Raport o sytuacji na rynku nieruchomości mieszkaniowych i ... · 3 Autorzy: Część I i II...

1

INSTYTUT EKONOMICZNY

WE WSPÓŁPRACY Z ODDZIAŁAMI OKRĘGOWYMI

Raport o sytuacji na rynku

nieruchomości mieszkaniowych

i komercyjnych w Polsce w 2012 r.

WARSZAWA, SIERPIEŃ 2013 R.

2

Raport został przygotowany w Instytucie Ekonomicznym, we współpracy z szesnastoma

oddziałami okręgowymi, na potrzeby organów Narodowego Banku Polskiego. Raport wyraża opinie

zespołu autorskiego. Dokument nie powinien być rozumiany, jako materiał o charakterze doradczym,

ani jako podstawa do podejmowania decyzji inwestycyjnych.

3

Autorzy:

Część I i II

Augustyniak Hanna Instytut Ekonomiczny

Gajewski Krzysztof Instytut Ekonomiczny

Łaszek Jacek Instytut Ekonomiczny

Olszewski Krzysztof Instytut Ekonomiczny

Waszczuk Joanna Instytut Ekonomiczny

Część III (osoby podkreślone są dodatkowo autorami artykułów w części analitycznej)

Baldowska Grażyna OO Warszawa

Barska Ewa OO Bydgoszcz

Białach Ewa OO Lublin

Borzym Henryk OO Olsztyn

Broniecki Waldemar OO Olsztyn

Czapka Izabela OO Katowice

Gałaszewska Krystyna OO Gdańsk

Hulboj Izabela OO Zielona Góra

Kiernicki Jarosław OO Bydgoszcz

Książczyk Jolanta OO Łódź

Lekka Marta OO Szczecin

Leszczyński Robert OO Białystok

Leśniewicz Artur OO Poznań

Mach Barbara OO Rzeszów

Mach Łukasz OO Opole

Markowska Janina OO Wrocław

Masiak Małgorzata OO Wrocław

Mikołajczyk Łukasz OO Opole

Misztalski Maciej OO Wrocław

Myszkowska Barbara OO Warszawa

Opioła Zbigniew OO Katowice

Orliński Sławomir OO Kielce

Osikowicz Grażyna OO Kraków

Perczak Jacek OO Kielce

Piwnicka Małgorzata OO Poznań

Przewoźniak Kinga OO Kraków

Tomska-Iwanow Anna OO Szczecin

Tyszkiewicz Robert OO Łódź

Warzocha Jolanta OO Rzeszów

Zadrożna Iwona OO Gdańsk

Żywiecka Hanna OO Poznań

4

Synteza 5

Wprowadzenie 8

Część I Rynek nieruchomości w Polsce w 2012 r. 14

1. Kształtowanie się sytuacji na rynkach nieruchomości 14

1.1 Sytuacja na rynku mieszkań i kształtowanie się cen 14

1.2 Sytuacja na rynku nieruchomości komercyjnych 20

1.3 Kredyty dla gospodarstw domowych na nieruchomości 24

1.4 Kredyty dla przedsiębiorstw na nieruchomości 26

2. Determinanty rozwoju sektora nieruchomości w 2012 r. 28

2.1 Ocena zmian otoczenia regulacyjnego i jego wpływu na sferę realną 28

2.2 Panelowa analiza cen mieszkań na rynku pierwotnym dla 17 miast 33

3. Równowaga sektorowa rynku mieszkaniowego 39

3.1 Podstawowe obszary, podmioty i parametry analizy makrostabilnościowej sektora

nieruchomości mieszkaniowych 39

3.2 Warunki równowagi sektorowej a rzeczywiste procesy gospodarcze 44

Słownik pojęć i skrótów 52

Część II. Opracowania analityczne 56

A1 Procesy konwergencji i różnicowania rynków lokalnych oraz zmiany strukturalne

(porównanie 16 rynków w Polsce) 56

A2 Wyniki badań nad czynnikami różnicującymi ceny mieszkań i możliwość ich

wykorzystania w NBP 79

A3 Mieszkanie w teorii konsumenta 90

A4 Kupić czy wynająć? Analiza decyzji podmiotów na rynku mieszkaniowym

determinowanych polityką mieszkaniową 115

A5 Cykle mieszkaniowe – model nierównowagi i jego kalibracja dla warszawskiego rynku

nieruchomości 132

Część III. Monografie miast 150

1. Białystok 151

2. Bydgoszcz 163

3. Katowice 177

4. Kielce 191

5. Kraków 205

6. Lublin 219

7. Łódź 232

8. Olsztyn 247

9. Opole 261

10. Poznań 275

11. Rzeszów 288

12. Szczecin 301

13. Trójmiasto 314

14. Warszawa 347

15. Wrocław 362

16. Zielona Góra 377

5

Synteza W niniejszym Raporcie przedstawione zostały wyniki analiz i badań, które prowadzą

do następujących wniosków:

W 2012 r. obserwowano niewielkie spadki cen (ofertowych i transakcyjnych)

mieszkań na rynkach pierwotnych, jak i wtórnych 16 miast stolic województw.

Wysoki popyt na mieszkania i ich sprzedaż na rynku pierwotnym w końcu

omawianego roku wiązały się z zamykanym programem rządowym Rodzina na

Swoim (RNS). Pomimo formalnego zamknięcia programu RNS pod koniec 2012 r.,

przedłużono realizację dużej liczby wniosków kredytowych złożonych tuż przed

zamknięciem programu. Wypłaty tych kredytów w I kw. 2013 r. wyniosły około 70%

wypłat z rekordowego IV kw. 2012 r. Kredyty te w dominującej części wykorzystano

na rynku pierwotnym.

Czynsze na rynku najmu mieszkań w 2012 r. wykazywały nieznaczne kwartalne

wahania w poszczególnych miastach. W Warszawie obserwowano stabilizację,

w Gdańsku, Krakowie i Poznaniu niewielkie wzrosty, natomiast w Łodzi

i Wrocławiu obniżki przeciętnych stawek najmu.

Roczna zmiana stanu należności od gospodarstw domowych z tytułu kredytów

mieszkaniowych była najniższa od 2005 r., jednak wypłaty brutto kredytów spadły

nieznacznie w stosunku do tych z 2011 r. Od początku 2012 r. obserwujemy coraz

większe spadki kredytów mieszkaniowych w walutach obcych, po korektach

o zmiany kursu walutowego. Wahania kursowe oraz możliwość dalszych spadków

cen mieszkań powodują, że część istniejących kredytów mieszkaniowych

walutowych nie ma satysfakcjonującego zabezpieczenia. Malejące stopy procentowe

kredytów złotowych oraz niewielkie spadki cen mieszkań powodowały, iż banki

w omawianym okresie udzielały kredytów ostrożniej.

Polityka mieszkaniowa w 2012 r. nadal koncentrowała się wokół idei wspierania

mieszkań własnościowych. Obecnie trwają prace parlamentarne nad uchwaleniem

nowego programu Mieszkanie dla Młodych (MDM). Oczekiwanie na wprowadzenie

nowego programu w życie może wpłynąć na częściowe zmniejszenie popytu

mieszkaniowego w 2013 r. W 2012 r. zaczęła także obowiązywać ustawa tzw.

deweloperska, co skutkowało niewielkim boomem budowlanym (efekt ucieczki

przed rygorami ustawy) oraz powiększeniem nadwyżki niesprzedanych mieszkań.

Na rynku nieruchomości komercyjnych obserwowano nieznaczny wzrost

wolumenu transakcji oraz stabilizację wysokości czynszów. Dla nieruchomości

biurowych oraz handlowych stopy kapitalizacji pozostawały na poziomie z 2011 r.

Wartość kredytów dla przedsiębiorstw na nieruchomości komercyjne na koniec

I kw. 2013 r. wyniosła ok. 46 mld zł. Odsetek zagrożonych kredytów dla

przedsiębiorstw na nieruchomości jest wysoki. W przypadku deweloperów wynosił

on 30% pod koniec 2012 r.

6

Sektor deweloperski, funkcjonując obecnie w warunkach nadwyżek mieszkań na

rynku oraz spadającego popytu, powinien liczyć się ze zwiększonym ryzykiem

działalności. Obecnie wskaźniki działalności oraz rentowności tych firm nie są

niepokojące, ale sytuacja ta może w przyszłości ulec zmianie.

Polski rynek mieszkaniowy nie ma w pełni rozwiniętego prywatnego sektora najmu

lokali (mniej niż 10% zasobu). Barierą jego rozwoju są często nieuregulowane

umowami relacje pomiędzy wynajmującym a najemcą oraz istniejące rozwiązania

prawne dotyczące ochrony lokatora.

Sytuacja mieszkaniowa 16 miast wojewódzkich Polski w 2012 r., w relacji do 2011 r.

uległa nieznacznej poprawie na skutek pogorszenia się większości czynników

fundamentalnych, zwłaszcza demograficznych. Na rynkach nieruchomości

wszystkich analizowanych miast obserwowano niską aktywność kupujących. Mimo

odmiennych poziomów cen oraz różnic w rozwoju miast, dynamiki zmian cen nie

różniły się od siebie w znaczący sposób.

Analiza panelowa średnich cen mieszkań na analizowanych rynkach w okresie 2002-

2012 potwierdziła, że ceny transakcyjne mieszkań na rynku pierwotnym 7 dużych

miast zależały od zmiennych fundamentalnych, takich jak wynagrodzenie,

dostępność kredytowa lub spadek bezrobocia. Część specyfikacji wykazuje, że

w latach 2007-2008 ceny były nadmiernie wysokie, co świadczy o boomie

popytowym.

Natomiast badania na poziomie analizy poszczególnych mieszkań oraz ich

atrybutów na lokalnych rynkach pokazują, że zastąpienie indeksem hedonicznym

prostych wskaźników cen mieszkań (mediany i średniej) pozwala podnieść

wiarygodność pomiaru cen, a tym samym podnosi przejrzystość rynku. Taka analiza

wymaga jednak bazowania na dłuższym szeregu bardzo szczegółowych danych,

które w ramach BaRN zbierane są dopiero od III kw. 2006 r.

Ostatni rok był raczej korzystny dla wszystkich uczestników rynku nieruchomości

i zmierzał do równowagi. Nabywcy mieszkań mogli wybierać spośród szerokiej

gamy gotowych mieszkań z nieco niższą ceną niż rok wcześniej. Deweloperzy

stopniowo wyprzedawali gotowe mieszkania oczekujące na sprzedaż, jednocześnie

rozpoczynali nowe inwestycje, lepiej dostosowane do aktualnych potrzeb

nabywców. Sektor bankowy nie udzielał ryzykownych dla wszystkich kredytów

denominowanych w walucie obcej oraz rozważniej udzielał kredytów złotowych.

W badaniach wpływu sektora mieszkaniowego na gospodarkę należy uwzględnić

zróżnicowanie mieszkań oraz złożoność podejmowanych decyzji. Kluczową kwestią

w analizach jest wzięcie pod uwagę potencjalnych wyborów konsumentów

pomiędzy różnymi rodzajami konsumpcji (w tym mieszkaniowej), popytem

mieszkaniowym inwestycyjnym i konsumpcyjnym oraz różnymi formami własności

mieszkania.

Rynek nieruchomości stale dąży do równowagi, jednak ciągle występują szoki, które

ją przesuwają. Kumulacja napięć sektorowych, w połączeniu z innymi problemami

gospodarczymi, może skutkować kryzysami nieruchomościowymi, mającymi

ogólnoekonomiczne następstwa. W literaturze szeroko wskazuje się podatność

7

rynku mieszkań na manipulacje i spekulacje, niską transparentność z powodu

trudności z dostępem do danych. Ponadto rynek jest podatny na wpływy polityczne,

które przekładają się często na system finansowy. Rynek mieszkaniowy wymaga

całościowej regulacji, jednak często jest poddawany nieodpowiedniej i procyklicznej

interwencji.

8

Wprowadzenie Celem Raportu jest dostarczenie zainteresowanym podmiotom, w tym uczestnikom

rynku nieruchomości, możliwie kompletnej, rzetelnej i obiektywnej informacji na temat

sytuacji na rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2012 r.

Raport w głównej mierze koncentruje się na zjawiskach, które miały miejsce w 2012 r.

i oddziałują bezpośrednio na procesy bieżące, jednak tam, gdzie było to uzasadnione,

analiza sięgała wstecz.

Ze względu na zawsze lokalny charakter rynków mieszkaniowych, przedmiotem

pogłębionej analizy w niniejszym raporcie, tak jak w poprzednich jego edycjach, jest

szesnaście miast stolic województw, jednak w różnych układach. Analiza cen mieszkań na

rynku pierwotnym i wtórnym, ofertowych, transakcyjnych oraz hedonicznych1 bazuje na

danych pozyskiwanych przez analityków z oddziałów okręgowych Narodowego Banku

Polskiego (OO NBP) w ramach badania ankietowego rynku mieszkaniowego Baza Rynku

Nieruchomości (BaRN)2. Udział w badaniu różnorodnych podmiotów operujących na

rynku (tj. pośredników, deweloperów, spółdzielni mieszkaniowych, urzędów miast)

pozwala pozyskiwać szeroki zakres informacji3.

W analizach wykorzystano także dane z bazy firmy PONT Info Nieruchomości

(PONT) zawierające dane o cenach ofertowych mieszkań, należące do Związku Banków

Polskich (ZBP) bazy danych SARFIN (dane o finansowaniu rynku mieszkaniowego)

i AMRON (wyceny i ceny transakcyjne mieszkań finansowanych kredytami

mieszkaniowymi). Korzystano również z analiz i raportów Komisji Nadzoru Finansowego

(KNF) oraz ze zbiorczych danych kredytowych Biura Informacji Kredytowej (BIK). Do

analizy strukturalnej rynków wykorzystano dane statystyczne Głównego Urzędu

Statystycznego (GUS) oraz wiele opracowań zawierających dane sektorowe4.

Wykorzystano też wyniki badań „Diagnoza społeczna”. Informacja o rynku nieruchomości

komercyjnych powstała dzięki dobrowolnemu przekazywaniu danych przez pośredników

w obrocie nieruchomościami komercyjnymi i firmami zarządzającymi tymi

1 Patrz Słownik pojęć i skrótów, dalej w tekście oznaczany symbolem #. 2 Por. „Program badań statystycznych statystyki publicznej na rok 2012. Załącznik do rozporządzenia

Rady Ministrów z dnia 22 lipca 2011 r. w sprawie programu badań statystycznych statystyki publicznej na

rok 2012 (Dz. U. Nr 173, poz. 1030).” Badanie cen nieruchomości mieszkaniowych w wybranych miastach Polski,

symbol badania 1.26.09(074), prowadzone przez Prezesa Narodowego Banku Polskiego. 3 Zasób danych zebranych przez OO NBP od III kw. 2006 r. w trakcie 29 notowań kwartalnych zawiera

aktualnie około 900 tys. rekordów. Szczegółowe informacje o bazie BaRN zostały zawarte w aneksie A1

Procesy konwergencji i różnicowania rynków lokalnych oraz zmiany strukturalne (porównanie rynków). 4 W szczególności dotyczy to badań Sekocenbud nt. struktury i wysokości kosztów budownictwa,

badań firmy Real Estate Advisory Service (REAS) dotyczących cen mieszkań oraz rynku deweloperskiego,

Polskiej Agencji Badawczej Budownictwa (PAB) dotyczących sektora budowlanego oraz wielu innych

podmiotów i stowarzyszeń działających na tym rynku. Do najważniejszych należał Związek Banków

Polskich, Polskie Stowarzyszenie Budowniczych Domów, Związek Pracodawców-Producentów Materiałów

dla Budownictwa i wiele innych.

9

nieruchomościami oraz prowadzącymi doradztwo z tym związane. Analiza została

wsparta wiedzą ekspertów poszczególnych agencji5.

Pomimo wykorzystywania wielu źródeł informacji, brak danych lub niedostateczna

ich jakość okazywały się istotną barierą analityczną. W takich sytuacjach stosowano

szacunki, które weryfikowano w oparciu o opinie ekspertów. Przy tworzeniu raportu

przyjęto założenie, że dane szacunkowe, zweryfikowane w kilku źródłach są lepszą

informacją, niż opinie ogólne.

Pojęcia fachowe, tłumaczone w słowniku pojęć i skrótów znajdującym się po I części

raportu, zostały zaznaczone symbolem #.

Głównym przedmiotem zainteresowania jest równowaga sektorowa. Definiujemy ją

jako taki stan, w którym istnieją warunki, aby rynki były w stanie generować dobra i usługi

w sposób stabilny, co oznacza osiąganie efektów ekonomicznych, bez kumulacji

nadmiernego ryzyka. Polityka mieszkaniowa państwa ma silny wpływ zarówno na

standard zaspokajanych potrzeb, jak też podział majątku mieszkaniowego. Rynek

nieruchomości jest związany siecią zależności z innymi sektorami gospodarki (zwłaszcza

sektorem bankowym, deweloperskim i budowlanym), dlatego analizując sektor

mieszkaniowy należy brać pod uwagę różne podmioty działające na tym rynku oraz

wewnętrzne powiązania. W efekcie powstają nowe, istotne oddziaływania mające wpływ

na sektor nieruchomości i jego otoczenie, jakim jest gospodarka narodowa. Celem

niniejszego raportu oraz poprzednich jego wydań jest wyjaśnianie zjawisk i zależności

obserwowanych na rynkach nieruchomości oraz zaprezentowanie wyników

prowadzonych w NBP badań.

Raport składa się z trzech części. W części I opracowania przedstawiono pewne

wspólne procesy dla sektora nieruchomości w Polsce w 2012 r., część II składa się

z analitycznych opracowań, uzupełniających wybrane kwestie omówione w części I.

Natomiast część III, o charakterze bardziej szczegółowym, zawiera informacje o każdym

z szesnastu rynków, stolic województw.

W części I opisano jak kształtowała się sytuacja na rynkach nieruchomości

mieszkaniowych i komercyjnych w 2012 r. Obserwowano niewielkie spadki cen

(ofertowych i transakcyjnych) mieszkań na rynkach pierwotnych, jak i wtórnych 16 miast

stolic województw. Czynsze na rynku najmu mieszkań wykazywały nieznaczne kwartalne

wahania w poszczególnych miastach. Natomiast na rynku nieruchomości komercyjnych

obserwowano stabilizację wysokości czynszów oraz nieznaczny wzrost wolumenu

transakcji. Dla nieruchomości biurowych oraz handlowych stopy kapitalizacji pozostawały

na poziomie z 2011 r.

Warto zwrócić uwagę, iż nieruchomości mieszkaniowe oraz komercyjne korzystają

z podobnych czynników produkcji, których ceny kształtują się podobnie dla obu typów

5 Skorzystano z danych oraz informacji następujących agencji: CBRE, Colliers International, Cushman

& Wakefield, DTZ, Jones Lang LaSalle, Ober Haus oraz stowarzyszeń Retail Research Forum Polskiej Rady

Centrów Handlowych, Warsaw Research Forum oraz bazy Comparables.pl.

10

nieruchomości, jednak cykle na obu rynkach są powiązane w niewielkim stopniu. Zarówno

sektor nieruchomości mieszkaniowych, jak i komercyjnych korzystają z kredytów

bankowych. Jakość kredytów na nieruchomości oraz ich wolumen powinny być zatem stale

monitorowane, by nie stanowiły zagrożenia dla stabilności sektora bankowego. Roczna

zmiana stanu należności od gospodarstw domowych z tytułu kredytów mieszkaniowych

była najniższa od 2005 r., jednak wypłaty brutto kredytów spadły nieznacznie w stosunku

do tych z 2011 r. Od początku 2012 r. obserwowano coraz większe spadki kredytów

mieszkaniowych w walutach obcych, po korektach o zmiany kursu walutowego. Malejące

stopy procentowe kredytów złotowych oraz niewielkie spadki cen mieszkań powodowały,

iż banki w omawianym okresie udzielały kredytów ostrożniej. Opis segmentu kredytów

umieszczono w rozdziale 1.3 Kredyty dla gospodarstw domowych na nieruchomości oraz 1.4

Kredyty dla przedsiębiorstw na nieruchomości.

Należy pamiętać, iż przedmiotem stałego zainteresowania ze strony banków

centralnych oraz regulatorów jest dynamika cen mieszkań, która ma wpływ praktycznie na

całą gospodarkę. Wzrosty cen mieszkań wskazują na napięcia pomiędzy popytem oraz

podażą, co przekłada się na napięcia na rynku budownictwa oraz na rynku bankowym.

Z tego powodu w rozdziale 2 przedstawiono czynniki rozwoju sektora nieruchomości

w 2012 r. W omawianym okresie na rynku nieruchomości obserwowano silne zakłócenia

procesów rynkowych wprowadzanymi regulacjami, tj. zakończenie programu Rodzina na

Swoim (RNS), wejście w życie ustawy deweloperskiej, rekomendacji S i T. Ponadto duże

znaczenie, które przekłada się na rozwój rynku nieruchomości, mają zmiany czynników

fundamentalnych. Zbadano dynamikę cen mieszkań na rynku pierwotnym, gdyż bardzo

szybko przekłada się ona na zmiany produkcji deweloperskiej, przyczynia się do

powstawania silnych cykli i generuje ryzyko dla sektora bankowego. Przeprowadzono

zatem analizę panelową 17 miast, stolic województw biorąc pod uwagę czynniki, które

sugerowały wyniki analizy procesów konwergencji i różnicowania rynków lokalnych oraz

zmian strukturalnych przedstawionej w artykule 1 „Procesy konwergencji i różnicowania

rynków lokalnych oraz zmiany strukturalne (porównanie 16 rynków)”.

Rozdział 3 zawiera opis warunków równowagi sektorowej oraz wpływających na nie

rzeczywistych procesów gospodarczych. Równowaga sektorowa to stan, kiedy możliwe

jest osiąganie zysków ekonomicznych, bez narażania się na nadmierne ryzyko, bez

powstawania zbyt wielkich napięć. Sektor nieruchomości mieszkaniowych rozpatrywany

jest jako system różnych segmentów gospodarczych, a jego głównymi składowymi są:

zasób mieszkaniowy, sektor finansowy, sektor budownictwa mieszkaniowego oraz

otoczenie zewnętrzne sektora nieruchomości mieszkaniowych, czyli pozostała część

gospodarki narodowej, z którą następują liczne interakcje sektorowe. Następnie omówiono

podmioty działające na tych rynkach, przedstawiono mierniki płynnego funkcjonowania

rynków i napięć oraz równowagi pomiędzy podmiotami działającymi na tych rynkach,

które określane są w znacznej mierze przez bankowe regulacje ostrożnościowe oraz

wieloletnie doświadczenia tego sektora. Analiza pokazuje, że polski rynek nieruchomości,

w odróżnieniu od stanu z lat 90, jest na tyle dojrzały, że może już stabilnie i racjonalnie

funkcjonować długookresowo, to znaczy generować odpowiednie stopy zwrotu

podmiotom gospodarczym i zaspakajać potrzeby mieszkaniowe gospodarstw domowych.

11

Dotyczy to jednak najwyżej około 30-40% najbogatszych gospodarstw domowych.

Przedziały dopuszczalnych wahań inflacji, dochodów, stóp procentowych oraz cen

czynników wytwórczych, które pozwalają na stabilne funkcjonowanie rynku

(deweloperów, banków, kredytobiorców), są jednak relatywnie wąskie. Biorąc pod uwagę

duże portfele kredytów mieszkaniowych oraz cykliczny charakter sektora, stawia to duże

wyzwania przed polityką monetarną, fiskalną i ostrożnościową, aby nie dopuścić do

nadmiernych wahań cen i kryzysu nieruchomościowego.

Rynki nieruchomości, w tym zwłaszcza mieszkaniowych mają charakter lokalny, co

wynika ze związania nieruchomości z gruntem. Czynniki po stronie popytu są zarówno

lokalne (dochody, demografia itp.), jak i ogólnokrajowe (stopy procentowe, migracje,

napływ kapitału itp.). W celu uchwycenia zbieżności oraz jednakowych tendencji

zachodzących na lokalnych rynkach wojewódzkich przeprowadzono analizę skupień

i pogrupowano miasta na podstawie przyjętych kryteriów (tj. wskaźników

odzwierciedlających sytuację mieszkaniową, skalę budownictwa, cenę mieszkań,

czynników fundamentalnych, wskaźników obciążenia demograficznego w poszczególnych

ośrodkach). Wyniki zostały zaprezentowane w artykule 1 „Procesy konwergencji

i różnicowania rynków lokalnych oraz zmiany strukturalne (porównanie 16 rynków)”, gdzie

szukano zbieżności i różnicowań rynków miast wojewódzkich za pomocą ich grupowania,

biorąc pod uwagę różne kryteria.

Analiza rynku nieruchomości jest wielowymiarowa, jednym z wymiarów jest

wcześniej omówiona lokalność rynków, natomiast drugim heterogeniczność mieszkania

jako dobra. Mieszkanie jest dobrem konsumpcyjnym oraz inwestycyjnym i w obydwu

funkcjach jego wartość jest sumą wycen jego charakterystyk (lokalizacja, standard itp.).

Badania na poziomie analizy poszczególnych mieszkań oraz ich atrybutów na lokalnych

rynkach przedstawione w artykule 2 „Wyniki badań nad czynnikami różnicującymi ceny

mieszkań i możliwość ich wykorzystania w NBP” pokazują, że zastąpienie indeksem

hedonicznym prostych wskaźników cen mieszkań (mediany i średniej) pozwala podnieść

wiarygodność pomiaru cen, a tym samym podnosi przejrzystość rynku. W artykule

omówiono istotne aspekty heterogeniczności. Pozwoliło to na identyfikację i weryfikację

podstawowych czynników cenotwórczych na rynkach wtórnych. Z artykułu wynika, że na

polskim rynku nieruchomości zaczęły działać mechanizmy rynkowe i rynek stabilnie

wycenia atrybuty mieszkań. Warto podkreślić, iż za pomocą modeli hedonicznych można

wyróżnić atrybuty, które mają istotny wpływ na kształtowanie się wartości mieszkania

i podjąć próbę obiektywnej wyceny nieruchomości na podstawie wyborów

konsumenckich. Uwzględnienie czynnika heterogeniczności w analizie mikroekonomicznej

ma istotne elementy praktyczne. Pierwszym jest możliwość konstrukcji bardziej

precyzyjnych indeksów cen (indeks hedoniczny), uwzględniających zmieniającą się próbę

mieszkań na rynku, co wykorzystuje NBP w publikowanych analizach. Drugim jest

możliwość lepszej wyceny nieruchomości, co ma znaczenie ogólnogospodarcze,

szczególnie istotne dla systemu bankowego. Kolejnym aspektem praktycznym jest

możliwość przewidywania zmian cen nieruchomości (mieszkaniowych i komercyjnych)

w wyniku realizowanej polityki gospodarczej czy inwestycji sektora prywatnego. Na tej

podstawie można też przykładowo przewidywać przyszłe podatki od nieruchomości.

12

W artykule 3 „Mieszkanie w teorii konsumenta” znajdują się rozważania o złożoności

decyzji posiadania mieszkania i problemie jego wyceny przez konsumenta. Podkreślono, iż

istnieje wiele warunków optymalizacyjnych, branych pod uwagę przez indywidualnego

konsumenta przy podejmowaniu decyzji dotyczących kupna i sprzedaży. Przyjmowanie

uproszeń dotyczących braku heterogeniczności mieszkania i złożoności podejmowanych

decyzji mieszkaniowych, zarówno konsumpcyjnych jak i inwestycyjnych, często prowadzi

do błędnych wniosków. Istotny wpływ na podejmowane decyzje ma również wycena

wartości mieszkania przez konsumenta. Kluczową kwestią w analizach jest wzięcie pod

uwagę wyborów konsumentów pomiędzy różnymi rodzajami konsumpcji (w tym

mieszkaniowej), popytem mieszkaniowym inwestycyjnym i konsumpcyjnym oraz różnymi

formami własności mieszkania. Zaprezentowano model, w którym celem konsumenta jest

maksymalizacja użyteczności w ciągu całego życia poprzez wybór odpowiedniej proporcji

pomiędzy poziomem konsumpcji mieszkań oraz konsumpcji innych dóbr w różnych

okresach. Założono, iż konsument posiada mieszkanie na własność i w kolejnych okresach

może powiększać je lub pomniejszać, dokupując do koszyka posiadanego dobra lub

wyprzedając jego kolejne jednostki. Optymalne rozwiązania pokazują relacje pomiędzy

ilością mieszkań i konsumpcji wewnątrzokresowo i międzyokresowo.

W artykule 4 „Kupić czy wynająć? Analiza decyzji podmiotów na rynku mieszkaniowym

determinowanych polityką mieszkaniową” kontynuowano zagadnienie decyzji

podejmowanych przez konsumenta ograniczając je do wyborów pomiędzy posiadaniem

a wynajmem mieszkania. Podkreślono wysoki udział mieszkań własnościowych w całym

zasobie mieszkań w krajach Europy o względnie niskich dochodach na osobę,

w odróżnieniu od sytuacji na rozwiniętych rynkach mieszkaniowych oraz opisano

przyczyny tego zjawiska. Na podstawie prostego modelu zaprezentowano w jaki sposób

rozwój rynku wynajmu może wpływać równoważąco na sytuację na rynku nieruchomości.

Istotną kwestię dla stabilności cen na rynku mieszkań stanowi udział mieszkań

własnościowych oraz wynajmowanych w całym zasobie mieszkań. Rosnący udział

mieszkań własnościowych i nierozwinięty rynek wynajmu mogą generować znaczne

napięcia sektorowe i wywierać presję na ceny. Szczegółowa analiza powiązań sektorowych

i podmiotów jest niezbędna, ponieważ zwykle podstawowym problemem jest koordynacja

polityki monetarnej, fiskalnej i ostrożnościowej, gdyż często mogą one oddziaływać

przeciwstawnie, zwiększając ryzyko sektorowe.

Należy jednak pamiętać, iż rynek nieruchomości jest rynkiem cyklicznym.

Czynnikiem zwiększającym cykliczność jest spekulacja i związane z nią zachowania

podmiotów, silne powiązanie z systemem finansowym, zwykle opóźniona i nieadekwatna

interwencja czynnika publicznego realizowana ze względu na stabilność sektora

finansowego, względów społecznych, czy w ramach ogólnej polityki gospodarczej.

Wahania mają też często charakter lokalny i są zróżnicowane w zależności od segmentu

rynku. Rynek nieruchomości zatem stale zmierza do równowagi nigdy jej nie osiągając.

Dlatego założenie o równowadze przy tworzeniu modelu opisującego sytuację popytowo-

podażową na rynku mieszkaniowym może skutkować błędnymi wynikami i daje mylne

wskazówki dla podmiotów gospodarczych. W artykule 5 „Cykle mieszkaniowe – model

nierównowagi i jego kalibracja dla warszawskiego rynku nieruchomości” przedstawiono więc

13

prosty model popytu, gdzie konsument maksymalizuje użyteczność podobnie, jak

w artykule 3 „Mieszkanie w teorii konsumenta”, optymalnie alokując środki, pomiędzy

konsumpcją usług mieszkaniowych a konsumpcją innych dóbr, ale rozważając każdy okres

osobno. Następnie zaprezentowano model nierównowagi popytu i podaży na rynku

mieszkaniowym, który skalibrowano dla warszawskiego rynku mieszkaniowego. Za jego

pomocą omówiono ostatni cykl i pokazano jak połączenie niewielkich szoków popytowych

z krótkookresowo sztywną podażą powoduje silne fluktuacje.

W części III zawarto szczegółowe informacje o poszczególnych rynkach

nieruchomości w szesnastu miastach wojewódzkich oraz czynnikach je kształtujących.

14

Część I Rynek nieruchomości w Polsce w 2012 r.

1. Kształtowanie się sytuacji na rynkach nieruchomości

W 2012 r. sytuacja na rynkach nieruchomości mieszkaniowych i komercyjnych była

stabilna. Na rynku mieszkaniowym ceny wykazywały dalszy powolny spadek, lecz

zachowywały się dość sztywno z powodu zmian regulacyjnych6. Natomiast na rynku

nieruchomości komercyjnych obserwowano stabilizację wolumenu transakcji oraz poziomu

czynszów.

1.1 Sytuacja na rynku mieszkań i kształtowanie się cen

Dane o cenach ofertowych oraz transakcyjnych wraz z opisem nieruchomości,

pochodzące z bazy BaRN, umożliwiły wykonanie pogłębionej analizy rynku mieszkań.

W 2012 r. obserwowano kontynuację powolnej obniżki cen mieszkań, zarówno na rynku

pierwotnym, jak i wtórnym. Zjawisko to występuje od 2009 r. na największych rynkach

mieszkaniowych Polski, gdzie mieliśmy do czynienia z niewielkim spadkiem poziomów

cen nominalnych (por. wykres 1 - wykres 4) oraz na skutek rosnącej inflacji nieco szybszym

spadkiem poziomów cen realnych (por. wykres 7 i wykres 8).

Ogólna trudna sytuacja gospodarcza, ograniczona podaż kredytów mieszkaniowych,

w tym praktyczne zaprzestanie udzielania kredytów walutowych, jak i konserwatywne

limity cenowe w programie RNS w 2012 r. wpływały na dalszy spadek przeciętnych cen.

Analiza cen w ujęciu realnym pokazuje, że ceny na rynku pierwotnym oraz wtórnym

zbliżyły się do cen notowanych przed boomem (por. wykres 7 i wykres 8). Znaczna

nadwyżka niesprzedanych mieszkań na rynku pierwotnym dużych miast, będąca skutkiem

działań biznesowych deweloperów, przyczyniła się do spadków cen na tym rynku.

Na rynkach 10 miast wzrosty cen mieszkań w boomie były mniejsze niż na dużych

rynkach 6 miast, gdyż tylko w ograniczonym stopniu doświadczyły one ożywienia

kredytowego. Ponadto w mniejszych miastach realną alternatywę do mieszkań w blokach

stanowią domy jednorodzinne, co mogło wyhamować boom popytowy na mieszkania,

częściowo przekierowując go w kierunku domów. W miastach tych różnica pomiędzy

cenami transakcyjnymi a ofertowymi na rynku pierwotnym i wtórnym pozostawała

względnie stabilna w 2012 r. (por. wykres 3 i wykres 4). Pomimo spadków cen

transakcyjnych na rynku pierwotnym w Warszawie oraz 7 miastach, deweloperzy

podtrzymywali dość wysokie ceny ofertowe. O ile jeszcze w latach 2010 i 2011 oraz

w pierwszych trzech kwartałach 2012 r. zauważyć można było wyraźną próbę

dostosowania cen przez deweloperów do realiów rynku, to już od IV kw. 2012 r. ponownie

testowali oni możliwość sprzedaży mieszkań za wyższą cenę. Ponieważ oferty lepiej

dostosowane do oczekiwań rynku są szybko finalizowane, obserwowane pozostałe na

rynku oferty często odzwierciedlają wygórowane oczekiwania cenowe sprzedawców

6 Więcej na temat zmian regulacyjnych w rozdziale 2.1 „Ocena zmian otoczenia regulacyjnego i jego wpływu

na sferę realną”.

15

mieszkań. Część deweloperów próbuje przeczekać czas niższych cen ze względu na

istniejące kontrakty kredytowe oraz wcześniej poniesione koszty. Na rynku wtórnym

sprzedający również oczekiwali cen wyższych niż mogli uzyskać.

Od początku 2012 r., a silniej na przełomie z 2013 r. na wszystkich rynkach

obserwowano wzrost relacji ceny mieszkań na rynku pierwotnym do ceny z rynku

wtórnego. Zmiana ta jest szczególnie widoczna w przypadku Warszawy, w której

historycznie ceny na rynku wtórnym były istotnie wyższe niż na rynku pierwotnym7.

W 2012 r. ceny mieszkań na rynku wtórnym nadal spadały. W I kw. 2013 r. ceny na rynku

pierwotnym we wszystkich analizowanych miastach pozostawały stabilne lub wręcz rosły.

Zmalała natomiast liczba kontraktów wstawianych pierwszy raz na rynek, ale ich jakość

i lokalizacja były lepiej dostosowane do aktualnych potrzeb potencjalnych nabywców, co

wpłynęło na wzrost ich cen.

Ponieważ skład próby analizowanych mieszkań w bazie BaRN ulega zmianie

jakościowej oraz ilościowej, prowadzona jest też analiza ceny korygowanej indeksem

hedonicznym8. Wyniki jej wskazują, iż ceny na rynkach pozostają długookresowo stabilne.

Natomiast zaobserwowane krótkookresowe wahania wynikają ze zmiany struktury

analizowanej próby (tj. liczebności próby oraz zmiany oferty rynkowej, także wzrostu lub

spadku liczby mieszkań droższych) (por. wykres 9 i wykres 10).

Spadek cen, zwłaszcza realny, spowodował, iż wskaźnik ceny m kw. mieszkania do

dochodów (P/I)#, który można traktować jaką pewną miarę napięć na rynku, powrócił

prawie do poziomów sprzed boomu cenowego w latach 2006-2008 (por. wykres 15).

Czynsze z podnajmu mieszkań wykazywały, podobnie jak w latach poprzednich,

znaczne wahania w poszczególnych kwartałach. Ich trend wskazuje na stabilizację

w Warszawie, wzrost w Gdańsku, Krakowie i Poznaniu, oraz obniżki w Łodzi i Wrocławiu

(por. wykres 16). Praktycznie całkowite odejście banków w 2012 r. od udzielania kredytów

mieszkaniowych denominowanych w walutach obcych (istotnie niżej oprocentowanych)

spowodowało wzrost kosztów finansowania mieszkań dla nabywców. Z tego powodu we

wszystkich dużych miastach, oprócz Warszawy9, koszt obsługi kredytu znacznie

7 Wynikało to z bardzo dobrej lokalizacji oraz jakości mieszkań na rynku wtórnym. Większość

mieszkań na rynku pierwotnym jest względnie mniej atrakcyjna lokalizacyjnie w porównaniu z tymi na

rynku wtórnym. Nowe mieszkania powstają zwykle daleko od centrum oraz głównych linii komunikacji oraz

mają one niewystraczająco rozwiniętą lokalną infrastrukturę (sklepy, szkoły, przedszkola, etc.). 8 Cena korygowana indeksem hedonicznym mieszkań odzwierciedla „czystą” cenę, tj. wynikającą

z innych czynników niż różnice w jakości mieszkań (wielkość, lokalizacja, stan techniczny, wiek, etc.).

Analizowana jest zawsze cena wystandaryzowanego mieszkania, stworzona na podstawie modelu

ekonometrycznego. Koryguje ona średnią cenę z próby badawczej o zmianę jakości mieszkań znajdujących się

w tej próbie w każdym z kwartałów. Odróżnia się tym od dynamiki średniej ceny czy mediany w próbie,

która reagowałaby silnie na zmianę kompozycji próby, np. o większą liczbę mieszkań małych z wyższą ceną

m kw. Więcej informacji w artykule M. Widłak (2010), Metody wyznaczania hedonicznych indeksów cen jako

sposób kontroli zmian jakości dóbr „Wiadomości Statystyczne” nr 9. 9 W Warszawie rynek najmu jest niewystarczająco duży żeby zaspokoić potrzeby najemców – ludności

pracującej dojeżdżającej do pracy z innych miast oraz studentów. W konsekwencji czynsze są na bardzo

wysokich poziomach.

16

przewyższał koszt wynajmu (por. wykres 13). Powinno to skłaniać gospodarstwa domowe

do wynajmu a nie zakupu, jednak różne czynniki, które omawiamy w artykule 4 „Kupić czy

wynająć? Analiza decyzji podmiotów na rynku mieszkaniowym determinowanych polityką

mieszkaniową” w części analitycznej powodują, że w Polsce istnieje silna skłonność do

posiadania mieszkania. Tłumaczy to utrzymujące się dość wysokie ceny mieszkań

względem ceny wynajmu10. Co prawda wynajem daje większe stopy zwrotu niż inwestycje

w obligacje lub trzymanie pieniędzy w depozytach, jednak mniejszą stopę zwrotu niż przy

wynajmie nieruchomości komercyjnych (por. wykres 14). Należy jednak podkreślić, iż nie

uwzględniono tu dość wysokich kosztów utrzymywania zasobu na wynajem oraz ryzyka

związanego z nieuczciwym najemcą11.

