Ved hvert årsskifte blir økonomer og boligeksperter fra eiendomsmeglerbransjen intervjuet om hvordan de tror boligprisene vil utvikle seg i det nye året.

Disse spådommene er basert på ekspertenes erfaringer med boligmarkedet og trender i samfunnsøkonomien.

Mari O. Mamre ved Norges miljø- og biovitenskapelige universitet har utviklet en helt ny metode for å spå boligpriser. Ved hjelp av faget maskinlæring ved Handelshøyskolen, har hun laget et dataprogram som forhåpentlig skal gi riktig svar.

Boliger skal videre opp

Mamres boligprisprognose spår at boligprisene i Oslo skal opp hele seks prosent i 2020, meldte Dagens Næringsliv nylig. På landsbasis venter hun en boligprisvekst på 3,5 prosent i 2020, basert på dataprogrammet.

Dette er mer optimistisk enn mange andre eksperter anslår. Prognosesenterets sjeføkonom Nejra Macic tror boligprisene vil utvikle seg flatt i 2020, både i Oslo og på landsbasis.

Saken i Dagens Næringsliv er bak betalingsmur.

15 andre økonomer som DN har intervjuet, spår en prisvekst på to-tre prosent.

Derimot tror sjefen i Selvaag Bolig, Rolf Thorsen, at Oslo-boliger vil stige syv prosent i 2020, skriver Finansavisen.

Boligekspertenes spådommer har stor innvirkning på vanlige folks økonomi. Om ekspertene forutsier fortsatt vekst, utflating eller boligprisfall, kan påvirke unge til å kjøpe bolig så fort som mulig eller vente.

50 variabler i algoritmene

Mamre har utviklet boligpris-modellen ved å mate datamaskinen med historiske data som har påvirket boligprisene hittil. Disse dataene har hun trent datamodellen på, for å komme frem til historisk riktig boligprisutvikling.

Datavariablene er «alt» som kan påvirke tilbud og etterspørsel i boligmarkedet. Som endringer i lånerenten, befolkningsvekst, sysselsetting, nybygging og boligkostnader. Hele 50 slike ulike variabler er med.

– Det har vært en stor jobb å mate inn alt, men mest mulig data gir best mulig prisprediksjon over tid, sier Mamre til forskning.no.

Innvandring og arbeidsledighet er med, samt sammensetningen av befolkningen. Hvor mange yngre det er i forhold til eldre, er vesentlig for etterspørselen.

Politiske innstramminger

I tillegg til disse variablene har hun tatt med politiske innstramminger som påvirker boligprisene. Som kravet til hvor mye egenkapital du må ha for å få lån, som ble økt for noen år siden. Tegn på vekst eller tilbakegang i økonomien er også med.

– Styrken i modellen er at den tar inn mye informasjon og det er fortsatt rom for utvidelser av modellen. Det er vanskelig å bruke så mange variabler i en tradisjonell modell, sier hun.

Programmering av algoritmer som kan forutsi endringer ved å kombinere samfunnsøkonomi med forretningsanalyse er et fag som har tatt av og blitt veldig populært i det siste, forklarer hun.

Dataene er stort sett offentlig tilgjengelige opplysninger. Hun har også med opplysninger fra Eiendomsverdi, som til enhver tid har oversikt over hva boliger i hele landet faktisk er solgt for.

Forskjell i boligkvalitet

I tillegg har Mamre analysert salgsprospekter som kan si mye om selve kvaliteten på boligene som selges.

Ut fra prospektene har hun over tid funnet store kvalitetsforskjeller på boligene som selges i markedet.

– Når man skal vurdere om sterk prisvekst er et uttrykk for en boligboble som kan sprekke, må vi også se på standardheving av boligene, påpeker Mamre.

Meglerne og andre sentrale aktører har gitt fra seg mye mer data til forskning nå nylig, og datagrunnlaget er blant det beste i verden.

Over tid ser det ut til at det har vært en økning i kvaliteten på bruktboligene som selges, fordi en større andel av boligene som selges er pusset opp til en høyere standard. Dette gjelder særlig i Oslo.

– I Oslo er det for salg over dobbelt så mange boliger som er nyoppusset som oppussingsobjekter.

Uten denne informasjonen i modellene, vil økt kvalitet ved boligene tolkes som ren prisvekst.

– Gir et mer presist bilde av prisutviklingen

Boligekspert Erling Røed-Larsen er forskningssjef ved Housing Lab ved OsloMet, og er professor II ved Institutt for samfunnsøkonomi ved Handelshøyskolen BI.

