Previsiones a 3 años de los precios medios residenciales provinciales

Transcripción

1 Previsiones a 3 años de los precios medios residenciales provinciales Estera Badita Instituto de Análisis Inmobiliario Grupo Euroval Gumersindo Ruiz Universidad de Málaga

2 CONTENIDOS Pág. 1. Antecedentes del modelo y metodología econométrica El modelo de predicción: 2.1 s de vivienda libre Paro provincial Tipo de interés hipotecario Stock de vivienda libre Resumen de variables exógenas Conclusiones Proyección ex-ante de la estimación de los precios medios de la vivienda a nivel provincial para el trienio España 12. Madrid 13. Barcelona 14. 1

3 1. Antecedentes del modelo y metodología econométrica. El modelo de previsiones de los precios medios residenciales (PPMR) es elaborado por el Instituto de Análisis Inmobiliario con la finalidad de ser utilizado como herramienta para identificación, evaluación y calificación de los impactos esperados en el sector inmobiliario. En él se obtiene la proyección ex-ante a un horizonte de tres años (esto es, actualmente hasta el año 2017) del precio medio de la vivienda a nivel provincial. El presente modelo tiene su origen en trabajos desarrollados por Euroval desde el año 2003 sobre proyección de precios de la vivienda. Estos trabajos se han ido adaptando a las especiales circunstancias por las que ha atravesado el mercado de la vivienda en España. La nueva metodología obedece a esta necesidad de trabajar con series que han experimentado importantes oscilaciones al alza y a la baja, en un período relativamente corto. Para dar respuesta al objetivo del trabajo de investigación existen diferentes aproximaciones técnicas a partir de las cuales es posible predecir el comportamiento futuro de una determinada variable. La técnica utilizada en este modelo se basa en el método causal (multivariante). En concreto se utiliza un modelo de regresión lineal múltiple, que trata de explicar el comportamiento de una determinada variable, endógena o dependiente (Y), en función de un conjunto de variables explicativas(x 1, X 2,...X k ) mediante una relación de dependencia lineal, siendo U el termino de error. Estimar el modelo equivale asignar valores numéricos a los parámetros desconocidos β 1, β 2,..., β k, a partir de la información muestral disponible de las variables observables del modelo. Consideramos como método de estimación el método de mínimos cuadrados ordinarios, que minimiza la suma al cuadrado de los residuos con respecto a los parámetros estimados. Para este tipo de modelos se necesita que las series cumplan unas condiciones de estacionariedad, de manera que la media y la varianza tienen que ser constantes antes de estimarlos. Cuando las series no cumplen estos requisitos, se aplican las transformaciones necesarias. Tipos de transformaciones: - Transformación logarítmica que estabiliza la varianza - Eliminación de tendencia: o Diferenciación regular. En la diferenciación regular se calculan las diferencias existentes entre cada valor y el anterior de la serie, a excepción del valor más antiguo de la serie. Por tanto, la serie diferenciada tendrá un valor menos que la serie original o Diferenciación estacional. La diferenciación estacional es idéntica a la diferenciación regular, excepto en que se calculan las diferencias existentes entre cada valor y el valor estacional anterior, y tendrá 4 valores menos que la serie original. 2

4 Una vez probada la estacionariedad de las series, se crea el modelo y se prueba su validez. Hay una serie de indicadores que permiten evaluar la calidad de ajuste del modelo: 1. Uno de los supuestos básicos del modelo de regresión lineal es que los errores tengan distribución normal. La prueba de normalidad de los residuos se puede hace mediante el test de Jarque-Bera, o de manera gráfica mediante el diagrama de cajas o la gráfica Q-Q, que se emplea para determinar visualmente cómo se ajustan los datos empíricos al comportamiento de una distribución teórica. Con el cumplimiento del supuesto de normalidad se tiene la justificación teórica para la utilización de pruebas estadísticas para los parámetros del modelo. 2. Test de los residuos (errores). El estadístico Durbin-Watson. Sirve para contrastar la incorrelación entre las perturbaciones aleatorias del modelo. Si no existe autocorrelación en los residuos, significa que el modelo está bien estimado. 3. Los estadísticos t y F. El estadístico t permite contrastar la significancia individual de cada una de las variables. El estadístico F se asocia a la significancia conjunta de los parámetros del modelo. Se introducen en el modelo solamente las variables que resulten significativas. 4. El coeficiente de determinación R 2. Indica que proporción de variabilidad total queda explicada por la regresión. Toma valores entre 0 y 1. 3

