Handelshögskolan Stockholm Insttutonen för Redovsnng och Rättsvetenskap Examensuppsats nom Redovsnng och fnansell styrnng Hösten 2006 Prssättnngen av bostadsrätter: Vlka faktorer påverkar prserna, vad är rktprset för en lägenhet? En mkrostude av Södermalm Stockholm Abstract Those who have nvested n apartments,.e. tenant-ownershp, wthn the cty centre of Stockholm have ganed a hgher than expected return on nvestment due to a buoyant real estate market. Durng the latest twelve-month perod, the prces have rsen more than 20 per cent n the cty of Stockholm, resultng n an ncreased wealth together wth a hgher debt burden among nvestors. The am of ths thess s to nvestgate whch factors determne the prces from a mcro perspectve, and to what extent. An attempt s partcularly made to estmate the degree of captalzaton of the monthly fees; a factor whch has turned out to be mportant accordng to other studes; but also to construct prcng models n order to set target prces for apartments. The tool regresson analyss has been chosen for ths research. Both addtve and multplcatve models are heavly used throughout the study, whch ncludes approxmately 7 000 observatons collected from two broker frms specalzng n Södermalm, Stockholm, where ths research s concentrated on. The models capture a large part of the prcng mechansms wth statstcally sgnfcant coeffcents. One of the man conclusons n the study, whch has evolved durng the process; but also due to my pror suspcon; s that the general opnon regardng the ntra-rankng n terms of attractveness of locatons n the cty s wrong. Pror to ths research, and my pror knowledge, ths opnon had never been questoned. My fndngs; based on the adjusted square metre prces; alter the general percepton of Södermalm from beng the cheapest area n central Stockholm to actually beng the second most expensve. Författare: Henrk Dennerhem 17770 Handledare: Professor Peter Jennergren
Sammanfattnng Denna stude syftar tll att undersöka prssättnngen av bostadsrätter ur ett mkroperspektv. Intresset rktas på Södermalm Stockholms nnerstad. Följande tre delsyften har undersökts: 1. Vlka lägenhetsspecfka faktorer som påverkar prserna och vlken utsträcknng vd jämförelse mellan lägenheter. 2. Tll vlken grad avgfterna kaptalseras prserna med avseende på olka lägenhetskategorer uppdelade på antalet rum. 3. Hur väl en skattad prssättnngsmodells rktprser överensstämmer med verklga slutprser av lägenheter som har legat ute tll försäljnng under oktober månad 2006. Studen bygger på ett datamateral som brutto omfattas av omkrng 7 000 försäljnngar genomförda på Södermalm Stockholm under 2000-2006. Datamängden har nsamlats från två mäklarfrmor och utgör det mest omfattande materal som studerats beträffande stadsdelen Södermalm. Genomgående bygger undersöknngen på regressonsanalys, varmed både addtva och multplkatva modellformer har använts. Modellerna uppnår överlag höga förklarngsgrader, vssa fall över 90 procent, med starkt sgnfkanta varabler nnebärande att prsutvecklngen fångas upp väldgt väl. I enlghet med tdgare studer kaptalseras nte avgfterna prserna fullt ut; köpare av trerummare synes göra det tll störst del, synnerhet efter att bolånensttutet SBAB tog bort topplånen vlket ndkerar på att männskor kan vara kaptalbegränsade. Köpare av ettor och tvåor tycks nte betrakta avgfterna som alltför krtska vd köp, lksom köparna tll större lägenheter, fyra rum och fler. Ett relatvt sett ltet bostadsbestånd avseende sstnämnda, samt att köparkretsen härför sannolkt har förhållandevs god ekonom, kan vara orsaken tll den lägre graden av kaptalserng. Den generella kaptalserngsgraden på Södermalm tycks vara omkrng 40-60 procent. En addtv prssättnngsmodell, med prset per kvadratmeter som beroende varabel, har renderat rktprser som har approxmerat faktska slutprser förhållandevs väl. Överlag har prsavvkelsen vart +/- 0-5 procent. Den främsta orsaken tll varför slutprserna ett fåtal fall har avvkt med crka 10 procent, är att ensklda vsnngshelger kan sklja sg åt ganska mycket med avseende på antalet spekulanter. Mg veterlgen har ngen tdgare krtserat rangordnngen av Stockholms stadsdelar på bass av genomsnttlgt rapporterade kvadratmeterprser. De flesta tycks ha uppfattnngen att Östermalm är den dyraste stadsdelen, och följaktlgen den mest attraktva, följt av Vasastan/Norrmalm, Kungsholmen och Södermalm. Detta överensstämmer med genomsnttlgt rapporterade kvadratmeterprser. Problemet är emellertd att dessa prser ger en skev bld av de verklga förhållandena, som också tll stor del beror på avgftsnvåerna vlka skljer sg ganska mycket åt stadsdelarna emellan. Vd erforderlga justerngar av kvadratmeterprserna påstår jag, om man ska hårdra, att Södermalm de facto är den näst dyraste stadsdelen efter Östermalm! Jag vll framföra ett stort tack tll Jonas Egnell på Fastghetsbyrån och Sak Carapanos på Södermäklarna, vars generösa bdrag med data överhuvudtaget har möjlggjort denna stude. Dessutom tackar jag Per Åberg på Fastghetskalendern för att han har berett mg möjlghet att församlngsndela en stor del av data. Tobas Skllbäck, på Värderngsdata, hans bdrag avseende genomsnttlga avgftsnvåer och kvadratmeterprser Stockholms församlngar respektve stadsdelar har vart värdefulla för denna stude. Jag vll också rkta ett tack tll mn arbetsgvare SalusAnsvar, och Lennart Krän, för att ha gett mg utrymme att genomföra denna uppsats. Avslutnngsvs vll jag tacka mn handledare Peter Jennergren för nsktsfulla synpunkter och mn sambo, Wenche, för att ha stått ut med alla monologer krng avgftsjusterngar, multkollneartet, heteroskedastctet etcetera. 2
Innehållsförtecknng 1 Inlednng... 5 1.1 Syfte... 5 1.2 Metod... 6 1.3 Studens dsposton... 6 2 Bakgrund... 7 2.1 Kort hstora om Södermalms bebyggelse... 7 2.2 Invånare och bostadsbestånd... 7 2.3 Bostadsrätten som boendeform... 8 2.4 Oäkta förenng... 8 2.5 Avgft och andelstal... 9 3 Teor och tdgare studer... 9 3.1 Teor... 9 3.1.1 Fundamental värderng... 10 3.1.2 Andra värdepåverkande faktorer... 10 3.1.3 Fundamentala lkheter mellan företag allmänhet och bostadsrättsförenngar... 11 3.1.4 Ju lägre ntäkt för bostadsrättsförenngen desto högre prs på bostadsrätten... 11 3.1.5 Objektva värdegrunder saknas avseende bostadsrätter... 11 3.1.6 Relatv värderng... 12 3.1.7 Hedonska prsndex... 12 3.1.8 Prspåverkande faktorer... 12 3.2 Tdgare studer... 16 4 Urval och data... 21 4.1 Fastghetsbyråns data... 21 4.1.1 Databehandlng... 22 4.1.2 Styrkor och brster datamateralet... 24 4.2 Södermäklarnas data...24 4.2.1 Databehandlng... 25 4.2.2 Styrkor och brster datamateralet... 25 5 Val av funktonell form... 25 5.1 Addtv modell... 25 5.2 Multplkatv modell... 26 5.3 Modeller denna stude... 26 6 Prsbldnngen på Södermalm multplkatv modell... 26 6.1 Modell aggregerat för Södermalm Fastghetsbyråns data... 27 6.1.1 Resultat av modellen... 28 6.1.2 Test för multkollneartet... 30 6.1.3 Test för autokorrelaton och normalfördelad slumpterm... 30 6.1.4 Test för heteroskedastctet... 31 6.2 Modell aggregerat för Södermalm Södermäklarnas data... 34 6.2.1 Resultat av modellen... 34 3
