeniu wielu regresji oraz testów zdecydowaliśmy się uwzględnić jako zmienne
objaśniające: liczbę małżeństw na 1000 mieszkańców, przeciętne wynagrodzenie w sektorze
przedsiębiorstw, stopę bezrobocia oraz dostępność kredytu33. Dla każdego rynku
wykorzystujemy lokalne dane objaśniające.
Analiza transakcyjnych cen mieszkań na rynku pierwotnym dla 17 miast w Polsce
bazuje na danych rocznych z lat 2002-2012.34 We wszystkich regresjach wykorzystano
logarytmy powyżej opisanych zmiennych, co pozwala lepiej wychwycić pewne nieliniowe
zależności między zmianą ceny a zmiennymi objaśniającymi. Uwzględniono też zmienne
zero-jedynkowe dla poszczególnych lat. Dodatkowo podzielono miasta na 7 dużych oraz
10 mniejszych35. W estymacji wykorzystano model efektów stałych (regresja fixed effects)36
32 Zastąpienie indeksem hedonicznym prostych wskaźników cen mieszkań (mediany i średniej)
pozwala podnieść wiarygodność pomiaru cen, a tym samym podnosi przejrzystość rynku (por. Widłak
(2013)). Taka analiza wymaga jednak bardzo szczegółowych danych, które w ramach BaRN zbierane są
dopiero od III kw. 2006 r. Ograniczenie analizy wyłącznie do okres rozpoczynającego się praktycznie w 2007
r. nie pozwoliło by nam wychwycić zachowania cen w okresie stabilnych cen, to znaczy w latach 2002-2005. 33 Dostępność kredytu obliczona przy założeniu udzielanych kredytów złotowych i walutowych
w okresie 2005-2011 r. oraz wyłącznie złotowych dla pozostałych lat. Dokładny opis znajduje się w słowniku
pojęć i skrótów. 34 Ceny transakcyjne mieszkań dla lat 2006-2012 pochodzą z bazy BaRN (rynek pierwotny),
a wcześniejsze ceny zostały ekstrapolowane na podstawie dynamiki cen z PONT Info z okresu 2002-2006
(rynek pierwotny). 35 Podziału dokonano w oparciu o liczbę ludności danego miasta. Miasta „duże”, tj. z liczbą ludności
pow. 400 tys. mieszkańców to: Gdańsk, Kraków, Łódź, Poznań, Szczecin, Warszawa, Wrocław. Do grupy
„małych” miast tj. z liczbą ludności poniżej 400 tys. należą: Białystok, Bydgoszcz, Gdynia, Katowice, Kielce,
Lublin, Olsztyn, Opole, Rzeszów, Zielona Góra.
35
z odpornymi błędami standardowymi. Ceny mieszkań podobnie jak większość zmiennych
objaśniających są niestacjonarne, jednak za pomocą testu Pesarana (2004) wykazano, że
reszty z regresji nie są skorelowane, dlatego można uznać, iż modele są poprawnie
wyspecyfikowane. Reszty są też stacjonarne. Wyniki regresji pokazujemy poniżej.
Tabela 2. Wyniki poszczególnych regresji
(1) (2) (3) (4)
L_Mal1000 .5080
[.6343]
.1243
[.5244]
.5568
[.6224]
.1421
[.5102]
L_Wynagrodzenie 1.3216**
[.5221]
.5452
[.4689]
L_Bezrobocie
-.5439***
[.1196]
-.5448***
[.1231]
L_DostKredytuWAGA
.8396**
[.3410]
.3715
[.2994]
yd2003 -.0222
[.0447]
.02456
[.0363]
-.0755
[.0547]
.0002
[.0427]
yd2004 -.0280
[.0559]
.0148
[.0427]
.1137***
[.0352]
.0748**
[.0378]
yd2005 -.0250
[.1119]
.0107
[.0913]
-.0835
[.1254]
-.0195
[.1043]
yd2006 .1648
[.1799]
.1256
[.1618]
.1295
[.1802]
.1036
[.1696]
yd2007 .4982**
[.2246]
.2806
[.2107]
.5825***
[.1917]
.3076
[.1971]
yd2008 .3744
[.2832]
.0683
[.2723]
.5354**
[.2253]
.1251
[.2486]
yd2009 .2250
[.2843]
.2286
[.2541]
.5193***
[.1898]
.3433*
[.2035]
yd2010 .2363
[.2537]
.2859
[.2258]
.5208***
[.1458]
.3947**
[.1546]
yd2011 .2589
[.2499]
.3177
[.2250]
.5999***
[.1185]
.4491***
[.1274]
yd2012 .1780
[.2601]
.3231
[.2390]
.6325***
[.0964]
.50351***
[.1021]
_cons -3.2684
[4.3338]
4.6400
[3.7840]
-3.5598
[4.4592]
4.2117
[3.9292]
R-sq 0.8401 0.8683 0.8415 0.8658
wewnątrzgrupowy 0.9599 0.9727 0.9597 0.9728
międzygrupowy 0.2659 0.5908 0.2560 0.5855
Poziom istotności: 10 % - *; 5 % - **; 1 % - ***; odporne błędy standardowe oszacowane za pomocą metody bootstrap.
36 Po pierwsze wybór regresji efektów stałych ma teoretyczne podstawy. Stosuje się tą metodę, gdy
wybrana próba nie jest losowa, lecz reprezentuje całą populację. Ponadto ekonomiczna analiza
poszczególnych rynków, zawarta w aneksie 1 pokazuje, że każdy rynek ma pewien indywidualny charakter,
który praktycznie nie zmienia się w czasie. Metoda stałych efektów pozwala wyłączyć ten właśnie stały
element, którego nie jesteśmy w stanie wychwycić żadną zmienną, a został by błędnie przypisany do reszt
modelu. Przeprowadzony został też test Hausmana. Wykazał on, że można stosować model random effects,
jednak wyniki tego testu można uznać za wiarygodne dopiero przy znacznie większej liczbie obserwacji
(minimum 20-30 obserwacji czasowych w szeregu).
36
We wszystkich specyfikacjach model dobrze tłumaczy zmiany cen w dużych
miastach. Jednak nie jest w stanie objaśnić dynamiki cen w małych miastach, gdyż żadna
fundamentalna zmienna objaśniająca nie jest istotna. Ceny na mniejszych rynkach wydają
się oscylować wokół lekkiego trendu wzrostowego. Potrzebne są zatem dalsze badania,
a obecne wyniki można tłumaczyć w następujący sposób. Prawdopodobnie w dużych
miastach mamy lepsze dane37 dzięki znacznie większej liczbie transakcji. Natomiast
w mniejszych miastach może istnieć spora część domów jedno lub wielorodzinnych,
budowanych metodą gospodarczą, które nie są objęte statystyką, więc nie są uwzględnione
w badaniu. Występuje tu także duża substytucja pomiędzy domami i mieszkaniami,
a wzrost cen mieszkań motywuje gospodarstwa domowe do budowy domów
jednorodzinnych. Istotnym czynnikiem, wpływającym na niską jakość modeli na „małych”
rynkach, może być także efekt epidemii38. Rynki małych miast wzorują się na dużych
miastach, jednak impuls cenowy przepływa z opóźnieniem, co przekłada się na wyniki
regresji dla tych rynków.
W pierwszej regresji cenę transakcyjną m kw. mieszkania na rynku pierwotnym
tłumaczono liczbą zawieranych małżeństw oraz przeciętnym wynagrodzeniem w sektorze
przedsiębiorstw. Jedynie zmienna określająca zmianę poziomu wynagrodzenia istotnie
tłumaczy zmiany cen. Ponadto, zmienna zero-jedynkowa dla 2007 r. okazała się być istotna
statystycznie, co sugeruje, że cena obserwowana w tym czasie była wyższa niż wynikałoby
z uwzględnionych zmiennych fundamentalnych. Prawdopodobnie oczekiwania nabywców
dotyczące dalszych wzrostów cen (co omówiliśmy w artykule w aneksie 5) prowadziły do
przyśpieszania decyzji o zakupie mieszkania i podnosiły ceny więcej, niż by wynikało to ze
zmiennych fundamentalnych.
W drugim modelu jako zmienne objaśniające przyjęliśmy liczbę zawieranych
małżeństw, wynagrodzenie oraz stopę bezrobocia. Stopa bezrobocia okazała się być bardzo
ważnym czynnikiem i silnie wpływać na ceny. Wydaje się, iż stopa bezrobocia
odzwierciedla cykl koniunkturalny, który ma bezpośredni wpływ na ceny. Spadek stopy
bezrobocia świadczy o ożywieniu gospodarczym, co może zachęcać gospodarstwa
domowe do zakupu mieszkań. Z kolei wzrost tej stopy może być traktowany jako
wskaźnik ryzyka utraty pracy, co będzie hamowało popyt mieszkaniowy. Ta zmienna
fundamentalna istotnie tłumaczy zmiany cen, natomiast liczba nowo zawieranych
małżeństw, wynagrodzenie oraz zmienne zero-jedynkowe okazały się nieistotne.
W regresji trzeciej po stronie zmiennych niezależnych uwzględniliśmy liczbę
małżeństw oraz dostępność kredytową. W tym przypadku na poziomie istotności 0,05
dostępność kredytowa oraz zmienne dla lat 2004 i 2007-2012 są statystycznie istotne.
Zmienne dla lat 2007-2008 mogą świadczyć o boomie popytowym, omówionym już
37 Im większa próba analizowanych mieszkań, oraz im większy rynek, tym bardziej średnia
obserwowana cena będzie zbliżona do faktycznej średniej oraz będzie silniej determinowana zmiennymi
fundamentalnymi. 38 De Bandt i in. (2010) twierdzili, iż lokalne szoki na rynku nieruchomości, które swoje źródła miały
w Stanach Zjednoczonych mogą się rozprzestrzeniać na rynki innych państw.
37
wcześniej. Warto zaznaczyć że w tym modelu zmienne zero-jedynkowe dla lat
spowolnienia gospodarczego (2009-2012) są względnie duże i statystycznie istotne, co
oznacza iż cena była wyższa niż wynikałoby z uwzględnionych zmiennych
fundamentalnych. Utrzymywanie się względnie wysokiej ceny mogło wynikać także
z ogólnie dobrej sytuacji gospodarczej Polski, w tym optymizmu ludności. Częściowo
mogli się do tego przyczynić deweloperzy, którzy dość niechętnie urealniali ceny mieszkań
w dół oraz ze znacznym opóźnieniem.
Następnie przeprowadziliśmy regresję czwartą, w której cenę m kw. mieszkania
objaśniamy liczbą nowych małżeństw na 1000 mieszkańców, stopą bezrobocia oraz
dostępnością kredytową. W tej specyfikacji jedynie stopa bezrobocia oraz zmienne zero-
jedynkowe dla lat 2004 i 2009-2012 okazały się być istotne. Potwierdza to wpływ spadku
lub wzrostu stopy bezrobocia na popyt mieszkaniowy, natomiast zmienne zerojedynkowe
odzwierciedlają boom cenowy oraz opóźnioną reakcję cenową w dół deweloperów,
omówioną już wcześniej.
Analiza potwierdziła, że ceny transakcyjne mieszkań na rynku pierwotnym dużych
miast zależały od zmiennych fundamentalnych, takich jak wynagrodzenie, dostępność
kredytowa lub spadek bezrobocia. Jak wykazuje część specyfikacji, w latach 2007-2008 ceny
były nadmiernie wysokie, co może świadczyć o boomie popytowym.
Podsumowując rozdział: w 2012 r. na rynku nieruchomości obserwowaliśmy
zakłócenia procesów rynkowych wprowadzanymi regulacjami tj. zakończenie programu
RNS, wejście w życie ustawy deweloperskiej, rekomendacji S i T. Regulacje te negatywnie
oddziaływały na procesy równoważenia się sektora mieszkaniowego po szoku
kredytowym z lat 2005-2008. Wzrost zasobu niesprzedanych mieszkań na rynku był
konsekwencją działań biznesowych deweloperów chcących uniknąć restrykcyjnych
zapisów ustawy deweloperskiej. Natomiast bardzo powolny spadek cen był skutkiem
zwiększenia limitów cen mieszkań w zamykanym programie RNS. Analiza panelowa
średnich cen mieszkań w analizowanych miastach w okresie 2002-2012 potwierdziła, że
ceny transakcyjne mieszkań na rynku pierwotnym 7 dużych miast zależały od zmiennych
fundamentalnych, takich jak wynagrodzenie, dostępność kredytowa lub stopa bezrobocia.
Część specyfikacji wykazuje, że w latach 2007-2008 ceny były nadmiernie wysokie, co
świadczy o boomie popytowym.
Bibliografia:
André, C. (2010), “A Bird's Eye View of OECD Housing Markets”, OECD Economics
Department Working Papers, No. 746, OECD Publishing.
Andrews, D. (2010), "Real House Prices in OECD Countries: The Role of Demand Shocks and
Structural and Policy Factors", OECD Economics Department Working Papers, No.
831, OECD Publishing.
Augustyniak, H., K. Gajewski, J. Łaszek i G. Żochowski (2012), “Real estate development
enterprises in the Polish market and issues related to its analysis”, MPRA Paper 43347.
38
Augustyniak, H., J. Łaszek, K. Olszewski i J. Waszczuk (2013), „Cykle mieszkaniowe – model
nierównowagi i jego kalibracja dla warszawskiego rynku nieruchomości”. Artykuł
zawarty w aneksie 5 niniejszego raportu.
De Bandt, O., K. Barhoumi i C. Bruneau (2010), The international transmission of house price
shocks, In: Housing Markets in Europe, Springer Berlin Heidelberg, s. 129-158.
Igan, D. i P. Loungani (2012), “Global housing cycles”, IMF Working Paper No. 12/217.
Pesaran, M. (2004), General Diagnostic Tests for Cross Section Dependence in Panels, Cambridge
Working Papers in Economics No. 0435, Faculty of Economics, University of
Cambridge.
Widłak M. (2013), Wyniki badań nad czynnikami różnicującymi ceny mieszkań i możliwość ich
wykorzystania w NBP. Artykuł zawarty w aneksie 2 niniejszego raportu.
39
3. Równowaga sektorowa rynku mieszkaniowego
Równowaga sektorowa to stan, kiedy istniejące warunki pozwalają podmiotom
działającym na rynku generować dobra i usługi w sposób ciągły i stabilny. Możliwe jest
wtedy osiąganie zysków ekonomicznych, bez narażania się na nadmierne ryzyko oraz bez
powstawania zbyt wielkich napięć. W rozdziale przedstawiono warunki równowagi
sektorowej oraz rzeczywiste procesy gospodarcze wpływające na te warunki.
3.1 Podstawowe obszary, podmioty i parametry analizy makrostabilnościowej sektora nieruchomości mieszkaniowych
W niniejszym podrozdziale opisano podział sektora nieruchomości z uwzględnieniem
różnych obszarów funkcjonowania rynku, podmiotów oraz makrostabilnościowych
parametrów.
Podstawowe obszary sektora nieruchomości
W ujęciu modelowym rynek, czy szerzej sektor nieruchomości, możemy rozpatrywać
jako rynki kapitałowe, przestrzeni i obiektów (por. Augustyniak i in., 2013).
Rynek powierzchni to wycena (stawki czynszów) oraz konsumpcja strumienia usług
generowanych przez kapitał nieruchomościowy.
Rynek budowlany (rynek pierwotny), na którym w wyniku robót budowlano-
montażowych kapitał finansowy jest transformowany w nowy kapitał
nieruchomościowy.
Rynek obiektów (rynek wtórny) bądź kapitału trwałego, czyli miejsce na którym
następuje przestrzenna realokacja kapitału trwałego (zasób nieruchomości), zmiana
jego własności i funkcji oraz amortyzacja, i odtworzenie.
Rynek finansowy, czy raczej jego specjalistyczne części, to miejsce gdzie następuje
wycena kapitału nieruchomościowego, na podstawie generowanych dochodów
i oceny ich ryzyka oraz wycena instrumentów finansowych opartych na tym
kapitale (instrumenty dłużne, akcje itp.). W konsekwencji sektor finansowy reguluje
transfer kapitału do sektora poprzez instrumenty finansowe. Transfer ten dotyczy
zarówno istniejących zasobów kapitału trwałego (zmiany własności, zmiany
przeznaczenia, modernizacje itp.), jak też tworzenia z kapitału finansowego nowego
kapitału nieruchomościowego poprzez rynek budowlany. Transfer kapitału oznacza
też transfery kapitału pośrednio zaangażowanego w usługi przestrzeni (firmy
obsługi rynku, pośrednicy finansowi itp.). Instytucje w tym segmencie rynku
kapitałowego to uniwersalni i specjalistyczni pośrednicy finansowi, fundusze
inwestycyjne oraz indywidualni inwestorzy, udziałowcy spółek deweloperskich
i banków specjalistycznych. Duży wpływ sektora finansowego na podstawowe
rynki nieruchomości oraz system obsługi rynku oznacza silny wpływ stopy
40
procentowej na pierwotne i wtórne rynki nieruchomości i cały sektor poprzez
instrumenty finansowe.
W sektorze nieruchomości w Polsce istnieją wszystkie segmenty (mieszkania
własnościowe, socjalne, na wynajem – choć brakuje profesjonalnych wynajmujących) oraz
podmioty obsługujące rynek. Relatywnie słabiej rozwinięty jest sektor finansowy bazujący
na bankach uniwersalnych. Obecnie wystarczająca jest analiza rynków pierwotnego
i wtórnego nieruchomości mieszkaniowych w Polsce oraz rynku kredytów
hipotecznych/mieszkaniowych, jak również takich podmiotów jak bank, firma
deweloperska, konsument i inwestor na rynku mieszkań własnościowych OOH39
(mieszkanie jako przedmiot konsumpcji i spekulacji oraz kredyt) oraz inwestor na rynku
finansowym (depozyty). Warto dodać, że przedmiot analizy musi być dobrany adekwatnie
do poziomu rozwoju rynku i zmienia się zarówno w czasie, jak i przestrzeni, w tym
zwłaszcza w przekrojach międzynarodowych.
Podmioty wpływające na sektor nieruchomości mieszkaniowych
Podręcznikowo (analiza mikroekonomiczna) możemy przyjąć, że przedmiotem
badania objęte zostaną kluczowe podmioty działające na rynku mieszkaniowym.
W przypadku większości krajów będą to takie podmioty jak: bank, deweloper, konsument
(klient banku i dewelopera - por. artykuł 3 Mieszkanie w teorii konsumenta) oraz
inwestor/deponent.
Analiza dewelopera może być rozszerzona o firmę budowlaną, jednakże często jest to
podział umowny, zwłaszcza z punktu widzenia dostępnych danych statystycznych.
W przypadku sektora deweloperskiego, charakteryzującego się znacznym brakiem
przejrzystości trudno jest obiektywnie określić średnie i minimalne stopy zwrotu, tym
bardziej że będą one uzależnione od szeregu dodatkowych czynników (np. łatwości
zmiany branży, alternatywnych możliwości inwestowania). Dostępne dane GUS są jedynie
przybliżeniem tej sytuacji.
Analiza inwestora/deponenta w przypadku większości krajów, gdzie dominują banki
uniwersalne, będzie oznaczała oszczędzających w sektorze bankowym. W przypadku
krajów o rozwiniętym, specjalistycznym systemie finansowania nieruchomości (model
obligacji hipotecznych lub sekurytyzacji) analiza powinna obejmować dodatkowo
inwestorów instytucjonalnych (banki, fundusze inwestycyjne i emerytalne, firmy
ubezpieczeniowe). Pojęcie inwestora w sektorze, który produkuje dobra inwestycyjne
(mieszkania lub nieruchomości komercyjne) jest znacząco szersze od pojęcia deponenta czy
nabywcy hipotecznych papierów wartościowych. Inwestorem jest przede wszystkim
nabywca nieruchomości z zamiarem jej wynajmu lub odsprzedaży z zyskiem (spekulacja),
bądź pośrednio w przypadku akcji. W przypadku mieszkań OOH inwestor i konsument
stanowią jedność.
39 Mieszkania zamieszkałe przez właściciela (ang. Owner Occupied Housing).
41
W polskim sektorze bankowym, który ma decydujące znaczenie dla finansowania
nieruchomości mieszkaniowych, podstawowym instrumentem po stronie pasywnej są
oszczędności gospodarstw domowych. Uzyskane odsetki są obciążone podatkiem od
dochodów kapitałowych. Warunkiem długookresowej równowagi są dodatnie realne stopy
procentowe od oszczędności, po odjęciu podatku od zysków kapitałowych. W przypadku
banków hipotecznych, które stanowią nieznaczną część rynku kredytów, benchmarkiem
dla hipotecznych listów zastawnych są polskie obligacje skarbowe o 5 letniej zapadalności.
Rentowność instrumentów hipotecznych powinna być o tyle wyższa, by skompensować
ryzyko listów zastawnych.
Aspekty analizy makrostabilnościowej sektora
Rynki nieruchomości mają charakter cykliczny, co jest wynikiem sztywnej
krótkookresowo podaży oraz zmiennego popytu (por. artykuły w części analitycznej oraz
literatura w nich zawarta). Zmiany popytu powodują zmiany cen, co przekłada się na
decyzje producentów i ze znacznym opóźnieniem generuje efekty podażowe. Czynnikiem
zwiększającym cykliczność jest spekulacja i związane z nią zachowania podmiotów oraz
silne powiązanie z systemem finansowym. Dodatkowym czynnikiem zwiększającym
cykliczność okazuje się zwykle opóźniona i nieadekwatna interwencja czynnika
publicznego realizowana ze względu na stabilność sektora finansowego, względów
społecznych, czy w ramach ogólnej polityki gospodarczej. W praktyce, pomimo
cyklicznego charakteru rynki, te w większości przypadków mają tendencję do
samoregulacji. Cykliczności poddane są zarówno wielkości podstawowe takie jak ceny,
zapasy, wielkość produkcji, ale też szereg innych zmiennych, często związanych ze
zjawiskami specyficznymi dla danego cyklu (np. opłacalność kredytu denominowanego
w walutach obcych, por. wykres 51 i wykres 52). Wahania mają też często charakter lokalny
i są zróżnicowane w zależności od segmentu rynku (cykle na rynkach nieruchomości
biurowych, mieszkaniowych etc.). Występuje też korelacja z cyklami biznesowymi, ale nie
jest to regułą.
Nadmierna kumulacja napięć sektorowych40, zwłaszcza w połączeniu z ogólnymi
problemami gospodarczymi, może prowadzić do kryzysów nieruchomościowych,
mających konsekwencje ogólnoekonomiczne poprzez sektor finansowy. Kryzysy takie,
znane z historii, charakteryzują się gwałtownymi, kilkudziesięcioprocentowymi spadkami
wartości nieruchomości połączonymi z masową niespłacalnością kredytów
mieszkaniowych i prowadzą zwykle do załamania sektora finansowego. O ile bezpośrednie
oddziaływanie na przebieg cyklu na rynku nieruchomości wydaje się mieć ograniczony
sens ze względu na wątpliwą skuteczność, o tyle zapobieganie kryzysom
nieruchomościowym prowadzi do ograniczania realnych strat PKB. Wspominając
ograniczony sens reakcji na cykle należy jednak dodać, że przy pewnej skali napięć
40 Problem pomiaru napięć jest znacznie bardziej złożony. Napięcia w sektorze możemy zdefiniować
jako znaczące odchylenia istotnych wielkości ekonomicznych od stanu charakterystycznego dla równowagi
(ceny, zapasy, dochody, czas sprzedaży, itp.).
42
w sektorze i gospodarce pojawiają się korelacje i kumulacje pozornie słabo skorelowanych
zjawisk. Oznacza to konieczność holistycznego i indywidualnego podejścia do każdego
przypadku kryzysu.
Stabilność sektora mieszkaniowego tworzy warunki konieczne do stymulowania
przepływu kapitału i produkcji dóbr kapitałowych i usług przestrzeni oraz niezbędnych do
tego innych dóbr. Przyczynia się ona do wygaszania nadmiernych napięć w obrębie części
składowych sektora i pomiędzy nimi, tj. sektorem finansowym, budowlanym, na rynku
obiektów (mieszkania i nieruchomości komercyjne) oraz przestrzeni (rynki najmu,
czynszowe, w przypadku mieszkań OOH mówimy tylko o rynku obiektów). Warunki
produkcji zarówno w sferze usług kapitału (czynsze), usług finansowych (instrumenty
finansowe, instytucje) oraz na rynku budowlanym możemy zdefiniować jako jej
dostateczna rentowność/stopa zwrotu z uwzględnieniem oczekiwanego ryzyka. Biorąc pod
uwagę ryzyko sektora (cykliczność), większe niż sektora bankowego w Polsce, przeciętne
stopy zwrotu z realizacji projektów mieszkaniowych wg danych GUS (F01) kształtowały
się od kilku procent w okresach osłabienia koniunktury (2000-2002), poprzez 25-40%
w latach 2006-2010, do 18-20% obecnie (por. wykres 41). Równie istotna dla decyzji
deweloperskiej wydaje się być ocena perspektyw rynku oraz poziom popytu i zapasów
niesprzedanych produktów, co częściowo znajduje swoje odbicie w faktycznych wynikach
spółek. O ile przy 25-30% rentowności projektów następuje napływ nowego kapitału do
branży, o tyle można ocenić, że poziom 10-15% ROE realizowany na projektach,
w połączeniu z narastającymi zapasami jest sygnałem do ograniczania produkcji. Zatem
oscylacje pomiędzy poziomem 15-25% należałoby uznać za naturalne41.
W krajach, w których rozwój masowego rynku OOH trwa już kilkadziesiąt lat42 różnie
kształtują się długookresowe relacje pomiędzy dochodami, zasobem a cenami mieszkań.
Na rynkach o wyższej płynności, elastycznej podaży i wyższych dochodach relacja
przeciętnej ceny przeciętnego mieszkania na rynku i w zasobie nie powinna przekraczać 3,5
krotności rocznych dochodów przeciętnego gospodarstwa domowego43. Na rynkach
kształtowanych przez rozwinięty sektor bankowy relacja ta związana była na ogół
z wymogami kredytowymi oraz ich dostępnością przy stopach procentowych na poziomie
6-7% i zapadalności 25-30 lat. W Polsce istotne oddziaływanie sektora finansowego na
sektor mieszkaniowy datuje się od roku 2004 (od 2005 r. obserwujemy początek boomu
kredytowego) i wówczas proporcja ta kształtowała się na poziomie 4-4,5, w zależności od
ośrodka miejskiego. Wielkość taka wydaje się odpowiadać realiom polskiej gospodarki
(dostępne dochody do zakupu mieszkania to nie dochody przeciętne, ale 6-7 decyl).
Mówiąc o napięciach sektorowych i ryzykach należy pamiętać, że podstawowym
problemem tego rynku jest relatywnie mała, sztywna krótkookresowo podaż poddawana
bardzo silnym szokom zmiennego popytu. W konsekwencji podstawowym, naturalnym
czynnikiem zwiększającym stabilność tych rynków jest rozszerzenie i uelastycznienie
41 Wielkości liczbowe stanowią szacunki własne, konsultowane z uczestnikami rynku. 42 Dopasowania na rynku mieszkań własnościowych liczy się dziesiątkami lat, cykle to zwykle 8-15 lat. 43 Szacunek własny na podstawie danych historycznych dla USA.
43
podaży. Generalnie chodzi o to, by w przypadku nagłego wzrostu popytu dotyczył on nie
tylko niewielkiego rynku pierwotnego, ale rozkładał się też na rynek wtórny. W przypadku
gwałtownego wzrostu zainteresowania mieszkaniami OOH czynnikiem stabilizującym
może być też możliwość przepływu części zasobu z mieszkań na wynajem. W drugiej
kolejności czynnikami istotnymi jest elastyczność podaży w czasie, czyli jak szybko jest
możliwe zapełnienie istniejącej luki popytowej poprzez produkcję mieszkań. Ten wskaźnik
można z kolei rozdzielić na co najmniej trzy składowe: czasu związanego z formalnościami
budowlanymi, czasu samego procesu budowlanego oraz elastyczności wprowadzania
oferty. Ten ostatni parametr, to możliwość sprzedaży kontraktów na budowę mieszkania.
Zwiększa to ryzyko klienta, wymaga bardziej złożonych regulacji, ale uelastycznia rynek.
Elastyczność popytu w reakcji na szoki to tylko jeden z aspektów problemu.
Prawidłowo funkcjonujący sektor mieszkaniowy, to sektor w którym w wyniku arbitrażu
wyrównują się ceny pomiędzy rynkiem pierwotnym i wtórnym, zgodnie z zasadą -
podobna cena za podobne produkty z korektą na ich stan techniczny (wiek, zużycie) oraz
możliwe do oszacowania ryzyko (wady prawne, ryzyko dewelopera, sąsiedztwa, etc.).
Nadmierne różnice cen powodowane regulacjami (przykładowo wpieranie przez państwo
tylko nowych mieszkań) mogą być przyczyną różnic w cenach a następnie problemów
z ich gwałtownym spadkiem (sektor bankowy), gdy regulacje będą cofnięte.
Podobne ryzyka generuje sztywne, regulacyjne rozdzielanie mieszkań OOH i takich
samych mieszkań lecz przeznaczonych pod wynajem. W warunkach szoków popytowych
zamiast łagodzić napięcia (więcej mieszkań na sprzedaż) prowadzi to do dalszych
dysproporcji (wysokie ceny z jednej strony, niskie czynsze i pustostany z drugiej). Może też
prowadzić, do nadmiernie wysokich czynszów (premia za ryzyko), gdy pozycja właściciela
jest słabsza niż lokatora.
Miernikami płynnego funkcjonowania tych rynków i napięć są więc relacje cen: rynku
pierwotnego i wtórnego oraz kosztów własności i wynajmu. Zbyt duże różnice pomiędzy
nimi to znak narastających dysproporcji, które mogą w pewnym momencie skumulować
się z innymi i doprowadzić do szoków. Poziom bezpieczeństwa sektora bankowego
określony jest przez wiele czynników, w tym regulacyjnych i politycznych, które są trudno
mierzalne i przewidywalne. Są to przykładowo procedury eksmisyjne, sprawność całego
procesu windykacji, skłonność polityków do angażowania się w problemy, skłonność
gospodarstw domowych do obsługi zadłużenia i wyrzeczeń oraz ich oczekiwania na
pomoc państwa, rozbieżność między rzeczywistą jakością portfela a jakością raportowaną
przez banki i wiele innych. Mogą występować czynniki specyficzne dla danego kraju
generujące potencjalne ryzyko, które w pewnych okolicznościach materializuje się
(przykładowo: źle prywatyzowany, duży sektor mieszkań publicznych może doprowadzić
do gwałtownego załamania cen, kredyty denominowane). Polski sektor bankowy
uzyskiwał w latach 2008-2012, nominalną stopę zwrotu wraz z premią za ryzyko na
średnim poziomie 13,4% (por. analiza równowagi sektorowej w następnym podrozdziale),
co oznacza stopę realną na poziomie powyżej 10%. Stopa ta była, jak wynika z obserwacji,
cały czas satysfakcjonująca dla właścicieli banków.
Warunek równowagi konsumenta-pożyczkobiorcy określają w znacznej mierze
bankowe regulacje ostrożnościowe oraz wieloletnie doświadczenia tego sektora. Są to
44
ugruntowane wieloletnim doświadczeniem współczynniki DTI44 (dawniej określane jako
DSC lub DCCR) oraz LTV45. Na potrzeby analizy ryzyka współczynniki te można
dezagregować i uszczegóławiać, jednak w krajach rozwiniętych46 jako granice kompromisu
pomiędzy ryzykiem a bezpieczeństwem przyjmuje progi DTI=40% i LTV=80%. Wskaźniki
DTI często analizuje się bardziej szczegółowo w oparciu o koncepcję bufora dochodowego
(nadwyżka po obsłudze długu nie powinna być mniejsza niż minimum socjalne). LTV
w przypadku windykacji w Polsce wynosi nie więcej niż 50% wartości kredytu47, jednak
w standardowych warunkach skala windykacji jest nieznaczna, gdyż podstawą działań
windykacyjnych jest ugoda z dłużnikiem.
3.2 Warunki równowagi sektorowej a rzeczywiste procesy gospodarcze
Niniejszy podrozdział bazuje na dogłębnej analizie danych z bazy BaRN, informacji
z biuletynów cen obiektów budowlanych48 (wykorzystywanej w modelu przedsiębiorstwa
deweloperskiego stworzonym w oparciu o przebieg procesu inwestycyjnego) oraz modelu
funkcjonowania banku, który uwzględnia różne wskaźniki (inflacja, oprocentowanie
depozytów, stopy procentowe kredytów, marżę i in.), a także modele biznesowe
funkcjonowania bankowości.
Podstawowym problemem polskiego rynku mieszkań OOH jest niewielki stopień
występowania jednoczesnych równowag cząstkowych podmiotów oraz samego rynku
mieszkaniowego. Niewielkie zmiany kluczowych parametrów zarówno
makroekonomicznych (tj. stopy procentowe, inflacja), jak i związanych z lokalnymi
rynkami (dochody) powodują powstawanie napięć. Obserwowany w ostatniej dekadzie
wzrost gospodarczy i związany z nim wzrost dochodów, rozwój budownictwa
i konkurencji w sektorze49, spadek inflacji i stóp procentowych spowodowały, że jesteśmy
bliżej równowagi sektorowej biorąc pod uwagę ceny mieszkań, koszt obsługi kredytu oraz
realne stopy na depozytach. Przykładowe proporcje dla Warszawy, bazujące na danych
z okresu lipiec 2012 - czerwiec 2013 prezentowane są w poniższej tabeli 1.
44 Relacja obsługi zadłużenia do dochodu (ang. Debt to Income). 45 Relacja kredytu do wartości kredytowanej nieruchomości (ang. Loan to Value). 46 Wynika to z doświadczeń historycznych np. w Niemczech lub USA. 47 Wielkość ustalona na podstawie konsultacji z windykatorami portfela kredytów mieszkaniowych. 48 Biuletyn cen obiektów budowlanych BCO cz.I obiekty kubaturowe, zeszyty Sekocenbud. 49 W sektorze, który jest w stanie zaspokoić potrzeby mieszkaniowe 30-40% ludności największych
miast.
45
Tabela 1 Podstawowe parametry ekonomiczne uczestników rynku nieruchomości średnie w okresie
lipiec 2012-czerwiec 2013, w wariancie inflacji (r/r) 2,1%
Wyniki analizy wskazują, że ostatni rok był raczej korzystny dla wszystkich
uczestników rynku, gdyż umożliwiał realizację ich obiektywnych interesów
ekonomicznych bez nadmiernych napięć i powiązanych z tym procesów
dostosowawczych. Główną przyczyną sprawczą tego zjawiska była niska inflacja
i związane z nią niskie nominalne stopy procentowe. W konsekwencji rentowność
inwestycji deweloperskich ukształtowała się na poziomie około 17% nominalnie. Wartość
realna była nieznacznie niższa (poniżej oczekiwań deweloperskich), jednak na poziomie
zapewniającym opłacalną produkcję mieszkań. Portfele kredytowe, jeżeli były rozsądnie
budowane i dobrze zarządzane powinny zapewniać bankom stopy zwrotu w granicach
17%50, co pokrywa koszty kapitału własnego i jest zachętą do dalszego wzrostu wolumenu
kredytów hipotecznych. Przeciętny nabywca kupujący na rynku standardowe ok. 60
metrowe mieszkanie musi się liczyć z obciążeniami wynikającymi z obsługi kredytu na
poziomie 32% dochodu, co jest znaczącym, ale jeszcze dopuszczalnym obciążeniem51.
W Polsce według danych GUS przeciętne koszty utrzymania mieszkania wynoszą około
18% dochodów, co oznacza, że wszystkie wydatki mieszkaniowe łącznie z wynikowym
DTI ukształtują się na poziomie 50% budżetów gospodarstw domowych. W takiej sytuacji
utrata pracy przez jednego z dwóch członków gospodarstwa domowego będzie wiązać się
z zaprzestaniem spłaty kredytu (eksmisja hipoteczna) lub zaległościami w opłatach
(licytacja spółdzielcza lub we wspólnocie mieszkaniowej). Analizując sytuację klienta
banku należy pamiętać, że przy zmiennych stopach kupujący mieszkanie ma zawsze
wybór wartości mieszkania i wielkości kredytu, natomiast po zakupie mieszkania
wszystkie zmiany stóp procentowych przenoszą się już bezpośrednio na jego budżet.
Wysoka inflacja jest zagrożeniem dla sektora mieszkaniowego. Bez stosowania
specjalnych kredytów indeksowanych bardzo szybko powoduje ona wzrost obciążeń
kredytobiorców i problemy banków. Drugim zagrożeniem w krajach, które dopuściły do
50 Szacunek własny na podstawie konsultacji z ekspertami bankowymi. 51 Amerykańskie standardy sprzed kryzysu biorące pod uwagę wysokie koszty utrzymania mieszkania
oraz inne zobowiązania dopuszczały DTI na poziomie 32%.
cena w zł
za m kw. 6822
nomialne
oprocentowa
nie kredytu 6,39%
dochód do
dyspozycji
nominalne
oprocentowa
nie depozytu 3,96%
udział
zysku w
cenie bez
VAT 22% marża 2,43% DTI
realne
oprocentowa
nie depozytu
po podatku 1,03%
ROE
(przed
opodatk) 17%
nominalne
oprocentowa
nie depozytu 3,96% LTV inflacja 2,14%
ROE 13,53%amortyzacja
w latach
kredyt 327 436 liczba m kw. 60,00 50,00P/I (cena do
dochodu) 5,1 4,2
6749
32%
80%
25
Deweloper Bank KapitałodawcaNabywca/Kredytobiorca
46
powstania dużych portfeli kredytów mieszkaniowych denominowanych w walutach
obcych jest ryzyko kursowe. Konsekwencje niewielkiego szoku inflacyjnego można
prześledzić w oparciu o dane rzeczywiste z okresu czerwiec 2011-czerwiec 2012 (por.
tabela 2). Gdy inflacja jest wysoka stopy zwrotu na kredytach bankowych również są
wysokie. Jest to skutkiem zmiany marż i odmiennej kapitalizacji odsetek na depozytach
i kredytach. Znaczący wzrost obciążenia gospodarstw domowych spłatą nominalnych
odsetek podnosi współczynnik DTI do poziomu 36%, co skutkuje wzrostem całkowitych
kosztów mieszkania do poziomu ok. 54% budżetów gospodarstw domowych. W dłuższym
okresie będzie to skutkowało pogorszeniem jakości portfela, wzrostem rezerw na złe
kredyty i obniżeniem ROE banków. Praktycznie zerowe, realne oprocentowanie
depozytów może powodować ich odpływ z sektora bankowego do innych form
oszczędzania. Może to skutkować presją do podwyższania ich stóp, i prowadzić do spadku
bankowych stóp zwrotu oraz ograniczania akcji kredytowej. Spadek inflacji w tych
warunkach poprawi rentowność oszczędzania, ale warunki spłaty kredytu będą nadal
trudne.
Tabela 2 Podstawowe parametry uczestników rynku średnie w okresie lipiec 2011-czerwiec
2012, w wariancie inflacji (r/r) 4,2%
Wykres radarowy (por. wykres 46) pokazuje zmiany wskaźników sektorowych
w ostatnich trzech latach. Natomiast wykresy 47 - 50 pokazują ścieżki konsumenta, banku,
dewelopera i inwestora wyliczone w oparciu o omawiane założenia i bazujące na danych
kwartalnych dla Warszawy.
cena w zł
za m kw. 7165
nomialne
oprocentowa
nie kredytu 6,91%
dochód do
dyspozycji 6749
nominalne
oprocentowa
nie depozytu 4,58%
udział
zysku w
cenie bez
VAT 22% marża 2,33% DTI 36%
realne
oprocentowa
nie depozytu
po podatku -0,54%
ROE
(przed
opodatk) 17%
nominalne
oprocentowa
nie depozytu 4,58% LTV 80% inflacja 4,20%
ROE 11,65%amortyzacja
w latach 25
kredyt 343 942 liczba m kw. 60,00 50,00P/I (cena do
dochodu) 5,3 4,4
Nabywca/KredytobiorcaDeweloper Bank Kapitałodawca
47
Wykres 46 Zmiany wskaźników sektorowych dla Warszawy w ostatnich trzech latach
Uwagi: wykres przedstawia zmiany wskaźników opisujących główne obszary związane z rynkiem
nieruchomości. Wszelkie zmienne pokazywane są w relacji do maksimum danego wskaźnika w okresie I kw.
2011 r. do II kw. 2013 r. Okres został dobrany zgodnie z dostępnością danych. Im bliżej środka znajduje się
obserwacja, tym bardziej jest zbliżona do minimum. Wzrost wynagrodzenia do ceny oraz wzrost kredytowej
dostępności mieszkania (ważonej) podnosi dostępność mieszkań dla nabywców. Wzrost indeksu ZKPK
świadczy o większej skłonności banków do udzielania kredytów. Wzrost realnego oprocentowania
depozytów GD powoduje, że oszczędzanie staje się bardziej opłacalne, co może ograniczać chęć zakupu
mieszkania. Wzrost ROE banków świadczy, że ich działalność jest bardziej zyskowna. Wzrost ROE
deweloperów pokazuje, że ich produkcja jest bardziej dochodowa. Zmniejszenie oferty mieszkań na rynku
świadczy o równoważeniu się rynku. Jako benchmark wybrano wartości które pozwalają na stabilne
funkcjonowanie sektora (wynagrodzenia do cen >1, realne oproc. >1%, ROE dewelopera >15%, ROE banku
>10%, kred. dostępność = 55 m kw., oferta miesz. < 13000).
Źródło: NBP, GUS, Sekocenbud, REAS.
Wykres 47 Stopy realne na oszczędnościach, ROE
banku, ROE dewelopera
Wykres 48 Mieszkania na rynku (benchmark-
podaż jednoroczna
Źródło: NBP, Sekocenbud. Źródło: REAS.
Wykres 49 Wskaźniki istotne dla konsumenta
Wykres 50 Wskaźnik ROE dewelopera
Źródło: NBP, GUS. Źródło: NBP, Sekocenbud.
-0,200,000,200,400,600,801,00
Wynagrodzenie doceny m kw.
