|
Getting your Trinity Audio player ready...
|
Die Studie The impact of economic policies on housing prices untersucht den Zusammenhang zwischen makroökonomischen Faktoren und Immobilienpreisen in mehreren Ländern. Der Autor verwendet Machine-Learning-Methoden (kNN und Tree-Bagging) und ein relativ kleines Datenset, das makroökonomische Faktoren wie den Verbraucherpreisindex (CPI), US-Treasury-Renditen (10-jährig), das Bruttoinlandsprodukt (BIP) und die Bilanzsumme der Zentralbanken (EZB, FED) umfasst. Diese Parameter repräsentieren die an einer Immobilientransaktion beteiligten Parteien (Käufer, Verkäufer und Finanzierungsinstitutionen), ohne die intrinsischen Eigenschaften der einzelnen Immobilien zu berücksichtigen. Der Fokus liegt auf der Finanzierungsseite und dem Preis der Transaktion aus der Perspektive eines Immobilienanlegers.
Die Analyse unterteilt den Zeitraum in zwei Phasen: Bis 2015 war die Höhe der US-Treasury-Renditen der wichtigste Faktor zur Erklärung von Immobilienpreisänderungen. Andere makroökonomische Faktoren wie der CPI waren jedoch ebenfalls wichtig, da sie den Grad der Offenheit einer Wirtschaft und den Einfluss des wirtschaftlichen Kontextes auf Preisänderungen aufzeigen. Ab 2015 erwies sich die Einbeziehung der Programme der Europäischen Zentralbank (EZB) zur Unterstützung der Wirtschaft seit Beginn der 2010er Jahre als notwendig, um die jüngste Preisentwicklung zu erklären. Die nicht-konventionellen geldpolitischen Maßnahmen der Zentralbanken könnten es institutionellen Anlegern ermöglicht haben, zwischen Renditen aus Immobilien und anderen Anleihemärkten (Staats- und Unternehmensanleihen) zu arbitrieren.
Der Autor führt verschiedene Sensitivitätsanalysen durch, um die relative Leistung der Modelle zu bewerten und deren Grenzen aufzuzeigen. Es wird gezeigt, dass einige Modelle die Preisentwicklung für die nächsten vier Quartale mit Unsicherheiten vorhersagen können, die besser sind als die Unsicherheiten bestehender Preisindizes. Die Studie vergleicht die Ergebnisse von kNN und Tree-Bagging-Modellen und analysiert die Bedeutung verschiedener Parameter (Inflationsrate, Zinssätze, BIP, Zentralbankbilanzen). Es wird festgestellt, dass die Einbeziehung von Daten zur Bilanzsumme der EZB/FED die Modellgenauigkeit ab 2015 deutlich verbessert, was auf den Einfluss nicht-konventioneller geldpolitischer Maßnahmen auf die Immobilienmärkte hindeutet. Zusätzlich wird ein Modell mit Mietdaten für die Schweiz untersucht, das eine starke Korrelation zwischen Miet- und Kaufmarkt aufzeigt.
Die Studie stellt fest, dass die Berücksichtigung makroökonomischer Faktoren, insbesondere der Zinssätze und der Zentralbankbilanzen, entscheidend für ein umfassendes Verständnis der Immobilienpreisentwicklung ist. Die Ergebnisse unterstreichen das Potenzial von Machine-Learning-Methoden zur Modellierung und Vorhersage von Immobilienpreisen, aber auch die Notwendigkeit, die Grenzen dieser Methoden zu berücksichtigen. Die Studie liefert wertvolle Erkenntnisse für Banken, Versicherungen, Regulierungsbehörden und Regierungen, die ein besseres Verständnis des Immobilienmarktes benötigen, um Risiken zu managen und angemessene Kapitalanforderungen zu bestimmen.