5 2. El modelo de predicción Siguiendo las indicaciones anteriores, y cumpliendo con los requisitos para la validez del modelo, se han estudiado qué variables podrían explicar el comportamiento de los precios, para luego poder realizar predicciones. Tenemos que resaltar la escasez de datos públicos y la inexistencia de series temporales suficientemente largas o desagregadas. Por esta razón se han descartado variables que podrían tener sentido económico, pero que estadísticamente no se pueden utilizar, como por ejemplo el stock de viviendas. Sin embargo el stock se va a utilizar como dato complementario del modelo. Otras variables que se tuvieron en cuenta fueron el paro, el precio de la vivienda/renta bruta por hogar, el ahorro, la rentabilidad anual de la vivienda, el PIB, el coste de construcción. Se descartaron al no resultar significativas. Finalmente, las variables incluidas en el modelo para la estimación de la evolución del precio de la vivienda son los propios precios, el empleo provincial y el tipo de interés hipotecario. Estas variables resultan bastante explicativas de la evolución del precio de la vivienda en España, pero no es así cuando desciende más al ámbito provincial. En la ficha de cada provincia figuran las variables explicativas de los precios tomando siempre los tres de referencia: precios, ocupados y tipos de interés hipotecario, y descartando las que no resultan significativas. En el Anexo 2 hay un resumen que permite ver el coeficiente de determinación de los provinciales, los retardos en las variables, y la variable dummy que se incorpora en los modelos de las distintas provincias. Además, para cada provincia ofreceremos una visión más completa viendo el stock de viviendas nuevas libres para cada provincia, y una medida de volatilidad de los precios. A continuación se desarrollan las distintas variables e índices económicos que mantienen correlación con la evolución histórica del precio de la vivienda y de las que se sirve el modelo de previsión de los precios medios residenciales. Se citan las fuentes de las que procede cada variable e índice individual, así como la metodología seguida en el caso de que la variable o índice haya sido sometida a alguna transformación. 4

6 4t 4t 4t 4t 4t 4t 4t 2.1 s La primera variable que se desarrolla en el modelo de previsión de los precios medios residenciales son los propios precios. Para cuantificar esta relación, utilizamos un modelo autoregresivo. Éste especifica que la variable depende linealmente de sus propios valores anteriores. Para este tipo de modelos la serie tiene que ser estacionaria, antes de seguir con la estimación. Se aplica a la serie de precios una transformación logarítmica (para estabilizar la varianza), una diferencia regular y una diferencia estacional. Una vez verificado que la serie es estacionaria, creamos el modelo y se prueba su validez. A continuación vemos los resultados para los precios a nivel nacional. En este caso los precios se determinan a sí mismos en un 48% Gráfico.1- Modelo autoregresivo AR(1) Serie original Serie estimada Fuente: Departamento de análisis y elaboración propia En otras palabras, los precios del trimestre anterior determinan los precios del presente. Esta importante información se utilizará en el modelo de predicción de precios a nivel nacional, junto con las demás variables. Utilizar los propios precios como variable explicativa de la evolución de los precios, tiene un sentido económico que es el proceso de inflación, en la formación de burbujas de activos. En pura teoría de mercados no tendrían que formarse burbujas, pues los compradores, ante una subida de precios que no tiene unos fundamentos en la rentabilidad de activo, en este caso una desproporción entre el alto precio de la vivienda y la baja rentabilidad de la misma medida por el alquiler, deberían retirarse del mercado. Sin embargo no es así, y la propia subida de los precios propicia un incremento de la demanda y precios más altos. Este fenómeno ha sido analizado en los mercados financieros. Quizás el trabajo reciente más interesante sea el de Scheinkman: Especulación, negociación y burbujas, del que se concluye que las burbujas tienen un componente puramente especulativo y cultural, y no pueden explicarse por factores reales, como puede ser en el caso de la vivienda la demografía, 5