6.3 Modell ndelad lägenhetskategorer Fastghetsbyråns data... 36 6.3.1 Resultat av modellen... 37 7 Avgftens kaptalserng prserna addtv modell... 40 7.1 Nuvärdesberäknng av avgften val av dskonterngsränta... 41 7.2 Skattnng av modellen... 42 7.2.1 Ex ante Södermäklarnas data... 43 7.2.2 Ex ante Fastghetsbyråns data... 44 7.2.3 Ex post Södermäklarnas data... 45 7.2.4 Ex post Fastghetsbyråns data... 46 7.3 Avslutande kommentar tll skattnng av kaptalserngsgrad... 47 8 Prssättnng av lägenheter addtv modell... 48 8.1 Skattnng av modellen... 48 8.2 Resultat av modellen... 49 8.2.1 Test för multkollneartet... 51 8.2.2 Test för autokorrelaton och normalfördelad slumpterm... 51 8.3 Beräknng av rktprser modellen testas skarpt... 52 8.3.1 Urval och demonstraton av en prssättnng... 52 8.3.2 Resultat av prssatta lägenheter utfall kontra rktprs...53 9 Är Södermalm den bllgaste stadsdelen?... 54 9.1 Tydlga avgftsskllnader nom Södermalm... 55 9.2 Justerat kvadratmeterprs mellan Södermalms församlngar... 56 9.2.1 Nuvärdesberäknng av avgftsskllnad... 57 9.3 Justerat kvadratmeterprs för Södermalm kontra övrga stadsdelar... 60 10 Slutsatser... 62 11 Förslag tll fortsatt forsknng... 65 12 Källförtecknng... 66 12.1 Skrftlga källor... 66 12.2 Muntlga källor... 66 12.3 Datakällor... 66 13 Appendx... 67 4
1 Inlednng De som har nvesterat bostadsrätter Stockholms nnerstad har under de senaste åren haft en angenäm resa med kraftga prsuppgångar. En alltjämt hetare bostadsmarknad har också avspeglat sg dagspressens löpsedlar med rubrker som Så här mycket är dn bostadsrätt värd eller V har prserna gata för gata Stockholm. Man kan nästan daglgdags höra hur männskor på bussar, matköer, caféer etcetera dskuterar prserna på sna bostadsrätter. Bostadsmarknaden har blvt så het att vssa drar paralleller tll fastghetskrsen under 1990-talet. Det råder nget tvvel om att efterfrågan vda överstger utbudet av bostäder Stockholms nnerstad. Mot bakgrund av begränsade möjlgheter avseende nybyggnaton, har detta lett tll och kommer att fortsätta leda tll att prsnvån över td fortsätter att stga. Men analogt med aktemarknaden är dock ett och annat hack kurvan trolgt, vlket kan accentueras av konjunkturella faktorer. Exempelvs är det allmänna ränteläget uppåtgående för närvarande, vlket tll del beror på att Sverges Rksbank vdtar höjnngar för att avkyla bostadsmarknaden och männskors accelererande belånng. Sett tll nflatonen, och nflatonsmålet, har Rksbanken nga starka skäl tll att vdta räntehöjnngar dessa tder. Gvet marknadsläget, vlka bostadsrättsspecfka faktorer påverkar prserna på bostadsrätter, och tll vlken grad? Hur kan man prssätta en bostadsrätt fungerar det med teoretska avkastnngsvärderngar? Går det på bass av hstorska försäljnngar att tll exempel se ett tydlgt samband mellan avgfterna som medlemmarna betalar tll förenngen och prserna på marknaden? 1.1 Syfte Det övergrpande syftet med denna stude är att öka förståelsen av prssättnngen på marknaden avseende bostadsrätter ur ett mkroperspektv. Jag har valt att endast studera stadsdelen Södermalm Stockholms nnerstad, vlket dels beror på att jag har ganska god kännedom om denna delmarknad dels att jag avser utföra en så geografskt dstnkt och koncentrerad undersöknng som möjlgt (för att öka detaljrkedomen). Huvudsyftet kan ndelas tre delsyften: 1. Undersöka vlka bostadsrättsspecfka faktorer som påverkar prserna och vlken utsträcknng jämförelse mellan lägenheter. Exempel härpå är förekomst av balkong, kakelugn, nvån på avgften tll förenngen och lägenheters skck. Detta görs för att skapa en generell bld av prssättnngen. 2. Undersöka tll vlken grad avgfterna kaptalseras prserna avseende olka lägenhetskategorer uppdelade efter antal rum. Denna undersöknng delas n två tdsperoder, mellan vlka låntagarnas vllkor genom bolånensttutet SBAB har förbättrats med större låneutrymme tll följd. Avgften utgör som regel en ansenlg del av boendekostnaden, varför männskors mplcta prstllmätande avseende denna är ntressant att studera. 3. Gvet blden av prssättnngen på marknaden, rktas ntresset på att söka sätta rktprser på ett antal lägenheter gvet dessas olka egenskaper och se hur väl rktprserna överensstämmer med utfallet. 5
1.2 Metod Denna stude bygger på sekundärdata, som utgörs av en mycket omfattande datamängd nhämtad från Fastghetsbyrån och Södermäklarna. Brutto utgörs materalet av närmare 7 000 försäljnngar genomförda på Södermalm Stockholm under 2000-2006. Studen baseras genomgående på regressonsanalys av frågavarande data samt ltteraturstuder. Med avseende på omfattnng, och synnerhet detaljrkedom krng försäljnngar, är detta den första studen som med relatvt stor tllförltlghet presenterar resultat avseende stadsdelen Södermalm. 1.3 Studens dsposton Avsntt 2 ger en kort bakgrund beträffande Södermalm samt parallellserar stadsdelen med övrga stadsdelar Stockholms nnerstad med avseende på nvånare och bostadsbestånd. Vdare beskrvs bostadsrätten som boendeform och företeelsen oäkta förenng förklaras, samt avgft och andelstal vlka belastar respektve tllhör en lägenhet. I avsntt 3 behandlas teor och tdgare studer på området. Problematken med värderng av bostadsrätter beskrvs och hur prsbldnngsmodeller dag konstrueras. Dessutom beskrvs sambandet mellan försäljnngsprs och olka förklarande varabler, varefter tdgare studer av relevans återges samt resultat och slutsatser av dessa. Avsntt 4 beskrver denna studes data och urval, sättet på vlket data har behandlats samt styrkor och brster med materalet. I avsntt 5 framgår vssa för- och nackdelar med valet av funktonell form avseende de regressoner som görs. Avsntt 6 undersöker dels prssättnngen generellt på Södermalm baserat på Fastghetsbyråns data respektve Södermäklarnas varmed sstnämnda främst fyller funkton av att vara kontroll för förstnämndas resultat dels hur olka lägenhetskaraktärstka prssätts vd jämförelse mellan lägenhetskategorer uppdelade efter antal rum. I avsntt 7 utreds mera detalj avgftens betydelse för försäljnngsprserna, kaptalserngsgraden skattas. Denna skattas för respektve lägenhetskategor baserat på Fastghetsbyråns respektve Södermäklarnas data separat, samt ndelas även två tdsperoder vlket nnebär att totalt fyra skattnngar görs. Avsntt 8 fokuseras på framtagande av rktprser av lägenheter baserat på Fastghetsbyråns data och ställer modellskattnngarna mot verklgt utfall. Baserat på beräknngar avseende ntraförhållanden nom Södermalm, ställer sedan avsntt 9 Södermalm mot övrga stadsdelar Stockholms nnerstad och söker svar på om Södermalm de facto är den bllgaste stadsdelen, en uppfattnng som tycks vara allmänt vedertagen hos männskor. Slutlgen nnehåller avsntt 10 slutsatser och avsntt 11 ges förslag på fortsatt forsknng avseende prsbldnngen på bostadsrätter. 6