Wykres 1 Transakcyjne ceny m kw. mieszkań -

RP

Wykres 2 Transakcyjne ceny m kw. mieszkań – RW

Źródło: NBP. Źródło: NBP.

Wykres 3 Średnia ważona cena m kw.

mieszkania, oferty i transakcje - RP

Wykres 4 Średnia ważona cena m kw. mieszkania,

oferty i transakcje – RW

Uwagi do wykresów 3−9: cena ważona udziałem mieszkań w zasobie rynkowym, dla Warszawy cena średnia.

6 miast: Warszawa, Kraków, Poznań, Wrocław, Łódź, Gdańsk, 7 miast: jak poprzednio z Gdynią;

10 miast: Białystok, Bydgoszcz, Kielce, Katowice, Lublin, Olsztyn, Opole, Rzeszów, Szczecin, Zielona Góra. Źródło: NBP. Źródło: NBP.

10 Wartości te obliczamy jako czynsze dyskontowane stopą procentową kredytów mieszkaniowych.

11 Szersza informacja o ryzykach najmu znajduje się w rozdziale „Kredyty dla gospodarstw domowych na

nieruchomości” oraz w artykule 3 „Mieszkanie w teorii konsumenta”.

2000

3000

4000

5000

6000

7000

8000

9000

III

kw. 2

006

I kw

. 200

7

III

kw. 2

007

I kw

. 200

8

III

kw. 2

008

I kw

. 200

9

III

kw. 2

009

I kw

. 201

0

III

kw. 2

010

I kw

. 201

1

III

kw. 2

011

I kw

. 201

2

III

kw. 2

012

I kw

. 201

3

zł /

m k

w.

Gdańsk Kraków Łódź

Poznań Warszawa Wrocław

2000

3000

4000

5000

6000

7000

8000

9000

III

kw. 2

006

I kw

. 200

7

III

kw. 2

007

I kw

. 200

8

III

kw. 2

008

I kw

. 200

9

III

kw. 2

009

I kw

. 201

0

III

kw. 2

010

I kw

. 201

1

III

kw. 2

011

I kw

. 201

2

III

kw. 2

012

I kw

. 201

3

zł /

m k

w.



2000

3000

4000

5000

6000

7000

8000

9000

10000

11000

III k

w. 2

006

I kw

. 200

7

III k

w. 2

007

I kw

. 200

8

III k

w. 2

008

I kw

. 200

9

III k

w. 2

009

I kw

. 201

0

III k

w. 2

010

I kw

. 201

1

III k

w. 2

011

I kw

. 201

2

III k

w. 2

012

I kw

. 201

3

zł /

m k

w.

10 miast oferta 7 miast oferta Warszawa oferta

10 miast trans. 7 miast trans. Warszawa trans.

2000

3000

4000

5000

6000

7000

8000

9000

10000

11000

III k

w. 2

006

I kw

. 200

7

III k

w. 2

007

I kw

. 200

8

III k

w. 2

008

I kw

. 200

9

III k

w. 2

009

I kw

. 201

0

III k

w. 2

010

I kw

. 201

1

III k

w. 2

011

I kw

. 201

2

III k

w. 2

012

I kw

. 201

3

zł /

m k

w.

10 miast oferta 7 miast oferta Warszawa oferta

10 miast trans. 7 miast trans. Warszawa trans.

17

Wykres 5 Relacja transakcyjnej średniej ważonej

ceny m kw. mieszkania − RP do RW (wynik

powyżej 1 znaczy, iż cena na RP przekraczała tą

z RW)

Wykres 6 Relacja średniej ważonej ceny m kw.

mieszkania, ofertowej do transakcyjnej – RW


Wykres 7 Indeks średniej ważonej ceny m kw.

mieszkania oraz realnej względem CPI (IV kw.

2002 r.=100) − RP, transakcje

Wykres 8 Indeks średniej ważonej ceny m kw.

mieszkania oraz realnej względem CPI (IV kw.

2002 r.=100) − RW, transakcje

Uwaga: baza cen mieszkań NBP (BaRN) istnieje od III kwartału 2006 r.; czerwona linia oddziela dane BaRN od

szacunków cen transakcyjnych na podstawie dynamiki cen ofertowych PONT Info.

Źródło: NBP, PONT Info, GUS. Źródło: NBP, PONT Info, GUS.

Wykres 9 Średnia ważona cena m kw. mieszkania

oraz cena korygowana indeksem hedonicznym −

RW, transakcje

Wykres 10 Cena transakcyjna m kw. mieszkania

RW korygowana indeksem hedonicznym, w 6

miastach

Uwaga: Cena m kw. mieszkania z okresu referencyjnego korygowana indeksem dynamiki cen

uwzględniającym zmiany jakościowe mieszkań w kolejnych kwartałach.


0,80

0,85

0,90

0,95

1,00

1,05

1,10

1,15

1,20

1,25

III

kw. 2

006

I kw

. 200

7

III

kw. 2

007

I kw

. 200

8

III

kw. 2

008

I kw

. 200

9

III

kw. 2

009

I kw

. 201

0

III

kw. 2

010

I kw

. 201

1

III

kw. 2

011

I kw

. 201

2

III

kw. 2

012

I kw

. 201

3

10 miast 7 miast Warszawa

1,05

1,10

1,15

1,20

1,25

1,30

III

kw. 2

006

I kw

. 200

7

III

kw. 2

007

I kw

. 200

8

III

kw. 2

008

I kw

. 200

9

III

kw. 2

009

I kw

. 201

0

III

kw. 2

010

I kw

. 201

1

III

kw. 2

011

I kw

. 201

2

III

kw. 2

012

I kw

. 201

3

10 miast 7 miast Warszawa

80

100

120

140

160

180

200

220

240

260

IV k

w. 2

002

IV k

w. 2

003

IV k

w. 2

004

IV k

w. 2

005

IV k

w. 2

006

IV k

w. 2

007

IV k

w. 2

008

IV k

w. 2

009

IV k

w. 2

010

IV k

w. 2

011

IV k

w. 2

012

10 miast RP trans. 10 miast RP trans. defl. CPI

7 miast RP trans. 7 miast RP trans. defl. CPI.

Warszawa RP trans. Warszawa RP trans. defl. CPI

80

100

120

140

160

180

200

220

240

260

IV k

w. 2

002

IV k

w. 2

003

IV k

w. 2

004

IV k

w. 2

005

IV k

w. 2

006

IV k

w. 2

007

IV k

w. 2

008

IV k

w. 2

009

IV k

w. 2

010

IV k

w. 2

011

IV k

w. 2

012

10 miast RW transakcja 10 miast defl. CPI

7 miast RW transakcja 7 miast BaRN defl. CPI.

Warszawa RW transakcja Warszawa defl. CPI

2000

3000

4000

5000

6000

7000

8000

9000

10000

III

kw

. 20

06

I kw

. 2

00

7

III

kw

. 20

07

I kw

. 2

00

8

III

kw

. 20

08

I kw

. 2

00

9

III

kw

. 20

09

I kw

. 2

01

0

III

kw

. 20

10

I kw

. 2

01

1

III

kw

. 20

11

I kw

. 2

01

2

III

kw

. 20

12

I kw

. 2

01

3

zł/m

kw

.

Warszawa 7 miast 10 miast

Warszawa hed. 7 miast hed. 10 miast hed.

2000

3000

4000

5000

6000

7000

8000

9000

III

kw

. 20

06

I kw

. 2

00

7

III

kw

. 20

07

I kw

. 2

00

8

III

kw

. 20

08

I kw

. 2

00

9

III

kw

. 20

09

I kw

. 2

01

0

III

kw

. 20

10

I kw

. 2

01

1

III

kw

. 20

11

I kw

. 2

01

2

III

kw

. 20

12

I kw

. 2

01

3

zł /

m k

w.



18

Wykres 11 Średnie ofertowe ceny m kw.

nowych kontraktów mieszkaniowych – RP

Wykres 12 Średnie ofertowe ceny m kw.

mieszkań − RP

Uwaga: ceny dotyczą wyłącznie nowych kontraktów,

pierwszy raz wprowadzone na rynek.

Uwaga: ceny zbierane są ze wszelkich dostępnych

źródeł.

Źródło: REAS. Źródło: PONT Info Nieruchomości.

Wykres 13 Relacja kosztu odsetek od kredytu na

zakup m kw. mieszkania do ceny wynajmu

m kw. (bez kosztu opłat za użytk.) przy

kredycie ważonym w 6 miastach

Wykres 14 Opłacalność wynajmu mieszkania (śr.

w 6 miastach) wobec depozytów i kredytów

mieszk.GD, 5-let. obl. skarb. oraz stopy

kapitalizacji nier. kom. (biur i pow. handlowych)

Uwaga: w wykresach 13 i 14 wartości powyżej 1 oznaczają większą opłacalność najmu mieszkania. Czerwona

linia oddziela wartości ważone strukturą walutową przyrostu kredytu od wyłącznie złotowych występujących

od 2012 r.

Źródło: NBP, GUS. Źródło: NBP, GUS.

Wykres 15 Wskaźnik ceny kw. mieszkania do

dochodu (P/I) (w latach)

Wykres 16 Średnia cena m kw. najmu mieszk. (śr.

z cen transakcyjnych i ofertowych najmu)

Źródło: GUS, NBP. Źródło: NBP.

4 000

5 000

6 000

7 000

8 000

9 000

10 000

11 000

I kw

. 2

00

7

III

kw

. 20

07

I kw

. 2

00

8

III

kw

. 20

08

I kw

. 2

00

9

III

kw

. 20

09

I kw

. 2

01

0

III

kw

. 20

10

I kw

. 2

01

1

III

kw

. 20

11

I kw

. 2

01

2

III

kw

. 20

12

I kw

. 2

01

3

zł /

m k

w.

Warszawa KrakówTrójmiasto PoznańWrocław (bez Sky Tower) Łódź

1000

2000

3000

4000

5000

6000

7000

8000

9000

10000

11000

I kw

. 200

4

I kw

. 200

5

I kw

. 200

6

I kw

. 200

7

I kw

. 200

8

I kw

. 200

9

I kw

. 201

0

I kw

. 201

1

I kw

. 201

2

I kw

. 201

3

zł /

m k

w.



0,4

0,6

0,8

1,0

1,2

1,4

1,6

1,8

2,0

III

kw

.2006

I kw

.2007

III

kw

.2007

I kw

.2008

III

kw

.2008

I kw

.2009

III

kw

.2009

I kw

.2010

III

kw

.2010

I kw

.2011

III

kw

.2011

I kw

.2012

III

kw

.2012

I kw

.2013



0,4

0,6

0,8

1,0

1,2

1,4

1,6

1,8

2,0

III

kw

.2006

I kw

.2007

III

kw

.2007

I kw

.2008

III

kw

.2008

I kw

.2009

III

kw

.2009

I kw

.2010

III

kw

.2010

I kw

.2011

III

kw

.2011

I kw

.2012

III

kw

.2012

I kw

.2013

wynajem do depozytów GD wynajem do kred.mieszk.GD

wynajem do obligacji 5l. wynajem do stopy kapitał.nier.kom.

2

3

4

5

6

7

8

9

10

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

lata

Warszawa Łódź Kraków

Wrocław Poznań Gdansk

15

20

25

30

35

40

45

50

55

III

kw

.2006

I kw

.2007

III

kw

.2007

I kw

.2008

III

kw

.2008

I kw

.2009

III

kw

.2009

I kw

.2010

III

kw

.2010

I kw

.2011

III

kw

.2011

I kw

.2012

III

kw

.2012

I kw

.2013

zł

/ m

kw

.



19

Wykres 17 Kredytowa dostępność mieszkania#

w m kw. (przy kredycie waż., od 2012 r.

wyłącznie PLN)

Uwaga: ważenie strukturą walutową kwartalnego

przyrostu kredytu mieszkaniowego dla gospodarstw

domowych.

Źródło: NBP, GUS, PONT Info.

Pomimo iż od początku 2012 r. udzielane były wyłącznie kredyty złotowe

(oprocentowane wyżej niż kredyty denominowane w walutach obcych), kredytowa

dostępność przeciętnego mieszkania#12, nabywanego przez przeciętne gospodarstwo

domowe, polepszała się (por. wykres 17). Było to głównie wynikiem zmniejszających się

stóp kredytów mieszkaniowych złotowych oraz powolnego spadku cen mieszkań.

Wskaźnik ten nie przełożył się na wzrost akcji kredytowej, ponieważ banki ostrożniej

udzielały kredytów.

Powiązanie cyklu na rynku mieszkaniowym z cyklem na rynku komercyjnym

Uwzględniając fakt, iż nieruchomości mieszkaniowe oraz komercyjne korzystają

z podobnych czynników produkcji (ziemia, materiały budowlane, praca ludzka), których

ceny kształtują się podobnie dla obu typów nieruchomości, wydaje się, że cykle na obu

rynkach powinny być zbliżone do siebie (por. Gyuorko, 2009). Jednak, jak pokazuje obecny

kryzys światowy oraz dane dla Polski, cykle te są powiązane w niewielkim stopniu.

Głównym czynnikiem jest fakt, iż nieruchomości komercyjne są silnie powiązane z cyklem

koniunkturalnym, natomiast nieruchomości mieszkaniowe w słabszym stopniu.

Nieruchomości mieszkaniowe finansowane są często z oszczędności przez gospodarstwa

domowe lub w całości bądź części przez kredyty zaciągnięte w lokalnych bankach,

natomiast nieruchomości komercyjne w dominującej części finansowane są przez kapitał

zagraniczny13. Co więcej, mieszkania służą głównie właścicielom, zaś nieruchomości

komercyjne podlegają wynajmowi przez różne podmioty gospodarcze, które płacą za nie

czynsz. Czynsz ten jest głównym źródłem spłacania kredytów lub wypłacania zysków

akcjonariuszom oraz udziałowcom funduszy inwestycyjnych. Warto zaznaczyć, że

nieruchomości komercyjne w znacznej mierze wynajmowane są przez podmioty

12 Dostępność przeciętnego mieszkania dla danego miasta stanowi miarę potencjalnego popytu. 13 Np. poprzez np. poprzez kredyty w bankach zagranicznych, obligacje, akcje, czy też udziały

w funduszach inwestycyjnych.

20

40

60

80

100

120

140

160

180

I kw

.2004

I kw

.2005

I kw

.2006

I kw

.2007

I kw

.2008

I kw

.2009

I kw

.2010

I kw

.2011

I kw

.2012

I kw

.2013

Warszawa Kraków Gdańsk

Wrocław Poznań Łódź

20

międzynarodowe, wrażliwe na globalny cykl koniunkturalny. Wobec powyższych faktów,

rynek nieruchomości komercyjnych jest w dużym stopniu determinowany wydarzeniami

globalnymi, zaś rynek mieszkaniowy ma na ogół lokalny charakter (por. Gyuorko, 2009).

1.2 Sytuacja na rynku nieruchomości komercyjnych 14

Na rynku nieruchomości komercyjnych w Polsce w 2012 r. zauważyć można było

stabilizację wolumenu transakcji inwestycyjnych oraz poziomu czynszów.

Transakcje inwestycyjne

Na rynku nieruchomości komercyjnych15 w 2012 r. trwała wzrostowa faza cyklu

inwestycyjnego16. Roczny wolumen wartości transakcji inwestycyjnych wyniósł 2,8 mld

euro, na co główny wpływ miał wzrost transakcji inwestycyjnych w ostatnim kwartale

omawianego roku (o 1,6 mld euro, por. dane Cushman & Wakefield). Wynik ten jest

zbliżony do wolumenu transakcji notowanych w 2007 r., czyli przed globalnym kryzysem.

Ponadto już od 2010 r. obserwujemy wzrostowy trend wartości transakcji. Wartość

transakcji na rynku biurowym i handlowym były na podobnym poziomie jak w 2011 r.,

natomiast inwestycje w powierzchnie magazynowe zostały prawie potrojone (dominowały

jednak transakcje na rynku wtórnym, jak wynika z danych Comparables.pl). Wśród

inwestycji w biura głównym rynkiem nadal była Warszawa, na którą przypadło około 90%

całego wolumenu inwestycyjnego. Inwestorzy międzynarodowi dominujący

w inwestycjach w nieruchomości komercyjne nadal postrzegają Polskę jako rynek

bezpieczny i rozwinięty. W 2012 r. ulokowali oni w Polsce około 75% wszystkich inwestycji

w nieruchomości komercyjne w Europie Środkowo-Wschodniej (por. Cushman &

Wakefield, 2013). Stopy kapitalizacji inwestycji w nieruchomości biurowe oraz handlowe

wyniosły ok. 6%, tj. pozostały na poziomie z 2011 r. (por. dane DTZ, wykres 19).

W połączeniu z relatywnie stabilnymi czynszami na większości rynków można uznać, iż

ceny tych nieruchomości również pozostawały stabilne.

14 Materiał koncentruje się na nowoczesnych nieruchomościach komercyjnych. Informacja została

wsparta wiedzą ekspertów poszczególnych agencji, które zajmują się doradztwem, pośrednictwem lub

zarządzaniem nieruchomościami komercyjnymi. Trzeba podkreślić, że poszczególne agencje, z których

danych skorzystano, mogą stosować różne definicje oraz miary wskaźników dotyczących nieruchomości

komercyjnych. 15 Wprowadzenie do rynku nieruchomości komercyjnych znajduje się w „Raporcie o sytuacji na rynku

nieruchomości mieszkaniowych i komercyjnych w Polsce w 2010 r.”, NBP. 16 Cykl inwestycyjny, a w szczególności jego dynamikę na rynku nieruchomości komercyjnych

w Polsce, można podzielić na cztery fazy: (1) stopniowo rosnący wzrost wartości transakcji w latach

przedakcesyjnych; (2) przyspieszenie w latach około akcesyjnych, z najwyższym poziomem w 2006 r.; (3)

stopniowy spadek w latach 2007-2008 (w warunkach nasilającego się kryzysu światowego) do najniższego

poziomu transakcji w 2009 r.; (4) powrót trendu wzrostowego w latach 2010 - 2012 r., kiedy to dokonano

transakcji rzędu odpowiednio ok. 2, 2,5 oraz 2,8 mld euro (por. dane Cushman & Wakefield oraz Wykres 20).

21

Powierzchnie i czynsze

W Polsce w 2012 r. odnotowano wzrost powierzchni biurowych o 500 tys. m kw.

W sytuacji spowolnienia gospodarczego częściowo wpłynęło to na wzrost wskaźników

pustostanów (por. wykres 20 i wykres 21). Czynsze wywoławcze pozostawały jednak

stabilne (por. wykres 22). Dominująca część nowo oddanych powierzchni biurowych

znajduje się w Warszawie (270 tys. m kw., por. wykres 24 i wykres 25).

Zgodnie z szacunkami firmy Jones Lang LaSalle (2013), w 2013 r. w Warszawie

oddane zostanie jeszcze 336 tys. m kw. powierzchni biurowe. Ten największy od 2000 r.

wzrost powierzchni biurowych może, w warunkach utrzymywania się słabego wzrostu

gospodarczego, przyczynić się do dalszego wzrostu stopy pustostanów (do ok. 10% w 2013

r., z 8,8% w 2012 r. oraz 6,7% w 2011 r., por. wykres 25, dane WRF oraz CBRE (2013a)).

Może to wówczas wywierać presję na spadek czynszów w przypadku starszych

budynków. W Łodzi natomiast obserwowano wzrost popytu na powierzchnie biurowe,

przez co stopa pustostanów, która była zazwyczaj na wysokim poziomie, w 2012 r.

znacznie się obniżyła i zbliżyła do wartości notowanych w pozostałych miastach.

Powierzchnie handlowe w Polsce powiększyły się w 2012 r. o prawie 500 tys. m kw.

(por. dane PRCH). Podobnie jak w latach poprzednich, galerie handlowe były oddawane

do użytku głównie w mniejszych miastach, tj. poniżej 100 tys. ludności (por. wykres 26

i wykres 27). W 2013 r. oczekiwane jest odwrócenie tego trendu w kierunku wzrostu

udziału galerii oddawanych do użytku w dużych aglomeracjach (por. CBRE (2013b)). W

większości aglomeracji czynsze wywoławcze w najlepszych lokalizacjach pozostawały na

stabilnym poziomie, natomiast w Warszawie wykazywały trend wzrostowy. Może to

świadczyć o wzmożonym popycie przy względnie ograniczonej podaży nowej

powierzchni handlowej (por. wykres 28). Warto zwrócić uwagę na duże zróżnicowanie

wysokości czynszów wywoławczych w miastach o różnych wielkościach, co możemy

wiązać ze zróżnicowaną siłą nabywczą ich mieszkańców. Czynsze przy głównych ulicach

handlowych w niektórych miastach wykazywały lekki trend spadkowy, trwający już od

przełomu 2009 i 2010 r. (por. wykres 31).

W 2012 r. odnotowano w Polsce przyrost powierzchni magazynowych o 430 tys.

m kw., co oznacza wzrost tej powierzchni o 10% w relacji do 2011 r. O zwiększonym

popycie na powierzchnie magazynowe świadczy fakt, iż mimo wzrostu podaży, stopa

pustostanów spadła z 11,4% w 2011 r. do 9,2% na koniec 2012 r. W analizowanym okresie

czynsze za powierzchnie magazynowe w większości lokalizacji pozostały stabilne (por.

Colliers International (2013)).

22

Wykres 18 Wartość transakcji inwestycyjnych

(mln EUR)

Wykres 19 Stopa kapitalizacji dla inwestycji

w nieruchomości w najlepszych lokalizacjach

Źródło: Cushman & Wakefield. Źródło: DTZ.

Wykres 20 Skumulowana podaż nowoczesnych

powierzchni biurowych (m kw.)

Wykres 21 Wskaźnik niewynajętej powierzchni

biurowej w półroczach

Uwaga: dane za 2013 i 2014 r. są szacunkowe.

Źródło: DTZ.

Źródło: DTZ.

Wykres 22 Czynsze (EUR/m kw./mies.) za

powierzchnie biurowe w najlepszych

lokalizacjach


w nowoczesne powierzchnie biurowe w

najlepszych lokalizacjach

Źródło: Cushman & Wakefield. Źródło: Cushman & Wakefield.

0

1 000

2 000

3 000

4 000

5 000

6 000

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Biura Obiekty handlowe Magazyny Inne

5%

6%

7%

8%

9%

10%

11%

12%

13%

14%

20

00

20

01

20

02

20

03

20

04

20

05

20

06

20

07

20

08

20

09

20

10

20

11

20

12

Biura Obiekty handlowe Magazyny

0

1

2

3

4

5

6

7

8

199

8

199

9

200

0

200

1

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

201

3 (

f)

201

4 (

f)

Warszawa Kraków Wrocław TrójmiastoPoznań Łódź Katowice

0%

5%

10%

15%

20%

25%

P2

200

6

P1

200

7

P2

200

7

P1

200

8

P2

200

8

P1

200

9

P2

200

9

P1

201

0

P2

201

0

P1

201

1

P2

201

1

P1

201

2

P2

201

2

Warszawa Kraków Wrocław Trójmiasto

Poznań Łódź Katowice

5

10

15

20

25

30

35

I kw

. 200

5II

kw. 2

005

III k

w. 2

005

IV k

w. 2

005

I kw

. 200

6II

kw. 2

006

III k

w. 2

006

IV k

w. 2

006

I kw

. 200

7II

kw. 2

007

III k

w. 2

007

IV k

w. 2

007

I kw

. 200

8II

kw. 2

008

III k

w. 2

008

IV k

w. 2

008

I kw

. 200

9II

kw. 2

009

III k

w. 2

009

IV k

w. 2

009

I kw

. 201

0II

kw. 2

010

III k

w. 2

010

IV k

w. 2

010

I kw

. 201

1II

kw. 2

011

III k

w. 2

011

IV k

w. 2

011

I kw

. 201

2II

kw. 2

012

III k

w. 2

012

IV k

w. 2

012

Warszawa - COB Warszawa - poza COB

Kraków Wrocław

Gdańsk Poznań

Łódź Katowice

5%

6%

7%

8%

9%

10%

11%

I kw.

200

5II

kw. 2

005

III k

w. 2

005

IV k

w. 2

005

I kw.

200

6II

kw. 2

006

III k

w. 2

006

IV k

w. 2

006

I kw.

200

7II

kw. 2

007

III k

w. 2

007

IV k

w. 2

007

I kw.

200

8II

kw. 2

008

III k

w. 2

008

IV k

w. 2

008

I kw.

200

9II

kw. 2

009

III k

w. 2

009

IV k

w. 2

009

I kw.

201

0II

kw. 2

010

III k

w. 2

010

IV k

w. 2

010

I kw.

201

1II

kw. 2

011

III k

w. 2

011

IV k

w. 2

011

I kw.

201

2II

kw. 2

012

III k

w. 2

012

IV k

w. 2

012

Warszawa - COB Warszawa - poza COBKraków WrocławGdańsk PoznańŁódź Katowice

23

Wykres 24 Roczna podaż nowej powierzchni

biurowej w Warszawie (m kw.)

Wykres 25 Wskaźnik pustostanów powierzchni

biurowej w poszcz. częściach Warszawy

Uwaga: szacunkowe dane za 2013 r. pochodzą od

Jones Lang LaSalle.

Źródło: Jones Lang LaSalle, WRF.

Źródło: Jones Lang LaSalle, WRF.

Wykres 26 Skumulowana podaż nowoczesnych

powierzchni handlowych (mln m kw.) w

dużych aglomeracjach i pozostałej części Polski

Wykres 27 Skumulowana podaż

nowoczesnych powierzchni handlowych w

dużych aglomeracjach (m kw. na 1000

mieszkańców)

Źródło: Polska Rada Centrów Handlowych. Źródło: Polska Rada Centrów Handlowych.

Wykres 28 Czynsze (EUR/m kw./mies.) w

centrach handlowych w najlepszej lokalizacji


w centra handlowe w najlepszej lokalizacji

Źródło: Cushman & Wakefield. Uwaga: od końca 2008 r. stopy kapitalizacji dla

wszystkich rynków poza Warszawą były prawie

jednakowe.

Źródło: Cushman & Wakefield.

0

50 000

100 000

150 000

200 000

250 000

300 000

350 000

400 000

2005

2006

2007

2008

2009

2010

2011

2012

2013

*

COB centrum reszta

0%2%4%6%8%

10%12%14%16%18%20%

2004

2005

2006

2007

2008

2009

2010

2011

2012

COB centrum reszta średnia

25

35

45

55

65

75

85

95

I kw.

200

5II

kw. 2

005

III k

w. 2

005

IV k

w. 2

005

I kw.

200

6II

kw. 2

006

III k

w. 2

006

IV k

w. 2

006

I kw.

200

7II

kw. 2

007

III k

w. 2

007

IV k

w. 2

007

I kw.

200

8II

kw. 2

008

III k

w. 2

008

IV k

w. 2

008

I kw.

200

9II

kw. 2

009

III k

w. 2

009

IV k

w. 2

009

I kw.

201

0II

kw. 2

010

III k

w. 2

010

IV k

w. 2

010

I kw.

201

1II

kw. 2

011

III k

w. 2

011

IV k

w. 2

011

I kw.

201

2II

kw. 2

012

III k

w. 2

012

IV k

w. 2

012

Warszawa - miasto Warszawa - obrzeżaKraków WrocławTrójmiasto PoznańŁódź Kon. KatowickaSzczecin

5%

6%

7%

8%

9%

I kw.

200

5II

kw. 2

005

III k

w. 2

005

IV k

w. 2

005

I kw.

200

6II

kw. 2

006

III k

w. 2

006

IV k

w. 2

006

I kw.

200

7II

kw. 2

007

III k

w. 2

007

IV k

w. 2

007

I kw.

200

8II

kw. 2

008

III k

w. 2

008

IV k

w. 2

008

I kw.

200

9II

kw. 2

009

III k

w. 2

009

IV k

w. 2

009

I kw.

201

0II

kw. 2

010

III k

w. 2

010

IV k

w. 2

010

I kw.

201

1II

kw. 2

011

III k

w. 2

011

IV k

w. 2

011

I kw.

201

2II

kw. 2

012

III k

w. 2

012

IV k

w. 2

012

Warszawa - miasto Warszawa - obrzeżaKraków WrocławTrójmiasto PoznańŁódź Kon. Katowicka

24

Wykres 30 Przedziały czynszów za najlepsze

powierzchnie handlowe w wiodących centrach

handl. (EUR/m kw./mies.) w IV kw. 2012 r.

Wykres 31 Najwyższe czynsze (EUR/m

kw./mies.) przy głównych ulicach handlowych

Uwaga: czynsze za lokal ok. 100 m kw., z branży

moda i dodatki, zlokalizowany w wiodącym centrum

handlowym.

Źródło: Jones Lang LaSalle.


Wykres 32 Zasoby powierzchni magazynowej

w regionach Polski (mln m kw.)


1.3 Kredyty dla gospodarstw domowych na nieruchomości

Do podtrzymania zakupów mieszkań przyczyniły się obniżki stóp procentowych

NBP, powodujące w pierwszej kolejności spadek oprocentowania depozytów w bankach

oraz innych instrumentów finansowych związanych z oszczędzaniem. Roczna zmiana

stanu należności od gospodarstw domowych z tytułu kredytów mieszkaniowych była

najniższa od 2005 r., jednak szacowane wypłaty brutto kredytów spadły nieznacznie

w porównaniu do 2011 r.17 (por. wykres 33 oraz tabela 1). Od początku 2012 r.

obserwowano spadki kredytów mieszkaniowych w walutach obcych, po korektach.

17 Różnice pomiędzy wypłatami kredytów a przyrostem wielkości ich salda wynikają głównie

z amortyzacji kredytów oraz przepływów z portfela walutowego do portfela złotowego.

0 20 40 60 80 100

Warszawa

Miasta > 300 tys.

Miasta 100-300 tys.

Miasta 75-100 tys.

-

10

20

30

40

50

60

70

80

90

I kw.

200

5II

kw. 2

005

III k

w. 2

005

IV k

w. 2

005

I kw.

200

6II

kw. 2

006

III k

w. 2

006

IV k

w. 2

006

I kw.

200

7II

kw. 2

007

III k

w. 2

007

IV k

w. 2

007

I kw.

200

8II

kw. 2

008

III k

w. 2

008

IV k

w. 2

008

I kw.

200

9II

kw. 2

009

III k

w. 2

009

IV k

w. 2

009

I kw.

201

0II

kw. 2

010

III k

w. 2

010

IV k

w. 2

010

I kw.

201

1II

kw. 2

011

III k

w. 2

011

IV k

w. 2

011

I kw.

201

2II

kw. 2

012

III k

w. 2

012

IV k

w. 2

012

Warszawa Kraków Wrocław Gdańsk

Poznań Łódź Katowice Szczecin

0

1

2

3

4

5

6

7

8

2005

2006

2007

2008

2009

2010

2011

2012

Warszawski Krakowski WrocławskiTrójmiejski Poznański Polski CentralnejGórnośląski

25

Zaprzestanie udzielania przez banki niżej oprocentowanych kredytów mieszkaniowych

walutowych skutkowało wzrostem kosztów finansowania mieszkań. Wahania kursowe

oraz możliwość dalszych spadków cen mieszkań powodują jednak, że część istniejących

kredytów mieszkaniowych walutowych nie ma satysfakcjonującego zabezpieczenia. Banki

w omawianym okresie udzielały kredytów wyłącznie złotowych oraz znacznie ostrożniej.

Malejące stopy procentowe kredytów złotowych wraz z niewielkimi spadkami cen

mieszkań powodowały, przy niemal stabilnym rynkowym poziomie czynszów, że

inwestycje mieszkaniowe zaczynają przynosić wyższe dochody niż oszczędzanie

w bankach, a nawet niż dochody z obligacji Skarbu Państwa. Trzeba jednak pamiętać, że

inwestycje mieszkaniowe w Polsce obciążone są znacznym ryzykiem – ryzykiem wynajmu

(ryzyko pustostanów, zerwanych kontraktów) oraz dodatkowo ryzykiem związanym

z nieuregulowaną w Polsce kwestią eksmisji niepłacących lokatorów. Dodatkowo koszty

wejścia i wyjścia z inwestycji mieszkaniowych (w tym niepewność, co do przyszłych zmian

cen nieruchomości) oraz koszty własne związane z zarządem nieruchomością są wyższe

niż w przypadku inwestowania w instrumenty finansowe.

Zmiany regulacyjne, kryzys światowy i związane z tym wahania kursu złotego

wpłynęły nie tylko na akcję kredytową banków, ale też z pewnym opóźnieniem na

przeciętną zapadalność kredytów mieszkaniowych (por. wykres 34). Zapadalność

kredytów złotowych ciągle się wydłużała z przeciętnie ok. 11 lat w drugiej połowie 2007 r.

do ok. 13 lat w I kw. 2013 r. Wynikało to z zawierania nowych umów kredytowych na

dłuższy okres, co poprzez niższe stałe raty podwyższało zdolność kredytową

kredytobiorców, a więc dostępność tych kredytów. Ponadto do procesu tego przyczyniły

się wymuszone przewalutowania zagrożonych kredytów walutowych. Ponieważ stopa

procentowa na kredytach walutowych była niemal o połowę mniejsza niż na złotowych,

konieczne było znaczne wydłużenie czasu spłaty, żeby kredytobiorca był w stanie obsłużyć

jego spłatę po przewalutowaniu. Praktyczny brak wypłat kredytów walutowych od

początku 2012 r., w połączeniu ze spłacaniem istniejących kredytów, spowodował, że czas

zapadalności portfeli kredytów walutowych ciągle się skracał.

Wykres 33 Zmiany stanu należności GD z tyt.

kredytu mieszkaniowego w Polsce

Wykres 34 Średnia zapadalność kredytów na

nier. mieszk. i komerc., waż. wartością stanu

w danym kwartale

Uwaga: Dane w ramkach pokazują szacunek wypłat

brutto kredytów mieszka. dla GD (por. tabela 1).

Źródło: NBP.

Źródło: NBP.

0

5

10

15

20

25

30

35

40

45

50

2005 2006 2007 2008 2009 2010 2011 2012 2012

W

2013 2013

W

mld

zł

IV

III

II

I

2

4

6

8

10

12

14

16

18

II k

w.2

007

III

kw

.2007

IV k

w.2

007

I kw

.2008

II k

w.2

008

III

kw

.2008

IV k

w.2

008

I kw

.2009

II k

w.2

009

III

kw

.2009

IV k

w.2

009

I kw

.2010

II k

w.2

010

III

kw

.2010

IV k

w.2

010

I kw

.2011

II k

w.2

011

III

kw

.2011

IV k

w.2

011

I kw

.2012

II k

w.2

012

III

kw

.2012

IV k

w.2

012

I kw

.2013

II k

w.2

013

mieszkaniowe - PLN komercyjne - PLN

mieszkaniowe - EUR komercyjne - EUR

mieszkaniowe - CHF komercyjne - CHF

26

Tabela 1 Szacunek wypłat brutto kredytów mieszkaniowych dla gospodarstw domowych w Polsce

oraz szacunek gotówkowych i kredytowych zakupów mieszkań deweloperskich na 6 największych

rynkach (w mln zł) Data Szacunkowa

wypłata

kredytów

mieszkaniowych

w Polsce

Szacunkowa

wartość transakcji

mieszkaniowych

na RP

w 6 miastach

Szacunek wypłat

kredytów wraz z

udziałem własnym

na zakup

mieszkania na RP

w 6 miastach

Szacunek

zakupów

gotówkowych

mieszkania na

RP

w 6 miastach

Szacunkowy

udział zakupów

gotówkowych

mieszkania na RP

w 6 miastach

IV kw. 2011 2 770

I kw. 2012 5 409 2 726 879 1 847 0,68

II kw. 2012 7 346 2 783 1 194 1 589 0,57

III kw. 2012 7 177 2 510 1 166 1 343 0,54

IV kw. 2012 7 274 2 839 1 182 1 657 0,58

I kw. 2013 5 491 2 610 892 1 717 0,66

Uwaga: przyjęto następujące założenia: szacunek nowo udzielonych kredytów w Polsce w poszczególnych

kwartałach bazował na dostępnych w sprawozdawczości NBP przyrostach salda kredytów dla gospodarstw

domowych skorygowanych o amortyzację kredytów i przepływy pomiędzy portfelem walutowym

a złotowym. Szacunkową wartość transakcji mieszkaniowych na rynku pierwotnym 6 miast obliczono na

podstawie przemnożenia średniej transakcyjnej ceny mieszkania przez jego średnią wielkość w m kw. oraz

liczbę sprzedanych mieszkań w oparciu o dane firmy REAS. Na podstawie danych ZBP założono, że

wolumen kredytów udzielonych na zakup mieszkań na rynkach 6 miast w połowie przypada na rynek

pierwotny. Szacunek transakcji gotówkowych obliczono jako różnicę transakcji na rynku 6 miast oraz wypłat

kredytów wraz z udziałem własnym.

Źródło: NBP.

1.4 Kredyty dla przedsiębiorstw na nieruchomości

Inwestycje w nieruchomości komercyjne18 w dużej mierze finansowane są przez

inwestorów międzynarodowych, którzy korzystają ze środków zagranicznych. Pewna

część nieruchomości przedsiębiorstw finansowana jest za pośrednictwem banków

działających w Polsce. Wartość kredytów dla przedsiębiorstw na nieruchomości wyniosła

na koniec I kw. 2013 r. około 46 mld zł (por. wykres 35). W porównaniu z kredytami

mieszkaniowymi dla gospodarstw domowych, łączna wielkość kredytów dla firm na

nieruchomości jest niewielka, ale wyższy jest wśród nich odsetek kredytów zagrożonych.

Kredyty dla przedsiębiorstw na nieruchomości dzielone są na kredyty na powierzchnie

biurowe, kredyty na nieruchomości mieszkaniowe (głównie kredyty dla deweloperów)

oraz na pozostałe, a ich stan na koniec I kw. 2013 r. wynosił odpowiednio 10,0 mld zł, 10,4

mld zł oraz 25,6 mld zł. Od początku obecnego kryzysu obserwujemy wzrost wskaźnika

zagrożonych kredytów dla deweloperów19, który na koniec 2012 r. wyniósł około 30%.

18 Nieruchomości komercyjne to takie, które są zakupione w celu generowania zysku dla właściciela.

Do nieruchomości komercyjnych zaliczamy biura, powierzchnie handlowe, magazyny oraz w niewielkim

stopniu mieszkania na wynajem. 19 W efekcie spadku popytu na mieszkania istnieje na rynkach znaczna nadwyżka niesprzedanych

mieszkań deweloperskich. Przez to deweloperzy mają pewne problemy z obsługą zaciągniętych kredytów.

27

Należy jednak podkreślić, że nie stanowi to zagrożenia dla stabilności systemu bankowego,

gdyż udział tych kredytów w aktywach banków, które udzielają najwięcej kredytów na

nieruchomości, wynosił mniej niż 4%. W przypadku kredytów dla przedsiębiorstw na

biura i pozostałe nieruchomości nie zaobserwowano znacznych zmian zarówno ich

wartości, jak i jakości.

Wykres 35 Kredyty przedsiębiorstw na

nieruchomości (w mld zł, lewa oś) i wskaźnik

kredytów uznanych za zagrożone (w %, prawa oś)

Uwaga: dane bez BGK.

Źródło: NBP.

Podsumowując rozdział widzimy, że sytuacja na rynkach nieruchomości

mieszkaniowych i komercyjnych w 2012 r. powoli zmierzała do stabilizacji. Ceny mieszkań

dostosowywały się do warunków słabszego wzrostu gospodarczego, skutkującego niższą

aktywnością nabywających mieszkania. Roczna zmiana stanu należności od gospodarstw

domowych z tytułu kredytów mieszkaniowych była niska - najniższa od 2005 r.

Zaprzestanie udzielania przez banki niżej oprocentowanych kredytów mieszkaniowych

denominowanych w walutach obcych skutkowało wzrostem kosztów finansowania

mieszkań oraz często brakiem satysfakcjonującego zabezpieczenia kredytów dla banków.

Jednak malejące stopy procentowe kredytów złotowych oraz niewielkie spadki cen

mieszkań powodowały, iż banki w omawianym okresie udzielały kredytów ostrożniej, co

jest pozytywne dla stabilności sektora finansowego.

Bibliografia:

Gyuorko J. (2009), “Understanding Commercial Real Estate: How Different from Housing Is It?”

NBER Working Paper 14708.

Cushman & Wakefield (2013), “Market Beat – Wiosna 2013”.