7 restricciones sobre el suelo,o un aumento de la renta. En ningún caso explicarían subidas de precios que son varias veces mayores que los valores que pueden corresponder a estas variables. Los factores que acompañan a las burbujas financieras son principalmente una gran oferta del activo, una abundante financiación, y frecuencia de operaciones; la creación de oferta es muy importante, pues si se trata de un mercado limitado tendíamos niveles de precios altos (como puede ser el centro de grandes ciudades o enclaves de lujo en el mercado inmobiliario), pero no una burbuja. Estos tres factores están presentes en nuestra burbuja inmobiliaria, donde hay una oferta que crece rápidamente en poco tiempo, una enorme liquidez proporcionada por el Banco Central Europeo, con un tipo de interés inadecuadamente bajo, y un elevadísimo número de transacciones. Hay que tener en cuenta que los mercados financieros son muy líquidos y la corrección de precios de da muy rápidamente y de forma desproporcionada, con el estallido brusco de la burbuja; en el caso de la vivienda, los precios permanecen rígidos, caen poco a poco, y el ajuste se produce por falta de operaciones de compraventa. La principal conclusión que podemos sacar es que los precios de la vivienda han dependido principalmente de la tendencia de los propios precios, primero a la alza y luego a la baja. Hay variables que explican también la evolución del los precios como son el empleo y la renta, los tipos de interés el stock de vivienda para venta, pero el mercado solo puede estabilizarse cuando se recupere por compradores y vendedores el sentido de que el precio refleja ya un precio de mercado, no especulativo, en el que la demanda y oferta pueden encontrarse. 6

8 2.2 Empleo provincial La segunda variable que se desarrolla en el modelo de previsión de los precios medios residenciales (PPMR) es la evolución del empleo, que se determina a nivel provincial. La información sobre el número de empleados la ofrece el Instituto Nacional de Estadística en su página web ( y son los referentes a la Encuesta de Población Activa, en metodología 2005 (EPA-2005), Las series de la evolución del número de ocupados s se muestran en periodicidad trimestral y en miles de personas. En 2014, según la Encuesta de Población Activa (EPA), el empleo a nivel nacional experimentó un crecimiento medio anual del 1,2%, frente a una caída del 2,8% del año anterior. La evolución esperada del mercado de trabajo refleja para 2015 y 2016 y 2017 una situación próxima a la estabilización, con una mejora de las previsiones del mercado laboral desde 2014, que permiten estimar un crecimiento del empleo de un 4% hasta el año Gráfico.2-Número de ocupados Evolución del empleo a nivel nacional Tabla.1 Estimación del empleo Estimación del número de ocupados (Miles de personas) %Var. interanual , , ,5 Fuente: Comisión Europea La estimación del empleo la tomamos de la Comisión Europea, según el concepto de empleo equivalente, o número de empleados equivalente a tiempo completo. 7

9 2.3 Tipo de interés hipotecario La serie relativa al tipo de interés hipotecario oficial tomada en el periodo 2002 a 2014, proviene del Banco de España: De todas las series sobre tipos de interés legales, ofrecidas en este enlace, la utilizada para el PPMR corresponde a tipo medio préstamos hipotecarios a más de tres años. Adquisición de vivienda libre. Conjunto de entidades. Ofrece los resultados sobre tipos de interés nacionales en periodicidad mensual desde el año 1989 a la actualidad, por lo que se ha procedido a trimestralizar la serie. En un contexto de tipos de interés excepcionalmente bajos, con un consenso general que se mantendrá así en la eurozona durante un periodo de al menos 3 años, los tipos hipotecarios tendrán un comportamiento similar. 7,0 Gráfico.3 Evolución tipo medio préstamos hipotecarios a más de tres años. Adquisición de vivienda libre. Conjunto de entidades. 6,0 5,0 4,0 3,0 2,0 1, Tabla.2 Estimaciones del tipo medio de préstamos hipotecarios a más de tres años. Estimación del tipo medio hipotecario %Var. interanual Fuente: Banco de España , , , Fuente: Departamento de análisis y elaboración propia La estimación del tipo medio hipotecario a un año para 2016, 2017 se ha hecho en relación a la evolución esperada del Euribor a un año, en el momento actual asumiendo que el diferencial entre ambos se mantiene estable. 8