Realne oproc.depozytów GD
ROE dewelopera
ROE banku
Kredytowadostępnośćmieszkania…
Oferta mieszkań nakoniec kwartału
IV kw.2011 IV kw.2012 II kw.2013 benchmark
-5%
0%
5%
10%
15%
20%
25%
2011
I
2011
II
2011
III
2011
IV
2012
I
2012
II
2012
III
2012
IV
2013
I
2013
II
ROE deweloperaROE bankuRealne oprocentowanie depozytu GD
0
10 000
20 000
30 000
40 000
50 000
60 000
I kw
. 200
7
III
kw. 2
007
I kw
. 200
8
III
kw. 2
008
I kw
. 200
9
III
kw. 2
009
I kw
. 201
0
III
kw. 2
010
I kw
. 201
1
III
kw. 2
011
I kw
. 201
2
III
kw. 2
012
I kw
. 201
3
mie
szka
nia
4045505560657075808590
0,40
0,45
0,50
0,55
0,60
0,65
0,70
0,75
IV k
w.2
006
II k
w.2
007
IV k
w.2
007
II k
w.2
008
IV k
w.2
008
II k
w.2
009
IV k
w.2
009
II k
w.2
010
IV k
w.2
010
II k
w.2
011
IV k
w.2
011
II k
w.2
012
IV k
w.2
012
m k
w.
m k
w.
Wynagrodzenie do ceny m kw.(L oś)
Kredytowe dost.mieszk.ważona (P oś)
10%
12%
14%
16%
18%
20%
22%
24%
26%
II k
w.2
008
III k
w.2
008
IV k
w.2
008
I kw
.200
9
II k
w.2
009
III k
w.2
009
IV k
w.2
009
I kw
.201
0
II k
w.2
010
III k
w.2
010
IV k
w.2
010
I kw
.201
1
II k
w.2
011
III k
w.2
011
IV k
w.2
011
I kw
.201
2
II k
w.2
012
III k
w.2
012
IV k
w.2
012
I kw
.201
3
ROE dewelopera
48
Po szoku popytowym z lat 2005-2008 w sektorze uruchomiły się mechanizmy
równoważące. Przywracanie równowagi w sektorze nieruchomości nie jest jednak
zagadnieniem prostym i szybkim, ze względu na jego specyfikę. W 2012 r. stopy zwrotu
sprzyjały produkcji mieszkań i kredytów, natomiast dostępność mieszkania była raczej
niska (współczynnik P/I, ceny do dochodu, równy 5,1 oznacza, że cena mieszkania to
pięciokrotność rocznych dochodów). Można to tłumaczyć nadal wysoką ceną, a częściowo
zbyt wysokimi ambicjami mieszkaniowymi (przy wielkości mieszkania 50 m kw.,
współczynnik spada do bardziej akceptowalnej wielkości 4,2). Również warunki
długookresowego oszczędzania w bankach nie zawsze były korzystne dla oszczędzającego,
jednak zawsze istniała nadpłynność sektora finansowego.
Stopy zwrotu są tylko jedną z przesłanek podejmowania decyzji gospodarczych. Inną
jest wysoki poziom ryzyka ogólnoekonomicznego oraz sektorowego. Do pomiaru tego
drugiego zastosowano najprostsze, powszechnie stosowane mierniki. W przypadku
dewelopera głównym ryzykiem mierzalnym w skali sektora jest ryzyko rynkowe. Jego
poziom najłatwiej mierzyć liczbą niesprzedanych mieszkań lub kontraktów na ich budowę.
Nadmierne zapasy niesprzedanych mieszkań52 grożą problemami płynnościowymi
deweloperów mogącymi prowadzić do kłopotów z wypłacalnością firmy lub spadkiem cen
i bezpośrednim brakiem wypłacalności. Bardziej rozwinięte metody pomiaru ryzyka
sektora, to analiza długookresowych fundamentów rynku (istniejący zasób mieszkań,
demografia, dochody, migracje). Drugim czynnikiem ryzyka jest popyt spekulacyjny.
Powoduje on rozpoczynanie nadmiernej liczby mieszkań, a następnie pojawienie się
problemów z ich sprzedażą.
W przypadku banku ryzyko związane z sektorem mieszkaniowym materializuje się
w ryzyku kredytowym. W rozwiniętym systemie bankowym, np. kraje zachodnie, znaczna
część ryzyka związanego z kredytowaniem nieruchomości mieszkaniowych przyjmuje
postać ryzyka finansowego i jest wynikiem rozbudowanego rynku instrumentów
finansowych i instytucji. W Polsce, pomijając ryzyko finansowe portfeli walutowych,
decydujące znaczenie ma ryzyko kredytowe kredytobiorcy i zabezpieczenia. Istnieje wiele
czynników wpływających na to ryzyko (utrata pracy kredytobiorcy, ogólny spadek cen),
jednak doświadczenia pokazują, że ze względu na cykliczność w znacznej mierze rośnie
ono nieliniowo wraz z przekraczaniem progów LTV=80% i DTI=30%. Ryzyko rynkowe
banku, zwłaszcza związane z DTI, jest też ryzykiem windykacji gospodarstwa domowego.
Większość inwestorów stosuje strategię ekstrapolowania historycznych cen (backward
looking), co powiększa boom popytowy. Jak pokazują dane historyczne z boomu
i późniejszego spowolnienia na rynku, istnieje znaczne ryzyko utraty wartości
nieruchomości stanowiącej zabezpieczenie kredytu. Szczególnie było to widoczne przy
kredytach walutowych, gdzie na spadek wartości mieszkania nakładał się wzrost wartość
kredytu z powodu drastycznej deprecjacji złotego.
52 W warunkach Polski można przyjąć, że zapasy nadmierne to mieszkania oczekujące na sprzedaż
powyżej 1 roku.
49
Wykres 51 Koszty i zyski kapitałowe
i odsetkowe z inwestycji w mieszkania
finansowane kredytem złotowym
Wykres 52 Koszty i zyski kapitałowe
i odsetkowe z inwestycji w mieszkania
finansowane kredytem CHF
Źródło: NBP, GUS. Źródło: NBP, GUS.
Wykres 53 LTV# kohort kredytów PLN
Wykres 54 LTV kohort kredytów w CHF
przeliczonych na PLN
Uwaga: do obliczeń przyjęto 20% udział własny kredytobiorców.
Źródło: NBP, GUS. Źródło: NBP, GUS.
Wykres 55 TDR# kohort kredytów PLN
Wykres 56 TDR kohort kredytów w CHF
przeliczonych na PLN
Źródło: NBP, GUS. Źródło: NBP, GUS.
W krótkim okresie ceny mieszkań zmieniają się cyklicznie. Równocześnie zmiany cen
są też konsekwencją długookresowych zmian strukturalnych (nadmierny, długookresowy
przyrost zasobu, spadek ekonomicznej aktywności regionu, etc.). Kwantyfikacja
związanych z tym czynników ryzyka, możliwych do uchwycenia w postaci mierników
-50%
-40%
-30%
-20%
-10%
0%
10%
20%
30%
40%
2004 2005 2006 2007 2008 2009 2010 2011 2012
real. zm. wartości realna st. proc. wynik
-50%
-40%
-30%
-20%
-10%
0%
10%
20%
30%
40%
2004 2005 2006 2007 2008 2009 2010 2011 2012
realna st. proc. różnica kursowa
real. zm. wartości wynik
20%
40%
60%
80%
100%
120%
140%
2004 2005 2006 2007 2008 2009 2010 2011 2012
zakup w 2004 r. zakup w 2005 r. zakup w 2006 r.
zakup w 2007 r. zakup w 2008 r. zakup w 2009 r.
zakup w 2010 r. zakup w 2011 r.
20%
40%
60%
80%
100%
120%
140%
2004 2005 2006 2007 2008 2009 2010 2011 2012
zakup w 2004 r. zakup w 2005 r. zakup w 2006 r.
zakup w 2007 r. zakup w 2008 r. zakup w 2009 r.
zakup w 2010 r. zakup w 2011 r.
60%
70%
80%
90%
100%
110%
120%
2004 2005 2006 2007 2008 2009 2010 2011 2012
zakup w 2004 r. zakup w 2005 r. zakup w 2006 r.
zakup w 2007 r. zakup w 2008 r. zakup w 2009 r.
zakup w 2010 r. zakup w 2011 r.
60%
70%
80%
90%
100%
110%
120%
2004 2005 2006 2007 2008 2009 2010 2011 2012
zakup w 2004 r. zakup w 2005 r. zakup w 2006 r.
zakup w 2007 r. zakup w 2008 r. zakup w 2009 r.
zakup w 2010 r. zakup w 2011 r.
50
syntetycznych, wymaga dalszych badań. Ponieważ zakup mieszkania OOH jest zawsze
w jakimś zakresie inwestycją, szybki spadek ceny mieszkania jest też ryzykiem kupującego.
Wzrost LTV może być też konsekwencją wzrostu wartości kredytu, w zależności od
stosowanych instrumentów kredytowych (w Polsce są to kredyty denominowane, ale też
kredyty indeksowane lub kredyty z odroczoną płatnością).
Analiza procesów arbitrażu# w sektorze pokazuje, że różnice pomiędzy cenami
mieszkań na rynku pierwotnym i wtórnym na analizowanych rynkach nie były znaczące
i były w pełni wytłumaczalne. W małych miastach rynek pierwotny oferował mieszkania
lepsze jakościowo od już istniejących (stąd ich wyższe ceny), a dodatkowo ogólny poziom
cen był niski (efekt niskich lokalnych dochodów). W większych miastach relacje te układały
się stosownie do standardu mieszkań w istniejącym zasobie, sytuacji na rynku
deweloperskim i ocenach ryzyka dewelopera. Sytuacji tej nie zmieniło znacząco
ograniczenie programu RNS do rynku pierwotnego. Warto pamiętać, że istniejący w latach
90. program tzw. dużej ulgi mieszkaniowej spowodował praktycznie całkowitą jej
kapitalizację w cenie mieszkania.
Wykres 57 Limity RNS na RP dla Warszawy, 6
i 10 miast
Wykres 58 Koszt własności a koszt czynszu
ważony strukturą walutową kwartalnej zmiany
kredytu mieszk.
Źródło: BGK. Uwaga: czerwona linia oddziela wartości ważone
strukturą walutową kwartalnej zmiany kredytu
mieszkaniowego od wyłącznie złotowych
występujących od 2012 r.
Źródło: NBP, GUS.
Podobnie, tendencje do równoważenia się rynków można zaobserwować analizując
arbitraż pomiędzy wynajmem i zakupem mieszkania. Pomimo ryzyka związanego
z ustawą o ochronie lokatora poziom czynszów znajduje się poniżej kosztów własności
mieszkania, która to sytuacja zazwyczaj powoduje dodatkowy wzrost popytu, a jest
sytuacją przejściową (inaczej wszyscy budowaliby mieszkania).
Warto jednak zwrócić uwagę, że w warunkach dominacji kredytów denominowanych
w walutach obcych relacja ta wyglądała odwrotnie, akcelerując bańkę na rynku
mieszkaniowym.
2 000
3 000
4 000
5 000
6 000
7 000
8 000
9 000
10 000
I kw
.200
7
III
kw.2
007
I kw
.200
8
III
kw.2
008
I kw
.200
9
III
kw.2
009
I kw
.201
0
III
kw.2
010
I kw
.201
1
III
kw.2
011
I kw
.201
2
III
kw.2
012
Warszawa 6 MIAST 10 MIAST 16 MIAST
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
III
kw
.2006
I kw
.2007
III
kw
.2007
I kw
.2008
III
kw
.2008
I kw
.2009
III
kw
.2009
I kw
.2010
III
kw
.2010
I kw
.2011
III
kw
.2011
I kw
.2012
III
kw
.2012
I kw
.2013
Gdańsk Kraków Łódź
Poznań Warszawa Wrocław
51
Wykres 59 Koszt własności a czynsz dla
kredytów frankowych
Wykres 60 Stopy zwrotu a czynsze mieszk.,
komercyjne oraz bony skarbowe 5 letnie
Źródło: NBP, GUS. Źródło: NBP, GUS.
W związku z ryzykiem generowanym przez ustawę o ochronie lokatorów rynek
czynszowy jest płytki, zmienny i trudno kwantyfikowalny (często jest to szara strefa).
Arbitraż pomiędzy rynkiem OOH i czynszowym funkcjonuje poprzez porównanie
wysokości czynszów i kosztów odsetkowych kredytu (w najprostszym rachunku) oraz
opłacalności wynajmu na tle innych, alternatywnych inwestycji. Zestawienie osiąganych na
nim stóp zwrotu w relacji do rentowności bonów skarbowych, depozytów oraz
nieruchomości komercyjnych pokazuje na dużą zmienność parametrów. Stopy zwrotu
z wynajmu są zazwyczaj wyższe od stóp zwrotu z depozytów, jednak dopiero od 2011 r. są
wyższe od rentowności bonów skarbowych, co powinno być regułą. Również w 2011 r.
doszło do wyrównania stóp zwrotu z wynajmu i kosztów kredytu, co w warunkach braku
ustawy o ochronie klienta dewelopera zapowiadało by mały boom i utrzymywane dłużej
mogłoby prowadzić, do ryzyko bańki w sektorze. Jednak krótkookresowo jest to narzędzie
pobudzania popytu w sektorze.
Bibliografia:
Augustyniak, H., J., Łaszek K. Olszewski i J. Waszczuk (2013), Modeling of cycles in the
residential real estate markets – interactions between the primary and the secondary market
and multiplier effects, National Bank of Poland Working Paper 143.
0,2
0,4
0,6
0,8
1,0
1,2
1,4
III
kw
.20
06
I kw
.20
07
III
kw
.20
07
I kw
.20
08
III
kw
.20
08
I kw
.20
09
III
kw
.20
09
I kw
.20
10
III
kw
.20
10
I kw
.20
11
III
kw
.20
11
I kw
.20
12
III
kw
.20
12
I kw
.20
13
Gdańsk Kraków Łódź
Poznań Warszawa Wrocław
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
2,0
III
kw
.2006
I kw
.2007
III
kw
.2007
I kw
.2008
III
kw
.2008
I kw
.2009
III
kw
.2009
I kw
.2010
III
kw
.2010
I kw
.2011
III
kw
.2011
I kw
.2012
III
kw
.2012
I kw
.2013
wynajem do depozytów GD wynajem do kred.mieszk.GD
wynajem do obligacji 5l. wynajem do stopy kapitał.nier.kom.
52
Słownik pojęć i skrótów AMRON – System Analiz i Monitorowania Rynku Obrotu Nieruchomościami.
Arbitraż - Transakcja kupna/sprzedaży towarów, papierów wartościowych lub
mieszkania, umożliwiająca uzyskanie zysku bez ponoszenia ryzyka. Istotą arbitrażu jest
zauważenie różnicy cen tego samego produktu na różnych rynkach lub na tym samym
rynku, ale pod różnymi postaciami. W przypadku, gdy owa różnica jest większa od
kosztów transakcyjnych, inwestor osiąga zysk kupując produkt na rynku tańszym,
a sprzedając na droższym.
BaRN – Baza Rynku Nieruchomości. Baza danych zawierająca dane o cenach
ofertowych i transakcyjnych mieszkań na rynkach pierwotnych i wtórnych oraz
o rynkowych stawkach najmu w 16 miastach stolicach województw. Dane pochodzą od
pośredników, spółdzielni mieszkaniowych oraz deweloperów dobrowolnie biorących
udział w badaniu, a częściowo także powiatowych Rejestrów Cen i Wartości
Nieruchomości. Dane są gromadzone i weryfikowane przez oddziały okręgowe NBP.
BIK – Biuro Informacji Kredytowej.
Centrum handlowe – nieruchomość handlowa, która została zaplanowana,
zbudowana oraz jest zarządzana jako jeden podmiot handlowy. Składa się ona ze
wspólnych części o minimalnej powierzchni najmu (GLA) 5000 m kw. oraz zawiera
minimum 10 sklepów.
D/I – (ang. Disposable Income) dochód do dyspozycji brutto gospodarstw domowych.
Dostępność kredytu – miara określająca krotność miesięcznego wynagrodzenia
w sektorze przedsiębiorstw na danym rynku z uwzględnieniem wymogów kredytowych
banku i parametrów kredytu (stopa procentowa, okres amortyzacji, minimalne
wynagrodzenie jako minimalny dochód po spłacie rat kredytowych). Znaczenie
informacyjne ma tempo zmian i zróżnicowanie regionalne a nie wysokość wskaźnika.
Dostępność mieszkania – miara potencjalnej możliwości zakupu powierzchni
mieszkania w cenie ofertowej za przeciętne wynagrodzenie. Wyraża liczbę metrów
kwadratowych mieszkania możliwych do nabycia za przeciętne wynagrodzenie w sektorze
przedsiębiorstw w danym mieście (GUS) przy przeciętnej cenie ofertowej na danym rynku
(PONT Info).
DTI – (ang. Debt to Income) – wskaźnik określający wysokość spłaty kredytu do
przeciętnego dochodu do dyspozycji brutto gospodarstw domowych.
Dziesięć miast – Białystok, Bydgoszcz, Katowice, Kielce, Lublin, Olsztyn, Opole,
Rzeszów, Szczecin, Zielona Góra.
Dźwignia finansowa - relacja zobowiązań i rezerw na zobowiązania do kapitału
własnego.
PONT– baza danych o cenach ofertowych nieruchomości mieszkaniowych,
gromadzona przez firmę PONT Info Nieruchomości.
Globalna zdolność kredytowa – miara określająca, jaka jest łączna zdolność
kredytowa (kredyty mieszkaniowe) wszystkich gospodarstw domowych w miastach
w Polsce. Kalkulowana jest na podstawie indywidualnych dochodów do dyspozycji
53
gospodarstw domowych (budżety gospodarstw domowych GUS) oraz wymogów
kredytowych banku i parametrów kredytu.
Indeks hedoniczny cen mieszkań – odzwierciedla „czystą” cenę, tj. wynikającą
z innych czynników niż różnice w jakości mieszkań. Analizowana jest zawsze cena
wystandaryzowanego mieszkania przeciętnego dla danego rynku, stworzonego na
podstawie modelu ekonometrycznego. Indeks koryguje średnią cenę z próby badawczej
o zmianę jakości mieszkań znajdujących się w tej próbie w każdym z okresów. Odróżnia się
tym od dynamiki średniej ceny czy mediany w próbie, która reagowałaby silnie na zmianę
kompozycji próby, np. zwiększeniem ceny wobec większej liczby mieszkań małych
z wyższą ceną m kw. 53.
Kredytowa dostępność mieszkania – miara określająca liczbę metrów kwadratowych
mieszkania w średniej cenie ofertowej na danym rynku (PONT Info), która można zakupić
z wykorzystaniem kredytu mieszkaniowego uzyskanego w oparciu o przeciętne
miesięczne wynagrodzenie w sektorze przedsiębiorstw na danym rynku (GUS),
z uwzględnieniem parametrów kredytu (stopa procentowa, okres amortyzacji, minimalna
pensja, jako minimalny dochód po spłacie rat kredytowych) i wymogów kredytowych
banku. Znaczenie informacyjne ma tempo zmian indeksu i rozpiętości pomiędzy rynkami.
LTV – (ang. Loan to Value), wskaźnik określający wysokości udzielanego kredytu lub
pożyczki do wartości zabezpieczeń spłaty tego kredytu.
Małe i duże firmy deweloperskie – spółki deweloperskie podlegające analizie
wyodrębnione na podstawie numeru PKD2007. Dokonano ich podziału na duże oraz małe
firmy, biorąc pod uwagę zarówno liczbę zatrudnionych, jak i wielkość przychodów. Firmy
zatrudniające mniej niż 50 pracowników traktowane są jako małe, pozostałe są dużymi
firmami.
Mieszkanie dla Młodych (MDM) – opracowywany rządowy program wspierania
budownictwa mieszkaniowego poprzez dopłaty do kredytu mieszkaniowego. Zgodnie
z założeniami program ma wejść w życie na początku 2014 r.
MDR - (ang. Mortgage Debt Ratio) wskaźnik określający procentowy udział spłat
kredytów mieszkaniowych w budżecie kredytobiorcy.
Miasta 200-500 - wszystkie miasta w Polsce o liczbie ludności od 200 do 500 tysięcy.
Obiekt 1121 – budynek mieszkalny, wielorodzinny, pięciokondygnacyjny, na
podstawie którego bank centralny od 2004 r. monitoruje koszt budowy metra
kwadratowego powierzchni użytkowej przeciętnego mieszkania (patrz Biuletyny Cen
Obiektów Budowlanych firmy Sekocenbud).
OOH – (ang. Owner Occupied Housing) mieszkania posiadane i zamieszkałe przez
właściciela.
53 Więcej informacji w artykule M. Widłak (2010) „Metody wyznaczania hedonicznych indeksów cen
jako sposób kontroli zmian jakości dóbr”, Wiadomości Statystyczne nr 9.
54
P/I – (ang. Price to Income), wskaźnik określający w latach relację wysokość ceny
przeciętnego mieszkania na danym rynku do przeciętnego rocznego dochodu do
dyspozycji.
Podnajem – (inaczej najem okazjonalny) oznacza proces czasowego udostępniania
przez właściciela mieszkania, całości nieruchomości lub jej części, za ustaloną odpłatność.
PAB – Polska Agencja Badawcza Budownictwa.
Racjonowanie kredytu (ang. Credit Rationing) – oznacza ograniczanie przez banki
udzielania kredytu w związku z ich własną oceną rosnącego ryzyka. W specyficznych
sytuacjach może to powodować spadki wartości nowo udzielanego kredytu pomimo braku
istotnych zmian bieżącej zdolności kredytowej podmiotu, co może prowadzić do
samosprawdzającej się prognozy.
Rekomendacja S – stanowi zbiór zasad dobrych praktyk dotyczących ekspozycji
kredytowych zabezpieczonych hipoteką. Została wprowadzona w 2006 r. przez Komisję
Nadzoru Bankowego wydana na podstawie art. 137 pkt 5 ustawy - Prawo bankowe (Dz. U.
z 2002 r. Nr 72, poz. 665 z późniejszymi zmianami).
Rekomendacja T - dotyczy dobrych praktyk w zakresie zarządzania ryzykiem
detalicznych ekspozycji kredytowych. Została wprowadzona w 2010 r. przez Komisję
Nadzoru Finansowego wydana na podstawie art. 137 pkt 5 ustawy - Prawo bankowe (Dz.
U. z 2002 r. Nr 72, poz. 665 z późniejszymi zmianami).
Rodzina na Swoim (RNS) – rządowy program wspierania budownictwa
mieszkaniowego poprzez dopłaty do odsetek od kredytów mieszkaniowych zakończony
w końcu 2012 r.
SARFIN – System Analiz Rynku Finansowania Nieruchomości.
Sekocenbud – wydawnictwo gromadzące dane o kosztach w budownictwie. Zespół
korzysta z kwartalnych zeszytów Biuletyn Cen Obiektów Budowlanych BCO, część I,
obiekty kubaturowe.
Standard nieruchomości biurowych – powierzchnię biurową klasyfikuje się według
standardu, który ona oferuje. Klasyfikacja zależy od wieku budynku, lokalizacji,
możliwości przekształcania powierzchni według potrzeb najemcy, specyfikacji technicznej
(np. podnoszonych podłóg oraz podwieszanych sufitów), parkingów podziemnych
i naziemnych oraz innych czynników, które są ważne z punktu widzenia najemcy.
Stopa kapitalizacji - iloraz dochodu operacyjnego netto, możliwego do uzyskania na
rynku, i ceny rynkowej nieruchomości (zgodnie z Powszechnymi Krajowymi Zasadami
Wyceny).
Sześć miast – Gdańsk, Łódź; Kraków, Poznań, Warszawa, Wrocław, (w przypadku
siedmiu miast dodatkowo jest uwzględniana Gdynia).
TBS – Towarzystwo Budownictwa Społecznego jest firmą działającą w oparciu
o Ustawę z dnia 26 października 1995 r. o niektórych formach popierania budownictwa
mieszkaniowego (tekst jednolity Dz. U. z 2000 r. Nr 98, poz. 1070 ze zm.), której
przedmiotem działania jest budowanie domów mieszkalnych i ich eksploatacja na
zasadach najmu, świadczenie usług zarządzania i administrowania oraz prowadzenie
działalności związanej z budownictwem mieszkaniowym i infrastrukturą towarzyszącą.
W założeniu oferta TBS-ów jest skierowana dla niezamożnych rodzin, którzy mogą
55
korzystać z dotowanego przez budżet państwa kredytu z Krajowego Funduszu
Mieszkaniowego (KFM). Lokatorzy płacą czynsz, który z reguły jest wyższy niż
w czynszówkach komunalnych (ponieważ z tego czynszu spłacany jest kredyt), ale niższy
od rynkowego.
TDR - (ang. Total Debt Ratio) wskaźnik określający procentowy udział spłat kredytów
w budżecie kredytobiorcy.
Wskaźnik pustostanów (ang. Vacancy Rate)– relacja niewynajętej powierzchni do
skumulowanej (całkowitej) podaży powierzchni nieruchomości komercyjnych w danej
lokalizacji, np. mieście lub dzielnicy.
Wskaźniki rentowności – ROA (ang. Return on Assets) – relacja wyniku netto do
aktywów na koniec okresu, ROE (ang. Return on Equity) – relacja wyniku netto do kapitału
własnego na koniec okresu, rentowność sprzedaży netto – zysk netto w relacji do
dochodów ze sprzedaży.
Wynajem profesjonalny – proces wynajmowania powierzchni mieszkalnej specjalnie
w tym celu zbudowanej; właścicielem zasobu na wynajem może być zarówno podmiot
prawny (gmina, samorząd, fundusz nieruchomościowy), jak i osoba fizyczna; w Polsce
rynek ten jest niewielki i zdekapitalizowany.
ZBP – Związek Banków Polskich.
56
Część II. Opracowania analityczne
A1 Procesy konwergencji i różnicowania rynków lokalnych oraz zmiany strukturalne (porównanie 16 rynków w Polsce)
Grażyna Baldowska54, Robert Leszczyński55, Barbara Myszkowska54
Sektor nieruchomości mieszkaniowych w Polsce, choć często analizowany jako całość,
jest rynkiem niejednorodnym i znacznie zróżnicowanym w poszczególnych 16 miastach
wojewódzkich. W celu uchwycenia zbieżności i jednakowych tendencji zachodzących na
lokalnych rynkach wojewódzkich przeprowadzono analizę skupień. Grupowanie miast na
podstawie przyjętych kryteriów (tj. wskaźników odzwierciedlających sytuację
mieszkaniową, skalę budownictwa, cenę mieszkań, czynników fundamentalnych,
wskaźników obciążenia demograficznego w poszczególnych ośrodkach) okazało się,
podobnie jak w latach ubiegłych, zadaniem trudnym (por. wykres 61 - wykres 66).
Wprawdzie, w zależności od zmiennych kategoryzujących rynki, wyodrębniono grupy
miast o podobnych tendencjach bądź podobnej strukturze, to nie udało się uzyskać
jednorodnego podziału (każda segregacja dawała inne wyniki). Dodatkowym czynnikiem
znacznie utrudniającym analizę i grupowanie miast były zmiany strukturalne zachodzące
w obrębie danego rynku. Całość zmian na rynku powodowała, że nawet uwzględnienie
tych samych zmiennych kategoryzujących w kolejnych latach przełożyło się na inne wyniki
grupowania. Wzorem lat ubiegłych analiza wszystkich ośrodków wojewódzkich
potwierdziła, że najbardziej trwały okazał się podział ogółu miast ze względu na liczbę
ludności tj. 7 miast powyżej 400 tys. mieszkańców (Gdańsk, Kraków, Łódź, Poznań,
Szczecin, Warszawa, Wrocław) oraz pozostałe 9 miast z mniejszą liczbą ludności: Białystok,
Bydgoszcz, Katowice, Kielce, Lublin, Olsztyn, Opole, Rzeszów, Zielona Góra.
W dwóch grupach analizowanych miast w 2012 r., na skutek pogorszenia większości
czynników fundamentalnych demograficznych, odnotowano nieznaczną poprawę sytuacji
mieszkaniowej. Regionalne rynki charakteryzowały się stabilizacją zjawisk obserwowanych
w okresie ostatnich dwóch lat i wyróżniały się niską aktywnością kupujących. Niewielkie
ożywienie odnotowane w ostatnim kwartale 2012 r. wynikało z kończącego się terminu
funkcjonowania rządowego programu „Rodzina na swoim” (RNS), a nie z poprawy
nastrojów na rynku mieszkaniowym. W miastach wojewódzkich rynek pierwotny, wzorem
lat ubiegłych, cechował się większą chęcią zmniejszania cen niż rynek wtórny. Na wielu
regionalnych rynkach cena nominalna powróciła do poziomu notowanego przed boomem,
czyli w 2007 r. (na niektórych nawet w 2006 r.) i to zarówno na rynku pierwotnym, jak
i wtórnym.
54 Oddział okręgowy Narodowego Banku Polskiego w Warszawie. 55 Oddział okręgowy Narodowego Banku Polskiego w Białymstoku.
57
Zmieniająca się sytuacja konsumentów na rynku nieruchomości w 2012 r. nie miała
przełożenia na ocenę rynku mieszkaniowego w relacji do 2011 roku, natomiast
w perspektywie 5 lat widać zachodzące zmiany (por. wykres 67 - wykres 68).
Uwzględnienie w analizie56 danych za 2012 r. ceny m. kw. mieszkania, ludności miasta,
stopy bezrobocia, wynagrodzenia oraz dostępności mieszkania, wskazały na pierwszych
dwóch pozycjach miasta: Katowice (w którym odnotowano relatywnie niskie ceny
i wysokie wynagrodzenia) oraz Warszawę (z niską stopą bezrobocia oraz wysokim
poziomem płac). O trzecie miejsce konkurowały: Gdańsk z Poznaniem. Na drugim końcu
skali znalazły się: Białystok (który oddala się od kolejnych miast w rankingu) oraz Kielce,
Lublin i Rzeszów. W środku rankingu nie zaobserwowano znaczących zmian, ale
w porównaniu do 2011 r. zróżnicowanie sytuacji konsumentów było bardziej widoczne (tj.
w 2012 r. „środek skali” był bardziej rozproszony). Wykres 61. Diagram drzewa sytuacji
mieszkaniowej w miastach wojewódzkich
(przec. pow. mieszkania, pow. użytkowa na
osobę, przec. liczbę izb w mieszkaniu, przec.
liczba osób w mieszkaniu) w 2012 r.
Wykres 62. Diagram drzewa dla danych
demograficznych (przyrost naturalny, saldo
migracji, małżeństwa na 1000 ludności) miast
wojewódzkich w 2012 r.
Źródło: GUS, NBP Źródło: GUS, NBP
Wykres 63 Diagram drzewa dla struktury
ludności (w wieku przedprodukcyjnym,
produkcyjnym i poprodukcyjnym)
w miastach wojewódzkich w 2012 r.
Wykres 64 Diagram drzewa dla czynników
ekonomicznych i demograficznych (stopa
bezrobocia i saldo migracji na 1000 ludności)
w miastach wojewódzkich w 2012 r.
Źródło: GUS, NBP. Źródło: GUS, NBP.
56 Analiza została dokonana metodą porządkowania obiektów wielocechowych (ustalania rankingu) i
polega na wyznaczaniu hierarchii liniowej ze względu na uwzględnione zmienne oraz zsumowaniu ich
wartości zunitaryzowanych i podzieleniu przez liczbę zmiennych.
0 5 10 15 20
Odległość wiąz.
Rzeszów
Poznań
Opole
Warszawa
Wrocław
Zielona Góra
Szczecin
Łódź
Bydgoszcz
Kraków
Katowice
Kielce
Lublin
Gdańsk
Olsztyn
Białystok
0 5 10 15 20 25
Odległość wiąz.
Łódź
Lublin
Poznań
Kielce
Katowice
Opole
Bydgoszcz
Warszawa
Rzeszów
Szczecin
Wrocław
Kraków
Zielona Góra
Gdańsk
Olsztyn
Białystok
0 2 4 6 8 10 12 14 16
Odległość wiąz.
Warszawa
Łódź
Katowice
Zielona Góra
Lublin
Wrocław
Opole
Poznań
Szczecin
Kraków
Kielce
Gdańsk
Bydgoszcz
Olsztyn
Rzeszów
Białystok
0 5 10 15 20
Odległość wiąz.
Warszawa
Rzeszów
Wrocław
Kraków
Gdańsk
Poznań
Katowice
Zielona Góra
Olsztyn
Opole
Bydgoszcz
Łódź
Lublin
Kielce
Szczecin
Białystok
58
Wykres 65 Diagram drzewa dla efektów
budownictwa mieszkaniowego (mieszkania
oddane do użytkowania na 1000 ludności i
na 1000 zawartych małżeństw) w miastach
wojewódzkich w 2012 r.
Wykres 66 Diagram drzewa dla dynamiki
kwartalnej cen (transakcje sprzedaży
mieszkań na rynku wtórnym) w miastach
wojewódzkich w 2012 r.
Źródło: GUS, NBP. Źródło: NBP.
Wykres 67. Sytuacja konsumentów na rynku
mieszkaniowym w miastach wojewódzkich
w 2007 r.
Wykres 68. Sytuacja konsumentów na rynku
mieszkaniowym w miastach wojewódzkich
w 2012 r.
Źródło: GUS, NBP. Źródło: GUS, NBP.
Sytuacja mieszkaniowa w 16 miastach wojewódzkich
Sytuacja mieszkaniowa miast wojewódzkich Polski w 2012 r., w stosunku do 2011 r.
uległa nieznacznej poprawie (por. wykres 69 - wykres 76). W skali kraju korzystniejsze
wskaźniki nasycenia mieszkań w ośrodkach wojewódzkich były wynikiem większej,
w porównaniu do innych regionów Polski, aktywności inwestorów realizujących nowe
inwestycje mieszkaniowe oraz występującemu w niewielkim stopniu procesowi wyburzeń
i zmian przeznaczenia lokali. Wskaźniki zaspokojenia potrzeb mieszkaniowych były
korzystniejsze w przypadku siedmiu największych pod względem liczby ludności miast
wojewódzkich, niż w grupie dziewięciu mniejszych ośrodków i zbliżyły się do poziomu
państw Europy Zachodniej. Należy łączyć to z korzystniejszymi czynnikami
fundamentalnymi na tych rynkach.
Wstępne wyniki NSP 2011 r. potwierdziły zróżnicowanie miast wojewódzkich pod
względem struktury wieku zasobu mieszkaniowego. W większości ośrodków dominowały
0 1000 2000 3000 4000 5000 6000
Odległość wiąz.
Warszawa
Rzeszów
Wrocław
Kraków
Gdańsk
Opole
Zielona Góra
Łódź
Kielce
Katowice
Bydgoszcz
Olsztyn
Lublin
Szczecin
Poznań
Białystok
0 5 10 15 20 25 30
Odległość wiąz.
Zielona Górna
Rzeszów
Opole
Katowice
Łódź
Szczecin
Warszawa
Olsztyn
Bydgoszcz
Poznań
Kraków
Wrocław
Kielce
Lublin
Gdańsk
Białystok
59
mieszkania wybudowane w latach 1971-1988. Wyjątek stanowiły Warszawa i Kraków,
gdzie w strukturze zasobu przeważały lokale mieszkalne wzniesione w latach 1945-1970.
W pięciu ośrodkach, tj.: w Katowicach, Łodzi, Opolu, Szczecinie i Wrocławiu wysoki udział
w strukturze zasobu miały mieszkania z okresu przedwojennego. Udział nowych
budynków mieszkalnych tj. wybudowanych po 2003 r. był niewielki i wyniósł od 3,5%
w Łodzi do 14,5% w Warszawie. W ośrodkach wojewódzkich najliczniejszą grupę
w zasobie tworzyły mieszkania o powierzchni użytkowej 40-79 m kw. Dość dużą
liczebność miały również małe lokale mieszkalne, tj. o metrażu do 39 m kw. W Warszawie,
Łodzi i Krakowie było to co trzecie mieszkanie, w pozostałych miastach wojewódzkich
(z wyjątkiem Opola) był to co czwarty lokal.
W latach 2013-2014 powinien nastąpić wzrost liczby mieszkań w zasobie w efekcie
ukończenia nowych inwestycji mieszkaniowych oraz odnotowanej niewielkiej skali
ubytków lokali. Ze względu na dostosowywanie przez deweloperów oferty podażowej do
warunków rynkowych, tj. realizowanie mniejszych pod względem metrażu inwestycji
mieszkaniowych, możliwe jest spowolnienie poprawy wskaźników przedstawiających
sytuację mieszkaniową (np. wskaźnika przeciętnej powierzchni użytkowej mieszkania).
Wykres 69. Zasób mieszkaniowy na 1000
ludności w 7 miastach
Wykres 70. Zasób mieszkaniowy na 1000
ludności w 9 miastach
Źródło: GUS. Źródło: GUS.
Wykres 71. Przeciętna powierzchnia
użytkowa mieszkania w zasobie (w m kw.)
w 7 miastach
Wykres 72. Przeciętna powierzchnia
użytkowa mieszkania w zasobie (w m kw.)
w 9 miastach
Źródło: GUS. Źródło: GUS.
300
320
340
360
380
400
420
440
460
480
500
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
mie
szk
an
ia/1
00
0 lu
dn
ośc
i
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
300320340360380400420440460480500
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2mie
szk
an
ia/1
00
0 lu
dn
ośc
i
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
50
52
54
56
58
60
62
64
66
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
m k
w/m
iesz
ka
nie
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
50
52
54
56
58
60
62
64
66
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
m k
w/m
iesz
ka
nie
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
60
Wykres 73. Przeciętna powierzchnia
użytkowa mieszkania w zasobie na osobę
w 7 miastach
Wykres 74. Przeciętna powierzchnia
użytkowa mieszkania w zasobie na osobę
w 9 miastach
Źródło: GUS. Źródło: GUS.
Wykres 75. Przeciętna liczba osób
w mieszkaniu w 7 miastach
Wykres 76. Przeciętna liczba osób
w mieszkaniu w 9 miastach
Źródło: GUS. Źródło: GUS.
Czynniki demograficzne w 16 miastach wojewódzkich
Rok 2012 był kolejnym rokiem, w którym pogorszeniu uległa sytuacja demograficzna
większości miast wojewódzkich Polski. Fundamentalne czynniki demograficzne związane
z procesem usamodzielniania się roczników z drugiego powojennego wyżu
demograficznego, uległy osłabieniu. W ich następstwie w większości regionalnych
ośrodków pogorszeniu uległy wskaźniki: zawieranych małżeństw (por. wykres 81 –
wykres 82) i przyrostu naturalnego (por. wykres 77 - wykres 78). Pozytywnym aspektem
było poprawienie się wskaźnika salda migracji w większych miastach (por. wykres 79 -
wykres 80). Mogło mieć to związek z występującym spowolnieniem gospodarczym
i przenoszeniem się ludności z innych regionów Polski dotkniętych wyższym poziomem
stopy bezrobocia, niż w ośrodkach wojewódzkich. Spadek liczby ludności wiązał się często
ze zjawiskiem osiedlania się mieszkańców dużych miast w miejscowościach tworzących
aglomeracje. Pomimo pozytywnych tendencji w większych miastach w mniejszych
ośrodkach nadal notowano ujemne saldo migracji.
Wskaźniki obciążenia demograficznego miast wojewódzkich Polski odzwierciedlają
postępujący proces starzenia się społeczeństwa. W perspektywie ostatnich dwóch lat
odnotowano wzrost odsetka osób w wieku poprodukcyjnym i spadek (z wyjątkiem
Katowic) w wieku produkcyjnym. W 2012 r., w porównaniu do 2011 r., odsetek osób
18192021222324252627282930
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
m k
w/n
a o
sob
ę
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
181920212223242526272829
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
m k
w/n
a o
sob
ę
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
2,0
2,2
2,4
2,6
2,8
3,0
3,2
3,4
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
liczb
a o
sób
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
2,0
2,2
2,4
2,6
2,8
3,0
3,2
3,4
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
liczb
a o
sób
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
61
w wieku przedprodukcyjnym nieznacznie wzrósł w sześciu miastach, w kolejnych sześciu
ośrodkach zmalał, a w czterech przypadkach utrzymał się na zbliżonym poziomie, nie
wykazując tym samym jednakowego trendu.
Wykres 77. Przyrost naturalny na 1000
ludności w 7 miastach
Wykres 78. Przyrost naturalny na 1000
ludności w 9 miastach
Źródło: GUS. Źródło: GUS.
Wykres 79. Saldo migracji na 1000 ludności
w 7 miastach
Wykres 80. Saldo migracji na 1000 ludności
w 9 miastach
Źródło: GUS. Źródło: GUS.
Wykres 81. Małżeństwa na 1000 ludności w 7
miastach
Wykres 82. Małżeństwa na 1000 ludności w 9
miastach
Źródło: GUS Źródło: GUS
-7-6-5-4-3-2-101234
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
-7-6-5-4-3-2-101234
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
-7-6-5-4-3-2-10123456
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
-7-6-5-4-3-2-10123456
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
3,5
4,0
4,5
5,0
5,5
6,0
6,5
7,0
7,5
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
3,5
4,0
4,5
5,0
5,5
6,0
6,5
7,0
7,5
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
62
Wykres 83. Dynamika wskaźników wieku
2012/2002 w 7 miastach
Wykres 84. Dynamika wskaźników wieku
2012/2002 w 9 miastach
Źródło: GUS. Źródło: GUS.
Czynniki ekonomiczne w 16 miastach wojewódzkich
Wpływ czynników ekonomicznych na rozmiary popytu na nieruchomości
mieszkaniowe w większości miast wojewódzkich Polski w 2012 r. był mniej korzystny
w porównaniu do roku poprzedniego. Wprawdzie w grupie małych jak i dużych ośrodków
odnotowano wzrost przeciętnego wynagrodzenia w wymiarze nominalnym, jednak po
uwzględnieniu wskaźnika CPI, realnie były one wyższe tylko w pięciu miastach (rok
wcześniej w 11 ośrodkach). Skala wzrostu była niewielka i wynosiła w zależności od miasta
od kilku do kilkudziesięciu złotych. Podobnie jak w 2011 r., wyższy poziom przeciętnego
wynagrodzenia odnotowano w ośrodkach z największą liczbą mieszkańców (por. wykres
89 - wykres 90). Wyjątek stanowiły Katowice, w których najwyższy poziom płac w skali
kraju był generowany przez wynagrodzenia w górnictwie.