Jones Lang LaSalle (2013), “Warszawski Rynek Biurowy IV kw. 2012”.

CBRE (2013a), “MarketView - Warsaw Office Q4 2012”.

CBRE (2013b), “MarketView - Warsaw Retail Q4 2012”.

Colliers International (2013), “Poland Research & Forecast Report 2013”.

0%

5%

10%

15%

20%

25%

30%

35%

0

5

10

15

20

25

30

35

40

45

50

I kw

. 2009

II k

w.

2009

III

kw

. 2009

IV k

w.

2009

I kw

. 2010

II k

w.

2010

III

kw

. 2010

IV k

w.

2010

I kw

. 2011

II k

w.

2011

III

kw

. 2011

IV k

w.

2011

I kw

. 2012

II k

w.

2012

III

kw

. 2012

IV k

w.

2012

I kw

. 2013

Kredyty na powierzchnię biurową

Kredyty na nieruchomości mieszkaniowe

Kredyty na nieruchomości pozostałe

Wskaźnik kredytów zagrożonych na nieruchomości mieszkaniowe

Wskaźnik kredytów zagrożonych na powierzchnię biurową

Wskaźnik kredytów zagrożonych na pozostałe nieruchomości

28

2. Determinanty rozwoju sektora nieruchomości w 2012 r.

Rozdział ten przedstawia determinanty procesów obserwowanych na rynkach

mieszkaniowych 16 miast, omówionych w rozdziale 1. Omówiono wpływ zmian

regulacyjnych oraz polityki mieszkaniowej. Przeprowadzono też analizę panelową, która

pokazuje czynniki wpływające na wzrost cen mieszkań w dużych miastach.

2.1 Ocena zmian otoczenia regulacyjnego i jego wpływu na sferę realną

W 2012 r. na rynku nieruchomości obserwowaliśmy silne zakłócenia procesów

rynkowych wprowadzanymi regulacjami tj.: zakończenie programu RNS, wchodzenie

w życie ustawy deweloperskiej20, rekomendacji S i T. Regulacje oddziaływały negatywnie

na kontynuację procesów równoważenia się sektora mieszkaniowego21 po szoku

kredytowym z lat 2005-2008. Ponowny wzrost zasobu niesprzedanych mieszkań na rynku,

począwszy od 2009 r., oraz bardzo powolny spadek cen, był konsekwencją zmiany

parametrów22 rządowego programu dopłat do odsetek od kredytów mieszkaniowych RNS.

W konsekwencji przy dosyć stabilnym popycie i wypłatach kredytów spowodowało to

szybkie narastanie zasobu niesprzedanych mieszkań. Kwestie boomu cenowego oraz

reakcje deweloperów omówiono w rozdziale analitycznym na przykładzie rynku

warszawskiego.

20 Ustawa z dnia 16 września 2011 r. (Dz. U. Nr 232, poz. 1377) o ochronie praw nabywcy lokalu

mieszkalnego lub domu jednorodzinnego definiuje umowę deweloperską oraz obliguje przedsiębiorcę do

zapewnienia nabywcy odpowiednich środków ochrony. 21 Cykle na rynkach nieruchomościowych, w tym mieszkaniowych, zazwyczaj są dłuższe i głębsze niż

w przypadku pozostałych sektorów (por. André, 2010). Jest to powodowane sztywną podażą, która w

połączeniu z rosnącym popytem fundamentalnym i spekulacyjnym finansowanym przez system bankowy

prowadzi do gwałtownych wzrostów cen, a następnie opóźnioną podażą, która zaczyna w dużej skali trafiać

na rynek w czasie gdy koniunktura już słabnie, ceny spadają, a banki ograniczają finansowanie. Realizacja

takiego scenariusza na rynkach największych polskich miast została przerwana załamaniem się rynku

amerykańskiego. Spowodowało to ograniczenie akcji kredytowej, zmianę sentymentu rynkowego i spadek

popytu, na który deweloperzy zareagowali ograniczeniem i zamrożeniem prowadzonych inwestycji.

W konsekwencji rynek zaczął się równoważyć szybciej, bez pęknięcia narastającej bańki cenowej

i związanych z nią negatywnych konsekwencji, jakimi zazwyczaj są gwałtowny spadek cen nieruchomości

oraz pogorszenie jakości kredytów. 22 W latach 2010-2011 zanotowano znaczne podwyższenie cen mieszkań dopuszczonych do programu

w relacji do cen rynkowych, co skutkowało przyspieszeniem wypłat subsydiów, stabilizacją cen na wysokim

poziomie oraz zwiększonymi rozmiarami budownictwa.

29

Wykres 36 Mieszkania wprowadzone na

rynek, sprzedane i pozost. w ofercie 6 miast

Wykres 37 Limit cen mieszkań na rynku

pierwotnym 6 miast w programie RNS

Źródło: REAS. Źródło: BGK.

Wykres 38 Luka limitu RNS względem

mediany cen transakcyjnych na RP (wg BaRN)

Wykres 39 Wypłaty kredytu RNS w 6

miastach

Luka liczona jest jako różnica ceny maksymalnej

(limitu) RNS oraz mediany ceny transakcyjnej na

RP w relacji do mediany ceny transakcyjnej.

Dodatnia różnica oznacza, że program finansuje

mieszkania o cenach wyższych od mediany, a

ujemnych odwrotnie.

Źródło: NBP, BGK.

Źródło: BGK.

W 2012 r. ograniczono nadmierną wysokość cen mieszkań dopuszczonych do

programu RNS, co oddziaływało stabilizująco na rynek. Jednocześnie jednak ogłoszono

oficjalne zakończenie tego programu dopłat z końcem 2012 r. Weszła także w życie

zapowiadana od wielu lat ustawa o ochronie praw klienta dewelopera (tzw. ustawa

deweloperska23). Efektem ustawy deweloperskiej był niewielki boom budowlany, gdyż

deweloperzy zgromadzili portfel projektów wyłączonych spod działania ustawy24.

W konsekwencji w 2012 r. nierównowaga na rynkach mieszkaniowych w największych

23 Ustawa z dnia 16 września 2011 r. (Dz. U. Nr 232, poz. 1377) o ochronie praw nabywcy lokalu

mieszkalnego lub domu jednorodzinnego definiuje umowę deweloperską oraz obliguje przedsiębiorcę do

zapewnienia nabywcy odpowiednich środków ochrony. 24 Projekty mieszkaniowe rozpoczęte do 29 kwietnia 2012 r. nie podlegały rygorom ww. ustawy.

0

10 000

20 000

30 000

40 000

50 000

60 000I

kw

. 2007

III

kw

. 2007

I kw

. 2008

III

kw

. 2008

I kw

. 2009

III

kw

. 2009

I kw

. 2010

III

kw

. 2010

I kw

. 2011

III

kw

. 2011

I kw

. 2012

III

kw

. 2012

I kw

. 2013

mie

szkania

wprowadzone w kwartale sprzedane w kwartale

oferta na koniec kwartału

2 000

3 000

4 000

5 000

6 000

7 000

8 000

9 000

10 000

I kw

.2007

III

kw

.2007

I kw

.2008

III

kw

.2008

I kw

.2009

III

kw

.2009

I kw

.2010

III

kw

.2010

I kw

.2011

III

kw

.2011

I kw

.2012

III

kw

.2012

zł

/ m

kw

.

Warszawa Kraków Wrocław

Poznań Gdańsk Łódź

-80%

-60%

-40%

-20%

0%

20%

40%

60%

I kw

. 2007

III

kw

. 2007

I kw

. 2008

III

kw

. 2008

I kw

. 2009

III

kw

. 2009

I kw

. 2010

III

kw

. 2010

I kw

. 2011

III

kw

. 2011

I kw

. 2012

III

kw

. 2012

I kw

. 2013



0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

4,0

4,5

2007 2008 2009 2010 2011 2012 2013

mld

zł

IV

III

II

I

30

miastach uległa pogłębieniu, a część firm deweloperskich zaczęła odczuwać problemy

płynnościowe. Pomimo stale rentownej produkcji mieszkań25, deweloperzy mieli coraz

większe trudności ze sprzedażą mieszkań, które wprowadzili na rynek. W 2012 r. banki

zaczęły postrzegać sektor nieruchomości jako ryzykowny i ograniczały akcję kredytów

mieszkaniowych dla klientów. Czynnikiem działającym w przeciwnym kierunku był

natomiast wzrost kredytów RNS26. Mimo istniejącej znacznej nadwyżki niesprzedanych

mieszkań na niektórych rynkach, z powodu wzrostu kredytów RNS doszło nawet do

niewielkiego wzrostu cen.

Wykres 40 Wskaźniki płynności dużych firm

deweloperskich

Wykres 41 Wskaźniki ROE i ROA dużych firm

deweloperskich

Źródło: NBP na podstawie GUS. Źródło: NBP na podstawie GUS.

Na skutek widocznej nierównowagi na rynku nieruchomości27 kredyty

deweloperskie notowały coraz wyższe wskaźniki zagrożenia ich spłaty. Banki ograniczały

finansowanie inwestycji deweloperskich, ale saldo kredytów dla deweloperów, pomimo

silnego wzrostu ich produkcji, pozostawało stabilne w 2012 r. (por. wykres 35). W efekcie

poszukiwania przez deweloperów alternatywnych źródeł finansowania, wzrosło ich

zadłużenie w obligacjach, z ok. 1 mld zł na początku 2012 r. do ok. 1,9 mld zł pod koniec

roku (por. wykres 42). Zanotowano także wzrost udziału papierów dłużnych w strukturze

finansowania dużych deweloperów (por. wykres 43).

25 Rentowność produkcji deweloperskiej obliczono, zakładając całkowitą sprzedaż wybudowanych

mieszkań, na podstawie modelu Augustyniak i in. (2012). 26 W IV kw. 2012 r. obserwowano istotny przyrost nabywców mieszkań chcących skorzystać z ostatnich

wypłat w programie RNS. Z powodu natłoku wniosków wypłaty realizowane były jeszcze w I kw. 2013 r. 27 Problemem sektora deweloperskiego, oprócz zapasów niesprzedanych kontraktów, jest jego

wewnętrzne zróżnicowanie. Od 2008 r. stale rośnie udział dużych firm z negatywnym wynikiem finansowym

(około 20%) oraz negatywnym kapitałem własnym (około 5%). W konsekwencji stale zwiększa się udział firm

deweloperskich mających problemy z obsługą kredytów.

0

0,1

0,2

0,3

0,4

0,5

0,6

0,0

0,5

1,0

1,5

2,0

2,5

2007

I

2007

III

2008

I

2008

III

2009

I

2009

III

2010

I

2010

III

2011

I

2011

III

2012

I

2012

III

2013

I

Wskaźnik płynności (L oś)

Wskaźnik wysokiej płynności (P oś)

Wygł.wskaźnik płynności (L oś)

Wygł.wskaźnik wysokiej płynności (P oś)

-5%

0%

5%

10%

15%

20%

25%

I kw

. 2

00

5

III

kw

. 20

05

I kw

. 2

00

6

III

kw

. 20

06

I kw

. 2

00

7

III

kw

. 20

07

I kw

. 2

00

8

III

kw

. 20

08

I kw

. 2

00

9

III

kw

. 20

09

I kw

. 2

01

0

III

kw

. 20

10

I kw

. 2

01

1

III

kw

. 20

11

I kw

. 2

01

2

III

kw

. 20

12

I kw

. 2

01

3

ROA ROE

ROA trend wielom.3 okr. ROE trend wielom.3 okr.)

31

Wykres 42 Wartość papierów dłużnych

korporacyjnych (w mld zł, lewa oś) i wartość

papierów dłużnych deweloperów notowanych

na GPW Catalyst (w mld zł, prawa oś)

Wykres 43 Struktura finansowania dużych firm

deweloperskich

Źródło: GPW Catalyst. Źródło: NBP na podstawie GUS (F01).

Równocześnie z ogłoszeniem zamknięcia programu RNS ogłoszono uruchomienie

pod koniec 2013 r. nowego programu dopłat do kredytów na mieszkania z rynku

pierwotnego Mieszkanie dla Młodych (MDM). Program MDM w założeniach ma słabo

ukierunkowane subsydia, choć w mniejszej skali niż jego poprzednik RNS. Można

przypuszczać, że również ten program będzie negatywnie wpływał na proces

równoważenia się rynku i spadek cen. Ponieważ znaczny wolumen subsydiowanych

kredytów RNS28 został przeniesiony na 2013 r. (opóźniona realizacja wniosków

kredytowych złożonych pod koniec 2012 r.), można przypuszczać, że najbliższe dwa lata

będą sprzyjać szokom popytowym i kumulacji oczekiwań, co nie ułatwi sektorowi procesu

dojścia do równowagi. Konsumenci mogą oczekiwać dalszych spadków cen oraz

subsydiów rządowych, a więc przesuną w czasie decyzję zakupu. Natomiast deweloperzy

mogą oczekiwać programów wspierających popyt i z tego powodu mogą zacząć

przyśpieszać produkcję mieszkań oraz rozpoczynać nową.

Podsumowując, ocena zamkniętego programu RNS wypada negatywnie, zwłaszcza

w drugiej jego fazie, tj. po wprowadzeniu licznych poprawek limitów cenowych. O ile

w początkowym kształcie celem programu był wzrost udziału mieszkań własnościowych

o skromnym standardzie, wspierający rodziny o niższych dochodach oraz poprawiający

ich sytuację mieszkaniową (własne, dostępne mieszkanie to większa stabilność polityczna,

skromny standard dopuszczony do programu to gwarancja dystrybucji subsydiów do

gospodarstw o niższych dochodach), o tyle po kolejnych zmianach był to program

szerokich, nieukierunkowanych subsydiów budżetowych, nierozwiązujący problemów

społecznych oraz zakłócający funkcjonowanie sektora mieszkaniowego. Pod tym

względem tylko nieznacznie lepszy jest jego zapowiadany następca, gdzie zastosowano

formułę dotacji grantowej zamiast odsetkowej (brak efektu odkładania na później

28 Zgodnie z danymi BGK w 2013 r. zostało wypłacone 6 miliardów PLN z tytułu realizacji programu

RNS.

-

500

1 000

1 500

2 000

0

5 000

10 000

15 000

20 000

25 000

30 000

35 000

40 000

45 000

50 000

I kw

. 2

01

1

II k

w.

201

1

III

kw

. 20

11

IV k

w. 2

011

I kw

. 2

01

2

II k

w.

201

2

III

kw

. 20

12

IV k

w. 2

012

I kw

. 2

01

3

Obligacje korporacyjne (L oś) Obligacje deweloperów (P oś)

0%

20%

40%

60%

80%

100%

I 20

05

III

200

5

I 20

06

III

200

6

I 20

07

III

200

7

I 20

08

III

200

8

I 20

09

III

200

9

I 20

10

III

201

0

I 20

11

III

201

1

I 20

12

III

201

2

kapitał własny kredyty

dłużne pap. wart. przedpłaty klientów

zobow. wobec dost. inne zobow. i rez.na zobow.

32

i kumulowania się obciążeń budżetowych, mniejsze możliwości redystrybucji subsydiów

na rzecz systemu bankowego), zapowiedziano mniejszą skalę programu (mniejsza

interwencja to mniejsze zakłócanie działanie wolnego rynku) i ograniczono grupę celową

do ludzi młodych29. Nie wprowadzono jednak kryterium dochodowego ani ostrzejszego

ograniczania dopuszczalnego standardu, co oznacza, że subsydia w znacznej mierze

dofinansują te gospodarstwa domowe, które zakupiłyby mieszkania nawet bez wsparcia

z budżetu państwa. W konsekwencji popyt sektorowy wzrośnie w stopniu mniejszym, niż

byłoby to możliwe gdyby wspierane były wyłącznie osoby, którym niski dochód

uniemożliwia zaciągnięcie samodzielnego kredytu. Efekty społeczne obecnego programu

będą wątpliwe (trudno znaleźć rozsądne uzasadnienie dla tak szerokiego finansowania

własności mieszkaniowej). Można się też spodziewać tendencji do podwyżek cen

i ponownego zwiększania nadwyżki mieszkań na rynku, jako efektu związanych z nim

oczekiwań oraz oddziaływania dodatkowego, realnego popytu.

Podstawowym problemem polskiej polityki mieszkaniowej jest jej koncentracja na

mieszkaniach własnościowych i kredytach hipotecznych. Kredyty te są dostępne w Polsce

dla około 40% gospodarstw domowych, które spełniają wymogi dochodowe.

Doświadczenia (np. ostatniego kryzysu w USA lub w Hiszpanii) z nadmiernym

oferowaniem własnościowych mieszkań osobom o niskich dochodach prowadziły

zazwyczaj do problemów społecznych oraz kłopotów sektora bankowego.

Wykres 44 Rozkład złotowej dostępności

mieszkań własnościowych dla gospodarstw

domowych w Polsce

Wykres 45 Szacunek globalnej kredytowej

zdolności mieszkaniowej gospodarstw

domowych w Polsce


Polskiej polityce mieszkaniowej w trakcie 23 lat od rozpoczęcia transformacji nie

udało się przeprowadzić z sukcesem żadnego projektu poprawiającego poziom

zaspokajanych potrzeb mieszkaniowych (porządkowanie zasobu publicznego,

budownictwo socjalne, mieszkania komercyjne i społeczne na wynajem). Wyjątkiem jest

wdrożony program rozwoju kredytów mieszkaniowych i podobnie wprowadzany

29 Zgodnie z projektem ustawy nabywcami mieszkań z dopłatą mogą być osoby w wieku do 35 roku

życia.

0

200

400

600

800

1 000

1 200

P90 P80 P70 P60 P50 P40 P30 P20 P10

Ty

sią

ce

2005 2006 2007 2008 2009 2010 2011 2012 2013

252

302

352

402

452

502

I k

w. 2

005

II k

w. 2

005

III

kw

. 200

5

IV k

w. 2

005

I k

w. 2

006

II k

w. 2

006

III

kw

. 200

6

IV k

w. 2

006

I k

w. 2

007

II k

w. 2

007

III

kw

. 200

7

IV k

w. 2

007

I k

w. 2

008

II k

w. 2

008

III

kw

. 200

8

IV k

w. 2

008

I k

w. 2

009

II k

w. 2

009

III

kw

. 200

9

IV k

w. 2

009

I k

w. 2

010

II k

w. 2

010

III

kw

. 201

0

IV k

w. 2

010

I k

w. 2

011

II k

w. 2

011

III

kw

. 201

1

IV k

w. 2

011

I k

w. 2

012

II k

w. 2

012

III

kw

. 201

2

IV k

w. 2

012

I k

w. 2

013

II k

w. 2

013

III

kw

. 201

3

IV k

w. 2

013

Mil

iard

y

wariant 2 (58% DDP) wariant 1 (DDP-płaca min. ekw.)

33

program dodatków mieszkaniowych. Naturalnej tendencji kontynuacji sprawdzonej drogi,

sprzyja lobbing sektora deweloperskiego i bankowego.

Doświadczenia historyczne, w tym te najnowsze pokazują, że rynek mieszkaniowy

jest rynkiem generującym znaczne problemy dla całej gospodarki (długookresowa

kumulacja napięć, w tym błędnych decyzji politycznych, po której przychodzą gwałtowne

spadki cen, masowa niespłacalność kredytów oraz napięcia społeczne). Nadmierny, tj.

przekraczający 30% aktywów, udział kredytów hipotecznych w aktywach banków staje się

zagrożeniem ich stabilności. Należy też pamiętać, że potencjalna zdolność kredytowa

gospodarstw domowych przy rozsądnie ustawionych regulacjach ostrożnościowych, jest

ograniczona (por. wykres 45).

W 2011 r. weszła w życie rekomendacja T, wprowadzająca limity maksymalnego

obciążenia budżetów gospodarstw domowych spłatami kredytów oraz ograniczająca

kredyty denominowane w walutach obcych. Wprowadzane rekomendacją limity (50/65%

TDR#) można ocenić jako umiarkowane w świetle doświadczeń międzynarodowych,

jednak zbiegły się one z osłabieniem koniunktury w kraju i w sektorze nieruchomości

i bankowym, co spowodowało jej krytykę. Jak pokazały wypłaty kredytów

mieszkaniowych, Rekomendacja T praktycznie nie wpłynęła na ograniczenie ilościowe

kredytów, można natomiast przypuszczać, że miała ona wpływ na poprawę ich jakości.

W grudniu 2012 r. przekazano do konsultacji projekt nowelizacji Rekomendacji S30, którą

uchwalono ostatecznie w czerwcu 2013 r. Jej ocena jest zbliżona do wcześniejszej

rekomendacji T, jednak ponieważ wchodzi ona w życie w roku 2014 nie miała wpływu na

procesy w 2012 r.

2.2 Panelowa analiza cen mieszkań na rynku pierwotnym dla 17 miast 31

Dynamika cen mieszkań na rynku pierwotnym jest przedmiotem stałego

zainteresowania ze strony banków centralnych oraz regulatorów, ponieważ bardzo szybko

przekłada się na zmiany produkcji deweloperskiej, przyczynia się do powstawania silnych

cykli (por. Augustyniak i in., 2013) i generuje ryzyko dla sektora bankowego. W badaniu

skupiono się na determinantach średniej ceny m kw. mieszkania na rynkach 17

największych miast Polski. Można założyć, iż mieszkania budowane przez deweloperów

(rynek pierwotny), z uwagi na podobną technologię budowy oraz podobny standard,

pomijając oczywiście różne ich lokalizacje, są względnie porównywalne na każdym

poszczególnym rynku. W skali makro można także założyć, iż pewne zmienne

fundamentalne, obserwowane na wszystkich rynkach, będą w stanie tłumaczyć zmiany

średnich cen. Natomiast mieszkania na rynku wtórnym różnią się istotnie technologią

budowy, standardem wykończenia, wiekiem oraz formą własności. Ze względu na

30 Dobre praktyki dotyczące zarządzania ekspozycjami kredytowymi zabezpieczonymi hipotecznie. 31 Do analizy włączono Gdynię, która jest dużym rynkiem nieruchomości, stanowiącym niemal

jednolity rynek z Gdańskiem.

34

wspomniane zróżnicowanie mieszkań, trudno jest znaleźć wspólne dla rynku wtórnego

determinanty cen32. Analiza, która uwzględnia relatywnie stabilny okres na rynku

mieszkaniowym (2002-2005), okres boomu (2006-2008) oraz powolne wracanie rynku do

poziomu równowagi daje dobry obraz determinantów zmiany cen na pierwotnym rynku

nieruchomości mieszkaniowych.

Celem analizy jest stwierdzenie, na ile wzrost cen mieszkań na rynku pierwotnym

motywowany był zmiennymi fundamentalnymi. Przeanalizowano czynniki, które

wpływają na popyt na nowe mieszkania na lokalnych rynkach, korzystając z wyników

analizy procesów konwergencji i różnicowania rynków lokalnych oraz zmian

strukturalnych przedstawionej w opracowaniu analitycznym w aneksie 1 (por. też

Andrews (2010) oraz Igan i Loungani (2012)). Na ceny nowych mieszkań powinny

wpływać czynniki strukturalne (tj. liczba nowych małżeństw na 1000 mieszkańców,

migracja, wskaźnik ludności produkcyjnej do poprodukcyjnej, etc.) oraz czynniki

ekonomiczne (wzrost dochodów, spadek bezrobocia, wzrost dostępności kredytowej).

Duża część zmiennych wykazuje jednak wyłącznie trend wzrostowy, a nie wahania, które

mogły by tłumaczyć wzrosty i spadki cen. Ich uwzględnienie doprowadziłoby do

pozornych regresji. Ponadto wiele danych wykazuje silne współliniowości. Po

przeprowadzeniu wielu regresji oraz testów zdecydowaliśmy się uwzględnić jako zmienne

objaśniające: liczbę małżeństw na 1000 mieszkańców, przeciętne wynagrodzenie w sektorze

przedsiębiorstw, stopę bezrobocia oraz dostępność kredytu33. Dla każdego rynku

wykorzystujemy lokalne dane objaśniające.

Analiza transakcyjnych cen mieszkań na rynku pierwotnym dla 17 miast w Polsce

bazuje na danych rocznych z lat 2002-2012.34 We wszystkich regresjach wykorzystano

logarytmy powyżej opisanych zmiennych, co pozwala lepiej wychwycić pewne nieliniowe

zależności między zmianą ceny a zmiennymi objaśniającymi. Uwzględniono też zmienne

zero-jedynkowe dla poszczególnych lat. Dodatkowo podzielono miasta na 7 dużych oraz

10 mniejszych35. W estymacji wykorzystano model efektów stałych (regresja fixed effects)36

32 Zastąpienie indeksem hedonicznym prostych wskaźników cen mieszkań (mediany i średniej)

pozwala podnieść wiarygodność pomiaru cen, a tym samym podnosi przejrzystość rynku (por. Widłak

(2013)). Taka analiza wymaga jednak bardzo szczegółowych danych, które w ramach BaRN zbierane są

dopiero od III kw. 2006 r. Ograniczenie analizy wyłącznie do okres rozpoczynającego się praktycznie w 2007

r. nie pozwoliło by nam wychwycić zachowania cen w okresie stabilnych cen, to znaczy w latach 2002-2005. 33 Dostępność kredytu obliczona przy założeniu udzielanych kredytów złotowych i walutowych

w okresie 2005-2011 r. oraz wyłącznie złotowych dla pozostałych lat. Dokładny opis znajduje się w słowniku

pojęć i skrótów. 34 Ceny transakcyjne mieszkań dla lat 2006-2012 pochodzą z bazy BaRN (rynek pierwotny),

a wcześniejsze ceny zostały ekstrapolowane na podstawie dynamiki cen z PONT Info z okresu 2002-2006

(rynek pierwotny). 35 Podziału dokonano w oparciu o liczbę ludności danego miasta. Miasta „duże”, tj. z liczbą ludności

pow. 400 tys. mieszkańców to: Gdańsk, Kraków, Łódź, Poznań, Szczecin, Warszawa, Wrocław. Do grupy

„małych” miast tj. z liczbą ludności poniżej 400 tys. należą: Białystok, Bydgoszcz, Gdynia, Katowice, Kielce,

Lublin, Olsztyn, Opole, Rzeszów, Zielona Góra.

35

z odpornymi błędami standardowymi. Ceny mieszkań podobnie jak większość zmiennych

objaśniających są niestacjonarne, jednak za pomocą testu Pesarana (2004) wykazano, że

reszty z regresji nie są skorelowane, dlatego można uznać, iż modele są poprawnie

wyspecyfikowane. Reszty są też stacjonarne. Wyniki regresji pokazujemy poniżej.

Tabela 2. Wyniki poszczególnych regresji

(1) (2) (3) (4)

L_Mal1000 .5080

[.6343]

.1243

[.5244]

.5568

[.6224]

.1421

[.5102]

L_Wynagrodzenie 1.3216**

[.5221]

.5452

[.4689]

L_Bezrobocie

-.5439***

[.1196]

-.5448***

[.1231]

L_DostKredytuWAGA

.8396**

[.3410]

.3715

[.2994]

yd2003 -.0222

[.0447]

.02456

[.0363]

-.0755

[.0547]

.0002

[.0427]

yd2004 -.0280

[.0559]

.0148

[.0427]

.1137***

[.0352]

.0748**

[.0378]

yd2005 -.0250

[.1119]

.0107

[.0913]

-.0835

[.1254]

-.0195

[.1043]

yd2006 .1648

[.1799]

.1256

[.1618]

.1295

[.1802]

.1036

[.1696]

yd2007 .4982**

[.2246]

.2806

[.2107]

.5825***

[.1917]

.3076

[.1971]

yd2008 .3744

[.2832]

.0683

[.2723]

.5354**

[.2253]

.1251

[.2486]

yd2009 .2250

[.2843]

.2286

[.2541]

.5193***

[.1898]

.3433*

[.2035]

yd2010 .2363

[.2537]

.2859

[.2258]

.5208***

[.1458]

.3947**

[.1546]

yd2011 .2589

[.2499]

.3177

[.2250]

.5999***

[.1185]

.4491***

[.1274]

yd2012 .1780

[.2601]

.3231

[.2390]

.6325***

[.0964]

.50351***

[.1021]

_cons -3.2684

[4.3338]

4.6400

[3.7840]

-3.5598

[4.4592]

4.2117

[3.9292]

R-sq 0.8401 0.8683 0.8415 0.8658

wewnątrzgrupowy 0.9599 0.9727 0.9597 0.9728

międzygrupowy 0.2659 0.5908 0.2560 0.5855

Poziom istotności: 10 % - *; 5 % - **; 1 % - ***; odporne błędy standardowe oszacowane za pomocą metody bootstrap.

36 Po pierwsze wybór regresji efektów stałych ma teoretyczne podstawy. Stosuje się tą metodę, gdy

wybrana próba nie jest losowa, lecz reprezentuje całą populację. Ponadto ekonomiczna analiza

poszczególnych rynków, zawarta w aneksie 1 pokazuje, że każdy rynek ma pewien indywidualny charakter,

który praktycznie nie zmienia się w czasie. Metoda stałych efektów pozwala wyłączyć ten właśnie stały

element, którego nie jesteśmy w stanie wychwycić żadną zmienną, a został by błędnie przypisany do reszt

modelu. Przeprowadzony został też test Hausmana. Wykazał on, że można stosować model random effects,

jednak wyniki tego testu można uznać za wiarygodne dopiero przy znacznie większej liczbie obserwacji

(minimum 20-30 obserwacji czasowych w szeregu).

36

We wszystkich specyfikacjach model dobrze tłumaczy zmiany cen w dużych

miastach. Jednak nie jest w stanie objaśnić dynamiki cen w małych miastach, gdyż żadna

fundamentalna zmienna objaśniająca nie jest istotna. Ceny na mniejszych rynkach wydają

się oscylować wokół lekkiego trendu wzrostowego. Potrzebne są zatem dalsze badania,

a obecne wyniki można tłumaczyć w następujący sposób. Prawdopodobnie w dużych

miastach mamy lepsze dane37 dzięki znacznie większej liczbie transakcji. Natomiast

w mniejszych miastach może istnieć spora część domów jedno lub wielorodzinnych,

budowanych metodą gospodarczą, które nie są objęte statystyką, więc nie są uwzględnione

w badaniu. Występuje tu także duża substytucja pomiędzy domami i mieszkaniami,

a wzrost cen mieszkań motywuje gospodarstwa domowe do budowy domów

jednorodzinnych. Istotnym czynnikiem, wpływającym na niską jakość modeli na „małych”

rynkach, może być także efekt epidemii38. Rynki małych miast wzorują się na dużych

miastach, jednak impuls cenowy przepływa z opóźnieniem, co przekłada się na wyniki

regresji dla tych rynków.

W pierwszej regresji cenę transakcyjną m kw. mieszkania na rynku pierwotnym

tłumaczono liczbą zawieranych małżeństw oraz przeciętnym wynagrodzeniem w sektorze

przedsiębiorstw. Jedynie zmienna określająca zmianę poziomu wynagrodzenia istotnie

tłumaczy zmiany cen. Ponadto, zmienna zero-jedynkowa dla 2007 r. okazała się być istotna

statystycznie, co sugeruje, że cena obserwowana w tym czasie była wyższa niż wynikałoby

z uwzględnionych zmiennych fundamentalnych. Prawdopodobnie oczekiwania nabywców

dotyczące dalszych wzrostów cen (co omówiliśmy w artykule w aneksie 5) prowadziły do

przyśpieszania decyzji o zakupie mieszkania i podnosiły ceny więcej, niż by wynikało to ze

zmiennych fundamentalnych.

W drugim modelu jako zmienne objaśniające przyjęliśmy liczbę zawieranych

małżeństw, wynagrodzenie oraz stopę bezrobocia. Stopa bezrobocia okazała się być bardzo

ważnym czynnikiem i silnie wpływać na ceny. Wydaje się, iż stopa bezrobocia

odzwierciedla cykl koniunkturalny, który ma bezpośredni wpływ na ceny. Spadek stopy

bezrobocia świadczy o ożywieniu gospodarczym, co może zachęcać gospodarstwa

domowe do zakupu mieszkań. Z kolei wzrost tej stopy może być traktowany jako

wskaźnik ryzyka utraty pracy, co będzie hamowało popyt mieszkaniowy. Ta zmienna

fundamentalna istotnie tłumaczy zmiany cen, natomiast liczba nowo zawieranych

małżeństw, wynagrodzenie oraz zmienne zero-jedynkowe okazały się nieistotne.

W regresji trzeciej po stronie zmiennych niezależnych uwzględniliśmy liczbę

małżeństw oraz dostępność kredytową. W tym przypadku na poziomie istotności 0,05

dostępność kredytowa oraz zmienne dla lat 2004 i 2007-2012 są statystycznie istotne.

Zmienne dla lat 2007-2008 mogą świadczyć o boomie popytowym, omówionym już

37 Im większa próba analizowanych mieszkań, oraz im większy rynek, tym bardziej średnia

obserwowana cena będzie zbliżona do faktycznej średniej oraz będzie silniej determinowana zmiennymi

fundamentalnymi. 38 De Bandt i in. (2010) twierdzili, iż lokalne szoki na rynku nieruchomości, które swoje źródła miały

w Stanach Zjednoczonych mogą się rozprzestrzeniać na rynki innych państw.

37

wcześniej. Warto zaznaczyć że w tym modelu zmienne zero-jedynkowe dla lat

spowolnienia gospodarczego (2009-2012) są względnie duże i statystycznie istotne, co

oznacza iż cena była wyższa niż wynikałoby z uwzględnionych zmiennych

fundamentalnych. Utrzymywanie się względnie wysokiej ceny mogło wynikać także

z ogólnie dobrej sytuacji gospodarczej Polski, w tym optymizmu ludności. Częściowo

mogli się do tego przyczynić deweloperzy, którzy dość niechętnie urealniali ceny mieszkań

w dół oraz ze znacznym opóźnieniem.

Następnie przeprowadziliśmy regresję czwartą, w której cenę m kw. mieszkania

objaśniamy liczbą nowych małżeństw na 1000 mieszkańców, stopą bezrobocia oraz

dostępnością kredytową. W tej specyfikacji jedynie stopa bezrobocia oraz zmienne zero-

jedynkowe dla lat 2004 i 2009-2012 okazały się być istotne. Potwierdza to wpływ spadku

lub wzrostu stopy bezrobocia na popyt mieszkaniowy, natomiast zmienne zerojedynkowe

odzwierciedlają boom cenowy oraz opóźnioną reakcję cenową w dół deweloperów,

omówioną już wcześniej.

Analiza potwierdziła, że ceny transakcyjne mieszkań na rynku pierwotnym dużych

miast zależały od zmiennych fundamentalnych, takich jak wynagrodzenie, dostępność

kredytowa lub spadek bezrobocia. Jak wykazuje część specyfikacji, w latach 2007-2008 ceny

były nadmiernie wysokie, co może świadczyć o boomie popytowym.

Podsumowując rozdział: w 2012 r. na rynku nieruchomości obserwowaliśmy

zakłócenia procesów rynkowych wprowadzanymi regulacjami tj. zakończenie programu

RNS, wejście w życie ustawy deweloperskiej, rekomendacji S i T. Regulacje te negatywnie

oddziaływały na procesy równoważenia się sektora mieszkaniowego po szoku

kredytowym z lat 2005-2008. Wzrost zasobu niesprzedanych mieszkań na rynku był

konsekwencją działań biznesowych deweloperów chcących uniknąć restrykcyjnych

zapisów ustawy deweloperskiej. Natomiast bardzo powolny spadek cen był skutkiem

zwiększenia limitów cen mieszkań w zamykanym programie RNS. Analiza panelowa

średnich cen mieszkań w analizowanych miastach w okresie 2002-2012 potwierdziła, że

ceny transakcyjne mieszkań na rynku pierwotnym 7 dużych miast zależały od zmiennych

fundamentalnych, takich jak wynagrodzenie, dostępność kredytowa lub stopa bezrobocia.

Część specyfikacji wykazuje, że w latach 2007-2008 ceny były nadmiernie wysokie, co

świadczy o boomie popytowym.

Bibliografia:

André, C. (2010), “A Bird's Eye View of OECD Housing Markets”, OECD Economics

Department Working Papers, No. 746, OECD Publishing.

Andrews, D. (2010), "Real House Prices in OECD Countries: The Role of Demand Shocks and

Structural and Policy Factors", OECD Economics Department Working Papers, No.

831, OECD Publishing.

Augustyniak, H., K. Gajewski, J. Łaszek i G. Żochowski (2012), “Real estate development

enterprises in the Polish market and issues related to its analysis”, MPRA Paper 43347.

38

Augustyniak, H., J. Łaszek, K. Olszewski i J. Waszczuk (2013), „Cykle mieszkaniowe – model

nierównowagi i jego kalibracja dla warszawskiego rynku nieruchomości”. Artykuł

zawarty w aneksie 5 niniejszego raportu.

De Bandt, O., K. Barhoumi i C. Bruneau (2010), The international transmission of house price

shocks, In: Housing Markets in Europe, Springer Berlin Heidelberg, s. 129-158.

Igan, D. i P. Loungani (2012), “Global housing cycles”, IMF Working Paper No. 12/217.

Pesaran, M. (2004), General Diagnostic Tests for Cross Section Dependence in Panels, Cambridge

Working Papers in Economics No. 0435, Faculty of Economics, University of

Cambridge.

Widłak M. (2013), Wyniki badań nad czynnikami różnicującymi ceny mieszkań i możliwość ich

wykorzystania w NBP. Artykuł zawarty w aneksie 2 niniejszego raportu.

39

3. Równowaga sektorowa rynku mieszkaniowego

Równowaga sektorowa to stan, kiedy istniejące warunki pozwalają podmiotom

działającym na rynku generować dobra i usługi w sposób ciągły i stabilny. Możliwe jest

wtedy osiąganie zysków ekonomicznych, bez narażania się na nadmierne ryzyko oraz bez

powstawania zbyt wielkich napięć. W rozdziale przedstawiono warunki równowagi

sektorowej oraz rzeczywiste procesy gospodarcze wpływające na te warunki.

3.1 Podstawowe obszary, podmioty i parametry analizy makrostabilnościowej sektora nieruchomości mieszkaniowych

W niniejszym podrozdziale opisano podział sektora nieruchomości z uwzględnieniem

różnych obszarów funkcjonowania rynku, podmiotów oraz makrostabilnościowych

parametrów.

Podstawowe obszary sektora nieruchomości

W ujęciu modelowym rynek, czy szerzej sektor nieruchomości, możemy rozpatrywać

jako rynki kapitałowe, przestrzeni i obiektów (por. Augustyniak i in., 2013).

Rynek powierzchni to wycena (stawki czynszów) oraz konsumpcja strumienia usług

generowanych przez kapitał nieruchomościowy.

Rynek budowlany (rynek pierwotny), na którym w wyniku robót budowlano-

montażowych kapitał finansowy jest transformowany w nowy kapitał

nieruchomościowy.

Rynek obiektów (rynek wtórny) bądź kapitału trwałego, czyli miejsce na którym

następuje przestrzenna realokacja kapitału trwałego (zasób nieruchomości), zmiana

jego własności i funkcji oraz amortyzacja, i odtworzenie.

Rynek finansowy, czy raczej jego specjalistyczne części, to miejsce gdzie następuje

wycena kapitału nieruchomościowego, na podstawie generowanych dochodów

i oceny ich ryzyka oraz wycena instrumentów finansowych opartych na tym

kapitale (instrumenty dłużne, akcje itp.). W konsekwencji sektor finansowy reguluje

transfer kapitału do sektora poprzez instrumenty finansowe. Transfer ten dotyczy

zarówno istniejących zasobów kapitału trwałego (zmiany własności, zmiany

przeznaczenia, modernizacje itp.), jak też tworzenia z kapitału finansowego nowego

kapitału nieruchomościowego poprzez rynek budowlany. Transfer kapitału oznacza

też transfery kapitału pośrednio zaangażowanego w usługi przestrzeni (firmy

obsługi rynku, pośrednicy finansowi itp.). Instytucje w tym segmencie rynku

kapitałowego to uniwersalni i specjalistyczni pośrednicy finansowi, fundusze

inwestycyjne oraz indywidualni inwestorzy, udziałowcy spółek deweloperskich

i banków specjalistycznych. Duży wpływ sektora finansowego na podstawowe

rynki nieruchomości oraz system obsługi rynku oznacza silny wpływ stopy

40

procentowej na pierwotne i wtórne rynki nieruchomości i cały sektor poprzez

instrumenty finansowe.