10 2.4 Stock de viviendas nuevas libres nacional Tabla.3 Stock de vivienda nueva en España y variación interanual Stock acumulado Variación interanual ,1% ,3% ,0% ,4% ,1% ,5% ,9% ,3% Fuente: Ministerio de Fomento Se entiende por stock el número de viviendas que anualmente se encuentran sin vender en el mercado primario residencial. El Ministerio de Fomento, desde 2008 publica anualmente el estudio sobre el stock de viviendas nuevas. Dicho stock se actualiza añadiendo las viviendas nuevas que se han terminado y quitando las viviendas nuevas que se han vendido durante el año. El número de viviendas nuevas libres sin vender ha ido incrementándose continuadamente desde el año 2004 al El stock residencial presenta un ligero descenso en 2011, 2012 y 2013 indicando el comienzo de la absorción del mismo. El stock no se incluirá en la modelo, dada la insuficiencia de datos, pero se añadirá como un dato complementario a este. Hay que tener en cuenta que el dato anual que aparece es respecto al del año 2004, de manera que, por ejemplo, una cifra de cero no significa que no haya viviendas, sino que el stock es el mismo que en

11 3. Resumen de variables exógenas Se detallan a continuación las variables que se han utilizado en el modelo y sus fuentes: 1. s. Los precios de la vivienda libre provinciales han sido recogidos de la página web del Ministerio de Fomento. Serie trimestral, desde 2002 hasta r2014. Se le ha aplicado una transformación logarítmica, una diferenciación regular y una estacional. 2. Ocupados. Se utilizan los datos provinciales de empleo recogidos del Instituto Nacional de Estadística. Serie trimestral, desde 2002 hasta Se ha completado con los datos de proyecciones hasta el A la serie se le ha aplicado una transformación logarítmica, una diferenciación regular y una estacional. 3. TMH. Tipo medio hipotecario publicado por Banco de España. Serie nacional trimestral, desde 2002 hasta Se ha completado con los datos de proyecciones hasta el cuarto trimestre de A la serie se ha aplicado una diferenciación regular y una estacional. Estas variables son las únicas de las que tienen significancia económica, que están disponibles en una serie larga y han resultado explicativas de los precios. Los resultados, derivados del modelo, a nivel nacional y luego para cada provincia, de las previsiones para el presente año y dos más de los precios medios residenciales son los que se exponen a continuación. 10

12 4. Conclusión Como conclusión de los trabajos realizados podemos decir lo siguiente; - Reiterar que los trabajos se realizan en cumplimiento de lo dispuesto en el ART 13.3 de la Orden ECO 805/2003, cuya obligación principal recogemos al comienzo del punto 1, anterior. Comentamos que como reducción significativa de los precios nominales de las viviendas, entendemos aquellas que representen una caída del 6% o superior del precio medio de los años estimados. - Nuestro modelo resulta razonablemente explicativo del comportamiento de la serie de precios para España, pero pierde significancia, como no puede ser de otra forma, a nivel provincial. Por ello hemos incluido información adicional para analizar los mercados principales, destacando el coeficiente de variación de la serie de precios, para ver la forma, incrementos o no que se producen las variaciones; y el stock de viviendas nuevas como forma de entender la evolución probable de la oferta. - El mercado muestra una situación de estabilidad en los precios para los años 2015, 2016 y Esta afirmación se razona para España y cada una de las provincias, destacando que, pese a las peculiaridades de cada mercado, actualmente hay una estabilidad generalizada, sin que se presenten oscilaciones al alza o a la baja significativos, que permanecen en un entorno máximo de caída del 2% por periodo. - Por otro lado, no consideramos preciso introducir una advertencia específica de las tasaciones de vivienda, en la medida que no se espera una caída notable, tal como se define, de los precios de la vivienda en los próximos tres años. 11