W 2012 r. pogorszeniu uległa sytuacja na rynku pracy. W 16 miastach odnotowano
wzrost stopy bezrobocia w relacji do 2011 r., co należy wiązać z utrzymującym się
spowolnieniem gospodarczym (por. wykres 85 - wykres 86). Bezrobocie na rynkach
wojewódzkich nadal było niższe od średniego poziomu notowanego dla całego kraju.
Pozytywnym sygnałem na rynku pracy w większości miast wojewódzkich (z wyjątkiem
Krakowa i Katowic) było utrzymanie się zapoczątkowanego w 2010 r. trendu stopniowego
zmniejszania się udziału grupy wiekowej do 34 roku życia w strukturze bezrobotnych (por.
wykres 87 - wykres 88).
W 2012 r. poprawił się wskaźnik dostępności mieszkania, w wyniku wzrostu
przeciętnego wynagrodzenia i spadku średniorocznej ceny mieszkania (por. wykres 91 -
wykres 94). Podobnie jak w latach ubiegłych, pod względem dostępności lokali, wyróżniały
się Katowice. W mieście tym nadal utrzymywał się wysoki poziom przeciętnego
wynagrodzenia, przy jednocześnie występujących niskich cenach mieszkań.
W omawianym okresie odnotowano pogorszenie (r/r) potencjalnej dostępności
złotowego kredytu mieszkaniowego w 16 miastach wojewódzkich (por. wykres 95 - wykres
96). Wpływ na ograniczenie kredytowania miała restrykcyjna polityka kredytowa banków
(związana z nowelizacją rekomendacji S) oraz wyższy poziom marż banków. W 2012 r.,
pomimo pogorszenia dostępności kredytu złotowego, w większości ośrodków
0
50
100
150
Gd
ań
sk
Kra
kó
w
Łó
dź
Po
zn
ań
Sz
cze
cin
Wa
rsz
awa
Wro
cław
produkcyjnym przedprodukcyjnym
poprodukcyjnym
0
50
100
150
Bia
łyst
ok
By
dg
osz
cz
Kat
ow
ice
Kie
lce
Lu
bli
n
Ols
zty
n
Op
ole
Rz
eszó
w
Zie
lon
a G
óra
produkcyjnym przedprodukcyjnympoprodukcyjnym
63
wojewódzkich, za kredyt można było kupić większe mieszkanie. Świadczy o tym poprawa
miernika kredytowej dostępności lokalu (por. wykres 97 i wykres 98). Wpływ na to miała
dodatnia dynamika wynagrodzeń oraz spadek cen lokali mieszkalnych.
W większości omawianych miast (z wyjątkiem Białegostoku, Olsztyna i Rzeszowa)
poziom wypłat kredytów mieszkaniowych na koniec 2012 r. w relacji do poprzedniego
roku uległ znacznemu zmniejszeniu. Przyczyniły się do tego niekorzystne tendencje na
rynku kredytowym oraz mniejsza skala popytu na kredyt będąca wynikiem pogorszenia
nastojów społecznych. Mniejszy roczny wzrost zadłużenia wystąpił również w przypadku
preferencyjnego kredytu udzielanego w ramach rządowego programu RNS. Mniejsze
zainteresowanie tym kredytem w okresie trzech pierwszych kwartałów 2012 r., podobnie
jak w IV kw. 2011 r., było spowodowane zmniejszeniem progów ceny m kw. mieszkania,
warunkujących dopłatę do odsetek od kredytu. Skalę niedopasowania wysokości limitu
RNS względem mediany cen transakcyjnych prezentują wykresy od 103 do 106.
Zwiększony popyt na kredyt z rządową dopłatą na wszystkich rynkach wojewódzkich w
IV kw. 2012 r. był efektem kończącego się okresu jego funkcjonowania z dniem 31 grudnia
2012 r. Pomimo niższych limitów cen do końca ub.r. przyjęto liczne wnioski o
dofinansowanie57. W I kw. 2013 r. z kredytu preferencyjnego skorzystało więcej
gospodarstw domowych niż w analogicznym okresie 2012 r.
Ostatnie obniżki stóp procentowych dokonane przez Radę Polityki Pieniężnej będą
oddziaływały pozytywnie na sytuację na rynku kredytów hipotecznych w 2013 r. Działania
te powinny ułatwić dostęp do kredytów hipotecznych. Na ożywienie popytu na kredyty
hipoteczne może także wpłynąć program „Dopłat do kredytów na budowę domów
energooszczędnych” zatwierdzony przez Narodowy Fundusz Ochrony Środowiska
i Gospodarki Wodnej, którego wdrożenie przewidziane jest w 2013 r. Z programu będą
mogły skorzystać osoby fizyczne, nabywające mieszkanie w budynku wielorodzinnym
energooszczędnym albo pasywnym, lub budujące domy jednorodzinne o niskim
zapotrzebowaniu na energię.
Wykres 85. Stopa bezrobocia w 7 miastach
Wykres 86. Stopa bezrobocia w 9 miastach
Źródło: GUS. Źródło: GUS.
57 Część wniosków była realizowana w I kw. 2013 r.
0
3
6
9
12
15
18
21
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
%
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław Polska
0
3
6
9
12
15
18
21
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
%
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona GóraPolska
64
Wykres 87. Udział bezrobotnych w wieku do
34 lat w 7 miastach
Wykres 88. Udział bezrobotnych w wieku do
34 lat w 9 miastach
Źródło: GUS. Źródło: GUS.
Wykres 89. Przeciętne wynagrodzenie
w sektorze przedsiębiorstw w 7 miastach
Wykres 90. Przeciętne wynagrodzenie
w sektorze przedsiębiorstw w 9 miastach
Źródło: GUS. Źródło: GUS.
Wykres 91. Dostępność mieszkania# za
przeciętne wynagrodzenie w 7 miastach – RP
Wykres 92. Dostępność mieszkania za
przeciętne wynagrodzenie w 9 miastach – RP
Źródło: GUS. Źródło: GUS.
25
28
31
34
37
40
43
46
49
52
55
58
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
%
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław Polska
25
28
31
34
37
40
43
46
49
52
55
58
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
%
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona GóraPolska
1500
2000
2500
3000
3500
4000
4500
5000
5500
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
zł/m
iesi
ęczn
ie
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław Polska
1500
2000
2500
3000
3500
4000
4500
5000
5500
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
zł/m
iesi
ęczn
ie
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona GóraPolska
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
III
kw. 2
006
I kw
. 200
7
III
kw. 2
007
I kw
. 200
8
III
kw. 2
008
I kw
. 200
9
III
kw. 2
009
I kw
. 201
0
III
kw. 2
010
I kw
. 201
1
III
kw. 2
011
I kw
. 201
2
III
kw. 2
012
I kw
. 201
3
m k
w/p
rzec
iętn
e w
ynag
rodz
enie
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
III
kw.
200
6
I kw
. 20
07
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
m k
w/p
rzec
iętn
e w
yn
agr
od
zen
ie
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
65
Wykres 93. Dostępność mieszkania za
przeciętne wynagrodzenie w 7 miastach, RW
Wykres 94. Dostępność mieszkania za
przeciętne wynagrodzenie w 9 miastach, RW
Źródło: GUS, NBP. Źródło: GUS, NBP.
Wykres 95. Dostępność kredytu# PLN w 7
miastach
Wykres 96. Dostępność kredytu PLN w 9
miastach
Źródło: GUS, NBP. Źródło: GUS, NBP.
Wykres 97. Kredytowa dostępność
mieszkania# (kred. PLN) w 7 miastach
Wykres 98. Kredytowa dostępność
mieszkania (kred. PLN) w 9 miastach
Źródło: GUS, NBP. Źródło: GUS, NBP.
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
III
kw.
200
6
I kw
. 20
07
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
m k
w/p
rzec
iętn
e w
yn
agr
od
zen
ie
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
III
kw.
200
6
I kw
. 20
07
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
m k
w/p
rzec
iętn
e w
yn
agr
od
zen
ie
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
707580859095
100105110115120125
IV k
w. 2
006
II k
w.
200
7
IV k
w. 2
007
II k
w.
200
8
IV k
w. 2
008
II k
w.
200
9
IV k
w. 2
009
II k
w.
201
0
IV k
w. 2
010
II k
w.
201
1
IV k
w. 2
011
II k
w.
201
2
IV k
w. 2
012
licz
ba
prz
ecię
tnych
wynag
rod
zeń
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
707580859095
100105110115120125
IV k
w. 2
006
II k
w. 2
007
IV k
w. 2
007
II k
w. 2
008
IV k
w. 2
008
II k
w. 2
009
IV k
w. 2
009
II k
w. 2
010
IV k
w. 2
010
II k
w. 2
011
IV k
w. 2
011
II k
w. 2
012
IV k
w. 2
012
licz
ba
prze
cięt
nych
wyn
agro
dzeń
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
30
40
50
60
70
80
90
100
110
120
130
IV k
w. 2
006
II k
w. 2
007
IV k
w. 2
007
II k
w. 2
008
IV k
w. 2
008
II k
w. 2
009
IV k
w. 2
009
II k
w. 2
010
IV k
w. 2
010
II k
w. 2
011
IV k
w. 2
011
II k
w. 2
012
IV k
w. 2
012
m k
w m
iesz
ka
nia
za
kre
dy
t PL
N
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
30
40
50
60
70
80
90
100
110
120
130
IV k
w. 2
006
II k
w. 2
007
IV k
w. 2
007
II k
w. 2
008
IV k
w. 2
008
II k
w. 2
009
IV k
w. 2
009
II k
w. 2
010
IV k
w. 2
010
II k
w. 2
011
IV k
w. 2
011
II k
w. 2
012
IV k
w. 2
012
m k
w m
iesz
ka
nia
za
kre
dy
t PL
N
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
66
Wykres 99. Szacunek aktualnych wypłat
kredytu mieszkaniowego (w mln zł) w 7
miastach
Wykres 100. Szacunek aktualnych wypłat
kredytu mieszkaniowego (w mln zł) w 9
miastach
Źródło: BIK. Źródło: BIK.
Wykres 101. Udział RNS w wartości kredytu
mieszkaniowego udzielonego w 7 miastach
Wykres 102. Udział RNS w wartości kredytu
mieszkaniowego udzielonego w 9 miastach
Źródło: BGK, BIK, NBP. Źródło: BGK, BIK, NBP.
Wykres 103. Luka/nadwyżka limitu RNS
względem mediany transakcji w 7 miastach –
RP
Wykres 104. Luka/nadwyżka limitu RNS
względem mediany transakcji w 9 miastach –
RP
Uwaga do wykresów 103-106: Luka liczona jest jako różnica ceny maksymalnej RNS (limitu) oraz
mediany ceny transakcyjnej na RP w relacji do mediany ceny transakcyjnej. Dodatnia różnica oznacza,
że program finansuje mieszkania o cenach wyższych od mediany, a ujemnych odwrotnie.
Źródło: BGK, NBP. Źródło: BGK, NBP.
01 0002 0003 0004 0005 0006 0007 0008 0009 000
10 00011 00012 00013 00014 00015 00016 00017 000
2005 2006 2007 2008 2009 2010 2011 2012
mln
zł
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
0
500
1 000
1 500
2 000
2 500
3 000
3 500
4 000
2005 2006 2007 2008 2009 2010 2011 2012
mln
zł
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
0
10
20
30
40
50
60
70
2007 2008 2009 2010 2011 2012
%
Gdańsk KrakówŁódź PoznańSzczecin WarszawaWrocław
0
10
20
30
40
50
60
70
2007 2008 2009 2010 2011 2012
%
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
I k
w. 2
007
III
kw. 2
007
I k
w. 2
008
III
kw. 2
008
I k
w. 2
009
III
kw. 2
009
I k
w. 2
010
III
kw. 2
010
I k
w. 2
011
III
kw. 2
011
I k
w. 2
012
III
kw. 2
012
I k
w. 2
013
Gdańsk Kraków Łódź Poznań
Szczecin Warszawa Wrocław
-60%
-40%
-20%
0%
20%
40%
60%
80%
I kw
. 200
7
III
kw. 2
007
I kw
. 200
8
III
kw. 2
008
I kw
. 200
9
III
kw. 2
009
I kw
. 201
0
III
kw. 2
010
I kw
. 201
1
III
kw. 2
011
I kw
. 201
2
III
kw. 2
012
I kw
. 201
3
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
67
Wykres 105. Luka/nadwyżka limitu RNS
względem mediany transakcji w 7 miastach –
RW
Wykres 106. Luka/nadwyżka limitu RNS
względem mediany transakcji w 9 miastach –
RW
Źródło: BGK, NBP. Źródło: BGK, NBP.
Budownictwo mieszkaniowe w 16 miastach wojewódzkich
W 2012 r., podobnie jak w latach ubiegłych, skala rozwoju budownictwa
mieszkaniowego w miastach wojewódzkich Polski była zróżnicowana. Poza lokalnymi
uwarunkowaniami związanymi z sytuacją demograficzną i ekonomiczną poszczególnych
rynków, istotny wpływ na zachowania podmiotów reprezentujących stronę podażową
i popytową miały zmiany regulacji prawnych. W większości ośrodków wojewódzkich
w okresie poprzedzającym wejście w życie przepisów ustawy o ochronie praw nabywcy
lokalu mieszkalnego lub domu jednorodzinnego, której vacatio legis upłynął 29 kwietnia
2012 r., odnotowano wysoki poziom nowych kontraktów i rozpoczętych inwestycji
mieszkaniowych. Sytuacja ta wynikała z potrzeby wstrzymania się z wdrożeniem
kosztownych obowiązków nałożonych na deweloperów w nowych regulacjach prawnych.
Pomimo wzmożonej w okresie: styczeń-kwiecień 2012 r. aktywności inwestorów,
zwłaszcza budujących na sprzedaż i wynajem, w większości miast wojewódzkich w skali
roku zmniejszyła się liczba mieszkań, na które wydano pozwolenia i liczba rozpoczętych
inwestycji mieszkaniowych (por. wykres 113 - wykres 114). Odnotowany w 2012 r. spadek
planowanych i realizowanych nowych inwestycji mieszkaniowych był wynikiem wyższej
bazy w 2011 r., co należy łączyć z tzw. ustawą deweloperską oraz utrzymującą się na rynku
wysoką podażą niesprzedanych mieszkań.
Efekty budownictwa mieszkaniowego mierzone liczbą mieszkań przekazanych do
eksploatacji w większości analizowanych miast były wyższe w 2012 r. w porównaniu do
2011 r. (por. wykres 107 - wykres 110). Na wynik wpłynęła niska skala odniesienia.
Mniejsza liczba lokali mieszkalnych przekazanych do użytkowania w 2011 r. była skutkiem
ograniczenia inwestycji mieszkaniowych w 2009 r. W 2012 r. w większości ośrodków
odnotowano tendencję zmniejszania się powierzchni użytkowej i liczby izb w budynkach
oddanych do użytkowania (por. wykres 111 - wykres 112). Taka sytuacja wystąpiła
zarówno w przypadku inwestycji realizowanych przez firmy budujące na sprzedaż
i wynajem, jak i inwestorów indywidualnych i była wynikiem dostosowywania oferty
podażowej do popytu i możliwości finansowych kupujących lokale lub realizujących
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
I k
w.
200
7
III
kw
. 2
007
I k
w.
200
8
III
kw
. 2
008
I k
w.
200
9
III
kw
. 2
009
I k
w.
201
0
III
kw
. 2
010
I k
w.
201
1
III
kw
. 2
011
I k
w.
201
2
III
kw
. 2
012
I k
w.
201
3
Gdańsk Kraków Łódź Poznań
Szczecin Warszawa Wrocław
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
120%
I k
w.
200
7
III
kw
. 2
007
I k
w.
200
8
III
kw
. 2
008
I k
w.
200
9
III
kw
. 2
009
I k
w.
201
0
III
kw
. 2
010
I k
w.
201
1
III
kw
. 2
011
I k
w.
201
2
III
kw
. 2
012
I k
w.
201
3
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
68
inwestycje we własnym zakresie. Wyjątek stanowiły Katowice, Łódź, Szczecin i Warszawa,
gdzie inwestorzy indywidualni w 2012 r. w porównaniu do roku poprzedniego przekazali
do użytkowania domy jednorodzinne większe pod względem powierzchni. W przypadku
inwestorów budujących na sprzedaż i wynajem nieznaczne zwiększenie metrażu lokali
mieszkalnych przekazywanych do eksploatacji odnotowano jedynie w Rzeszowie
i Olsztynie, natomiast na zbliżonym poziomie w Krakowie i Poznaniu.
W latach 2013 i 2014, w związku z występującą w większości miast tendencją
realizowania kontraktów na lokale o mniejszym metrażu, oczekuje się dalszego spadku
przeciętnej powierzchni użytkowej mieszkań przekazanych do eksploatacji. Zmniejszenie
skali rozpoczętych nowych inwestycji mieszkaniowych w 2012 r. i w okresie: styczeń-maj
2013 r. oraz przede wszystkim liczby mieszkań, na które wydano pozwolenia, wpłynie na
ograniczenie liczby mieszkań oddanych do użytkowania za dwa-trzy lata. Z uwagi na
długość procesu inwestycyjnego, będzie ono bardziej widoczne w 2014 r. W perspektywie
średniookresowej ograniczenie liczby nowych budów wpłynie na zmniejszenie podaży.
Nowe obowiązki dla inwestorów realizujących inwestycje mieszkaniowe nałożone ustawą
deweloperską mogą przyczynić się do rozwoju procesów konsolidacji w branży
deweloperskiej. Wpłynie na to fakt, że nowe inwestycje mieszkaniowe będą mogły być
realizowane tylko z rachunkiem powierniczym. Problemy z jego otwarciem mają mniejsze
firmy, które we wcześniejszych okresach realizowały kontrakty mieszkaniowe z własnych
środków lub wpłat kupujących lokale. Dla banku stanowią one grupę nowych klientów,
bez historii kredytowej i działających w branży o podwyższonym ryzyku. Na rynku w
lepszej sytuacji znajdują się duże firmy, które realizowały wcześniejsze kontrakty
mieszkaniowe przy wsparciu kredytów bankowych. Trudną sytuację mogą mieć także
nowe podmioty, które planują rozpoczęcie działalności w sektorze mieszkaniowym.
Wykres 107. Mieszkania oddane do
użytkowania na 1000 ludności w 7 miastach
Wykres 108. Mieszkania oddane do
użytkowania na 1000 ludności w 9 miastach
Źródło: GUS. Źródło: GUS.
0
2
4
6
8
10
12
14
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
mie
szk
an
ia/1
00
0 lu
dn
ośc
i
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
0
2
4
6
8
10
12
14
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
mie
szk
an
ia/1
00
0 lu
dn
ośc
i
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
69
Wykres 109. Mieszkania oddane do
użytkowania na 1000 zawartych małżeństw
w 7 miastach
Wykres 110. Mieszkania oddane do
użytkowania na 1000 zawartych małżeństw
w 9 miastach
Źródło: GUS. Źródło: GUS.
Wykres 111. Przeciętna powierzchnia
użytkowa mieszkania oddanego do
użytkowania w 7 miastach
Wykres 112. Przeciętna powierzchnia
użytkowa mieszkania oddanego do
użytkowania w 9 miastach
Źródło: GUS. Źródło: GUS.
Wykres 113. Perspektywy budownictwa mieszkaniowego w 7 miastach
Źródło: GUS.
0200400600800
1 0001 2001 4001 6001 8002 0002 2002 400
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
mie
szk
an
ia/1
00
0 m
ałże
ństw
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
0200400600800
1 0001 2001 4001 6001 8002 0002 2002 400
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
mie
szk
an
ia/1
00
0 m
ałże
ństw
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
405060708090
100110120130140150160
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
m k
w/m
iesz
ka
nie
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
405060708090
100110120130140150160
200
2
200
3
200
4
200
5
200
6
200
7
200
8
200
9
201
0
201
1
201
2
m k
w/m
iesz
ka
nie
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
0
5 000
10 000
15 000
20 000
25 000
30 000
35 000
40 000
45 000
50 000
55 000
60 000
65 000
70 000
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Mieszkania, na budowę których wydano
pozwolenia
Mieszkania, których budowę rozpoczęto
mie
szka
nia
Gdańsk Kraków Łódź Poznań Szczecin Warszawa Wrocław
70
Wykres 114. Perspektywy budownictwa mieszkaniowego w 9 miastach
Źródło: GUS.
Analiza danych zgromadzonych w BaRN
Od początku badania rynku nieruchomości (BaRN) baza danych ofertowych
i transakcyjnych na rynku mieszkaniowym wykazuje tendencję wzrostową i obecnie
stanowi ona jedną z największych tego typu baz w Polsce. Dodatkową zaletą wypełnianych
rekordów jest wielość źródeł, z których dane są pozyskiwane. Pozwala to wnioskować, że
na wszystkich badanych, regionalnych rynkach nieruchomości zapewniona jest
reprezentatywność próby badawczej umożliwiająca uchwycenie właściwych tendencji
i zależności na rynku. W 2012 r. liczba zebranych danych transakcyjnych (bez najmu) na
rynku pierwotnym i wtórnym zbliżyła się do 27 tys. rekordów (por. wykres 115). Także
liczba zebranych danych ofertowych ukształtowała się na poziomie nienotowanym
w poprzednich latach i zbliżyła się do 150 tys. Stały wzrost liczby zarejestrowanych
rekordów w bazie BaRN nie jest jednak wynikiem wzrostu transakcji na rynku,
a zwiększeniem się liczby współpracujących podmiotów i większym pokryciem rynku.
W I kw. 2013 r. w związku z wprowadzeniem obowiązku statystycznego liczba transakcji
w stosunku do IV kw. 2012 r. wzrosła o ok. 30%, natomiast liczba ofert o ok. 26%. Wykres 115. Liczba rekordów w bazie BaRN
Źródło: NBP.
01 0002 0003 0004 0005 0006 0007 0008 0009 000
10 00011 00012 00013 00014 00015 000
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
Mieszkania, na budowę których wydano
pozwolenia
Mieszkania, których budowę rozpoczęto
mie
szka
nia
Białystok Bydgoszcz Katowice Kielce Lublin
Olsztyn Opole Rzeszów Zielona Góra
0
10 000
20 000
30 000
40 000
50 000
60 000
70 000
I k
w.
200
6
III
kw
. 2
00
6
I k
w.
200
7
III
kw
. 2
00
7
I k
w.
200
8
III
kw
. 2
00
8
I k
w.
200
9
III
kw
. 2
00
9
I k
w.
201
0
III
kw
. 2
01
0
I k
w.
201
1
III
kw
. 2
01
1
I k
w.
201
2
III
kw
. 2
01
2
I k
w.
201
3
Oferty mieszkań Oferty najmu
Transakcje mieszkań Transakcje najmu
71
W większości omawianych miast w 2012 r. obserwowano średnioroczne spadki cen
transakcyjnych na rynkach pierwotnym i wtórnym. W przypadku rynku pierwotnego
najsilniejszy spadek o ok. 10% zanotowano w Warszawie. Średnioroczny wzrost ceny
zanotowano jedynie w Katowicach (o ok. 4%) oraz w Rzeszowie (o ok. 2%). Na rynku
wtórnym jedynie w Rzeszowie średnioroczne ceny utrzymały się na zbliżonym poziomie.
Na pozostałych 15 rynkach zanotowano spadki przy czym najsilniejsze zaobserwowano
w Łodzi, Bydgoszczy i Wrocławiu (odpowiednio: 9%, 8% oraz 8%). Średnioroczna cena
transakcyjna na rynku pierwotnym w 16 miastach (liczona jako średnia arytmetyczna
danych średniorocznych dla poszczególnych miast) w 2012 r. była o ok. 3% niższa niż
w roku poprzednim, natomiast na rynku wtórnym była o ok. 5% niższa.
Analiza zależności zmiany ceny transakcyjnej na rynku pierwotnym od wielkości
zasobu mieszkaniowego w danym mieście wykazała ujemną korelację na poziomie -0,28.
Oznacza to, że im większe miasto, tym spadek cen był silniejszy. Po wyłączeniu Warszawy
ujemna korelacja wyniosła -0,16. Na rynku wtórnym analizowana para zmiennych
cechowała się większą zależnością a współczynnik korelacji wyniósł -0,33 (po wyłączeniu
z analizy Warszawy -0,42).
Najwyższe ceny ofertowe i transakcyjne notuje się w Warszawie, największym rynku
w Polsce. W relacji do poprzedniego roku na rynku pierwotnym różnica ceny między
Warszawą a kolejnym pod względem liczby ludności miastem – Krakowem zmniejszyła się
do 265 zł/m kw. (w roku poprzednim było to ok. 600 zł/m kw.). Na rynku wtórnym różnica
między Warszawą a Krakowem zmniejszyła się w ciągu roku z ok. 1,5 tys. zł/m kw. do ok.
1,2 tys. zł/m kw. W mniejszych ośrodkach zróżnicowanie cen jest zdecydowanie mniejsze.
Na cenę transakcyjną na rynku wtórnym w 2012 r. największy wpływ miała wielkość
miasta oraz stopa bezrobocia. Otrzymane wyniki wskazują, że zależności te są nieco
słabsze niż w poprzednim roku i dla analizowanej pary danych w 2012 r. wyniosły 0,80
oraz -0,55.
Największym zainteresowaniem cieszą się niezmiennie mieszkania mniejsze oraz
średnie i takie są zazwyczaj poszukiwane i najwyżej wyceniane. W ślad za zwiększonym
zainteresowaniem mniejszymi lokalami obserwuje się zmniejszanie się powierzchni
nowych mieszkań na rynku. Na rynku wtórnym zasób jest ustalony i przy sztywnej podaży
ceny lokali najmniejszych notują zazwyczaj najwyższe ceny jednostkowe m kw.
Średni czas sprzedaży mieszkania na rynku wtórnym dla wszystkich miast wydłużył
się o tydzień w 2012 r. w porównaniu do roku poprzedniego i wyniósł 146 dni. Dla 7
najbardziej aktywnych rynków w Polsce (Gdańsk, Kraków, Łódź, Poznań, Warszawa,
Wrocław, Szczecin) średni czas sprzedaży wyniósł 149 dni, czyli obniżył się nieznacznie
(o 3 dni) wobec roku poprzedniego.
72
Rynek pierwotny mieszkań według bazy BaRN
Wykres 116. Dynamika r/r cen ofertowych
w 7 miastach – RP
Wykres 117. Dynamika r/r cen ofertowych
w 9 miastach – RP
Źródło: NBP. Źródło: NBP.
Wykres 118. Dynamika r/r cen
transakcyjnych w 7 miastach – RP
Wykres 119. Dynamika r/r cen
transakcyjnych w 9 miastach – RP
Źródło: NBP. Źródło: NBP.
Wykres 120. Mediana ceny ofert sprzedaży w
7 miastach – RP
Wykres 121. Mediana ceny transakcji
sprzedaży w 7 miastach – RP
Źródło: NBP. Źródło: NBP.
60
80
100
120
140
160
180
200
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
60
80
100
120
140
160
180
200
III
kw. 2
007
I kw
. 200
8
III
kw. 2
008
I kw
. 200
9
III
kw. 2
009
I kw
. 201
0
III
kw. 2
010
I kw
. 201
1
III
kw. 2
011
I kw
. 201
2
III
kw. 2
012
I kw
. 201
3
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
6080
100120140160180200220
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
60
80
100
120
140
160
180
200
220II
I kw
. 20
07
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
2 000
4 000
6 000
8 000
10 000
III
kw.
200
6
I kw
. 20
07
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
zł/m
kw
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
2 000
4 000
6 000
8 000
10 000
III
kw.
200
6
I kw
. 20
07
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
zł/m
kw
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
73
Wykres 122. Mediana ceny ofert sprzedaży w
9 miastach – RP
Wykres 123. Mediana ceny transakcji
sprzedaży w 9 miastach – RP
Źródło: NBP. Źródło: NBP.
Wykres 124. Miernik dopasowania mieszkań
o pow. <= 40 m kw. – RP w 7 miastach
Wykres 125. Miernik dopasowania mieszkań
o pow. (40; 59] m kw. – RP w 7 miastach
Uwaga do wykresu 124: procentowe niedopasowanie podaży (oferty deweloperskie mieszkań)
i szacunkowego popytu (transakcje mieszkaniami) względem wielkości mieszkania, wg danych
z bazy BaRN; niedopasowanie liczone jest jako relacja udziału mieszkań o powierzchni użytkowej do
40 m kw. będących w ofercie do udziału transakcji mieszkaniami o powierzchni do 40 m kw. (średnia
z czterech ostatnich kwartałów). Wynik dodatni (powyżej kreski) świadczy o nadmiarze mieszkań o
danej wielkości, ujemny natomiast o niedoborze. Analogiczne uwagi do wykresów125 do128 oraz 136
do 143.
Źródło: NBP. Źródło: NBP.
Wykres 126. Miernik dopasowania mieszkań
o pow. (60; 79] m kw. – RP w 7 miastach
Wykres 127. Miernik dopasowania mieszkań
o pow. => 80 m kw. – RP w 7 miastach
Źródło: NBP. Źródło: NBP.
2000
4000
6000
8000
10000
III
kw.
200
6
I kw
. 20
07
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
zł/m
kw
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
2 000
4 000
6 000
8 000
10 000
III
kw
. 20
06
I kw
. 20
07
III
kw
. 20
07
I kw
. 20
08
III
kw
. 20
08
I kw
. 20
09
III
kw
. 20
09
I kw
. 20
10
III
kw
. 20
10
I kw
. 20
11
III
kw
. 20
11
I kw
. 20
12
III
kw
. 20
12
I kw
. 20
13
zł/
m k
w
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
-120%
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
120%
140%
2006 2007 2008 2009 2010 2011 2012 2013
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
-120%
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
120%
140%
2006 2007 2008 2009 2010 2011 2012 2013
%
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
-150%
-100%
-50%
0%
50%
100%
150%
200%
250%
2006 2007 2008 2009 2010 2011 2012 2013
%
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
-150%
-100%
-50%
0%
50%
100%
150%
200%
250%
2006 2007 2008 2009 2010 2011 2012 2013
%
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
74
Rynek wtórny mieszkań według bazy BaRN
Wykres 128. Dynamika r/r cen ofertowych
w 7 miastach – RW
Wykres 129. Dynamika r/r cen ofertowych
w 9 miastach – RW
Źródło: NBP. Źródło: NBP.
Wykres 130. Dynamika r/r cen
transakcyjnych w 7 miastach – RW
Wykres 131. Dynamika r/r cen
transakcyjnych w 9 miastach – RW
Źródło: NBP. Źródło: NBP.
Wykres 132. Mediana ceny ofert sprzedaży w
7 miastach – RW
Wykres 133. Mediana ceny transakcji
sprzedaży w 7 miastach – RW
Źródło: NBP. Źródło: NBP.
80
100
120
140
160
180
200
220
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
80
100
120
140
160
180
200
220
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
80
100
120
140
160
180
200
220
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
80
100
120
140
160
180
200
220
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
1 000
3 000
5 000
7 000
9 000
11 000
III
kw.
200
6
I kw
. 20
07
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
zł/m
kw
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
1 000
3 000
5 000
7 000
9 000
11 000
III
kw.
200
6
I kw
. 20
07
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
zł/m
kw
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
75
Wykres 134. Mediana ceny ofert sprzedaży w
9 miastach – RW
Wykres 135. Mediana ceny transakcji
sprzedaży w 9 miastach – RW
Źródło: NBP. Źródło: NBP.
Wykres 136. Miernik dopasowania mieszkań
o pow. <= 40 m kw. – RW w 7 miastach
Wykres 137. Miernik dopasowania mieszkań
o pow. <= 40 m kw. – RW w 9 miastach
Źródło: NBP. Źródło: NBP.
Wykres 138. Miernik dopasowania mieszkań
o pow. (40; 59] m kw. – RW w 7 miastach
Wykres 139. Miernik dopasowania mieszkań
o pow. (40; 59] m kw. – RW w 9 miastach
Źródło: NBP. Źródło: NBP.
1 500
2 000
2 500
3 000
3 500
4 000
4 500
5 000
5 500
III
kw.
200
6
I kw
. 20
07
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
zł/m
kw
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
1 500
2 000
2 500
3 000
3 500
4 000
4 500
5 000
5 500
III
kw.
200
6
I kw
. 20
07
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
zł/m
kw
Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
2006 2007 2008 2009 2010 2011 2012 2013
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
2006 2007 2008 2009 2010 2011 2012 2013
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
2006 2007 2008 2009 2010 2011 2012 2013
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
-100%
-80%
-60%
-40%
-20%
0%
20%
40%
60%
80%
2006 2007 2008 2009 2010 2011 2012 2013
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
76
Wykres 140. Miernik dopasowania mieszkań
o pow. (60; 80] m kw. – RW w 7 miastach
Wykres 141. Miernik dopasowania mieszkań
o pow. (60; 80] m kw. – RW w 9 miastach
Źródło: NBP. Źródło: NBP.
Wykres 142. Miernik dopasowania mieszkań
o pow. > 80 m kw. – RW w 7 miastach
Wykres 143. Miernik dopasowania mieszkań
o pow. > 80 m kw. – RW w 9 miastach
Źródło: NBP. Źródło: NBP.
Wykres 144. Średni czas sprzedaży w 7
miastach– RW
Wykres 145. Średni czas sprzedaży w 9
miastach– RW
Źródło: NBP. Źródło: NBP.
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
120%
140%
160%
180%
200%
2006 2007 2008 2009 2010 2011 2012 2013
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
-60%
-40%
-20%
0%
20%
40%
60%
80%
100%
120%
140%
160%
180%
200%
2006 2007 2008 2009 2010 2011 2012 2013
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
-100%
-50%
0%
50%
100%
150%
200%
250%
300%
350%
400%
450%
500%
2006 2007 2008 2009 2010 2011 2012 2013
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
-100%-50%
0%50%
100%150%200%250%300%350%400%450%500%550%600%650%700%
2006 2007 2008 2009 2010 2011 2012 2013
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
0
50
100
150
200
250
300
350
400
450
III
kw. 2
006
I kw
. 200
7
III
kw. 2
007
I kw
. 200
8
III
kw. 2
008
I kw
. 200
9
III
kw. 2
009
I kw
. 201
0
III
kw. 2
010
I kw
. 201
1
III
kw. 2
011
I kw
. 201
2
III
kw. 2
012
I kw
. 201
3
Gdańsk Kraków Łódź
Poznań Szczecin Warszawa
Wrocław
0
50
100
150
200
250
300
350
400
450
III
kw. 2
006
I kw
. 200
7
III
kw. 2
007
I kw
. 200
8
III
kw. 2
008
I kw
. 200
9
III
kw. 2
009
I kw
. 201
0
III
kw. 2
010
I kw
. 201
1
III
kw. 2
011
I kw
. 201
2
III
kw. 2
012
I kw
. 201
3
Białystok Bydgoszcz Katowice
Kielce Lublin Olsztyn
Opole Rzeszów Zielona Góra
77
Wykres 146. Tablica korelacji średniej ceny transakcyjnej na rynku wtórnym w 2012 r.,
średniego przeciętnego wynagrodzenia w sektorze przedsiębiorstw w 2012 r., ludności
miasta oraz stopy bezrobocia w 2012 r. 58
Źródło: NBP.GUS
58 Tablica korelacyjna przedstawia wzajemne zależności zmiennych. Zależność zmiennych X i Y obrazuje w
tablicy na ich skrzyżowaniu siłę ich współzależności. Korelacja przyjmuje wartości od -1 do +1, przy czym -1
oznacza pełną, ujemną zależność zmiennej Y od X (gdy zmienna X rośnie np. o 1% to Y maleje o 1%), +1
oznacza pełną zależność dodatnią. Wartość 0 lub oscylujące wokół 0 oznaczają brak zależności zmiennej X i Y.
Na wykresach oznaczono linią siłę wzajemnej współzależności.
cena tr-rw 2012
Warszawa
Warszawa
Katowice
Warszawa
Katowice Przec. wynagr. '12
Warszawa
Tekst użytkownika
Warszawa
Ludność 2012
Katowice
Stopa bezr. '12
78
Rynek najmu mieszkań według bazy BaRN
Wykres 147. Dynamika r/r stawek
ofertowych najmu w 7 miastach
Wykres 148. Dynamika r/r stawek
ofertowych najmu w 9 miastach
Źródło: NBP. Źródło: NBP.
Wykres 149. Dynamika r/r stawek
transakcyjnych najmu w 7 miastach
Wykres 150. Dynamika r/r stawek
transakcyjnych najmu w 9 miastach
Źródło: NBP. Źródło: NBP.
50
70
90
110
130
150
170
190
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
50
70
90
110
130
150
170
190
III
kw
. 20
07
I kw
. 20
08
III
kw
. 20
08
I kw
. 20
09
III
kw
. 20
09
I kw
. 20
10
III
kw
. 20
10
I kw
. 20
11
III
kw
. 20
11
I kw
. 20
12
III
kw
. 20
12
I kw
. 20
13
Katowice Kielce LublinOlsztyn Opole RzeszówZielona Góra
50
70
90
110
130
150
170
190
III
kw.
200
7
I kw
. 20
08
III
kw.
200
8
I kw
. 20
09
III
kw.
200
9
I kw
. 20
10
III
kw.
201
0
I kw
. 20
11
III
kw.
201
1
I kw
. 20
12
III
kw.
201
2
I kw
. 20
13
Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław
50
70
90
110
130
150
170
190
III
kw
. 20
07
I kw
. 20
08
III
kw
. 20
08
I kw
. 20
09
III
kw
. 20
09
I kw
. 20
10
III
kw
. 20
10
I kw
. 20
11
III
kw
. 20
11
I kw
. 20
12
III
kw
. 20
12
I kw
. 20
13
Bydgoszcz Katowice KielceLublin Olsztyn OpoleRzeszów Zielona Góra
79
A2 Wyniki badań nad czynnikami różnicującymi ceny mieszkań i możliwość ich wykorzystania w NBP
Marta Widłak59
Wstęp
Celem artykułu jest syntetyczne przedstawienie najważniejszych wyników kilkuletnich
badań nad czynnikami różnicującymi ceny mieszkań na lokalnych rynkach
mieszkaniowych w Polsce. Badania te czerpią z doświadczeń międzynarodowych oraz
własnych modeli empirycznych wykorzystujących dane BaRN.
Poszukiwanie i kwantyfikacja czynników różnicujących ceny mieszkań na danym
rynku lokalnym jest jednym z podstawowych etapów analizy cen mieszkań. Badania tego
typu są dość powszechne w gospodarkach rozwiniętych, a w Polsce zagadnienie to jest jak
dotąd rzadko podejmowane, w szczególności z powodu braku danych. Rozeznanie
i późniejsza kwantyfikacja czynników kształtujących różnice w wycenie poszczególnych
mieszkań, będących wynikiem różnej wyceny poszczególnych atrybutów mieszkania (np.
lokalizacja, standard, wielkość), ma duże znaczenie gospodarcze. W ujęciu statystycznym
analiza taka umożliwia wiarygodny pomiar cen i ich dynamiki na lokalnych rynkach
poprzez uwzględnienie czynników specyficznych heterogenicznych mieszkań, a tym
samym doprowadzenia ich do ekonomicznej porównywalności. Umożliwia to
prognozowanie kształtowania się wartości mieszkań na konkretnych rynkach pod
wpływem zmian tych czynników, co ma istotne znaczenie dla jakości wycen i planowania
urbanistycznego.
W latach 2005 – 2008 na rynkach nieruchomości mieszkaniowych w Polsce miał miejsce
szok popytowy skutkujący wysoką inflacją cen. Skala wzrostu cen była najwyższa w Polsce
od okresu transformacji i przewyższyła inflację na innych europejskich rynkach
mieszkaniowych. Kolejne lata 2008 - 2009 przyniosły stopniową stabilizację zarówno
popytu jak i podaży, a od 2010 r. do chwili obecnej obserwujemy powolną korektę cen
i znaczny spadek, zarówno popytu, jak i podaży na lokalnych rynkach mieszkaniowych.
Wahania cen nieruchomości kształtują koniunkturę w sektorze i rozmiary budownictwa
mieszkaniowego. Ceny w sektorze nieruchomości mieszkaniowych, ze względu na
ekonomiczne znaczenie mieszkania, wywierają również silny wpływ na koniunkturę
gospodarczą poprzez oddziaływanie na popyt konsumpcyjny oraz inwestycyjny. Koszt
zakupu mieszkania odzwierciedlony w jego cenie, będąc znaczącym składnikiem
wydatków gospodarstw domowych, ma istotne konsekwencje dla polityki mieszkaniowej,
wydatków z budżetu centralnego i budżetów lokalnych. Silnie związana z cenami
mieszkań i popytem konsumpcyjnym pozostaje także kwestia finansowania zakupów
mieszkaniowych. W państwach, w których finansowanie to odbywa się za pośrednictwem
59 Instytut Ekonomiczny, Narodowy Bank Polski; Artykuł przedstawia główne wyniki rozprawy
doktorskiej Marty Widłak, przewód doktorski przeprowadzono w SGH.
80
sektora bankowego, obserwujemy silne, wzajemne oddziaływania sektorów bankowego
i nieruchomości mieszkaniowych. Obecnie wciąż przeżywamy konsekwencje globalnego
kryzysu gospodarczego, którego geneza leży w tego typu wzajemnym powiązaniu.
Nadmierny w stosunku do wartości mieszkań wzrost ich cen (problem bańki
spekulacyjnej), możliwy dzięki innowacjom finansowym i globalnemu zaangażowaniu
kapitału finansowego na rynkach mieszkaniowych w USA, doprowadził do światowego
kryzysu gospodarczego. W obliczu tych doświadczeń ceny mieszkań stały się czynnikiem
ryzyka bardzo ważnym w kontekście prowadzenia polityki makroostrożnościowej.