W sektorze nieruchomości w Polsce istnieją wszystkie segmenty (mieszkania

własnościowe, socjalne, na wynajem – choć brakuje profesjonalnych wynajmujących) oraz

podmioty obsługujące rynek. Relatywnie słabiej rozwinięty jest sektor finansowy bazujący

na bankach uniwersalnych. Obecnie wystarczająca jest analiza rynków pierwotnego

i wtórnego nieruchomości mieszkaniowych w Polsce oraz rynku kredytów

hipotecznych/mieszkaniowych, jak również takich podmiotów jak bank, firma

deweloperska, konsument i inwestor na rynku mieszkań własnościowych OOH39

(mieszkanie jako przedmiot konsumpcji i spekulacji oraz kredyt) oraz inwestor na rynku

finansowym (depozyty). Warto dodać, że przedmiot analizy musi być dobrany adekwatnie

do poziomu rozwoju rynku i zmienia się zarówno w czasie, jak i przestrzeni, w tym

zwłaszcza w przekrojach międzynarodowych.

Podmioty wpływające na sektor nieruchomości mieszkaniowych

Podręcznikowo (analiza mikroekonomiczna) możemy przyjąć, że przedmiotem

badania objęte zostaną kluczowe podmioty działające na rynku mieszkaniowym.

W przypadku większości krajów będą to takie podmioty jak: bank, deweloper, konsument

(klient banku i dewelopera - por. artykuł 3 Mieszkanie w teorii konsumenta) oraz

inwestor/deponent.

Analiza dewelopera może być rozszerzona o firmę budowlaną, jednakże często jest to

podział umowny, zwłaszcza z punktu widzenia dostępnych danych statystycznych.

W przypadku sektora deweloperskiego, charakteryzującego się znacznym brakiem

przejrzystości trudno jest obiektywnie określić średnie i minimalne stopy zwrotu, tym

bardziej że będą one uzależnione od szeregu dodatkowych czynników (np. łatwości

zmiany branży, alternatywnych możliwości inwestowania). Dostępne dane GUS są jedynie

przybliżeniem tej sytuacji.

Analiza inwestora/deponenta w przypadku większości krajów, gdzie dominują banki

uniwersalne, będzie oznaczała oszczędzających w sektorze bankowym. W przypadku

krajów o rozwiniętym, specjalistycznym systemie finansowania nieruchomości (model

obligacji hipotecznych lub sekurytyzacji) analiza powinna obejmować dodatkowo

inwestorów instytucjonalnych (banki, fundusze inwestycyjne i emerytalne, firmy

ubezpieczeniowe). Pojęcie inwestora w sektorze, który produkuje dobra inwestycyjne

(mieszkania lub nieruchomości komercyjne) jest znacząco szersze od pojęcia deponenta czy

nabywcy hipotecznych papierów wartościowych. Inwestorem jest przede wszystkim

nabywca nieruchomości z zamiarem jej wynajmu lub odsprzedaży z zyskiem (spekulacja),

bądź pośrednio w przypadku akcji. W przypadku mieszkań OOH inwestor i konsument

stanowią jedność.

39 Mieszkania zamieszkałe przez właściciela (ang. Owner Occupied Housing).

41

W polskim sektorze bankowym, który ma decydujące znaczenie dla finansowania

nieruchomości mieszkaniowych, podstawowym instrumentem po stronie pasywnej są

oszczędności gospodarstw domowych. Uzyskane odsetki są obciążone podatkiem od

dochodów kapitałowych. Warunkiem długookresowej równowagi są dodatnie realne stopy

procentowe od oszczędności, po odjęciu podatku od zysków kapitałowych. W przypadku

banków hipotecznych, które stanowią nieznaczną część rynku kredytów, benchmarkiem

dla hipotecznych listów zastawnych są polskie obligacje skarbowe o 5 letniej zapadalności.

Rentowność instrumentów hipotecznych powinna być o tyle wyższa, by skompensować

ryzyko listów zastawnych.

Aspekty analizy makrostabilnościowej sektora

Rynki nieruchomości mają charakter cykliczny, co jest wynikiem sztywnej

krótkookresowo podaży oraz zmiennego popytu (por. artykuły w części analitycznej oraz

literatura w nich zawarta). Zmiany popytu powodują zmiany cen, co przekłada się na

decyzje producentów i ze znacznym opóźnieniem generuje efekty podażowe. Czynnikiem

zwiększającym cykliczność jest spekulacja i związane z nią zachowania podmiotów oraz

silne powiązanie z systemem finansowym. Dodatkowym czynnikiem zwiększającym

cykliczność okazuje się zwykle opóźniona i nieadekwatna interwencja czynnika

publicznego realizowana ze względu na stabilność sektora finansowego, względów

społecznych, czy w ramach ogólnej polityki gospodarczej. W praktyce, pomimo

cyklicznego charakteru rynki, te w większości przypadków mają tendencję do

samoregulacji. Cykliczności poddane są zarówno wielkości podstawowe takie jak ceny,

zapasy, wielkość produkcji, ale też szereg innych zmiennych, często związanych ze

zjawiskami specyficznymi dla danego cyklu (np. opłacalność kredytu denominowanego

w walutach obcych, por. wykres 51 i wykres 52). Wahania mają też często charakter lokalny

i są zróżnicowane w zależności od segmentu rynku (cykle na rynkach nieruchomości

biurowych, mieszkaniowych etc.). Występuje też korelacja z cyklami biznesowymi, ale nie

jest to regułą.

Nadmierna kumulacja napięć sektorowych40, zwłaszcza w połączeniu z ogólnymi

problemami gospodarczymi, może prowadzić do kryzysów nieruchomościowych,

mających konsekwencje ogólnoekonomiczne poprzez sektor finansowy. Kryzysy takie,

znane z historii, charakteryzują się gwałtownymi, kilkudziesięcioprocentowymi spadkami

wartości nieruchomości połączonymi z masową niespłacalnością kredytów

mieszkaniowych i prowadzą zwykle do załamania sektora finansowego. O ile bezpośrednie

oddziaływanie na przebieg cyklu na rynku nieruchomości wydaje się mieć ograniczony

sens ze względu na wątpliwą skuteczność, o tyle zapobieganie kryzysom

nieruchomościowym prowadzi do ograniczania realnych strat PKB. Wspominając

ograniczony sens reakcji na cykle należy jednak dodać, że przy pewnej skali napięć

40 Problem pomiaru napięć jest znacznie bardziej złożony. Napięcia w sektorze możemy zdefiniować

jako znaczące odchylenia istotnych wielkości ekonomicznych od stanu charakterystycznego dla równowagi

(ceny, zapasy, dochody, czas sprzedaży, itp.).

42

w sektorze i gospodarce pojawiają się korelacje i kumulacje pozornie słabo skorelowanych

zjawisk. Oznacza to konieczność holistycznego i indywidualnego podejścia do każdego

przypadku kryzysu.

Stabilność sektora mieszkaniowego tworzy warunki konieczne do stymulowania

przepływu kapitału i produkcji dóbr kapitałowych i usług przestrzeni oraz niezbędnych do

tego innych dóbr. Przyczynia się ona do wygaszania nadmiernych napięć w obrębie części

składowych sektora i pomiędzy nimi, tj. sektorem finansowym, budowlanym, na rynku

obiektów (mieszkania i nieruchomości komercyjne) oraz przestrzeni (rynki najmu,

czynszowe, w przypadku mieszkań OOH mówimy tylko o rynku obiektów). Warunki

produkcji zarówno w sferze usług kapitału (czynsze), usług finansowych (instrumenty

finansowe, instytucje) oraz na rynku budowlanym możemy zdefiniować jako jej

dostateczna rentowność/stopa zwrotu z uwzględnieniem oczekiwanego ryzyka. Biorąc pod

uwagę ryzyko sektora (cykliczność), większe niż sektora bankowego w Polsce, przeciętne

stopy zwrotu z realizacji projektów mieszkaniowych wg danych GUS (F01) kształtowały

się od kilku procent w okresach osłabienia koniunktury (2000-2002), poprzez 25-40%

w latach 2006-2010, do 18-20% obecnie (por. wykres 41). Równie istotna dla decyzji

deweloperskiej wydaje się być ocena perspektyw rynku oraz poziom popytu i zapasów

niesprzedanych produktów, co częściowo znajduje swoje odbicie w faktycznych wynikach

spółek. O ile przy 25-30% rentowności projektów następuje napływ nowego kapitału do

branży, o tyle można ocenić, że poziom 10-15% ROE realizowany na projektach,

w połączeniu z narastającymi zapasami jest sygnałem do ograniczania produkcji. Zatem

oscylacje pomiędzy poziomem 15-25% należałoby uznać za naturalne41.

W krajach, w których rozwój masowego rynku OOH trwa już kilkadziesiąt lat42 różnie

kształtują się długookresowe relacje pomiędzy dochodami, zasobem a cenami mieszkań.

Na rynkach o wyższej płynności, elastycznej podaży i wyższych dochodach relacja

przeciętnej ceny przeciętnego mieszkania na rynku i w zasobie nie powinna przekraczać 3,5

krotności rocznych dochodów przeciętnego gospodarstwa domowego43. Na rynkach

kształtowanych przez rozwinięty sektor bankowy relacja ta związana była na ogół

z wymogami kredytowymi oraz ich dostępnością przy stopach procentowych na poziomie

6-7% i zapadalności 25-30 lat. W Polsce istotne oddziaływanie sektora finansowego na

sektor mieszkaniowy datuje się od roku 2004 (od 2005 r. obserwujemy początek boomu

kredytowego) i wówczas proporcja ta kształtowała się na poziomie 4-4,5, w zależności od

ośrodka miejskiego. Wielkość taka wydaje się odpowiadać realiom polskiej gospodarki

(dostępne dochody do zakupu mieszkania to nie dochody przeciętne, ale 6-7 decyl).

Mówiąc o napięciach sektorowych i ryzykach należy pamiętać, że podstawowym

problemem tego rynku jest relatywnie mała, sztywna krótkookresowo podaż poddawana

bardzo silnym szokom zmiennego popytu. W konsekwencji podstawowym, naturalnym

czynnikiem zwiększającym stabilność tych rynków jest rozszerzenie i uelastycznienie

41 Wielkości liczbowe stanowią szacunki własne, konsultowane z uczestnikami rynku. 42 Dopasowania na rynku mieszkań własnościowych liczy się dziesiątkami lat, cykle to zwykle 8-15 lat. 43 Szacunek własny na podstawie danych historycznych dla USA.

43

podaży. Generalnie chodzi o to, by w przypadku nagłego wzrostu popytu dotyczył on nie

tylko niewielkiego rynku pierwotnego, ale rozkładał się też na rynek wtórny. W przypadku

gwałtownego wzrostu zainteresowania mieszkaniami OOH czynnikiem stabilizującym

może być też możliwość przepływu części zasobu z mieszkań na wynajem. W drugiej

kolejności czynnikami istotnymi jest elastyczność podaży w czasie, czyli jak szybko jest

możliwe zapełnienie istniejącej luki popytowej poprzez produkcję mieszkań. Ten wskaźnik

można z kolei rozdzielić na co najmniej trzy składowe: czasu związanego z formalnościami

budowlanymi, czasu samego procesu budowlanego oraz elastyczności wprowadzania

oferty. Ten ostatni parametr, to możliwość sprzedaży kontraktów na budowę mieszkania.

Zwiększa to ryzyko klienta, wymaga bardziej złożonych regulacji, ale uelastycznia rynek.

Elastyczność popytu w reakcji na szoki to tylko jeden z aspektów problemu.

Prawidłowo funkcjonujący sektor mieszkaniowy, to sektor w którym w wyniku arbitrażu

wyrównują się ceny pomiędzy rynkiem pierwotnym i wtórnym, zgodnie z zasadą -

podobna cena za podobne produkty z korektą na ich stan techniczny (wiek, zużycie) oraz

możliwe do oszacowania ryzyko (wady prawne, ryzyko dewelopera, sąsiedztwa, etc.).

Nadmierne różnice cen powodowane regulacjami (przykładowo wpieranie przez państwo

tylko nowych mieszkań) mogą być przyczyną różnic w cenach a następnie problemów

z ich gwałtownym spadkiem (sektor bankowy), gdy regulacje będą cofnięte.

Podobne ryzyka generuje sztywne, regulacyjne rozdzielanie mieszkań OOH i takich

samych mieszkań lecz przeznaczonych pod wynajem. W warunkach szoków popytowych

zamiast łagodzić napięcia (więcej mieszkań na sprzedaż) prowadzi to do dalszych

dysproporcji (wysokie ceny z jednej strony, niskie czynsze i pustostany z drugiej). Może też

prowadzić, do nadmiernie wysokich czynszów (premia za ryzyko), gdy pozycja właściciela

jest słabsza niż lokatora.

Miernikami płynnego funkcjonowania tych rynków i napięć są więc relacje cen: rynku

pierwotnego i wtórnego oraz kosztów własności i wynajmu. Zbyt duże różnice pomiędzy

nimi to znak narastających dysproporcji, które mogą w pewnym momencie skumulować

się z innymi i doprowadzić do szoków. Poziom bezpieczeństwa sektora bankowego

określony jest przez wiele czynników, w tym regulacyjnych i politycznych, które są trudno

mierzalne i przewidywalne. Są to przykładowo procedury eksmisyjne, sprawność całego

procesu windykacji, skłonność polityków do angażowania się w problemy, skłonność

gospodarstw domowych do obsługi zadłużenia i wyrzeczeń oraz ich oczekiwania na

pomoc państwa, rozbieżność między rzeczywistą jakością portfela a jakością raportowaną

przez banki i wiele innych. Mogą występować czynniki specyficzne dla danego kraju

generujące potencjalne ryzyko, które w pewnych okolicznościach materializuje się

(przykładowo: źle prywatyzowany, duży sektor mieszkań publicznych może doprowadzić

do gwałtownego załamania cen, kredyty denominowane). Polski sektor bankowy

uzyskiwał w latach 2008-2012, nominalną stopę zwrotu wraz z premią za ryzyko na

średnim poziomie 13,4% (por. analiza równowagi sektorowej w następnym podrozdziale),

co oznacza stopę realną na poziomie powyżej 10%. Stopa ta była, jak wynika z obserwacji,

cały czas satysfakcjonująca dla właścicieli banków.

Warunek równowagi konsumenta-pożyczkobiorcy określają w znacznej mierze

bankowe regulacje ostrożnościowe oraz wieloletnie doświadczenia tego sektora. Są to

44

ugruntowane wieloletnim doświadczeniem współczynniki DTI44 (dawniej określane jako

DSC lub DCCR) oraz LTV45. Na potrzeby analizy ryzyka współczynniki te można

dezagregować i uszczegóławiać, jednak w krajach rozwiniętych46 jako granice kompromisu

pomiędzy ryzykiem a bezpieczeństwem przyjmuje progi DTI=40% i LTV=80%. Wskaźniki

DTI często analizuje się bardziej szczegółowo w oparciu o koncepcję bufora dochodowego

(nadwyżka po obsłudze długu nie powinna być mniejsza niż minimum socjalne). LTV

w przypadku windykacji w Polsce wynosi nie więcej niż 50% wartości kredytu47, jednak

w standardowych warunkach skala windykacji jest nieznaczna, gdyż podstawą działań

windykacyjnych jest ugoda z dłużnikiem.

3.2 Warunki równowagi sektorowej a rzeczywiste procesy gospodarcze

Niniejszy podrozdział bazuje na dogłębnej analizie danych z bazy BaRN, informacji

z biuletynów cen obiektów budowlanych48 (wykorzystywanej w modelu przedsiębiorstwa

deweloperskiego stworzonym w oparciu o przebieg procesu inwestycyjnego) oraz modelu

funkcjonowania banku, który uwzględnia różne wskaźniki (inflacja, oprocentowanie

depozytów, stopy procentowe kredytów, marżę i in.), a także modele biznesowe

funkcjonowania bankowości.

Podstawowym problemem polskiego rynku mieszkań OOH jest niewielki stopień

występowania jednoczesnych równowag cząstkowych podmiotów oraz samego rynku

mieszkaniowego. Niewielkie zmiany kluczowych parametrów zarówno

makroekonomicznych (tj. stopy procentowe, inflacja), jak i związanych z lokalnymi

rynkami (dochody) powodują powstawanie napięć. Obserwowany w ostatniej dekadzie

wzrost gospodarczy i związany z nim wzrost dochodów, rozwój budownictwa

i konkurencji w sektorze49, spadek inflacji i stóp procentowych spowodowały, że jesteśmy

bliżej równowagi sektorowej biorąc pod uwagę ceny mieszkań, koszt obsługi kredytu oraz

realne stopy na depozytach. Przykładowe proporcje dla Warszawy, bazujące na danych

z okresu lipiec 2012 - czerwiec 2013 prezentowane są w poniższej tabeli 1.

44 Relacja obsługi zadłużenia do dochodu (ang. Debt to Income). 45 Relacja kredytu do wartości kredytowanej nieruchomości (ang. Loan to Value). 46 Wynika to z doświadczeń historycznych np. w Niemczech lub USA. 47 Wielkość ustalona na podstawie konsultacji z windykatorami portfela kredytów mieszkaniowych. 48 Biuletyn cen obiektów budowlanych BCO cz.I obiekty kubaturowe, zeszyty Sekocenbud. 49 W sektorze, który jest w stanie zaspokoić potrzeby mieszkaniowe 30-40% ludności największych

miast.

45

Tabela 1 Podstawowe parametry ekonomiczne uczestników rynku nieruchomości średnie w okresie

lipiec 2012-czerwiec 2013, w wariancie inflacji (r/r) 2,1%

Wyniki analizy wskazują, że ostatni rok był raczej korzystny dla wszystkich

uczestników rynku, gdyż umożliwiał realizację ich obiektywnych interesów

ekonomicznych bez nadmiernych napięć i powiązanych z tym procesów

dostosowawczych. Główną przyczyną sprawczą tego zjawiska była niska inflacja

i związane z nią niskie nominalne stopy procentowe. W konsekwencji rentowność

inwestycji deweloperskich ukształtowała się na poziomie około 17% nominalnie. Wartość

realna była nieznacznie niższa (poniżej oczekiwań deweloperskich), jednak na poziomie

zapewniającym opłacalną produkcję mieszkań. Portfele kredytowe, jeżeli były rozsądnie

budowane i dobrze zarządzane powinny zapewniać bankom stopy zwrotu w granicach

17%50, co pokrywa koszty kapitału własnego i jest zachętą do dalszego wzrostu wolumenu

kredytów hipotecznych. Przeciętny nabywca kupujący na rynku standardowe ok. 60

metrowe mieszkanie musi się liczyć z obciążeniami wynikającymi z obsługi kredytu na

poziomie 32% dochodu, co jest znaczącym, ale jeszcze dopuszczalnym obciążeniem51.

W Polsce według danych GUS przeciętne koszty utrzymania mieszkania wynoszą około

18% dochodów, co oznacza, że wszystkie wydatki mieszkaniowe łącznie z wynikowym

DTI ukształtują się na poziomie 50% budżetów gospodarstw domowych. W takiej sytuacji

utrata pracy przez jednego z dwóch członków gospodarstwa domowego będzie wiązać się

z zaprzestaniem spłaty kredytu (eksmisja hipoteczna) lub zaległościami w opłatach

(licytacja spółdzielcza lub we wspólnocie mieszkaniowej). Analizując sytuację klienta

banku należy pamiętać, że przy zmiennych stopach kupujący mieszkanie ma zawsze

wybór wartości mieszkania i wielkości kredytu, natomiast po zakupie mieszkania

wszystkie zmiany stóp procentowych przenoszą się już bezpośrednio na jego budżet.

Wysoka inflacja jest zagrożeniem dla sektora mieszkaniowego. Bez stosowania

specjalnych kredytów indeksowanych bardzo szybko powoduje ona wzrost obciążeń

kredytobiorców i problemy banków. Drugim zagrożeniem w krajach, które dopuściły do

50 Szacunek własny na podstawie konsultacji z ekspertami bankowymi. 51 Amerykańskie standardy sprzed kryzysu biorące pod uwagę wysokie koszty utrzymania mieszkania

oraz inne zobowiązania dopuszczały DTI na poziomie 32%.

cena w zł

za m kw. 6822

nomialne

oprocentowa

nie kredytu 6,39%

dochód do

dyspozycji

nominalne

oprocentowa

nie depozytu 3,96%

udział

zysku w

cenie bez

VAT 22% marża 2,43% DTI

realne

oprocentowa

nie depozytu

po podatku 1,03%

ROE

(przed

opodatk) 17%

nominalne

oprocentowa

nie depozytu 3,96% LTV inflacja 2,14%

ROE 13,53%amortyzacja

w latach

kredyt 327 436 liczba m kw. 60,00 50,00P/I (cena do

dochodu) 5,1 4,2

6749

32%

80%

25

Deweloper Bank KapitałodawcaNabywca/Kredytobiorca

46

powstania dużych portfeli kredytów mieszkaniowych denominowanych w walutach

obcych jest ryzyko kursowe. Konsekwencje niewielkiego szoku inflacyjnego można

prześledzić w oparciu o dane rzeczywiste z okresu czerwiec 2011-czerwiec 2012 (por.

tabela 2). Gdy inflacja jest wysoka stopy zwrotu na kredytach bankowych również są

wysokie. Jest to skutkiem zmiany marż i odmiennej kapitalizacji odsetek na depozytach

i kredytach. Znaczący wzrost obciążenia gospodarstw domowych spłatą nominalnych

odsetek podnosi współczynnik DTI do poziomu 36%, co skutkuje wzrostem całkowitych

kosztów mieszkania do poziomu ok. 54% budżetów gospodarstw domowych. W dłuższym

okresie będzie to skutkowało pogorszeniem jakości portfela, wzrostem rezerw na złe

kredyty i obniżeniem ROE banków. Praktycznie zerowe, realne oprocentowanie

depozytów może powodować ich odpływ z sektora bankowego do innych form

oszczędzania. Może to skutkować presją do podwyższania ich stóp, i prowadzić do spadku

bankowych stóp zwrotu oraz ograniczania akcji kredytowej. Spadek inflacji w tych

warunkach poprawi rentowność oszczędzania, ale warunki spłaty kredytu będą nadal

trudne.

Tabela 2 Podstawowe parametry uczestników rynku średnie w okresie lipiec 2011-czerwiec

2012, w wariancie inflacji (r/r) 4,2%

Wykres radarowy (por. wykres 46) pokazuje zmiany wskaźników sektorowych

w ostatnich trzech latach. Natomiast wykresy 47 - 50 pokazują ścieżki konsumenta, banku,

dewelopera i inwestora wyliczone w oparciu o omawiane założenia i bazujące na danych

kwartalnych dla Warszawy.

cena w zł

za m kw. 7165

nomialne

oprocentowa

nie kredytu 6,91%

dochód do

dyspozycji 6749

nominalne

oprocentowa

nie depozytu 4,58%

udział

zysku w

cenie bez

VAT 22% marża 2,33% DTI 36%

realne

oprocentowa

nie depozytu

po podatku -0,54%

ROE

(przed

opodatk) 17%

nominalne

oprocentowa

nie depozytu 4,58% LTV 80% inflacja 4,20%

ROE 11,65%amortyzacja

w latach 25

kredyt 343 942 liczba m kw. 60,00 50,00P/I (cena do

dochodu) 5,3 4,4

Nabywca/KredytobiorcaDeweloper Bank Kapitałodawca

47

Wykres 46 Zmiany wskaźników sektorowych dla Warszawy w ostatnich trzech latach

Uwagi: wykres przedstawia zmiany wskaźników opisujących główne obszary związane z rynkiem

nieruchomości. Wszelkie zmienne pokazywane są w relacji do maksimum danego wskaźnika w okresie I kw.

2011 r. do II kw. 2013 r. Okres został dobrany zgodnie z dostępnością danych. Im bliżej środka znajduje się

obserwacja, tym bardziej jest zbliżona do minimum. Wzrost wynagrodzenia do ceny oraz wzrost kredytowej

dostępności mieszkania (ważonej) podnosi dostępność mieszkań dla nabywców. Wzrost indeksu ZKPK

świadczy o większej skłonności banków do udzielania kredytów. Wzrost realnego oprocentowania

depozytów GD powoduje, że oszczędzanie staje się bardziej opłacalne, co może ograniczać chęć zakupu

mieszkania. Wzrost ROE banków świadczy, że ich działalność jest bardziej zyskowna. Wzrost ROE

deweloperów pokazuje, że ich produkcja jest bardziej dochodowa. Zmniejszenie oferty mieszkań na rynku

świadczy o równoważeniu się rynku. Jako benchmark wybrano wartości które pozwalają na stabilne

funkcjonowanie sektora (wynagrodzenia do cen >1, realne oproc. >1%, ROE dewelopera >15%, ROE banku

>10%, kred. dostępność = 55 m kw., oferta miesz. < 13000).

Źródło: NBP, GUS, Sekocenbud, REAS.

Wykres 47 Stopy realne na oszczędnościach, ROE

banku, ROE dewelopera

Wykres 48 Mieszkania na rynku (benchmark-

podaż jednoroczna

Źródło: NBP, Sekocenbud. Źródło: REAS.

Wykres 49 Wskaźniki istotne dla konsumenta

Wykres 50 Wskaźnik ROE dewelopera

Źródło: NBP, GUS. Źródło: NBP, Sekocenbud.

-0,200,000,200,400,600,801,00

Wynagrodzenie doceny m kw.

Realne oproc.depozytów GD

ROE dewelopera

ROE banku

Kredytowadostępnośćmieszkania…

Oferta mieszkań nakoniec kwartału

IV kw.2011 IV kw.2012 II kw.2013 benchmark

-5%

0%

5%

10%

15%

20%

25%

2011

I

2011

II

2011

III

2011

IV

2012

I

2012

II

2012

III

2012

IV

2013

I

2013

II

ROE deweloperaROE bankuRealne oprocentowanie depozytu GD

0

10 000

20 000

30 000

40 000

50 000

60 000

I kw

. 200

7

III

kw. 2

007

I kw

. 200

8

III

kw. 2

008

I kw

. 200

9

III

kw. 2

009

I kw

. 201

0

III

kw. 2

010

I kw

. 201

1

III

kw. 2

011

I kw

. 201

2

III

kw. 2

012

I kw

. 201

3

mie

szka

nia

4045505560657075808590

0,40

0,45

0,50

0,55

0,60

0,65

0,70

0,75

IV k

w.2

006

II k

w.2

007

IV k

w.2

007

II k

w.2

008

IV k

w.2

008

II k

w.2

009

IV k

w.2

009

II k

w.2

010

IV k

w.2

010

II k

w.2

011

IV k

w.2

011

II k

w.2

012

IV k

w.2

012

m k

w.

m k

w.

Wynagrodzenie do ceny m kw.(L oś)

Kredytowe dost.mieszk.ważona (P oś)

10%

12%

14%

16%

18%

20%

22%

24%

26%

II k

w.2

008

III k

w.2

008

IV k

w.2

008

I kw

.200

9

II k

w.2

009

III k

w.2

009

IV k

w.2

009

I kw

.201

0

II k

w.2

010

III k

w.2

010

IV k

w.2

010

I kw

.201

1

II k

w.2

011

III k

w.2

011

IV k

w.2

011

I kw

.201

2

II k

w.2

012

III k

w.2

012

IV k

w.2

012

I kw

.201

3

ROE dewelopera

48

Po szoku popytowym z lat 2005-2008 w sektorze uruchomiły się mechanizmy

równoważące. Przywracanie równowagi w sektorze nieruchomości nie jest jednak

zagadnieniem prostym i szybkim, ze względu na jego specyfikę. W 2012 r. stopy zwrotu

sprzyjały produkcji mieszkań i kredytów, natomiast dostępność mieszkania była raczej

niska (współczynnik P/I, ceny do dochodu, równy 5,1 oznacza, że cena mieszkania to

pięciokrotność rocznych dochodów). Można to tłumaczyć nadal wysoką ceną, a częściowo

zbyt wysokimi ambicjami mieszkaniowymi (przy wielkości mieszkania 50 m kw.,

współczynnik spada do bardziej akceptowalnej wielkości 4,2). Również warunki

długookresowego oszczędzania w bankach nie zawsze były korzystne dla oszczędzającego,

jednak zawsze istniała nadpłynność sektora finansowego.

Stopy zwrotu są tylko jedną z przesłanek podejmowania decyzji gospodarczych. Inną

jest wysoki poziom ryzyka ogólnoekonomicznego oraz sektorowego. Do pomiaru tego

drugiego zastosowano najprostsze, powszechnie stosowane mierniki. W przypadku

dewelopera głównym ryzykiem mierzalnym w skali sektora jest ryzyko rynkowe. Jego

poziom najłatwiej mierzyć liczbą niesprzedanych mieszkań lub kontraktów na ich budowę.

Nadmierne zapasy niesprzedanych mieszkań52 grożą problemami płynnościowymi

deweloperów mogącymi prowadzić do kłopotów z wypłacalnością firmy lub spadkiem cen

i bezpośrednim brakiem wypłacalności. Bardziej rozwinięte metody pomiaru ryzyka

sektora, to analiza długookresowych fundamentów rynku (istniejący zasób mieszkań,

demografia, dochody, migracje). Drugim czynnikiem ryzyka jest popyt spekulacyjny.

Powoduje on rozpoczynanie nadmiernej liczby mieszkań, a następnie pojawienie się

problemów z ich sprzedażą.

W przypadku banku ryzyko związane z sektorem mieszkaniowym materializuje się

w ryzyku kredytowym. W rozwiniętym systemie bankowym, np. kraje zachodnie, znaczna

część ryzyka związanego z kredytowaniem nieruchomości mieszkaniowych przyjmuje

postać ryzyka finansowego i jest wynikiem rozbudowanego rynku instrumentów

finansowych i instytucji. W Polsce, pomijając ryzyko finansowe portfeli walutowych,

decydujące znaczenie ma ryzyko kredytowe kredytobiorcy i zabezpieczenia. Istnieje wiele

czynników wpływających na to ryzyko (utrata pracy kredytobiorcy, ogólny spadek cen),

jednak doświadczenia pokazują, że ze względu na cykliczność w znacznej mierze rośnie

ono nieliniowo wraz z przekraczaniem progów LTV=80% i DTI=30%. Ryzyko rynkowe

banku, zwłaszcza związane z DTI, jest też ryzykiem windykacji gospodarstwa domowego.

Większość inwestorów stosuje strategię ekstrapolowania historycznych cen (backward

looking), co powiększa boom popytowy. Jak pokazują dane historyczne z boomu

i późniejszego spowolnienia na rynku, istnieje znaczne ryzyko utraty wartości

nieruchomości stanowiącej zabezpieczenie kredytu. Szczególnie było to widoczne przy

kredytach walutowych, gdzie na spadek wartości mieszkania nakładał się wzrost wartość

kredytu z powodu drastycznej deprecjacji złotego.

52 W warunkach Polski można przyjąć, że zapasy nadmierne to mieszkania oczekujące na sprzedaż

powyżej 1 roku.

49

Wykres 51 Koszty i zyski kapitałowe

i odsetkowe z inwestycji w mieszkania

finansowane kredytem złotowym

Wykres 52 Koszty i zyski kapitałowe

i odsetkowe z inwestycji w mieszkania

finansowane kredytem CHF


Wykres 53 LTV# kohort kredytów PLN

Wykres 54 LTV kohort kredytów w CHF

przeliczonych na PLN

Uwaga: do obliczeń przyjęto 20% udział własny kredytobiorców.


Wykres 55 TDR# kohort kredytów PLN

Wykres 56 TDR kohort kredytów w CHF

przeliczonych na PLN


W krótkim okresie ceny mieszkań zmieniają się cyklicznie. Równocześnie zmiany cen

są też konsekwencją długookresowych zmian strukturalnych (nadmierny, długookresowy

przyrost zasobu, spadek ekonomicznej aktywności regionu, etc.). Kwantyfikacja

związanych z tym czynników ryzyka, możliwych do uchwycenia w postaci mierników

-50%

-40%

-30%

-20%

-10%

0%

10%

20%

30%

40%

2004 2005 2006 2007 2008 2009 2010 2011 2012

real. zm. wartości realna st. proc. wynik

-50%

-40%

-30%

-20%

-10%

0%

10%

20%

30%

40%

2004 2005 2006 2007 2008 2009 2010 2011 2012

realna st. proc. różnica kursowa

real. zm. wartości wynik

20%

40%

60%

80%

100%

120%

140%

2004 2005 2006 2007 2008 2009 2010 2011 2012

zakup w 2004 r. zakup w 2005 r. zakup w 2006 r.


zakup w 2010 r. zakup w 2011 r.

20%

40%

60%

80%

100%

120%

140%

2004 2005 2006 2007 2008 2009 2010 2011 2012




60%

70%

80%

90%

100%

110%

120%

2004 2005 2006 2007 2008 2009 2010 2011 2012




60%

70%

80%

90%

100%

110%

120%

2004 2005 2006 2007 2008 2009 2010 2011 2012




50

syntetycznych, wymaga dalszych badań. Ponieważ zakup mieszkania OOH jest zawsze

w jakimś zakresie inwestycją, szybki spadek ceny mieszkania jest też ryzykiem kupującego.

Wzrost LTV może być też konsekwencją wzrostu wartości kredytu, w zależności od

stosowanych instrumentów kredytowych (w Polsce są to kredyty denominowane, ale też

kredyty indeksowane lub kredyty z odroczoną płatnością).

Analiza procesów arbitrażu# w sektorze pokazuje, że różnice pomiędzy cenami

mieszkań na rynku pierwotnym i wtórnym na analizowanych rynkach nie były znaczące

i były w pełni wytłumaczalne. W małych miastach rynek pierwotny oferował mieszkania

lepsze jakościowo od już istniejących (stąd ich wyższe ceny), a dodatkowo ogólny poziom

cen był niski (efekt niskich lokalnych dochodów). W większych miastach relacje te układały

się stosownie do standardu mieszkań w istniejącym zasobie, sytuacji na rynku

deweloperskim i ocenach ryzyka dewelopera. Sytuacji tej nie zmieniło znacząco

ograniczenie programu RNS do rynku pierwotnego. Warto pamiętać, że istniejący w latach

90. program tzw. dużej ulgi mieszkaniowej spowodował praktycznie całkowitą jej

kapitalizację w cenie mieszkania.

Wykres 57 Limity RNS na RP dla Warszawy, 6

i 10 miast

Wykres 58 Koszt własności a koszt czynszu

ważony strukturą walutową kwartalnej zmiany

kredytu mieszk.

Źródło: BGK. Uwaga: czerwona linia oddziela wartości ważone

strukturą walutową kwartalnej zmiany kredytu

mieszkaniowego od wyłącznie złotowych

występujących od 2012 r.

Źródło: NBP, GUS.

Podobnie, tendencje do równoważenia się rynków można zaobserwować analizując

arbitraż pomiędzy wynajmem i zakupem mieszkania. Pomimo ryzyka związanego

z ustawą o ochronie lokatora poziom czynszów znajduje się poniżej kosztów własności

mieszkania, która to sytuacja zazwyczaj powoduje dodatkowy wzrost popytu, a jest

sytuacją przejściową (inaczej wszyscy budowaliby mieszkania).

Warto jednak zwrócić uwagę, że w warunkach dominacji kredytów denominowanych

w walutach obcych relacja ta wyglądała odwrotnie, akcelerując bańkę na rynku

mieszkaniowym.

2 000

3 000

4 000

5 000

6 000

7 000

8 000

9 000

10 000

I kw

.200

7

III

kw.2

007

I kw

.200

8

III

kw.2

008

I kw

.200

9

III

kw.2

009

I kw

.201

0

III

kw.2

010

I kw

.201

1

III

kw.2

011

I kw

.201

2

III

kw.2

012

Warszawa 6 MIAST 10 MIAST 16 MIAST

0,4

0,6

0,8

1,0

1,2

1,4

1,6

1,8

2,0

III

kw

.2006

I kw

.2007

III

kw

.2007

I kw

.2008

III

kw

.2008

I kw

.2009

III

kw

.2009

I kw

.2010

III

kw

.2010

I kw

.2011

III

kw

.2011

I kw

.2012

III

kw

.2012

I kw

.2013



51

Wykres 59 Koszt własności a czynsz dla

kredytów frankowych

Wykres 60 Stopy zwrotu a czynsze mieszk.,

komercyjne oraz bony skarbowe 5 letnie


W związku z ryzykiem generowanym przez ustawę o ochronie lokatorów rynek

czynszowy jest płytki, zmienny i trudno kwantyfikowalny (często jest to szara strefa).

Arbitraż pomiędzy rynkiem OOH i czynszowym funkcjonuje poprzez porównanie

wysokości czynszów i kosztów odsetkowych kredytu (w najprostszym rachunku) oraz

opłacalności wynajmu na tle innych, alternatywnych inwestycji. Zestawienie osiąganych na

nim stóp zwrotu w relacji do rentowności bonów skarbowych, depozytów oraz

nieruchomości komercyjnych pokazuje na dużą zmienność parametrów. Stopy zwrotu

z wynajmu są zazwyczaj wyższe od stóp zwrotu z depozytów, jednak dopiero od 2011 r. są

wyższe od rentowności bonów skarbowych, co powinno być regułą. Również w 2011 r.

doszło do wyrównania stóp zwrotu z wynajmu i kosztów kredytu, co w warunkach braku

ustawy o ochronie klienta dewelopera zapowiadało by mały boom i utrzymywane dłużej

mogłoby prowadzić, do ryzyko bańki w sektorze. Jednak krótkookresowo jest to narzędzie

pobudzania popytu w sektorze.

Bibliografia:

Augustyniak, H., J., Łaszek K. Olszewski i J. Waszczuk (2013), Modeling of cycles in the

residential real estate markets – interactions between the primary and the secondary market

and multiplier effects, National Bank of Poland Working Paper 143.

0,2

0,4

0,6

0,8

1,0

1,2

1,4

III

kw

.20

06

I kw

.20

07

III

kw

.20

07

I kw

.20

08

III

kw

.20

08

I kw

.20

09

III

kw

.20

09

I kw

.20

10

III

kw

.20

10

I kw

.20

11

III

kw

.20

11

I kw

.20

12

III

kw

.20

12

I kw

.20

13



0,4

0,6

0,8

1,0

1,2

1,4

1,6

1,8

2,0

III

kw

.2006

I kw

.2007

III

kw

.2007

I kw

.2008

III

kw

.2008

I kw

.2009

III

kw

.2009

I kw

.2010

III

kw

.2010

I kw

.2011

III

kw

.2011

I kw

.2012

III

kw

.2012

I kw

.2013

wynajem do depozytów GD wynajem do kred.mieszk.GD

wynajem do obligacji 5l. wynajem do stopy kapitał.nier.kom.

52

Słownik pojęć i skrótów AMRON – System Analiz i Monitorowania Rynku Obrotu Nieruchomościami.

Arbitraż - Transakcja kupna/sprzedaży towarów, papierów wartościowych lub

mieszkania, umożliwiająca uzyskanie zysku bez ponoszenia ryzyka. Istotą arbitrażu jest

zauważenie różnicy cen tego samego produktu na różnych rynkach lub na tym samym

rynku, ale pod różnymi postaciami. W przypadku, gdy owa różnica jest większa od

kosztów transakcyjnych, inwestor osiąga zysk kupując produkt na rynku tańszym,

a sprzedając na droższym.

BaRN – Baza Rynku Nieruchomości. Baza danych zawierająca dane o cenach

ofertowych i transakcyjnych mieszkań na rynkach pierwotnych i wtórnych oraz

o rynkowych stawkach najmu w 16 miastach stolicach województw. Dane pochodzą od

pośredników, spółdzielni mieszkaniowych oraz deweloperów dobrowolnie biorących

udział w badaniu, a częściowo także powiatowych Rejestrów Cen i Wartości

Nieruchomości. Dane są gromadzone i weryfikowane przez oddziały okręgowe NBP.

BIK – Biuro Informacji Kredytowej.

Centrum handlowe – nieruchomość handlowa, która została zaplanowana,

zbudowana oraz jest zarządzana jako jeden podmiot handlowy. Składa się ona ze

wspólnych części o minimalnej powierzchni najmu (GLA) 5000 m kw. oraz zawiera

minimum 10 sklepów.

D/I – (ang. Disposable Income) dochód do dyspozycji brutto gospodarstw domowych.