2 Bakgrund 2.1 Kort hstora om Södermalms bebyggelse Södermalm, vars ursprunglga namn är Åsön som gvt namn åt Asögatan och Åsöberget, bebyggdes tdgast av Stockholms malmar. Bebyggelsen, som tll en början fanns vd Slussen, var emellertd nlednngsvs sparsam och enkel med huvuduppgft att förse borgarnas boskap med bete. Under ndustralserngen slutet av 1800-talet växte Södermalm snabbt och blev främst arbetarklassens bostadsområde. 1 Två tredjedelar av fastghetsbeståndet härrör från tden sent 1800-tal tll första världskrgets utbrott, varpå en byggboom sedan under 1920-talet tog vd som dag står för en stor del av beståndet. Tllskottet av Södra Hammarbyhamnen under 1990-talet har på senare år bdragt tll ett kraftgt ökat bostadsbestånd. 2 2.2 Invånare och bostadsbestånd Södermalm är den stadsdel som har flest nvånare. Vd utgången av år 2004 bodde 104 921 männskor stadsdelen, som består av församlngarna Mara, Katarna, Sofa och Högald. 3 I dessa församlngar var befolknngen år 2004 18 854, 32 439, 24 246 respektve 29 382. Att Södermalm har ökat populartet framgår delvs av det postva flyttnngsnettot förhållande tll andra församlngar Stockholms kommun (se tabell 2 nedan). Tabell 1: Befolknng år 2004, Stockholm Tabell 2: Flyttngsnetto vs. annan församlng Sthlm 2004 Södermalm Vasastan Kungsholmen Östermalm Södermalm Vasastan Kungsholmen Östermalm 104 921 57 576 54 147 63 615 305-279 238-380 Källa: SCB/USK Källa: SCB/USK På senare år har ombldnngar av hyresrätter tll bostadsrätter skett hög takt på Södermalm, men andelen bostadsrätter är fortfarande förhållandevs låg jämfört med övrga stadsdelar. Med tanke på att marknadsläget har vart mycket gynnsamt för bostadsrättsnnehavare är det tänkbart att ombldnngar kommer att fortsätta på Södermalm, synnerhet om allmännyttans stoppregler tas bort vlket den tllträdda borgerlga regerngen förordar. Tabell 3: Lägenheter flerbostadshus efter upplåtelseform 2005 Antal Procent Hyresrätter Bostadsrätter Hyresrätter Bostadsrätter Södermalm 33 933 31 089 52 48 Mara 5 862 4 764 55 45 Katarna 11 933 8 123 60 40 Sofa 6 853 8 947 44 56 Högald 9 285 9 255 50 50 Vasastan 13 869 20 609 41 59 Kungsholmen 15 120 21 040 42 58 Östermalm 15 872 22 555 41 59 Källa: USK 1 Wkpeda, Den fra encyklopedn. 2 Bergman och Svennersjö, 2004. 3 Se Appendx 1 för karta över Södermalm. 7
Omkrng två tredjedelar av lägenhetsbeståndet på Södermalm utgörs av lägenheter med ett och två rum, en fördelnng som överensstämmer ganska väl med nnerstaden stort, emedan andelen femrummare och större lägenheter är mycket lten fyra procent av beståndet. Av denna anlednng är det nte konstgt att dessa typer av lägenheter är underrepresenterade försäljnngsstatstken. 4 Emellertd har Östermalm, jämförelse med övrga stadsdelar, förhållandevs många stora lägenheter (13 procent av Östermalms bestånd). Tabell 4: Bostäder efter antal rum, 2005 1 + r 1 2 3 4 5 6+ Uppg. 1+ RoKV RoK RoK RoK RoK RoK RoK saknas Totalt Kungsholmen 17% 28% 28% 15% 7% 3% 1% 0% 100% Norrmalm 11% 21% 30% 22% 10% 4% 2% 0% 100% Östermalm 17% 15% 25% 19% 11% 7% 6% 0% 100% Södermalm* 13% 25% 28% 20% 10% 3% 1% 0% 100% * Inklusve Gamla stan Källa: USK 2.3 Bostadsrätten som boendeform Den särklass vanlgaste formen för kollektvt ägande av bostäder Sverge är bostadsrätt. En bostadsrättsförenngs (Brf) huvudändamål är att på obegränsad td upplåta bostäder med bostadsrätt tll sna medlemmar. 5 En vanlg mssuppfattnng bland männskor är att man tror sg vara ägare tll en bostadsrättslägenhet, stället har man en nyttjanderätt tll lägenheten precs som för hyresrätter men med den vktga skllnaden att bostadsrättsnnehavaren har en fullkomlg rätt under förutsättnng att förplktelser och skyldgheter efterlevs. Sålunda är det svårare att avhysa en bostadsrättsmedlem jämfört med en hyresgäst. Det fnns några boendeformer som påmnner om bostadsrätten, av vlka lägenheter bostadsförenngar (Bf) lgger närmast tll hands. Dessa förenngar är sånär som dentska med bostadsrättsförenngar så måtto att de styrs på samma sätt, har samma jurdska och ekonomska nnebörd samt att reglerna för kaptalvnstbeskattnng är desamma (för medlemmen och förenngen). Skllnaden lgger att bostadsrättsförenngar omfattas av bostadsrättslagen, emedan bostadsförenngar stället har att följa lagen om ekonomska förenngar. Detta nnebär att sstnämnda förenngar har större frhet krng regelverket varför dessas stadgar kan sklja sg från motsvargheten bostadsrättsförenngar, exempelvs genom att lägenheterna nte alltd är belånngsbara. Som regel följer dessa förenngar ändå bostadsrättslagen, varför skllnaderna praktken är små. 6 2.4 Oäkta förenng En bostadsrätt kan klassfceras som prvatbostadsrätt eller närngsbostadsrätt. 7 Daglgdags talar man om äkta och oäkta bostadsrätter. Skllnaden mellan dessa typer av bostadsrätter lgger endast beskattnngen av medlemmen och förenngen, det vll säga förenngens skattemässga status lgger tll grund härför. Denna bottnar storleken på de eventuella ntäkter som nte nbrngats av medlemmarna. Exempel härpå är kommersella lokaler 4 Se stycke 6.3.1. 5 Isacson, 2006, s.15. 6 Isacson, 2006. 7 Olsson, 2003, s. 57. 8
gatuplanet. Stora ntäkter från sådan verksamhet är orsaken tll varför medlemmarnas avgfter dessa förenngar som regel är låga. Generellt gäller för att klassfceras såsom en oäkta bostadsrättsförenng att mer än 40 procent av taxerngsvärdet avser annat än bostäder upplåtna med bostadsrätt tll fysska personer. 8 Bedömnngen fall en förenng är att klassas som oäkta är relatvt komplcerad, varför jag nte går n på det mer detalj ( praktken är det schabloner form av bruksvärdeshyror, som lgger tll grund för bestämmandet av skattestatusen och förhållandet mellan närngsntäkter och avgfter från medlemmarna). Konsekvenserna för den ensklde medlemmen är att uppskov ej medges avseende en eventuell reavnst (nte heller för hstorska reavnster). Vdare är skattesatsen för frågavarande kaptalvnster 27 procent (90 procent är skatteplktgt), att jämföra med 20 procent för äkta bostadsrätter (två tredjedelar är skatteplktgt). 9 Dessutom förmånsbeskattas medlemmarna enlgt vssa regler, vlka generellt sett nte aktualseras Stockholms nnerstad på grund av att marknadsvärdena är mycket höga (ett så kallat lättnadsbelopp kan undanta förmånsbeskattnng). Dessa skllnader beskattnng medför att lägenheterna oftast säljs med rabatt relatvt lägenheter äkta förenngar. Mäklare räknar med att prset avseende stora lägenheter, fyra rum och större, kan bl upp tll to procent lägre. 10 2.5 Avgft och andelstal Avgfterna som medlemmarna betalar tll förenngen ska täcka de gemensamma drfts- och kaptalkostnaderna, exempelvs uppvärmnng, el, vatten, sophämtnng och skatter samt räntor och amorterngar på fastghetens lån. Eftersom förenngars relatva förbruknng och drft är snarlka, bottnar höga avgfter oftast hög belånng vlket har betydelse för marknadsprserna på lägenheter, eller som mäklaren Per Isacson skrver: Förutom lägenhetens och fastghetens skck, läge och standard, är det förenngens ekonomska ställnng som avgör marknadsvärdet för en bostadsrätt. 11 Förenngens ekonomska ställnng framgår alltså av nvån på avgfterna, som för respektve lägenhet sätts utfrån ett fördelnngstal, eller andelstal som det heter. Detta sätts med utgångspunkt bland annat lägenhetens storlek, det vånngsplan på vlket lägenheten är belägen och om den har balkong eller nte. 3 Teor och tdgare studer 3.1 Teor Skllnaderna är stora avseende värderandet av bostadsrätter jämfört med tll exempel fastgheter och företag allmänhet. Detta gör att tradtonella fundamentala avkastnngsvärderngar baserade på kassaflöden, utdelnngar eller övervnster nte blr tllämplga på bostadsrätter. Orsaken bottnar främst att grundförutsättnngarna är vtt sklda. Detta avsntt är nte ämnat att bl vare sg teknskt eller uttömmande beträffande värderng, utan snarare på ett enkelt sätt llustrera på skllnader förutsättnngar. 8 Olsson, 2003, s. 57. 9 IL 04:1, 46:18 1 st. 10 Isacson, 2006, s. 43. 11 Isacson, 2006, s. 59. 9