Han mener det styrker Mamres analyser at hun tar inn slike variabler i boligprognose-dataprogrammet.

– Oppussing er et typisk eksempel på en variabel som i mange sammenhenger ikke er observert eller er utelatt av statistikerne, skriver han i en epost.

I faglig sammenheng er det kjent at utelatte variabler kan skape skjevheter i indeksutviklingen, og dermed gi feilaktig bilde av prisutviklingen, forklarer han.

– Vi som forsker på boligmarkedet, ser med stor nysgjerrighet på alle forsøk på å gi et mest mulig presist bilde av prisutviklingen. Vårt mål er å sammenlikne prisen på helt like boliger på forskjellige tidspunkt — og da må vi ha kontroll på alle variablene, skriver Røed-Larsen.

• Les også: Derfor er nordmenn verdensmestere i å pusse opp

To prisfall i perioden

De historiske dataene går 15-16 år tilbake i tid.

Dermed er både den langvarige boligprisveksten og de to mindre boligprisfallene i 2008 under finanskrisen og i 2017, med.

– Disse svingningene har gjort det enklere å justere de ulike variablene best mulig i forhold til hverandre, forklarer Mamre.

Finanskrisen i 2008 ble utløst av boligbanker i USA som hadde lånt ut penger til boligkjøpere som ikke var i stand til å betjene lånene. Dette forplantet seg videre til mange vestlige land.

• Les også denne saken fra 2016: Boligprisen stiger som i jappetiden

Har ikke med det store boligkrakket

– Min boligpris-modell har ikke med indikatorer for krakk eller kriser i økonomien eksplisitt, sier Mamre.

Slike såkalt «sorte svaner », for eksempel krig og økonomiske krakk i utlandet som plutselig kan skje, er en svakhet ved modellen, innrømmer hun.

Samtidig vil det fanges opp dersom makroøkonomiske faktorer eller forventningene forverrer seg, i kjølvannet av en krise.

Det store boligkrakket i 1988 er ikke med. Boligprisfallet varte helt til 1992. På disse årene falt boligprisene i Norge med 36 prosent. Og ingen forutså krakket på forhånd.

Boligkrakket kom som en følge av børskrakket i New York i oktober 1987. Innvirkningen på Oslo Børs var umiddelbar.

– Ulempen er at tidsserien ikke går lengre tilbake i tid enn til 2003, men det er ikke nok offisielle data bakover i tid for såpass mange variabler, forklarer hun.

Var litt uenig med resultatet

Mamre tok en master ved Universitetet i Oslo på temaet krakk og kriser i boligmarkedet, hvor hun analyserte om det er mulig å anslå sannsynligheten for krakk.

Her så hun på politiske faktorer koblet med makroøkonomi.

Det var under arbeidet med mastergraden hun ble interessert i boligmarkedet.

– Siden har jeg jobbet med å forstå boligmarkedet bedre, som blant annet hvor markedet er på vei. Det var slik jeg fikk ideen til å utvikle modellen, sier Mamre.

Hun innrømmer at prognosen spår en litt høyere vekst enn hun selv ville ha anslått.

– Det er risikosport å drive med prognoser, for fasit kommer uansett. Det er likevel en fin måte å vurdere hvor godt en kjenner dynamikken i boligmarkedet, og hvorvidt modellene en bruker, fanger opp denne dynamikken godt nok, mener hun.

Optimisme på kort sikt

I likhet med mange andre økonomer mener hun at boligmarkedet er på slutten av en god periode. Mamre forklarer datamaskinens sterke prognoser med at denne utflatingen og endringer generelt gjerne tar lengre tid enn vi tror.

Arbeidsledigheten er dessuten rekordlav og folk har god råd.

– Bokostnadene er fremdeles lave, selv om renten har steget. Andelen av lønnen som folk bruker på å bo er fortsatt lav, og det er optimisme i markedet. I hvert fall på kort sikt, sier hun.

Hun har tidligere jobbet flere år i et analysebyrå før hun startet på doktorgraden.

Modellens første prognose er levert, og den skal muligens inngå i doktorgraden hennes. Fasit på modellens første prognose får vi først vite om et år.

Referanse:

M. O. Mamre: Real House Price Dynamics in OECD countries - The risk of large movements in prices. Mastergrad, UiO.

Les også

OECD ser flere faretegn for norsk økonomi