Dostępność kredytu – miara określająca krotność miesięcznego wynagrodzenia

w sektorze przedsiębiorstw na danym rynku z uwzględnieniem wymogów kredytowych

banku i parametrów kredytu (stopa procentowa, okres amortyzacji, minimalne

wynagrodzenie jako minimalny dochód po spłacie rat kredytowych). Znaczenie

informacyjne ma tempo zmian i zróżnicowanie regionalne a nie wysokość wskaźnika.

Dostępność mieszkania – miara potencjalnej możliwości zakupu powierzchni

mieszkania w cenie ofertowej za przeciętne wynagrodzenie. Wyraża liczbę metrów

kwadratowych mieszkania możliwych do nabycia za przeciętne wynagrodzenie w sektorze

przedsiębiorstw w danym mieście (GUS) przy przeciętnej cenie ofertowej na danym rynku

(PONT Info).

DTI – (ang. Debt to Income) – wskaźnik określający wysokość spłaty kredytu do

przeciętnego dochodu do dyspozycji brutto gospodarstw domowych.

Dziesięć miast – Białystok, Bydgoszcz, Katowice, Kielce, Lublin, Olsztyn, Opole,

Rzeszów, Szczecin, Zielona Góra.

Dźwignia finansowa - relacja zobowiązań i rezerw na zobowiązania do kapitału

własnego.

PONT– baza danych o cenach ofertowych nieruchomości mieszkaniowych,

gromadzona przez firmę PONT Info Nieruchomości.

Globalna zdolność kredytowa – miara określająca, jaka jest łączna zdolność

kredytowa (kredyty mieszkaniowe) wszystkich gospodarstw domowych w miastach

w Polsce. Kalkulowana jest na podstawie indywidualnych dochodów do dyspozycji

53

gospodarstw domowych (budżety gospodarstw domowych GUS) oraz wymogów

kredytowych banku i parametrów kredytu.

Indeks hedoniczny cen mieszkań – odzwierciedla „czystą” cenę, tj. wynikającą

z innych czynników niż różnice w jakości mieszkań. Analizowana jest zawsze cena

wystandaryzowanego mieszkania przeciętnego dla danego rynku, stworzonego na

podstawie modelu ekonometrycznego. Indeks koryguje średnią cenę z próby badawczej

o zmianę jakości mieszkań znajdujących się w tej próbie w każdym z okresów. Odróżnia się

tym od dynamiki średniej ceny czy mediany w próbie, która reagowałaby silnie na zmianę

kompozycji próby, np. zwiększeniem ceny wobec większej liczby mieszkań małych

z wyższą ceną m kw. 53.

Kredytowa dostępność mieszkania – miara określająca liczbę metrów kwadratowych

mieszkania w średniej cenie ofertowej na danym rynku (PONT Info), która można zakupić

z wykorzystaniem kredytu mieszkaniowego uzyskanego w oparciu o przeciętne

miesięczne wynagrodzenie w sektorze przedsiębiorstw na danym rynku (GUS),

z uwzględnieniem parametrów kredytu (stopa procentowa, okres amortyzacji, minimalna

pensja, jako minimalny dochód po spłacie rat kredytowych) i wymogów kredytowych

banku. Znaczenie informacyjne ma tempo zmian indeksu i rozpiętości pomiędzy rynkami.

LTV – (ang. Loan to Value), wskaźnik określający wysokości udzielanego kredytu lub

pożyczki do wartości zabezpieczeń spłaty tego kredytu.

Małe i duże firmy deweloperskie – spółki deweloperskie podlegające analizie

wyodrębnione na podstawie numeru PKD2007. Dokonano ich podziału na duże oraz małe

firmy, biorąc pod uwagę zarówno liczbę zatrudnionych, jak i wielkość przychodów. Firmy

zatrudniające mniej niż 50 pracowników traktowane są jako małe, pozostałe są dużymi

firmami.

Mieszkanie dla Młodych (MDM) – opracowywany rządowy program wspierania

budownictwa mieszkaniowego poprzez dopłaty do kredytu mieszkaniowego. Zgodnie

z założeniami program ma wejść w życie na początku 2014 r.

MDR - (ang. Mortgage Debt Ratio) wskaźnik określający procentowy udział spłat

kredytów mieszkaniowych w budżecie kredytobiorcy.

Miasta 200-500 - wszystkie miasta w Polsce o liczbie ludności od 200 do 500 tysięcy.

Obiekt 1121 – budynek mieszkalny, wielorodzinny, pięciokondygnacyjny, na

podstawie którego bank centralny od 2004 r. monitoruje koszt budowy metra

kwadratowego powierzchni użytkowej przeciętnego mieszkania (patrz Biuletyny Cen

Obiektów Budowlanych firmy Sekocenbud).

OOH – (ang. Owner Occupied Housing) mieszkania posiadane i zamieszkałe przez

właściciela.

53 Więcej informacji w artykule M. Widłak (2010) „Metody wyznaczania hedonicznych indeksów cen

jako sposób kontroli zmian jakości dóbr”, Wiadomości Statystyczne nr 9.

http://pl.wikipedia.org/wiki/J%C4%99zyk_angielski

http://pl.wikipedia.org/wiki/Kredyt_bankowy

http://pl.wikipedia.org/wiki/Po%C5%BCyczka

54

P/I – (ang. Price to Income), wskaźnik określający w latach relację wysokość ceny

przeciętnego mieszkania na danym rynku do przeciętnego rocznego dochodu do

dyspozycji.

Podnajem – (inaczej najem okazjonalny) oznacza proces czasowego udostępniania

przez właściciela mieszkania, całości nieruchomości lub jej części, za ustaloną odpłatność.

PAB – Polska Agencja Badawcza Budownictwa.

Racjonowanie kredytu (ang. Credit Rationing) – oznacza ograniczanie przez banki

udzielania kredytu w związku z ich własną oceną rosnącego ryzyka. W specyficznych

sytuacjach może to powodować spadki wartości nowo udzielanego kredytu pomimo braku

istotnych zmian bieżącej zdolności kredytowej podmiotu, co może prowadzić do

samosprawdzającej się prognozy.

Rekomendacja S – stanowi zbiór zasad dobrych praktyk dotyczących ekspozycji

kredytowych zabezpieczonych hipoteką. Została wprowadzona w 2006 r. przez Komisję

Nadzoru Bankowego wydana na podstawie art. 137 pkt 5 ustawy - Prawo bankowe (Dz. U.

z 2002 r. Nr 72, poz. 665 z późniejszymi zmianami).

Rekomendacja T - dotyczy dobrych praktyk w zakresie zarządzania ryzykiem

detalicznych ekspozycji kredytowych. Została wprowadzona w 2010 r. przez Komisję

Nadzoru Finansowego wydana na podstawie art. 137 pkt 5 ustawy - Prawo bankowe (Dz.

U. z 2002 r. Nr 72, poz. 665 z późniejszymi zmianami).

Rodzina na Swoim (RNS) – rządowy program wspierania budownictwa

mieszkaniowego poprzez dopłaty do odsetek od kredytów mieszkaniowych zakończony

w końcu 2012 r.

SARFIN – System Analiz Rynku Finansowania Nieruchomości.

Sekocenbud – wydawnictwo gromadzące dane o kosztach w budownictwie. Zespół

korzysta z kwartalnych zeszytów Biuletyn Cen Obiektów Budowlanych BCO, część I,

obiekty kubaturowe.

Standard nieruchomości biurowych – powierzchnię biurową klasyfikuje się według

standardu, który ona oferuje. Klasyfikacja zależy od wieku budynku, lokalizacji,

możliwości przekształcania powierzchni według potrzeb najemcy, specyfikacji technicznej

(np. podnoszonych podłóg oraz podwieszanych sufitów), parkingów podziemnych

i naziemnych oraz innych czynników, które są ważne z punktu widzenia najemcy.

Stopa kapitalizacji - iloraz dochodu operacyjnego netto, możliwego do uzyskania na

rynku, i ceny rynkowej nieruchomości (zgodnie z Powszechnymi Krajowymi Zasadami

Wyceny).

Sześć miast – Gdańsk, Łódź; Kraków, Poznań, Warszawa, Wrocław, (w przypadku

siedmiu miast dodatkowo jest uwzględniana Gdynia).

TBS – Towarzystwo Budownictwa Społecznego jest firmą działającą w oparciu

o Ustawę z dnia 26 października 1995 r. o niektórych formach popierania budownictwa

mieszkaniowego (tekst jednolity Dz. U. z 2000 r. Nr 98, poz. 1070 ze zm.), której

przedmiotem działania jest budowanie domów mieszkalnych i ich eksploatacja na

zasadach najmu, świadczenie usług zarządzania i administrowania oraz prowadzenie

działalności związanej z budownictwem mieszkaniowym i infrastrukturą towarzyszącą.

W założeniu oferta TBS-ów jest skierowana dla niezamożnych rodzin, którzy mogą

http://pl.wikipedia.org/wiki/J%C4%99zyk_angielski

55

korzystać z dotowanego przez budżet państwa kredytu z Krajowego Funduszu

Mieszkaniowego (KFM). Lokatorzy płacą czynsz, który z reguły jest wyższy niż

w czynszówkach komunalnych (ponieważ z tego czynszu spłacany jest kredyt), ale niższy

od rynkowego.

TDR - (ang. Total Debt Ratio) wskaźnik określający procentowy udział spłat kredytów

w budżecie kredytobiorcy.

Wskaźnik pustostanów (ang. Vacancy Rate)– relacja niewynajętej powierzchni do

skumulowanej (całkowitej) podaży powierzchni nieruchomości komercyjnych w danej

lokalizacji, np. mieście lub dzielnicy.

Wskaźniki rentowności – ROA (ang. Return on Assets) – relacja wyniku netto do

aktywów na koniec okresu, ROE (ang. Return on Equity) – relacja wyniku netto do kapitału

własnego na koniec okresu, rentowność sprzedaży netto – zysk netto w relacji do

dochodów ze sprzedaży.

Wynajem profesjonalny – proces wynajmowania powierzchni mieszkalnej specjalnie

w tym celu zbudowanej; właścicielem zasobu na wynajem może być zarówno podmiot

prawny (gmina, samorząd, fundusz nieruchomościowy), jak i osoba fizyczna; w Polsce

rynek ten jest niewielki i zdekapitalizowany.

ZBP – Związek Banków Polskich.

56

Część II. Opracowania analityczne

A1 Procesy konwergencji i różnicowania rynków lokalnych oraz zmiany strukturalne (porównanie 16 rynków w Polsce)

Grażyna Baldowska54, Robert Leszczyński55, Barbara Myszkowska54

Sektor nieruchomości mieszkaniowych w Polsce, choć często analizowany jako całość,

jest rynkiem niejednorodnym i znacznie zróżnicowanym w poszczególnych 16 miastach

wojewódzkich. W celu uchwycenia zbieżności i jednakowych tendencji zachodzących na

lokalnych rynkach wojewódzkich przeprowadzono analizę skupień. Grupowanie miast na

podstawie przyjętych kryteriów (tj. wskaźników odzwierciedlających sytuację

mieszkaniową, skalę budownictwa, cenę mieszkań, czynników fundamentalnych,

wskaźników obciążenia demograficznego w poszczególnych ośrodkach) okazało się,

podobnie jak w latach ubiegłych, zadaniem trudnym (por. wykres 61 - wykres 66).

Wprawdzie, w zależności od zmiennych kategoryzujących rynki, wyodrębniono grupy

miast o podobnych tendencjach bądź podobnej strukturze, to nie udało się uzyskać

jednorodnego podziału (każda segregacja dawała inne wyniki). Dodatkowym czynnikiem

znacznie utrudniającym analizę i grupowanie miast były zmiany strukturalne zachodzące

w obrębie danego rynku. Całość zmian na rynku powodowała, że nawet uwzględnienie

tych samych zmiennych kategoryzujących w kolejnych latach przełożyło się na inne wyniki

grupowania. Wzorem lat ubiegłych analiza wszystkich ośrodków wojewódzkich

potwierdziła, że najbardziej trwały okazał się podział ogółu miast ze względu na liczbę

ludności tj. 7 miast powyżej 400 tys. mieszkańców (Gdańsk, Kraków, Łódź, Poznań,

Szczecin, Warszawa, Wrocław) oraz pozostałe 9 miast z mniejszą liczbą ludności: Białystok,

Bydgoszcz, Katowice, Kielce, Lublin, Olsztyn, Opole, Rzeszów, Zielona Góra.

W dwóch grupach analizowanych miast w 2012 r., na skutek pogorszenia większości

czynników fundamentalnych demograficznych, odnotowano nieznaczną poprawę sytuacji

mieszkaniowej. Regionalne rynki charakteryzowały się stabilizacją zjawisk obserwowanych

w okresie ostatnich dwóch lat i wyróżniały się niską aktywnością kupujących. Niewielkie

ożywienie odnotowane w ostatnim kwartale 2012 r. wynikało z kończącego się terminu

funkcjonowania rządowego programu „Rodzina na swoim” (RNS), a nie z poprawy

nastrojów na rynku mieszkaniowym. W miastach wojewódzkich rynek pierwotny, wzorem

lat ubiegłych, cechował się większą chęcią zmniejszania cen niż rynek wtórny. Na wielu

regionalnych rynkach cena nominalna powróciła do poziomu notowanego przed boomem,

czyli w 2007 r. (na niektórych nawet w 2006 r.) i to zarówno na rynku pierwotnym, jak

i wtórnym.

54 Oddział okręgowy Narodowego Banku Polskiego w Warszawie. 55 Oddział okręgowy Narodowego Banku Polskiego w Białymstoku.

57

Zmieniająca się sytuacja konsumentów na rynku nieruchomości w 2012 r. nie miała

przełożenia na ocenę rynku mieszkaniowego w relacji do 2011 roku, natomiast

w perspektywie 5 lat widać zachodzące zmiany (por. wykres 67 - wykres 68).

Uwzględnienie w analizie56 danych za 2012 r. ceny m. kw. mieszkania, ludności miasta,

stopy bezrobocia, wynagrodzenia oraz dostępności mieszkania, wskazały na pierwszych

dwóch pozycjach miasta: Katowice (w którym odnotowano relatywnie niskie ceny

i wysokie wynagrodzenia) oraz Warszawę (z niską stopą bezrobocia oraz wysokim

poziomem płac). O trzecie miejsce konkurowały: Gdańsk z Poznaniem. Na drugim końcu

skali znalazły się: Białystok (który oddala się od kolejnych miast w rankingu) oraz Kielce,

Lublin i Rzeszów. W środku rankingu nie zaobserwowano znaczących zmian, ale

w porównaniu do 2011 r. zróżnicowanie sytuacji konsumentów było bardziej widoczne (tj.

w 2012 r. „środek skali” był bardziej rozproszony). Wykres 61. Diagram drzewa sytuacji

mieszkaniowej w miastach wojewódzkich

(przec. pow. mieszkania, pow. użytkowa na

osobę, przec. liczbę izb w mieszkaniu, przec.

liczba osób w mieszkaniu) w 2012 r.

Wykres 62. Diagram drzewa dla danych

demograficznych (przyrost naturalny, saldo

migracji, małżeństwa na 1000 ludności) miast

wojewódzkich w 2012 r.

Źródło: GUS, NBP Źródło: GUS, NBP

Wykres 63 Diagram drzewa dla struktury

ludności (w wieku przedprodukcyjnym,

produkcyjnym i poprodukcyjnym)

w miastach wojewódzkich w 2012 r.

Wykres 64 Diagram drzewa dla czynników

ekonomicznych i demograficznych (stopa

bezrobocia i saldo migracji na 1000 ludności)

w miastach wojewódzkich w 2012 r.

Źródło: GUS, NBP. Źródło: GUS, NBP.

56 Analiza została dokonana metodą porządkowania obiektów wielocechowych (ustalania rankingu) i

polega na wyznaczaniu hierarchii liniowej ze względu na uwzględnione zmienne oraz zsumowaniu ich

wartości zunitaryzowanych i podzieleniu przez liczbę zmiennych.

0 5 10 15 20

Odległość wiąz.

Rzeszów

Poznań

Opole

Warszawa

Wrocław

Zielona Góra

Szczecin

Łódź

Bydgoszcz

Kraków

Katowice

Kielce

Lublin

Gdańsk

Olsztyn

Białystok

0 5 10 15 20 25

Odległość wiąz.

Łódź

Lublin

Poznań

Kielce

Katowice

Opole

Bydgoszcz

Warszawa

Rzeszów

Szczecin

Wrocław

Kraków

Zielona Góra

Gdańsk

Olsztyn

Białystok

0 2 4 6 8 10 12 14 16

Odległość wiąz.

Warszawa

Łódź

Katowice

Zielona Góra

Lublin

Wrocław

Opole

Poznań

Szczecin

Kraków

Kielce

Gdańsk

Bydgoszcz

Olsztyn

Rzeszów

Białystok

0 5 10 15 20

Odległość wiąz.

Warszawa

Rzeszów

Wrocław

Kraków

Gdańsk

Poznań

Katowice

Zielona Góra

Olsztyn

Opole

Bydgoszcz

Łódź

Lublin

Kielce

Szczecin

Białystok

58

Wykres 65 Diagram drzewa dla efektów

budownictwa mieszkaniowego (mieszkania

oddane do użytkowania na 1000 ludności i

na 1000 zawartych małżeństw) w miastach


Wykres 66 Diagram drzewa dla dynamiki

kwartalnej cen (transakcje sprzedaży

mieszkań na rynku wtórnym) w miastach


Źródło: GUS, NBP. Źródło: NBP.

Wykres 67. Sytuacja konsumentów na rynku

mieszkaniowym w miastach wojewódzkich

w 2007 r.

Wykres 68. Sytuacja konsumentów na rynku

mieszkaniowym w miastach wojewódzkich

w 2012 r.


Sytuacja mieszkaniowa w 16 miastach wojewódzkich

Sytuacja mieszkaniowa miast wojewódzkich Polski w 2012 r., w stosunku do 2011 r.

uległa nieznacznej poprawie (por. wykres 69 - wykres 76). W skali kraju korzystniejsze

wskaźniki nasycenia mieszkań w ośrodkach wojewódzkich były wynikiem większej,

w porównaniu do innych regionów Polski, aktywności inwestorów realizujących nowe

inwestycje mieszkaniowe oraz występującemu w niewielkim stopniu procesowi wyburzeń

i zmian przeznaczenia lokali. Wskaźniki zaspokojenia potrzeb mieszkaniowych były

korzystniejsze w przypadku siedmiu największych pod względem liczby ludności miast

wojewódzkich, niż w grupie dziewięciu mniejszych ośrodków i zbliżyły się do poziomu

państw Europy Zachodniej. Należy łączyć to z korzystniejszymi czynnikami

fundamentalnymi na tych rynkach.

Wstępne wyniki NSP 2011 r. potwierdziły zróżnicowanie miast wojewódzkich pod

względem struktury wieku zasobu mieszkaniowego. W większości ośrodków dominowały

0 1000 2000 3000 4000 5000 6000

Odległość wiąz.

Warszawa

Rzeszów

Wrocław

Kraków

Gdańsk

Opole

Zielona Góra

Łódź

Kielce

Katowice

Bydgoszcz

Olsztyn

Lublin

Szczecin

Poznań

Białystok

0 5 10 15 20 25 30

Odległość wiąz.

Zielona Górna

Rzeszów

Opole

Katowice

Łódź

Szczecin

Warszawa

Olsztyn

Bydgoszcz

Poznań

Kraków

Wrocław

Kielce

Lublin

Gdańsk

Białystok

59

mieszkania wybudowane w latach 1971-1988. Wyjątek stanowiły Warszawa i Kraków,

gdzie w strukturze zasobu przeważały lokale mieszkalne wzniesione w latach 1945-1970.

W pięciu ośrodkach, tj.: w Katowicach, Łodzi, Opolu, Szczecinie i Wrocławiu wysoki udział

w strukturze zasobu miały mieszkania z okresu przedwojennego. Udział nowych

budynków mieszkalnych tj. wybudowanych po 2003 r. był niewielki i wyniósł od 3,5%

w Łodzi do 14,5% w Warszawie. W ośrodkach wojewódzkich najliczniejszą grupę

w zasobie tworzyły mieszkania o powierzchni użytkowej 40-79 m kw. Dość dużą

liczebność miały również małe lokale mieszkalne, tj. o metrażu do 39 m kw. W Warszawie,

Łodzi i Krakowie było to co trzecie mieszkanie, w pozostałych miastach wojewódzkich

(z wyjątkiem Opola) był to co czwarty lokal.

W latach 2013-2014 powinien nastąpić wzrost liczby mieszkań w zasobie w efekcie

ukończenia nowych inwestycji mieszkaniowych oraz odnotowanej niewielkiej skali

ubytków lokali. Ze względu na dostosowywanie przez deweloperów oferty podażowej do

warunków rynkowych, tj. realizowanie mniejszych pod względem metrażu inwestycji

mieszkaniowych, możliwe jest spowolnienie poprawy wskaźników przedstawiających

sytuację mieszkaniową (np. wskaźnika przeciętnej powierzchni użytkowej mieszkania).

Wykres 69. Zasób mieszkaniowy na 1000

ludności w 7 miastach

Wykres 70. Zasób mieszkaniowy na 1000


Źródło: GUS. Źródło: GUS.

Wykres 71. Przeciętna powierzchnia

użytkowa mieszkania w zasobie (w m kw.)

w 7 miastach


użytkowa mieszkania w zasobie (w m kw.)

w 9 miastach


300

320

340

360

380

400

420

440

460

480

500

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

mie

szk

an

ia/1

00

0 lu

dn

ośc

i

Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław

300320340360380400420440460480500

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2mie

szk

an

ia/1

00

0 lu

dn

ośc

i

Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona Góra

50

52

54

56

58

60

62

64

66

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

m k

w/m

iesz

ka

nie


50

52

54

56

58

60

62

64

66

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

m k

w/m

iesz

ka

nie


60


użytkowa mieszkania w zasobie na osobę

w 7 miastach


użytkowa mieszkania w zasobie na osobę

w 9 miastach


Wykres 75. Przeciętna liczba osób

w mieszkaniu w 7 miastach

Wykres 76. Przeciętna liczba osób

w mieszkaniu w 9 miastach


Czynniki demograficzne w 16 miastach wojewódzkich

Rok 2012 był kolejnym rokiem, w którym pogorszeniu uległa sytuacja demograficzna

większości miast wojewódzkich Polski. Fundamentalne czynniki demograficzne związane

z procesem usamodzielniania się roczników z drugiego powojennego wyżu

demograficznego, uległy osłabieniu. W ich następstwie w większości regionalnych

ośrodków pogorszeniu uległy wskaźniki: zawieranych małżeństw (por. wykres 81 –

wykres 82) i przyrostu naturalnego (por. wykres 77 - wykres 78). Pozytywnym aspektem

było poprawienie się wskaźnika salda migracji w większych miastach (por. wykres 79 -

wykres 80). Mogło mieć to związek z występującym spowolnieniem gospodarczym

i przenoszeniem się ludności z innych regionów Polski dotkniętych wyższym poziomem

stopy bezrobocia, niż w ośrodkach wojewódzkich. Spadek liczby ludności wiązał się często

ze zjawiskiem osiedlania się mieszkańców dużych miast w miejscowościach tworzących

aglomeracje. Pomimo pozytywnych tendencji w większych miastach w mniejszych

ośrodkach nadal notowano ujemne saldo migracji.

Wskaźniki obciążenia demograficznego miast wojewódzkich Polski odzwierciedlają

postępujący proces starzenia się społeczeństwa. W perspektywie ostatnich dwóch lat

odnotowano wzrost odsetka osób w wieku poprodukcyjnym i spadek (z wyjątkiem

Katowic) w wieku produkcyjnym. W 2012 r., w porównaniu do 2011 r., odsetek osób

18192021222324252627282930

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

m k

w/n

a o

sob

ę


181920212223242526272829

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

m k

w/n

a o

sob

ę


2,0

2,2

2,4

2,6

2,8

3,0

3,2

3,4

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

liczb

a o

sób


2,0

2,2

2,4

2,6

2,8

3,0

3,2

3,4

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

liczb

a o

sób


61

w wieku przedprodukcyjnym nieznacznie wzrósł w sześciu miastach, w kolejnych sześciu

ośrodkach zmalał, a w czterech przypadkach utrzymał się na zbliżonym poziomie, nie

wykazując tym samym jednakowego trendu.

Wykres 77. Przyrost naturalny na 1000


Wykres 78. Przyrost naturalny na 1000



Wykres 79. Saldo migracji na 1000 ludności

w 7 miastach

Wykres 80. Saldo migracji na 1000 ludności

w 9 miastach


Wykres 81. Małżeństwa na 1000 ludności w 7

miastach

Wykres 82. Małżeństwa na 1000 ludności w 9

miastach

Źródło: GUS Źródło: GUS

-7-6-5-4-3-2-101234

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2


Poznań Szczecin Warszawa

Wrocław

-7-6-5-4-3-2-101234

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

Białystok Bydgoszcz Katowice

Kielce Lublin Olsztyn

Opole Rzeszów Zielona Góra

-7-6-5-4-3-2-10123456

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2



Wrocław

-7-6-5-4-3-2-10123456

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2


3,5

4,0

4,5

5,0

5,5

6,0

6,5

7,0

7,5

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2


3,5

4,0

4,5

5,0

5,5

6,0

6,5

7,0

7,5

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2




62

Wykres 83. Dynamika wskaźników wieku

2012/2002 w 7 miastach

Wykres 84. Dynamika wskaźników wieku

2012/2002 w 9 miastach


Czynniki ekonomiczne w 16 miastach wojewódzkich

Wpływ czynników ekonomicznych na rozmiary popytu na nieruchomości

mieszkaniowe w większości miast wojewódzkich Polski w 2012 r. był mniej korzystny

w porównaniu do roku poprzedniego. Wprawdzie w grupie małych jak i dużych ośrodków

odnotowano wzrost przeciętnego wynagrodzenia w wymiarze nominalnym, jednak po

uwzględnieniu wskaźnika CPI, realnie były one wyższe tylko w pięciu miastach (rok

wcześniej w 11 ośrodkach). Skala wzrostu była niewielka i wynosiła w zależności od miasta

od kilku do kilkudziesięciu złotych. Podobnie jak w 2011 r., wyższy poziom przeciętnego

wynagrodzenia odnotowano w ośrodkach z największą liczbą mieszkańców (por. wykres

89 - wykres 90). Wyjątek stanowiły Katowice, w których najwyższy poziom płac w skali

kraju był generowany przez wynagrodzenia w górnictwie.

W 2012 r. pogorszeniu uległa sytuacja na rynku pracy. W 16 miastach odnotowano

wzrost stopy bezrobocia w relacji do 2011 r., co należy wiązać z utrzymującym się

spowolnieniem gospodarczym (por. wykres 85 - wykres 86). Bezrobocie na rynkach

wojewódzkich nadal było niższe od średniego poziomu notowanego dla całego kraju.

Pozytywnym sygnałem na rynku pracy w większości miast wojewódzkich (z wyjątkiem

Krakowa i Katowic) było utrzymanie się zapoczątkowanego w 2010 r. trendu stopniowego

zmniejszania się udziału grupy wiekowej do 34 roku życia w strukturze bezrobotnych (por.

wykres 87 - wykres 88).

W 2012 r. poprawił się wskaźnik dostępności mieszkania, w wyniku wzrostu

przeciętnego wynagrodzenia i spadku średniorocznej ceny mieszkania (por. wykres 91 -

wykres 94). Podobnie jak w latach ubiegłych, pod względem dostępności lokali, wyróżniały

się Katowice. W mieście tym nadal utrzymywał się wysoki poziom przeciętnego

wynagrodzenia, przy jednocześnie występujących niskich cenach mieszkań.

W omawianym okresie odnotowano pogorszenie (r/r) potencjalnej dostępności

złotowego kredytu mieszkaniowego w 16 miastach wojewódzkich (por. wykres 95 - wykres

96). Wpływ na ograniczenie kredytowania miała restrykcyjna polityka kredytowa banków

(związana z nowelizacją rekomendacji S) oraz wyższy poziom marż banków. W 2012 r.,

pomimo pogorszenia dostępności kredytu złotowego, w większości ośrodków

0

50

100

150

Gd

ań

sk

Kra

kó

w

Łó

dź

Po

zn

ań

Sz

cze

cin

Wa

rsz

awa

Wro

cław

produkcyjnym przedprodukcyjnym

poprodukcyjnym

0

50

100

150

Bia

łyst

ok

By

dg

osz

cz

Kat

ow

ice

Kie

lce

Lu

bli

n

Ols

zty

n

Op

ole

Rz

eszó

w

Zie

lon

a G

óra

produkcyjnym przedprodukcyjnympoprodukcyjnym

63

wojewódzkich, za kredyt można było kupić większe mieszkanie. Świadczy o tym poprawa

miernika kredytowej dostępności lokalu (por. wykres 97 i wykres 98). Wpływ na to miała

dodatnia dynamika wynagrodzeń oraz spadek cen lokali mieszkalnych.

W większości omawianych miast (z wyjątkiem Białegostoku, Olsztyna i Rzeszowa)

poziom wypłat kredytów mieszkaniowych na koniec 2012 r. w relacji do poprzedniego

roku uległ znacznemu zmniejszeniu. Przyczyniły się do tego niekorzystne tendencje na

rynku kredytowym oraz mniejsza skala popytu na kredyt będąca wynikiem pogorszenia

nastojów społecznych. Mniejszy roczny wzrost zadłużenia wystąpił również w przypadku

preferencyjnego kredytu udzielanego w ramach rządowego programu RNS. Mniejsze

zainteresowanie tym kredytem w okresie trzech pierwszych kwartałów 2012 r., podobnie

jak w IV kw. 2011 r., było spowodowane zmniejszeniem progów ceny m kw. mieszkania,

warunkujących dopłatę do odsetek od kredytu. Skalę niedopasowania wysokości limitu

RNS względem mediany cen transakcyjnych prezentują wykresy od 103 do 106.

Zwiększony popyt na kredyt z rządową dopłatą na wszystkich rynkach wojewódzkich w

IV kw. 2012 r. był efektem kończącego się okresu jego funkcjonowania z dniem 31 grudnia

2012 r. Pomimo niższych limitów cen do końca ub.r. przyjęto liczne wnioski o

dofinansowanie57. W I kw. 2013 r. z kredytu preferencyjnego skorzystało więcej

gospodarstw domowych niż w analogicznym okresie 2012 r.

Ostatnie obniżki stóp procentowych dokonane przez Radę Polityki Pieniężnej będą

oddziaływały pozytywnie na sytuację na rynku kredytów hipotecznych w 2013 r. Działania

te powinny ułatwić dostęp do kredytów hipotecznych. Na ożywienie popytu na kredyty

hipoteczne może także wpłynąć program „Dopłat do kredytów na budowę domów

energooszczędnych” zatwierdzony przez Narodowy Fundusz Ochrony Środowiska

i Gospodarki Wodnej, którego wdrożenie przewidziane jest w 2013 r. Z programu będą

mogły skorzystać osoby fizyczne, nabywające mieszkanie w budynku wielorodzinnym

energooszczędnym albo pasywnym, lub budujące domy jednorodzinne o niskim

zapotrzebowaniu na energię.

Wykres 85. Stopa bezrobocia w 7 miastach

Wykres 86. Stopa bezrobocia w 9 miastach


57 Część wniosków była realizowana w I kw. 2013 r.

0

3

6

9

12

15

18

21

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

%



Wrocław Polska

0

3

6

9

12

15

18

21

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

%

Białystok Bydgoszcz KatowiceKielce Lublin OlsztynOpole Rzeszów Zielona GóraPolska

64

Wykres 87. Udział bezrobotnych w wieku do

34 lat w 7 miastach

Wykres 88. Udział bezrobotnych w wieku do

34 lat w 9 miastach


Wykres 89. Przeciętne wynagrodzenie

w sektorze przedsiębiorstw w 7 miastach

Wykres 90. Przeciętne wynagrodzenie

w sektorze przedsiębiorstw w 9 miastach


Wykres 91. Dostępność mieszkania# za

przeciętne wynagrodzenie w 7 miastach – RP

Wykres 92. Dostępność mieszkania za

przeciętne wynagrodzenie w 9 miastach – RP


25

28

31

34

37

40

43

46

49

52

55

58

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

%

Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław Polska

25

28

31

34

37

40

43

46

49

52

55

58

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

%


1500

2000

2500

3000

3500

4000

4500

5000

5500

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

zł/m

iesi

ęczn

ie

Gdańsk Kraków ŁódźPoznań Szczecin WarszawaWrocław Polska

1500

2000

2500

3000

3500

4000

4500

5000

5500

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

zł/m

iesi

ęczn

ie


0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

1,1

1,2

III

kw. 2

006

I kw

. 200

7

III

kw. 2

007

I kw

. 200

8

III

kw. 2

008

I kw

. 200

9

III

kw. 2

009

I kw

. 201

0

III

kw. 2

010

I kw

. 201

1

III

kw. 2

011

I kw

. 201

2

III

kw. 2

012

I kw

. 201

3

m k

w/p

rzec

iętn

e w

ynag

rodz

enie


0,3

0,4

0,5

0,6

0,7

0,8

0,9

1,0

1,1

1,2

III

kw.

200

6

I kw

. 20

07

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13

m k

w/p

rzec

iętn

e w

yn

agr

od

zen

ie


65


przeciętne wynagrodzenie w 7 miastach, RW


przeciętne wynagrodzenie w 9 miastach, RW


Wykres 95. Dostępność kredytu# PLN w 7

miastach

Wykres 96. Dostępność kredytu PLN w 9

miastach


Wykres 97. Kredytowa dostępność

mieszkania# (kred. PLN) w 7 miastach

Wykres 98. Kredytowa dostępność

mieszkania (kred. PLN) w 9 miastach


0,2

0,4

0,6

0,8

1,0

1,2

1,4

1,6

1,8

III

kw.

200

6

I kw

. 20

07

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

m k

w/p

rzec

iętn

e w

yn

agr

od

zen

ie


0,2

0,4

0,6

0,8

1,0

1,2

1,4

1,6

1,8

III

kw.

200

6

I kw

. 20

07

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

m k

w/p

rzec

iętn

e w

yn

agr

od

zen

ie




707580859095

100105110115120125

IV k

w. 2

006

II k

w.

200

7

IV k

w. 2

007

II k

w.

200

8

IV k

w. 2

008

II k

w.

200

9

IV k

w. 2

009

II k

w.

201

0

IV k

w. 2

010

II k

w.

201

1

IV k

w. 2

011

II k

w.

201

2

IV k

w. 2

012

licz

ba

prz

ecię

tnych

wynag

rod

zeń


707580859095

100105110115120125

IV k

w. 2

006

II k

w. 2

007

IV k

w. 2

007

II k

w. 2

008

IV k

w. 2

008

II k

w. 2

009

IV k

w. 2

009

II k

w. 2

010

IV k

w. 2

010

II k

w. 2

011

IV k

w. 2

011

II k

w. 2

012

IV k

w. 2

012

licz

ba

prze

cięt

nych

wyn

agro

dzeń


30

40

50

60

70

80

90

100

110

120

130

IV k

w. 2

006

II k

w. 2

007

IV k

w. 2

007

II k

w. 2

008

IV k

w. 2

008

II k

w. 2

009

IV k

w. 2

009

II k

w. 2

010

IV k

w. 2

010

II k

w. 2

011

IV k

w. 2

011

II k

w. 2

012

IV k

w. 2

012

m k

w m

iesz

ka

nia

za

kre

dy

t PL

N


30

40

50

60

70

80

90

100

110

120

130

IV k

w. 2

006

II k

w. 2

007

IV k

w. 2

007

II k

w. 2

008

IV k

w. 2

008

II k

w. 2

009

IV k

w. 2

009

II k

w. 2

010

IV k

w. 2

010

II k

w. 2

011

IV k

w. 2

011

II k

w. 2

012

IV k

w. 2

012

m k

w m

iesz

ka

nia

za

kre

dy

t PL

N




66

Wykres 99. Szacunek aktualnych wypłat

kredytu mieszkaniowego (w mln zł) w 7

miastach

Wykres 100. Szacunek aktualnych wypłat

kredytu mieszkaniowego (w mln zł) w 9

miastach

Źródło: BIK. Źródło: BIK.

Wykres 101. Udział RNS w wartości kredytu

mieszkaniowego udzielonego w 7 miastach

Wykres 102. Udział RNS w wartości kredytu

mieszkaniowego udzielonego w 9 miastach

Źródło: BGK, BIK, NBP. Źródło: BGK, BIK, NBP.

Wykres 103. Luka/nadwyżka limitu RNS

względem mediany transakcji w 7 miastach –

RP



RP

Uwaga do wykresów 103-106: Luka liczona jest jako różnica ceny maksymalnej RNS (limitu) oraz

mediany ceny transakcyjnej na RP w relacji do mediany ceny transakcyjnej. Dodatnia różnica oznacza,

że program finansuje mieszkania o cenach wyższych od mediany, a ujemnych odwrotnie.

Źródło: BGK, NBP. Źródło: BGK, NBP.

01 0002 0003 0004 0005 0006 0007 0008 0009 000

10 00011 00012 00013 00014 00015 00016 00017 000

2005 2006 2007 2008 2009 2010 2011 2012

mln

zł


0

500

1 000

1 500

2 000

2 500

3 000

3 500

4 000

2005 2006 2007 2008 2009 2010 2011 2012

mln

zł


0

10

20

30

40

50

60

70

2007 2008 2009 2010 2011 2012

%

Gdańsk KrakówŁódź PoznańSzczecin WarszawaWrocław

0

10

20

30

40

50

60

70

2007 2008 2009 2010 2011 2012

%




-80%

-60%

-40%

-20%

0%

20%

40%

60%

80%

I k

w. 2

007

III

kw. 2

007

I k

w. 2

008

III

kw. 2

008

I k

w. 2

009

III

kw. 2

009

I k

w. 2

010

III

kw. 2

010

I k

w. 2

011

III

kw. 2

011

I k

w. 2

012

III

kw. 2

012

I k

w. 2

013

Gdańsk Kraków Łódź Poznań

Szczecin Warszawa Wrocław

-60%

-40%

-20%

0%

20%

40%

60%

80%

I kw

. 200

7

III

kw. 2

007

I kw

. 200

8

III

kw. 2

008

I kw

. 200

9

III

kw. 2

009

I kw

. 201

0

III

kw. 2

010

I kw

. 201

1

III

kw. 2

011

I kw

. 201

2

III

kw. 2

012

I kw

. 201

3


67



RW



RW

Źródło: BGK, NBP. Źródło: BGK, NBP.

Budownictwo mieszkaniowe w 16 miastach wojewódzkich

W 2012 r., podobnie jak w latach ubiegłych, skala rozwoju budownictwa

mieszkaniowego w miastach wojewódzkich Polski była zróżnicowana. Poza lokalnymi

uwarunkowaniami związanymi z sytuacją demograficzną i ekonomiczną poszczególnych

rynków, istotny wpływ na zachowania podmiotów reprezentujących stronę podażową

i popytową miały zmiany regulacji prawnych. W większości ośrodków wojewódzkich

w okresie poprzedzającym wejście w życie przepisów ustawy o ochronie praw nabywcy

lokalu mieszkalnego lub domu jednorodzinnego, której vacatio legis upłynął 29 kwietnia

2012 r., odnotowano wysoki poziom nowych kontraktów i rozpoczętych inwestycji

mieszkaniowych. Sytuacja ta wynikała z potrzeby wstrzymania się z wdrożeniem

kosztownych obowiązków nałożonych na deweloperów w nowych regulacjach prawnych.

Pomimo wzmożonej w okresie: styczeń-kwiecień 2012 r. aktywności inwestorów,

zwłaszcza budujących na sprzedaż i wynajem, w większości miast wojewódzkich w skali

roku zmniejszyła się liczba mieszkań, na które wydano pozwolenia i liczba rozpoczętych

inwestycji mieszkaniowych (por. wykres 113 - wykres 114). Odnotowany w 2012 r. spadek

planowanych i realizowanych nowych inwestycji mieszkaniowych był wynikiem wyższej

bazy w 2011 r., co należy łączyć z tzw. ustawą deweloperską oraz utrzymującą się na rynku

wysoką podażą niesprzedanych mieszkań.