13 5. Proyección ex-ante de la estimación de los precios medios de la vivienda a nivel provincial para el trienio Previsión de los precios medios residenciales para ESPAÑA PRECIO = β1+ β2*precio (-1) + β3*ocupados + β4*tmh (-2) + µ 20,0% 15,0% 10,0% 5,0% 0,0% -5,0% -10,0% -15,0% Variaciones en los precios en España actual máximo medio Subida a máximos Caída desde máximo Distancia actual a la media Coeficiente de variación ,22% -29,59% 90 0,36 El modelo explica con un R 2 =66% el comportamiento de los precios, que pasarían de /m 2 en 2014, a 1.458, 1.425, para los años 2015, 2016 y Puede considerarse que los precios se estabilizan. El stock de viviendas nuevas sin vender ha seguido cayendo, de en 2011 a en 2013, lo que debería en algún momento llevar a un cierto repunte en los precios. El coeficiente de variación o volatilidad es de 0.36, lo que indica poca elasticidad del mercado ante variaciones en los precios, que podrá ser un elemento de ajuste entre oferta y demanda de vivienda. 12

14 Previsión de los precios medios residenciales para MADRID PRECIO = β1 + β2* PRECIO (-4) + β3* OCUPADOS (-4) + β4* TMH (-4) + dum + µ 25,0% 20,0% 15,0% 10,0% 5,0% 0,0% -5,0% -10,0% -15,0% actual máximo medio Variaciones en los precios en Madrid (Comunidad de) Subida a máximos Caída desde máximo Distancia actual a la media Coeficiente de variación ,44% -33,26% 31 0,36 Stock de vivienda nueva en Madrid En la provincia de Madrid las tres variables seleccionadas, con sus retardos, explican el comportamiento de los precios, pero con R 2 =39% que hay que considerar bajo. Con esta importante limitación la proyección presenta un panorama de estabilidad de precios, pasando el precio medio de 2003 /m 2 en 2014 a 2034 /m 2 en 2015, 2013 /m 2 en 2016 y 1939 /m 2 en Es llamativo que la distancia actual a la media de precios entre 1996 y 2014 sea solo de 31 /m 2, lo que indica que los precios actuales están apenas un 2% por encima de los precios medios de estos diecinueve años. El stock de vivienda oscila levemente a la baja, el alza en estos tres últimos años para los que hay datos. 13

15 Previsión de los precios medios residenciales para BARCELONA PRECIO = β1 + β2* PRECIO (-1) + β3*ocupados + β4*tmh (-3) + dum+ µ 20,0% 15,0% 10,0% 5,0% 0,0% -5,0% -10,0% -15,0% actual máximo medio Variaciones en los precios en Barcelona Subida a máximos Caída desde máximo Distancia actual a la media Coeficiente de variación ,36% -32,13% 46 0,36 Stock de vivienda nueva en Barcelona Barcelona es la provincia donde la explicación de la evolución de los precios se ajusta más a la media española. Los tres variables resultan explicativas, con un R 2 =56%. La caída de precios desde máximos ha sido relativamente significativa y la distancia actual a la media del periodo es de sólo 47 /m 2. La proyección muestra una caída que puede considerar reducida, siempre con el margen que hay que tener en cuenta para este tipo de proyecciones, y la evolución de las hipótesis adoptadas sobre las variables explicativas, pasando de /m 2 en 2014 a 1.854, y 1.763, para 2015, 2016 y 2017, respectivamente. El stock de vivienda se reduce muy lentamente. 14