3.1.1 Fundamental värderng Generellt sett vd fundamental värderng åsätts vd värderngstdpunkten ett samlat värde på alla förväntade framtda vnster alternatvt kassaflöden eller utdelnngar, som ett företag genererar. Underlggande vd all typ av värderng är att pennngvärdet nte är konstant över tden, varför nuvärdet av företagets vnstgenererngsförmåga är justerat för nflaton. Dessutom justeras för den förknppade rsken med företaget (och nvesterngen detta). Dessa faktorer utgör avkastnngskravet (kaptalkostnaden), vlket används som dskonterngsränta vd nuvärdesberäknngen. Följande övergrpande formel 12 llustrerar hur värdet på ett företag sätts baserat på, detta fall, ett företags utdelnngar: P 0 = DIV P H t H + t H t= 1 (1 + r) (1 + r) Där P är prset, DIV utdelnngen och r kaptalkostnaden. Formeln llustrerar att ett företags värde består av två komponenter; dels ( detta fall) årlg förväntad utdelnng fram tll en vss tdpunkt, H 13, dels ett förväntat värde på företaget (vd horsonttdpunkten). Eftersom kongruensprncpen ( gong concerns ) antas gälla vd värderng 14, det vll säga företag antas fortleva all oändlghet 15, gäller att: P 0 = DIVt = (1 + r) t 1 t Vssa kan tycka att denna formel känns oangenäm så måtto att den nte tycks ta hänsyn tll värdeapprecerng över tden, men som framgått ovan är den ursprunglgen framtagen med hänsyn tll det. 16 Vad kan då anlednngen vara tll att ett företags observerade värde avvker från det fundamentala värdet? 3.1.2 Andra värdepåverkande faktorer Precs som för vlken vara eller tjänst som helst, bestäms ett företags värde på bass av utbud och efterfrågan köpare och säljare ska komma överens om ett prs. Enlgt mtt sätt att se på det fnns det två huvudsaklga anlednngar, nom ramen för utbud och efterfrågan, varför ett företags börsvärde avvker från det fundamentala. Den ena anlednngen bottnar att det går trend på aktemarknaden beträffande vlka aktekategorer som är attraktva att nvestera. Marknadens sentment nnebär att exempelvs konjunkturokänslga bolag kan vara att föredra lågkonjunkturer, eller att nya nnovatoner lyfter efterfrågan avseende vssa branschakter (IT-företag samband med Internet). Med andra ord nnebär detta att börsens aktörer tdvs föredrar olka typer av företag och branscher och höjer således efterfrågan på dessa. Momentum nnebär att nvesterarna exempelvs har sktet nställt på vnstgvande bolag med solda margnaler, precs som blev fallet för IT-företagen efter att Boo.com var först ut 12 Brealey och Myers, 1996, s. 61. 13 Det talas om horsonten, som vanlgen är crka 10 år framåt tden beroende på bransch, och är den tdpunkt när företagen övergår normal tllväxt enlghet med ekonomn övrgt. Vd denna tdpunkt görs så kallade evghetsdskonterngar. 14 Penman, 2003, s. 81. 15 Detta är ett starkt antagande, men nödvändgt eftersom man annars hade behövt anta att ett företag ska upphöra vd en vss bestämd tdpunkt. 16 Brealey och Myers, 1996, s. 62. 10
raden av konkurser samband med IT-bubblan som byggdes upp. Dessförnnan var momentum på marknaden att företag allmänhet skulle uppvsa kraftg tllväxt. Således betyder detta att nvesterares kortsktga preferenser varerar med avseende på olka delar företagens resultat- och balansräknngar. Den andra anlednngen, förfnade psykologska mekansmer på aktemarknaden, är mera djupgående bakomlggande orsaker tll utbudets och efterfrågans utseende. Jag har nte för avskt att gå n på detta, men ett exempel är det flockbeteende som plötslgt kan uppstå avseende en akte som stått stlla en längre td. 17 Oavsett orsak tll kort- och medelsktga avvkelser, så följer aktekurserna de fundamentala värdena över td. 3.1.3 Fundamentala lkheter mellan företag allmänhet och bostadsrättsförenngar Lkheterna mellan ett värderngsfähgt företag och en bostadsrättsförenng är ganska många. Sstnämnda har också ntäkter form av avgfter, lokalhyror och eventuella räntentäkter på fnansella tllgångar samt kostnader för drften, exempelvs el, vatten, uppvärmnng, avskrvnngar och räntor på eventuella lån. Detta nnebär att resultat- och balansräknngar kan upprättas och följaktlgen kassaflöden. 18 Varför går det då nte att värdera en bostadsrättsförenng/bostadsföretag på detta sätt, och följaktlgen nte en bostadsrätt 19? 3.1.4 Ju lägre ntäkt för bostadsrättsförenngen desto högre prs på bostadsrätten 20 Som rubrken antyder står detta bjärt kontrast tll hur exempelvs värdet på ett börsnoterat företag förändras tllföljd av ökade ntäkter ceters parbus. Anlednngen det motsatta fallet, det vll säga avseende bostadsrättsförenngen, är att medlemmarna ( akteägarna ) stället får en ökad kostnad eftersom avgfterna stger. Detta nnebär att boendekostnaden ökar, vlket kompenseras av ett lägre prs på lägenheterna fråga. Dessutom är akteägarna, form av medlemmarna, de enda köparna tll företagets tjänster (beredande av bostäder) jämfört med ett allmänt företag som tll exempel kan ha hundratusentals kunder, varför ensklda ndvders betalnngsvlja slår genom på värderngen. Sålunda går det nte att tllämpa avkastnngsvärderngar avseende bostadsrätter. 3.1.5 Objektva värdegrunder saknas avseende bostadsrätter Som tdgare konstaterats kan alltså ett fundamentalt värde framräknas avseende ett företag tradtonell menng, eftersom alla har vnstntresse och gvet avkastnngskravet värdesätter vnsterna lka. 21 När det gäller bostadsrätter, det vll säga bostäder, värdesätter männskor lägenhetsattrbut olka, eller vnsten av att bo bostaden; för vssa är balkonger mera värdefullt, för andra kanske nvån på avgften har störst betydelse. Dessutom har potentella köpare sklda nkomster och betalnngsförmågor. Graden av komplextet ökar också med att antalet spekulanter kan varera kraftgt mellan olka vsnngshelger, vlket kan snedvrda värderngen. Värderngen av bostadsrätter är alltså föremål för männskors subjektva uppfattnng, varför någon annan värderngsmetod krävs. 17 Gyllenram, 1998. 18 Utdelnngarna formeln stycke 3.1.1 hade kunnat bytas ut mot kassaflöden. 19 Gvet värdet på förenngen skulle lägenhetens värde kunna framräknas med hjälp av andelstalet. 20 Oaktat lokalntäkter. 21 Under förutsättnng att värderngsmodellerna är konsstenta så att nte över- eller underskattnng sker av företagsvärdet på grund av modellteknska fel (se Jennergren, 2002). 11