Poruszone kwestie pokazują, że ceny mieszkań są istotną zmienną wpływającą na
procesy gospodarcze oraz są indykatorem napięć i ryzyka. Z tych powodów istnieje
konieczność prowadzenia ich regularnego monitoringu oraz różnego typu badań
naukowych nad cenami mieszkań. Przez finansowy kanał wpływu na gospodarkę ceny
mieszkań stały się jednym z podstawowych wskaźników uważnie obserwowanych przez
banki centralne, w tym NBP. Jednocześnie doświadczenia krajów rozwiniętych pokazują,
że nie da się prowadzić podstawowego monitoringu cen mieszkań bez odpowiedzi na
proste pytanie o czynniki powodujące ich zróżnicowanie na danym rynku lokalnym.
Dlatego też w NBP od 2006 r. prowadzone jest pogłębione badanie cen mieszkań, a jednym
z jego aspektów jest wpływ poszczególnych cech mieszkania na cenę całkowitą
nieruchomości i pomiar „czystej” dynamiki cen mieszkań.
Cele i zakres badań
Niejednorodność dobra mieszkaniowego jest jedną z jego głównych cech i znajduje
odzwierciedlenie w cenach. Zarówno podstawowy monitoring rynku mieszkaniowego
oparty na wskaźnikach cen mieszkań, jak i inne badania empiryczne wtórnie
wykorzystujące te wskaźniki, powinny uwzględniać zróżnicowanie dóbr mieszkaniowych,
a przez to ich cen. Zrozumienie mechanizmów powstawania rynkowych cen mieszkań oraz
odpowiednia ich kwantyfikacja mają więc zasadnicze znaczenie. Nie da się prowadzić
bardziej zaawansowanych badań naukowych bez wejrzenia w naturę prostych zjawisk
obserwowanych na co dzień.
Podstawową kwestią istotną dla pomiaru dynamiki cen jest zbadanie jakie są
składowe ceny mieszkania, determinujące zróżnicowanie poziomu cen na rynku
mieszkaniowym. Badając czynniki różnicujące ceny mieszkań na rynkach lokalnych,
zadajemy proste pytanie: od czego zależy różnica w cenie między mieszkaniem
x i mieszkaniem y zlokalizowanymi na tym samym rynku miejskim i sprzedanymi w tym
samym czasie? Intuicyjna odpowiedź została zasugerowana powyżej – zróżnicowanie cen
mieszkań na danym rynku wynika z szeroko pojętej heterogeniczności mieszkań.
W badaniach weryfikowano to intuicyjne spostrzeżenie dla lokalnych rynków
mieszkaniowych w Polsce.
W teorii ekonomii, formalna hipoteza zgodna z powyższą intuicją została
postawiona przez Lancastera (1966) i jest znana jako hipoteza hedoniczna. Jej tłumaczenie
brzmi następująco: dobra zróżnicowane są agregatami charakterystyk, a podstawą wyborów
ekonomicznych są właśnie te charakterystyki, a nie dobra same w sobie. Rosen (1974), przyjmując
81
tę hipotezę jako słuszną, podaje formalny opis wyborów dokonywanych przez konsumenta
i producenta oraz stanu równowagi na rynkach dóbr zróżnicowanych.
Celem prowadzonych badań była weryfikacja hipotezy hedonicznej dla lokalnych
rynków mieszkaniowych w Polsce. Cel realizowano badając, czy na polskich rynkach
mieszkaniowych ceny mieszkań są istotnie różnicowane przez atrybuty mieszkaniowe,
jak zakłada to hipoteza hedoniczna i Rosenowski model równowagi hedonicznej.
„Czynniki różnicujące ceny mieszkań” czy inaczej: „atrybuty, cechy, charakterystyki
mieszkaniowe” to na przykład: powierzchnia mieszkania, jego lokalizacja, standard
wykończenia, rok budowy, bliskość przystanków komunikacyjnych, bliskość terenów
zielonych, charakter sąsiedztwa itp.
Obserwowane zróżnicowanie cen mieszkań na poszczególnych rynkach lokalnych
powoduje, że wiarygodny pomiar dynamiki tych cen jest znacznie utrudniony.
Doświadczenia badawcze pokazują, że dopiero zastosowanie informacji o tym, jakie
czynniki i z jaką siłą determinują zróżnicowanie cen mieszkań, pozwala na uzyskanie
wiarygodnych wyników pomiaru dynamiki. Jest to koncepcja tzw. hedonicznych indeksów
cen. Wiarygodny pomiar tendencji cenowych należy rozumieć jako pomiar „czystej”
dynamiki cen, a więc takiej, która nie wynika z różnic w jakości mieszkań sprzedawanych
w kolejnych okresach. Tworzenie „czystych” indeksów cen mieszkań było drugim celem
badania.
Prowadząc badania starano się odpowiedzieć na szereg szczegółowych pytań
badawczych. Pierwsze pytanie dotyczyło teorii ekonomicznych wyjaśniających zjawisko
różnicowania cen mieszkań na danym rynku lokalnym. Drugie pytanie odwoływało się do
doświadczeń międzynarodowych z badań nad czynnikami różnicującymi ceny mieszkań
i wykorzystania wyników tychże w praktyce. Po trzecie starano się porównać wyniki tego
typu badań zagranicznych i własnych, wykonywanych dla szesnastu rynków miast
wojewódzkich Polski. W badaniach szczególną uwagę poświęcono zagadnieniu
wiarygodnego pomiaru dynamiki cen mieszkań. Ostatecznie poszukiwano odpowiedzi na
pytanie czy indeksy hedoniczne, w odróżnieniu od dynamiki ceny średniej czy mediany, są
bardziej wiarygodną miarą tendencji cenowych na rynku mieszkań?
Badania empiryczne dotyczyły rynków wtórnych mieszkań w budownictwie
wielorodzinnym szesnastu miast wojewódzkich Polski. Wybór ten był podyktowany
dostępnością danych w bazie danych BaRN (Baza Rynku Nieruchomości) tworzonej
w NBP. W badaniach brano pod uwagę ceny transakcyjne mieszkań, gdyż jak wskazują
rozważania teoretyczne tylko dla takich cen uzasadnione jest szacowanie empirycznych
modeli hedonicznych. Na potrzeby badań empirycznych oszacowano 96 odrębnych modeli
regresji hedonicznej. Pierwsza część badań obejmuje transakcje dokonane w 2008 r.,
który był rokiem względnej stabilności rynku mieszkaniowego (modele oznaczone jako M4
2008 w tabeli 1). Druga część badań została przeprowadzona dla okresu od III kw. 2006 r.
do III kw. 2010 r. (wszystkie dane dostępne w momencie wykonywania obliczeń, modele
oznaczone jako M1 w tabeli 1).
82
Najważniejsze wyniki i wnioski z badań
Prowadzone badania potwierdziły istotność oddziaływania wybranych atrybutów
strukturalnych i lokalizacyjnych na cenę rynkową mieszkań w przypadku transakcji
zanotowanych na polskich, lokalnych rynkach mieszkaniowych. Wyniki, w zakresie
odpowiednim do dokładności modeli empirycznych (wsp. determinacji R2), potwierdzają
prawdziwość hipotezy hedonicznej w warunkach polskich i z pewnym ograniczeniem
mogą być stosowane do dalszych zastosowań empirycznych (por. tabela 1).
Dla wszystkich miast uzyskano poprawnie wyspecyfikowany model hedoniczny,
potwierdzając tym samym prawdziwość hipotezy o istnieniu związku pomiędzy ceną
mieszkania i jego atrybutami. Współczynnik determinacji w modelach oszacowanych dla
szesnastu rynków miejskich w Polsce był równy średnio 45%. Analogiczna wielkość
w analizowanych badaniach zagranicznych jest równa 73%. Za kryterium modelu
„słabego” uznano R2 poniżej 40%. Spośród 32 modeli analizowanych w pierwszej części
badań, 19 wyjaśniało ponad 40% zmienności ceny mieszkań. Jakości oszacowań nie
poprawia inna postać funkcyjna czy metoda estymacji. Jak pokazują kolejne wyniki,
dokładność dopasowania można zwiększyć włączając do badania szczegółowy opis
lokalizacji i sąsiedztwa. Z pewnością znaczenie ma także jakość samych danych oraz
nieefektywność rynku (rozumiana jako niezgodność ceny mieszkania z jego wartością
realną). Niemniej uzyskany wynik można uznać za zadowalający, a dalsze badania (np.
oparte o alternatywne źródła danych lub z wykorzystaniem innych technik
ekonometrycznych) powinny pomóc rozstrzygnąć kwestię niedopasowania modelu
teoretycznego do rzeczywistości.
Tabela 1 Hedoniczne modele cen mieszkań na 16 lokalnych rynkach w Polsce
Model M1 M4 2008
Statystyka Liczba
obs. R2
p-value
w teście
RESET
Liczba
obs. R2
p-value w teście
RESET
Białystok 620 68% 0,18 111 65% 0,93
Bydgoszcz 1060 61% 0,00 275 36% 0,30
Katowice* 452 37% 0,00 118 41% 0,05
Kielce 1161 72% 0,28 220 46% 0,48
Kraków 1517 29% 0,20 147 58% 0,71
Lublin 1455 51% 0,00 344 33% 0,20
Łódź 652 78% 0,09 124 60% 0,39
Olsztyn 920 33% 0,33 74 29% 0,52
Opole 1340 11% 0,72 60 38% 0,16
Poznań 702 59% 0,14 44 55% 0,42
Rzeszów 903 26% 0,78 105 49% 0,12
Szczecin 1478 26% 0,09 163 38% 0,05
Trójmiasto 2900 49% 0,07 161 53% 0,83
Warszawa 1846 60% 0,19 399 63% 0,09
Wrocław 3526 16% 0,80 917 12% 0,63
Zielona Góra 353 49% 0,05 80 47% 0,14
Suma końcowa 20885 45%
(średnia) 3224
45%
(średnia)
Źródło: Opracowanie własne
Uwagi do tabeli 1:
83
* Dla Katowic, z powodu braków danych, prezentowane są wyniki modelu M4 2009.
** W tabeli kolorem szarym oznaczono próby małe - poniżej 100 obserwacji, wartości R2 poniżej 40% oraz
p-value poniżej 0,05 świadczące o konieczności odrzucenia hipotezy zerowej o poprawnej specyfikacji
modelu na przyjętym poziomie istotności wynoszącym 5%. Pogrubiono nazwy miast, dla których
przynajmniej jeden z modeli miał współczynnik R2 powyżej 40%.
Drugi cel badań dotyczył zagadnienia właściwego pomiaru dynamiki cen mieszkań.
Rozważania teoretyczne i doświadczenia międzynarodowe sugerują, że wiedza na temat
tego, jakie czynniki i z jaką siłą determinują zróżnicowanie cen mieszkań, znajduje
szczególne zastosowanie w pomiarze „czystej” dynamiki cen mieszkań. Zastosowanie tzw.
indeksów hedonicznych pozwala podnieść wiarygodność tego pomiaru przez zastąpienie
prostych wskaźników mediany i średniej. Prowadzone badania pokazują, że twierdzenie to
jest prawdziwe dla warszawskiego wtórnego rynku mieszkań. Jak pokazuje zestawienie
różnych miar (wykresy poniżej), zmiana jakości mieszkań istotnie zniekształca wartości
prostych wskaźników dynamiki (średniej, mediany i prostej stratyfikacji). Specjalnie
stworzony wskaźnik struktury pozwala zauważyć, że największe różnice między
wskaźnikami prostymi i indeksem hedonicznym rzeczywiście pojawiają się w kwartałach,
w których rośnie zróżnicowanie jakościowe sprzedanych mieszkań. Przeprowadzone
badanie pokazuje możliwość i zasadność stosowania indeksów hedonicznych
w przypadku polskich rynków mieszkaniowych.
Wykres 1 Indeksy cen mieszkań dla Warszawy – metody proste a indeks hedoniczny
(III kw. 2006 = 100)
Źródło: Obliczenia własne, dane BaRN. Szczegóły metodologiczne wyjaśnione są w Widłak (2010).
110
120
130
140
150
160
IV kw. 2
006
I kw. 2
007
II kw
. 200
7
III kw. 2
007
IV kw. 2
007
I kw. 2
008
II kw
. 200
8
III kw. 2
008
IV kw. 2
008
I kw. 2
009
II kw
. 200
9
III kw. 2
009
IV kw. 2
009
I kw. 2
010
II kw
. 201
0
M1 mediana średnia stratyfikacja prosta
84
Wykres 2 Zmiana jakości mieszkań a wybrane wskaźniki dynamiki cen dla
Warszawy (pop. kw. = 100)
Wskaźnik dynamiki struktury cech mieszkaniowych pokazuje, jak zmienia się
struktura najważniejszych cenotwórczych atrybutów mieszkaniowych.
Źródło: Obliczenia własne na podstawie danych BaRN.
Badania nad czynnikami różnicującymi ceny mieszkań i siłą oddziaływania
poszczególnych cech mieszkaniowych na cenę całkowitą nieruchomości podnoszą
przejrzystość rynku, a tym samym efektywność poszukiwań i wzajemnego dopasowania
się nabywców i oferentów mieszkań. Prawdopodobnie jest to najważniejsza, ekonomiczno-
społeczna korzyść z tego typu badań, choć realizuje się w długim okresie.
Poniżej przedstawiono najważniejsze wnioski szczegółowe płynące z prowadzonych
badań.
Empiryczne modele hedoniczne tylko w przybliżeniu umożliwiają identyfikację cech
różnicujących ceny mieszkań oraz siłę wpływu każdej z nich na całkowitą cenę mieszkania.
Rosenowski mechanizm równoważącego się rynku zakłada implicite doskonałą jego
przejrzystość i racjonalność wszystkich podmiotów rynkowych. Nieefektywność rynku
nieruchomości jest wpisana w jego naturę, co oznacza, że z reguły nie występuje idealne
dopasowanie ceny do wartości mieszkania. W konsekwencji rzeczywiste ceny mieszkań nie
odpowiadają teoretycznemu, hedonicznemu planowi cen, a modele empiryczne mogą
lepiej lub gorzej oddawać tę nieidealną (w sensie modelowym) rzeczywistość. Posługując
się aparatem pojęciowym modelu Rosena można zaproponować graficzne ujęcie miary
nieefektywności rynku mieszkaniowego (por. wykres 3) oraz pokazać jak miarę tą odróżnić
od reszty empirycznego modelu regresji (por. wykres 4).
Transakcje zobrazowane punktami A i E na wykresie 3 odpowiadają równowadze
rynkowej. W punkcie B nie dochodzi do zawarcia transakcji, mimo że istnieje popyt i podaż
na dany zbiór charakterystyk mieszkaniowych zB. Dzieje się tak z różnych powodów, np.
asymetrii informacji, zbyt krótkiego czasu poszukiwania się nabywcy i odbiorcy lub
trwających właśnie negocjacji cenowych. W efekcie, ceny oferowane przez nabywcę
i sprzedawcę różnią się znacznie od siebie i od ceny hedonicznej. Z kolei, punkt C
odpowiada transakcji jednak cena transakcyjna mieszkania o cechach zC nie jest zgodna
60
70
80
90
100
110
85
95
105
115
125
IV k
w. 2
00
6
I kw
. 20
07
II k
w. 2
00
7
III k
w. 2
00
7
IV k
w. 2
00
7
I kw
. 20
08
II k
w. 2
00
8
III k
w. 2
00
8
IV k
w. 2
00
8
I kw
. 20
09
II k
w. 2
00
9
III k
w. 2
00
9
IV k
w. 2
00
9
I kw
. 20
10
II k
w. 2
01
0
III k
w. 2
01
0
hedoniczny M1 (l. oś)
średnia (l. oś)
wsk. dyn. struktury cech mieszkaniowych (p. oś)
85
z hedonicznym planem cen w punkcie p(zC). Nieefektywność rynku w tym punkcie
wynikać może z większych możliwości negocjacyjnych jednej ze stron (w tym przypadku
oferenta), asymetrii informacji lub z innych powodów, dla których nabywca ulega
i akceptuje zawyżoną cenę oferenta. Analogiczna sytuacja występuje w punkcie D.
W opisanych sytuacjach (punkty B, C i D) kolorowymi liniami oznaczono wielkości
odpowiadające miarom nieefektywności rynku.
Analiza modelu teoretycznego prowadzi do wniosku, że reszty modelu
ekonometrycznego są tym bliższe miarom nieefektywności rynku im: 1). rynek jest bliższy
równowadze – ceny rzeczywiste „leżą na krzywej” p(z), 2). lepsze jest dopasowanie modelu
ekonometrycznego do danych rzeczywistych. Na wykresie 4 pokazano różnice między
resztą modelu ekonometrycznego a miarą nieefektywności rynku. Krzywa ̂(z) przedstawia
wartości teoretyczne oszacowanego modelu regresji hedonicznej. Punkt D, analogicznie jak
na wykresie 3, odpowiada sytuacji, gdy rzeczywista cena transakcyjna leży poza
hedonicznym schematem cen.
Wykres 3 Nieefektywność rynku mieszkaniowego
w ujęciu modelu Rosena
Wykres 4 Empiryczny model hedoniczny
a teoretyczna funkcja hedoniczna cen
Źródło: Opracowanie własne. Źródło: Opracowanie własne.
Na podstawie przeglądu międzynarodowych badań empirycznych stwierdzono,
że czynniki różnicujące ceny mieszkań można podzielić na cztery grupy: strukturalne,
lokalizacyjne, opisujące sąsiedztwo nieruchomości oraz pozostałe. Do najczęściej
występujących cech strukturalnych należą: powierzchnia, wiek budynku, liczba łazienek,
występowanie garażu, powierzchnia działki itp. Lokalizacja odnosi się do zmiennych
określających dokładne położenie administracyjne lub geograficzne nieruchomości, albo
wyrażona jest jako odległość od centrum miasta. W grupie zmiennych opisujących
sąsiedztwo nieruchomości są informacje opisujące sytuację socjoekonomiczną
mieszkańców w bliskiej okolicy badanego mieszkania (dochody, poziom wykształcenia,
wiek), a także walory estetyczne czy krajobrazowe najbliższego otoczenia (widok z okna,
bliskość terenów zielonych). Ostatnią grupę stanowią zmienne mające uchwycić inne
φ,θ,p
z1
p(z1, z2*, … , zn
*)
A
E
D
C
B
Miary nieefektywności rynku
p
z1
p(z1, z2*, … , zn
*)
Miara nieefektywności
rynku
(z1, z2*, … , zn
*)
D
Reszta modelu regresji
86
uwarunkowania, np.: czas sprzedaży mieszkania, dynamikę ogólnego poziomu cen,
współzależne oddziaływanie cech.
Estymacja 96 modeli ekonometrycznych, odrębnie dla szesnastu rynków miejskich
w Polsce, pozwoliła na identyfikację i weryfikację podstawowych czynników
cenotwórczych. Dostępność danych pozwoliła zbadać czynniki o charakterze
strukturalnym i dość ogólnie ujętą lokalizację. Brak danych uniemożliwił weryfikację
czynników określających sąsiedztwo nieruchomości. Poszukiwanie właściwych modeli
ekonometrycznych dla poszczególnych rynków lokalnych pokazało, że nie ma jednej,
wspólnej specyfikacji tych modeli. Najważniejsze cechy występujące w dwu i więcej
miastach to: wielkość mieszkania, lokalizacja, standard wykończenia lokalu, technologia
budowy, piętro, rok budowy, prawo własności związane z lokalem, rodzaj kuchni i liczba
kondygnacji budynku (częstość ich wystąpień na rynkach lokalnych pokazuje tabela
poniżej). Nieistotne okazały się potencjalnie wpływowe zmienne, tj.: garaż, pomieszczenie
dodatkowe typu piwnica, powierzchnia zewnętrzna (balkon, taras, loggia), ogólny stan
techniczny całego budynku wielorodzinnego, czy też winda.
Tabela 2 Cechy mieszkaniowe najczęściej występujące w modelach hedonicznych 16 polskich miast
Typ zmiennej Modele M4 2008 (liczba wystąpień
zmn.)
Miasta, w których zmn. nie
występowała
Wielkość mieszkania 13 Katowice, Łódź, Trójmiasto
Lokalizacja (dzielnica, osiedle,
subdzielnica lub ich oceny) 13 Olsztyn, Opole, Zielona Góra
Standard wykończenia 12 Olsztyn, Rzeszów, Wrocław,
Zielona Góra
Technologia budowy 12 Kraków, Opole, Warszawa,
Wrocław
Piętro 10
Rok budowy 9
Spółdzielcze prawo 8
Kuchnia 6
Kondygnacje 5
Interakcja 2
Pozostałe zmienne
(pz, x8, SO, garaz) 1
Źródło: Opracowanie własne.
Szacowne modele potwierdziły zakładane w teorii nieliniowe zależności między
ceną mieszkania a jego atrybutami. Z kolei współzależność cen atrybutów nie była tak
bardzo widoczna w modelach empirycznych, jak zakładano na podstawie modelu
teoretycznego. Zaskakujące jest, że zarówno w badaniach własnych, jak i zagranicznych,
zmienne interakcyjne okazały się mieć znaczenie jedynie w 10 przypadkach, na ponad 32
analizowanych rynków (6 razy w badaniach zagranicznych i 4 dla lokalnych rynków
w Polsce).
Empiryczne modele hedoniczne znajdują inne, poza pomiarem dynamiki cen
mieszkań, zastosowanie praktyczne. Należą do nich:
- Znajomość szacunków funkcji hedonicznej oraz domniemanych cen charakterystyk
mieszkaniowych pozwala na dokonanie obiektywnej i automatycznej wyceny rynkowej
wartości nieruchomości. Wycena hedoniczna daje podstawę funkcjonowania podatkowych
87
systemów katastralnych, a także może podnosić standardy operatów szacowanych przez
rzeczoznawców majątkowych.
- Za pomocą modeli hedonicznych cen mieszkań można ocenić jak ważne są
poszczególne cechy przestrzeni miejskiej, do których należą m. in. dobra publiczne i walory
środowiska. Czynniki takie jak: dostępność infrastruktury oświaty, zdrowia czy
komunikacyjnej, tereny zielone, bezpieczeństwo i wiele innych są „nabywane” wraz
z mieszkaniem. Wycena rynkowa tych czynników jest obiektywną miarą wartości, jaką
podmioty rynkowe im przypisują i może być wykorzystana m.in. w planowaniu
przestrzennym lub ocenie opłacalności inwestycji publicznych. Znajomość tej wyceny
pozwala na wymierną ewaluację decyzji i działań podejmowanych przez władzę centralną
i samorządy lokalne. Jak pokazuje przegląd badań międzynarodowych, zagranicą takie
zastosowanie modeli hedonicznych jest stosunkowo najczęstsze.
- Znajomość wyników tego typu badań zwiększa racjonalność decyzji nabywców
mieszkań i może ułatwiać negocjacje cenowe. Pozwala na odpowiednie kształtowanie
oczekiwań co do ceny transakcyjnej, tak by odpowiadała ona rzeczywistej wartości
rynkowej. Producentom umożliwia dopasowanie struktury podaży mieszkań do popytu,
przy czym kwestia ta dotyczy zarówno deweloperów jak i właścicieli mieszkań
dokonujących remontów i modernizacji istniejącego zasobu.
- Szczególnie istotnym obszarem zastosowania wyników analizy czynników
różnicujących ceny mieszkań jest pomiar dynamiki cen nieruchomości mieszkaniowych.
Wiarygodne wskaźniki dynamiki cen są podstawą monitoringu sektora i dalszych badań
zależności strukturalnych tego rynku i makroekonomicznych. Mierniki te pozwalają zatem
w odpowiedni sposób kreować politykę gospodarczą państwa.
Istnieje kilka różnych metod konstrukcji hedonicznych indeksów cen mieszkań.
Metody te można sklasyfikować według zaproponowanego schematu (por. schemat 1).
Dokładny opis i porównanie metod sugeruje, że w warunkach dostępności danych
o polskim rynku mieszkaniowym, możliwe jest wykorzystanie czterech z sześciu
przedstawionych metod. Ze względów teoretycznych (zgodność z teorią indeksów
statystycznych), preferowaną metodą jest metoda cen charakterystyk. Własne badania
empiryczne przeprowadzone na przykładzie Warszawy sugerują jednak wykorzystanie
indeksu wyznaczonego metodą ze zmiennymi zerojedynkowymi czasu lub imputacji
bezpośredniej.
Przeprowadzona analiza pokazuje, że w warunkach polskich rynków
mieszkaniowych możliwe i wskazane jest zastąpienie prostych indeksów cen wskaźnikami
hedonicznymi. Hedoniczne indeksy cen mieszkań z metod: ze zmiennymi
zerojedynkowymi czasu wszystkich i sąsiadujących okresów oraz metody imputacji
bezpośredniej dają zbieżne wyniki. Najmniej korzystna i wiarygodna, prawdopodobnie ze
względu na niewielkie próby danych, jest metoda cen charakterystyk, choć w teorii
uważana za najlepszą. W sytuacji słabej jakości mierników i cząstkowych baz danych
śledzenie dynamiki cen mieszkań powinno odbywać się z użyciem kilku alternatywnych
wskaźników dynamiki. W szczególności, jeśli zastosowanie metod hedonicznych nie jest
możliwe, rekomenduje się wykorzystanie wskaźników opartych na prostszej metodzie
korekty zmian „jakości” jaką jest stratyfikacja. Innym obszarem potencjalnych poszukiwań
88
może być konstrukcja wskaźnika zmian struktury. Jednak w ostatnim przypadku
wymagania dotyczące danych są zbliżone, jeśli nie takie same, jak dla hedonicznych
wskaźników cen.
Schemat 1 Podział metod konstrukcji hedonicznych indeksów cen.
Źródło: Opracowanie własne na podstawie literatury.
Kierunki planowanych badań
Prowadzona analiza otworzyła kilka nowych kierunków, w których badania powinny
być kontynuowane i rozwijane. Należą do nich następujące zagadnienia:
Poprawa jakości dopasowania modeli empirycznych. Jak zaznaczono wcześniej,
oszacowane modele ekonometryczne nie wyczerpują listy czynników różnicujących ceny:
po pierwsze ze względu na mnogość czynników warunkowaną indywidualnymi
potrzebami i preferencjami nabywców oraz użytkowników mieszkań; po drugie ze
względu na brak możliwości do rozbudowania bazy danych o obszerny zbiór
dodatkowych zmiennych. Kontynuując badania wykorzystuje się coraz bardziej
powszechne i dostępne możliwości technologii i źródeł danych z GIS (Geograficzne
Systemy Informacyjne), do bardziej szczegółowego zbadania wpływu lokalizacji
i sąsiedztwa nieruchomości na jej cenę. Wstępne wyniki tego typu badań prowadzone
w NBP potwierdzają istotne polepszenie wyników estymacji przy zastosowaniu tego typu
zmiennych.
METODY KONSTRUKCJI HEDONICZNYCH INDEKSÓW CEN
POŚREDNIE
Pośrednia metoda imputacji
Metoda hedonicznego
dopasowania jakości
BEZPOŚREDNIE
Metoda cen charakterystyk
Bezpośrednie metoda imputacji
Metoda ze zmiennymi zero-
jedynkowymi czasu (ZZC)
Metoda ZZC sąsiadujących okresów Metoda ZZC wszystkich okresów
89
Zastosowanie metod ekonometrii przestrzennej do wykluczenia wpływu zależności
przestrzennych między cenami mieszkań na efektywność estymatora MNK (Metoda
Najmniejszych Kwadratów). W niektórych badaniach międzynarodowych przestrzenna
autokorelacja składnika losowego okazuje się być istotna. Dlatego warto zastanowić się
także nad pomiarem wpływu wskazanych problemów (metoda estymacji i postać
funkcyjna, brak ważnych zmiennych objaśniających, słaba jakość danych oraz
nieefektywność rynku) na umiarkowaną jakość modeli empirycznych dla rynków polskich.
Poszukiwanie przyczyn różnej specyfikacji modeli hedonicznych oraz zróżnicowania
domniemanych cen charakterystyk między miastami. Potencjalnie ciekawe wnioski może
przynieść porównanie domniemanych cen charakterystyk między miastami i ich
odniesienie do fundamentalnych czynników kształtujących popyt i podaż mieszkań. Już
samo porównanie współczynników regresji między rynkami jest utrudnione ze względu na
różne specyfikacje modeli i kategoryzacje zmiennych wyjściowych, a także znaczną
wariancję istotności statystycznej oszacowań. Analiza tego typu odwołuje się do tzw.
drugiej fazy analizy hedonicznej, polegającej na identyfikacji domniemanych krzywych
popytu i podaży charakterystyk mieszkania. Jest to problem trudny teoretycznie, natomiast
w praktyce, barierą dla Polski jest brak odpowiednich danych.
Wybór odpowiedniej metody konstrukcji indeksu cen mieszkań. Należy podkreślić,
że metody ze zmiennymi zerojedynkowymi czasu wszystkich i sąsiadujących okresów
w przeprowadzonych badaniach dały prawie identyczne wartości dynamiki cen, choć
w teorii różnią się od siebie podstawowym założeniem dotyczącym stabilności
domniemanych cen charakterystyk. Poszukiwanie przyczyn tego stanu rzeczy otwiera
nowe pole badawcze. Statystycy posługując się teorią indeksów statystycznych próbują
jednocześnie odpowiedzieć na pytanie czy indeksy oparte na metodach ze zmiennymi
zerojedynkowymi czasu posiadają formalne własności statystycznych indeksów cenowych.
W kolejnych latach w Zespole ds. Rynków Nieruchomości NBP planowane jest
przeprowadzenie analogicznych badań dla rynku pierwotnego mieszkań
i jednorodzinnych nieruchomości mieszkaniowych, które w wielu miastach są ważnym
segmentem rynkowym.
Bibliografia:
Lancaster, K.J. (1966), A new approach to consumer theory, Journal of Political Economy, No 74
(2), s. 132.
Rosen, S. (1974), Hedonic prices and implicit markets: product differentiation in pure competition,
Journal of Political Economy, s. 34-55.
Tomczyk, E. i M. Widłak (2010), Konstrukcja i własności hedonicznego indeksu cen mieszkań dla
Warszawy, Bank i Kredyt, nr 1.
Widłak, M. (2010), Metody wyznaczania hedonicznych indeksów cen jako sposób kontroli zmian
jakości dóbr, Wiadomości Statystyczne, nr 9.
Widłak, M. (2013), Czynniki różnicujące ceny mieszkań na lokalnych rynkach w Polsce, rozprawa
doktorska, przewód doktorski przeprowadzono w SGH.
90
A3 Mieszkanie w teorii konsumenta
Jacek Łaszek60
1. Wprowadzenie
Sektor mieszkaniowy jako istotny społecznie, już od kilkudziesięciu lat jest
przedmiotem zainteresowań ekonomistów. W XX wieku, w miarę narastania majątku
mieszkaniowego i związanych z nim budownictwa oraz wierzytelności hipotecznych, obok
funkcji czysto konsumpcyjnych i społecznych, rosła rola sektora mieszkaniowego jako
czynnika wzrostu gospodarczego i stabilności sektora finansowego. Znalazło to swoje
odbicie w lawinowym wzroście prac poświęconych tej problematyce, zwłaszcza po
ostatnim kryzysie nieruchomościowym. W opracowaniach tych, podejmujących różne
aspekty oddziaływania sektora na gospodarkę i vice versa, przyjmuje się na ogół dosyć
uproszczone założenia związane z mikroekonomicznym charakterem mieszkania
i związanymi z nim wyborami konsumpcyjnymi oraz inwestycyjnymi gospodarstw
domowych (zob. Allen i Carletti, 2011). Tymczasem, jak pokazują ostatnie doświadczenia
i jak uczy nas tradycyjna ekonomia, modele makroekonomiczne, oparte na
niewystarczających przesłankach mikroekonomicznych, na ogół nie odzwierciedlają dobrze
otaczającej nas rzeczywistości. Rynek mieszkaniowy, zarówno rozpatrywany lokalnie, jak
też jako agregat na poziomie makroekonomicznym, jest rynkiem niedoskonałym,
cyklicznym i katastroficznym (obserwuje się gwałtowne załamania cen powiązane
z masowym brakiem spłat kredytów mieszkaniowych). Wynika to z mechanizmów
równoważenia się rynku (wieloletnie opóźnienie reakcji podaży, szoki popytowe
niemożliwe do zaspokojenia, kumulowanie napięć, nadmierna regulacja i pokusa
spekulacji), jak też warunków jego funkcjonowania (silny i zróżnicowany narodowo
wpływ polityki państwa i związanych z nim, zazwyczaj nadmiernych regulacji, wielość
podmiotów na rynku). W literaturze szeroko wskazuje się zwłaszcza podatność na
manipulacje i spekulacje, niską transparentność z powodu trudności z dostępem do
danych, silną polityczność, związaną z charakterem potrzeb i przekładającą się często na
system finansowy, który wymaga szerokiej regulacji, i z tego powodu jest często
poddawany niekompetentnej i procyklicznej interwencji (zob. Case. i Shiller, 2003, Herring
i Wachter, 1999). Te cechy, szeroko omawiane w literaturze sektorowej, są w pewnym
zakresie wynikiem cech, jakie charakteryzują mieszkanie i jakie różnią je od większości
pozostałych dóbr konsumpcyjnych (zob. Yang, 2006). W artykule skupimy się na tych
różnicach, które mają wpływ na wybory konsumenta bez wchodzenia w mechanizm
funkcjonowania rynku, arbitraż pomiędzy jego składowymi oraz mechanizm cykli (zob.
Wheaton, 1999).
Celem artykułu jest pogłębienie wiedzy o wyborach konsumenta w ujęciu
mikroekonomicznym, co pozwoli lepiej zrozumieć działanie nabywcy mieszkania oraz jego
wpływ na rynek mieszkaniowy. W rozdziale 2 przedstawiamy podstawowe płaszczyzny
60 Szkoła Główna Handlowa i Instytut Ekonomiczny, Narodowy Bank Polski.
91
analizy konsumenta na rynku mieszkaniowym. Rozdział 3 zawiera analizę mieszkanie pod
aspektem dobra konsumpcyjnego i inwestycyjnego. Następnie omawiamy jego rynkową
wycenę oraz koszt. Taka analiza pozwala lepiej zrozumieć wybór mieszkaniowy
konsumenta. Kolejno wchodzimy szczegółowo w wybór mieszkania jako dobra
heterogenicznego. Uwzględniając wnioski z powyższych podpunktów przedstawiamy
złożony wybór struktury popytu mieszkaniowego w formie oszczędności i konsumpcji.
Wnioski przedstawione są w rozdziale 4.
2. Podstawowe płaszczyzny analizy konsumenta na rynku mieszkaniowym
Podstawowy problem, na który natrafiamy przy analizie mieszkania jako dobra
konsumpcyjnego, to jego dualność rodząca heterogeniczność zarówno jako trwałego dobra
konsumpcyjnego lub dobra kapitałowego generującego usługi konsumpcyjne
i jednocześnie dobra o charakterze inwestycyjnym, przynoszącym dochody i wycenianym
przez rynek. W przypadku mieszkań OOH oba te wybory są ze sobą powiązane, gdyż to co
obserwujemy na rynku jako popyt mieszkaniowy jest sumą popytów inwestycyjnego
i konsumpcyjnego.
Mieszkanie jest dobrem konsumpcyjnym trwałym lub, według alternatywnej
interpretacji, kapitałem produkcyjnym, który generuje strumień usług zaspokajających
potrzeby konsumpcyjne. W konsekwencji mamy do czynienia z rynkiem usług
mieszkaniowych oraz z rynkami kapitałowymi (zasoby mieszkaniowe), na których
kształtują się rynkowe ceny usług i dóbr kapitałowych. W alokacji kapitału bierze udział
rynek finansowy, co powoduje, że na bazie kapitału mieszkaniowego tworzone są aktywa
finansowe. W przypadku mieszkań OOH mamy do czynienia z kapitałem i różnymi
usługami generowanymi na potrzeby jego właściciela, co powoduje, że mieszkanie
postrzegane jest jako trwałe dobro konsumpcyjne o określonych cechach.
Heterogeniczność mieszkania wpływa na wybory konsumentów tego dobra,
zarówno konsumpcyjne, jak i inwestycyjne. Obie te decyzje tworzą łączny popyt
mieszkaniowy, mimo że w obu przypadkach oczekiwane charakterystyki są odmienne.
Jednak, nawet jeżeli rozpatrujemy sam wybór konsumpcyjny OOH a wynajem, to wybór
OOH zawsze zawiera w sobie element inwestycyjny w postaci raty kapitałowej.
W każdej z omawianych dwóch funkcji mieszkanie jest dobrem heterogenicznym
(zob. Tomczyk i Widłak, 2010), co oznacza, że jego wartość użytkowa nie jest określona
punktowo, lecz przedziałowo61. Dodatkowo każda cecha różnicuje się jakościowo bądź
ilościowo. Oznacza to, że indywidualna wartość mieszkania dla konsumenta to ważona
jego preferencjami suma wartości jego atrybutów, podobnie jak dla sprzedającego (zakup
na rynku wtórnym). W przypadku producenta kwestia jest bardziej złożona - musi on
61 W uproszeniu można powiedzieć, że w przypadku dóbr homogenicznych, cena jednostki dobra jest
zdefiniowana punktowo przez przecięcie krzywych popytu i podaży (np. kilogram cukru). Natomiast dla
dóbr heterogenicznych istnieje pewien przedział jakości i związanych z nią cen, które konsument może
wybierać, np. wybierając różne standardy wykończenia mieszkania będziemy mieli do czynienia z różnymi
cenami m kw. (zob. Rosen, 1974).
92
produkować mieszkania pod indywidualne zamówienie lub na podstawie badania rynku.
Z punktu widzenia optymalizacji konsumenta i producenta oznacza to poważny problem,
gdyż przedmiotem optymalizacji jest koszyk cech (jakości), gdzie optymalizujemy jego
skład i ilość jakości dla każdej cechy oraz ilość produkowanych dóbr (bardziej po stronie
producenta).
W konsekwencji podstawowym problemem, z którym spotykamy się w przypadku
analizy wyboru konsumenta i inwestora na rynku mieszkaniowym, jest wielowymiarowy
charakter wartości mieszkania i w konsekwencji jego wybór, będący optymalizacją wielu
zmiennych. Dla celów analitycznych wygodniej jest zredukować liczbę wymiarów
podejmowanych decyzji. Drogę w tym kierunku sugerują też rzeczywiste możliwości
optymalizacyjne gospodarstwa domowego. Również obserwacja rynku, gospodarstw
domowych, jak też analiza współczesnej literatury dotyczącej funkcjonowania ludzkiego
mózgu62, prowadzą do wniosku, że podstawowe zachowanie gospodarstwa domowego, to
optymalizacja ograniczona do kilku, maksimum sześciu-ośmiu wymiarów, przy
traktowaniu pozostałych zmiennych raczej jako warunki poboczne lub forma procedury
iteracyjnej (konsultacje z żoną, znajomymi, dalsze poszukiwania, konsultacje, etc.). Nie
znamy też interakcji pomiędzy zmiennymi i nie mamy żadnej gwarancji, że oczekiwania
nabywców nie zmieniają się w czasie i przestrzeni. W konsekwencji trudno jest
przewidzieć, które atrybuty mieszkania będą wpływały faktycznie na optymalizację
wyboru, a które będą tylko chwilowymi warunkami pobocznymi branymi pod uwagę
przez gospodarstwo domowe, gdyż to co obserwujemy na rynku to efekt końcowy całego
procesu. Takie zachowanie bardziej przypomina serię optymalizacji cząstkowych, a dobrą
metodą przybliżenia rozwiązania końcowego może być zastosowanie metod ekonomii
eksperymentalnej. Ponieważ jednak ilość wyborów i zmiennych jest skończona, możemy
mówić o rozkładzie prawdopodobieństwa podejmowanych decyzji, co może być lepszym
rozwiązaniem niż opieranie się na wielowymiarowych, deterministycznych modelach
optymalizacji. Wiele badań pokazuje, że za pomocą modeli teoretycznych można wyjaśnić
zachowanie konsumenta, jednakże problemem jest wysoki poziom błędów. Powstaje więc
pytanie czy można go zmniejszyć czy ma on raczej charakter strukturalny dla tego rynku.
Istotnym czynnikiem dodatkowym wpływającym na dokonywane wybory jest fakt,
że rynek mieszkaniowy jest rynkiem niedoskonałym, ze złym przepływem informacji,
lokalnym, gdzie wybory dokonywane są na zasadzie indywidualnego dopasowania cech
mieszkania do preferencji kupującego.
Niedoskonałość funkcjonowania rynku mieszkaniowego powoduje, że bardzo
trudno o idealne dopasowanie struktury podaży do struktury popytu, co powoduje pewną
niejednoznaczność wycen charakterystyk i zawsze indywidualny charakter transakcji.
W odróżnieniu od dóbr homogenicznych mamy więc do czynienia nie z jednym punktem
równowagami, lecz z obszarem punktów równowagi.
62 Kahn, Moore and Glazer (1987) twierdzą, iż ograniczenia poznawcze ludzkiego umysłu nie
pozwalają na jednoczesne przetwarzanie dużych zbiorów informacji, co zmusza do podejmowania decyzji
hierarchicznych.
93
Rozpatrując konsumpcyjne wybory gospodarstw domowych rozpatrujemy
konsumpcję strumienia usług. Podstawowe wybory konsumenta to decyzje o wysokości
konsumpcji mieszkaniowej (ile mieszkania a ile innych dóbr i ile mieszkania a ile
oszczędności) oraz o wyborze formy tej konsumpcji pomiędzy własnością oraz
mieszkaniem na wynajem (zob. Augustyniak i in., 2013). W zależności od wybranej formy
własności na koszt usługi wpływ ma obowiązująca na rynku stopa procentowa oraz
zmiany wartości mieszkania (mieszkania OOH) lub czynsze rynkowe. Kształtują one linię
budżetu gospodarstwa domowego. W przypadku mieszkań OOH stopa procentowa
oddziałuje poprzez oprocentowanie kredytu mieszkaniowego oraz poprzez
oprocentowanie (koszt alternatywny) kapitału własnego, gdy mieszkanie nie jest
zadłużone. Obydwie stopy różnią się zazwyczaj63, można jednak założyć dla uproszczenia,
że w tym wypadku są podobne. Warto też zauważyć, że krótkookresowo nie ma
jednoznacznych zależności pomiędzy wysokością czynszów, o których poziomie decyduje
popyt i podaż na rynku czynszowym, a kosztem mieszkania OOH kupowanego na kredyt
lub szacowanego przy pomocy kosztów alternatywnych własnego kapitału. W tym drugim
przypadku decyduje sytuacja na rynku kapitałowym i rynku mieszkań OOH. Tak więc,
o ile w przypadku wyboru własności lub wynajmu nie mamy różnicy w wysokości
konsumpcji, o tyle różne krótko- i długookresowo mogą być koszty finansowania tej
konsumpcji oraz elementy pozakosztowe wpływające na wybór (przywiązanie do
mieszkania, bezpieczeństwo socjalne), z których podstawowym jest ratalne nabywanie
aktywa inwestycyjnego w przypadku własności. Zakup mieszkania własnościowego jest
więc formą oszczędzania.