Efekty budownictwa mieszkaniowego mierzone liczbą mieszkań przekazanych do

eksploatacji w większości analizowanych miast były wyższe w 2012 r. w porównaniu do

2011 r. (por. wykres 107 - wykres 110). Na wynik wpłynęła niska skala odniesienia.

Mniejsza liczba lokali mieszkalnych przekazanych do użytkowania w 2011 r. była skutkiem

ograniczenia inwestycji mieszkaniowych w 2009 r. W 2012 r. w większości ośrodków

odnotowano tendencję zmniejszania się powierzchni użytkowej i liczby izb w budynkach

oddanych do użytkowania (por. wykres 111 - wykres 112). Taka sytuacja wystąpiła

zarówno w przypadku inwestycji realizowanych przez firmy budujące na sprzedaż

i wynajem, jak i inwestorów indywidualnych i była wynikiem dostosowywania oferty

podażowej do popytu i możliwości finansowych kupujących lokale lub realizujących

-80%

-60%

-40%

-20%

0%

20%

40%

60%

80%

100%

I k

w.

200

7

III

kw

. 2

007

I k

w.

200

8

III

kw

. 2

008

I k

w.

200

9

III

kw

. 2

009

I k

w.

201

0

III

kw

. 2

010

I k

w.

201

1

III

kw

. 2

011

I k

w.

201

2

III

kw

. 2

012

I k

w.

201

3

Gdańsk Kraków Łódź Poznań

Szczecin Warszawa Wrocław

-80%

-60%

-40%

-20%

0%

20%

40%

60%

80%

100%

120%

I k

w.

200

7

III

kw

. 2

007

I k

w.

200

8

III

kw

. 2

008

I k

w.

200

9

III

kw

. 2

009

I k

w.

201

0

III

kw

. 2

010

I k

w.

201

1

III

kw

. 2

011

I k

w.

201

2

III

kw

. 2

012

I k

w.

201

3




68

inwestycje we własnym zakresie. Wyjątek stanowiły Katowice, Łódź, Szczecin i Warszawa,

gdzie inwestorzy indywidualni w 2012 r. w porównaniu do roku poprzedniego przekazali

do użytkowania domy jednorodzinne większe pod względem powierzchni. W przypadku

inwestorów budujących na sprzedaż i wynajem nieznaczne zwiększenie metrażu lokali

mieszkalnych przekazywanych do eksploatacji odnotowano jedynie w Rzeszowie

i Olsztynie, natomiast na zbliżonym poziomie w Krakowie i Poznaniu.

W latach 2013 i 2014, w związku z występującą w większości miast tendencją

realizowania kontraktów na lokale o mniejszym metrażu, oczekuje się dalszego spadku

przeciętnej powierzchni użytkowej mieszkań przekazanych do eksploatacji. Zmniejszenie

skali rozpoczętych nowych inwestycji mieszkaniowych w 2012 r. i w okresie: styczeń-maj

2013 r. oraz przede wszystkim liczby mieszkań, na które wydano pozwolenia, wpłynie na

ograniczenie liczby mieszkań oddanych do użytkowania za dwa-trzy lata. Z uwagi na

długość procesu inwestycyjnego, będzie ono bardziej widoczne w 2014 r. W perspektywie

średniookresowej ograniczenie liczby nowych budów wpłynie na zmniejszenie podaży.

Nowe obowiązki dla inwestorów realizujących inwestycje mieszkaniowe nałożone ustawą

deweloperską mogą przyczynić się do rozwoju procesów konsolidacji w branży

deweloperskiej. Wpłynie na to fakt, że nowe inwestycje mieszkaniowe będą mogły być

realizowane tylko z rachunkiem powierniczym. Problemy z jego otwarciem mają mniejsze

firmy, które we wcześniejszych okresach realizowały kontrakty mieszkaniowe z własnych

środków lub wpłat kupujących lokale. Dla banku stanowią one grupę nowych klientów,

bez historii kredytowej i działających w branży o podwyższonym ryzyku. Na rynku w

lepszej sytuacji znajdują się duże firmy, które realizowały wcześniejsze kontrakty

mieszkaniowe przy wsparciu kredytów bankowych. Trudną sytuację mogą mieć także

nowe podmioty, które planują rozpoczęcie działalności w sektorze mieszkaniowym.

Wykres 107. Mieszkania oddane do

użytkowania na 1000 ludności w 7 miastach


użytkowania na 1000 ludności w 9 miastach


0

2

4

6

8

10

12

14

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

mie

szk

an

ia/1

00

0 lu

dn

ośc

i


0

2

4

6

8

10

12

14

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

mie

szk

an

ia/1

00

0 lu

dn

ośc

i


69


użytkowania na 1000 zawartych małżeństw

w 7 miastach


użytkowania na 1000 zawartych małżeństw

w 9 miastach



użytkowa mieszkania oddanego do

użytkowania w 7 miastach


użytkowa mieszkania oddanego do

użytkowania w 9 miastach


Wykres 113. Perspektywy budownictwa mieszkaniowego w 7 miastach

Źródło: GUS.

0200400600800

1 0001 2001 4001 6001 8002 0002 2002 400

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

mie

szk

an

ia/1

00

0 m

ałże

ństw


0200400600800

1 0001 2001 4001 6001 8002 0002 2002 400

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

mie

szk

an

ia/1

00

0 m

ałże

ństw


405060708090

100110120130140150160

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

m k

w/m

iesz

ka

nie



Wrocław

405060708090

100110120130140150160

200

2

200

3

200

4

200

5

200

6

200

7

200

8

200

9

201

0

201

1

201

2

m k

w/m

iesz

ka

nie


0

5 000

10 000

15 000

20 000

25 000

30 000

35 000

40 000

45 000

50 000

55 000

60 000

65 000

70 000

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Mieszkania, na budowę których wydano

pozwolenia

Mieszkania, których budowę rozpoczęto

mie

szka

nia

Gdańsk Kraków Łódź Poznań Szczecin Warszawa Wrocław

70

Wykres 114. Perspektywy budownictwa mieszkaniowego w 9 miastach

Źródło: GUS.

Analiza danych zgromadzonych w BaRN

Od początku badania rynku nieruchomości (BaRN) baza danych ofertowych

i transakcyjnych na rynku mieszkaniowym wykazuje tendencję wzrostową i obecnie

stanowi ona jedną z największych tego typu baz w Polsce. Dodatkową zaletą wypełnianych

rekordów jest wielość źródeł, z których dane są pozyskiwane. Pozwala to wnioskować, że

na wszystkich badanych, regionalnych rynkach nieruchomości zapewniona jest

reprezentatywność próby badawczej umożliwiająca uchwycenie właściwych tendencji

i zależności na rynku. W 2012 r. liczba zebranych danych transakcyjnych (bez najmu) na

rynku pierwotnym i wtórnym zbliżyła się do 27 tys. rekordów (por. wykres 115). Także

liczba zebranych danych ofertowych ukształtowała się na poziomie nienotowanym

w poprzednich latach i zbliżyła się do 150 tys. Stały wzrost liczby zarejestrowanych

rekordów w bazie BaRN nie jest jednak wynikiem wzrostu transakcji na rynku,

a zwiększeniem się liczby współpracujących podmiotów i większym pokryciem rynku.

W I kw. 2013 r. w związku z wprowadzeniem obowiązku statystycznego liczba transakcji

w stosunku do IV kw. 2012 r. wzrosła o ok. 30%, natomiast liczba ofert o ok. 26%. Wykres 115. Liczba rekordów w bazie BaRN

Źródło: NBP.

01 0002 0003 0004 0005 0006 0007 0008 0009 000

10 00011 00012 00013 00014 00015 000

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Mieszkania, na budowę których wydano

pozwolenia

Mieszkania, których budowę rozpoczęto

mie

szka

nia

Białystok Bydgoszcz Katowice Kielce Lublin

Olsztyn Opole Rzeszów Zielona Góra

0

10 000

20 000

30 000

40 000

50 000

60 000

70 000

I k

w.

200

6

III

kw

. 2

00

6

I k

w.

200

7

III

kw

. 2

00

7

I k

w.

200

8

III

kw

. 2

00

8

I k

w.

200

9

III

kw

. 2

00

9

I k

w.

201

0

III

kw

. 2

01

0

I k

w.

201

1

III

kw

. 2

01

1

I k

w.

201

2

III

kw

. 2

01

2

I k

w.

201

3

Oferty mieszkań Oferty najmu

Transakcje mieszkań Transakcje najmu

71

W większości omawianych miast w 2012 r. obserwowano średnioroczne spadki cen

transakcyjnych na rynkach pierwotnym i wtórnym. W przypadku rynku pierwotnego

najsilniejszy spadek o ok. 10% zanotowano w Warszawie. Średnioroczny wzrost ceny

zanotowano jedynie w Katowicach (o ok. 4%) oraz w Rzeszowie (o ok. 2%). Na rynku

wtórnym jedynie w Rzeszowie średnioroczne ceny utrzymały się na zbliżonym poziomie.

Na pozostałych 15 rynkach zanotowano spadki przy czym najsilniejsze zaobserwowano

w Łodzi, Bydgoszczy i Wrocławiu (odpowiednio: 9%, 8% oraz 8%). Średnioroczna cena

transakcyjna na rynku pierwotnym w 16 miastach (liczona jako średnia arytmetyczna

danych średniorocznych dla poszczególnych miast) w 2012 r. była o ok. 3% niższa niż

w roku poprzednim, natomiast na rynku wtórnym była o ok. 5% niższa.

Analiza zależności zmiany ceny transakcyjnej na rynku pierwotnym od wielkości

zasobu mieszkaniowego w danym mieście wykazała ujemną korelację na poziomie -0,28.

Oznacza to, że im większe miasto, tym spadek cen był silniejszy. Po wyłączeniu Warszawy

ujemna korelacja wyniosła -0,16. Na rynku wtórnym analizowana para zmiennych

cechowała się większą zależnością a współczynnik korelacji wyniósł -0,33 (po wyłączeniu

z analizy Warszawy -0,42).

Najwyższe ceny ofertowe i transakcyjne notuje się w Warszawie, największym rynku

w Polsce. W relacji do poprzedniego roku na rynku pierwotnym różnica ceny między

Warszawą a kolejnym pod względem liczby ludności miastem – Krakowem zmniejszyła się

do 265 zł/m kw. (w roku poprzednim było to ok. 600 zł/m kw.). Na rynku wtórnym różnica

między Warszawą a Krakowem zmniejszyła się w ciągu roku z ok. 1,5 tys. zł/m kw. do ok.

1,2 tys. zł/m kw. W mniejszych ośrodkach zróżnicowanie cen jest zdecydowanie mniejsze.

Na cenę transakcyjną na rynku wtórnym w 2012 r. największy wpływ miała wielkość

miasta oraz stopa bezrobocia. Otrzymane wyniki wskazują, że zależności te są nieco

słabsze niż w poprzednim roku i dla analizowanej pary danych w 2012 r. wyniosły 0,80

oraz -0,55.

Największym zainteresowaniem cieszą się niezmiennie mieszkania mniejsze oraz

średnie i takie są zazwyczaj poszukiwane i najwyżej wyceniane. W ślad za zwiększonym

zainteresowaniem mniejszymi lokalami obserwuje się zmniejszanie się powierzchni

nowych mieszkań na rynku. Na rynku wtórnym zasób jest ustalony i przy sztywnej podaży

ceny lokali najmniejszych notują zazwyczaj najwyższe ceny jednostkowe m kw.

Średni czas sprzedaży mieszkania na rynku wtórnym dla wszystkich miast wydłużył

się o tydzień w 2012 r. w porównaniu do roku poprzedniego i wyniósł 146 dni. Dla 7

najbardziej aktywnych rynków w Polsce (Gdańsk, Kraków, Łódź, Poznań, Warszawa,

Wrocław, Szczecin) średni czas sprzedaży wyniósł 149 dni, czyli obniżył się nieznacznie

(o 3 dni) wobec roku poprzedniego.

72

Rynek pierwotny mieszkań według bazy BaRN

Wykres 116. Dynamika r/r cen ofertowych

w 7 miastach – RP


w 9 miastach – RP


Wykres 118. Dynamika r/r cen

transakcyjnych w 7 miastach – RP


transakcyjnych w 9 miastach – RP


Wykres 120. Mediana ceny ofert sprzedaży w

7 miastach – RP

Wykres 121. Mediana ceny transakcji

sprzedaży w 7 miastach – RP


60

80

100

120

140

160

180

200

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13


60

80

100

120

140

160

180

200

III

kw. 2

007

I kw

. 200

8

III

kw. 2

008

I kw

. 200

9

III

kw. 2

009

I kw

. 201

0

III

kw. 2

010

I kw

. 201

1

III

kw. 2

011

I kw

. 201

2

III

kw. 2

012

I kw

. 201

3


6080

100120140160180200220

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13


60

80

100

120

140

160

180

200

220II

I kw

. 20

07

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13




2 000

4 000

6 000

8 000

10 000

III

kw.

200

6

I kw

. 20

07

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13

zł/m

kw



Wrocław

2 000

4 000

6 000

8 000

10 000

III

kw.

200

6

I kw

. 20

07

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13

zł/m

kw



Wrocław

73


9 miastach – RP


sprzedaży w 9 miastach – RP


Wykres 124. Miernik dopasowania mieszkań

o pow. <= 40 m kw. – RP w 7 miastach


o pow. (40; 59] m kw. – RP w 7 miastach

Uwaga do wykresu 124: procentowe niedopasowanie podaży (oferty deweloperskie mieszkań)

i szacunkowego popytu (transakcje mieszkaniami) względem wielkości mieszkania, wg danych

z bazy BaRN; niedopasowanie liczone jest jako relacja udziału mieszkań o powierzchni użytkowej do

40 m kw. będących w ofercie do udziału transakcji mieszkaniami o powierzchni do 40 m kw. (średnia

z czterech ostatnich kwartałów). Wynik dodatni (powyżej kreski) świadczy o nadmiarze mieszkań o

danej wielkości, ujemny natomiast o niedoborze. Analogiczne uwagi do wykresów125 do128 oraz 136

do 143.



o pow. (60; 79] m kw. – RP w 7 miastach


o pow. => 80 m kw. – RP w 7 miastach


2000

4000

6000

8000

10000

III

kw.

200

6

I kw

. 20

07

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13

zł/m

kw


2 000

4 000

6 000

8 000

10 000

III

kw

. 20

06

I kw

. 20

07

III

kw

. 20

07

I kw

. 20

08

III

kw

. 20

08

I kw

. 20

09

III

kw

. 20

09

I kw

. 20

10

III

kw

. 20

10

I kw

. 20

11

III

kw

. 20

11

I kw

. 20

12

III

kw

. 20

12

I kw

. 20

13

zł/

m k

w




-120%

-100%

-80%

-60%

-40%

-20%

0%

20%

40%

60%

80%

100%

120%

140%

2006 2007 2008 2009 2010 2011 2012 2013



Wrocław

-120%

-100%

-80%

-60%

-40%

-20%

0%

20%

40%

60%

80%

100%

120%

140%

2006 2007 2008 2009 2010 2011 2012 2013

%



Wrocław

-150%

-100%

-50%

0%

50%

100%

150%

200%

250%

2006 2007 2008 2009 2010 2011 2012 2013

%



Wrocław

-150%

-100%

-50%

0%

50%

100%

150%

200%

250%

2006 2007 2008 2009 2010 2011 2012 2013

%



Wrocław

74

Rynek wtórny mieszkań według bazy BaRN


w 7 miastach – RW


w 9 miastach – RW



transakcyjnych w 7 miastach – RW


transakcyjnych w 9 miastach – RW



7 miastach – RW


sprzedaży w 7 miastach – RW


80

100

120

140

160

180

200

220

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13


80

100

120

140

160

180

200

220

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13


80

100

120

140

160

180

200

220

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13


80

100

120

140

160

180

200

220

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13


1 000

3 000

5 000

7 000

9 000

11 000

III

kw.

200

6

I kw

. 20

07

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13

zł/m

kw


1 000

3 000

5 000

7 000

9 000

11 000

III

kw.

200

6

I kw

. 20

07

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13

zł/m

kw


75


9 miastach – RW


sprzedaży w 9 miastach – RW



o pow. <= 40 m kw. – RW w 7 miastach


o pow. <= 40 m kw. – RW w 9 miastach



o pow. (40; 59] m kw. – RW w 7 miastach




1 500

2 000

2 500

3 000

3 500

4 000

4 500

5 000

5 500

III

kw.

200

6

I kw

. 20

07

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13

zł/m

kw




1 500

2 000

2 500

3 000

3 500

4 000

4 500

5 000

5 500

III

kw.

200

6

I kw

. 20

07

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13

zł/m

kw


-100%

-80%

-60%

-40%

-20%

0%

20%

40%

2006 2007 2008 2009 2010 2011 2012 2013



Wrocław

-100%

-80%

-60%

-40%

-20%

0%

20%

40%

2006 2007 2008 2009 2010 2011 2012 2013




-100%

-80%

-60%

-40%

-20%

0%

20%

40%

60%

2006 2007 2008 2009 2010 2011 2012 2013



Wrocław

-100%

-80%

-60%

-40%

-20%

0%

20%

40%

60%

80%

2006 2007 2008 2009 2010 2011 2012 2013




76







o pow. > 80 m kw. – RW w 7 miastach


o pow. > 80 m kw. – RW w 9 miastach


Wykres 144. Średni czas sprzedaży w 7

miastach– RW

Wykres 145. Średni czas sprzedaży w 9

miastach– RW


-60%

-40%

-20%

0%

20%

40%

60%

80%

100%

120%

140%

160%

180%

200%

2006 2007 2008 2009 2010 2011 2012 2013



Wrocław

-60%

-40%

-20%

0%

20%

40%

60%

80%

100%

120%

140%

160%

180%

200%

2006 2007 2008 2009 2010 2011 2012 2013




-100%

-50%

0%

50%

100%

150%

200%

250%

300%

350%

400%

450%

500%

2006 2007 2008 2009 2010 2011 2012 2013



Wrocław

-100%-50%

0%50%

100%150%200%250%300%350%400%450%500%550%600%650%700%

2006 2007 2008 2009 2010 2011 2012 2013




0

50

100

150

200

250

300

350

400

450

III

kw. 2

006

I kw

. 200

7

III

kw. 2

007

I kw

. 200

8

III

kw. 2

008

I kw

. 200

9

III

kw. 2

009

I kw

. 201

0

III

kw. 2

010

I kw

. 201

1

III

kw. 2

011

I kw

. 201

2

III

kw. 2

012

I kw

. 201

3



Wrocław

0

50

100

150

200

250

300

350

400

450

III

kw. 2

006

I kw

. 200

7

III

kw. 2

007

I kw

. 200

8

III

kw. 2

008

I kw

. 200

9

III

kw. 2

009

I kw

. 201

0

III

kw. 2

010

I kw

. 201

1

III

kw. 2

011

I kw

. 201

2

III

kw. 2

012

I kw

. 201

3




77

Wykres 146. Tablica korelacji średniej ceny transakcyjnej na rynku wtórnym w 2012 r.,

średniego przeciętnego wynagrodzenia w sektorze przedsiębiorstw w 2012 r., ludności

miasta oraz stopy bezrobocia w 2012 r. 58

Źródło: NBP.GUS

58 Tablica korelacyjna przedstawia wzajemne zależności zmiennych. Zależność zmiennych X i Y obrazuje w

tablicy na ich skrzyżowaniu siłę ich współzależności. Korelacja przyjmuje wartości od -1 do +1, przy czym -1

oznacza pełną, ujemną zależność zmiennej Y od X (gdy zmienna X rośnie np. o 1% to Y maleje o 1%), +1

oznacza pełną zależność dodatnią. Wartość 0 lub oscylujące wokół 0 oznaczają brak zależności zmiennej X i Y.

Na wykresach oznaczono linią siłę wzajemnej współzależności.

cena tr-rw 2012

Warszawa

Warszawa

Katowice

Warszawa

Katowice Przec. wynagr. '12

Warszawa

Tekst użytkownika

Warszawa

Ludność 2012

Katowice

Stopa bezr. '12

78

Rynek najmu mieszkań według bazy BaRN

Wykres 147. Dynamika r/r stawek

ofertowych najmu w 7 miastach


ofertowych najmu w 9 miastach



transakcyjnych najmu w 7 miastach


transakcyjnych najmu w 9 miastach


50

70

90

110

130

150

170

190

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13


50

70

90

110

130

150

170

190

III

kw

. 20

07

I kw

. 20

08

III

kw

. 20

08

I kw

. 20

09

III

kw

. 20

09

I kw

. 20

10

III

kw

. 20

10

I kw

. 20

11

III

kw

. 20

11

I kw

. 20

12

III

kw

. 20

12

I kw

. 20

13

Katowice Kielce LublinOlsztyn Opole RzeszówZielona Góra

50

70

90

110

130

150

170

190

III

kw.

200

7

I kw

. 20

08

III

kw.

200

8

I kw

. 20

09

III

kw.

200

9

I kw

. 20

10

III

kw.

201

0

I kw

. 20

11

III

kw.

201

1

I kw

. 20

12

III

kw.

201

2

I kw

. 20

13


50

70

90

110

130

150

170

190

III

kw

. 20

07

I kw

. 20

08

III

kw

. 20

08

I kw

. 20

09

III

kw

. 20

09

I kw

. 20

10

III

kw

. 20

10

I kw

. 20

11

III

kw

. 20

11

I kw

. 20

12

III

kw

. 20

12

I kw

. 20

13

Bydgoszcz Katowice KielceLublin Olsztyn OpoleRzeszów Zielona Góra

79

A2 Wyniki badań nad czynnikami różnicującymi ceny mieszkań i możliwość ich wykorzystania w NBP

Marta Widłak59

Wstęp

Celem artykułu jest syntetyczne przedstawienie najważniejszych wyników kilkuletnich

badań nad czynnikami różnicującymi ceny mieszkań na lokalnych rynkach

mieszkaniowych w Polsce. Badania te czerpią z doświadczeń międzynarodowych oraz

własnych modeli empirycznych wykorzystujących dane BaRN.

Poszukiwanie i kwantyfikacja czynników różnicujących ceny mieszkań na danym

rynku lokalnym jest jednym z podstawowych etapów analizy cen mieszkań. Badania tego

typu są dość powszechne w gospodarkach rozwiniętych, a w Polsce zagadnienie to jest jak

dotąd rzadko podejmowane, w szczególności z powodu braku danych. Rozeznanie

i późniejsza kwantyfikacja czynników kształtujących różnice w wycenie poszczególnych

mieszkań, będących wynikiem różnej wyceny poszczególnych atrybutów mieszkania (np.

lokalizacja, standard, wielkość), ma duże znaczenie gospodarcze. W ujęciu statystycznym

analiza taka umożliwia wiarygodny pomiar cen i ich dynamiki na lokalnych rynkach

poprzez uwzględnienie czynników specyficznych heterogenicznych mieszkań, a tym

samym doprowadzenia ich do ekonomicznej porównywalności. Umożliwia to

prognozowanie kształtowania się wartości mieszkań na konkretnych rynkach pod

wpływem zmian tych czynników, co ma istotne znaczenie dla jakości wycen i planowania

urbanistycznego.

W latach 2005 – 2008 na rynkach nieruchomości mieszkaniowych w Polsce miał miejsce

szok popytowy skutkujący wysoką inflacją cen. Skala wzrostu cen była najwyższa w Polsce

od okresu transformacji i przewyższyła inflację na innych europejskich rynkach

mieszkaniowych. Kolejne lata 2008 - 2009 przyniosły stopniową stabilizację zarówno

popytu jak i podaży, a od 2010 r. do chwili obecnej obserwujemy powolną korektę cen

i znaczny spadek, zarówno popytu, jak i podaży na lokalnych rynkach mieszkaniowych.

Wahania cen nieruchomości kształtują koniunkturę w sektorze i rozmiary budownictwa

mieszkaniowego. Ceny w sektorze nieruchomości mieszkaniowych, ze względu na

ekonomiczne znaczenie mieszkania, wywierają również silny wpływ na koniunkturę

gospodarczą poprzez oddziaływanie na popyt konsumpcyjny oraz inwestycyjny. Koszt

zakupu mieszkania odzwierciedlony w jego cenie, będąc znaczącym składnikiem

wydatków gospodarstw domowych, ma istotne konsekwencje dla polityki mieszkaniowej,

wydatków z budżetu centralnego i budżetów lokalnych. Silnie związana z cenami

mieszkań i popytem konsumpcyjnym pozostaje także kwestia finansowania zakupów

mieszkaniowych. W państwach, w których finansowanie to odbywa się za pośrednictwem

59 Instytut Ekonomiczny, Narodowy Bank Polski; Artykuł przedstawia główne wyniki rozprawy

doktorskiej Marty Widłak, przewód doktorski przeprowadzono w SGH.

80

sektora bankowego, obserwujemy silne, wzajemne oddziaływania sektorów bankowego

i nieruchomości mieszkaniowych. Obecnie wciąż przeżywamy konsekwencje globalnego

kryzysu gospodarczego, którego geneza leży w tego typu wzajemnym powiązaniu.

Nadmierny w stosunku do wartości mieszkań wzrost ich cen (problem bańki

spekulacyjnej), możliwy dzięki innowacjom finansowym i globalnemu zaangażowaniu

kapitału finansowego na rynkach mieszkaniowych w USA, doprowadził do światowego

kryzysu gospodarczego. W obliczu tych doświadczeń ceny mieszkań stały się czynnikiem

ryzyka bardzo ważnym w kontekście prowadzenia polityki makroostrożnościowej.

Poruszone kwestie pokazują, że ceny mieszkań są istotną zmienną wpływającą na

procesy gospodarcze oraz są indykatorem napięć i ryzyka. Z tych powodów istnieje

konieczność prowadzenia ich regularnego monitoringu oraz różnego typu badań

naukowych nad cenami mieszkań. Przez finansowy kanał wpływu na gospodarkę ceny

mieszkań stały się jednym z podstawowych wskaźników uważnie obserwowanych przez

banki centralne, w tym NBP. Jednocześnie doświadczenia krajów rozwiniętych pokazują,

że nie da się prowadzić podstawowego monitoringu cen mieszkań bez odpowiedzi na

proste pytanie o czynniki powodujące ich zróżnicowanie na danym rynku lokalnym.

Dlatego też w NBP od 2006 r. prowadzone jest pogłębione badanie cen mieszkań, a jednym

z jego aspektów jest wpływ poszczególnych cech mieszkania na cenę całkowitą

nieruchomości i pomiar „czystej” dynamiki cen mieszkań.

Cele i zakres badań

Niejednorodność dobra mieszkaniowego jest jedną z jego głównych cech i znajduje

odzwierciedlenie w cenach. Zarówno podstawowy monitoring rynku mieszkaniowego

oparty na wskaźnikach cen mieszkań, jak i inne badania empiryczne wtórnie

wykorzystujące te wskaźniki, powinny uwzględniać zróżnicowanie dóbr mieszkaniowych,

a przez to ich cen. Zrozumienie mechanizmów powstawania rynkowych cen mieszkań oraz

odpowiednia ich kwantyfikacja mają więc zasadnicze znaczenie. Nie da się prowadzić

bardziej zaawansowanych badań naukowych bez wejrzenia w naturę prostych zjawisk

obserwowanych na co dzień.

Podstawową kwestią istotną dla pomiaru dynamiki cen jest zbadanie jakie są

składowe ceny mieszkania, determinujące zróżnicowanie poziomu cen na rynku

mieszkaniowym. Badając czynniki różnicujące ceny mieszkań na rynkach lokalnych,

zadajemy proste pytanie: od czego zależy różnica w cenie między mieszkaniem

x i mieszkaniem y zlokalizowanymi na tym samym rynku miejskim i sprzedanymi w tym

samym czasie? Intuicyjna odpowiedź została zasugerowana powyżej – zróżnicowanie cen

mieszkań na danym rynku wynika z szeroko pojętej heterogeniczności mieszkań.

W badaniach weryfikowano to intuicyjne spostrzeżenie dla lokalnych rynków

mieszkaniowych w Polsce.

W teorii ekonomii, formalna hipoteza zgodna z powyższą intuicją została

postawiona przez Lancastera (1966) i jest znana jako hipoteza hedoniczna. Jej tłumaczenie

brzmi następująco: dobra zróżnicowane są agregatami charakterystyk, a podstawą wyborów

ekonomicznych są właśnie te charakterystyki, a nie dobra same w sobie. Rosen (1974), przyjmując

81

tę hipotezę jako słuszną, podaje formalny opis wyborów dokonywanych przez konsumenta

i producenta oraz stanu równowagi na rynkach dóbr zróżnicowanych.

Celem prowadzonych badań była weryfikacja hipotezy hedonicznej dla lokalnych

rynków mieszkaniowych w Polsce. Cel realizowano badając, czy na polskich rynkach

mieszkaniowych ceny mieszkań są istotnie różnicowane przez atrybuty mieszkaniowe,

jak zakłada to hipoteza hedoniczna i Rosenowski model równowagi hedonicznej.

„Czynniki różnicujące ceny mieszkań” czy inaczej: „atrybuty, cechy, charakterystyki

mieszkaniowe” to na przykład: powierzchnia mieszkania, jego lokalizacja, standard

wykończenia, rok budowy, bliskość przystanków komunikacyjnych, bliskość terenów

zielonych, charakter sąsiedztwa itp.

Obserwowane zróżnicowanie cen mieszkań na poszczególnych rynkach lokalnych

powoduje, że wiarygodny pomiar dynamiki tych cen jest znacznie utrudniony.

Doświadczenia badawcze pokazują, że dopiero zastosowanie informacji o tym, jakie

czynniki i z jaką siłą determinują zróżnicowanie cen mieszkań, pozwala na uzyskanie

wiarygodnych wyników pomiaru dynamiki. Jest to koncepcja tzw. hedonicznych indeksów

cen. Wiarygodny pomiar tendencji cenowych należy rozumieć jako pomiar „czystej”

dynamiki cen, a więc takiej, która nie wynika z różnic w jakości mieszkań sprzedawanych

w kolejnych okresach. Tworzenie „czystych” indeksów cen mieszkań było drugim celem

badania.

Prowadząc badania starano się odpowiedzieć na szereg szczegółowych pytań

badawczych. Pierwsze pytanie dotyczyło teorii ekonomicznych wyjaśniających zjawisko

różnicowania cen mieszkań na danym rynku lokalnym. Drugie pytanie odwoływało się do

doświadczeń międzynarodowych z badań nad czynnikami różnicującymi ceny mieszkań

i wykorzystania wyników tychże w praktyce. Po trzecie starano się porównać wyniki tego

typu badań zagranicznych i własnych, wykonywanych dla szesnastu rynków miast

wojewódzkich Polski. W badaniach szczególną uwagę poświęcono zagadnieniu

wiarygodnego pomiaru dynamiki cen mieszkań. Ostatecznie poszukiwano odpowiedzi na

pytanie czy indeksy hedoniczne, w odróżnieniu od dynamiki ceny średniej czy mediany, są

bardziej wiarygodną miarą tendencji cenowych na rynku mieszkań?

Badania empiryczne dotyczyły rynków wtórnych mieszkań w budownictwie

wielorodzinnym szesnastu miast wojewódzkich Polski. Wybór ten był podyktowany

dostępnością danych w bazie danych BaRN (Baza Rynku Nieruchomości) tworzonej

w NBP. W badaniach brano pod uwagę ceny transakcyjne mieszkań, gdyż jak wskazują

rozważania teoretyczne tylko dla takich cen uzasadnione jest szacowanie empirycznych

modeli hedonicznych. Na potrzeby badań empirycznych oszacowano 96 odrębnych modeli

regresji hedonicznej. Pierwsza część badań obejmuje transakcje dokonane w 2008 r.,

który był rokiem względnej stabilności rynku mieszkaniowego (modele oznaczone jako M4

2008 w tabeli 1). Druga część badań została przeprowadzona dla okresu od III kw. 2006 r.

do III kw. 2010 r. (wszystkie dane dostępne w momencie wykonywania obliczeń, modele

oznaczone jako M1 w tabeli 1).

82

Najważniejsze wyniki i wnioski z badań

Prowadzone badania potwierdziły istotność oddziaływania wybranych atrybutów

strukturalnych i lokalizacyjnych na cenę rynkową mieszkań w przypadku transakcji

zanotowanych na polskich, lokalnych rynkach mieszkaniowych. Wyniki, w zakresie

odpowiednim do dokładności modeli empirycznych (wsp. determinacji R2), potwierdzają

prawdziwość hipotezy hedonicznej w warunkach polskich i z pewnym ograniczeniem

mogą być stosowane do dalszych zastosowań empirycznych (por. tabela 1).

Dla wszystkich miast uzyskano poprawnie wyspecyfikowany model hedoniczny,

potwierdzając tym samym prawdziwość hipotezy o istnieniu związku pomiędzy ceną

mieszkania i jego atrybutami. Współczynnik determinacji w modelach oszacowanych dla

szesnastu rynków miejskich w Polsce był równy średnio 45%. Analogiczna wielkość

w analizowanych badaniach zagranicznych jest równa 73%. Za kryterium modelu

„słabego” uznano R2 poniżej 40%. Spośród 32 modeli analizowanych w pierwszej części

badań, 19 wyjaśniało ponad 40% zmienności ceny mieszkań. Jakości oszacowań nie

poprawia inna postać funkcyjna czy metoda estymacji. Jak pokazują kolejne wyniki,

dokładność dopasowania można zwiększyć włączając do badania szczegółowy opis

lokalizacji i sąsiedztwa. Z pewnością znaczenie ma także jakość samych danych oraz

nieefektywność rynku (rozumiana jako niezgodność ceny mieszkania z jego wartością

realną). Niemniej uzyskany wynik można uznać za zadowalający, a dalsze badania (np.

oparte o alternatywne źródła danych lub z wykorzystaniem innych technik

ekonometrycznych) powinny pomóc rozstrzygnąć kwestię niedopasowania modelu

teoretycznego do rzeczywistości.

Tabela 1 Hedoniczne modele cen mieszkań na 16 lokalnych rynkach w Polsce

Model M1 M4 2008

Statystyka Liczba

obs. R2

p-value

w teście

RESET

Liczba

obs. R2

p-value w teście

RESET

Białystok 620 68% 0,18 111 65% 0,93

Bydgoszcz 1060 61% 0,00 275 36% 0,30

Katowice* 452 37% 0,00 118 41% 0,05

Kielce 1161 72% 0,28 220 46% 0,48

Kraków 1517 29% 0,20 147 58% 0,71

Lublin 1455 51% 0,00 344 33% 0,20

Łódź 652 78% 0,09 124 60% 0,39

Olsztyn 920 33% 0,33 74 29% 0,52

Opole 1340 11% 0,72 60 38% 0,16

Poznań 702 59% 0,14 44 55% 0,42

Rzeszów 903 26% 0,78 105 49% 0,12

Szczecin 1478 26% 0,09 163 38% 0,05

Trójmiasto 2900 49% 0,07 161 53% 0,83

Warszawa 1846 60% 0,19 399 63% 0,09

Wrocław 3526 16% 0,80 917 12% 0,63

Zielona Góra 353 49% 0,05 80 47% 0,14

Suma końcowa 20885 45%

(średnia) 3224

45%

(średnia)

Źródło: Opracowanie własne

Uwagi do tabeli 1:

83

* Dla Katowic, z powodu braków danych, prezentowane są wyniki modelu M4 2009.

** W tabeli kolorem szarym oznaczono próby małe - poniżej 100 obserwacji, wartości R2 poniżej 40% oraz

p-value poniżej 0,05 świadczące o konieczności odrzucenia hipotezy zerowej o poprawnej specyfikacji

modelu na przyjętym poziomie istotności wynoszącym 5%. Pogrubiono nazwy miast, dla których

przynajmniej jeden z modeli miał współczynnik R2 powyżej 40%.

Drugi cel badań dotyczył zagadnienia właściwego pomiaru dynamiki cen mieszkań.

Rozważania teoretyczne i doświadczenia międzynarodowe sugerują, że wiedza na temat

tego, jakie czynniki i z jaką siłą determinują zróżnicowanie cen mieszkań, znajduje

szczególne zastosowanie w pomiarze „czystej” dynamiki cen mieszkań. Zastosowanie tzw.

indeksów hedonicznych pozwala podnieść wiarygodność tego pomiaru przez zastąpienie

prostych wskaźników mediany i średniej. Prowadzone badania pokazują, że twierdzenie to

jest prawdziwe dla warszawskiego wtórnego rynku mieszkań. Jak pokazuje zestawienie

różnych miar (wykresy poniżej), zmiana jakości mieszkań istotnie zniekształca wartości

prostych wskaźników dynamiki (średniej, mediany i prostej stratyfikacji). Specjalnie

stworzony wskaźnik struktury pozwala zauważyć, że największe różnice między

wskaźnikami prostymi i indeksem hedonicznym rzeczywiście pojawiają się w kwartałach,

w których rośnie zróżnicowanie jakościowe sprzedanych mieszkań. Przeprowadzone

badanie pokazuje możliwość i zasadność stosowania indeksów hedonicznych

w przypadku polskich rynków mieszkaniowych.

Wykres 1 Indeksy cen mieszkań dla Warszawy – metody proste a indeks hedoniczny

(III kw. 2006 = 100)

Źródło: Obliczenia własne, dane BaRN. Szczegóły metodologiczne wyjaśnione są w Widłak (2010).

110

120

130

140

150

160

IV kw. 2

006

I kw. 2

007

II kw

. 200

7

III kw. 2

007

IV kw. 2

007

I kw. 2

008

II kw

. 200

8

III kw. 2

008

IV kw. 2

008

I kw. 2

009

II kw

. 200

9

III kw. 2

009

IV kw. 2

009

I kw. 2

010

II kw

. 201

0

M1 mediana średnia stratyfikacja prosta

84

Wykres 2 Zmiana jakości mieszkań a wybrane wskaźniki dynamiki cen dla

Warszawy (pop. kw. = 100)

Wskaźnik dynamiki struktury cech mieszkaniowych pokazuje, jak zmienia się

struktura najważniejszych cenotwórczych atrybutów mieszkaniowych.

Źródło: Obliczenia własne na podstawie danych BaRN.

Badania nad czynnikami różnicującymi ceny mieszkań i siłą oddziaływania

poszczególnych cech mieszkaniowych na cenę całkowitą nieruchomości podnoszą

przejrzystość rynku, a tym samym efektywność poszukiwań i wzajemnego dopasowania

się nabywców i oferentów mieszkań. Prawdopodobnie jest to najważniejsza, ekonomiczno-

społeczna korzyść z tego typu badań, choć realizuje się w długim okresie.

Poniżej przedstawiono najważniejsze wnioski szczegółowe płynące z prowadzonych

badań.

Empiryczne modele hedoniczne tylko w przybliżeniu umożliwiają identyfikację cech

różnicujących ceny mieszkań oraz siłę wpływu każdej z nich na całkowitą cenę mieszkania.

Rosenowski mechanizm równoważącego się rynku zakłada implicite doskonałą jego

przejrzystość i racjonalność wszystkich podmiotów rynkowych. Nieefektywność rynku

nieruchomości jest wpisana w jego naturę, co oznacza, że z reguły nie występuje idealne

dopasowanie ceny do wartości mieszkania. W konsekwencji rzeczywiste ceny mieszkań nie

odpowiadają teoretycznemu, hedonicznemu planowi cen, a modele empiryczne mogą

lepiej lub gorzej oddawać tę nieidealną (w sensie modelowym) rzeczywistość. Posługując

się aparatem pojęciowym modelu Rosena można zaproponować graficzne ujęcie miary

nieefektywności rynku mieszkaniowego (por. wykres 3) oraz pokazać jak miarę tą odróżnić

od reszty empirycznego modelu regresji (por. wykres 4).