3.1.6 Relatv värderng Det är vanlgt att man vd företagsvärderng avseende börsnoterade bolag använder sg av olka relatva värderngar ( synnerhet om avskten är att värdera ett onoterat bolag som kanske ännu så länge nte är vnstgvande), vlka börskursen relateras tll olka mått resultaträknngen alternatvt balansräknngen (eller en kombnaton mellan dessa). P/E-talet är ett mått, baserat på vnsten efter skatt, P/Bv baseras på bokfört eget kaptal, EBITmultpeln är ett annat mått och så vdare. På så vs kan man använda ett snarlkt företags relatva värderng som utgångspunkt. På samma sätt kan man ttta på kvadratmeterprser avseende värderngen av bostadsrätter. För två lkvärdga objekt samma område kan kvadratmeterprset approxmera männskors betalnngsvlja. Följaktlgen blr då storleken på lägenheten (som man avser att prssätta) avgörande för det absoluta prset. Oftast httar man emellertd nte lkvärdga objekt, eftersom de skljer sg åt många avseenden; nvån på avgfterna, antalet rum, förekomst av balkong och kakelugn, lägenhetens planlösnng, grad av ljusnsläpp, läget huset, utskt från lägenheten, standard på lägenheten och geografskt läge för att nämna några. Lägenheter är med andra ord heterogena tllgångar, hur kan man fånga upp männskors upplevda nytta av alla dessa lägenhetsattrbut, det vll säga åsätta ett värde på dem? 3.1.7 Hedonska prsndex Hedonsmen kommer från det grekska ordet hedone och betyder njutnng eller lustkänsla. Inom den flosofska moralflosofn står hedonsm för en lvshållnng som går ut på att maxmera behaglga upplevelser och mnmera obehaglga upplevelser. 22 Den hedonska prssättnngsmetodken härrör från arbeten som gjordes på uppdrag av General Motors (1939) och syftade tll att förklara prset på blar med hjälp av olka egenskaper. 23 Hedonska prsndex, eller regressoner, går ut på att detta fall förklara en bostadsrätts prs utfrån olka egenskaper som är förknppade med lägenheten, tll exempel förekomst av balkong, kakelugn och nvån på avgften tll förenngen. I en regresson söker man skatta värden baserat på mnsta kvadratmetoden, med vlken skllnaden mellan de observerade och skattade värdena mnmeras 24 : uˆ 2 = ( Y Yˆ ) 2 = ( Y ˆ β ˆ β * X ) 1 2 2 Där Y är prs, βˆ är skattade koeffcenter och X är förklarande varabler. Koeffcenterna mäter hur stor vkt männskor genomsntt lägger avseende respektve varabel, vlket baseras på ett urval av faktska attrbut och observerade försäljnngsprser. De flesta studer som gjorts avseende bostadsrättsmarknaden bygger på regressoner, vlka olka faktorer ska förklara prsblden. 3.1.8 Prspåverkande faktorer I detta avsntt fokuserar jag på sambandet mellan försäljnngsprset och de förklarande varablerna. Det generella marknadsläget tas förgvet det vll säga prspåverkande faktorer som ränteläge, konjunktur och arbetslöshet 22 Wkpeda, Den fra encyklopedn. 23 Rosengren och Schult, 2003. 24 Kvadrerng görs för att ta hänsyn tll negatva extremvärden, som annars kan snedvrda summan (se Gujarat, 1995, s. 53-54). 12
stället rktas fokus på de mkrovarabler som kan hänföras tll olka lägenheter. Följande prspåverkande varabler har valts att studera: Församlng, trafkerad adress, antal rum, antal kvadratmeter, månatlg avgft, byggnadsår, vånngsplan, hss, balkong, kakelugn/öppen sps, skck på lägenheten och utskt. Församlng För att göra en geografsk ndelnng, och testa för eventuella prsskllnader nom Södermalm, används församlngsbegreppet. Stadsdelen består av församlngarna Mara, Katarna, Sofa och Högald. Det är svårt att ha en dstnkt uppfattnng avseende dessas nbördes rangordnng gällande prsnvåer. Det fnns nämlgen adresser nom samtlga områden som betngar mycket höga prser. Emellertd kan man möjlgen tänka sg att Mara församlng har den högsta prsnvån. Detta mot bakgrund av att församlngen är förhållandevs lten samt är ganska koncentrerad tll Maratorget, där prsnvån är relatvt hög. Högald kan uppfattas som avsdes av många männskor, lksom delar av Sofa med det nya bostadsområdet Södra Hammarbyhamnen (nklusve Hammarby Sjöstad), varför jag a-pror tror att Katarna kan ha en generellt sett högre prsnvå än dessa två församlngar (mäklare brukar tala om populära SOFO nom denna församlng, vlket står för South of Folkungagatan ). Beträffande rangordnngen mellan Sofa och Högald, har jag ngen uppfattnng. Det förväntade koeffcenttecknet avseende respektve församlng förhållande tll referensvarabeln, som är Mara församlng, är negatvt. Trafkerad adress Med trafkerad adress avses gator som har en högre ljud- och bullernvå, samt är föremål för mer förorenngar form av blavgaser. Prserna på lägenheter som är belägna på sådana adresser torde påverkas negatvt förhållande tll lägenheter som lgger lugnare kvarter (med enkelrktade gator). Således förväntas en negatv koeffcent avseende frågavarande varabel. Antal rum Ju fler rum en lägenhet har desto högre prs borde den betnga, eftersom antalet kvadratmeter som regel ökar med antalet rum. Margnaleffekten av ett extra rum kan dock sklja sg mellan olka lägenhetskategorer. Exempelvs värdesätter man ett extra rum en stor lägenhet, sett tll ytan, jämfört med om lägenheten hade vart lten. Då hade en extra kvadratmeter stället värdesatts högre. Således borde antalet rum och kvadratmeter samvarera. Den förväntade koeffcenten avseende antalet rum förhållande tll referensvarabeln, som är lägenheter med ett rum, är postv. Antal kvadratmeter Att konstatera att antalet kvadratmeter påverkar prset postvt kräver ngen lång utläggnng. Stockholms nnerstad är starkt begränsad tll ytan, och hur mycket nytt som kan byggas, varför efterfrågan vda överstger utbudet. Analogt med resonemanget om antal rum kan en extra kvadratmeter alltså värderas olka mellan köpare; ju större lägenheten är desto mer värdesätter man ett extra rum emedan man för mndre lägenheter hellre önskar ytterlgare en kvadratmeter på margnalen. Det förväntade tecknet för kvadratmeterkoeffcenten är således postvt. 13
Månatlg avgft Avgften som bostadsrättsnnehavaren har att erlägga tll förenngen ska täcka de räntor och amorterngar som belöper på de gemensamma lånen, drften av fastgheten och fonderng av medel. Därför kan avgften ses som en temperaturmätare på förenngens ekonom, där låga avgfter som regel ndkerar på stark ekonom och vce versa. Enlgt förväntan nverkar avgften negatvt på prset av främst två anlednngar. En högre avgft ökar boendekostnaden för den ensklde och borde därmed sänka betalnngsvljan, synnerhet om köpet lånefnanseras. Höga avgfter kan också sgnalera för köparna att ekonomn är svag förenngen. Specellt borde en hög avgft nverka negatvt på lägenheter med höga andelstal, så måtto att effekten av en eventuell avgftshöjnng blr mer drekt och kännbar. Emellertd har nte andelstalet kunnat nyttjas regressonerna på grund av osäkerhet data. Huruvda köpare de facto explct tolkar sgnaler va avgftsnvåer kan säkert tvstas om. De mäklare jag har talat med menar på att männskor överlag har små kunskaper krng bedömnng av årsredovsnngar, varför förstnämnda anlednng sannolkt är av störst betydelse. Det förväntade tecknet på regressonskoeffcenten är negatvt. Byggnadsår Varabeln byggnadsår används för att dfferentera lägenheter med avseende på tdstypska detaljer, exempelvs sekelskftesattrbut med hög takhöjd, stuckatur, djupa fönsternscher och hög grad av hantverk och ornamenterng exterörmässgt. Detta är attrbut som många männskor värdesätter. Sekelskftesperoden har jag uppskattat tll åren fram tll och med 1920, varpå en annan byggnadsstl tar vd den funktonalstska. Denna byggnadsstl karaktärseras mer av arktektonsk effektvtet, med fler vånngsplan på samma yta och höjd samt rakare lnjer exterörmässgt. Det är gvetvs nte optmalt att behöva dra en dstnkt gräns, eftersom nya eror snarare fasas n, men jag har uppskattat denna tdsperod tll åren 1921-1940 vlket överensstämmer med Samuelsons och Zettervalls ndelnng tdsperoder. 