W modelu z OOH decyzje stają się bardziej złożone, gdyż oprócz decyzji
o wysokości konsumpcji mieszkaniowej dodatkowo dochodzi wybór „ile mieszkania jako
oszczędności” związany z inwestycyjnym charakterem mieszkania i rynkiem obiektów.
Z kolei popyt inwestycyjny (oszczędności) możemy rozpatrywać jako złożenie dwóch
wyborów ,,ile mieszkania biorąc pod uwagę zmiany jego wartości’’ (co utożsamiamy
z motywem spekulacyjnym, krótkookresowym) i ,,ile mieszkania biorąc pod uwagę
utrzymywanie przez nie realnej wartości oraz/lub stałe dochody czynszowe’’ (co możemy
utożsamiać z długookresowym motywem przezorności). Obydwa wybory inwestycyjne
przejawiają się na rynku w postaci dodatkowego popytu mieszkaniowego, ale
w pierwszym przypadku mieszkanie będzie sprzedane, gdy osiągnie zakładana cenę.
Natomiast w drugim przypadku mieszkanie będzie trzymane jako majątek oraz
wynajmowane w celu uzyskania bieżących dochodów. W konsekwencji popyt
mieszkaniowy jest złożeniem w określonych proporcjach dwóch wyborów „ile mieszkania
jako konsumpcji” oraz ,,ile mieszkania jako oszczędności’’.
Jednak problem wyboru „mieszkanie jako konsumpcja” oraz „mieszkanie jako
inwestycje” jest bardziej złożony. Cel spekulacyjnej inwestycji mieszkaniowej również
może mieć charakter mieszkaniowy i sytuacje takie występują na rynku („kupię na kredyt
63 W przypadku Polski są one różne, natomiast mogą być też takie same w przypadku tzw. kredytów
własnych (personal loan), udzielanych przez właściciela mieszkania jego nabywcy bez pośrednictwa banku.
94
dodatkowe mieszkania, potem sprzedam i zarobię na własne mieszkanie”). Podstawowy
problem analityczny polega więc na tym, że na rynku popyt mieszkaniowy występuje bez
atrybutów i trudno jest go rozdzielić na omawiane kategorie (por. analiza przeprowadzona
przez Henderson i Ioannides, 1983 oraz Ioannides i Rosenthal, 1994).
Mieszkanie jako dobro heterogeniczne jest złożeniem swoich charakterystyk, które
decydują o zaspokajaniu potrzeb mieszkaniowych i składają się na rynkowe oraz
indywidualne wyceny jego wartości. W konsekwencji wybór mieszkaniowy jest zawsze
wyborem charakterystyk mieszkania i w konsekwencji decyzja ta wpływa na pozostałe
wybory konsumpcyjne. Patrząc odwrotnie, każda zmiana cen na pozostałych rynkach
wpływa na wybory mieszkaniowe, popyt na charakterystyki i ich rynkową wycenę.
Konsekwencją trwałości mieszkania i świadczenia usług w horyzoncie
przekraczającym okres biologicznej egzystencji gospodarstwa jest to, że musimy
uwzględnić odmienne zachowania gospodarstw już posiadających mieszkanie oraz tych,
które zamierzają je nabyć. Dodatkowo gospodarstwa już posiadające mieszkania będą
znajdowały się w innym punkcie funkcji użyteczności i będą inaczej wyceniały użyteczność
dodatkowej przestrzeni mieszkaniowej. Zmiany wartości mieszkania będą też
powodowały zmiany majątku gospodarstw domowych i tym samym zmieniały ogólny ich
punkt równowagi, w tym dotyczący konsumpcji mieszkaniowej i wyboru jego cech.
Trwałość mieszkania, poprzez posiadanie majątku mieszkaniowego, czy w ogóle
dotychczasowy poziom konsumpcji mieszkaniowej, będzie też istotnie wpływała na
wybory konsumenckie w skali makroekonomicznej. Wprawdzie każdy pojedynczy
konsument może sprzedać swoje małe mieszkanie i kupić, w miarę swoich możliwości,
nowe, dowolnie duże, to jednak w skali makroekonomicznej nie ma takiej prostej
możliwości. Wzrost dochodów gospodarstw domowych i związany z tym wzrost
zapotrzebowania na wyższy standard mieszkaniowy może być zrealizowany tylko poprzez
większy zasób mieszkań, który dopiero trzeba wyprodukować. Jednocześnie
w odróżnieniu od innych dóbr konsumpcyjnych, gdzie istotne zwiększenie konsumpcji
danego dobra może nastąpić w relatywnie krótkim okresie, tutaj wzrost ten jest rozłożony
na lata. W konsekwencji konsument nie porusza się po krzywej użyteczności wybierając
kolejne koszyki mieszkaniowe, lecz porusza się po cięciwie oddzielnie wyceniając kolejne
jednostki mieszkaniowe. Ma to istotny wpływ na wycenę konsumpcji mieszkaniowej, która
występuje jako dodatkowe jednostki, a nie jako nowe pakiety w przypadku dóbr
nietrwałych. Ponadto rozpatrując konsumpcję mieszkaniową należy też wziąć pod uwagę,
że w odróżnieniu od innych dóbr większość ludzi, szczególnie w naszych warunkach
klimatycznych już w jakiejś postaci zaspokaja swoje potrzeby mieszkaniowe, nie dokonuje
więc wyboru od początku tj. od stanu mieszkania na ulicy do stanu własnego mieszkania.
Można niewątpliwie wyróżnić kategorię tzw. first-time buyer, czyli przykładowo młode
małżeństwa, wynajmujące mieszkania lub mieszkające wraz z rodzicami, dla których
odczuwanie potrzeby samodzielnego mieszkania będzie bardzo silne (Reed i Mills, 2007).
Jednak bardzo dużo gospodarstw domowych już posiada własne mieszkanie (wg. danych
Eurostat) i ewentualnie zastanawia się nad jego powiększeniem. Porównując problem do
wyboru dóbr nietrwałych jest to taka sytuacja, w której przykładowo zastanawiamy się czy
kupić gruszkę czy jabłko, mając już jedną gruszkę w żołądku, a nie pusty żołądek.
95
Model Aoki, Proudman i Vlieghe (2002) dobrze przedstawia wybory konsumenta,
który do koszyka posiadanego dobra dokupuje lub wyprzedaje kolejne jednostki.
W przypadku opisywanym w niniejszym artykule konsument posiada mieszkanie na
własność i w kolejnych okresach może powiększać je lub pomniejszać. Celem konsumenta
jest maksymalizacja użyteczności w ciągu całego życia (maxU(C,H)) poprzez wybór
odpowiedniej proporcji pomiędzy poziomem konsumpcji mieszkań (Ht) oraz konsumpcji
innych dóbr (Ct) w różnych okresach. Żeby móc porównywać użyteczność mieszkania oraz
innych dóbr, uwzględniamy imputowany czynsz obliczony jako wartość mieszkania
pomnożona przez współczynnik k, odzwierciedlający relację czynszów do cen (por. Bajari i
in., 2013). Ponadto β<1 to parametr, który uwzględnia malejące użyteczności w funkcji
czasu. Indeksami t oznaczone są okresy życia konsumenta.
max ( ) ∑ ( ( )( )
)
Do analizy wprowadzono budżetowe warunki ograniczające dla dwóch,
następujących po sobie okresów (bt, bt+1):
( )
( )( )
Otrzymano równane Lagrange’a,
∑ ( ( )( ) )
+ ( ( )( ) )
Optymalne rozwiązania pokazują relacje pomiędzy ilością mieszkań i konsumpcji w dwóch
różnych okresach (wybór międzyokresowy):
( )
( )
( )
( )
oraz relację pomiędzy ilością mieszkań i konsumpcji w pierwszym okresie oraz w drugim
okresie (wybór śródokresowy):
( )( ) ( )
( )( ) ( )
Zagadnienie nabywania dodatkowych jednostek dobra do posiadanego już zasobu
jest szczególnie istotne w przypadku nieruchomości mieszkaniowych, gdzie z jednej strony
występują zmienne dochody, z drugiej relatywnie sztywny zasób. Przy szybkiej zmianie
dochodów mieszkania stają się dobrem relatywnie rzadkim i ich ceny rosną. Przy
odwróceniu się tendencji, gdy w trakcie kryzysu dochody spadają, często towarzyszy temu
96
zjawisku pęknięcie bańki cenowej i istnieje nadmiar niesprzedanych mieszkań
wystawionych na rynek.
Problem ten można prosto przedstawić graficznie i tabelarycznie posługując się
najprostszą krzywą obojętności (rysunek 1, tabela 1). Rozpatrujemy dwa dobra, gdzie z jest
konsumpcją mieszkania, natomiast x to konsumpcja pozostałych dóbr.
Rysunek 1 Krzywa obojętności gospodarstwa domowego przy wyborze mieszkaniowym i
konsumpcji innych dóbr
Wszystkie kombinacje dobra x i z na krzywej są jednakowo preferowane i przy
założonym budżecie b konsument wycenia dobro z, w zależności od jego ilości, jako pz. pz‘
określa średnie ceny kolejnych koszyków dóbr, natomiast pz‘’ to cena jaką konsument może
zapłacić za dodatkowe jednostki mieszkania.
Gdy dochody społeczeństwa i pojedynczego konsumenta wzrosną, popyt
mieszkaniowy, który jest praktycznie proporcjonalny do dochodów, rośnie. Mieszkanie
staje się dobrem relatywnie rzadkim i jego cena, którą konsument akceptuje przy danym
budżecie i preferencjach, rośnie. Jednak, jak wspomniano, w przypadku mieszkań
mechanizm ten ulega modyfikacji. Jeżeli posiadam już 20 m kw. mieszkania, a chcę
posiadać 30 m kw., to nie kupuję 30 m kw. płacąc po 333 PLN za m kw. (oczywiście
rozliczam to w miesięcznym strumieniu wydatków), tylko dokupię do posiadanych 20 m
kw., za które zapłaciłem 500 PLN za m kw. 10 m kw. płacąc za nie 333 PLN za m kw. Nie
kupuję więc dóbr w pakietach, tylko poruszam się po krzywej użyteczności. W
konsekwencji moje ceny, to ceny średnie takiej kombinacji. Zależność ceny mieszkania od
ilości konsumpcji mieszkaniowej prezentuje tabela 1.
Tabela 1 Ceny mieszkań a dochód gospodarstwa domowego
x*z=n; n= 20 t. kons wzrost spadek
budżet b= 20000 x z px pz pz' pz" pz-pz'/pz pz pz" z pz-pz"/pz
ilość x= 6,00 6,00 3,33 1666,67 3000,00 3000,00 1020,45 0% 83,33 83,33 120,00 66%
5,00 5,00 4,00 2000,00 2500,00 2750,00 822,50 -10% 100,00 91,67 100,00 67%
0,00 2,00 4,00 6,00 8,00
0,00
20,00
40,00
60,00
80,00
100,00
120,00
140,00
Inne dobra - x
Mie
szkanie
(m
kw
.) -
z
97
4,00 4,00 5,00 2500,00 2000,00 2500,00 636,11 -25% 125,00 102,78 80,00 68%
3,00 3,00 6,67 3333,33 1500,00 2250,00 465,63 -50% 166,67 118,75 60,00 69%
2,00 2,00 10,00 5000,00 1000,00 2000,00 317,86 -100% 250,00 145,00 40,00 68%
1,00 1,00 20,00 10000,00 500,00 1750,00 204,17 -250% 500,00 204,17 20,00 59%
0,50 0,50 40,00 20000,00 250,00 1535,71 145,00 -514% 1000,00 317,86 10,00 42%
0,33 0,33 60,00 30000,00 166,67 1364,58 118,75 -719% 1500,00 465,63 6,67 29%
0,25 0,25 80,00 40000,00 125,00 1226,85 102,78 -881% 2000,00 636,11 5,00 18%
0,20 0,20 100,00 50000,00 100,00 1114,17 91,67 -1014% 2500,00 822,50 4,00 8%
0,17 0,17 120,00 60000,00 83,33 1020,45 83,33 -1125% 3000,00 1020,45 3,33 0%
Konsekwencją takiego mechanizmu są zmodyfikowane wybory gospodarstwa
domowego. W warunkach „nadganiania” konsumpcji mieszkaniowej płaci ono więcej, niż
gdyby od razu nabywało poziom docelowy, zapewniając deweloperom specyficzną rentę.
Mechanizm ten działa też w drugą stronę. Gdy mieszkań jest za dużo, przykładowo po
kryzysie, stopniowa wyprzedaż tej oferty powoduje, że płacone efektywnie deweloperom
ceny są znacznie niższe i wolniej rosną. To co deweloperzy zyskują w czasie boomu mogą
musieć oddać w recesji. Zjawisko to dodatkowo tłumaczy przyspieszenia wzrostu cen
w fazie boomu mieszkaniowego i problemy deweloperów z wyjściem z recesji (zob.
rysunek 2).
Rysunek 2 Zmiany cen mieszkań w okresie boomu i recesji
Ceny średnie, które płaci konsument na tym rynku za osiągnięty poziom konsumpcji
znacząco odbiegają w górę od cen, które zapłaciłby w przypadku innych dóbr.
W warunkach wzrostu popytu rynek mieszkaniowy zapewnia więc producentom
dodatkową rentę, co może tłumaczyć wysoką zazwyczaj opłacalność produkcji mieszkań
i niską opłacalność najmu (por. NBP, 2013). Zależność ta działa też w drugą stronę - przy
spadku konsumpcji mieszkaniowej, a więc przechodzeniu od wysokiego do niższego
nasycenia mieszkaniami, ceny rosną względne wolniej, niż wynikałoby to z logiki teorii
konsumenta, czyli względnej rzadkości dóbr. Może to częściowo tłumaczyć gwałtowność
1 2 3 4 5 6 7 8 9 10 11
0
500
1000
1500
2000
2500
3000
Ilość (jednostka)
Cena w
zł /
m k
w.
pz (recesja)
pz' (recesja)
pz (boom)
pz'' (boom)
98
procesów załamania cen mieszkań przy pękaniu baniek cenowych, gdyż redukcja
konsumpcji w niewielkim stopniu przekłada się na wzrost rzadkości mieszkania
i związany z tym efekt wzrostu jego wartości.
Pełna analiza odzwierciedlająca realia rynków mieszkaniowych powinna jeszcze
uwzględnić dwa rodzaje finansowania mieszkań (stałe i zmienne stopy procentowe),
skutkujące odmiennym zachowaniem przy zmianach stóp procentowych oraz różnego
typu restrykcje nakładane na rynek czynszowy (głównie przeciętną długość kontraktu
i możliwość podnoszenia czynszu w trakcie trwania kontraktu), jak też OOH (subsydia,
podwyżki stawek podatku katastralnego). Mają one wpływ na odchylanie się rynku od
warunków równowagi, kumulacje napięć oraz arbitraż pomiędzy rynkiem OOH
i czynszowym.
Rozpatrując zachowanie gospodarstwa domowego na rynku mieszkaniowym nie
sposób też abstrahować od kontekstu społecznego. Wymaga to uwzględnienia fazy
rozwoju gospodarstwa domowego zarówno z punktu widzenia tzw. cyklu
mieszkaniowego (zmiana potrzeb mieszkaniowych w cyklu życia gospodarstwa), jak też
cyklu życia (proporcje konsumpcji i aktywów zgodnie z teoriami typu permanentna
konsumpcja).
W amerykańskim, międzygeneracyjnym modelu mieszkaniowym, często
spotykanym w literaturze64, starsze, emeryckie gospodarstwa domowe mające mieszkanie
i oszczędności sprzedają swoje mieszkania młodym gospodarstwom domowym za kredyt
udzielany z ich środków, którego spłaty (odsetki) są dodatkowym dochodem tych
gospodarstw poza emeryturą. Jednak inwestycje w hipoteczne papiery dłużne mogą
dotyczyć też pozostałych gospodarstw domowych i mogą być instrumentem oszczędzania
na przyszłe mieszkanie (wkład własny) lub cele poza mieszkaniowe. Dlatego pełen model
sektorowy zachowań mieszkaniowych gospodarstwa domowego, zwłaszcza dla krajów
o rozwiniętym rynku mieszkaniowym i wysokim zadłużeniu sektora mieszkaniowego,
powinien dodatkowo zawierać analizę gospodarstwa domowego w czasie i jako inwestora
w dłużne papiery hipoteczne (jako dodatkowy wybór konsumpcja czy oszczędności
z bankiem jako pośrednikiem finansowym).
Kredyty mieszkaniowe, a zwłaszcza oparte na nich papiery wartościowe (obligacje,
akcje banków hipotecznych, udziały w funduszach nieruchomościowych), mogą stanowić
bardziej płynną alternatywę dla bezpośrednich inwestycji mieszkaniowych i ograniczać
bezpośredni, indywidualny popyt mieszkaniowy na obiekty traktowane jako inwestycje
czy oszczędności. Można więc przypuszczać, że zwiększając podaż kredytów
i finansowanie typu equity poprzez fundusze będą one z jednej strony zwiększać popyt
mieszkaniowy jako konsumpcję, mogą jednak ograniczać jako dobra suplementarne popyt
inwestycyjny na mieszkania.
64 Bajari i in. (2010) prezentują model cyklu życia. W każdym okresie gospodarstwa domowe wybierają
pomiędzy konsumpcją mieszkań i innych dóbr oraz podejmują decyzje dotyczące zapożyczania się oraz
oszczędności.
99
3. Mieszkanie jako dobro. Konsumpcja mieszkaniowa, jej rynkowa wycena i koszt.
Wybór mieszkaniowy
Mieszkanie jest trwałym dobrem konsumpcyjnym, o czasie zużycia czy konsumpcji
liczonym w dziesiątkach lat i wielokrotnie przekraczającym horyzont czasowy
gospodarstwa domowego. Pierwszą konsekwencją tego faktu jest poważna wątpliwość, czy
istotnie należy traktować mieszkanie jako tzw. trwałe dobro konsumpcyjne, czy raczej jako
dobro kapitałowe generujące usługi mieszkaniowe. Byłoby to zgodne z zapisem inwestycji
mieszkaniowych w rachunkach PKB, zarówno metodą SNA, jak też MPS jako inwestycje
kapitałowe czy inwestycje produkcyjne. Przy interpretacji „kapitałowo-usługowej” zwraca
uwagę bardzo wysoki udział kapitału w stosunku do czynnika pracy przy usłudze
mieszkaniowej. W konsekwencji rynek mieszkań, na którym porusza się gospodarstwo
domowe, występuje jako rynek usług czy przestrzeni na wynajem oraz rynek obiektów
czyli mieszkań. Ten dualizm jest szeroko ujmowany w literaturze dotyczącej
nieruchomości komercyjnych. W przypadku mieszkań są to rynki usług i konsumpcji oraz
kapitału rzeczowego. Konsekwencją tej sytuacji jest modyfikacja zachowań
konsumenckich. Zmiany ceny mieszkania inaczej oddziałują na gospodarstwa domowe
posiadające mieszkania (efekt majątkowy), inaczej na gospodarstwa tych mieszkań nie
posiadające (efekty cenowy i dochodowy). Ten aspekt ma jednak jeszcze jedną warstwę.
W przypadku konsumpcji dóbr nietrwałych każdy wybór jest wyborem „od początku”,
gdyż dobro jest konsumowane całkowicie w określonym czasie. W przypadku mieszkań
zbliżona sytuacja występuje w przypadku wynajmu mieszkań, czyli na rynku usług
konsumpcyjnych, gdzie możemy przedłużyć lub nie dotychczasowy kontrakt.
W przypadku mieszkań OOH sytuacja jest jednak odmienna, gdyż równolegle
z konsumpcją posiadamy dobro kapitałowe. W konsekwencji już posiadany kapitał
rzeczowy i związany z nim dotychczasowy strumień usług mieszkaniowych, generowany
przez posiadane mieszkanie, modyfikuje wybór konsumenta (por. rozdział 1). Poniżej
przedstawimy czynniki wpływające na rynkową cenę usług i dobra, które są podstawą
podejmowania decyzji konsumenckich.
3.1. Rynkowa wycena i koszt mieszkania
Mieszkania generują usługi, które są sprzedawane na rynku i generują dochody
czynszowe. W przypadku mieszkań OOH miejsce czynszu zajmą czynsze imputowane,
czyli kwota zaoszczędzona przez właścicieli z tytułu, że już nie muszą płacić czynszów,
a jej wielkość jest przejęta z rynku wynajmu65.
Po drugiej stronie rachunku pojawią się jednak koszty uzyskania tych dochodów.
Pełne koszty świadczonych usług mieszkaniowych będą zawierały poniesione, bieżące
koszty materialne i rzeczowe (remonty, bieżąca eksploatacja), opłaty i podatki, koszty
65 W Szwajcarii w 2010 roku rynek najmu stanowił ok. 56% zasobu mieszkaniowego. W kraju tym do
obliczania podatku dochodowego czynsze imputowane są wliczane do dochodu, co zmniejsza chęć
posiadania mieszkania własnościowego przez obywateli (por. Bourassa i in., 2010).
100
kapitału (rozumiane jako procent od wartości mieszkania oraz rentę gruntową czy rentę
miejską w przypadku mieszkań poza terenami rolniczymi, gdy dzierżawimy ziemię lub po
prostu koszt jej zakupu pomnożony przez stopę procentowa, gdy ziemię kupiliśmy) oraz
ewentualne dochody kapitałowe związane z aprecjacją mieszkań. W uproszczeniu formułę
tę w postaci strumienia (rocznego, kwartalnego) możemy zapisać jako:
( ) ,
Gdzie:
– całkowite koszty mieszkania (total cost of housing)
- koszt budowy
- koszt ziemi
– stopa zwrotu bez ryzyka
- koszt eksploatacji
- koszt remontów
- koszty finansowe (np. ubezpieczenie, podatki)
- aprecjacja
Jeżeli mieszkanie finansujemy kredytem, to w miejsce kosztów kapitału pojawiają się
odsetki od kredytu oraz utracone odsetki od naszego udziału własnego. Różnica pomiędzy
kosztem a dochodem, to zysk wytworzony w danym okresie. W tym ujęciu mieszkanie
rozpatrywaliśmy jako przepływy generowanych przez nie usług (dochodów) i kosztów.
Aby ponownie przejść do rachunku zasobów kapitału należy te strumienie zdyskontować.
Jeżeli traktować mieszkanie jako dobro kapitałowe, eksploatowane przez nas
w czasie t0 - t do którego wytworzenia użyto klasycznych czynników produkcji (kapitał,
praca, ziemia), to jego najprościej obliczana wartość rynkowa na rynku obiektów na czas t0
będzie zdyskontowaną sumą wartości świadczonych usług czyli czynszów,
pomniejszonych o koszty usług i powiększoną o ewentualną wartość rezydualną, po której
sprzedamy mieszkanie po czasie t.
∑
( )
( ) ,
gdzie:
- wartość czynszu
- stopa dyskontująca, zakłada się że jest stała w czasie
-wartość rezydualna
W konsekwencji mieszkanie staje się aktywem rzeczowym przynoszącym regularne
dochody w postaci dywidendy oraz dochody z zysków kapitałowych i może stać się
podstawą emisji aktywów finansowych, których wartość określa suma zdyskontowanych
dochodów, korygowanych ryzykiem. Wysokość czynszu uzależniona jest długookresowo
od relacji podaży i popytu na zasób, a więc tradycyjnych, fundamentalnych czynników
oddziałujących na popyt (dochody, demografia, migracje) i podaży zasobu (zasób
historyczny – ubytki - zmiany przeznaczenia + budownictwo). Podobny sposób
rozumowania możemy zastosować do mieszkań OOH.
Zestawienie pełnej wartości świadczonych usług z ich wyceną rynkową daje
odpowiedź na pytanie o nadzwyczajną stopę zwrotu z inwestycji mieszkaniowej,
101
uzyskiwaną przeciętnie w omawianym okresie i ekonomiczny sens świadczenia usług
mieszkaniowych.
Dla gospodarki zrównoważonej czynsze, oprócz kosztów eksploatacyjnych, powinny
pokrywać koszty kapitału. Jeżeli wartość czynszu przekracza pełne koszty kapitału
w ujęciu okresowym, oznacza to zyski nadzwyczajne i można oczekiwać realokacji kapitału
do sektora oraz wzrostu oszczędności i w konsekwencji rozwoju zasobu. W przeciwnym
przypadku będzie występować zjawisko odpływu kapitału z sektora. Przepływy dotyczą
sektora mieszkań na wynajem i mieszkań OOH oraz sektora mieszkaniowego i reszty
gospodarki.
Analizując wybory konsumenckie na rynku rozpatrujemy zazwyczaj
krótkookresowo i indywidualnie optymalny wybór, jako ten obserwowalny fizycznie na
rynku. W krótkim okresie podaż na rynku określona jest nie przez zasób mieszkaniowy,
tylko przez ilość mieszkań wystawionych do sprzedaży, natomiast popyt to osoby
poszukujące mieszkań.
Gospodarstwo domowe dokonuje wyboru konsumpcji mieszkaniowej kierując się
wielkością swojego budżetu, ceną usługi mieszkaniowej w dostępnej formie własności
i swoimi preferencjami. Dzięki stopie procentowej i czynszom imputowanym możemy
rozpatrywać wybory mieszkaniowe zestawiając mieszkanie z pozostałymi, nietrwałymi
dobrami konsumpcyjnymi, możemy też porównywać wybory mieszkań czynszowych
i OOH (por. rysunek 4). Na rysunku 4 stopa procentowa odzwierciedlona jest poprzez kąt
α. Spadek stopy procentowej powoduje zwiększenie się kąta α do α‘ i w konsekwencji
zmianę ograniczenia budżetowego w kierunku potencjalnie większej ilości konsumpcji
mieszkaniowej. Przy danej funkcji użyteczności spowoduje to efekt substytucyjny
i dochodowy, a poprzez to zwiększenie konsumpcji mieszkań. Koszt mieszkania OOH to
odsetki od kredytu lub koszt alternatywny własnego kapitału liczony od wartości rynkowej
mieszkania. W przypadku mieszkań czynszowych są to czynsze i nie występuje tu
krótkookresowa zależność od cen rynkowych oraz stóp procentowych. Zależność taka
pojawi się jednak w długim okresie i spowoduje przepływy kapitału pomiędzy tymi
rynkami. Rzeczywiste wydatki gospodarstwa domowego na mieszkanie są jednak większe
o spłacany kapitał, który stanowi element inwestycyjny zakupu OOH.
102
Rysunek 4 Konsumpcja mieszkaniowa (H) a konsumpcja pozostałych dóbr (L)
3.2. Wybór własności mieszkania
Wybór formy własności mieszkania można traktować jako wybór substytucyjnych
form konsumpcji.
Przedmiotem porównania może być koszt własności mieszkaniowej versus koszt
wynajmu lub koszty odsetek od kredytu i koszty alternatywne własnego kapitału
skorygowane o podatki i subsydia oraz uwzględniające przyszłe zyski kapitałowe versus
czynsz netto (opłaty czynszowe bez eksploatacyjnych). Krzywe obojętności to zależność
substytucyjna pomiędzy kosztem kredytu i czynszem netto, skorygowane o ewentualne
preferencje (przykładowo praca wymagająca dyspozycyjności i niechęć do wiązania się ze
stałym mieszkaniem) i oczekiwania konsumenta (przykładowo wzrostu cen). Linia
budżetowa to rzeczywista wartość konsumpcji mieszkaniowej, którą można osiągnąć
w tych dwóch formach uwzględniając istniejące na rynku podatki, ulgi i subsydia
dotyczące mieszkań OOH oraz wynajmowanych, wpływające na faktyczne możliwości
konsumpcyjne.
Pewnego komentarza wymaga problem spłat kapitałowych ponoszonych przez
właścicieli mieszkań OOH finansujących je kredytami. W długim okresie, w stanie
równowagi czynsze powinny pokrywać koszty alternatywne kapitału oraz jego
amortyzację. Koszty alternatywne kapitału z uwzględnieniem ryzyka wynajmu powinny
być zbliżone do kosztów finansowania się kredytem, zaś amortyzacja kapitału powinna być
zbliżona do amortyzacji kredytu. W rzeczywistości rachunek jest znacznie bardziej
skomplikowany, gdyż amortyzacja mieszkania trwa kilkadziesiąt lat, w trakcie których jest
ono poddawane wielokrotnym remontom, w tym kapitalnym i wielokrotnie zmienia
właściciela. W konsekwencji trudno jest policzyć pełną ratę kapitałową oraz pełen koszt
alternatywny kapitału. W krótkim okresie poziom czynszów i cen na rynkach OOH
wyznaczany jest przez krótkookresowe zmiany popytu. Jednak wysokość raty
amortyzacyjnej będzie zazwyczaj niższa od raty kapitałowej, która jest elementem
= 𝑖
=
H
L
103
wymuszonych oszczędności, co może skutkować niższym kosztem wynajmu.
W rzeczywistości czynnikiem decydującym będą bieżące relacje popytu i podaży na rynku
OOH i czynszowym.
Czynnikiem decydującym o stabilności wyboru OOH versus mieszkania czynszowe
będą koszty transakcyjne zmiany własności. W przypadku niewielkich różnic w kątach
nachylenia krzywej budżetu oraz krzywej obojętności już niewielkie zmiany ich kształtu
powodowane zmianami cen, czynszów, subsydiów i podatków oraz stóp procentowych
czy preferencji gospodarstw domowych (skłonności do inwestycji czy większej mobilności)
skutkowałyby częstymi przejściami pomiędzy jedną i drugą formą. W rzeczywistości, na
rynku nie obserwujemy takich zjawisk, z powodu wysokich kosztów transakcyjnych
(koszty sprzedaży i nabycia własności, koszty rozwiązania umowy czynszowej). Jedno
z możliwych ujęć problemu wyboru własności mieszkania prezentuje rysunek 5a, 5b i 5c.
Rysunek 5a, 5b i 5c Wpływ kosztów transakcyjnych (Tc) na wybór mieszkania OOH versus
czynszowego (R)
a)
b)
c)
OOH
R
1.
2.
OOH
R Tc
Tc
OOH
R
Tc
Tc
104
Traktując wynajem mieszkania za rynkowy czynsz oraz jego zakup finansowany
kredytem lub własnym kapitałem jako substytuty doskonałe, czynnikiem decydującym
będzie opłacalność ekonomiczna transakcji dla konsumenta, rozumiana jako
maksymalizacja jego użyteczności przy danym budżecie i cenach usług mieszkaniowych
(wynajem versus własność). W warunkach równowagi konsument nie będzie wiedział co
wybrać (wybór ambiwalentny) - rysunek 5a, jednak każda zmiana warunków najmu, którą
można wycenić, jak też kosztu własności (koszt kapitału oraz pozostałe koszty), będą
powodować skokowe zmiany decyzji własności lub wynajmu i ruchy po mapie obojętności
konsumenta (zob. rysunek 5a). W takiej sytuacji zmieniać się będzie nachylenie linii
budżetu konsumenta. Wzrost kosztów najmu i spadek dostępności mieszkania w tej formie
spowoduje wybór własności (pkt. 1), dla odmiany zmniejszenie kosztów najmu to wybór
najmu (pkt. 2). Podobnie rzecz wygląda ze zmianami kosztów własności. W rzeczywistości
na wybór wpływ mają właśnie te dodatkowe czynniki, które są nie tylko odmiennie
wyceniane przez różne gospodarstwa domowe i dotykają je w odmiennym stopniu
(przykładowo ograniczenia kredytowe), ale dodatkowo przypisuje się im różne
prawdopodobieństwa przyszłej realizacji (przykładowo ceny wzrosną, czynsze spadną,
będą wprowadzone wyższe podatki, ochrona lokatora będzie zliberalizowana, etc.).
Czynniki te dla odmiany przypisane są mapie obojętności konsumenta, który w zależności
od sytuacji ekonomicznej może bardziej cenić oszczędzanie w postaci własności
mieszkaniowej czy mobilność związaną z wynajmem mieszkania. Powoduje to, że
rzeczywiste krzywe wyboru pojedynczych gospodarstw domowych przestają być
krzywymi charakterystycznymi dla dóbr doskonale substytucyjnych i przy danych
rynkowych relacjach kosztów odsetkowych i czynszu netto odchylają się in plus i in minus
w indywidualnych przypadkach. W skali makroekonomicznej powoduje to określony
rozkład decyzji wyboru pomiędzy omawianymi formami własności, co skutkuje
proporcjami ekonomicznymi pomiędzy mieszkaniami na wynajem i mieszkaniami
własnościowymi (rysunek 5c). Warto też dodać, że w rzeczywistej gospodarce z zasady
występują różne formy pośrednie pomiędzy rynkowym najmem i własnością (najem
subsydiowany, najem w zasobie publicznym, formy własności typu spółdzielcze prawo
własnościowe czy lokatorskie), co powoduje, że rzeczywista mapa preferencji i linia
budżetowa nie jest bimodalna, a wybór jest bardziej złożony.
Omawiany model, ze względu na bimodalność decyzji i zmienność oczekiwań
i preferencji gospodarstw domowych oraz faktycznych kosztów mieszkań czynszowych
i własnościowych (oczekiwania dotyczące cen mieszkań, stóp procentowych, subsydiów)
charakteryzuje wysoka zmienność decyzji, która nie jest obserwowalna na rzeczywistych
rynkach charakteryzujących się lepkością i kumulacją napięć. Czynnikiem wyjaśniającym
tę rozbieżność są wysokie koszty transakcyjne (kaucja, restrykcje przy wcześniejszym
zakończeniu umowy najmu, koszty sprzedaży i kupna nieruchomości oraz uzyskania
kredytu hipotecznego) powodują, że struktura własności jest względnie stała, a arbitraż
rozumiany jako przepływy zasobu pomiędzy tymi dwoma rynkami ograniczony (rysunek
5b). Dlatego rozpatrując zagregowane wybory na rynku (rysunek 5c), można zauważyć, iż
punkt równowagi (aktualna struktura mieszkań na wynajem i własnościowych) będzie
105
bardzo stabilny i dopiero gdy zyski z transakcji przekroczą istotnie koszty transakcyjne
spowoduje procesy dostosowawcze.
3.3. Wybór mieszkania jako dobra heterogenicznego
Kolejnym istotnym czynnikiem, który należy uwzględnić w analizie, jest
heterogeniczność mieszkania, rozumiana zgodnie z teorią dóbr heterogenicznych Rosena
(zob. Rosen, 1974). Oznacza ona, że wartość mieszkania jest sumą wartości jego cech
składających się na tę wartość, za które płacimy po stawkach rynkowych. W przypadku
mieszkania mogą to być cechy od czysto funkcjonalnych, poprzez estetyczne, do
związanych ze sferą społeczną (struktura społeczna osiedla i otoczenia, dostępność do
usług publicznych). Za cechę mieszkania należy też uznać omawianą wcześniej jego formę
własności. Cechy te są wyceniane poprzez różne gospodarstwa domowe, a ich wartość
ulega też zmianom w funkcji ewolucji gospodarstwa domowego (cykl rozwojowy
gospodarstwa). Według Rosena, pomimo że nie możemy obserwować rynków
poszczególnych cech i kształtujących się na nich wartości cząstkowych dobra (stąd nazwa
rynki i ceny ukryte), to istnieją one w rzeczywistości i możemy rynki te wraz z ukrytymi
cenami szacować pośrednio. Heterogeniczny charakter mieszkania jako dobra ma jednak
znacząco szerszy zakres niż przyjmowany praktycznie w wycenach wartości rynkowej
mieszkań oraz teorii Rosena, gdzie dotyczył w zasadzie jednego rodzaju wartości
użytkowej definiowanej poprzez szereg cech szczegółowych. Rosenowska analiza rynku
dosyć istotnie różni się od klasycznej analizy konsumenta zarówno jeżeli chodzi o stronę
techniczną, jak i teorię. Przede wszystkim brak jest klasycznej ceny równowagi, gdyż
konsument nie nabywa ilości dóbr, tylko ich jakość. Cena rynkowa jest więc opisana
krzywą, a nie jest punktowa, natomiast rynek jest rozumiany jako składanka swoich
segmentów. Wybór dotyczy więc ilości jakości w dobrze oraz ilości dobra, nie jest więc
punktowy i nie poddaje się klasycznej optymalizacji. W konsekwencji Rosen wprowadza
nieintuicyjne, indywidualne krzywe oferty i wyboru jako punkty równowagi na ogólnej
krzywej opisującej zależność pomiędzy jakością dobra a jego ceną. Optymalizacja,
szczególnie od strony producenta, zakłada więc optymalizację ilości jakości w dobrze oraz
wielkości produkcji dóbr, co nie musi w przypadku producenta prowadzić do
jednoznacznych rozwiązań. Na szczęście w przypadku mieszkań, które są typowym
dobrem heterogenicznym, przy analizie prowadzonej od strony konsumenta
podstawowym wyborem jest zazwyczaj jedno mieszkanie, które sprowadza problem
optymalizacji do wyboru jakości, co w przypadku mieszkań oznacza wybór koszyka ich
charakterystyk. Przy założeniu, że jakość możemy też kwantyfikować oraz wyceniać
oznacza to, że możliwe jest, przynajmniej na podstawowym poziomie analizy,
zastosowanie klasycznej teorii konsumenta.
Jednak istnieją też problemy związane z adaptacją rynku mieszkaniowego do tej
teorii, a zwłaszcza dotyczące badań rynku mieszkaniowego. U Rosena jakość jest
w pewnym sensie wystandaryzowana i dotyczy dóbr nietrwałych. W konsekwencji
kupujący nie ma problemu z jej dopasowaniem zarówno przy transakcji indywidualnej, jak
też przy wyborze segmentu rynku. W przypadku rynku mieszkaniowego każde
mieszkanie i związana z nim jakość jest inne, a ich podaż to w znacznej mierze już
106
istniejący zasób. W konsekwencji stanem normalnym jest rozmijanie się w pewnym
zakresie preferencji konsumentów i struktury podaży, co musi prowadzić do naturalnej
zmienności (niejednoznaczności) wycen atrybutów mieszkania.
Również podział na zmienne czysto ilościowe i jakościowe może być nadmiernym
uproszczeniem. W przypadku mieszkania jego charakterystyka o znaczeniu ilość również
ma charakter heterogeniczny. Może ona być rozumiana jako wielkość mieszkania
wyrażona w metrach, pokojach, czy w specyficznym przypadku oznacza wybór pomiędzy
jednym lub dwoma czy trzema mieszkaniami (przykładowo w skali gospodarstwa
domowego wspólny domek z rodziną dziecka czy dwa niezależne mieszkania, a być może
jeszcze jedno jako lokata oszczędności). Element ten jest szczególnie istotny przy badaniu
popytu w skali makroekonomicznej, gdyż operowanie nieadekwatnym miernikiem ilości
(liczba mieszkań na 1000 mieszkańców, liczba m.kw. na 1000 mieszkańców, liczba pokoi na
1000 mieszkańców czy liczba gospodarstw domowych na 1000 mieszkańców), spowoduje
wadliwą ocenę procesów rynkowych. Jeżeli popyt mieszkaniowy jest wynikiem wzrostu
wielkości gospodarstw domowych (większa liczba dzieci), to na rynku wzrośnie przede
wszystkim popyt na nową powierzchnię, poprzez wzrost popytu na wielkość mieszkań
definiowaną w metrach kwadratowych. Jeżeli natomiast wzrost popytu będzie związany ze
wzrostem liczby gospodarstw domowych (starzenie się społeczeństwa czy odwrotnie
przyrost młodych małżeństw), to przyrost popytu będzie oznaczał wzrost popytu na
samodzielne mieszkania, często budowane w specjalnej formule dla ludzi starszych lub
mniejsze mieszkania będące pierwszym dla młodych gospodarstw domowych. Będzie to
też oznaczało, że na rynku odpowiednio zmienią się ceny jednostkowe (m kw.) większych
lub mniejszych mieszkań.
W konsekwencji mówiąc o mikroekonomicznym wyborze konsumenta na rynku
mieszkaniowym mówimy de facto o dwóch wyborach, które jednak przekładają się na
następujące współzależności.
Klasyczny wybór mikroekonomiczny to wybór pomiędzy mieszkaniem, innymi
dobrami oraz oszczędnościami. Mówiąc o oszczędnościach będziemy je rozumieli
jako oszczędności na mieszkanie (konsumpcja w czasie) oraz mieszkanie jako
oszczędności (mieszkanie jako aktywo rzeczowe).
Wybór, nazwijmy go umownie dla odróżnienia od poprzedniego wyborem
ukrytym, to omawiany wcześniej wybór jakości, czyli w przypadku mieszkania
wybór koszyka jego cech\charakterystyk.
Równowaga, nazwijmy ją umownie - mikro-wybory ukryte. Wybór charakterystyk
mieszkania jest w sposób oczywisty związany z wyborem mieszkania. Od strony
formalnej oznacza to, że w funkcji użyteczności konsumenta mieszkanie występuje
jako zagnieżdżona funkcja użyteczności jego cech. W konsekwencji wybór
konsumpcji mieszkaniowej jest zawsze wyborem pewnego koszyka charakterystyk.
Oznacza to, że zmiana cen pozostałych dóbr wpływa na wybór mieszkaniowy i
wybór jego charakterystyk i vice versa.
