Forecast Analyse: Forecasting af udviklingen i de danske regioners ejendomspriser

Forecast analysis: Forecating of the development i the Danish house prices

McLeman-Hasselgaard, Emil ; Nielsen, Rune Lorenz

4. semester

Økonomi (cand.oecon), Kandidat

2017

2017-05-31

87

Det danske boligmarked faldt som følge af finanskrisen, der begyndte i 2008. Siden er boligpriserne steget i flere år, formentlig drevet af generelle økonomiske forhold. Dette speciale undersøger, om udviklingen kan forudsiges ved hjælp af en vektor-autoregressiv model (VAR), der kobler flere makroøkonomiske tidsserier og ser, hvordan de påvirker hinanden over tid. Et centralt forhold er de lave renter: både internationale og danske renter er faldet i de senere år, hvilket har sænket boligejeres brugesomkostninger. En del af disse omkostninger er ejendomsskat, som forudsætter, at husholdningerne har disponibel indkomst. På den baggrund estimeres modeller på fire variable: boligpriser, disponibel indkomst, ejendomsskatteprovenu og renten på realkreditobligationer. Før estimering testes dataserierne for enhedsrødder (om tidsserierne er stationære) med en Dickey-Fuller-test. Derefter estimeres både simple autoregressive modeller (AR, hvor en variabel forklares ved egne fortidsværdier) og VAR-modeller. Modellerne bruges til prognoser for hele Danmark og for regionerne, så der opstår seks VAR- og seks AR-modeller. Regionerne modelleres hver for sig, fordi prisudviklingen har været hurtigere nogle steder end andre. Der laves prognoser med to forskellige horisonter, og prognosenes træfsikkerhed vurderes. Resultaterne viser, at for Danmark som helhed og for regionerne – med undtagelse af Region Sjælland – giver de mere enkle, parsimoniske AR-modeller de mest præcise prognoser. De bedste modeller anvendes derefter til at vurdere den fremtidige prisudvikling. Samlet set præsterer VAR-modellerne ikke bedre end de simple AR-modeller, og det diskuteres, om den relativt lave nøjagtighed for VAR kan skyldes, at observationsperioden var præget af en boligboble og finanskrise.

The Danish housing market declined following the financial crisis that began in 2008. In recent years, prices have risen, likely driven by broader economic developments. This thesis examines whether that trajectory can be forecast with a vector autoregressive (VAR) model, a statistical approach that links several macroeconomic time series and tracks how they influence one another over time. Low interest rates are a key factor: both international and domestic rates have fallen in recent years, lowering homeowners' user costs. Part of these costs is property tax, which in practice depends on households having disposable income. Accordingly, four variables are used: housing prices, disposable income, real estate tax revenue, and the interest rate on mortgage bonds. Before estimation, the data are tested for unit roots (to assess stationarity) using a Dickey-Fuller test. The study then estimates simple autoregressive models (AR, which predict a variable from its own past values) alongside VAR models. The models are used to produce forecasts for Denmark as a whole and for the regions, yielding six VAR models and six AR models. Separate regional models are estimated because prices have risen faster in some areas than in others. Forecasts are generated for two different horizons, and their accuracy is evaluated. The results show that, for Denmark overall and for all regions except Region Sjælland, the more parsimonious AR models provide the most precise forecasts. The best-performing models are then used to assess future price developments. Overall, the VAR models do not outperform the simple AR models, and the thesis discusses whether their lower accuracy may reflect that the observation period was affected by a housing bubble and the financial crisis.

[Dette resumé er genereret ved hjælp af AI]

Download
Vis denne rapport i AAU Studenterprojekter