25 Peroden efter 1940 skulle kunna ndelas fler byggnadsstlar 26 vlket jag har avstått från. Detta beror på att merparten av Södermalms fastghetsbestånd, och nnerstaden övrgt, härrör från tdsperoderna enlgt ovan. Sålunda fnns rsk att en ytterlgare förfnad ndelnng nte kan tlldelas tllräcklgt många observatoner för att kunna dra statstskt säkerställda slutsatser. Förväntnngarna a-pror är att betalnngsvljan ökar med åldern på fastgheterna. Vånngsplan Jag tror att vånngsplanet har stor betydelse för prsblden. Lägenheter som är belägna på gatuplanet är exponerade för nsyn, nbrottsrsk och buller från trafken med mera. Eftersom det är ganska tätt mellan fasaderna Stockholms nnerstad, så mnskar dessutom ljusnsläppet på de nedre planen fastgheterna. Därför borde frågavarande faktorer verka prsmässgt negatvt avseende dessa lägenheter. Lkaså bör objekt en trappa upp rabatteras förhållande tll lägenheter på något av de övre planen, då även de tll vss del är exponerade mot gatuplanet och har sämre ljusnsläpp. Däremot tror jag nte att skllnaderna är stora mellan lägenheter på två trappor och uppåt. 25 Se Samuelson och Zettervall, 2006. 26 Se Bergman och Svennersjö, 2004. 14
Den förväntade koeffcenten är negatv för varablerna avseende objekt belägna på bottenvånngen och en vånng upp jämförelse med referensvarabeln, som är två vånngar och högre upp fastgheten. Hss Generellt sett bör förekomst av hss påverka prset postvt förhållande tll om hss saknas. Det kan för många upplevas som ansträngande att behöva gå trappor, synnerhet om man har bärkassar eller dylkt händerna. Emellertd tror jag att nverkan på försäljnngsprserna skljer sg åt mellan lägenhetskategorer och de köparkretsar dessa vänder sg tll. För mndre lägenheter, som regel vänder sg tll unga männskor exempelvs studenter vlka överlag har lägre krav på boendet, torde förekomst av hss nte ha samma betydelse som för äldre männskor. Sstnämnda, och tll exempel barnfamljer, söker regel större objekt varpå hss blr betydelsefullt, om nte ett måste. Sålunda förväntar jag mg att betydelsen av hss ökar med lägenhetsstorleken och vånngsplanen. Varabelns förväntade koeffcenttecken är alltså postvt förhållande tll om hss saknas. Balkong Balkonger borde vara tydlga värdehöjare eftersom de bdrar tll ökad lvskvaltet. På sommaren uppskattar förmodlgen många av oss att kunna gå ut på balkongen och njuta både dag som kväll. Med beaktande av att förhållandevs få lägenheter har balkong Stockholms nnerstad, så bör dessa objekt vara eftertraktade. Att så är fallet bekräftas också av mäklare. Vssa mäklare menar på att en balkong höjer värdet med ett par hundra tusen kronor. Jag tror att det absoluta värde som åsätts en balkong skljer sg åt mellan olka lägenhetskategorer. För köpare av små lägenheter torde ytan på lägenheten vara prmär, emedan köpare av större lägenheter mera fokuserar på lvskvaltet. Den förväntade koeffcenten avseende balkong är postv. Kakelugn/öppen sps Lkt balkonger bdrar eldstäder tll lvskvalteten, synnerhet om de är fungerande med eldnngstllstånd. Utöver att tll exempel en kakelugn är stämnngsfull så kan den än dag också användas som en extra värmekälla under kalla vntrar. I Stockholms många äldre fastgheter är nämlgen fönstersolerngen ofta dålg. Analogt med resonemanget avseende balkonger, tror jag att eldstäder värdesätts olka mellan köparkategorerna. För små ettor kan en kakelugn vara en bonus, eller hämmande på grund av att de är skrymmande, emedan köpare av större lägenheter kan ha som krav att lägenheten är utrustad med en kakelugn, man så att säga sockrar lägenheten på margnalen. Därför tror jag att prspåverkan ökar med storleken på lägenheterna. Regressonskoeffcentens förväntade tecken är postvt. Skck på lägenheten En lägenhets standard bör vara av betydelse vd ett köp. Oaktat materalval så kostar en helrenoverng av exempelvs kök och badrum mycket pengar. Det är nte ovanlgt att kostnaden härför kan uppgå tll uppemot en halv mljon kronor. Utöver kostnaderna avseende renoverngar är tdsaspekten och bekvämlgheten vktg för många männskor, det vll säga möjlgheten att flytta n lägenheten som den är. Beträffande de objekt som har ett renoverngsbehov, så tror jag att betalnngsvljan är förhållandevs stor jämfört med objekt som har normal standard. Detta grundar jag på att de är eftersökta för dem som vll utforma stt boende efter eget tycke och smak. Vdare har vssa männskor nsett att det fnns pengar att tjäna på renoverade lägenheter, varför även hantverkare med 15
flera lockas tll spekulatva affärer. Detta, kombnerat med att renoverngsobjekten är relatvt få tll antalet, bdrar tll att pressa upp prserna. Sålunda tror jag att renoverade objekt säljs dyrast följt av lägenheter med normal standard och därefter renoverngsobjekt, varmed sstnämnda betngar vss preme. De förväntade tecknen på koeffcenterna som mäter skck enlgt och under medel är negatvt förhållande tll referensvarabeln lägenheter med skck över medel. Utskt Objekt som har utskt är relatvt få tll antalet Stockholms nnerstad. Det faktum att vssa objekt har utskt vlken kan vara över sjö, park eller exempelvs en trevlg nnergård nnebär också att ljusnsläppen är bättre dessa lägenheter, vlket kan förstärka känslan av rymd och förbättra dspostonen rent sprtuellt. Således väntas varabeln avseende utskt få en postv koeffcent ( förhållande tll lägenheter utan utskt). 3.2 Tdgare studer Jonsson och Lundström har undersökt Stockholms, Göteborgs och Malmös bostadsrättsmarknad. 