W celu graficznej prezentacji wyboru atrybutów mieszkania jakość mieszkania można, z
pewnym uproszczeniem niezbędnym dla rozważań modelowych, zredukować do
standardu mieszkania, jego lokalizacji i statusu prawnego. Standard mieszkania można
107
z kolei rozdzielić na standard budynku, mieszkania i otoczenia lub tzw. standard
zewnętrzny i wewnętrzny mieszkania. Lokalizacja to dla odmiany lokalizacja samego
mieszkania w budynku, lokalizacja samego budynku, osiedla czy dzielnicy i miasta. Forma
prawna związana jest z siłą prawa własności. Oznacza to, że rynek mieszkaniowy
zazwyczaj wyżej wycenia prawa silniejsze (przykładowo własność od współwłasności,
własność od użytkowania wieczystego) czy prawa pozbawione ograniczeń (prawo drogi,
dożywocie, etc.). Podstawowe wybory atrybutów mieszkania przez konsumenta
wyznaczające wielkość i strukturę wartości mieszkania jako dobra konsumpcyjnego
prezentuje rysunek 6a. W celu możliwości prezentacji graficznej rzeczywisty wybór, który
odbywa się w przestrzeni 6 wymiarowej zredukowano do 4 wymiarów, pomijając
prezentację wyborów ilość-forma prawna i standard-lokalizacja.
Rysunek 6a Podstawowe wybory: ilość-forma prawna i standard-lokalizacja
Omawiając problematykę wyboru ukrytego na zwykle przedstawiamy linie budżetu
konsumenta w sposób uproszczony, sugerujący klasyczny jej kształt (por. rysunek 5a,b,c).
W rzeczywistości linia budżetu będzie nieliniowa, może być nieciągła i reprezentowana
przez punkty, albo linie łamane, nie będzie też dochodzić osi (por. rysunek 6b). Wynika to
z faktu, że niektóre cechy jakościowe są określane punktowo (przykładowo własność), przy
pewnych podsektorach rynku zależności ilość-jakość będą zróżnicowane, więc konsument
będzie poruszał się po obwiedni, przy innych zależności te będą się zmieniały nieliniowo.
Brak styczności do osi wynika z faktu, że pewna minimalna ilość mieszkania jest
niezbędna, aby dokonywać wyborów jakościowych i vice versa każda ilość reprezentuje
jakąś jakość.
Standard
Forma prawna
Lokalizacja
Ilość
108
Rysunek 6b Linia budżetu gospodarstwa domowego przy wyborze ukrytym na rynku
mieszkaniowym
Ilustracją problemów współzależności pomiędzy wyborem dobra i wyborem
atrybutów tego dobra może być analiza wyboru konsumpcji mieszkaniowej połączona z
optymalizacją jakości mieszkania. W tej pierwszej współzależności spadek rynkowej
wyceny danej cechy (przykładowo określonej lokalizacji) skutkuje wzrostem popytu na
daną cechę i w konsekwencji na mieszkanie oraz spadkiem popytu na pozostałe dobra
konsumpcyjne. Również spadek cen mieszkań spowoduje wzrost popytu mieszkaniowego
i popytu na daną cechę. Odwrotnie, wzrost cen mieszkań, jako dóbr konsumpcyjnych,
spowoduje spadek konsumpcji mieszkaniowej i w konsekwencji również spadek popytu na
daną cechę mieszkania.
Rysunek 7 Wybór mieszkaniowy, na lewo – wybór dobra, na prawo – wybór cech
mieszkania.
Druga współzależność to złożenie wyboru mieszkaniowego jako sumy popytu
inwestycyjnego i konsumpcyjnego, ale rozpatrywanego z punktu widzenia substytucji czy
Ilość
Jakość
Cecha jakościowa Inne dobra
1
2
Konsumpcja mieszkań
109
oceny konkretnych cech mieszkania. Obydwa te popyty rozkładają się na popyty na
określone cechy mieszkania. Czysto konsumpcyjny popyt na mieszkanie można
w pewnym sensie utożsamiać, z omawianym już, wynajmem mieszkania. Tak więc wybór
mieszkania OOH zawsze będzie połączony z motywem inwestycyjnym, jednak jego skala
i motywy mogą być zróżnicowane. W konsekwencji jednak obydwa wybory będą
współzależne poprzez linie budżetu i preferencje pomiędzy konsumpcyjnym
i inwestycyjnym charakterem mieszkania. Wybór konsumpcyjny przekłada się, podobnie
jak wybór inwestycyjny, na preferencje pewnego koszyka cech. W konsekwencji prowadzi
to do oceny cech konsumpcyjnych, również z punktu widzenia inwestycyjnego
(w konkretnym przypadku ocenę cechy lokalizacji przez pryzmat cechy płynności, czyli na
ile ta lokalizacja jest atrakcyjna konsumpcyjnie, a na ile płynna, co zdecyduje o jej wyborze
przy krzywej preferencji zorientowanej bardziej na konsumpcję lub inwestycje). Możemy
też rozpatrywać wybór pomiędzy tymi cechami. Problem ten rozwijamy w następnym
punkcie.
3.4. Wybór struktury popytu mieszkaniowego (mieszkanie jako oszczędności
i konsumpcja)
Mieszkanie samo w sobie można traktować jako złożone dobro konsumpcyjne,
bezpośrednio lub poprzez strumień generowanych usług, zaspokajające potrzeby
konsumpcyjne lub jako aktywo rzeczowe przynoszące dochody z rynkowej gry. W jednej
i drugiej funkcji mieszkanie będzie dobrem heterogenicznym, gdyż aby zaspokajać
potrzeby właściciela czy komercyjnego najemcy musi dysponować oczekiwanymi przez
rynek użytecznościami. Dodanie funkcji tezauryzacyjnych66 spowoduje jednak, że
użyteczności te będą oceniane z punktu widzenia zdolności do generowania dochodu
i minimalizacji ryzyka inwestycyjnego, a nie zaspokajania potrzeb własnych właściciela.
W konsekwencji zmianie ulegnie funkcja użyteczności i wewnętrzne wyceny nadawane
omawianym cechom. W funkcji inwestycyjnej ulegnie więc zmianie funkcja użyteczności,
gdyż nie będziemy kupowali mieszkania według swoich upodobań, lecz według
przeciętnych, powszechnych na rynku, filtrując je dodatkowo przez indywidualną ocenę
ryzyka i zyskowności. W konsekwencji pojawią się też nowe cechy (np. płynność),
nieobecne przy rozpatrywaniu mieszkania jako dobro konsumpcyjne. Ponieważ
mieszkanie OOH w prawie każdym przypadku ma charakter konsumpcyjny oraz
inwestycyjny, mówiąc o popycie mieszkaniowym będziemy mieli do czynienia ze
złożeniem popytu inwestycyjnego i konsumpcyjnego dotyczącego zarówno całego
mieszkania, jak też poszczególnych cech. Zmiana wyceny (funkcji użyteczności)
któregokolwiek z elementów będzie wpływała na równowagę całego układu (zob. rysunek
8). Powyższe rozumowanie można też przeprowadzić iteracyjnie, wychodząc od
klasycznych wyborów konsumenta (por. rysunek 9).
66 Gromadzenie i przechowywanie majątku.
110
Rysunek 8 Popyt konsumpcyjny i inwestycyjny na mieszkania (globalnie lub na
charakterystyki)
Rysunek 9 Wybory konsumenta oraz inwestycyjny i konsumpcyjny popyt na mieszkanie
Pełen, klasyczny model zachowania konsumenta na rynku mieszkaniowym powinien
zawierać co najmniej 7 wyborów:
1. Konsumpcja a oszczędności. Ile na konsumpcję (w tym mieszkaniową) dzisiaj, a ile
jutro. W tym module mieszkanie występuje jako element w agregacie konsumpcja
i w agregacie oszczędności i jest to klasyczny wybór intertemporalny. Jest on
punktem wyjścia do pozostałych wyborów.
2. Konsumpcja mieszkaniowa dzisiaj a oszczędności na mieszkanie, czyli konsumpcja
mieszkaniowa jutro, gdy rozpatrujemy zakup mieszkania w czasie. Z punktu
widzenia popytu mieszkaniowego zawiera on dylemat konsumpcja mieszkaniowa
dzisiaj a oszczędności na mieszkanie jutro.
Oszczędności mieszkaniowe
Konsumpcja mieszkaniowa
Konsumpcja
Oszczędności
Bieżąca vs. przyszła
konsumpcja
Struktura oszczędności
Konsumpcja vs.
konsumpcja mieszkaniowa Popyt na mieszkania
Mieszkanie jako oszczędności
2
1
CH
CH 3
A2
A2`
AX AX`
Mieszkanie jako konsumpcja
111
3. Konsumpcja a oszczędności mieszkaniowe. W tym przypadku mieszkanie
traktowane jest jako lokata oszczędności, które w kolejnym okresie posłużą
finansowaniu konsumpcji.
4. Konsumpcja mieszkaniowa a konsumpcja pozostałych dóbr. Jest to klasyczny wybór
intra temporalny.
5. Konsumpcja mieszkaniowa a ogólne oszczędności, w tym mieszkaniowe, które
przeznaczymy na finansowanie przyszłej konsumpcji.
6. Konsumpcja mieszkaniowa a oszczędności w formie mieszkania, gdy oczekujemy
aprecjacji cen mieszkań lub utrzymywania wartości i wpływów z czynszów.
7. Oszczędności w formie mieszkania (aprecjacja cen mieszkań i wyższe wpływy
czynszowe) a pozostałe oszczędności, gdy rozpatrujemy strukturę aktywów
z punktu widzenia stopy zwrotu i ryzyka.
Podstawowym modelem wyboru konsumenta z punktu widzenia sektora
mieszkaniowego będzie wybór 5 czyli mieszkania jako dobra konsumpcyjnego oraz dobra
inwestycyjnego, co odzwierciedla omawianą wcześniej dwoistą funkcję mieszkania.
W zależności tej, pomimo że rozpatrywany jest wybór, na rynku pojawia się łączny efekt
w postaci popytu konsumpcyjno-inwestycyjnego.
Aby objaśnić ten wybór model można zredukować do warunków 1, 3, 5 i 6, co
umożliwia jego przedstawienie w dwuwymiarowym i czteroćwiartkowym układzie
współrzędnych.
Pełny model sektorowy to suma popytu konsumpcyjnego oraz inwestycyjnego
połączone z oszczędnościami na cele mieszkaniowe. Pokazuje on związki pomiędzy
sektorem finansowym i polityką monetarną a sektorem mieszkaniowym (por. rysunek 10).
Model ten w dolnych ćwiartkach uzupełniamy o wybór pomiędzy oszczędzaniem na
mieszkania w instytucjach uniwersalnych (banki, fundusze inwestycyjne) oraz
sektorowych (kupno papierów wartościowych opartych o hipoteki, systemy kredytu
kontraktowego) oraz wyborem pomiędzy inwestycjami mieszkaniowymi (inwestycje
bezpośrednie) i inwestycjami w sektorowe dłużne papiery wartościowe oraz systemem
oszczędzania. Podstawowym czynnikiem oddziałującym w tym modelu jest stopa
procentowa. Jej krótkookresowe ruchy wpływają na popyt mieszkaniowy i wielkość oraz
strukturę oszczędności.
112
Rysunek 10 Popyt mieszkaniowy i oszczędności mieszkaniowe gospodarstw domowych
Funkcjonowanie modelu będzie uzależnione od tego jak bardzo konsumenci
i inwestorzy opierają się na bieżących procesach, a jak bardzo przewidują przyszłe
sekwencje zdarzeń, zwłaszcza na podstawie doświadczeń historycznych. Można założyć,
że zachowania konsumpcyjne będą bardziej oparte na bieżących tendencjach, podczas gdy
zachowania inwestycyjne będą w większym stopniu zawierały element predykcji.
Generalnie do modelu można wprowadzać wiele założeń, aby testować przepływy
środków finansowych oraz konsumpcję i oszczędności w sektorze.
Przykładowo, podwyżka stóp procentowych, spowoduje spadek popytu
mieszkaniowego poprzez wyższe koszty usługi mieszkaniowej. Równocześnie inwestorzy
mogą spodziewać się w średnim okresie spadku cen nieruchomości będącego skutkiem
ograniczonego popytu, powstrzymają się więc od zakupów inwestycyjnych. Wyższe stopy
depozytów będą natomiast skłaniały gospodarstwa domowe do zwiększenia oszczędności
na cele mieszkaniowe w sektorze bankowym. Jeżeli jednak istnieje możliwość pośredniego
inwestowania w sektor mieszkaniowy poprzez zakup papierów opartych na
wierzytelnościach hipotecznych, zwłaszcza najbardziej popularnych instrumentów
o stałym oprocentowaniu, to wzrost stóp procentowych spowoduje spadek ich wartości
i wzrost rentowności. Jeżeli są to instrumenty o stałych stopach, to podwyżki stóp nie
spowodują podwyższenia ich ryzyka (ryzyko kredytowe). Odwrotnie, obniżka stóp
procentowych spowoduje wzrost popytu konsumpcyjnego i inwestycyjnego, wobec
tańszych kredytów i oczekiwań wzrostów cen. Jednocześnie gospodarstwa posiadające
kredyty o stałym oprocentowaniu będą je masowo refinansować, co spowoduje nadwyżki
płynności u inwestorów.
4. Podsumowanie
W wielu analizach badających wpływ sektora mieszkaniowego na gospodarkę
obserwuje się przyjmowanie uproszczeń rzeczywistości nieuwzględniających
Inwestycje mieszkaniowe
Obligacje hipoteczne,
instrumenty finansowe
Oszczędności na
mieszkania
Konsumpcja mieszkań
113
heterogeniczności mieszkania i złożoności podejmowanych decyzji mieszkaniowych,
zarówno konsumpcyjnych jak i inwestycyjnych. To często prowadzi do błędnych
wniosków płynących z tych modeli.
Celem artykułu było pogłębienie wiedzy o wyborach konsumenta w ujęciu
mikroekonomicznym, co pozwoli lepiej zrozumieć działanie nabywcy mieszkania oraz jego
wpływ na rynek mieszkaniowy.
Kluczową kwestią jest wzięcie w analizach pod uwagę wyborów konsumentów
pomiędzy różnymi rodzajami konsumpcji (w tym mieszkaniową), popytem
mieszkaniowym inwestycyjnym i konsumpcyjnym oraz różnymi formami własności
mieszkania.
Istotny wpływ na podejmowane decyzje ma również wycena wartości mieszkania
przez konsumenta. Warto podkreślić, iż gospodarstwa domowe inaczej wyceniają
dodatkową ilość mieszkania posiadając już w zasobie określoną jego ilość, a jeszcze inaczej
dokonując zakupu pierwszej nieruchomości.
Warto podkreślić, iż za pomocą mało rozpowszechnionych w Polsce modeli
hedonicznych można wyróżnić atrybuty, które mają istotny wpływ na kształtowanie się
wartości mieszkania i podjąć próbę obiektywnej wyceny nieruchomości.
Dopiero analiza, która łączy powyższe aspekty wyborów konsumenta jest w stanie
adekwatnie opisać i wytłumaczyć rzeczywiste funkcjonowanie strony popytowej na rynku
mieszkaniowym.
Bibliografia:
Allen, F., i E. Carletti (2011), Systemic Risk from Real Estate and Macro-prudential Regulation,
W: Federal Reserve Board and Journal of Money, Credit and Banking Conference
‘The Regulation of Systemic Risk’, Washington DC, s. 15-16.
Aoki K., Proudman J. i Vlieghe G. (2002). House prices, consumption, and monetary policy: a
financial accelerator approach. Bank of England Working Paper nr 169.
Augustyniak, H., J. Łaszek, K. Olszewski i J. Waszczuk (2013), Kupić czy wynająć? Analiza
decyzji podmiotów na rynku mieszkaniowym determinowanych polityką mieszkaniową, W:
Raport o rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2012 r, NBP.
Bajari, P., P. Chan, D. Krueger i D. Miller (2010), A Dynamic Model of Housing Demand:
Estimation and Policy Implications, NBER Working Paper No. 15955
Bourassa, S., M. Hoesli i D. Scognamiglio (2010), Housing finance, prices, and tenure in
Switzerland, MPRA Paper No. 45990, s. 262-282.
Case, K. E. i R. J. Shiller (2003), Is There a Bubble in the Housing Market?, Brookings Papers on
Economic Activity 34(2), s. 299-362.
Yang, F. (2006), Consumption Over the Life Cycle: How Different Is Housing?, Federal Reserve
Bank of Minneapolis, Working Paper 635.
Henderson, J.V. i Y.M. Ioannides (1983), A Model of Housing Tenure Choice, The American
Economic Review, Vol. 73(1), s. 98-113.Herring, R. J. i S. Wachter (1999), Real Estate
Booms and Banking Busts: An International Perspective, The Wharton School -
Financial Institutions, Center Paper Nr 99-27.
114
Ioannides, Y.M. i S.S. Rosenthal (1994), Estimating the Consumption and Investment Demands
for Housing and Their Effect on Housing Tenure Status., The Review of Economics and
Statistics, Vol. 76(1), s. 127-141.
Kahn B., W. L. Moore i Glazer R. (1987), Experiments in Constrained Choice, Journal of
Consumer Research 14(1), s. 96-113.
NBP (2013), Raport o rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2012 r.
Reed, R. i A. Mills (2007), Identifying the drivers behind housing preferences of first time owners,
Property management, vol. 25, No. 3, s. 225-241.
Rosen, S. (1974), Hedonic prices and implicit markets: product differentiation in pure competition,
Journal of Political Economy 82(1), s. 34-55.
Tomczyk, E. i M. Widłak (2010), Konstrukcja i własności hedonicznego indeksu cen mieszkań dla
Warszawy, Bank i Kredyt, nr 1 (2010), Warszawa.
Wheaton, W. C. (1999), Real Estate “Cycles”: Some Fundamentals, Real Estate Economics 27(2),
s. 209-230.
115
A4 Kupić czy wynająć? Analiza decyzji podmiotów na rynku mieszkaniowym determinowanych polityką mieszkaniową
Hanna Augustyniak67, Jacek Łaszek68 , Krzysztof Olszewski67, Joanna Waszczuk67
Streszczenie
W artykule analizujemy relatywnie wysoki udział mieszkań własnościowych w całym
zasobie mieszkań w wybranych krajach Europy o względnie niskich dochodach na osobę
i opisujemy przyczyny tego zjawiska. Wskazujemy ekonomiczne implikacje wynikające
z rosnącego udziału mieszkań własnościowych i nierozwiniętego rynku wynajmu. W pracy
analizowane są decyzje odnośnie zakupu bądź wynajmu mieszkania i tłumaczone są
powiązania pomiędzy dostępnością mieszkań, konsumpcją oraz oszczędnościami
gospodarstw domowych, a także polityką mieszkaniową. Na podstawie prostego modelu
zaprezentowano w jaki sposób rozwój rynku wynajmu może wpłynąć na sytuację na rynku
nieruchomości.
Słowa kluczowe: popyt mieszkaniowy; prawo własności; polityka mieszkaniowa; regulacje
finansowe;
Klasyfikacja JEL: R21, R38, O18;
1. Wprowadzenie
Posiadanie mieszkania ma duże znaczenie dla gospodarstw domowych, gdyż
wytwarza ono strumień użyteczności, może być użyte jako zabezpieczenie kredytu oraz
stanowi zwykle aktywo o najwyższej wartości. Większość nowych mieszkań kupowana jest
przy wsparciu kredytem, co ma istotny wpływ na sektor bankowy. Lokal mieszkalny jest
dobrym sposobem alokacji oszczędności, jednak jednocześnie utrudnia społeczeństwu
mobilność. W krajach Europy Środkowo-Wschodniej (CEE) obserwujemy bardzo wysoki
udział mieszkań własnościowych (OOH) w relacji do wynajmu. Celem artykułu jest
szczegółowe wyjaśnienie uwarunkowań tego zjawiska oraz jego ekonomicznych
następstw. Przedstawiamy udział mieszkań własnościowych i wynajmowanych
w wybranych europejskich państwach, jak również determinanty tej sytuacji, m.in:
przepisy prawne chroniące lokatora, tarczę podatkową. W dalszej części pokazujemy w jaki
sposób regulacje te mogą wpływać na rynek mieszkaniowy, np. powodować poszerzanie
się szarej strefy bądź blokować mobilność siły roboczej.
Kluczowym zjawiskiem w latach 2005-2007 dla światowej gospodarki był szybki
wzrost cen nieruchomości, wzmożony poprzez nadmierną akcję kredytową, co przerodziło
się w najpoważniejszy kryzys ekonomiczny od czasu wielkiej depresji. Boom na
67 Instytut Ekonomiczny, Narodowy Bank Polski, ul. Świętokrzyska 11/21, 00-919 Warszawa, Polska.
[email protected]. Adres do korespondencji. 68 Szkoła Główna Handlowa i Instytut Ekonomiczny, Narodowy Bank Polski.
116
amerykańskim rynku nieruchomości spowodowały banki, które łagodziły zasady
przyznawania kredytów mieszkaniowych i udzielały je osobom o niewystarczających
możliwościach finansowych przy wysokim ryzyku spłaty. Na większą dostępność
kredytów w USA wpłynęło złagodzenie przepisów dot. udzielania kredytów już w 1990 r.
(zob. Ligon, 2013) oraz zmniejszenie stóp procentowych przez FED. Chambers i in. (2008)
wskazują, że regulacje te miały na celu zwiększenie odsetka właścicieli nieruchomości
poprzez zwiększenie wachlarza usług kredytowych oraz obniżenie wartości wymaganego
wkładu własnego. Wiele państw europejskich podjęło podobne działania, przypuszczając,
iż wzrastający udział OOH w zasobie mieszkań wpłynie pozytywnie na sytuację
gospodarczą. Te zamiary przerodziły się jednak w istotne problemy ekonomiczne. Andre
i in. (2013) pokazali, że w większości krajów OECD wskaźniki wartości nieruchomości (PR)
do czynszów oraz wartości kredytu do dochodu (PI) rosły przez długi okres, dopóki wzrost
cen nie wyhamował. W tym samym czasie czynsze wzrosły jedynie nieznacznie. Świadczy
to o wystąpieniu bańki spekulacyjnej na rynku, ponieważ warunek równoważenia
dochodu z wynajmu i alternatywnego dochodu z kapitału nie utrzymywał się.
Przegląd determinantów popytu mieszkaniowego i mechanizmy kształtowania się
cen mieszkań zostały przedstawione w pracach Augustyniak i in. (2012) i Augustyniak i in.
(2013). Celem niniejszego artykułu jest wyjaśnienie decyzji gospodarstw domowych
odnośnie zakupu bądź najmu lokalu w Polsce, ale i w innych krajach Europy ze
szczególnym naciskiem na Europę Środkowo-Wschodnią. Bazując na literaturze, skupiamy
się na polityce mieszkaniowej oraz prawie ochrony lokatorów, które naszym zdaniem mają
istotny wpływ na wybory obywateli. Przykładem mogą być Stany Zjednoczone, gdzie
rosnący udział mieszkań kupowanych na własność był wspierany przez władze poprzez
łatwo dostępne kredyty (zob. Andrews i Sanchez, 2011a). W Polsce regulacje chroniące
najemcę sprawiały, iż wynajem stawał się ryzykowny dla wynajmującego, co miało swoje
odbicie w zwiększonych stawkach najmu bądź wysokich kaucjach (zob. Gromnicka i Zysk,
2003 oraz analiza NBP, 2012a). Często kwota płacona za wynajem mieszkania przewyższa
ratę kredytu, gdyż musi być odpowiednio wysoka, by pokryć ryzyko ponoszone przez
wynajmującego. Co więcej, oferowane na rynku wynajmu mieszkania nie są dobrze
dostosowane do potrzeb różnych typów najemców, są np. zbyt małe (dla rodzin) lub zbyt
duże (dla studenta czy osoby starszej). W konsekwencji niektórzy „zmuszeni” są kupić
nieruchomość, mimo iż woleliby ją wynająć i pozostać mobilnymi. W artykule nie
kwestionujemy pozytywnych aspektów posiadania lokalu, podkreślamy natomiast, iż nie
wszyscy mają taką potrzebę w danym okresie swojego życia. Istnieją też gospodarstwa
domowe, które nie mają środków na zakup lokalu lub wymagają mieszkań socjalnych.
Niezbędne jest określenie potrzeb jednostek społeczeństwa tak, aby w racjonalny sposób
rozwijać politykę mieszkaniową.
W rozdziale 1. przedstawiono przegląd rynku mieszkaniowego w Europie.
W rozdziale 2. przedstawiono prosty model wyboru pomiędzy posiadaniem
a wynajmowaniem nieruchomości. Natomiast rozdział 3. prezentuje wpływ różnych
polityk mieszkaniowych na decyzje podmiotów na rynku i podsumowuje pracę.
117
2. Prawo własności, wynajem i ochrona lokatorów w Europie Środkowo-Wschodniej
oraz niektórych krajach Europy
W obszernej analizie Andrews i Sanchez (2011a) pokazują, iż na wzrost udziału
mieszkań własnościowych w krajach OECD wpływ mają: czynniki demograficzne, stopy
procentowe oraz polityka mieszkaniowa. Kolejny artykuł tychże autorów (2011b) wskazuje
na wspólne elementy polityki krajów OECD, mające na celu umożliwienie społeczeństwu
posiadania lokalu własnościowego, poprzez specjalne opodatkowanie i politykę łatwego
dostępu do kredytów.
Na podstawie danych Eurostatu można zauważyć, iż kraje z niższym PKB na osobę
mają wyższy udział mieszkań własnościowych (zob. wykres 1). Sytuację tą dobrze ilustruje
przykład państw Europy Środkowo-Wschodniej lub też śródziemnomorskich (Edgar i in.,
2007), w porównaniu do Europy Zachodniej. W krajach śródziemnomorskich wysoki
udział mieszkań własnościowych ma bardzo długą tradycję, wiąże się z uwarunkowaniami
kulturowymi oraz brakiem w pełni rozwiniętego systemu finansowego (por. Scanlon
i Whitehead, 2004). Główną przyczyną powyższego zjawiska w krajach Europy Środkowo-
Wschodniej jest przeprowadzona w latach 1990 prywatyzacja, która przekształciła
komunalne zasoby w mieszkania własnościowe. W Polsce sprzedaż lokali na
preferencyjnych zasadach była formą rekompensaty za bardzo niskie płace w czasach
socjalistycznych, ale również amortyzatorem szoków społecznych, działającym przeciw
wysokiej stopie bezrobocia i innym kosztom ponoszonym przez społeczeństwo podczas
okresu transformacji. Takie postępowanie było pożądane z punktu widzenia polityki
społecznej, gdyż zgodnie z rezultatami badań, właściciele pod wieloma względami okazują
się być lepszymi obywatelami (DiPasquale i Glaeser, 1999), zaś ich potomstwo uzyskuje
lesze wyniki w nauce (Haurin i in., 2002). Powstały także artykuły naukowe
potwierdzające, że posiadacze mieszkań na rynku pracy radzą sobie lepiej niż najemcy,
mimo iż są mniej mobilni (Coulson i Fisher, 2002). Zbyt wysoki udział mieszkań
własnościowych ma jednak szkodliwe skutki dla ogólnego zatrudnienia (zob. Blanchflower
i Oswald, 2013). Główną negatywną konsekwencją jest mniejsza mobilność pracowników,
problemy z dojazdem do pracy oraz mniejsza liczba tworzonych, nowych firm. Autorzy
pokazują, iż regiony z wyższym udziałem mieszkań własnościowych cechują się zazwyczaj
wyższą stopą bezrobocia. Ważnym problemem jest uwidacznianie się ww. efektów ze
znacznym opóźnieniem. Fakt ten może tłumaczyć dlaczego sytuacja ta zwykle nie jest
przedmiotem analiz badaczy oraz decydentów.
Amann (2009) szacuje udział wynajmowanych mieszkań w państwach Europy
Środkowo-Wschodniej. Kraje te wg niego mają zazwyczaj niewielki udział
wynajmowanych nieruchomości, tj. poniżej 10% zasobu mieszkaniowego, podczas gdy
w przypadku 27 państw UE było to ok. 29% w 2007 r. Co więcej, dla krajów UE o wysokim
PKB na osobę (pow. średniej UE) udział ten wynosi 40%, z czego większość jest
wynajmowana na zasadach preferencyjnych. Taka sytuacja na rynku mieszkaniowym
pozwala gospodarstwom domowym wynajmować odpowiadające im lokale,
a najbiedniejszym znaleźć schronienie. Aczkolwiek takie rozwiązania wymagają
kosztownych dotacji ze strony państwa.
118
Dane z Eurostatu (2011) potwierdzają wyniki badań Amanna. Państwa Europy
Środkowo-Wschodniej mają większy udział mieszkań własnościowych, przede wszystkim
z powodu prywatyzacji, o której wspomniano we wprowadzeniu. Dane mogą jednak
zawierać pewne nieprawidłowości związane z pominięciem osób, które obecnie żyją
w większym mieście, gdzie nieoficjalnie wynajmują mieszkanie, wciąż będąc
zameldowanymi ze swoimi rodzinami. Ponadto istnieje zapewne spora liczba osób
młodych, które faktycznie mieszkają z rodzicami, jednak wolałyby wynająć lub kupić lokal,
jeżeli pozwoliłyby na to warunki ekonomiczne. Z powyższych powodów udział
potencjalnych klientów do wynajmu lub zakupu mieszkania może być wyższy niż wynika
z danych. Otwartym pytaniem pozostaje, jaki poziom mieszkań własnościowych
w stosunku do wynajmu będzie optymalny w czasie wzrostu gospodarczego, kiedy ważna
jest mobilność czynnika pracy.
Wykres 1 Podział populacji pod względem prawa do nieruchomości, 2011 r. (% populacji)
Źródło: Eurostat.
Na wykresie 2 został zaprezentowany podział populacji poszczególnych krajów ze
względu na status własności oraz poziom przychodów. Można zauważyć, iż gospodarstwa
o dochodach powyżej 60% mediany mają większy odsetek OOH. W państwach o niższym
PKB na osobę większość właścicieli nie posiada zobowiązań finansowych wynikających
z nabycia mieszkania. W krajach o wyższym PKB, osoby o wyższym dochodzie (pow. 60%
mediany) własność finansują w dużej mierze kredytem (np. Holandia), natomiast pozostali
(pon. 60% mediany) preferują wynajem. Należy zwrócić też uwagę na wysoki udział
wynajmów w Europie Zachodniej, co może pozytywnie wpływać na mobilność ludności
0
10
20
30
40
50
60
70
80
90
0
10
20
30
40
50
60
70
80
90
100
Ru
mu
nia
Ch
orw
acja
Bu
łgar
ia
Lit
wa
Sło
wac
ja
Ło
twa
Po
lsk
a
Sło
wen
ia
Est
on
ia
Węg
ry
Mal
ta
Cze
chy
Gre
cja
Cy
pru
s
Wło
chy
His
zpan
ia
Po
rtu
gali
a
Fra
ncj
a
Fin
lan
dia
Au
stri
a
Bel
gia
Lu
kse
mb
urg
Wie
lka
Bry
tan
ia
Nie
mcy
Dan
ia
Ho
lan
dia
Szw
ecja
No
rweg
ia
Isla
nd
ia
Szw
ajca
ria
UE
- 2
8
Stre
fa E
uro
- 1
7
PK
B w
ty
s.eu
ro n
a o
sob
ę
%
Najemca, wynajem po cenie niższej niż rynkowa, Najemca, wynajem po cenie rynkowej
Właściciel, z kredytem Właściciel, bez kredytu
PKB na osobę
119
pracującej. Badanie Barcelo (2006) przeprowadzone na danych European Community
Household Panel (ECHP) dla Francji, Niemiec, Włoch, Hiszpanii i Wielkiej Brytanii
pokazują, że osoby wynajmujące mieszkanie po stawkach rynkowych były znacznie
bardziej skłonne przenieść się z powodów zawodowych niż osoby posiadające własne
mieszkanie lub wynajmujące po cenach niższych niż rynkowe (zasób socjalny). Jej analiza
wykazała ponadto, że osoby z kredytem hipotecznym są też bardziej skłonne do
przeprowadzki niż właściciele bez obciążeń finansowych.
Wykres 2 Podział populacji pod względem prawa do nieruchomości i poziomu dochodów, 2011 r.
(% populacji, lewe słupki – dochody pow. 60% mediany dochodów ekwiwalentnych, prawe słupki
– dochody pon. 60% mediany dochodów ekwiwalentnych)
Źródło: Eurostat.
Wykres 3 przedstawia podział populacji pod względem statusu własności
i posiadania potomstwa. W gospodarstwach domowych Europy Środkowo-Wschodniej
udział właścicieli bez kredytów jest bardzo duży, a posiadanie dzieci wpływa nieznacznie
na zaciąganie zobowiązań finansujących mieszkania. Natomiast w przypadku Europy
Zachodniej gospodarstwa domowe z dziećmi cechują się wysokim odsetkiem mieszkań
własnościowych, jednak zaciągają na ten cel kredyty hipoteczne.
0%
20%
40%
60%
80%
100%
Ru
mu
nia
Ch
orw
acja
Bu
łgar
ia
Lit
wa
Sło
wac
ja
Ło
twa
Po
lsk
a
Sło
wen
ia
Est
on
ia
Węg
ry
Mal
ta
Cze
chy
Gre
cja
Cy
pr
Wło
chy
His
zpan
ia
Po
rtu
gal
ia
Fra
ncj
a
Fin
lan
dia
Au
stri
a
Bel
gia
Lu
kse
mb
urg
Wie
lka
Bry
tan
ia
Nie
mcy
Dan
ia
Ho
lan
dia
Szw
ecja
No
rweg
ia
Isla
nd
ia
Szw
ajca
ria
UE
- 2
8
Str
efa
Eu
ro -
17
Najemca, wynajem po cenie niższej niż rynkowa, Najemca, wynajem po cenie rynkowejWłaściciel, z kredytem Właściciel, bez kredytu
120
Wykres 3 Podział populacji pod względem prawa do nieruchomości i typu gospodarstwa
domowego, 2011 r. (% populacji, lewe słupki – gospodarstwa bez potomstwa, prawe słupki –
gospodarstwa posiadające potomstwo)
Źródło: Eurostat.
Sytuacja, którą obserwujemy na przykładzie państw europejskich, determinowana jest
przez cztery główne czynniki: historyczną oraz bieżącą sytuację gospodarczą, sektor
bankowy, politykę mieszkaniową oraz sytuację demograficzną. W artykule koncentrujemy
się na polityce mieszkaniowej, która dotyczy ochrony właściciela i najemcy, subsydiów
oraz opodatkowania. Przedstawiamy rozwiązania zastosowane w innych krajach, które
wywierają wpływ na sytuację ekonomiczną.
Według danych Eurostat z 2011 roku w Niemczech aż 46,6% gospodarstw domowych
mieszkało w wynajmowanych lokalach. Scanlon i Whitehead (2004) twierdzą, że wynajem
prywatny jest znacznie mniej kosztowny niż posiadanie mieszkania. Dodatkowo czynsze
są regulowane przez program Mietspiegel, w ramach którego określony jest corocznie
uaktualniany, średni poziom cen wynajmu dla danych lokalizacji. Jest to forma ochrony
lokatora, ponieważ jeśli wartość czynszu przewyższy indeks o więcej niż 20%, najemca
może podjąć kroki prawne. Wysoki udział wynajmujących to następstwo licznych
programów socjalnych, które rozwijane były w przeszłości. Już w 1980 r. dla inwestorów
niemieckich zaistniała możliwość zaciągnięcia subsydiowanych kredytów w celu
wybudowania mieszkań socjalnych wynajmowanych następnie po niższych cenach. Kiedy
pożyczka została spłacona, nieruchomość mogła powrócić do zasobu mieszkań
wynajmowanych po cenach rynkowych. W 1996 r. wprowadzono dotacje dla gospodarstw
domowych kupujących mieszkanie po raz pierwszy (Eigenheim-Zulage). Głównym celem
podjętych działań była redukcja ograniczeń finansowych młodych ludzi z niskimi
dochodami. Pomoc pieniężna wypłacana była przez 8 lat po zakupie i udzielana była
0%
20%
40%
60%
80%
100%
Ru
mu
nia
Ch
orw
acja
Bu
łgar
ia
Lit
wa
Sło
wac
ja
Ło
twa
Po
lsk
a
Sło
wen
ia
Est
on
ia
Węg
ry
Mal
ta
Cze
chy
Gre
cja
Cy
pr
Wło
chy
His
zpan
ia
Po
rtu
gal
ia
Fra
ncj
a
Fin
lan
dia
Au
stri
a
Bel
gia
Lu
kse
mb
urg
Wie
lka
Bry
tan
ia
Nie
mcy
Dan
ia
Ho
lan
dia
Szw
ecja
No
rweg
ia
Isla
nd
ia
Szw
ajca
ria
UE
- 2
8
Str
efa
Eu
ro -
17
Najemca, wynajem po cenie niższej niż rynkowa, Najemca, wynajem po cenie rynkowejWłaściciel, z kredytem Właściciel, bez kredytu
121
zarówno na kupno z zasobu rynku pierwotnego, jak i wtórnego. Dodatkowo na każde
dziecko również przewidziane było dodatkowe wsparcie. Należy podkreślić, że dotacje
były małe, a roztropna wycena wartości mieszkania, opierająca się na wartości
odtworzeniowej, nie pozwalała na wzrost cen nieruchomości. Kolejnym bodźcem,
zachęcającym do zakupu nieruchomości, były kredyty Bausparkassen, które oferują niższe
stopy procentowe w porównaniu z innymi dostępnymi kredytami. W systemie tym należy
oszczędzać określoną sumę przez okres wynoszący zwykle ok. 7 lat przed udzieleniem
kredytu. Stopa procentowa jest stała i niższa od oprocentowania komercyjnych kredytów,
jednak okres spłaty jest krótki, co oznacza wysoką ratę spłaty i może powodować problemy
z płynnością spłacającego.
W Wielkiej Brytanii stopa OOH wynosiła w 2011 r. ok. 68%. Czynnikami kreującymi
taką wielkość były niskie realne stopy procentowe (Levin i Pryce, 2009) oraz łatwo
dostępne innowacyjne produkty bankowe (np. kredyty offsetowe69, kredyty elastyczne70
czy kredyty ze spłatą wyłącznie części odsetkowej, Scanlon i Whitehead, 2004). Wysoki
udział mieszkań własnościowych wspierany był poprzez umożliwianie zakupu zasobów
spółdzielczych oraz komunalnych ich mieszkańcom, po niższych cenach. Ponadto
stworzonych zostało wiele programów, których celem była pomoc obywatelom z niskimi
dochodami. Przewidziana też była pomoc pożyczkobiorcom w razie bezrobocia lub
choroby71. Natomiast na rynku wynajmu gospodarstwa domowe o niskich dochodach
mogą otrzymać wsparcie pieniężne.
Sytuacja na szwajcarskim rynku mieszkań różni się znacząco od tej w innych
państwach (Bourassa i in. 2010). Państwo ma ambiwalentne nastawienie do OOH i nie
podejmuje działań, aby zwiększać udział mieszkań własnościowych. Natomiast
stworzonych zostało wiele programów, by wzmacniać rynek najmu, który stanowi 56%
zasobu. Warto podkreślić, iż w Szwajcarii instytucjonalni inwestorzy są w posiadaniu ok.
28% zasobu nieruchomości przeznaczanych na wynajem. Inwestorzy mogą zaciągnąć
pożyczkę na preferencyjnych warunkach (bez odsetek, bądź nisko oprocentowanych), jeśli
mieszkania zostaną udostępnione po niższej cenie danej grupie ludzi, przez określony czas.
Ponadto wprowadzono wiele regulacji chroniących lokatorów (np. kontrolowane czynsze,
subsydia, odliczenia kwoty czynszu od dochodu w celach podatkowych). Właściciele
natomiast są mocno opodatkowani. W Szwajcarii, w odróżnieniu od innych państw, przy
obliczaniu podatku dochodowego do dochodów wlicza się czynsze imputowane. Co więcej
przy obliczaniu ceny nieruchomości do celów podatkowych oraz wartości zabezpieczeń
przy kredytach hipotecznych stosowane są modele hedoniczne. Wyniki tej metody są
bardziej obiektywne, a wartość bardziej odporna na zawyżanie w czasach boomu niż
standardowa metoda wyceny. Szwajcarski system zachęca do zawierania
69 Kredyt hipoteczny offsetowy z rachunkiem bilansującym - kwota oszczędności zgromadzona na
rachunku bilansującym zmniejsza saldo kapitału, od którego naliczają się odsetki. 70 Kredyt elastyczny – możliwość swobodnego dopasowywania wysokości rat kredytowych do
potencjalnych potrzeb kredytobiorcy. 71 Program Income Support for Mortgage Interest and Private Mortgage Protection Insurance.
122
długoterminowych umów najmu. Bardziej faworyzuje najemców, będąc równocześnie
mniej atrakcyjny dla inwestorów.
W Czechach udział OOH wynosi ok. 80% zasobu i podobnie jak w przypadku Polski,
jest efektem prywatyzacji majątku należącego wcześniej do państwa (zob. Scanlon
i Whitehead, 2004). Rynek najmu jest częściowo regulowany, jednak nie rozwiązuje to
problemu braku lokali. Wsparcie państwa nie jest rozbudowane, pomoc zapewniona jest
wyłącznie osobom kupującym nieruchomość po raz pierwszy. Przeznaczono również
dotacje na wsparcie budownictwa komunalnego. Należy jednak zwrócić uwagę, iż nie jest
to zasób socjalny, gdyż 90% lokali wynajmowana jest po cenach rynkowych.
Na Węgrzech od 1989 do 1997 r. zasoby mieszkaniowe były prywatyzowane (zob.
Scanlon i Whitehead, 2004). W tym okresie ok. 20% zasobu zmieniło formę własności
z państwowej na prywatną za cenę ok. 15% wartości rynkowej nieruchomości. Obecnie
można zauważyć, że aż ok. 90% zasobu stanowi własność prywatną, z czego ok. 23%
mieszkań finansowane jest kredytem, co w porównaniu z innymi krajami Europy
Środkowo-Wschodniej stanowi duży odsetek. Odpisy odsetek kredytu od podatku
dochodowego wprowadzono w 1994 r. Początkowo dotyczyły one jedynie rynku
pierwotnego, dopiero od 2002 r. zostały rozszerzone również na rynek wtórny. W 1996 r.
został wprowadzony system kas oszczędnościowo-budowlanych, podobnych do
niemieckich Bausparkassen. Rynek najmu prywatnego stanowi ok. 3% całego zasobu,
natomiast 7% to najem na warunkach preferencyjnych. W celu rozwoju socjalnego sektora
najmu mieszkaniowego władze w 2005 r. wprowadziły program dopłat do czynszów
rynkowych dla rodzin o małych dochodach z dziećmi, jednak efekty jego są niewielkie.