Transakcje zobrazowane punktami A i E na wykresie 3 odpowiadają równowadze

rynkowej. W punkcie B nie dochodzi do zawarcia transakcji, mimo że istnieje popyt i podaż

na dany zbiór charakterystyk mieszkaniowych zB. Dzieje się tak z różnych powodów, np.

asymetrii informacji, zbyt krótkiego czasu poszukiwania się nabywcy i odbiorcy lub

trwających właśnie negocjacji cenowych. W efekcie, ceny oferowane przez nabywcę

i sprzedawcę różnią się znacznie od siebie i od ceny hedonicznej. Z kolei, punkt C

odpowiada transakcji jednak cena transakcyjna mieszkania o cechach zC nie jest zgodna

60

70

80

90

100

110

85

95

105

115

125

IV k

w. 2

00

6

I kw

. 20

07

II k

w. 2

00

7

III k

w. 2

00

7

IV k

w. 2

00

7

I kw

. 20

08

II k

w. 2

00

8

III k

w. 2

00

8

IV k

w. 2

00

8

I kw

. 20

09

II k

w. 2

00

9

III k

w. 2

00

9

IV k

w. 2

00

9

I kw

. 20

10

II k

w. 2

01

0

III k

w. 2

01

0

hedoniczny M1 (l. oś)

średnia (l. oś)

wsk. dyn. struktury cech mieszkaniowych (p. oś)

85

z hedonicznym planem cen w punkcie p(zC). Nieefektywność rynku w tym punkcie

wynikać może z większych możliwości negocjacyjnych jednej ze stron (w tym przypadku

oferenta), asymetrii informacji lub z innych powodów, dla których nabywca ulega

i akceptuje zawyżoną cenę oferenta. Analogiczna sytuacja występuje w punkcie D.

W opisanych sytuacjach (punkty B, C i D) kolorowymi liniami oznaczono wielkości

odpowiadające miarom nieefektywności rynku.

Analiza modelu teoretycznego prowadzi do wniosku, że reszty modelu

ekonometrycznego są tym bliższe miarom nieefektywności rynku im: 1). rynek jest bliższy

równowadze – ceny rzeczywiste „leżą na krzywej” p(z), 2). lepsze jest dopasowanie modelu

ekonometrycznego do danych rzeczywistych. Na wykresie 4 pokazano różnice między

resztą modelu ekonometrycznego a miarą nieefektywności rynku. Krzywa ̂(z) przedstawia

wartości teoretyczne oszacowanego modelu regresji hedonicznej. Punkt D, analogicznie jak

na wykresie 3, odpowiada sytuacji, gdy rzeczywista cena transakcyjna leży poza

hedonicznym schematem cen.

Wykres 3 Nieefektywność rynku mieszkaniowego

w ujęciu modelu Rosena

Wykres 4 Empiryczny model hedoniczny

a teoretyczna funkcja hedoniczna cen

Źródło: Opracowanie własne. Źródło: Opracowanie własne.

Na podstawie przeglądu międzynarodowych badań empirycznych stwierdzono,

że czynniki różnicujące ceny mieszkań można podzielić na cztery grupy: strukturalne,

lokalizacyjne, opisujące sąsiedztwo nieruchomości oraz pozostałe. Do najczęściej

występujących cech strukturalnych należą: powierzchnia, wiek budynku, liczba łazienek,

występowanie garażu, powierzchnia działki itp. Lokalizacja odnosi się do zmiennych

określających dokładne położenie administracyjne lub geograficzne nieruchomości, albo

wyrażona jest jako odległość od centrum miasta. W grupie zmiennych opisujących

sąsiedztwo nieruchomości są informacje opisujące sytuację socjoekonomiczną

mieszkańców w bliskiej okolicy badanego mieszkania (dochody, poziom wykształcenia,

wiek), a także walory estetyczne czy krajobrazowe najbliższego otoczenia (widok z okna,

bliskość terenów zielonych). Ostatnią grupę stanowią zmienne mające uchwycić inne

φ,θ,p

z1

p(z1, z2*, … , zn

*)

A

E

D

C

B

Miary nieefektywności rynku

p

z1

p(z1, z2*, … , zn

*)

Miara nieefektywności

rynku

(z1, z2*, … , zn

*)

D

Reszta modelu regresji

86

uwarunkowania, np.: czas sprzedaży mieszkania, dynamikę ogólnego poziomu cen,

współzależne oddziaływanie cech.

Estymacja 96 modeli ekonometrycznych, odrębnie dla szesnastu rynków miejskich

w Polsce, pozwoliła na identyfikację i weryfikację podstawowych czynników

cenotwórczych. Dostępność danych pozwoliła zbadać czynniki o charakterze

strukturalnym i dość ogólnie ujętą lokalizację. Brak danych uniemożliwił weryfikację

czynników określających sąsiedztwo nieruchomości. Poszukiwanie właściwych modeli

ekonometrycznych dla poszczególnych rynków lokalnych pokazało, że nie ma jednej,

wspólnej specyfikacji tych modeli. Najważniejsze cechy występujące w dwu i więcej

miastach to: wielkość mieszkania, lokalizacja, standard wykończenia lokalu, technologia

budowy, piętro, rok budowy, prawo własności związane z lokalem, rodzaj kuchni i liczba

kondygnacji budynku (częstość ich wystąpień na rynkach lokalnych pokazuje tabela

poniżej). Nieistotne okazały się potencjalnie wpływowe zmienne, tj.: garaż, pomieszczenie

dodatkowe typu piwnica, powierzchnia zewnętrzna (balkon, taras, loggia), ogólny stan

techniczny całego budynku wielorodzinnego, czy też winda.

Tabela 2 Cechy mieszkaniowe najczęściej występujące w modelach hedonicznych 16 polskich miast

Typ zmiennej Modele M4 2008 (liczba wystąpień

zmn.)

Miasta, w których zmn. nie

występowała

Wielkość mieszkania 13 Katowice, Łódź, Trójmiasto

Lokalizacja (dzielnica, osiedle,

subdzielnica lub ich oceny) 13 Olsztyn, Opole, Zielona Góra

Standard wykończenia 12 Olsztyn, Rzeszów, Wrocław,

Zielona Góra

Technologia budowy 12 Kraków, Opole, Warszawa,

Wrocław

Piętro 10

Rok budowy 9

Spółdzielcze prawo 8

Kuchnia 6

Kondygnacje 5

Interakcja 2

Pozostałe zmienne

(pz, x8, SO, garaz) 1

Źródło: Opracowanie własne.

Szacowne modele potwierdziły zakładane w teorii nieliniowe zależności między

ceną mieszkania a jego atrybutami. Z kolei współzależność cen atrybutów nie była tak

bardzo widoczna w modelach empirycznych, jak zakładano na podstawie modelu

teoretycznego. Zaskakujące jest, że zarówno w badaniach własnych, jak i zagranicznych,

zmienne interakcyjne okazały się mieć znaczenie jedynie w 10 przypadkach, na ponad 32

analizowanych rynków (6 razy w badaniach zagranicznych i 4 dla lokalnych rynków

w Polsce).

Empiryczne modele hedoniczne znajdują inne, poza pomiarem dynamiki cen

mieszkań, zastosowanie praktyczne. Należą do nich:

- Znajomość szacunków funkcji hedonicznej oraz domniemanych cen charakterystyk

mieszkaniowych pozwala na dokonanie obiektywnej i automatycznej wyceny rynkowej

wartości nieruchomości. Wycena hedoniczna daje podstawę funkcjonowania podatkowych

87

systemów katastralnych, a także może podnosić standardy operatów szacowanych przez

rzeczoznawców majątkowych.

- Za pomocą modeli hedonicznych cen mieszkań można ocenić jak ważne są

poszczególne cechy przestrzeni miejskiej, do których należą m. in. dobra publiczne i walory

środowiska. Czynniki takie jak: dostępność infrastruktury oświaty, zdrowia czy

komunikacyjnej, tereny zielone, bezpieczeństwo i wiele innych są „nabywane” wraz

z mieszkaniem. Wycena rynkowa tych czynników jest obiektywną miarą wartości, jaką

podmioty rynkowe im przypisują i może być wykorzystana m.in. w planowaniu

przestrzennym lub ocenie opłacalności inwestycji publicznych. Znajomość tej wyceny

pozwala na wymierną ewaluację decyzji i działań podejmowanych przez władzę centralną

i samorządy lokalne. Jak pokazuje przegląd badań międzynarodowych, zagranicą takie

zastosowanie modeli hedonicznych jest stosunkowo najczęstsze.

- Znajomość wyników tego typu badań zwiększa racjonalność decyzji nabywców

mieszkań i może ułatwiać negocjacje cenowe. Pozwala na odpowiednie kształtowanie

oczekiwań co do ceny transakcyjnej, tak by odpowiadała ona rzeczywistej wartości

rynkowej. Producentom umożliwia dopasowanie struktury podaży mieszkań do popytu,

przy czym kwestia ta dotyczy zarówno deweloperów jak i właścicieli mieszkań

dokonujących remontów i modernizacji istniejącego zasobu.

- Szczególnie istotnym obszarem zastosowania wyników analizy czynników

różnicujących ceny mieszkań jest pomiar dynamiki cen nieruchomości mieszkaniowych.

Wiarygodne wskaźniki dynamiki cen są podstawą monitoringu sektora i dalszych badań

zależności strukturalnych tego rynku i makroekonomicznych. Mierniki te pozwalają zatem

w odpowiedni sposób kreować politykę gospodarczą państwa.

Istnieje kilka różnych metod konstrukcji hedonicznych indeksów cen mieszkań.

Metody te można sklasyfikować według zaproponowanego schematu (por. schemat 1).

Dokładny opis i porównanie metod sugeruje, że w warunkach dostępności danych

o polskim rynku mieszkaniowym, możliwe jest wykorzystanie czterech z sześciu

przedstawionych metod. Ze względów teoretycznych (zgodność z teorią indeksów

statystycznych), preferowaną metodą jest metoda cen charakterystyk. Własne badania

empiryczne przeprowadzone na przykładzie Warszawy sugerują jednak wykorzystanie

indeksu wyznaczonego metodą ze zmiennymi zerojedynkowymi czasu lub imputacji

bezpośredniej.

Przeprowadzona analiza pokazuje, że w warunkach polskich rynków

mieszkaniowych możliwe i wskazane jest zastąpienie prostych indeksów cen wskaźnikami

hedonicznymi. Hedoniczne indeksy cen mieszkań z metod: ze zmiennymi

zerojedynkowymi czasu wszystkich i sąsiadujących okresów oraz metody imputacji

bezpośredniej dają zbieżne wyniki. Najmniej korzystna i wiarygodna, prawdopodobnie ze

względu na niewielkie próby danych, jest metoda cen charakterystyk, choć w teorii

uważana za najlepszą. W sytuacji słabej jakości mierników i cząstkowych baz danych

śledzenie dynamiki cen mieszkań powinno odbywać się z użyciem kilku alternatywnych

wskaźników dynamiki. W szczególności, jeśli zastosowanie metod hedonicznych nie jest

możliwe, rekomenduje się wykorzystanie wskaźników opartych na prostszej metodzie

korekty zmian „jakości” jaką jest stratyfikacja. Innym obszarem potencjalnych poszukiwań

88

może być konstrukcja wskaźnika zmian struktury. Jednak w ostatnim przypadku

wymagania dotyczące danych są zbliżone, jeśli nie takie same, jak dla hedonicznych

wskaźników cen.

Schemat 1 Podział metod konstrukcji hedonicznych indeksów cen.

Źródło: Opracowanie własne na podstawie literatury.

Kierunki planowanych badań

Prowadzona analiza otworzyła kilka nowych kierunków, w których badania powinny

być kontynuowane i rozwijane. Należą do nich następujące zagadnienia:

Poprawa jakości dopasowania modeli empirycznych. Jak zaznaczono wcześniej,

oszacowane modele ekonometryczne nie wyczerpują listy czynników różnicujących ceny:

po pierwsze ze względu na mnogość czynników warunkowaną indywidualnymi

potrzebami i preferencjami nabywców oraz użytkowników mieszkań; po drugie ze

względu na brak możliwości do rozbudowania bazy danych o obszerny zbiór

dodatkowych zmiennych. Kontynuując badania wykorzystuje się coraz bardziej

powszechne i dostępne możliwości technologii i źródeł danych z GIS (Geograficzne

Systemy Informacyjne), do bardziej szczegółowego zbadania wpływu lokalizacji

i sąsiedztwa nieruchomości na jej cenę. Wstępne wyniki tego typu badań prowadzone

w NBP potwierdzają istotne polepszenie wyników estymacji przy zastosowaniu tego typu

zmiennych.

METODY KONSTRUKCJI HEDONICZNYCH INDEKSÓW CEN

POŚREDNIE

Pośrednia metoda imputacji

Metoda hedonicznego

dopasowania jakości

BEZPOŚREDNIE

Metoda cen charakterystyk

Bezpośrednie metoda imputacji

Metoda ze zmiennymi zero-

jedynkowymi czasu (ZZC)

Metoda ZZC sąsiadujących okresów Metoda ZZC wszystkich okresów

89

Zastosowanie metod ekonometrii przestrzennej do wykluczenia wpływu zależności

przestrzennych między cenami mieszkań na efektywność estymatora MNK (Metoda

Najmniejszych Kwadratów). W niektórych badaniach międzynarodowych przestrzenna

autokorelacja składnika losowego okazuje się być istotna. Dlatego warto zastanowić się

także nad pomiarem wpływu wskazanych problemów (metoda estymacji i postać

funkcyjna, brak ważnych zmiennych objaśniających, słaba jakość danych oraz

nieefektywność rynku) na umiarkowaną jakość modeli empirycznych dla rynków polskich.

Poszukiwanie przyczyn różnej specyfikacji modeli hedonicznych oraz zróżnicowania

domniemanych cen charakterystyk między miastami. Potencjalnie ciekawe wnioski może

przynieść porównanie domniemanych cen charakterystyk między miastami i ich

odniesienie do fundamentalnych czynników kształtujących popyt i podaż mieszkań. Już

samo porównanie współczynników regresji między rynkami jest utrudnione ze względu na

różne specyfikacje modeli i kategoryzacje zmiennych wyjściowych, a także znaczną

wariancję istotności statystycznej oszacowań. Analiza tego typu odwołuje się do tzw.

drugiej fazy analizy hedonicznej, polegającej na identyfikacji domniemanych krzywych

popytu i podaży charakterystyk mieszkania. Jest to problem trudny teoretycznie, natomiast

w praktyce, barierą dla Polski jest brak odpowiednich danych.

Wybór odpowiedniej metody konstrukcji indeksu cen mieszkań. Należy podkreślić,

że metody ze zmiennymi zerojedynkowymi czasu wszystkich i sąsiadujących okresów

w przeprowadzonych badaniach dały prawie identyczne wartości dynamiki cen, choć

w teorii różnią się od siebie podstawowym założeniem dotyczącym stabilności

domniemanych cen charakterystyk. Poszukiwanie przyczyn tego stanu rzeczy otwiera

nowe pole badawcze. Statystycy posługując się teorią indeksów statystycznych próbują

jednocześnie odpowiedzieć na pytanie czy indeksy oparte na metodach ze zmiennymi

zerojedynkowymi czasu posiadają formalne własności statystycznych indeksów cenowych.

W kolejnych latach w Zespole ds. Rynków Nieruchomości NBP planowane jest

przeprowadzenie analogicznych badań dla rynku pierwotnego mieszkań

i jednorodzinnych nieruchomości mieszkaniowych, które w wielu miastach są ważnym

segmentem rynkowym.

Bibliografia:

Lancaster, K.J. (1966), A new approach to consumer theory, Journal of Political Economy, No 74

(2), s. 132.

Rosen, S. (1974), Hedonic prices and implicit markets: product differentiation in pure competition,

Journal of Political Economy, s. 34-55.

Tomczyk, E. i M. Widłak (2010), Konstrukcja i własności hedonicznego indeksu cen mieszkań dla

Warszawy, Bank i Kredyt, nr 1.

Widłak, M. (2010), Metody wyznaczania hedonicznych indeksów cen jako sposób kontroli zmian

jakości dóbr, Wiadomości Statystyczne, nr 9.

Widłak, M. (2013), Czynniki różnicujące ceny mieszkań na lokalnych rynkach w Polsce, rozprawa

doktorska, przewód doktorski przeprowadzono w SGH.

90

A3 Mieszkanie w teorii konsumenta

Jacek Łaszek60

1. Wprowadzenie

Sektor mieszkaniowy jako istotny społecznie, już od kilkudziesięciu lat jest

przedmiotem zainteresowań ekonomistów. W XX wieku, w miarę narastania majątku

mieszkaniowego i związanych z nim budownictwa oraz wierzytelności hipotecznych, obok

funkcji czysto konsumpcyjnych i społecznych, rosła rola sektora mieszkaniowego jako

czynnika wzrostu gospodarczego i stabilności sektora finansowego. Znalazło to swoje

odbicie w lawinowym wzroście prac poświęconych tej problematyce, zwłaszcza po

ostatnim kryzysie nieruchomościowym. W opracowaniach tych, podejmujących różne

aspekty oddziaływania sektora na gospodarkę i vice versa, przyjmuje się na ogół dosyć

uproszczone założenia związane z mikroekonomicznym charakterem mieszkania

i związanymi z nim wyborami konsumpcyjnymi oraz inwestycyjnymi gospodarstw

domowych (zob. Allen i Carletti, 2011). Tymczasem, jak pokazują ostatnie doświadczenia

i jak uczy nas tradycyjna ekonomia, modele makroekonomiczne, oparte na

niewystarczających przesłankach mikroekonomicznych, na ogół nie odzwierciedlają dobrze

otaczającej nas rzeczywistości. Rynek mieszkaniowy, zarówno rozpatrywany lokalnie, jak

też jako agregat na poziomie makroekonomicznym, jest rynkiem niedoskonałym,

cyklicznym i katastroficznym (obserwuje się gwałtowne załamania cen powiązane

z masowym brakiem spłat kredytów mieszkaniowych). Wynika to z mechanizmów

równoważenia się rynku (wieloletnie opóźnienie reakcji podaży, szoki popytowe

niemożliwe do zaspokojenia, kumulowanie napięć, nadmierna regulacja i pokusa

spekulacji), jak też warunków jego funkcjonowania (silny i zróżnicowany narodowo

wpływ polityki państwa i związanych z nim, zazwyczaj nadmiernych regulacji, wielość

podmiotów na rynku). W literaturze szeroko wskazuje się zwłaszcza podatność na

manipulacje i spekulacje, niską transparentność z powodu trudności z dostępem do

danych, silną polityczność, związaną z charakterem potrzeb i przekładającą się często na

system finansowy, który wymaga szerokiej regulacji, i z tego powodu jest często

poddawany niekompetentnej i procyklicznej interwencji (zob. Case. i Shiller, 2003, Herring

i Wachter, 1999). Te cechy, szeroko omawiane w literaturze sektorowej, są w pewnym

zakresie wynikiem cech, jakie charakteryzują mieszkanie i jakie różnią je od większości

pozostałych dóbr konsumpcyjnych (zob. Yang, 2006). W artykule skupimy się na tych

różnicach, które mają wpływ na wybory konsumenta bez wchodzenia w mechanizm

funkcjonowania rynku, arbitraż pomiędzy jego składowymi oraz mechanizm cykli (zob.

Wheaton, 1999).

Celem artykułu jest pogłębienie wiedzy o wyborach konsumenta w ujęciu

mikroekonomicznym, co pozwoli lepiej zrozumieć działanie nabywcy mieszkania oraz jego

wpływ na rynek mieszkaniowy. W rozdziale 2 przedstawiamy podstawowe płaszczyzny

60 Szkoła Główna Handlowa i Instytut Ekonomiczny, Narodowy Bank Polski.

91

analizy konsumenta na rynku mieszkaniowym. Rozdział 3 zawiera analizę mieszkanie pod

aspektem dobra konsumpcyjnego i inwestycyjnego. Następnie omawiamy jego rynkową

wycenę oraz koszt. Taka analiza pozwala lepiej zrozumieć wybór mieszkaniowy

konsumenta. Kolejno wchodzimy szczegółowo w wybór mieszkania jako dobra

heterogenicznego. Uwzględniając wnioski z powyższych podpunktów przedstawiamy

złożony wybór struktury popytu mieszkaniowego w formie oszczędności i konsumpcji.

Wnioski przedstawione są w rozdziale 4.

2. Podstawowe płaszczyzny analizy konsumenta na rynku mieszkaniowym

Podstawowy problem, na który natrafiamy przy analizie mieszkania jako dobra

konsumpcyjnego, to jego dualność rodząca heterogeniczność zarówno jako trwałego dobra

konsumpcyjnego lub dobra kapitałowego generującego usługi konsumpcyjne

i jednocześnie dobra o charakterze inwestycyjnym, przynoszącym dochody i wycenianym

przez rynek. W przypadku mieszkań OOH oba te wybory są ze sobą powiązane, gdyż to co

obserwujemy na rynku jako popyt mieszkaniowy jest sumą popytów inwestycyjnego

i konsumpcyjnego.

Mieszkanie jest dobrem konsumpcyjnym trwałym lub, według alternatywnej

interpretacji, kapitałem produkcyjnym, który generuje strumień usług zaspokajających

potrzeby konsumpcyjne. W konsekwencji mamy do czynienia z rynkiem usług

mieszkaniowych oraz z rynkami kapitałowymi (zasoby mieszkaniowe), na których

kształtują się rynkowe ceny usług i dóbr kapitałowych. W alokacji kapitału bierze udział

rynek finansowy, co powoduje, że na bazie kapitału mieszkaniowego tworzone są aktywa

finansowe. W przypadku mieszkań OOH mamy do czynienia z kapitałem i różnymi

usługami generowanymi na potrzeby jego właściciela, co powoduje, że mieszkanie

postrzegane jest jako trwałe dobro konsumpcyjne o określonych cechach.

Heterogeniczność mieszkania wpływa na wybory konsumentów tego dobra,

zarówno konsumpcyjne, jak i inwestycyjne. Obie te decyzje tworzą łączny popyt

mieszkaniowy, mimo że w obu przypadkach oczekiwane charakterystyki są odmienne.

Jednak, nawet jeżeli rozpatrujemy sam wybór konsumpcyjny OOH a wynajem, to wybór

OOH zawsze zawiera w sobie element inwestycyjny w postaci raty kapitałowej.

W każdej z omawianych dwóch funkcji mieszkanie jest dobrem heterogenicznym

(zob. Tomczyk i Widłak, 2010), co oznacza, że jego wartość użytkowa nie jest określona

punktowo, lecz przedziałowo61. Dodatkowo każda cecha różnicuje się jakościowo bądź

ilościowo. Oznacza to, że indywidualna wartość mieszkania dla konsumenta to ważona

jego preferencjami suma wartości jego atrybutów, podobnie jak dla sprzedającego (zakup

na rynku wtórnym). W przypadku producenta kwestia jest bardziej złożona - musi on

61 W uproszeniu można powiedzieć, że w przypadku dóbr homogenicznych, cena jednostki dobra jest

zdefiniowana punktowo przez przecięcie krzywych popytu i podaży (np. kilogram cukru). Natomiast dla

dóbr heterogenicznych istnieje pewien przedział jakości i związanych z nią cen, które konsument może

wybierać, np. wybierając różne standardy wykończenia mieszkania będziemy mieli do czynienia z różnymi

cenami m kw. (zob. Rosen, 1974).

92

produkować mieszkania pod indywidualne zamówienie lub na podstawie badania rynku.

Z punktu widzenia optymalizacji konsumenta i producenta oznacza to poważny problem,

gdyż przedmiotem optymalizacji jest koszyk cech (jakości), gdzie optymalizujemy jego

skład i ilość jakości dla każdej cechy oraz ilość produkowanych dóbr (bardziej po stronie

producenta).

W konsekwencji podstawowym problemem, z którym spotykamy się w przypadku

analizy wyboru konsumenta i inwestora na rynku mieszkaniowym, jest wielowymiarowy

charakter wartości mieszkania i w konsekwencji jego wybór, będący optymalizacją wielu

zmiennych. Dla celów analitycznych wygodniej jest zredukować liczbę wymiarów

podejmowanych decyzji. Drogę w tym kierunku sugerują też rzeczywiste możliwości

optymalizacyjne gospodarstwa domowego. Również obserwacja rynku, gospodarstw

domowych, jak też analiza współczesnej literatury dotyczącej funkcjonowania ludzkiego

mózgu62, prowadzą do wniosku, że podstawowe zachowanie gospodarstwa domowego, to

optymalizacja ograniczona do kilku, maksimum sześciu-ośmiu wymiarów, przy

traktowaniu pozostałych zmiennych raczej jako warunki poboczne lub forma procedury

iteracyjnej (konsultacje z żoną, znajomymi, dalsze poszukiwania, konsultacje, etc.). Nie

znamy też interakcji pomiędzy zmiennymi i nie mamy żadnej gwarancji, że oczekiwania

nabywców nie zmieniają się w czasie i przestrzeni. W konsekwencji trudno jest

przewidzieć, które atrybuty mieszkania będą wpływały faktycznie na optymalizację

wyboru, a które będą tylko chwilowymi warunkami pobocznymi branymi pod uwagę

przez gospodarstwo domowe, gdyż to co obserwujemy na rynku to efekt końcowy całego

procesu. Takie zachowanie bardziej przypomina serię optymalizacji cząstkowych, a dobrą

metodą przybliżenia rozwiązania końcowego może być zastosowanie metod ekonomii

eksperymentalnej. Ponieważ jednak ilość wyborów i zmiennych jest skończona, możemy

mówić o rozkładzie prawdopodobieństwa podejmowanych decyzji, co może być lepszym

rozwiązaniem niż opieranie się na wielowymiarowych, deterministycznych modelach

optymalizacji. Wiele badań pokazuje, że za pomocą modeli teoretycznych można wyjaśnić

zachowanie konsumenta, jednakże problemem jest wysoki poziom błędów. Powstaje więc

pytanie czy można go zmniejszyć czy ma on raczej charakter strukturalny dla tego rynku.

Istotnym czynnikiem dodatkowym wpływającym na dokonywane wybory jest fakt,

że rynek mieszkaniowy jest rynkiem niedoskonałym, ze złym przepływem informacji,

lokalnym, gdzie wybory dokonywane są na zasadzie indywidualnego dopasowania cech

mieszkania do preferencji kupującego.

Niedoskonałość funkcjonowania rynku mieszkaniowego powoduje, że bardzo

trudno o idealne dopasowanie struktury podaży do struktury popytu, co powoduje pewną

niejednoznaczność wycen charakterystyk i zawsze indywidualny charakter transakcji.

W odróżnieniu od dóbr homogenicznych mamy więc do czynienia nie z jednym punktem

równowagami, lecz z obszarem punktów równowagi.

62 Kahn, Moore and Glazer (1987) twierdzą, iż ograniczenia poznawcze ludzkiego umysłu nie

pozwalają na jednoczesne przetwarzanie dużych zbiorów informacji, co zmusza do podejmowania decyzji

hierarchicznych.

93

Rozpatrując konsumpcyjne wybory gospodarstw domowych rozpatrujemy

konsumpcję strumienia usług. Podstawowe wybory konsumenta to decyzje o wysokości

konsumpcji mieszkaniowej (ile mieszkania a ile innych dóbr i ile mieszkania a ile

oszczędności) oraz o wyborze formy tej konsumpcji pomiędzy własnością oraz

mieszkaniem na wynajem (zob. Augustyniak i in., 2013). W zależności od wybranej formy

własności na koszt usługi wpływ ma obowiązująca na rynku stopa procentowa oraz

zmiany wartości mieszkania (mieszkania OOH) lub czynsze rynkowe. Kształtują one linię

budżetu gospodarstwa domowego. W przypadku mieszkań OOH stopa procentowa

oddziałuje poprzez oprocentowanie kredytu mieszkaniowego oraz poprzez

oprocentowanie (koszt alternatywny) kapitału własnego, gdy mieszkanie nie jest

zadłużone. Obydwie stopy różnią się zazwyczaj63, można jednak założyć dla uproszczenia,

że w tym wypadku są podobne. Warto też zauważyć, że krótkookresowo nie ma

jednoznacznych zależności pomiędzy wysokością czynszów, o których poziomie decyduje

popyt i podaż na rynku czynszowym, a kosztem mieszkania OOH kupowanego na kredyt

lub szacowanego przy pomocy kosztów alternatywnych własnego kapitału. W tym drugim

przypadku decyduje sytuacja na rynku kapitałowym i rynku mieszkań OOH. Tak więc,

o ile w przypadku wyboru własności lub wynajmu nie mamy różnicy w wysokości

konsumpcji, o tyle różne krótko- i długookresowo mogą być koszty finansowania tej

konsumpcji oraz elementy pozakosztowe wpływające na wybór (przywiązanie do

mieszkania, bezpieczeństwo socjalne), z których podstawowym jest ratalne nabywanie

aktywa inwestycyjnego w przypadku własności. Zakup mieszkania własnościowego jest

więc formą oszczędzania.

W modelu z OOH decyzje stają się bardziej złożone, gdyż oprócz decyzji

o wysokości konsumpcji mieszkaniowej dodatkowo dochodzi wybór „ile mieszkania jako

oszczędności” związany z inwestycyjnym charakterem mieszkania i rynkiem obiektów.

Z kolei popyt inwestycyjny (oszczędności) możemy rozpatrywać jako złożenie dwóch

wyborów ,,ile mieszkania biorąc pod uwagę zmiany jego wartości’’ (co utożsamiamy

z motywem spekulacyjnym, krótkookresowym) i ,,ile mieszkania biorąc pod uwagę

utrzymywanie przez nie realnej wartości oraz/lub stałe dochody czynszowe’’ (co możemy

utożsamiać z długookresowym motywem przezorności). Obydwa wybory inwestycyjne

przejawiają się na rynku w postaci dodatkowego popytu mieszkaniowego, ale

w pierwszym przypadku mieszkanie będzie sprzedane, gdy osiągnie zakładana cenę.

Natomiast w drugim przypadku mieszkanie będzie trzymane jako majątek oraz

wynajmowane w celu uzyskania bieżących dochodów. W konsekwencji popyt

mieszkaniowy jest złożeniem w określonych proporcjach dwóch wyborów „ile mieszkania

jako konsumpcji” oraz ,,ile mieszkania jako oszczędności’’.

Jednak problem wyboru „mieszkanie jako konsumpcja” oraz „mieszkanie jako

inwestycje” jest bardziej złożony. Cel spekulacyjnej inwestycji mieszkaniowej również

może mieć charakter mieszkaniowy i sytuacje takie występują na rynku („kupię na kredyt

63 W przypadku Polski są one różne, natomiast mogą być też takie same w przypadku tzw. kredytów

własnych (personal loan), udzielanych przez właściciela mieszkania jego nabywcy bez pośrednictwa banku.

94

dodatkowe mieszkania, potem sprzedam i zarobię na własne mieszkanie”). Podstawowy

problem analityczny polega więc na tym, że na rynku popyt mieszkaniowy występuje bez

atrybutów i trudno jest go rozdzielić na omawiane kategorie (por. analiza przeprowadzona

przez Henderson i Ioannides, 1983 oraz Ioannides i Rosenthal, 1994).

Mieszkanie jako dobro heterogeniczne jest złożeniem swoich charakterystyk, które

decydują o zaspokajaniu potrzeb mieszkaniowych i składają się na rynkowe oraz

indywidualne wyceny jego wartości. W konsekwencji wybór mieszkaniowy jest zawsze

wyborem charakterystyk mieszkania i w konsekwencji decyzja ta wpływa na pozostałe

wybory konsumpcyjne. Patrząc odwrotnie, każda zmiana cen na pozostałych rynkach

wpływa na wybory mieszkaniowe, popyt na charakterystyki i ich rynkową wycenę.

Konsekwencją trwałości mieszkania i świadczenia usług w horyzoncie

przekraczającym okres biologicznej egzystencji gospodarstwa jest to, że musimy

uwzględnić odmienne zachowania gospodarstw już posiadających mieszkanie oraz tych,

które zamierzają je nabyć. Dodatkowo gospodarstwa już posiadające mieszkania będą

znajdowały się w innym punkcie funkcji użyteczności i będą inaczej wyceniały użyteczność

dodatkowej przestrzeni mieszkaniowej. Zmiany wartości mieszkania będą też

powodowały zmiany majątku gospodarstw domowych i tym samym zmieniały ogólny ich

punkt równowagi, w tym dotyczący konsumpcji mieszkaniowej i wyboru jego cech.

Trwałość mieszkania, poprzez posiadanie majątku mieszkaniowego, czy w ogóle

dotychczasowy poziom konsumpcji mieszkaniowej, będzie też istotnie wpływała na

wybory konsumenckie w skali makroekonomicznej. Wprawdzie każdy pojedynczy

konsument może sprzedać swoje małe mieszkanie i kupić, w miarę swoich możliwości,

nowe, dowolnie duże, to jednak w skali makroekonomicznej nie ma takiej prostej

możliwości. Wzrost dochodów gospodarstw domowych i związany z tym wzrost

zapotrzebowania na wyższy standard mieszkaniowy może być zrealizowany tylko poprzez

większy zasób mieszkań, który dopiero trzeba wyprodukować. Jednocześnie

w odróżnieniu od innych dóbr konsumpcyjnych, gdzie istotne zwiększenie konsumpcji

danego dobra może nastąpić w relatywnie krótkim okresie, tutaj wzrost ten jest rozłożony

na lata. W konsekwencji konsument nie porusza się po krzywej użyteczności wybierając

kolejne koszyki mieszkaniowe, lecz porusza się po cięciwie oddzielnie wyceniając kolejne

jednostki mieszkaniowe. Ma to istotny wpływ na wycenę konsumpcji mieszkaniowej, która

występuje jako dodatkowe jednostki, a nie jako nowe pakiety w przypadku dóbr

nietrwałych. Ponadto rozpatrując konsumpcję mieszkaniową należy też wziąć pod uwagę,

że w odróżnieniu od innych dóbr większość ludzi, szczególnie w naszych warunkach

klimatycznych już w jakiejś postaci zaspokaja swoje potrzeby mieszkaniowe, nie dokonuje

więc wyboru od początku tj. od stanu mieszkania na ulicy do stanu własnego mieszkania.

Można niewątpliwie wyróżnić kategorię tzw. first-time buyer, czyli przykładowo młode

małżeństwa, wynajmujące mieszkania lub mieszkające wraz z rodzicami, dla których

odczuwanie potrzeby samodzielnego mieszkania będzie bardzo silne (Reed i Mills, 2007).

Jednak bardzo dużo gospodarstw domowych już posiada własne mieszkanie (wg. danych

Eurostat) i ewentualnie zastanawia się nad jego powiększeniem. Porównując problem do

wyboru dóbr nietrwałych jest to taka sytuacja, w której przykładowo zastanawiamy się czy

kupić gruszkę czy jabłko, mając już jedną gruszkę w żołądku, a nie pusty żołądek.

95

Model Aoki, Proudman i Vlieghe (2002) dobrze przedstawia wybory konsumenta,

który do koszyka posiadanego dobra dokupuje lub wyprzedaje kolejne jednostki.

W przypadku opisywanym w niniejszym artykule konsument posiada mieszkanie na

własność i w kolejnych okresach może powiększać je lub pomniejszać. Celem konsumenta

jest maksymalizacja użyteczności w ciągu całego życia (maxU(C,H)) poprzez wybór

odpowiedniej proporcji pomiędzy poziomem konsumpcji mieszkań (Ht) oraz konsumpcji

innych dóbr (Ct) w różnych okresach. Żeby móc porównywać użyteczność mieszkania oraz

innych dóbr, uwzględniamy imputowany czynsz obliczony jako wartość mieszkania

pomnożona przez współczynnik k, odzwierciedlający relację czynszów do cen (por. Bajari i

in., 2013). Ponadto β<1 to parametr, który uwzględnia malejące użyteczności w funkcji

czasu. Indeksami t oznaczone są okresy życia konsumenta.

max ( ) ∑ ( ( )( )

)

Do analizy wprowadzono budżetowe warunki ograniczające dla dwóch,

następujących po sobie okresów (bt, bt+1):

( )

( )( )

Otrzymano równane Lagrange’a,

∑ ( ( )( ) )

+ ( ( )( ) )

Optymalne rozwiązania pokazują relacje pomiędzy ilością mieszkań i konsumpcji w dwóch

różnych okresach (wybór międzyokresowy):

( )

( )

( )

( )

oraz relację pomiędzy ilością mieszkań i konsumpcji w pierwszym okresie oraz w drugim

okresie (wybór śródokresowy):

( )( ) ( )

( )( ) ( )

Zagadnienie nabywania dodatkowych jednostek dobra do posiadanego już zasobu

jest szczególnie istotne w przypadku nieruchomości mieszkaniowych, gdzie z jednej strony

występują zmienne dochody, z drugiej relatywnie sztywny zasób. Przy szybkiej zmianie

dochodów mieszkania stają się dobrem relatywnie rzadkim i ich ceny rosną. Przy

odwróceniu się tendencji, gdy w trakcie kryzysu dochody spadają, często towarzyszy temu

96

zjawisku pęknięcie bańki cenowej i istnieje nadmiar niesprzedanych mieszkań

wystawionych na rynek.

Problem ten można prosto przedstawić graficznie i tabelarycznie posługując się

najprostszą krzywą obojętności (rysunek 1, tabela 1). Rozpatrujemy dwa dobra, gdzie z jest

konsumpcją mieszkania, natomiast x to konsumpcja pozostałych dóbr.

Rysunek 1 Krzywa obojętności gospodarstwa domowego przy wyborze mieszkaniowym i

konsumpcji innych dóbr

Wszystkie kombinacje dobra x i z na krzywej są jednakowo preferowane i przy

założonym budżecie b konsument wycenia dobro z, w zależności od jego ilości, jako pz. pz‘

określa średnie ceny kolejnych koszyków dóbr, natomiast pz‘’ to cena jaką konsument może

zapłacić za dodatkowe jednostki mieszkania.

Gdy dochody społeczeństwa i pojedynczego konsumenta wzrosną, popyt

mieszkaniowy, który jest praktycznie proporcjonalny do dochodów, rośnie. Mieszkanie

staje się dobrem relatywnie rzadkim i jego cena, którą konsument akceptuje przy danym

budżecie i preferencjach, rośnie. Jednak, jak wspomniano, w przypadku mieszkań

mechanizm ten ulega modyfikacji. Jeżeli posiadam już 20 m kw. mieszkania, a chcę

posiadać 30 m kw., to nie kupuję 30 m kw. płacąc po 333 PLN za m kw. (oczywiście

rozliczam to w miesięcznym strumieniu wydatków), tylko dokupię do posiadanych 20 m

kw., za które zapłaciłem 500 PLN za m kw. 10 m kw. płacąc za nie 333 PLN za m kw. Nie

kupuję więc dóbr w pakietach, tylko poruszam się po krzywej użyteczności. W

konsekwencji moje ceny, to ceny średnie takiej kombinacji. Zależność ceny mieszkania od

ilości konsumpcji mieszkaniowej prezentuje tabela 1.

Tabela 1 Ceny mieszkań a dochód gospodarstwa domowego

x*z=n; n= 20 t. kons wzrost spadek

budżet b= 20000 x z px pz pz' pz" pz-pz'/pz pz pz" z pz-pz"/pz

ilość x= 6,00 6,00 3,33 1666,67 3000,00 3000,00 1020,45 0% 83,33 83,33 120,00 66%

5,00 5,00 4,00 2000,00 2500,00 2750,00 822,50 -10% 100,00 91,67 100,00 67%

0,00 2,00 4,00 6,00 8,00

0,00

20,00

40,00

60,00

80,00

100,00

120,00

140,00

Inne dobra - x

Mie

szkanie

(m

kw

.) -

z

97

4,00 4,00 5,00 2500,00 2000,00 2500,00 636,11 -25% 125,00 102,78 80,00 68%

3,00 3,00 6,67 3333,33 1500,00 2250,00 465,63 -50% 166,67 118,75 60,00 69%

2,00 2,00 10,00 5000,00 1000,00 2000,00 317,86 -100% 250,00 145,00 40,00 68%

1,00 1,00 20,00 10000,00 500,00 1750,00 204,17 -250% 500,00 204,17 20,00 59%

0,50 0,50 40,00 20000,00 250,00 1535,71 145,00 -514% 1000,00 317,86 10,00 42%

0,33 0,33 60,00 30000,00 166,67 1364,58 118,75 -719% 1500,00 465,63 6,67 29%

0,25 0,25 80,00 40000,00 125,00 1226,85 102,78 -881% 2000,00 636,11 5,00 18%

0,20 0,20 100,00 50000,00 100,00 1114,17 91,67 -1014% 2500,00 822,50 4,00 8%

0,17 0,17 120,00 60000,00 83,33 1020,45 83,33 -1125% 3000,00 1020,45 3,33 0%

Konsekwencją takiego mechanizmu są zmodyfikowane wybory gospodarstwa

domowego. W warunkach „nadganiania” konsumpcji mieszkaniowej płaci ono więcej, niż

gdyby od razu nabywało poziom docelowy, zapewniając deweloperom specyficzną rentę.