27 I förstnämnda avhandlas även nnerstaden. Deras stude bygger på crka 4 000 bostadsrättsöverlåtelser under peroden januar 2001- mars 2004, som tll mer än 90 procent avser Stor-Stockholm, och har sammanställts av SBAB Karlstad. Även om deras underlggande data är rgorös, så medger de att det hade vart önskvärt med fler varabler avseende respektve köp. I vssa fall nödgas de nämlgen använda dverse approxmatoner. Syftet denna stude är att undersöka tll vlken grad årsavgfterna kaptalseras bostadsrättsprserna. Genomgående används en addtv lnjär regressonsform 28 : P = β * X + u 1 + β 2 * X 2 + β 3 * X 3 +... + β n n Sålunda skattas koeffcenterna monetär form. De varabler som lgger tll grund för analysen, och således ska förklara prset, är följande: Bostadsyta, värdeår, köpedatum, nuvärde av årsavgft och prsnvåområden (nnerstaden och olka förorter). Överlag uppnås förklarngsgrader omkrng 80 procent de skattnngar som görs samt sgnfkanta koeffcenter. I en skattnng som exkluderar närförorter och stället nrktas på Stockholms nnerstad aggregerat, uppnår studen en förklarngsgrad på 89,5 procent med ganska få sgnfkanta koeffcenter (på 95- procentsnvån). Orsaken härför bottnar sannolkt multkollneartet 29, men några sådana test redovsas nte. En av de slutsatser som Jonsson och Lundström drar är att årsavgften kaptalseras bostadsrättsprserna, dock mndre utsträcknng än förväntat. Ju mer perfert området är (exempelvs förorter) desto större är kaptalserngen av årsavgften, enlgt dem. I nnerstaden dras slutsatsen att endast crka 16 procent kaptalseras, emedan stadsdelen Östermalm knappt är föremål för detta (de mest centrala delarna). Anlednngen tror de kan bero på en relatvt stark köpkraft hos männskor stadsdelen. 27 Jonsson och Lundström, 2004. 28 Se avsntt 5 beträffande för- och nackdelar mellan funktonsformer. 29 Se stycke 6.1.2 om multkollneartet. 16
Den skattade kaptalserngsgraden studen bygger på ett val av dskonterngsränta som korresponderar med SBAB:s återstående lånelöptder nyförsäljnngen under 2000-2004, vlka har uppskattats tll crka 18 månader (med vss rskpreme använder de den tvåårga räntan). Vd skattnngar av kaptalserngsgrad, jämfört med förändrng årsavgft, blr valet av dskonterngsränta modellen betydelsefull; koeffcenterna förändras förhållandevs mycket om dskonterngsräntan höjs eller sänks en procentenhet. Detta är en av svagheterna vd studer av kaptalserngsgrad. En annan relatv svaghet studen är valet av modellform, eftersom en addtv modell nte tar hänsyn tll att varabler kan nteragera; exempelvs torde värderandet av en extra kvadratmeter sklja sg åt mellan olka lägenhetsstorlekar. Om syftet emellertd är att estmera prser, nödgas man använda addtva modeller. 30 Beträffande Jonssons och Lundströms val av dummyvarabeln värdeår, som är tänkt att approxmera fastgheternas skck, är det nte självklart att denna överensstämmer med verklgheten snarare tvärtom. Det torde bero på att förenngar löpande renoverar fastgheterna och att mycket kan ha hänt sedan värdeåret fastställdes. Vdare bör fastghetens skck snarare vara representerat mplct avgften, varför stället en varabel med byggnadsår kan fånga upp männskors betalnngsvlja avseende exempelvs sekelskftesattrbut såsom högt tll tak och stuckaturer. Avslutnngsvs särskljs nte Stockholm stads stadsdelar studen, med undantag för Östermalm. Samuelson och Zettervall undersöker också avgfternas kaptalserng försäljnngsprserna med utgångspunkt effektva marknader. 31 Datamateralet, som är nhämtat från Värderngsdata (sammanställer crka 80 procent av alla bostadsrättsöverlåtelser 32 ), utgörs av 9 812 överlåtelser under peroden januar 2005-aprl 2006. Observatonerna omfattar Stockholms nnerstad samt förorter, där exempel på sstnämnda är orter som Farsta, Skärholmen, Enskede, Skarpnäck och Hässelby. I studen framgår att samtlga församlngar/orter åtmnstone har 100 observatoner under peroden, med undantag för några förorter. Samuelson och Zettervall söker svar på om köparna på marknaden agerar rratonellt. Tll skllnad från Jonsson och Lundström använder de en multplkatv modell (som logartmeras) med vlken elastcteter erhålls: ln ln β 1 + β 2 *ln X 2 + β 3 *ln X 3 +... + β n P = * ln X + u n I modellen används prs/kvm som beroende varabel och följande förklarande varabler: Församlng, antal rum, byggnadsår och avgft/kvm. Sstnämnda varabel är uttryckt som logartmen av (1+lambda), där lambda motsvaras av full teoretskt kaptalserad avgft/prs. Sålunda mäter regressonskoeffcenten hur stor del som de facto kaptalseras av den teoretska kaptalserngen. Förfarandet nnebär problem eftersom prset tll del ska beskrva sg självt. För att komma runt problemet skattar Samuelson och Zettervall en modell vlken avgften/kvm är exkluderad, för att sedermera använda detta skattade prs som bas huvudmodellen. 30 Se stycke 5.1 och 5.2. 31 Samuelson och Zettervall, 2006. 32 Tobas Skllbäck, Värderngsdata. 17
En rad regressoner görs separat avseende församlngarna samt aggregerad form. Kaptalserngen av avgften uppdelas per antal rum för alla områden aggregerat (förorter och nnerstaden tllsammans). Generellt sett befnns kaptalserngen av avgften enlgt denna stude vara störst jämfört med resultaten andra studer som jag har tagt del av. I övrga studer, exempelvs Jonsson och Lundström, har framkommt att perfera områden (förorter) är föremål för mycket större kaptalserng av avgften än nnerstaden. Man kan msstänka att det högre resultatet denna stude beror på att en rad förorter är representerade (och därmed uppväger snttet). Annars torde orsaken vara att det helt enkelt är fråga om en större kaptalserng av avgften på marknaden den senaste tden. 33 Oavsett vlken anlednng, blr det med andra ord svårt att dra någon slutsats avseende nnerstaden solerat. Precs som Jonssons och Lundströms stude får valet av dskonterngsränta stor effekt på resultatet, det vll säga tll vlken grad avgften kaptalseras. Vd användande av en tremånadersränta befnns kaptalserngen vara crka 55 procent, att jämföra med crka 86 procent om stället en toårsränta används. Förklarngsgraden regressonerna är ganska hög, omkrng 70-75 procent, dock får de vssa fall felvända tecken på koeffcenterna som genomgående är sgnfkanta. De slutsatser man kan dra, och som gäller datamateralet aggregerat, är bland annat enlghet med förväntan att kvadratmeterprset blr högre för små lägenheter med få rum jämfört med större lägenheter och fler rum. Vdare synes effekten av avgften på prset vara större för treor och större lägenheter jämförelse med ettor och tvåor. Detta nnebär enlgt Samuelson och Zettervall att köpare förstnämnd kategor agerar ratonellt, vlket de tror kan bero på att dessa köpare har mer erfarenhet av affärer på marknaden (sannolkt nte den första lägenheten som köps) och heller nte måste påskynda affären samma utsträcknng jämfört med dem som köper för första gången (de har ofta redan en lägenhet). Dessutom framförs argumentet att köpare av små lägenheter kan vara kaptalransonerade, varför de tll större del attraheras av lägenheter med höga avgfter då dessa som regel säljs bllgare (och mndre lån krävs). Mot detta kan rktas skarp krtk, så måtto att bolånensttuten explct tar hänsyn tll storleken på avgften när lånelöfte utfärdas. Utgångspunkten borde nämlgen vara boendekostnaden, och nte det absoluta prset på lägenheten. Överlag är slutsatsen denna stude att männskor de facto agerar rratonellt på bostadsrättsmarknaden. Detta med undantag för köpare av treor och större lägenheter för vlka avgftsskllnader alltså har stor betydelse som kan sägas vara mer erfarna av bostadsrättsköp. Engman och Forsell undersöker även de avgftens kaptalserng försäljnngsprserna. 34 Denna stude bygger på en undersöknng som gjordes av Fastghetsbeskattnngskommttén och nnefattar data avseende Stockholms Stad åren 1996-1998, totalt 2 227 överlåtelser. Detta nnebär att försäljnngar som gjorts Stockholms förorter fnns representerade materalet. Följande addtva modell skattas: P = β * X + u 1 + β 2 * X 2 + β 3 * X 3 +... + β n n 33 I avsntt 7 testas detta som bekant. 34 Engman och Forsell, 2000. 18