W Polsce w 2011 r. ok. 82% mieszkań stanowiły mieszkania własnościowe, natomiast
ok. 18% mieszkania przeznaczone pod najem (w tym ok. 14,5% to mieszkania
wynajmowane po preferencyjnej, zredukowanej stawce). Rynek własnościowych mieszkań
wydaje się być sukcesywnie wspierany przez zmniejszanie stóp procentowych. Ponadto na
sytuację sektora mieszkaniowego duży, pozytywny wpływ wciąż ma rządowy program
RNS, rozpoczęty w 2006 roku, a zakończony w 2012 roku. Jego celem było wsparcie
gospodarstw domowych przy zakupie mieszkania. Trwają prace nad projektem ustawy,
która najprawdopodobniej zostanie wprowadzona w 2014 roku. Akt prawny będzie
regulował zasady programu MDM (Mieszkanie dla Młodych) obejmującego zarówno
mieszkania deweloperskie, rynek wtórny oraz budowę domów jednorodzinnych. Co więcej
działająca od kwietnia 2012 r., ustawa o ochronie praw nabywcy lokalu mieszkalnego ma
za zadanie zmniejszać ryzyko kupującego związane z kupnem nieruchomości od
dewelopera. Polski rynek nieruchomości cechuje się niedoborem mieszkań przeznaczonych
pod wynajem, zarówno prywatnych jak i socjalnych. W Polsce zapewniać budowę
mieszkań na wynajem o umiarkowanych czynszach dla osób o średnich dochodach miały
utworzone ustawą z dnia 26 października 1995 r. Towarzystwa Budownictwa Społecznego,
jednak program nie przyniósł oczekiwanych efektów. Prywatne inwestycje mieszkaniowe
są natomiast obciążone dużym ryzykiem wynajmu (ryzyko pustostanów, zerwanych
kontraktów oraz ryzyko związane z nieuregulowany problem eksmisji niepożądanych
bądź niepłacących lokatorów). Czynsze są nieregulowane, aczkolwiek kształtują się na
względnie stałym poziomie.
123
Powyższa analiza pokazuje, iż obecną sytuację mieszkaniową w poszczególnych
krajach kształtują regulacje wprowadzane przez państwo. Duży wpływ wywierają
programy mające na celu umożliwienie gospodarstwom domowym zakup własnego lokalu
bądź wynajem odpowiedniego mieszkania. Należy pamiętać, iż wszelkie podejmowane
działania powinny być adekwatną reakcją na konkretne potrzeby społeczeństwa.
3. Czynniki wpływające na decyzje mieszkaniowe
W tej części tłumaczymy mieszkaniowe decyzje gospodarstw domowych. Na
początku prezentujemy znaczenie mieszkania w życiu człowieka i objaśniamy jak regulacje
oraz polityka monetarna i mieszkaniowa wpływają na optymalizację wyborów podmiotów
na rynku nieruchomości. Bazujemy tu na artykule Łaszka (2013), który prezentuje analizę
zakupu nieruchomości zarówno jako dobra konsumpcyjnego, jak i inwestycyjnego, co
przekłada się na jednostkowe decyzje potencjalnych nabywców. Celem niniejszego
artykułu jest pokazanie, że jeżeli wynajem będzie równie kosztowny jak kupno, jednak
polityka mieszkaniowa będzie nieodpowiednia, gospodarstwa domowe będą preferować
zakup, nawet jeśli bardzo cenią sobie mobilność. Ponieważ mieszkanie jest traktowane,
niekiedy błędnie, jako relatywnie bezpieczny i zyskowny sposób alokacji oszczędności,
wzmacnia to chęć posiadania nieruchomości. Należy tu jednak uwzględniać wysokie
koszty transakcyjne72. Jest także aktywem chroniącym przed inflacją oraz stanowi
zabezpieczenie kredytów. Czynniki te powodują, że obserwujemy w Polsce skłanianie się
społeczeństwa ku posiadaniu mieszkań. Natomiast szoki popytowe, wywołane
rozluźnieniami w przyznawaniu kredytów, prowadzą do wyższych cen lokali.
Najważniejszą rolą mieszkania jest generowanie strumienia usług mieszkaniowych.
Pod tym względem, krótkookresowo nie ma różnicy pomiędzy mieszkaniami OOH
a wynajmowanymi, jednak długookresowo jest ona widoczna. W krótkim okresie
użyteczność płynie wyłącznie z usług mieszkaniowych, natomiast w długim okresie
dominować zaczyna użyteczność z mieszkania jako aktywa. Lokal własnościowy to na ogół
największa część majątku gospodarstwa domowego, która jest zwykle dobrym
zabezpieczeniem przed inflacją oraz przed wzrostami czynszu73. Nieruchomość może
72 Ważnym czynnikiem oddziaływującym na wybory podmiotów na rynku mieszkaniowym są koszty
transakcyjne, które ponosi się przy zakupie i sprzedaży lokalu. Są one szacowane dla różnych krajów przez
EMF (2010). Koszty bezpośrednie, związane z zakupem i kredytem stanowią zwykle kilka procent wartości
kupowanej nieruchomości. Ponoszone są również koszty pośrednie, więc łączne koszty mogą wynosić nawet
do 15% wartości nieruchomości. Sanchez i Andrews (2011) przedstawiając szczegółowy opis kosztów
transakcyjnych, zwracają uwagę na sytuację na rynku wynajmu oraz prawdopodobieństwo zamiany
mieszkania w krajach OECD. Zgodnie z wynikami ich badań, regulowanie wysokości czynszów oraz ochrona
praw lokatorów ograniczają mobilność gospodarstw domowych. Z drugiej strony, również wysokie koszty
transakcyjne, które zwykle ponoszone są przez kupującego, zmniejszają mobilność posiadaczy
nieruchomości. 73 Aczkolwiek zgodnie z danymi BaRN podczas ostatniego boomu czynsze były relatywnie stabilne bądź
nieznacznie rosły, co osłabia to stwierdzenie. W dłuższym okresie czynsze wykazują niewielki trend
wzrostowy. Szczególnie dla osób starszych, które nie mogą się spodziewać znacznych wzrostów dochodów,
pewność, że mają własne mieszkanie może bardzo podnosić komfort psychiczny.
124
zostać użyta jako zabezpieczenie pożyczki zaciąganej w celu generowania przychodów (np.
w przypadku nowo powstającej firmy) bądź do wygładzenia bieżącej konsumpcji. Przed
dokładną analizą decyzji podejmowanych na rynku mieszkań, należy zwrócić uwagę na
preferencje gospodarstw domowych, które zależą, m.in. od wieku i poziomu dochodów.
Przedziały wiekowe najemców wpływają na cenę, jaką na rynku najmu muszą płacić
właścicielowi. Przykładowo młodzi, mobilni ludzie postrzegani są jako relatywnie
ryzykowni najemcy (np. mniej stabilne warunki pracy), dlatego płacą większe stawki
czynszu niż osoby w wieku średnim. Starsze osoby natomiast preferują posiadanie
nieruchomości, gdyż uważają ją za aktywo na przyszłość, które będą mogli podnająć by
uzyskiwać dodatkowy dochód. Dodatkowo mieszkanie takie zostanie przekazane
w spadku rodzinie.
Zgodnie z literaturą, optymalne decyzje mieszkaniowe zależą również od kosztów
mieszkaniowych. Opodatkowanie dochodów oraz ulgi podatkowe mogą sprawiać, iż
mieszkania nabywane na własność będą bardziej atrakcyjne niż wynajmowanie (zob.
Poterba, 1984). Ostrożnościowe regulacje banków, szczególnie te dotyczące wkładu
własnego, mogą utrudniać podjęcie decyzji o kupnie (zob. Stein, 1995). Jak pokazano
w innym artykule (zob. Augustyniak i in., 2012) na popyt mieszkaniowy oddziałują
mnożniki. Oznacza to, iż małe odchylenia w kosztach kredytów prowadzą do silnych
fluktuacji popytowych. Dodatkowo preferencje, sposoby alternatywnego oszczędzania oraz
polityka mieszkaniowa mogą mieć bezpośredni wpływ na decyzje zakupowe. Istnieje
obszerna literatura, która prezentuje modele wyboru posiadania lub wynajmowania
nieruchomości i weryfikuje je empirycznie. W 1983 roku Hendreson i Ioannides
wprowadzili model, w którym badali mieszkanie jako dobro inwestycyjne oraz
konsumpcyjne. Autorzy stwierdzili, że jeśli w gospodarce nie ma kosztów transakcyjnych,
zniekształceń podatkowych czy restrykcji kredytowych, decyzja o zakupie podejmowana
jest zarówno pod wpływem popytu na lokal jako inwestycję, jak i dobro konsumpcyjne. Na
tym modelu bazuje wiele analiz, które powstały na przestrzeni lat i rozwijane były
w różnych kierunkach. W roku 1994 Ioannides i Rosenthal empirycznie zweryfikowali ten
model na danych dla Stanów Zjednoczonych. Arrondel i Lefebvre (2001) stworzyli model,
który pokazuje, iż istnieje różnica w popycie konsumpcyjnym i inwestycyjnym, która
determinuje decyzję kupna bądź wynajmu lokalu. Banks i in. (2011) zaprezentowali
badanie przeprowadzone dla USA i Anglii, dotyczące konsumpcji mieszkaniowej
i zamieniania mieszkań na mniejsze przez ludzi starszych. Sinai i Souleles (2005) stwierdzili
natomiast, iż OOH stanowi zabezpieczenie przed podnoszeniem czynszów.
Należy podkreślić, że analityczne rezultaty powyższych badań zależą od założonej
postaci funkcyjnej, jednak wobec braku odpowiednich danych jednostkowych na poziomie
mikro, na podstawie których można by było skalibrować model dla krajów Europy
Środkowo-Wschodniej, posłużono się ogólnodostępnymi danymi przeciętnymi (dochody,
ceny, czynsze). Przedstawimy analizę wskaźników mieszkaniowych i na niej oprzemy
125
konkluzje74. W dalszej części rozważań brano pod uwagę wyłącznie te gospodarstwa, które
w chwili obecnej podejmują decyzje mieszkaniowe, a nie cały zasób mieszkaniowy. Model
Hendersona i Ioannidesa (1983), weryfikowany empirycznie przez Ioannidesa i Rosenthala
(1994), wydaje się być najlepiej dopasowanym do realiów państw Europy Środkowo-
Wschodniej. Opisujemy go w skrócie. Model Hendersona i Ioannidesa (1983) opisuje
bieżącą oraz przyszłą użyteczność gospodarstwa domowego. Generowany strumień usług
mieszkaniowych (h) zależy od wielkości nieruchomości hc oraz poziomu intensywności jego
wykorzystania u opisanego funkcją f(u) (zob. równanie 1). ( ) ( )
Poziom intensywności wykorzystania mieszkania odzwierciedla natężenie, z jakim
mieszkanie jest wykorzystywane. Na przykład stałe mieszkanie będzie wykorzystywane
ciągle, natomiast domek letniskowy wykorzystywany będzie tylko sporadycznie. Jak widać
po pierwszych pochodnych, użyteczność mieszkania o danym metrażu wzrasta ze
wzrostem intensywności jego użytkowania, jednak przyrosty krańcowe są malejące.
Wynajem generuje tę samą użyteczność co posiadanie, jednak istnieją pewne powody,
z których jest on tańszy od kupna. Henderson i Ioannides (1983) zakładają, że wynajmujący
nie może przenieść wszystkich kosztów utrzymania75 na najemcę. Według nas
wynajmujący może przetransferować wszystkie stałe koszty utrzymania na najemcę, ale
występują znaczące koszty transakcyjne, które ponoszone są wyłącznie przez właściciela w
momencie sprzedaży (zob. też Augustyniak i in., 2012). W artykule chcemy podkreślić rolę
kosztów transakcyjnych. Po pierwsze zalicza się do nich opłaty (notarialne, dla pośrednika)
oraz podatki. Co więcej, sprzedając lokal można nie odzyskać funduszy włożonych w jego
urządzenie oraz wyremontowanie. Ponadto znalezienie kupca i zawarcie transakcji
wymaga czasu, co generuje dodatkowe koszty. Koszty utrzymania mieszkania oraz
późniejsze koszty związane z zamianą mieszkania opisane są funkcją ( ) dla właściciela
oraz ( ) dla najemcy. Na każdym poziomie użytkowania mieszkania koszty dla
właściciela są istotnie wyższe dla właściciela niż dla najemcy ( ( ) ( )). Koszty te
wzrastają coraz szybciej. ( ) ( ) ( ) ( )
Gdy gospodarstwo domowe wybiera pomiędzy wynajmem a posiadaniem,
optymalizuje wielookresową użyteczność. Zgodnie z równaniem Bellmana optymalizacja
zachowań w modelu wielookresowym wymaga optymalnych decyzji podejmowanych w
dwóch kolejnych okresach. Wówczas wszystkie pozostałe decyzje również są optymalne.
Dlatego w modelu zakładamy istnienie dwóch, następujących po sobie okresów: bieżącego
(1) oraz przyszłego (2). Aby uprościć notację oraz model, Henderson i Ioannides (1983)
zakładają, iż koszty eksploatacyjne są ponoszone w drugim okresie. W dalszej części
74 Analiza wskaźnikowa jest dość często używana w analizach rynku nieruchomości NBP i pozwala oceniać
rynek dogłębnie. 75 Koszty utrzymania zawierają nie tylko koszty pieniężne, ale również czas spędzony na utrzymywaniu
nieruchomości, deprecjację wartości itp.
126
opisujemy problem gospodarstwa domowego wybierającego pomiędzy kupnem
a wynajmem.
Jeżeli gospodarstwo domowe decyduje się na własność mieszkania, maksymalizuje
swoją bieżącą użyteczność U i przyszłą użyteczność majątku V(w). Czyni to wybierając
optymalną wielkość mieszkania hc, poziom jego eksploatacji u, wartość oszczędności S oraz
pozostałych dóbr konsumpcyjnych x, biorąc pod uwagę swoje ograniczenia budżetowe,
wynikające z dochodu w poszczególnych okresach (y1 i y2) i ceny P mieszkania oraz
wartość majątku na początku przyszłego okresu w. Dla dalszych rozważań pomnożono
wartość mieszkania (cena m kw. P razy wielkość w m kw., hc = Phc) przez stopę procentową
r, by uchwycić fakt, iż zakup mieszkania finansowany jest kredytem, więc bieżącym
kosztem właściciela jest spłata kredytu76. Właściciel rozwiązuje zatem problem opisany
równaniami (4).
( ) ( ( ) ) ( )
( ) ( )
Najemca ma podobną funkcję użyteczności, aczkolwiek musi on płacić czynsz R
i w kolejnym okresie ma wyłącznie oszczędności z poprzednich okresów.
( ) ( ( ) ) ( )
( ) ( )
W równowadze będzie istniał rynek wynajmu, jeżeli utracone odsetki z sumy, która
została zainwestowana w mieszkanie będą pokryte strumieniem zdyskontowanych
dochodów uzyskiwanych przez wynajmującego (6).
Należy pamiętać, że osoba wynajmująca ma wyższe koszty utrzymania niż lokator,
czyli efektywny dochód z wynajmu będzie pomniejszony o różnicę tych kosztów. Cena
nieruchomości może się zmieniać z okresu na okres, natomiast na rynku najmu przyjęte
zostało założenie, że czynsz odpowiednio się dostosowuje do ceny.
( )
( ( ) ( ))
Analityczne rozwiązanie tego modelu oraz dowody istnienia warunków równowagi
przedstawione zostały szczegółowo w artykule Hendersona i Ioannidesa (1983). Bazując na
powyższym analitycznym modelu, przedstawiamy graficzną analizę wyborów podmiotów
na rynku nieruchomości tak, jak zaproponowali to Ioannides i Rosenthal (1994). Użyli oni
76 Dla uproszczenia nie uwzględniamy wkładu własnego, jedynie stałą ratę spłaty kredytu.
127
wykresu 4. aby pokazać jak relacja konsumpcji mieszkań HC do inwestycji mieszkaniowych
HI wpływa na całkowity popyt na lokale. Chęć by konsumować nieruchomości lub by
posiadać je w formie inwestycji zależą od zmiennych X, które są czynnikami wpływającymi
na popyt (np. dochody, etc.). Wielkość różnicy pomiędzy chęcią konsumowania
i inwestowania, determinuje czy gospodarstwo domowe kupi czy wynajmie mieszkanie.
Bazujemy na graficznej analizie Ioannidesa i Rosenthala (1994)77. Dostosowujemy tę
analizę do sytuacji zaobserwowanej w Europie Środkowo-Wschodniej (zob. wykres 4).
W Europie Środkowo-Wschodniej obserwujemy raczej dużą grupę osób, żyjących
w mieszkaniach socjalnych albo dotowanych (Wynajem 1) – por. wykres 1. Stosunkowo
niewielka grupa gospodarstw wynajmuje mieszkania po rynkowych cenach (Wynajem 2).
Największa grupa ludzi posiada do celów mieszkaniowych jeden lokal (Właściciel 1). Są
również gospodarstwa domowe, które posiadają więcej niż 1 mieszkanie i wprowadzają
część z nich na rynek najmu (Właściciel 2).
Wykres 4 Krzywa popytu konsumpcji mieszkaniowej oraz
mieszkaniowych inwestycji w modelu Hendersona i Ioannidesa (1983)
Źródło: Ioannides and Rosenthal (1994)
Trzeba jeszcze raz podkreślić różnicę pomiędzy istniejącym zasobem
przedstawionym na wykresie 1, a potrzebą mieszkaniową społeczeństwa, którą
analizujemy. Obserwujemy silną potrzebę mieszkaniową różnych grup wiekowych
w krajach Europy Środkowo-Wschodniej (potwierdzają to dane o boomie cenowym.
Wskutek relatywnie wysokich kosztów najmu, funkcja inwestycji mieszkaniowych
77 Autorzy dzielą rynek na 4 części Wynajem 1 oznacza gospodarstwa domowe, które wyłącznie
wynajmują lokale, Wynajem 2 to ci posiadający mieszkanie, lecz z różnych powodów wynajmujący inne.
Właściciele 1 posiadają nieruchomość, której są mieszkańcami, natomiast Właściciele 2 posiadają wiele
mieszkań na wynajem, a jedno z nich zamieszkują.
128
pochylona jest w kierunku funkcji konsumpcji mieszkaniowej, co tłumaczy boomy
mieszkaniowe wywołane wzrostem akcji kredytowej. Jak pokazujemy w artykule
Augustyniak i in. (2013) szoki popytowe generują silne wzrosty cenowe i nadmierną
produkcję mieszkań deweloperskich. Odpowiednia polityka mieszkaniowa, przez którą
wynajem byłby znacznie tańszy, ograniczyłaby istotnie potrzebę i chęć zakupu mieszkania,
co wygładziłoby cykl na rynku mieszkaniowym. Co należy zatem zrobić? Grupa wynajem
1 powinna zostać w pełni zaspokojona mieszkaniami socjalnymi, gdyż dochody tych osób
nie pozwalają im na wynajem rynkowy, a zwłaszcza na zakup. Ten mały odsetek
gospodarstw domowych potrzebuje pomocy państwa. Osoby należące do grupy wynajem
2 są zainteresowane wynajmem rynkowym, a co za tym idzie odpowiednim
uregulowaniem kwestii prawnych. Nie jest im potrzebne mieszkanie własnościowe,
natomiast poszukują odpowiadającego ich potrzebom zasobu mieszkań na wynajem. Jeżeli
regulacje prawne będą poprawnie funkcjonować, tzn. dbać o dobro lokatorów, ale
jednocześnie chronić prawa właścicieli, wtedy powstanie odpowiednio duża grupa
właścicieli 2. Te osoby będą posiadały własne mieszkanie oraz jedno lub więcej mieszkań
na wynajem, a więc będą zaspokajały potrzeby grupy najemcy 2. Te osoby nie muszą
posiadać bezpośrednio mieszkania, mogą mieć udział w funduszu, który profesjonalnie
obsługuje najemców oraz mieszkania. Jest to bardziej przejrzyste i mniej czasochłonne dla
właściciela. Odpowiednie regulacje, które pozwolą skorzystać z ulg podatkowych
wymuszą jednoczesne wyjście wynajmujących z szarej strefy. Będą oni musieli płacić
podatki, podpisywać oficjalne umowy. Takie rozwiązanie jest oczywiście kosztowne dla
państwa, ale wpływa na poprawne funkcjonowanie rynku mieszkaniowego. W grupie
właściciel 1 pozostaną osoby, które faktycznie będą chciały kupić mieszkanie. Jeżeli kupują
za gotówkę, to sami wyceniają mieszkanie. Jeżeli natomiast finansują się kredytem
konieczne są ostrożne metody wyceny mieszkania przy przyznawaniu kredytu. Analiza
przedstawiona w Augustyniak i in. (2013) pokazuje jak zbyt łatwy dostęp do kredytu
rozdmuchał bańkę cenową.
Ponadto, jeżeli rynek najmu będzie dobrze funkcjonował, osoby, które nie chcą kupić
mieszkania na własność a tylko potrzebują posiadać miejsce do mieszkania, nie będą
„zasilać” grupy właściciel i nie będą generowały presji na ceny.
4. Podsumowanie
Bazując na szczegółowych rekomendacjach dla Polski, zaproponowanych w NBP
(2010), prezentujemy możliwe rozwiązanie, które powinno naszym zdaniem rozwikłać
problemy państw Europy Środkowo-Wschodniej poruszone w powyższej analizie.
Odpowiednie regulacje, mające na celu zwiększenie dostępności oraz zmniejszenie cen na
rynku najmu, wpływają na poprawę działania rynku mieszkaniowego, jak również na
zwiększenie mobilności siły roboczej i stabilność systemu finansowego.
W celu poprawienia sytuacji mieszkaniowej należy koniecznie wyróżnić różne typy
gospodarstw domowych, biorąc pod uwagę ich dochody oraz potrzeby. Gospodarstwom
domowym z niskimi dochodami powinno być zapewnione wsparcie w postaci socjalnego
zasobu mieszkaniowego. Istniej kilka możliwych rozwiązań tego problemu. Po pierwsze,
129
władze samorządowe mogą zawierać umowy i krótkookresowo wynajmować osobom
prywatnym swoje socjalne zasoby mieszkaniowe. Kolejnym wyjściem jest stworzenie
programu budowy relatywnie tanich mieszkań o średnim standardzie. Jak już
wspominaliśmy, niektóre kraje UE próbują zaspokoić potrzeby mieszkaniowe poprzez
mieszkania budowane przez prywatnych inwestorów przy wsparciu państwa. W Polsce
podobny cel przyświecał Towarzystwom Budownictwa Społecznego, jednak nie przyniósł
on oczekiwanych efektów, a jednocześnie generował ogromne koszty dla budżetu.
Ponadto polski rynek mieszkaniowy nie ma w pełni rozwiniętego prywatnego najmu
lokali. Nieruchomości te, stanowiące mniej niż 10% całego zasobu mieszkań, nie mają na
celu pomocy socjalnej, służą natomiast ludziom, którzy chcą wynajmować je na warunkach
rynkowych. W przypadku Polski kluczową kwestią jest uregulowanie stosunków
pomiędzy wynajmującym a najemcą poprzez zawarcie umowy z jasno określonymi
warunkami. Dużą barierą w rozwoju rynku wynajmu są istniejące prawa ochrony lokatora.
Uważamy, iż obie strony powinny mieć zagwarantowaną ochronę prawną – wynajmujący
przed nadużyciami ze strony najemcy, lokatorzy przed nadmiernymi podwyżkami
czynszów bądź bezpodstawnymi eksmisjami. Jednak nadmierna ochrona wpływać może
negatywnie na rozwój rynku wynajmu (np. chroniąc niepłacącego lokatora zniechęcimy
potencjalnych inwestorów od profesjonalnego wynajmu). Ponadto przepisy regulujące
zasady zagospodarowania terenu i budownictwa zapewniają bezpieczeństwo, wpływają na
środowisko, czy kształtują zasady sąsiedztwa.
Z drugiej strony potrzebna jest ostrożna, roztropna metodyka wyceny nieruchomości
i odpowiednie zasady udzielania kredytów. To ograniczy możliwość szybkiego nabywania
mieszkań przez osoby nie posiadające wystarczających do tego funduszy.
Bibliografia
Amman, W. (2009), New Policies to Facilitate Affordable Housing in Central Eastern Europe,
Housing Finance International, Vol. XXIV No 2.
André, C., L. A. Gil-Alana i R. Gupta (2013), Testing for Persistence in Housing Price-to-Income
and Price-to-Rent Ratios in 16 OECD Countries, University of Pretoria, Working Paper:
2013-21.
Andrews, D. i A. C. Sanchez (2011a), The Evolution of Homeownership Rates in Selected OECD
Countries: Demographic and Public Policy Influences., OECD Journal: Economic Studies,
Vol. 2011/1.
Andrews, D. i A. C. Sanchez (2011b), Drivers of Homeownership Rates in Selected OECD
Countries., OECD Economics Department Working Papers, No. 849.
Andrews, D., A. Caldera Sánchez i Å. Johansson (2011c), Housing Markets and Structural
Policies in OECD Countries, OECD Economics Department Working Papers, No. 836.
Arrondel, L. i B. Lefebvre (2001), Consumption and Investment Motives in Housing Wealth
Accumulation: A French Study, Journal of Urban Economics 50, s. 112–137.
Augustyniak, H., J. Łaszek, K. Olszewski i J. Waszczuk (2013), Cykle mieszkaniowe – model
nierównowagi i jego kalibracja dla warszawskiego rynku nieruchomości. W: Raport o rynku
nieruchomości mieszkaniowych i komercyjnych w Polsce w 2012 r., NBP.
130
Augustyniak, H., J. Łaszek, K. Olszewski i J. Waszczuk (2013), Modeling of cycles in the
residential real estate markets – interactions between the primary and the secondary market
and multiplier effects., National Bank of Poland Working Paper 143.
Banks, J., R. Blundell, Z. Oldfield iJ. P. Smith (2011), Housing Mobility and Downsizing at
Older Ages in Britain and the USA, Economica, London School of Economics and
Political Science, Vol. 79(313), s. 1-26.
Barcelo, C. (2006), Housing Tenure and Labour Mobility: A Comparison Across European
Countries, Banco de Espana Research Paper No. WP-0603; CEMFI Working Paper
No. 0302
Blanchflower, D. G. i A. J. Oswald (2013), Does High Home-Ownership Impair the Labor
Market?, NBER working paper nr. 19079.
Bourassa, S., M. Hoesli i D. Scognamiglio (2010), Housing finance, prices, and tenure in
Switzerland, MPRA Paper No. 45990, s. 262-282.
Case, K. E. i R. J. Shiller, (1989), The Efficiency of the Market for Single Family Homes, American
Economic Review 79, s. 125–137.
Chambers, M.S., C. Garriga, i Don Schlagenhauf (2008), Mortgage Innovation, Mortgage
Choice and Housing Decisions, Federal Reserve Bank of St. Louis Review, 90(6), s. 585-
608.
Coulson, N. E. i L. M. Fisher (2002), Tenure Choice and Labor Market Outcomes., Housing
Studies, Vol. 17, (1), s. 35–49.
DiPasquale, D. i E. Glaeser (1999), Incentives and Social Capital: Are Homeowners Better
Citizens?, Journal of Urban Economics, 45(2), s. 354-384.
Edgar, B. M. Filipovic i I. Dandolova (2007), Home Ownership and Marginalisation., European
Journal of Homelessness, Vol. 1, s. 141-160.
Eurostat (2011), Dane statystyczne dotyczące mieszkalnictwa - Statistics Explained (2013/8/3)
<http://epp.eurostat.ec.europa.eu/statistics_explained/index.php/Housing_statistics/
pl>
Fisher, L. M. i A. J. Jaffe (2003), Determinants of international home ownership rates., Housing
Finance International Journal, s. 34-35.
Gromnicka, E. i P. Zysk (2003), Polish Tenancy Law and the Principles of European Contract
Law., dostępny na SSRN.
Haurin, D., T. Parcel i R. Haurin (2002), Does Homeownership Affect Children‟s Outcomes?,
Real Estate Economics, No. 30, s. 635–666.
Henderson, J.V. i Y.M. Ioannides (1983), A Model of Housing Tenure Choice., The American
Economic Review, Vol. 73(1), s. 98-113.
Ioannides, Y.M. i S.S. Rosenthal (1994), Estimating the Consumption and Investment Demands
for Housing and Their Effect on Housing Tenure Status., The Review of Economics and
Statistics, Vol. 76(1), s. 127-141.
Łaszek, J. (2013), Mieszkanie w teorii konsumenta, W: NBP (2013), Raport o rynku nieruchomości
mieszkaniowych i komercyjnych w Polsce w 2011 r.
Ligon, J. (2013), How Government Housing Policy Led to the Financial Crisis. Testimony before the
Committee on Financial Services., Subcommittee on Capital Markets and Government
Sponsored Enterprises United States House of Representatives March 6, 2013.
131
Lowe, S. (2004), Overview: Too poor to move, too poor to stay. in J. Fearan, (ed.) Too poor to
move, too poor to stay: A report on housing in the Czech Republic, Hungary and Serbia., LGI
Fellowship series, Budapest: Open society institute.
NBP (2010), Raport o rynku nieruchomości mieszkaniowych w Polsce w latach 2002-2009.
NBP (2011), Raport o rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2010 r.
NBP (2012a), Raport o rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2011 r.
NBP (2012b), Informacja o cenach mieszkań i sytuacji na rynku nieruchomości mieszkaniowych
i komercyjnych w Polsce w IV kwartale 2012 r.
Poterba, J. M. (1984), Tax Subsidies to Owner-Occupied Housing: An Asset-Market Approach,
The Quarterly Journal of Economics, Vol. 99, No. 4, s. 729-752.
Sánchez, C. A. i D. Andrews (2011), Residential Mobility and Public Policy in OECD Countries.,
OECD Journal: Economic Studies, Vol. 2011/1.
Scanlon, K. i C. Whitehead (2004), International trends in housing tenure and mortgage finance,
London School of Economics, ISBN: 0-9544578-6-2.
Sinai, T. i N. Souleles (2005), Owner Occupied Housing as Insurance Against Rent Risk,
Quarterly Journal of Economics, Vol. 120 (2), s. 763–789.
Stein, J. C. (1995), Prices and trading volumes in the housing market: a model with down-payment
effects, Quarterly Journal of Economics, s. 379-406.
132
A5 Cykle mieszkaniowe – model nierównowagi i jego kalibracja dla warszawskiego rynku nieruchomości
Hanna Augustyniak78, Jacek Łaszek79, Krzysztof Olszewski78 i Joanna Waszczuk78
Streszczenie
W artykule przedstawiamy prosty model nierównowagi na rynku mieszkaniowym,
który skalibrowaliśmy dla warszawskiego rynku. Omówiliśmy ostatni cykl i pokazaliśmy
jak połączenie niewielkich szoków popytowych z krótkookresowo sztywną podażą
powoduje silne fluktuacje. Cykliczność jest permanentną cechą rynku nieruchomości
i może być tłumaczona nieelastycznością podaży. Podmioty uczestniczące na rynku tworzą
oczekiwania cenowe oraz popytowe na podstawie obserwacji z przeszłości. To powoduje
częste cykle, które w specyficznych warunkach mogą prowadzić do kryzysów
ekonomicznych. Uważamy, że model lepiej opisuje rzeczywistość zagregowanego rynku
nieruchomości niż modele równowagi, dlatego może być przydatny dla banków
centralnych oraz nadzorów finansowych przy analizie wpływu polityki fiskalnej,
monetarnej oraz regulacji na rynek nieruchomości.
Słowa kluczowe: Cykle na rynku mieszkaniowym, nierównowaga, sektor bankowy,
regulacje bankowe.
Klasyfikacja JEL: E32, E44, E37, R21, R31;
1. Wprowadzenie
Przy modelowaniu rynku nieruchomości przyjmuje się zwykle, że jest on
w równowadze. Jednak opóźnione reakcje podaży oraz szybko zmieniający się popyt,
którego główną determinantą jest dostępność kredytowa, powodują oscylacje wokół
punktu równowagi, wahającego się w czasie. W artykule proponujemy model
uwzględniający potrzeby mieszkaniowe gospodarstwa, które znajdują odzwierciedlenie we
fluktuującym popycie. Krótkookresowo stała podaż reaguje w pierwszym momencie
wzrostem cen, a dopiero po pewnym okresie tworzone są nowe mieszkania. Pozwala to na
analizowanie reakcji rynku mieszkaniowego w odpowiedzi na zmiany nominalnych stóp
procentowych lub preferencji gospodarstw domowych.
Analizę produkcji dóbr konsumpcyjnych o długim procesie wytwórczym opisał
w 1928 roku Hanau (na przykładzie „cyklu świńskiego”). Proces inwestycji i konstrukcji
nowych mieszkań był opisywany przez Topel i Rosen (1988). Z kolei cenowa elastyczność
podaży jest szacowana dla różnych krajów przez Phang, Kim i Watcher (2010). Z naszych
obserwacji wynika, że gospodarstwa domowe nie tylko nabywają w pełni wybudowanych
78 Instytut Ekonomiczny, Narodowy Bank Polski, ul. Świętokrzyska 11/21, 00-919 Warszawa, Polska.
[email protected]. Adres do korespondencji. 79 Szkoła Główna Handlowa i Instytut Ekonomiczny, Narodowy Bank Polski.
133
lokali, lecz także kontrakty deweloperskie na budowę mieszkań. Kiedy popyt jest w dużym
stopniu niezaspokojony, deweloperzy sprzedając kontrakt zobowiązują się dostarczyć
mieszkania, których budowa została już rozpoczęta. Zwykle kontrakty są sprzedawane po
ok. 1 roku od chwili rozpoczęcia procesu budowlanego. Kolejne dwa lata upływają zanim
mieszkanie zostanie oddane do użytku. Jednak po sfinalizowaniu umowy lokale te nie
oddziałują już na rynek mieszkań, gdyż kontrakt został sprzedany w przeszłości. Należy
podkreślić, iż deweloperzy mają znaczną część produkcji w toku, co pozwala im relatywnie
szybko reagować na sygnały płynące z rynku80. W Europie Zachodniej przedsprzedaż
budowanych mieszkań nie jest spotykanym zjawiskiem, natomiast w Polsce, podobnie jak
w Azji (zob. Chang i Ward, 1993), ma długą historię. Stosowanie takich rozwiązań
uelastycznia podaż, skraca cykl oraz obniża amplitudę wahań. Pomaga to podażowej
stronie szybciej odpowiadać na silnie wzrastający popyt, jednak wiąże się też zawsze
z pewnym ryzykiem. Zaletą dla nabywców jest to, iż kupują lokale po stałej cenie, tym
samym finansując projekt dewelopera. Deweloper może kontynuować budowę bez
potrzeby zaciągania kredytu. Kupujący ponosi jednak ryzyko w postaci możliwości
bankructwa dewelopera, natomiast producent mieszkań nie może w przyszłości
podwyższyć cen mieszkań, wraz ze wzrostami cen lub kosztów w przyszłości.
Wykres 1 Rozpoczęte budowy mieszkań, sprzedane mieszkania deweloperskie (sztuki, lewa oś)
i realna cena m kw. (ceny stałe z 2004 r. w zł, prawa oś)
Źródło: GUS, NBP BaRN, PONT Info, REAS.
W naszej analizie koncentrujemy się na Warszawie, największym polskim rynku.
Dostępne dane pozwalają uchwycić ostatni cykl na warszawskim rynku mieszkaniowym.
Rozpoczął się on okresem stabilnych cen (2002-2004), które następnie wzrastały wraz ze
80 Często deweloperzy pozyskują więcej pozwoleń na budowę, niż faktycznie rozpoczynają. Ponadto
nie wszystkie rozpoczęte budowy są natychmiast sprzedawane. Deweloper może przedłużać ten proces, gdy
ceny spadają oraz przyśpieszyć, gdy ceny rosną.
2 000
3 000
4 000
5 000
6 000
7 000
8 000
9 000
10 000
5000
7000
9000
11000
13000
15000
17000
19000
21000
23000
25000
2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Mieszkania rozpoczęte GUS Mieszkania sprzedane Cena T RP defl. CPI 2004=100
134
zwiększającymi się dochodami, wzrostem podaży kredytów i malejącymi stopami
procentowymi (2005-2008). W kolejnym okresie (2009-2011) ceny powoli obniżały się
wskutek spowolnienia gospodarczego, nadpodaży mieszkań i ograniczonej podaży
kredytów. Zależności pomiędzy dostępnością kredytową, wzrostem popytu
mieszkaniowego oraz wzrostem cen mieszkań na rynku pierwotnym w Polsce omówione
są szczegółowo w raportach NBP (2011, 2012a, 2012b). Przyglądając się cenom realnym,
które zostały deflowane CPI (2004 r. to rok bazowy), można zauważyć, że wzrost
faktycznie sprzedanych mieszkań i kontraktów deweloperskich stanowiących odpowiedź
na wzrost popytu wpływał na wzrost cen transakcyjnych (zob. wykres 1).
Pewnym problemem istniejącym w świecie nauki ekonomicznej, w tym przy analizie
cykli na rynku nieruchomości, były bardzo skomplikowane modele, przy których
rozwiązywaniu często przyjmowane były założenia sprzeczne z rzeczywistością.
W szczególności problematyczne jest założenie o szybkim dążeniu rynku do równowagi.
Wynikiem tych uproszczeń były często trywialne lub nawet błędne wnioski.
Przedstawiony przez nas model jest możliwie prosty i można go replikować w arkuszu
kalkulacyjnym. Pokazujemy, że dość prostymi metodami można analizować nierównowagi
i cykle na rynku mieszkaniowym. Potrzebne są do tego oczywiście odpowiednie dane,
które dla większości analizowanego okresu są publicznie dostępne na stronie internetowej
NBP i GUS. Naszym modelem wracamy do tradycji zapoczątkowanej przez DiPasquale
i Wheatona (1992), którzy w dość prosty sposób tłumaczą funkcjonowanie rynku.
W artykule prezentujemy model nierównowagi, analizujemy cykle oraz wpływ
szoków na cykliczność. W 2 rozdziale prezentujemy model popytu na mieszkania. W 3
rozdziale przedstawiamy model podaży oraz kalibrujemy ten model dla warszawskiego
rynku mieszkań. W rozdziale 4 wprowadzamy szoki, zaś rozdział 5 podsumowuje artykuł.
2. Popyt mieszkaniowy
W tym rozdziale przedstawiamy prosty model popytu. Skupiamy się wyłącznie na
rynku pierwotnym i zakładamy, że gospodarstwa domowe finansują zakup mieszkania
poprzez kredyt. Koszt ponoszony w danym okresie przez gospodarstwo domowe to spłata
kredytu. Burkham (1972) cytuje badanie FED, zgodnie z którym podaż kredytów
determinuje budowę mieszkań. Obecnie obserwujemy zarówno na świecie, jak i w Polsce,
że popyt na mieszkania jest napędzany przez podaż kredytu (zob. NBP, 2012a,b). Ponadto
na popyt wpływają preferencje konsumenta odnośnie konsumpcji innych dóbr i usług
mieszkaniowych . Podobnie jak Bajari i in. (2013) w funkcji użyteczności
uwzględniamy imputowany czynsz, wynikający z wielkości mieszkania H, jego ceny p oraz
parametru k, który odzwierciedla monetarną wartość strumienia usług mieszkaniowych.
Użyteczność opisujemy za pomocą funkcji CES, gdzie θ jest wagą użyteczności płynącej
z konsumpcji, zaś µ jest parametrem elastyczności substytucji pomiędzy konsumpcją
a mieszkaniem,
. Uwzględniając aprecjację,
, bierzemy pod uwagę również
oczekiwania konsumenta odnośnie przyszłych cen mieszkań (zob. Dunsky i Follain, 1997
lub Sommervoll i in., 2010) Taka specyfikacja funkcji użyteczności uwzględnia fakt, iż
mieszkanie jest kupowane zarówno w celach konsumpcyjnych, jak i inwestycyjnych (por.
135
Henderson i Ioannides, 1983 oraz Łaszek, 2003). Ponadto odzwierciedla fakt, iż
gospodarstwa domowe ekstrapolują przeszłe ceny i są podatne na zachowania zbiorowe.
Użyteczność gospodarstwa domowego przedstawia poniższe równanie:
( ) ( ( ) ( ) )
Konsument dzieli swoje dochody pomiędzy spłatę kredytu mieszkaniowego
i konsumpcję innych dóbr. Problem podziału rozwiązujemy z uwzględnieniem
ograniczenia budżetowego (b), gdzie: , (r - stała kredytu przy założeniu stałych
rat spłaty, p - cena metra kwadratowego), co daje nam optymalny wybór wielkości
mieszkania i konsumpcji innych dóbr w każdym okresie.
( ) ( )
Łącząc powyższe równanie z ograniczeniem budżetowym otrzymujemy optymalną
alokację środków, pomiędzy konsumpcją usług mieszkaniowych a konsumpcją innych
dóbr.
(
( ) )
(
( )
)
Lin i Lin (1999) twierdzą, iż elastyczność dochodowa popytu wynosi ok. 1, tak więc
wzrost dochodu powinien prowadzić do proporcjonalnego wzrostu popytu
mieszkaniowego. Gospodarstwo domowe nie jest ograniczone wyłącznie przez budżet, ale
również przez dostępność kredytową oraz regulacje nadzorcze. Bank oblicza dostępność
kredytową bazując na dochodzie gospodarstwa domowego, nominalnej stopie procentowej
oraz regulacjach ostrożnościowych, które m.in. ustalają najdłuższy możliwy okres spłaty
kredytu (im dłuższa zapadalność kredytu, tym niższa stała kredytu i tym większy kredyt
można udzielić gospodarstwu domowemu). Gospodarstwa domowe, kupując mieszkanie,
zwykle patrzą na obecną sytuację na rynku i warunki udzielania kredytów, nie biorąc pod
uwagę potencjalnych zmian stóp procentowych bądź zmian kursów walutowych, jeżeli
zaciągnęli kredyt denominowany w walucie obcej.
