Revalorización de Activos Inmobiliarios en Perú, Chile y Colombia Determinantes y consecuencias. Econ. Luis Ramos Osorio

Transcripción

1 Revalorización de Activos Inmobiliarios en Perú, Chile y Colombia Determinantes y consecuencias Econ. Luis Ramos Osorio

2 Objetivo general Determinar las causas y las consecuencias de la reciente revalorización de los activos inmobiliarios en Perú, Chile y Colombia.

3 Objetivos específicos Identificar las variables más significativas que expliquen el incremento del precio de las viviendas. Determinar la existencia de incrementos no fundamentados de los activos inmobiliarios en cada uno de los países, fenómeno conocido como burbujas inmobiliarias. Identificar la existencia de patrones comunes en las tres economías. Identificar los posibles impactos de un incremento permanente no fundamentado de los precios inmobiliarios en la actividad económica de cada uno de los países de la región.

4 Metodología Para la modelación de los impactos de corto y largo plazo se utilizó la metodología de VAR Estructural. Las variables utilizadas fueron las siguientes para cada país: hip = Variaciones de la tasa de interés hipotecaria, col= Variaciones de las colocaciones de crédito hipotecario, pib= Variaciones del producto bruto interno, des= Variaciones de la tasa de desempleo, pv= Variaciones en el precio de las viviendas.

5 Metodología Datos Utilizados País Variable Fuente Unidad Precios Vivienda (por M²) BCRP Dólares PBI BCRP Millones de Dólares Perú Tasa desempleo INEI Porcentaje Tasa hipotecaria SBS Porcentaje Monto Colocación SBS Millones de Dólares Precios Vivienda (por M²) DANE Dólares PBI BANREP Millones de Dólares Colombia Tasa desempleo BANREP Porcentaje Tasa hipotecaria SFC Porcentaje Monto Colocación DANE Millones de Dólares Precios Vivienda (por M²) CChC Dólares PBI BCCh Millones de Dólares Chile Empleo Reuters Porcentaje Tasa hipotecaria BCCh Porcentaje Monto Colocación SBIF Millones de Dólares

6 Metodología Especificación VAR Estructural hip R ξ hip col R21 R ξ col pbi R31 R32 R ξ pbi des 0 0 R43 R44 0 ξ des pv R51 R52 R53 R54 R55 ξ pv

7 Metodología Para la evaluación de la existencia de relaciones estables de largo plazo se utilizó el análisis de cointegración utilizando la metodología de Johansen Juselius. En este análisis se utilizaron las variables anteriormente mencionadas.

8 Chile: casi todas las variables explican el aumento de los precios en el largo plazo Periodo hip col pbi des pv LP

9 Chile: el driver de la demanda, la clase media

10 ene-04 oct-04 jul-05 abr-06 ene-07 oct-07 jul-08 abr-09 ene-10 oct-10 jul-11 abr-12 ene-13 Resultados Chile: los costos suben, los precios también 5, , , , , , , , Costos de Construcción Precio de Viviendas

11 Chile: los mano de obra, 1/3 del presupuesto más caro

12 Chile: A nivel agregado no existe burbuja inmobiliaria 1 Cointegrating Equation(s): Log likelihood Normalized cointegrating coefficients (standard error in parentheses) CH_PV CH_PBI CH_DES CH_HIP CH_COL ( ) ( ) ( ) ( ) Adjustment coefficients (standard error in parentheses) D(CH_PV) ( ) D(CH_PBI) ( ) D(CH_DES) ( ) D(CH_HIP) ( ) D(CH_COL) ( )

13 Colombia: dinámica crediticia y shocks propios explican alza de precios Periodo hip col pbi des pv LP

14 Porcentaje (%) Resultados Colombia: El déficit habitacional es prioridad 90.00% 80.00% 70.00% 60.00% 50.00% 40.00% 30.00% 20.00% 10.00% 0.00% Total Nacional Cabecera Resto Déficit Habitacional Déficit Habitacional

15 Colombia: El déficit habitacional es prioridad

16 Colombia: El déficit habitacional es prioridad

17 Colombia: Nuevo POT genera más incertidumbre

18 Colombia: A nivel agregado si existe burbuja inmobiliaria 1 Cointegrating Equation(s): Log likelihood Normalized cointegrating coefficients (standard error in parentheses) CO_PV CO_PBI CO_DES CO_HIP CO_COL ( ) ( ) ( ) ( ) Adjustment coefficients (standard error in parentheses) D(CO_PV) ( ) D(CO_PBI) ( ) D(CO_DES) ( ) D(CO_HIP) ( ) D(CO_COL) ( )

19 Perú: facilidad de los créditos hipotecario explican el aumento de los precios en el largo plazo Periodo hip col pbi des pv LP

20 Perú: A nivel agregado no existe una burbuja inmobiliaria 1 Cointegrating Equation(s): Log likelihood Normalized cointegrating coefficients (standard error in parentheses) PE_PV PE_PBI PE_DES PE_HIP PE_COL ( ) ( ) ( ) ( ) Adjustment coefficients (standard error in parentheses) D(PE_PV) ( ) D(PE_PBI) ( ) D(PE_DES) ( ) D(PE_HIP) ( ) D(PE_COL) ( )

21 Perú: Que pasa en adelante? Fines de Inversión Deuda Dólares Pérdidas

22 Para Invertir Para Vivir Resultados Perú: La clase media alta ha comprado más para invertir 30.00% 20.00% 10.00% 0.00% 21.74% 17.52% 19.14% % 20.00% 10.00% 0.00% 21.85% 22.75% 27.74%

23 Perú: La clase media alta tiene su demanda satisfecha ,000-1,500-2,000-1,589

24 Perú: La economía camina a un paso más lento

25 Perú: Los precios parecen mostrar esta situación Magdalena Pucusana San Bartolo Barranco Callao Surquillo Pachacámac Jesús María Rímac San Borja Punta Hermosa Villa El Salvador Los Olivos El Agustino Lurín Ate San Miguel San Juan de Miraflores La victoria Comas 14.30% 15.30% 15.70% 16.00% 16.70% 17.20% 17.20% 18.00% 18.90% 19.50% 20.90% 25.80% 26.90% 27.30% 29.70% 33.20% 34.20% 40.10% 47.90% 49.60%

26 Conclusiones Si bien los mercados inmobiliarios se caracterizan por tener un alto componente idiosincrático, la cercanía de las tres economías permitió ver algunos patrones similares como el mayor acceso al crédito. Chile es un mercado claramente más maduro, con un alza sostenida en los precios y con menor probabilidad de existencia de una burbuja inmobiliaria. Perú resulta un mercado joven. La probabilidad de una burbuja inmobiliaria es baja (aunque no remota) sobre todo a nivel agregado. Las mayores vulnerabilidades en los siguientes años se encontrará en el segmento medio alto. Colombia sufre restricciones de oferta severas, marcadas por cambios inesperados en el marco regulatorio. Ello contribuye a mayor especulación y aumento no fundamentado de precios. En ese sentido, este mercado sí atraviesa un episodio de burbuja inmobiliaria.