Beroende varabel är prs/kvm och de förklarande varablerna är kaptalserad årsavgft 35, läge, vånngsplan och antal rum. Koeffcenten för grad av kaptalserng ska tolkas för hela materalet (nnerstad samt förorter), samt som sntt avseende alla lägenhetsstorlekar, och uppgår tll mellan mnus 0,50 och mnus 0,70 vlket mplcerar att männskor nte agerar ratonellt. Förklarngsvärdet regressonerna är högt, omkrng 80-90 procent, och koeffcenterna är statstskt sgnfkanta. De slutsatser som Engman och Forsell drar, är att marknaden antngen är neffektv eller att männskor har kaptalbegränsnngar. Det senare nnebär så fall, precs som tdgare sagts, att vssa köpare nte kan kaptalsera avgften fullt ut då lånensttuten nte bevljar lån på en mplcerad full nvå (och att männskor har högre kostnadsränta på margnalen). Därför tror även Engman och Forsell att dessa typer av köpare rktar n sg på lägenheter med högre avgfter, eftersom de säljs tll lägre prser. Som jag tdgare sagt, kan alltså detta resonemang starkt frågasättas. I motsats tll ovanstående studer, har Rosengren och Schult deras stude avseende Stockholms nnerstad ett ganska brett fokus. 36 De undersöker alltfrån hur makrovarabler samvarerar med prsutvecklngen tll hur lägenhetskaraktärstka påverkar prsblden, samt förhållanden mellan småhusmarknaden och bostadsrättsmarknaden, varmed sstnämnda marknad även testas för eventuella stadsdelar som kan vara prsledande snsemellan. Datamateralet bygger på crka 8 000 bostadsrättsöverlåtelser mellan åren 1992-2002 nsamlade från Erk Olsson Fastghetsförmedlng, Svensk Fastghetsförmedlng, Norlng & Partners och Södermäklarna. Emellertd begränsas observatonerna tll crka 6 500 på grund av att åren 1992-1995 nnehåller för få observatoner. Data omfattar hela Stockholms nnerstad (ca 40 procent avser Södermalm) och är enlgt Rosengren och Schult det mest omfattande materal som studerats. I regressonsanalysen som görs mot bakgrund av ett makroperspektv använder de nybyggnadskostnad, nkomst, nomnell ränta, befolknngsutvecklng och arbetslöshet som förklarande varabler, och prset som beroende varabel, en skattad jämvktsmodell avseende Stockholms nnerstad. Enlgt förväntan fnner de långsktgt goda samband med prsutvecklngen på marknaden. Vad gäller kortsktga samband dras slutsatsen att hstorska prser predcerar prsutvecklngen framgent, vlket Rosengren och Schult främst förklarar genom medas löpande rapporterng som skapar en slags självuppfyllande profeta. Med andra ord synes männskor basera värderngen nästa perod på prset föregående perod. I den andra analysen, med utgångspunkt ett mkroperspektv, skattas en multplkatv modell (som logartmeras): ln ln β 1 + β 2 *ln X 2 + β 3 *ln X 3 +... + β n P = * ln X + u n Beroende varabel är prs och de förklarande varablerna utgörs av antal rum, bostadsyta, ålder på fastgheten, månadsavgft, mkroläge (vånngsplan) och läge (stadsdel, församlng och dylkt). Den skattade modellen får enlghet med tdgare studer ett högt förklarngsvärde (knappt 90 procent) och de skattade koeffcenterna är statstskt säkerställda. Modellteknska problem som multkollneartet, heteroskedastctet och cke-normalför- 35 Se stycke 7.1 för en dskusson av kaptalserad årsavgft. 36 Rosengren och Schult, 2003. 19
delade slumptermer förefaller nte vara några allvarlga problem (åtmnstone nte så att justerngar behöver göras). 37 De slutsatser som Rosengren och Schult bland annat drar, är att de olka stadsdelarna skljer sg åt beträffande vlken vkt männskor lägger på respektve varabel. Exempelvs får storleken på avgften en större negatv roll på Södermalm, koeffcent på mnus 0,18 (nnebärande att en öknng av avgften med 10 procent leder tll en prsredukton med 1,8 procent), jämfört med Östermalm där koeffcenten skattats tll mnus 0,06 vlket de delvs tror kan bero på nkomstskllnader mellan stadsborna. Att koeffcenten avseende Östermalm är låg är enlghet med de resultat som Jonsson och Lundström erhåller. Vdare undersöker Rosengren och Schult om olka stadsdelar kan vara prsledande snsemellan, samt om bostadsrättsmarknaden är prsledande för småhusmarknaden. Beträffande förstnämnda fnner de ett samband mellan Kungsholmen och Norrmalm (Norrmalm och Vasastan) emedan de sstnämnda får motsägelsefulla resultat; bostadsrättsmarknaden förutspår utvecklngen på småhusmarknaden och vce versa. Bergman och Svennersjö undersöker en rad lägenhetsattrbuts prspåverkan med avseende på Södermalms bostadsrättsmarknad. 38 Denna stude är med andra ord en föregångare tll mn stude, som också nrktas på Södermalm. Deras datamateral bygger på 92 objektsbeskrvnngar nhämtade från Fastghetsbyrån och avser peroden 1 august-31 december 2003. En addtv modell skattas: P = β * X + u 1 + β 2 * X 2 + β 3 * X 3 +... + β n n Beroende varabel är försäljnngsprs och förklarande varabler är avgft, kvm, antal rum, byggnadsår, standard på kök, standard på badrum, standard på övrga lägenheten, vånngsplan, hss, stambytt, kakelugn, balkong, utskt, sjöutskt, el avgften, trafkerad gata och församlng. Denna relatvt omfattande varabeluppsättnng utgör god grund för att skatta precsa modeller. Modellen uppnår en hög förklarngsgrad (drygt 90 procent) men ytterst få koeffcenter är sgnfkanta endast 6 av drygt 30 koeffcenter, vlket är ett tydlgt tecken på multkollneartet, det vll säga det går nte med säkerhet att särsklja ensklda varablers prspåverkan. Test för den här typen av problem redovsas nte. Vdare får flertalet koeffcenter felvända tecken. Allt som allt bottnar detta att antalet observatoner är alldeles för få för att kunna skatta en så pass detaljerad modell med avseende på valda varabler. Trots detta är Bergman och Svennersjö nte helt försktga med att slå sg på bröstet beträffande den höga förklarngsgraden. Eftersom frågavarande stude nrktas på Södermalm, är det ntressant att notera vssa koeffcentskattnngar, låt vara att dessa överlag är kraftgt osgnfkanta och följaktlgen högst osäkra. Beträffande församlngarna så befnns Mara och Katarna vara dyrast följt av Högald och Sofa. En genomsnttlg lägenhet försåld de två förstnämnda säljs crka 100 000 kr dyrare än motsvargheten Sofa. Konstanten regressonen redovsas nte vlket således omöjlggör en jämförelse med en vald bas, det vll säga storleken på typlägenheten. Lägenheter som har balkong och kakelugn (framgår ej om fungerande) säljs omkrng 150 000 kr dyrare och om en lägenhet är belägen ett äldre hus (sekelskfte) är premen crka 500 000 kr relatvt prsblden nyare fastgheter (från och 37 För förklarng av dessa modellteknska problem, se stycke 6.1.2, 6.1.3 och 6.1.4. 38 Bergman och Svennersjö, 2004. 20