W celu ograniczenia nadmiernego zadłużenia oraz zmniejszenia ryzyka dla systemu
finansowego stosowane są ograniczenia części dochodów które mogą być przeznaczone na
spłatę kredytu (DTI) oraz ograniczenia dotyczące wielkości kredytu do wartości
zabezpieczenia (LTV)81. Dla ułatwienia analizy uwzględniamy tylko limity DTI, przez co
81 Znaczący wpływ na popyt na mieszkania ma również wielkość początkowego wkładu własnego
(zob. Stein, 1995, Ortola-Magne i Rady, 2006, Rubaszek, 2012), ale dla uproszczenia nie uwzględniamy tego
w analizie.
136
gospodarstwo domowe może przeznaczyć tylko pewną część swojego dochodu ( ( ))
na spłatę kredytu, a miesięczna rata spłaty wynosi wtedy maksymalnie , przy czym:
W tej sytuacji wybór wielkości mieszkania nie zawsze będzie oznaczał optymalną
alokację środków pomiędzy C* i H*, ale:
{
{
( )
Wprowadzanie ograniczeń ostrożnościowych może skutkować tym, że gospodarstwo
domowe nie może konsumować wystarczająco dużego mieszkania i jest zmuszone
konsumować więcej pozostałych dóbr niż potrzebuje. Wykres 2 przedstawia wybór
konsumenta w przypadku normalnego (punkt A) i ograniczonego restrykcjami
ostrożnościowymi budżetu (punkt B).
Wykres 2. Wybór konsumenta bez ograniczenia budżetowego (po lewej) i z ograniczeniem
budżetowym (po prawej)
Jeżeli wymogi ostrożnościowe są ograniczające (gospodarstwo chciałoby zaciągnąć
większy kredyt niż może), to nawet lekkie ich poluzowanie wywoła silne fluktuacje popytu
mieszkaniowego. Zwykle gospodarstwo domowe jest w stanie poświęcić część konsumpcji
innych dóbr, aby tylko kupić więcej mieszkania. To tłumaczy, dlaczego dostępność
kredytów walutowych wywołała boom popytowy na mieszkania w Polsce.
Dla pełnego wyjaśnienia powstania bańki cenowej należy przedstawić reakcję popytu
na wzrost cen na podstawie analizy graficznej. Przy klasycznej funkcji użyteczności,
w której mieszkanie traktowane jest jedynie konsumpcyjnie, wzrost ceny spowodowałby
spadek konsumpcji mieszkaniowej z punktu 1 do punktu 2 (por. wykres 3). Jednak
ponieważ mieszkanie jest dobrem konsumpcyjnym oraz inwestycyjnym, czynnik aprecjacji
A
H
C
A
B
H
C
137
mieszkania, powoduje silne przesunięcie krzywej użyteczności. W konsekwencji,
mieszkanie w obliczu wzrostu ceny staje się dobrem jeszcze bardziej pożądanym i nabywca
wybierze alokację opisaną punktem 3 na lewym wykresie 3. Zdecyduje się poświęcić nawet
znaczną część konsumpcji pozostałych dóbr, żeby kupić więcej mieszkania, niż by kupił
przy starej, niższej cenie.
Wykres 3. Wybór konsumenta przy wzroście cen (po lewej) oraz dodatkowym wzroście dochodów
i spadku stóp procentowych (po prawej)
Trzeba dodać, iż wzrosty cen odbywały się w obliczu rosnących dochodów oraz znacznie
spadających stóp procentowych. Wykres 3 prawy pokazuje, że najpierw w wyniku wzrostu
dochodów linia budżetu przesuwa się w prawo, a więc konsument może kupić więcej
mieszkania oraz innych dóbr, przesuwa się z punktu 1 do punktu 2. Jednak ceny rosną,
a więc zgodnie z wcześniejszym objaśnieniem, wybierze punkt 3. Natomiast istotny spadek
stóp procentowych powoduje, że wzrost ceny jest w ujęciu budżetowym prawie
zrekompensowany, tak więc krzywa budżetu wraca do swojej pozycji sprzed wzrostu cen,
a nabywca wybiera finalnie punkt 4. Analiza przedstawiona w NBP (2013) pokazuje, że
w okresie boomu cenowego dostępność kredytowa liczona w m kw. mieszkania rosła, co
umożliwiało gospodarstwom nabywać coraz większe mieszkania. Dopiero połączenie
zmian cen, dochodów oraz stóp procentowych pozwala wytłumaczyć względnie
nieracjonalne zachowanie kupujących, którzy przy rosnących cenach zgłaszali popyt na
coraz większe mieszkania. W agregacie przełożyło się to na coraz większy popyt
mieszkaniowy.
Warto dodać, ze w warunkach boomu kredytowego gospodarstwa domowe ma
możliwość przekroczenia swojego budżetu poprzez nadmierne zadłużanie się (Ponzi loans).
Z punktu widzenia indywidualnej decyzji gospodarstwa jest to racjonale, gdyż
optymalizuje ono konsumpcję międzyokresową a nadmierny dług spłaci w następnym
okresie poprzez zyski kapitałowe na mieszkaniu. Sytuacja taka nie wystąpiła na polskim
rynku, dla tego nie rozpatrujemy tego wariantu.
3
2
H
1
C
4
3 2
1
H
C
138
2.1 Kalibracja modelu popytu i analiza wpływu stóp procentowych na popyt
Model popytu mieszkaniowego został skalibrowany tak, by jak najdokładniej
odzwierciedlić rzeczywisty wzrost popytu i cen na warszawskim rynku mieszkaniowym
w latach 2002-2012. Podczas kalibracji przyjęliśmy parametry , i zbliżone do wielkości
proponowanych przez Bajari i in. (2013) ( , , = 0,075). My dobraliśmy
identyczny parametr do obliczenia elastyczności substytucji , zmodyfikowaliśmy
natomiast wagę użyteczności do , ponieważ wtedy model jest lepiej dopasowany
do empirycznych danych. Zmniejszanie parametru odzwierciedla silną chęć posiadania
mieszkania. Parametr k, potrzebny do obliczenia imputowanego czynszu, obliczony został
jako średnia z rzeczywistych danych czynszowych oraz cenach transakcyjnych mieszkań (z
bazy BaRN NBP) i wynosi 0,065. Ponadto przy aprecjacji stosujemy parametr , który
determinuje jak silnie nabywcy reagują na aprecjację mieszkań. Jako budżet gospodarstwa
domowego przyjęliśmy 2 krotność przeciętnego wynagrodzenia netto w sektorze
przedsiębiorstw w danym roku. Łącznie model dobrze replikuje ostatni cykl popytowy na
warszawskim rynku mieszkaniowym, co widać na wykresie 3. Popyt na m kw. mieszkania
został obliczony w następujący sposób: modelowy popyt na m kw. mieszkania
przeciętnego gospodarstwa domowego został przemnożony przez 13 000 – średnią liczbę
sprzedanych mieszkań w analizowanym okresie, a na koniec przeskalowany (dzieląc przez
10 000) w celu uspójnienia skali. Natomiast, aby obliczyć łączny metraż faktycznie
sprzedanych mieszkań, przemnożono liczbę sprzedanych mieszkań deweloperskich przez
ich średnią wielkość 58 m kw., a potem przeskalowano wynik (dzieląc przez 10 000).
Natomiast stała kredytowa została przeskalowana, poprzez mnożenie razy 10.
Zauważyć można, że wraz z silnym spadkiem ważonej stopy procentowej rósł popyt
na mieszkania. Modelowy popyt wzrastał znacznie szybciej niż rosły faktyczne transakcje,
co miało dwie przyczyny. Deweloperzy na początku boomu nie byli w stanie generować
wystarczająco dużo kontraktów na budowę mieszkań. Dopiero z około rocznym
opóźnieniem wystawiali oni nowe kontrakty na rynek. Pomimo iż w późniejszej fazie cyklu
popyt wyhamował, producenci mieszkań sprzedawali bardzo dużo kontraktów –
zaspokajali potrzeby klientów, którzy zgłaszali je właśnie rok wcześniej. Ponadto wzrost
dochodów i spadek stopy procentowej nie przekładał się bezpośrednio na akcję kredytową
banków, która wystartowała z pewnym opóźnieniem.
Model popytu pozwala przeanalizować zachowanie gospodarstw domowych
w okresie boomu. Pomimo, iż ceny m kw. mieszkań zaczęły szybko rosnąć, to popyt wciąż
się powiększał. Wpływały na to trzy ważne czynniki: spadające stopy procentowe (ważone
strukturą walutową przyrostu kredytu mieszkaniowego), wzrost dochodów oraz
oczekiwania dalszej silnej aprecjacji cen transakcyjnych mieszkań. Na to nakładała się duża
chęć posiadania mieszkania (por. Augustyniak i in. 2013) oraz bardzo łagodne podejście
banków przy udzielaniu kredytu. Istotnym czynnikiem powodującym wzrost popytu,
pomimo wzrostu cen oraz lekkiego wzrostu średnioważonej stopy procentowej, było
udzielanie kredytów na coraz dłuższy okres. W ten sposób stała rata spłaty kredytu
utrzymywała się względnie długo na niskim poziomie. Gdyby jednak banki znacznie
wcześniej nie pozwalały na zaciąganie kredytów na coraz dłuższe okresy, popyt
najprawdopodobniej byłby niższy. Wykres 4 pokazuje przebieg popytu mieszkaniowego
139
przy założeniu udzielania kredytów walutowych i złotowych (lewy wykres) lub wyłącznie
złotowych (prawy wykres).
Wykres 4. Popyt mieszkaniowy, ceny mieszkań, stopy procentowe oraz liczba zakupionych
nieruchomości (lewy wykres - przy założeniu udzielania kredytów złotowych i walutowych, prawy
wykres – przy założeniu udzielania wyłącznie kredytów złotowych)
Przedstawiony model jest tak zwanym modelem częściowej równowagi, w którym
zakładamy, że ceny były podawane przez deweloperów, a gospodarstwa domowe
wybierały wyłącznie metraż mieszkań. Faktycznie zmniejszony popyt, wynikający ze
wzrostu stóp procentowych w sytuacji braku kredytów walutowych nie powinien
doprowadzić do tak silnego wzrostu cen (zob. wykres 4, prawy). Warto podkreślić, iż
analiza panelowa przedstawiona w NBP (2013) wskazuje na to, iż deweloperzy szybko
podnosili ceny w okresie boomu, natomiast niechętnie je obniżali podczas spadku popytu.
3. Podaż mieszkań deweloperskich
Chociaż cenowa elastyczność mieszkań na przykładzie USA była analizowana już
w 1960 roku przez Muth, stronie podażowej poświęcono relatywnie mało miejsca
w literaturze82. Jedną z obszerniejszych publikacji dotyczącej tej tematyki jest artykuł
DiPasquale (1999). Analizując podaż mieszkań trzeba brać pod uwagę sytuację na
lokalnych rynkach nieruchomości. Stover (1986) wskazał, że agregacja danych z
poszczególnych, odległych miast prowadzi do znaczących błędów przy szacowaniu
cenowej elastyczności podaży mieszkań. Szczegółowa analiza sektora deweloperskiego, jak
również rachunek zysków i kosztów znajduje się w Augustyniak i in. (2012), tutaj
natomiast koncentrujemy się na krzywej podaży.
82 Modelowanie podaży sprawia wiele trudności, m.in. analitycznych. Epple, Gordon i Sieg (2010) w
artykule zajęli się estymacją funkcji produkcji domów w oparciu o cenę gruntu. Głównym problemem było to,
iż mieszkanie składa się z atrybutów, które trudno obiektywnie, osobno, jakościowo bądź ilościowo wyceniać
(np. standard). Warto też podkreślić, iż cechy mieszkania to rezultat skomplikowanych decyzji
podejmowanych przez deweloperów oraz właścicieli mieszkań (por. DiPasquale, 1999). W Polskich realiach
problem stanowi również dotarcie do pełnych, dokładnych szeregów danych.
0
20
40
60
80
100
120
140
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
m k
w.
lub
sto
pa
zł/
m k
w.
P (L) Popyt (P)
H sprzedane (P) stopa procentowa * 1000 (P)
0
20
40
60
80
100
120
140
0
1000
2000
3000
4000
5000
6000
7000
8000
9000
2002
2003
2004
2005
2006
2007
2008
2009
2010
2011
2012
m k
w.
lub
sto
pa
zł/
m k
w.
P (L) Popyt (P)
H sprzedane (P) stopa procentowa * 1000 (P)
140
Krótkookresowo podaż mieszkań deweloperskich jest sztywna, ponieważ od
rozpoczęcia do zakończenia budowy i oddania nieruchomości do użytku mija zwykle 4-5
lat. Podaż uelastycznia się w średnim okresie, gdyż deweloperzy prowadzą sprzedaż
kontraktów, jeżeli są one dozwolone prawnie i akceptowane przez podmioty na rynku.
Deweloperzy wprowadzają więc na rynek kontrakty na wybudowanie nieruchomości,
których proces budowlany dopiero się rozpoczął (zob. Augustyniak i in., 2012) i miną
jeszcze ok. 2 lata zanim projekt zakończy się. W czasie boomu cenowego sprzedaż
kontraktów zaczęła się jeszcze wcześniej i kupowane były tzw. dziury w ziemi. Wtedy,
dopiero po okresie ok. 3-4 lat, mieszkania były dostarczone nabywcy.
Znając relację pomiędzy kosztami produkcji a krzywą podaży deweloperów wiemy,
że w średnim okresie sektor deweloperski jest w stanie wybudować większą liczbę lokali
po wyższych kosztach. Krzywa kosztów będzie znajdowała się blisko krzywej kosztów
krańcowych. Jak pokazują nasze obserwacje, średniookresowa krzywa podaży
deweloperów może znacząco różnić się od krzywej kosztów, gdyż deweloperzy planują
przyszłe inwestycje na podstawie bieżących cen. Niewłaściwie szacują oni wzrost kosztów
czynników produkcji, napędzany przez zwiększający się popyt i reagują tylko na
nominalne zmiany cen mieszkań.
W średnim okresie, napływający do sektora kapitał spycha koszty ku poziomowi
minimalnego średniego kosztu (koszt długookresowy). W konsekwencji krzywa podaży
stanie się jeszcze bardziej elastyczna, ponieważ na rynek wchodzić będą nowe firmy
deweloperskie, a obecnie istniejące zwiększą swoją produkcję. Jeśli jednak wzrost podaży
będzie zbyt duży, przeciętne koszty wzrosną na skutek ujemnych efektów skali
(infrastruktura, koszty transportu, materiałów, ziemi, itp.).
Ponadto deweloperzy często finansują działalność za pomocą dźwigni finansowej,
co zmienia wskaźniki rentowności, gdyż wzrost produkcji finansowanej w ten sposób
równoważy rosnące koszty jednostkowe. W niektórych państwach możliwe jest
finansowanie procesów budowlanych przez przedpłaty nabywców, dzięki czemu
deweloperzy oszczędzają równowartość odsetek, którą musieliby płacić przy kredycie, a to
poprawia zyskowność inwestycji. Podaż kontraktów deweloperskich może więc być
w krótkim okresie bardziej elastyczna pod wpływem wzrostu cen niż by to wynikało
z kosztów krańcowych.
W długim okresie podaż mieszkań będzie bardziej elastyczna dzięki szerszej gamie
możliwości zwiększania produkcji. Cała gospodarka będzie podlegała strukturalnym
dostosowaniom mającym na celu dopasowanie podaży mieszkaniowej do potrzeb
ludności83.
83 Warto dodać, że gospodarka może być poddana wielu mylnym, kosztownym społecznie i nadmiernym
dostosowaniom, by dostosować podaż nowych mieszkań do popytu. Zaobserwowaliśmy to ostatnio, m.in.
w Hiszpanii. Zbyt wiele czynników produkcji (kapitału i czynnika ludzkiego) zostało przeniesionych do
sektora deweloperskiego, co wygenerowało olbrzymie koszty: wysoką stopę pustostanów oraz
niedopasowania na rynku pracy.
141
3.1 Rzeczywista i wirtualna krzywa podaży
Podobnie jak w innych sektorach na krzywą podaży wpływają koszty krańcowe oraz
cena. Firmy zajmujące się budową mieszkań mają zwykle podobne, wystandaryzowane
metody konstrukcji tak, że zagregowana krzywa podaży jest sumą krzywych podaży
pojedynczych deweloperów. Możemy wyznaczyć dwie krzywe podaży: wirtualną oraz
rzeczywistą.
Wirtualna krzywa podaży (V) jest wynikiem kalkulacji dewelopera odnośnie
przyszłych zysków z inwestycji. Wyliczenie to jest szacunkiem bazującym na bieżących
cenach mieszkań, kosztach materiałów i pracy. W przeciwieństwie do firmy produkcyjnej,
która ma stały kapitał zakładowy oraz optymalny poziom produkcji, powyżej którego
koszty znacznie wzrastają, deweloper korzysta z outsourcingu usług budowlanych
i kupuje dużo środków produkcji w małych partiach. Z tego powodu jego indywidualna
krzywa kosztów jest płaska i rośnie z dużym opóźnieniem (zob. wykres 4, lewy).
Deweloper działa zwykle jako holding, co pozwala mu na tworzenie spółek celowych, aby
rozpoczynać nowe inwestycje. Ponadto może dostosowywać liczbę lokali w danej
lokalizacji do aktualnych potrzeb rynkowych. Jego podaż jest ograniczona przez dostęp do
kapitału generowanego przez rynek akcji, obligacji oraz przez kredyty. Należy wspomnieć
też o kolejnej restrykcji w postaci ograniczonej liczby wykwalifikowanych osób, mogących
prowadzić proces budowlany oraz dostępności środków produkcji. W konsekwencji
krzywa podaży (S), z punktu widzenia deweloperów, będzie słabiej nachylona. Przesunie
się ona w lewo, jeśli deweloper oczekuje, iż wzrosną koszty ziemi, materiałów, pracy bądź
zwiększą się ujemne efekty skali.
Co więcej, deweloper może kontynuować projekt, który został już rozpoczęty
i wstrzymany, jeśli popyt wzrośnie. W tym przypadku krzywa podaży dewelopera jest
wirtualna i subiektywna, ponieważ bazuje wyłącznie na własnych szacunkach i zwykle nie
bierze pod uwagę zachowania konkurencji.
Wykres 5 Wirtualna i rzeczywista krzywa podaży (lewy wykres) i zmiany na rynku w odpowiedzi
na wzrost popytu (prawy wykres)
H
F V
Ct Ct
H
E
E’
D D’
S F
V
142
Rzeczywista krzywa podaży (F) całego sektora deweloperskiego odzwierciedla
faktyczne zmiany w rentowności inwestycji, bierze pod uwagę efekty skali oraz rosnące
koszty czynników wytwórczych, gdy produkcja osiągnie zbyt duży pułap. Na przykład
deweloperzy będą kupować mniej atrakcyjne działki i będą musieli dostosować je do
aktualnych potrzeb lub będą musieli płacić więcej za pracę oraz materiały. To prowadzi do
krzywej, która pokazuje jak elastycznie reaguje podaż na ceny mieszkań. Jednakże jej
znaczenie na etapie planowania wydaje się być ograniczone dla indywidualnego
dewelopera. Będzie ona odgrywała główną rolę w finalnej fazie projektu i determinowała
ilość mieszkań, które są aktualnie konstruowane.
W przypadku, gdy ceny lokali są stałe, wzrastające koszty sprawiają, iż wskaźniki
rentowności zmniejszają się, a w konsekwencji oczekiwane przyszłe zyski maleją, wirtualna
krzywa podaży rośnie. Rezultatem tego jest wstrzymanie nowych inwestycji, spowolnienie
budowy obecnych nieruchomości, bądź nawet rezygnacja z bieżących projektów
inwestycyjnych. Wirtualna i rzeczywista krzywa podaży została przedstawiona na lewym
wykresie 5. Na wzrost popytu na mieszkania, przedstawiony na prawym wykresie 4, jako
przesunięcie krzywej popytu w prawo (z D do D’), deweloperzy odpowiedzą
zwiększeniem produkcji mieszkań. Rosnące ceny czynników produkcji oraz ujemne efekty
skali (przeciętne koszty czynników produkcji zaczynają rosnąć) sprawiają, iż tak naprawdę
rzeczywisty koszt wyprodukowania tak dużej liczby mieszkań jest wyższy (patrz krzywa
F) i przewyższa cenę, jaką są w stanie zapłacić klienci, a w konsekwencji powstaje
nadwyżka na rynku mieszkań.
4. Zagregowany popyt i podaż, kalibracja modelu i analiza szoków
Uwzględniając wcześniej opisany model indywidualnego popytu na powierzchnię
mieszkania Ht, przechodzimy do zagregowanego popytu . Każde gospodarstwo
domowe zgłasza popyt na pewną liczbę m kw. mieszkania, co w agregacie przekłada się na
wzrost liczby pożądanych mieszkań. Popyt zagregowany można opisać następującym
równaniem84, gdzie parametr a wychwytuje stałą poziomu popytu, a parametr b pokazuje
jak silnie popyt reaguje na wzrost ceny:
Po stronie zagregowanej podaży możemy skorzystać z podobnego zapisu, przy czym
produkcja mieszkań rozpoczęta w danym okresie dostępna będzie z opóźnieniem. Podaż
reaguje więc na cenę z poprzedniego okresu, co opisane jest parametrem d, natomiast
parametr c to autonomiczna podaż85, niezależna od poziomu ceny.
84 Jest to uproszczenie faktycznej funkcji popytu opisanej wczesniej, przy czym parametr a
odzwierciedla popyt autonomiczny oraz zmiany popytu związane z czynnikami pozacenowymi (poziom
dochodów, demografia oraz preferencje mieszkaniowe). Parametr b odzwierciedla, jak silnie popyt reaguje na
zmiany cen. 85 Przy dużych, stałych kosztach, deweloper buduje część mieszkań na zapas, nie uwzględniając
bieżących cen oraz zmiennych kosztów. Produkcję taką nazywamy autonomiczną. Por. też Augustyniak i in.
(2012).
143
Żeby ustalić punkt równowagi takiego systemu (cenę równowagi i liczbę
sprzedanych mieszkań ) łączymy te dwa równania i otrzymujemy następujący
wynik.
Żeby system opisywał rzeczywiste zjawiska na rynku, muszą być spełnione dwa
warunki dotyczące parametrów a, b, c i d. Po pierwsze chcemy uniknąć ujemnych cen
w równowadze, więc a > c. Ponadto system ma być stabilny, ma zmierzać w kierunku
równowagi, co jest możliwe jedynie, jeżeli d < b.
Zmiany cen mieszkań wynikają z rozbieżności w poziomach popytu Dt i podaży St
(zob. Tse, Ho i Ganesan, 1999), a dostosowanie cen możemy opisać następującym
równaniem: ( )
Parametr odpowiada za szybkość dopasowywania się cen. Na podstawie
empirycznych obserwacji stwierdzamy, że reakcja deweloperów jest asymetryczna, tzn.
ceny są elastyczne w górę, natomiast nieelastyczne w dół. Cena mieszkań jest ustalana
przez dewelopera i nabywca może ją negocjować, jednak posiada on niewielką ilość
informacji i małą siłę przetargową86. Zwykle deweloperzy mają określone oczekiwania
cenowe i są przygotowani, aby czekać na klienta, który zdecyduje się zapłacić tę cenę87.
Kiedy popyt przewyższa podaż deweloper może zażądać wyższej ceny. Natomiast
w sytuacji nadpodaży, deweloper obniża cenowe oczekiwania powoli, mając nadzieję na
znalezienie nabywcy, który będzie w stanie zapłacić wyznaczoną cenę. Taką sytuację
obserwujemy na polskim rynku mieszkaniowym w ostatnich latach. Może się ona
zmieniać, gdy deweloper działa na dużym lewarze finansowym i potrzebuje szybko
zdobyć fundusze. Wtedy jest on zmuszony do obniżek cen, aby sprzedać mieszkanie tak
szybko, jak to możliwe. Jednak w sytuacji gdy finansuje się za pomocą kredytu, umowa
kredytowa może nie pozwalać na obniżki cen poniżej pewnego progu.
4.1 Kalibracja modelu dla warszawskiego rynku nieruchomości
Przy kalibracji używamy zagregowanego popytu. Przyjmujemy, iż jest on równy
iloczynowi średniego metrażu mieszkania (58 m kw.) i przeciętnej liczby gospodarstw
domowych, które rocznie kupują mieszkanie. Nasze dane wskazują, że w ciągu
analizowanego okresu średnia liczba transakcji zawieranych na rynku mieszkaniowym
w Warszawie wynosiła ok. 13 000 sztuk, natomiast w okresie stabilizacji (2002-2004)
wynosiła około 12 600 sztuk. Przyjmijmy, iż ten zagregowany popyt wyznacza punkt
86 Istnieje silna asymetria informacji, deweloper może wstawiać mniejszą liczbę mieszkań na rynek, aby
stworzyć pozór, iż jest to dobro rzadkie. Producent mieszkań ma też narzędzia marketingowe, by przekonać
klienta, iż mieszkanie jest warte tyle, ile oczekuje deweloper. 87 Porównaj oferty przedstawione na wykresie 4 w NBP (2013).
144
równowagi. Począwszy od tego punktu popyt znacznie wzrósł z powodu zwiększonej
podaży kredytów (po 2004 r.). To doprowadziło do wyższych cen, w sposób
przedstawiony w rozdziale 2.4. W konsekwencji deweloperzy rozpoczęli nowe projekty
inwestycyjne, które zasiliły rynek z ok. 1-2 letnim opóźnieniem. Do 2007 r.
obserwowaliśmy wzrosty cen i zwiększoną produkcję nowych mieszkań, ale na skutek
światowego kryzysu gospodarczego popyt na mieszkania spadł. Rezultatem było
zmniejszenie liczby nowych budów i niewielkie zmiany cen. Jest to przykład
odzwierciedlający większą elastyczność cen przy wzrostach i mniejszą przy spadkach.
Jako punkt równowagi na rynku bierzemy okres 2002-2004, w którym cena wynosiła
około 4 200 zł za m kw. (w cenach stałych z 2004 r.), natomiast sprzedawane było około
12 600 mieszkań rocznie.
Poszukujemy takich parametrów a, b, c i d, które pozwolą odtworzyć cykl na rynku.
Dla uproszczenia zakładamy, iż nie istnieje autonomiczna produkcja mieszkań, a więc
ustalamy . Dzieląc równanie ceny przez równanie liczby sprzedanych mieszkań,
otrzymujemy następujące równanie:
Ponieważ założyliśmy, iż c = 0, od razu otrzymujemy parametr Następnie
z równania ceny otrzymujemy równanie, opisujące parametr a w zależności od dobranego
parametru b i d:
( )
Uwzględniając wcześniej omówione wymogi dotyczące parametrów (a > c, d < b),
wybraliśmy następujący zestaw parametrów88: a = 29,4, b = 4, c = 0, d = 3. Ponadto widzimy,
iż deweloperzy chętniej podnoszą cenę niż ją opuszczają, co odzwierciedlamy w modelu,
ustalając parametr oraz . Tak skalibrowany
model odzwierciedla zaobserwowane na rynku zachowania. W następnym podrozdziale
model ten poddajemy szokom.
4.2 Analiza wpływu szoków
W tym podrozdziale analizujemy wpływ szoku popytowego przy symetrycznej oraz
asymetrycznej elastyczności cenowej deweloperów w górę i w dół. Dla uproszczenia
możemy przyjąć, że gospodarka jest blisko punktu równowagi, gdy zmiany cen są
niewielkie, a podaż i popyt różnią się nieznacznie (lata 2002-2004). Szok to odchylenie się
wielkości popytu o wielkość wyznaczoną na podstawie faktycznych odchyleń obliczanych
na podstawie danych empirycznych (2004 rok to rok bazowy). Wskutek dużej podaży
kredytów denominowanych w walucie obcej oraz rosnących dochodów, dostępność
88 Istnieje oczywiście nieskończona ilość możliwych par dobra a i b, jednak zależy nam na jak
najprostszym zapisie. Powyższy wybór pozwala na wygenerowanie dość realistycznych cykli.
145
kredytów wzrosła. Popyt na mieszkania zwiększał się szybko, lecz deweloperzy dostarczali
większą liczbę nowych lokali z pewnym opóźnieniem. Kiedy bieżący popyt jest wyższy od
podaży, ceny mieszkań rosną, a to z kolei zachęca deweloperów do wybudowania większej
liczby mieszkań w przyszłości. Decyzja o nabyciu mieszkania jest ograniczona podażą
kredytu, czyli zależy od stóp procentowych. W pewnym momencie gospodarka znalazła
się w sytuacji, kiedy gospodarstwa domowe chciały kupować mniej mieszkań, natomiast
deweloperzy wciąż wprowadzali na rynek nowe oferty. To prowadziło do redukcji cen,
a deweloperzy powinni zacząć pomniejszać produkcję w średnim okresie, zmierzając do
nowego punktu równowagi. Jednak deweloperzy zbyt powolnie zmniejszali ceny oraz
produkcję, co doprowadziło do znacznego wzrostu liczby niesprzedanych mieszkań.
W celu domknięcia modelu zakładamy, zgodnie z realiami rynku, że istnieje pewien
zasób niesprzedanych mieszkań deweloperskich, z których deweloper może
krótkookresowo zaspokoić pewną część popytu. Ten zasób ( ̂) został wybrany jako 50%
średniego wolumenu sprzedanych transakcji (6 500 sztuk). Jest to ważne uproszczenie,
gdyż w innym przypadku, przy dużych szokach, popyt nie byłby zaspokajany w dużym
stopniu, a szoki cenowe były by jeszcze silniejsze. Z drugiej strony deweloperzy musieliby
sprzedać całą produkcję w momencie spadku popytu, a więc i ceny spadłyby drastycznie.
Ten zasób jest zasilany nadprodukcją z obecnego oraz z poprzednich okresów ( ̂ ̂
( ))
Jako pierwszy analizujemy jednorazowy, wygasający szok popytowy, wynikający
z faktycznego wzrostu popytu na przełomie lat 2004/2005, przedstawiony w rozdziale 2.
Popyt na mieszkania wzrósł tylko w tym okresie o ok. 15% w relacji do średniego popytu.
Zakładamy że już w następnym okresie popyt wraca do swojej długookresowej średniej.
W efekcie popytu przewyższającego podaż, deweloperzy podnoszą cenę, a w kolejnym
okresie wystawiają na rynek znacznie więcej mieszkań. Nadmierny popyt zaspakajany jest
częściowo przez zasób niesprzedanych mieszkań. W okresie t+1 wartość popytu wraca do
średniej wartości popytu sprzed szoku, jednak deweloperzy powolnie obniżają cenę.
Gospodarstwa domowe kupują tyle mieszkań co przed szokiem, natomiast deweloperzy,
sugerując się nadmiernie wysokimi cenami, produkują zbyt dużo mieszkań.
W konsekwencji nadwyżka niesprzedanych mieszkań rośnie (lewy wykres 6). Gdyby
natomiast deweloperzy tak samo szybko obniżyli ceny, jak je podnieśli, nie generowali by
zbyt długo nadpodaży mieszkań, a rynek by szybko wrócił do długookresowej równowagi
(prawy wykres 6).
Wykres 6. Analiza jednorazowego szoku popytowego (lewy wykres – elastyczność cenowa
deweloperów w górę wyższa niż w dół, prawy wykres – elastyczność cenowa deweloperów
symetryczna)
146
Źródło: Opracowanie własne.
Taką samą analizę przeprowadzamy dla dłuższego szoku. Popyt rośnie z okresu na
okres, zgodnie z empirycznym wzrostem popytu (por. wykres 4). W tym przypadku,
podobnie jak wcześniej deweloperzy obserwując nadmierny popyt, podnoszą ceny oraz
z opóźnieniem produkują więcej mieszkań. To zachowanie jest powtarzane tak długo, jak
rośnie popyt, natomiast deweloperzy zbyt późno ograniczają produkcję mieszkań. Gdyby
szybciej obniżali cenę w reakcji na spadający popyt, produkowali by mniej mieszkań,
a rynek wróciłby szybciej do równowagi (por. wykres 7). Zasób niesprzedanych mieszkań,
który przy asymetrycznych zmianach cen znacznie wzrastał, względnie szybko maleje
i wraca praktycznie do swojego poziomu równowagi.
Wykres 7. Analiza długookresowego szoku popytowego (lewy wykres – elastyczność cenowa
deweloperów w górę wyższa niż w dół, prawy wykres – elastyczność cenowa deweloperów
symetryczna)
Źródło: Opracowanie własne.
Na podstawie powyższych rozważań stwierdzić można, niezależnie od tego czy
szok popytowy jest jednorazowy czy długookresowy, iż gdyby deweloperzy bardziej
urealniali ceny pod wpływem nadmiernej podaży, rynek by się zrównoważył szybciej.
Podsumowując, model pozwala wyjaśnić dynamiki cen i wolumen transakcji na
rynku nieruchomości, które prowadzą do znacznych wahań. Model sugeruje, iż jedynym
sposobem na uruchomienie procesów mających na celu doprowadzenie do równowagi
i zapewnienie niewielkich wahań wokół tego punktu, jest stabilizacja i kontrola popytu,
m.in. przez spowolnienie boomu kredytowego. Tak silny boom popytowy nie był by
0
2
4
6
8
10
12
14
16
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
liczba
mie
szkań,
cena
za m
kw
.
D S zasób mieszkań P
0
2
4
6
8
10
12
14
16
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
liczba
mie
szkań,
cena
za m
kw
.
D S zasób mieszkań P
0
2
4
6
8
10
12
14
16
18
20
1 2 3 4 5 6 7 8 9 1011121314151617181920
licz
ba m
iesz
kań,
cena z
a m
kw
.
D S zasób mieszkań P
0
2
4
6
8
10
12
14
16
18
20
1 2 3 4 5 6 7 8 9 1011121314151617181920
licz
ba m
iesz
kań,
cena z
a m
kw
.
D S zasób mieszkań P
147
zapewne możliwy, gdyby udzielane były wyłącznie kredyty złotowe. Ponadto regulacje
związane z istnieniem rządowego programu Rodzina na Swoim podtrzymywało popyt
(por. NBP, 2013). Gdyby natomiast wprowadzono program wspierający rynek mieszkań na
wynajem, szok popytowy wywołany wzrostem dochodów oraz niskich stóp procentowych
mógłby być ograniczony.
5. Podsumowanie
Przedstawiliśmy względnie prosty model, który pomaga zrozumieć cykliczność
rynku mieszkaniowego. Po skalibrowaniu modelu dla Warszawy zaprezentowaliśmy jak
zmiany stopy procentowej wpływają na popyt. Następnie pokazaliśmy, że bardzo powolne
obniżanie cen przez deweloperów w obliczu nadpodaży pozwoliło nierównowadze
utrzymać się przez znaczny czas. Gdyby deweloperzy szybko urealnili ceny, rynek
znacznie szybciej wrócił by do poziomu równowagi, a zasób niesprzedanych mieszkań
względnie szybko zostałby sprzedany. Ponadto model pokazuje, że szoki popytowe,
zwłaszcza powtarzane, znacznie zaburzają ceny oraz produkcję mieszkań. Wnioskować
można, iż jedynie ograniczanie popytu, przez np. regulacje ostrożnościowe ograniczające
dostępność kredytową mieszkań mogą przyczynić się do wygładzenia cyklu na rynku
nieruchomości mieszkaniowych.
Ważnym założeniem rozważanego modelu jest, zgodnie z empirią, że rynek jest
stale w nierównowadze. Opóźnione dostosowania podaży w kierunku stale zmieniającego
się popytu prowadzą do permanentnych cykli. Chcemy podkreślić, iż założenie
o równowadze, na którym oparta jest większość znanych modeli, skutkuje błędnymi
wynikami i daje mylne wskazówki dla decydentów. Naszym zdaniem model jest
przydatny dla decydentów, banków centralnych oraz regulatorów do analizy wpływu
rożnych czynników na rynek mieszkaniowy.
Bibliografia
Augustyniak, H., K. Gajewski, J. Łaszek i G. Żochowski (2012), Real estate development
enterprises in the Polish market and issues related to its analysis, MPRA Paper 43347.
Augustyniak, H., J. Łaszek, K. Olszewski i J. Waszczuk (2013), Modelling of cycles in the
residential real estate markets – interactions between the primary and the secondary market
and multiplier effects, National Bank of Poland Working Paper 143.
Aoki, K., J. Proudman i G. Vlieghe (2002), House prices, consumption, and monetary policy: a
financial accelerator approach, Bank of England Working Paper no. 169.
Bajari, P., P. Chan , D. Krueger i D. Miller (2013), A dynamic model of housing demand:
estimation and policy implications, International Economic Review 54, s. 409–442.
Bernanke, B., M. Gertler i S. Gilchrist (1999), The financial accelerator in a quantitative business
cycle framework, Handbook of macroeconomics (North Holland).
Bracke, P. (2011), How Long Do Housing Cycles Last? A Duration Analysis for 19 OECD
Countries., IMF Working Paper WP/11/231.
Burnham, J. B. (1972), Private Financial Institutions and the Residential Mortgage Cycle, with
Particular Reference to the Savings and Loan Industry, W: Board of Governors of the
Federal Reserve System, Ways To Moderate Fluctuations in Housing Construction.
148
Chang, C.-O. i C.W.R. Ward (1993), Forward pricing and the housing market: the pre-sales
housing system in Taiwan, Journal of Property Research V 10, s. 217-227.
DiPasquale, D. i W. C. Wheaton (1992), The markets for Real Estate Assets and Space: A
Conceptual Framework, Journal of the American Real Estate and Urban Economics
Association, Vol. 20, s. 181-197.
DiPasquale, D. (1999), Why Don’t We Know More About Housing Supply?, The Journal of Real
Estate Finance and Economics, Vol. 18, s. 9-23.
Dunsky, R.M. i J.R. Follain (1997), The demand for mortgage debt and the income tax, Journal of
Housing Research, Vol. 8, s. 155-199.
Epple, D., B. Gordon i H. Sieg (2010), A New Approach to Estimating the Production Function
for Housing, The American Economic Review, Vol. 100(3), s. 905-924.
Fair, R. C. (1972), Disequilibrium in housing models, The Journal of Finance, 27(2), p.207-221.
Hanau, A. (1928), Forecasting the price of pork (Die prognose der schweinepreise),
Vierteljahreshefte zur Konjunkturforschung Sonderheft 7.
Henderson, J.V. i Y.M. Ioannides (1983), A Model of Housing Tenure Choice., The American
Economic Review, Vol. 73(1), s. 98-113.
Lambertini, L., C. Mendicino i M. T. Punzi (2012), Expectations-Driven Cycles in the Housing
Market, Bank of Finland Research Discussion Paper 2-2012.
Levin, E. J. i G. Pryce (2009), What Determines the Responsiveness of Housing Supply? The Role
of Real Interest Rates and Cyclical Asymmetries., Centre for Public Policy for Regions
Discussion Paper no. 20.
Lin, C. i S. Lin (1999), An Estimation of Elasticities of Consumption Demand and Investment
Demand for Owner-Occupied Housing in Taiwan: A Two-Period Model, International Real
Estate Review, Vol. 2, s. 110-125.
Łaszek, J. (2013), Mieszkanie w teorii konsumenta, W: NBP (2013), Raport o rynku nieruchomości
mieszkaniowych i komercyjnych w Polsce w 2011 r.
Muth, R. (1960), The demand for non-farm housing, in A.C. Harberger, The demand for durable
goods, The University of Chicago Press.
NBP (2011), Raport o rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2010 r.
NBP (2012a), Raport o rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2011 r.
NBP (2012b), Informacja o cenach mieszkań i sytuacji na rynku nieruchomości mieszkaniowych
i komercyjnych w Polsce w 2012 r (I i II kwartał).
NBP (2013), Informacja o cenach mieszkań i sytuacji na rynku nieruchomości mieszkaniowych
i komercyjnych w Polsce w 2013 r (I kwartał).
NBP (2013), Raport o rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2012 r.
Ortola-Magne, F. i S. Rady (2006), Housing Market Dynamics: On the Contribution of Income
Shocks and Credit Constraints, Review of Economic Studies, Vol. 73, s. 459-485.
Phang, S. Y., K. H. Kim i S. Wachter (2010), Supply Elasticity of Housing, W: International
Encyclopedia of Housing and Home, Elsevier and Science Direct.
Rubaszek, M. (2012), Mortgage down-payment and welfare in a life-cycle model, Bank and
Credit, Vol. 43(4), s. 5-28.
Sanchez, A. C. i A. Johansson (2011), The Price Responsiveness of Housing Supply in OECD
Countries, OECD Economics Department Working Papers, No. 837.
149
Shone, R. (2002), Economic Dynamics: Phase diagrams and their economic application,
Cambridge University Press.
Sommervoll, D. E., T.-A. Borgensen i T. Wennemo (2010), Endogenous housing market cycles,
Journal of Banking & Finance, Vol. 34, s. 557-567.
Stein, J. (1995), Prices and trading volume in the housing market: a model with downpayment
constraints, Quarterly Journal of Economics, 110(2), s. 379-406.
Stover, M. E. (1986), The price elasticity of the supply of single-family detached urban housing,
Journal of Urban Economics, 20(3), s. 331-340.
Steiner, E. (2010), Estimating a stock-flow model for the Swiss housing market, Swiss National
Bank Working Papers 2010-08.
Topel, R., S. Rosen (1988), Housing Investment in the United States, Journal of Political
Economy, Vol. 96, s. 718-740.
Tse, R.Y.C., C.W. Ho i S. Ganesan (1999), Matching housing supply and demand: an empirical
study of Hong Kong's market, Construction Managment and Economicss Vol. 17, s.
625-633.
Waldron, M. i F. Zampolli (2010), Household debt, house prices and consumption in the United
Kingdom: a quantitative theoretical analysis, Bank of England Working Paper No. 379.
Wheaton, W. C. (1999), Real Estate “Cycles”: Some Fundamentals, Real Estate Economics, Vol.
27,2, s. 209-230.
150
Część III. Monografie miast