Mechanizm ten działa też w drugą stronę. Gdy mieszkań jest za dużo, przykładowo po

kryzysie, stopniowa wyprzedaż tej oferty powoduje, że płacone efektywnie deweloperom

ceny są znacznie niższe i wolniej rosną. To co deweloperzy zyskują w czasie boomu mogą

musieć oddać w recesji. Zjawisko to dodatkowo tłumaczy przyspieszenia wzrostu cen

w fazie boomu mieszkaniowego i problemy deweloperów z wyjściem z recesji (zob.

rysunek 2).

Rysunek 2 Zmiany cen mieszkań w okresie boomu i recesji

Ceny średnie, które płaci konsument na tym rynku za osiągnięty poziom konsumpcji

znacząco odbiegają w górę od cen, które zapłaciłby w przypadku innych dóbr.

W warunkach wzrostu popytu rynek mieszkaniowy zapewnia więc producentom

dodatkową rentę, co może tłumaczyć wysoką zazwyczaj opłacalność produkcji mieszkań

i niską opłacalność najmu (por. NBP, 2013). Zależność ta działa też w drugą stronę - przy

spadku konsumpcji mieszkaniowej, a więc przechodzeniu od wysokiego do niższego

nasycenia mieszkaniami, ceny rosną względne wolniej, niż wynikałoby to z logiki teorii

konsumenta, czyli względnej rzadkości dóbr. Może to częściowo tłumaczyć gwałtowność

1 2 3 4 5 6 7 8 9 10 11

0

500

1000

1500

2000

2500

3000

Ilość (jednostka)

Cena w

zł /

m k

w.

pz (recesja)

pz' (recesja)

pz (boom)

pz'' (boom)

98

procesów załamania cen mieszkań przy pękaniu baniek cenowych, gdyż redukcja

konsumpcji w niewielkim stopniu przekłada się na wzrost rzadkości mieszkania

i związany z tym efekt wzrostu jego wartości.

Pełna analiza odzwierciedlająca realia rynków mieszkaniowych powinna jeszcze

uwzględnić dwa rodzaje finansowania mieszkań (stałe i zmienne stopy procentowe),

skutkujące odmiennym zachowaniem przy zmianach stóp procentowych oraz różnego

typu restrykcje nakładane na rynek czynszowy (głównie przeciętną długość kontraktu

i możliwość podnoszenia czynszu w trakcie trwania kontraktu), jak też OOH (subsydia,

podwyżki stawek podatku katastralnego). Mają one wpływ na odchylanie się rynku od

warunków równowagi, kumulacje napięć oraz arbitraż pomiędzy rynkiem OOH

i czynszowym.

Rozpatrując zachowanie gospodarstwa domowego na rynku mieszkaniowym nie

sposób też abstrahować od kontekstu społecznego. Wymaga to uwzględnienia fazy

rozwoju gospodarstwa domowego zarówno z punktu widzenia tzw. cyklu

mieszkaniowego (zmiana potrzeb mieszkaniowych w cyklu życia gospodarstwa), jak też

cyklu życia (proporcje konsumpcji i aktywów zgodnie z teoriami typu permanentna

konsumpcja).

W amerykańskim, międzygeneracyjnym modelu mieszkaniowym, często

spotykanym w literaturze64, starsze, emeryckie gospodarstwa domowe mające mieszkanie

i oszczędności sprzedają swoje mieszkania młodym gospodarstwom domowym za kredyt

udzielany z ich środków, którego spłaty (odsetki) są dodatkowym dochodem tych

gospodarstw poza emeryturą. Jednak inwestycje w hipoteczne papiery dłużne mogą

dotyczyć też pozostałych gospodarstw domowych i mogą być instrumentem oszczędzania

na przyszłe mieszkanie (wkład własny) lub cele poza mieszkaniowe. Dlatego pełen model

sektorowy zachowań mieszkaniowych gospodarstwa domowego, zwłaszcza dla krajów

o rozwiniętym rynku mieszkaniowym i wysokim zadłużeniu sektora mieszkaniowego,

powinien dodatkowo zawierać analizę gospodarstwa domowego w czasie i jako inwestora

w dłużne papiery hipoteczne (jako dodatkowy wybór konsumpcja czy oszczędności

z bankiem jako pośrednikiem finansowym).

Kredyty mieszkaniowe, a zwłaszcza oparte na nich papiery wartościowe (obligacje,

akcje banków hipotecznych, udziały w funduszach nieruchomościowych), mogą stanowić

bardziej płynną alternatywę dla bezpośrednich inwestycji mieszkaniowych i ograniczać

bezpośredni, indywidualny popyt mieszkaniowy na obiekty traktowane jako inwestycje

czy oszczędności. Można więc przypuszczać, że zwiększając podaż kredytów

i finansowanie typu equity poprzez fundusze będą one z jednej strony zwiększać popyt

mieszkaniowy jako konsumpcję, mogą jednak ograniczać jako dobra suplementarne popyt

inwestycyjny na mieszkania.

64 Bajari i in. (2010) prezentują model cyklu życia. W każdym okresie gospodarstwa domowe wybierają

pomiędzy konsumpcją mieszkań i innych dóbr oraz podejmują decyzje dotyczące zapożyczania się oraz

oszczędności.

99

3. Mieszkanie jako dobro. Konsumpcja mieszkaniowa, jej rynkowa wycena i koszt.

Wybór mieszkaniowy

Mieszkanie jest trwałym dobrem konsumpcyjnym, o czasie zużycia czy konsumpcji

liczonym w dziesiątkach lat i wielokrotnie przekraczającym horyzont czasowy

gospodarstwa domowego. Pierwszą konsekwencją tego faktu jest poważna wątpliwość, czy

istotnie należy traktować mieszkanie jako tzw. trwałe dobro konsumpcyjne, czy raczej jako

dobro kapitałowe generujące usługi mieszkaniowe. Byłoby to zgodne z zapisem inwestycji

mieszkaniowych w rachunkach PKB, zarówno metodą SNA, jak też MPS jako inwestycje

kapitałowe czy inwestycje produkcyjne. Przy interpretacji „kapitałowo-usługowej” zwraca

uwagę bardzo wysoki udział kapitału w stosunku do czynnika pracy przy usłudze

mieszkaniowej. W konsekwencji rynek mieszkań, na którym porusza się gospodarstwo

domowe, występuje jako rynek usług czy przestrzeni na wynajem oraz rynek obiektów

czyli mieszkań. Ten dualizm jest szeroko ujmowany w literaturze dotyczącej

nieruchomości komercyjnych. W przypadku mieszkań są to rynki usług i konsumpcji oraz

kapitału rzeczowego. Konsekwencją tej sytuacji jest modyfikacja zachowań

konsumenckich. Zmiany ceny mieszkania inaczej oddziałują na gospodarstwa domowe

posiadające mieszkania (efekt majątkowy), inaczej na gospodarstwa tych mieszkań nie

posiadające (efekty cenowy i dochodowy). Ten aspekt ma jednak jeszcze jedną warstwę.

W przypadku konsumpcji dóbr nietrwałych każdy wybór jest wyborem „od początku”,

gdyż dobro jest konsumowane całkowicie w określonym czasie. W przypadku mieszkań

zbliżona sytuacja występuje w przypadku wynajmu mieszkań, czyli na rynku usług

konsumpcyjnych, gdzie możemy przedłużyć lub nie dotychczasowy kontrakt.

W przypadku mieszkań OOH sytuacja jest jednak odmienna, gdyż równolegle

z konsumpcją posiadamy dobro kapitałowe. W konsekwencji już posiadany kapitał

rzeczowy i związany z nim dotychczasowy strumień usług mieszkaniowych, generowany

przez posiadane mieszkanie, modyfikuje wybór konsumenta (por. rozdział 1). Poniżej

przedstawimy czynniki wpływające na rynkową cenę usług i dobra, które są podstawą

podejmowania decyzji konsumenckich.

3.1. Rynkowa wycena i koszt mieszkania

Mieszkania generują usługi, które są sprzedawane na rynku i generują dochody

czynszowe. W przypadku mieszkań OOH miejsce czynszu zajmą czynsze imputowane,

czyli kwota zaoszczędzona przez właścicieli z tytułu, że już nie muszą płacić czynszów,

a jej wielkość jest przejęta z rynku wynajmu65.

Po drugiej stronie rachunku pojawią się jednak koszty uzyskania tych dochodów.

Pełne koszty świadczonych usług mieszkaniowych będą zawierały poniesione, bieżące

koszty materialne i rzeczowe (remonty, bieżąca eksploatacja), opłaty i podatki, koszty

65 W Szwajcarii w 2010 roku rynek najmu stanowił ok. 56% zasobu mieszkaniowego. W kraju tym do

obliczania podatku dochodowego czynsze imputowane są wliczane do dochodu, co zmniejsza chęć

posiadania mieszkania własnościowego przez obywateli (por. Bourassa i in., 2010).

100

kapitału (rozumiane jako procent od wartości mieszkania oraz rentę gruntową czy rentę

miejską w przypadku mieszkań poza terenami rolniczymi, gdy dzierżawimy ziemię lub po

prostu koszt jej zakupu pomnożony przez stopę procentowa, gdy ziemię kupiliśmy) oraz

ewentualne dochody kapitałowe związane z aprecjacją mieszkań. W uproszczeniu formułę

tę w postaci strumienia (rocznego, kwartalnego) możemy zapisać jako:

( ) ,

Gdzie:

– całkowite koszty mieszkania (total cost of housing)

- koszt budowy

- koszt ziemi

– stopa zwrotu bez ryzyka

- koszt eksploatacji

- koszt remontów

- koszty finansowe (np. ubezpieczenie, podatki)

- aprecjacja

Jeżeli mieszkanie finansujemy kredytem, to w miejsce kosztów kapitału pojawiają się

odsetki od kredytu oraz utracone odsetki od naszego udziału własnego. Różnica pomiędzy

kosztem a dochodem, to zysk wytworzony w danym okresie. W tym ujęciu mieszkanie

rozpatrywaliśmy jako przepływy generowanych przez nie usług (dochodów) i kosztów.

Aby ponownie przejść do rachunku zasobów kapitału należy te strumienie zdyskontować.

Jeżeli traktować mieszkanie jako dobro kapitałowe, eksploatowane przez nas

w czasie t0 - t do którego wytworzenia użyto klasycznych czynników produkcji (kapitał,

praca, ziemia), to jego najprościej obliczana wartość rynkowa na rynku obiektów na czas t0

będzie zdyskontowaną sumą wartości świadczonych usług czyli czynszów,

pomniejszonych o koszty usług i powiększoną o ewentualną wartość rezydualną, po której

sprzedamy mieszkanie po czasie t.

∑

( )

( ) ,

gdzie:

- wartość czynszu

- stopa dyskontująca, zakłada się że jest stała w czasie

-wartość rezydualna

W konsekwencji mieszkanie staje się aktywem rzeczowym przynoszącym regularne

dochody w postaci dywidendy oraz dochody z zysków kapitałowych i może stać się

podstawą emisji aktywów finansowych, których wartość określa suma zdyskontowanych

dochodów, korygowanych ryzykiem. Wysokość czynszu uzależniona jest długookresowo

od relacji podaży i popytu na zasób, a więc tradycyjnych, fundamentalnych czynników

oddziałujących na popyt (dochody, demografia, migracje) i podaży zasobu (zasób

historyczny – ubytki - zmiany przeznaczenia + budownictwo). Podobny sposób

rozumowania możemy zastosować do mieszkań OOH.

Zestawienie pełnej wartości świadczonych usług z ich wyceną rynkową daje

odpowiedź na pytanie o nadzwyczajną stopę zwrotu z inwestycji mieszkaniowej,

101

uzyskiwaną przeciętnie w omawianym okresie i ekonomiczny sens świadczenia usług

mieszkaniowych.

Dla gospodarki zrównoważonej czynsze, oprócz kosztów eksploatacyjnych, powinny

pokrywać koszty kapitału. Jeżeli wartość czynszu przekracza pełne koszty kapitału

w ujęciu okresowym, oznacza to zyski nadzwyczajne i można oczekiwać realokacji kapitału

do sektora oraz wzrostu oszczędności i w konsekwencji rozwoju zasobu. W przeciwnym

przypadku będzie występować zjawisko odpływu kapitału z sektora. Przepływy dotyczą

sektora mieszkań na wynajem i mieszkań OOH oraz sektora mieszkaniowego i reszty

gospodarki.

Analizując wybory konsumenckie na rynku rozpatrujemy zazwyczaj

krótkookresowo i indywidualnie optymalny wybór, jako ten obserwowalny fizycznie na

rynku. W krótkim okresie podaż na rynku określona jest nie przez zasób mieszkaniowy,

tylko przez ilość mieszkań wystawionych do sprzedaży, natomiast popyt to osoby

poszukujące mieszkań.

Gospodarstwo domowe dokonuje wyboru konsumpcji mieszkaniowej kierując się

wielkością swojego budżetu, ceną usługi mieszkaniowej w dostępnej formie własności

i swoimi preferencjami. Dzięki stopie procentowej i czynszom imputowanym możemy

rozpatrywać wybory mieszkaniowe zestawiając mieszkanie z pozostałymi, nietrwałymi

dobrami konsumpcyjnymi, możemy też porównywać wybory mieszkań czynszowych

i OOH (por. rysunek 4). Na rysunku 4 stopa procentowa odzwierciedlona jest poprzez kąt

α. Spadek stopy procentowej powoduje zwiększenie się kąta α do α‘ i w konsekwencji

zmianę ograniczenia budżetowego w kierunku potencjalnie większej ilości konsumpcji

mieszkaniowej. Przy danej funkcji użyteczności spowoduje to efekt substytucyjny

i dochodowy, a poprzez to zwiększenie konsumpcji mieszkań. Koszt mieszkania OOH to

odsetki od kredytu lub koszt alternatywny własnego kapitału liczony od wartości rynkowej

mieszkania. W przypadku mieszkań czynszowych są to czynsze i nie występuje tu

krótkookresowa zależność od cen rynkowych oraz stóp procentowych. Zależność taka

pojawi się jednak w długim okresie i spowoduje przepływy kapitału pomiędzy tymi

rynkami. Rzeczywiste wydatki gospodarstwa domowego na mieszkanie są jednak większe

o spłacany kapitał, który stanowi element inwestycyjny zakupu OOH.

102

Rysunek 4 Konsumpcja mieszkaniowa (H) a konsumpcja pozostałych dóbr (L)

3.2. Wybór własności mieszkania

Wybór formy własności mieszkania można traktować jako wybór substytucyjnych

form konsumpcji.

Przedmiotem porównania może być koszt własności mieszkaniowej versus koszt

wynajmu lub koszty odsetek od kredytu i koszty alternatywne własnego kapitału

skorygowane o podatki i subsydia oraz uwzględniające przyszłe zyski kapitałowe versus

czynsz netto (opłaty czynszowe bez eksploatacyjnych). Krzywe obojętności to zależność

substytucyjna pomiędzy kosztem kredytu i czynszem netto, skorygowane o ewentualne

preferencje (przykładowo praca wymagająca dyspozycyjności i niechęć do wiązania się ze

stałym mieszkaniem) i oczekiwania konsumenta (przykładowo wzrostu cen). Linia

budżetowa to rzeczywista wartość konsumpcji mieszkaniowej, którą można osiągnąć

w tych dwóch formach uwzględniając istniejące na rynku podatki, ulgi i subsydia

dotyczące mieszkań OOH oraz wynajmowanych, wpływające na faktyczne możliwości

konsumpcyjne.

Pewnego komentarza wymaga problem spłat kapitałowych ponoszonych przez

właścicieli mieszkań OOH finansujących je kredytami. W długim okresie, w stanie

równowagi czynsze powinny pokrywać koszty alternatywne kapitału oraz jego

amortyzację. Koszty alternatywne kapitału z uwzględnieniem ryzyka wynajmu powinny

być zbliżone do kosztów finansowania się kredytem, zaś amortyzacja kapitału powinna być

zbliżona do amortyzacji kredytu. W rzeczywistości rachunek jest znacznie bardziej

skomplikowany, gdyż amortyzacja mieszkania trwa kilkadziesiąt lat, w trakcie których jest

ono poddawane wielokrotnym remontom, w tym kapitalnym i wielokrotnie zmienia

właściciela. W konsekwencji trudno jest policzyć pełną ratę kapitałową oraz pełen koszt

alternatywny kapitału. W krótkim okresie poziom czynszów i cen na rynkach OOH

wyznaczany jest przez krótkookresowe zmiany popytu. Jednak wysokość raty

amortyzacyjnej będzie zazwyczaj niższa od raty kapitałowej, która jest elementem

= 𝑖

=

H

L

103

wymuszonych oszczędności, co może skutkować niższym kosztem wynajmu.

W rzeczywistości czynnikiem decydującym będą bieżące relacje popytu i podaży na rynku

OOH i czynszowym.

Czynnikiem decydującym o stabilności wyboru OOH versus mieszkania czynszowe

będą koszty transakcyjne zmiany własności. W przypadku niewielkich różnic w kątach

nachylenia krzywej budżetu oraz krzywej obojętności już niewielkie zmiany ich kształtu

powodowane zmianami cen, czynszów, subsydiów i podatków oraz stóp procentowych

czy preferencji gospodarstw domowych (skłonności do inwestycji czy większej mobilności)

skutkowałyby częstymi przejściami pomiędzy jedną i drugą formą. W rzeczywistości, na

rynku nie obserwujemy takich zjawisk, z powodu wysokich kosztów transakcyjnych

(koszty sprzedaży i nabycia własności, koszty rozwiązania umowy czynszowej). Jedno

z możliwych ujęć problemu wyboru własności mieszkania prezentuje rysunek 5a, 5b i 5c.

Rysunek 5a, 5b i 5c Wpływ kosztów transakcyjnych (Tc) na wybór mieszkania OOH versus

czynszowego (R)

a)

b)

c)

OOH

R

1.

2.

OOH

R Tc

Tc

OOH

R

Tc

Tc

104

Traktując wynajem mieszkania za rynkowy czynsz oraz jego zakup finansowany

kredytem lub własnym kapitałem jako substytuty doskonałe, czynnikiem decydującym

będzie opłacalność ekonomiczna transakcji dla konsumenta, rozumiana jako

maksymalizacja jego użyteczności przy danym budżecie i cenach usług mieszkaniowych

(wynajem versus własność). W warunkach równowagi konsument nie będzie wiedział co

wybrać (wybór ambiwalentny) - rysunek 5a, jednak każda zmiana warunków najmu, którą

można wycenić, jak też kosztu własności (koszt kapitału oraz pozostałe koszty), będą

powodować skokowe zmiany decyzji własności lub wynajmu i ruchy po mapie obojętności

konsumenta (zob. rysunek 5a). W takiej sytuacji zmieniać się będzie nachylenie linii

budżetu konsumenta. Wzrost kosztów najmu i spadek dostępności mieszkania w tej formie

spowoduje wybór własności (pkt. 1), dla odmiany zmniejszenie kosztów najmu to wybór

najmu (pkt. 2). Podobnie rzecz wygląda ze zmianami kosztów własności. W rzeczywistości

na wybór wpływ mają właśnie te dodatkowe czynniki, które są nie tylko odmiennie

wyceniane przez różne gospodarstwa domowe i dotykają je w odmiennym stopniu

(przykładowo ograniczenia kredytowe), ale dodatkowo przypisuje się im różne

prawdopodobieństwa przyszłej realizacji (przykładowo ceny wzrosną, czynsze spadną,

będą wprowadzone wyższe podatki, ochrona lokatora będzie zliberalizowana, etc.).

Czynniki te dla odmiany przypisane są mapie obojętności konsumenta, który w zależności

od sytuacji ekonomicznej może bardziej cenić oszczędzanie w postaci własności

mieszkaniowej czy mobilność związaną z wynajmem mieszkania. Powoduje to, że

rzeczywiste krzywe wyboru pojedynczych gospodarstw domowych przestają być

krzywymi charakterystycznymi dla dóbr doskonale substytucyjnych i przy danych

rynkowych relacjach kosztów odsetkowych i czynszu netto odchylają się in plus i in minus

w indywidualnych przypadkach. W skali makroekonomicznej powoduje to określony

rozkład decyzji wyboru pomiędzy omawianymi formami własności, co skutkuje

proporcjami ekonomicznymi pomiędzy mieszkaniami na wynajem i mieszkaniami

własnościowymi (rysunek 5c). Warto też dodać, że w rzeczywistej gospodarce z zasady

występują różne formy pośrednie pomiędzy rynkowym najmem i własnością (najem

subsydiowany, najem w zasobie publicznym, formy własności typu spółdzielcze prawo

własnościowe czy lokatorskie), co powoduje, że rzeczywista mapa preferencji i linia

budżetowa nie jest bimodalna, a wybór jest bardziej złożony.

Omawiany model, ze względu na bimodalność decyzji i zmienność oczekiwań

i preferencji gospodarstw domowych oraz faktycznych kosztów mieszkań czynszowych

i własnościowych (oczekiwania dotyczące cen mieszkań, stóp procentowych, subsydiów)

charakteryzuje wysoka zmienność decyzji, która nie jest obserwowalna na rzeczywistych

rynkach charakteryzujących się lepkością i kumulacją napięć. Czynnikiem wyjaśniającym

tę rozbieżność są wysokie koszty transakcyjne (kaucja, restrykcje przy wcześniejszym

zakończeniu umowy najmu, koszty sprzedaży i kupna nieruchomości oraz uzyskania

kredytu hipotecznego) powodują, że struktura własności jest względnie stała, a arbitraż

rozumiany jako przepływy zasobu pomiędzy tymi dwoma rynkami ograniczony (rysunek

5b). Dlatego rozpatrując zagregowane wybory na rynku (rysunek 5c), można zauważyć, iż

punkt równowagi (aktualna struktura mieszkań na wynajem i własnościowych) będzie

105

bardzo stabilny i dopiero gdy zyski z transakcji przekroczą istotnie koszty transakcyjne

spowoduje procesy dostosowawcze.

3.3. Wybór mieszkania jako dobra heterogenicznego

Kolejnym istotnym czynnikiem, który należy uwzględnić w analizie, jest

heterogeniczność mieszkania, rozumiana zgodnie z teorią dóbr heterogenicznych Rosena

(zob. Rosen, 1974). Oznacza ona, że wartość mieszkania jest sumą wartości jego cech

składających się na tę wartość, za które płacimy po stawkach rynkowych. W przypadku

mieszkania mogą to być cechy od czysto funkcjonalnych, poprzez estetyczne, do

związanych ze sferą społeczną (struktura społeczna osiedla i otoczenia, dostępność do

usług publicznych). Za cechę mieszkania należy też uznać omawianą wcześniej jego formę

własności. Cechy te są wyceniane poprzez różne gospodarstwa domowe, a ich wartość

ulega też zmianom w funkcji ewolucji gospodarstwa domowego (cykl rozwojowy

gospodarstwa). Według Rosena, pomimo że nie możemy obserwować rynków

poszczególnych cech i kształtujących się na nich wartości cząstkowych dobra (stąd nazwa

rynki i ceny ukryte), to istnieją one w rzeczywistości i możemy rynki te wraz z ukrytymi

cenami szacować pośrednio. Heterogeniczny charakter mieszkania jako dobra ma jednak

znacząco szerszy zakres niż przyjmowany praktycznie w wycenach wartości rynkowej

mieszkań oraz teorii Rosena, gdzie dotyczył w zasadzie jednego rodzaju wartości

użytkowej definiowanej poprzez szereg cech szczegółowych. Rosenowska analiza rynku

dosyć istotnie różni się od klasycznej analizy konsumenta zarówno jeżeli chodzi o stronę

techniczną, jak i teorię. Przede wszystkim brak jest klasycznej ceny równowagi, gdyż

konsument nie nabywa ilości dóbr, tylko ich jakość. Cena rynkowa jest więc opisana

krzywą, a nie jest punktowa, natomiast rynek jest rozumiany jako składanka swoich

segmentów. Wybór dotyczy więc ilości jakości w dobrze oraz ilości dobra, nie jest więc

punktowy i nie poddaje się klasycznej optymalizacji. W konsekwencji Rosen wprowadza

nieintuicyjne, indywidualne krzywe oferty i wyboru jako punkty równowagi na ogólnej

krzywej opisującej zależność pomiędzy jakością dobra a jego ceną. Optymalizacja,

szczególnie od strony producenta, zakłada więc optymalizację ilości jakości w dobrze oraz

wielkości produkcji dóbr, co nie musi w przypadku producenta prowadzić do

jednoznacznych rozwiązań. Na szczęście w przypadku mieszkań, które są typowym

dobrem heterogenicznym, przy analizie prowadzonej od strony konsumenta

podstawowym wyborem jest zazwyczaj jedno mieszkanie, które sprowadza problem

optymalizacji do wyboru jakości, co w przypadku mieszkań oznacza wybór koszyka ich

charakterystyk. Przy założeniu, że jakość możemy też kwantyfikować oraz wyceniać

oznacza to, że możliwe jest, przynajmniej na podstawowym poziomie analizy,

zastosowanie klasycznej teorii konsumenta.

Jednak istnieją też problemy związane z adaptacją rynku mieszkaniowego do tej

teorii, a zwłaszcza dotyczące badań rynku mieszkaniowego. U Rosena jakość jest

w pewnym sensie wystandaryzowana i dotyczy dóbr nietrwałych. W konsekwencji

kupujący nie ma problemu z jej dopasowaniem zarówno przy transakcji indywidualnej, jak

też przy wyborze segmentu rynku. W przypadku rynku mieszkaniowego każde

mieszkanie i związana z nim jakość jest inne, a ich podaż to w znacznej mierze już

106

istniejący zasób. W konsekwencji stanem normalnym jest rozmijanie się w pewnym

zakresie preferencji konsumentów i struktury podaży, co musi prowadzić do naturalnej

zmienności (niejednoznaczności) wycen atrybutów mieszkania.

Również podział na zmienne czysto ilościowe i jakościowe może być nadmiernym

uproszczeniem. W przypadku mieszkania jego charakterystyka o znaczeniu ilość również

ma charakter heterogeniczny. Może ona być rozumiana jako wielkość mieszkania

wyrażona w metrach, pokojach, czy w specyficznym przypadku oznacza wybór pomiędzy

jednym lub dwoma czy trzema mieszkaniami (przykładowo w skali gospodarstwa

domowego wspólny domek z rodziną dziecka czy dwa niezależne mieszkania, a być może

jeszcze jedno jako lokata oszczędności). Element ten jest szczególnie istotny przy badaniu

popytu w skali makroekonomicznej, gdyż operowanie nieadekwatnym miernikiem ilości

(liczba mieszkań na 1000 mieszkańców, liczba m.kw. na 1000 mieszkańców, liczba pokoi na

1000 mieszkańców czy liczba gospodarstw domowych na 1000 mieszkańców), spowoduje

wadliwą ocenę procesów rynkowych. Jeżeli popyt mieszkaniowy jest wynikiem wzrostu

wielkości gospodarstw domowych (większa liczba dzieci), to na rynku wzrośnie przede

wszystkim popyt na nową powierzchnię, poprzez wzrost popytu na wielkość mieszkań

definiowaną w metrach kwadratowych. Jeżeli natomiast wzrost popytu będzie związany ze

wzrostem liczby gospodarstw domowych (starzenie się społeczeństwa czy odwrotnie

przyrost młodych małżeństw), to przyrost popytu będzie oznaczał wzrost popytu na

samodzielne mieszkania, często budowane w specjalnej formule dla ludzi starszych lub

mniejsze mieszkania będące pierwszym dla młodych gospodarstw domowych. Będzie to

też oznaczało, że na rynku odpowiednio zmienią się ceny jednostkowe (m kw.) większych

lub mniejszych mieszkań.

W konsekwencji mówiąc o mikroekonomicznym wyborze konsumenta na rynku

mieszkaniowym mówimy de facto o dwóch wyborach, które jednak przekładają się na

następujące współzależności.

Klasyczny wybór mikroekonomiczny to wybór pomiędzy mieszkaniem, innymi

dobrami oraz oszczędnościami. Mówiąc o oszczędnościach będziemy je rozumieli

jako oszczędności na mieszkanie (konsumpcja w czasie) oraz mieszkanie jako

oszczędności (mieszkanie jako aktywo rzeczowe).

Wybór, nazwijmy go umownie dla odróżnienia od poprzedniego wyborem

ukrytym, to omawiany wcześniej wybór jakości, czyli w przypadku mieszkania

wybór koszyka jego cech\charakterystyk.

Równowaga, nazwijmy ją umownie - mikro-wybory ukryte. Wybór charakterystyk

mieszkania jest w sposób oczywisty związany z wyborem mieszkania. Od strony

formalnej oznacza to, że w funkcji użyteczności konsumenta mieszkanie występuje

jako zagnieżdżona funkcja użyteczności jego cech. W konsekwencji wybór

konsumpcji mieszkaniowej jest zawsze wyborem pewnego koszyka charakterystyk.

Oznacza to, że zmiana cen pozostałych dóbr wpływa na wybór mieszkaniowy i

wybór jego charakterystyk i vice versa.

W celu graficznej prezentacji wyboru atrybutów mieszkania jakość mieszkania można, z

pewnym uproszczeniem niezbędnym dla rozważań modelowych, zredukować do

standardu mieszkania, jego lokalizacji i statusu prawnego. Standard mieszkania można

107

z kolei rozdzielić na standard budynku, mieszkania i otoczenia lub tzw. standard

zewnętrzny i wewnętrzny mieszkania. Lokalizacja to dla odmiany lokalizacja samego

mieszkania w budynku, lokalizacja samego budynku, osiedla czy dzielnicy i miasta. Forma

prawna związana jest z siłą prawa własności. Oznacza to, że rynek mieszkaniowy

zazwyczaj wyżej wycenia prawa silniejsze (przykładowo własność od współwłasności,

własność od użytkowania wieczystego) czy prawa pozbawione ograniczeń (prawo drogi,

dożywocie, etc.). Podstawowe wybory atrybutów mieszkania przez konsumenta

wyznaczające wielkość i strukturę wartości mieszkania jako dobra konsumpcyjnego

prezentuje rysunek 6a. W celu możliwości prezentacji graficznej rzeczywisty wybór, który

odbywa się w przestrzeni 6 wymiarowej zredukowano do 4 wymiarów, pomijając

prezentację wyborów ilość-forma prawna i standard-lokalizacja.

Rysunek 6a Podstawowe wybory: ilość-forma prawna i standard-lokalizacja

Omawiając problematykę wyboru ukrytego na zwykle przedstawiamy linie budżetu

konsumenta w sposób uproszczony, sugerujący klasyczny jej kształt (por. rysunek 5a,b,c).

W rzeczywistości linia budżetu będzie nieliniowa, może być nieciągła i reprezentowana

przez punkty, albo linie łamane, nie będzie też dochodzić osi (por. rysunek 6b). Wynika to

z faktu, że niektóre cechy jakościowe są określane punktowo (przykładowo własność), przy

pewnych podsektorach rynku zależności ilość-jakość będą zróżnicowane, więc konsument

będzie poruszał się po obwiedni, przy innych zależności te będą się zmieniały nieliniowo.

Brak styczności do osi wynika z faktu, że pewna minimalna ilość mieszkania jest

niezbędna, aby dokonywać wyborów jakościowych i vice versa każda ilość reprezentuje

jakąś jakość.

Standard

Forma prawna

Lokalizacja

Ilość

108

Rysunek 6b Linia budżetu gospodarstwa domowego przy wyborze ukrytym na rynku

mieszkaniowym

Ilustracją problemów współzależności pomiędzy wyborem dobra i wyborem

atrybutów tego dobra może być analiza wyboru konsumpcji mieszkaniowej połączona z

optymalizacją jakości mieszkania. W tej pierwszej współzależności spadek rynkowej

wyceny danej cechy (przykładowo określonej lokalizacji) skutkuje wzrostem popytu na

daną cechę i w konsekwencji na mieszkanie oraz spadkiem popytu na pozostałe dobra

konsumpcyjne. Również spadek cen mieszkań spowoduje wzrost popytu mieszkaniowego

i popytu na daną cechę. Odwrotnie, wzrost cen mieszkań, jako dóbr konsumpcyjnych,

spowoduje spadek konsumpcji mieszkaniowej i w konsekwencji również spadek popytu na

daną cechę mieszkania.

Rysunek 7 Wybór mieszkaniowy, na lewo – wybór dobra, na prawo – wybór cech

mieszkania.

Druga współzależność to złożenie wyboru mieszkaniowego jako sumy popytu

inwestycyjnego i konsumpcyjnego, ale rozpatrywanego z punktu widzenia substytucji czy

Ilość

Jakość

Cecha jakościowa Inne dobra

1

2

Konsumpcja mieszkań

109

oceny konkretnych cech mieszkania. Obydwa te popyty rozkładają się na popyty na

określone cechy mieszkania. Czysto konsumpcyjny popyt na mieszkanie można

w pewnym sensie utożsamiać, z omawianym już, wynajmem mieszkania. Tak więc wybór

mieszkania OOH zawsze będzie połączony z motywem inwestycyjnym, jednak jego skala

i motywy mogą być zróżnicowane. W konsekwencji jednak obydwa wybory będą

współzależne poprzez linie budżetu i preferencje pomiędzy konsumpcyjnym

i inwestycyjnym charakterem mieszkania. Wybór konsumpcyjny przekłada się, podobnie

jak wybór inwestycyjny, na preferencje pewnego koszyka cech. W konsekwencji prowadzi

to do oceny cech konsumpcyjnych, również z punktu widzenia inwestycyjnego

(w konkretnym przypadku ocenę cechy lokalizacji przez pryzmat cechy płynności, czyli na

ile ta lokalizacja jest atrakcyjna konsumpcyjnie, a na ile płynna, co zdecyduje o jej wyborze

przy krzywej preferencji zorientowanej bardziej na konsumpcję lub inwestycje). Możemy

też rozpatrywać wybór pomiędzy tymi cechami. Problem ten rozwijamy w następnym

punkcie.

3.4. Wybór struktury popytu mieszkaniowego (mieszkanie jako oszczędności

i konsumpcja)

Mieszkanie samo w sobie można traktować jako złożone dobro konsumpcyjne,

bezpośrednio lub poprzez strumień generowanych usług, zaspokajające potrzeby

konsumpcyjne lub jako aktywo rzeczowe przynoszące dochody z rynkowej gry. W jednej

i drugiej funkcji mieszkanie będzie dobrem heterogenicznym, gdyż aby zaspokajać

potrzeby właściciela czy komercyjnego najemcy musi dysponować oczekiwanymi przez

rynek użytecznościami. Dodanie funkcji tezauryzacyjnych66 spowoduje jednak, że

użyteczności te będą oceniane z punktu widzenia zdolności do generowania dochodu

i minimalizacji ryzyka inwestycyjnego, a nie zaspokajania potrzeb własnych właściciela.

W konsekwencji zmianie ulegnie funkcja użyteczności i wewnętrzne wyceny nadawane

omawianym cechom. W funkcji inwestycyjnej ulegnie więc zmianie funkcja użyteczności,

gdyż nie będziemy kupowali mieszkania według swoich upodobań, lecz według

przeciętnych, powszechnych na rynku, filtrując je dodatkowo przez indywidualną ocenę

ryzyka i zyskowności. W konsekwencji pojawią się też nowe cechy (np. płynność),

nieobecne przy rozpatrywaniu mieszkania jako dobro konsumpcyjne. Ponieważ

mieszkanie OOH w prawie każdym przypadku ma charakter konsumpcyjny oraz

inwestycyjny, mówiąc o popycie mieszkaniowym będziemy mieli do czynienia ze

złożeniem popytu inwestycyjnego i konsumpcyjnego dotyczącego zarówno całego

mieszkania, jak też poszczególnych cech. Zmiana wyceny (funkcji użyteczności)

któregokolwiek z elementów będzie wpływała na równowagę całego układu (zob. rysunek

8). Powyższe rozumowanie można też przeprowadzić iteracyjnie, wychodząc od

klasycznych wyborów konsumenta (por. rysunek 9).

66 Gromadzenie i przechowywanie majątku.

110

Rysunek 8 Popyt konsumpcyjny i inwestycyjny na mieszkania (globalnie lub na

charakterystyki)

Rysunek 9 Wybory konsumenta oraz inwestycyjny i konsumpcyjny popyt na mieszkanie

Pełen, klasyczny model zachowania konsumenta na rynku mieszkaniowym powinien

zawierać co najmniej 7 wyborów:

1. Konsumpcja a oszczędności. Ile na konsumpcję (w tym mieszkaniową) dzisiaj, a ile

jutro. W tym module mieszkanie występuje jako element w agregacie konsumpcja

i w agregacie oszczędności i jest to klasyczny wybór intertemporalny. Jest on

punktem wyjścia do pozostałych wyborów.

2. Konsumpcja mieszkaniowa dzisiaj a oszczędności na mieszkanie, czyli konsumpcja

mieszkaniowa jutro, gdy rozpatrujemy zakup mieszkania w czasie. Z punktu

widzenia popytu mieszkaniowego zawiera on dylemat konsumpcja mieszkaniowa

dzisiaj a oszczędności na mieszkanie jutro.

Oszczędności mieszkaniowe

Konsumpcja mieszkaniowa

Konsumpcja

Oszczędności

Bieżąca vs. przyszła

konsumpcja

Struktura oszczędności

Konsumpcja vs.

konsumpcja mieszkaniowa Popyt na mieszkania

Mieszkanie jako oszczędności

2

1

CH

CH 3

A2

A2`

AX AX`

Mieszkanie jako konsumpcja

111

3. Konsumpcja a oszczędności mieszkaniowe. W tym przypadku mieszkanie

traktowane jest jako lokata oszczędności, które w kolejnym okresie posłużą

finansowaniu konsumpcji.

4. Konsumpcja mieszkaniowa a konsumpcja pozostałych dóbr. Jest to klasyczny wybór

intra temporalny.

5. Konsumpcja mieszkaniowa a ogólne oszczędności, w tym mieszkaniowe, które

przeznaczymy na finansowanie przyszłej konsumpcji.

6. Konsumpcja mieszkaniowa a oszczędności w formie mieszkania, gdy oczekujemy

aprecjacji cen mieszkań lub utrzymywania wartości i wpływów z czynszów.

7. Oszczędności w formie mieszkania (aprecjacja cen mieszkań i wyższe wpływy

czynszowe) a pozostałe oszczędności, gdy rozpatrujemy strukturę aktywów

z punktu widzenia stopy zwrotu i ryzyka.

Podstawowym modelem wyboru konsumenta z punktu widzenia sektora

mieszkaniowego będzie wybór 5 czyli mieszkania jako dobra konsumpcyjnego oraz dobra

inwestycyjnego, co odzwierciedla omawianą wcześniej dwoistą funkcję mieszkania.

W zależności tej, pomimo że rozpatrywany jest wybór, na rynku pojawia się łączny efekt

w postaci popytu konsumpcyjno-inwestycyjnego.

Aby objaśnić ten wybór model można zredukować do warunków 1, 3, 5 i 6, co

umożliwia jego przedstawienie w dwuwymiarowym i czteroćwiartkowym układzie

współrzędnych.

Pełny model sektorowy to suma popytu konsumpcyjnego oraz inwestycyjnego

połączone z oszczędnościami na cele mieszkaniowe. Pokazuje on związki pomiędzy

sektorem finansowym i polityką monetarną a sektorem mieszkaniowym (por. rysunek 10).

Model ten w dolnych ćwiartkach uzupełniamy o wybór pomiędzy oszczędzaniem na

mieszkania w instytucjach uniwersalnych (banki, fundusze inwestycyjne) oraz

sektorowych (kupno papierów wartościowych opartych o hipoteki, systemy kredytu

kontraktowego) oraz wyborem pomiędzy inwestycjami mieszkaniowymi (inwestycje

bezpośrednie) i inwestycjami w sektorowe dłużne papiery wartościowe oraz systemem

oszczędzania. Podstawowym czynnikiem oddziałującym w tym modelu jest stopa

procentowa. Jej krótkookresowe ruchy wpływają na popyt mieszkaniowy i wielkość oraz

strukturę oszczędności.

112

Rysunek 10 Popyt mieszkaniowy i oszczędności mieszkaniowe gospodarstw domowych

Funkcjonowanie modelu będzie uzależnione od tego jak bardzo konsumenci

i inwestorzy opierają się na bieżących procesach, a jak bardzo przewidują przyszłe

sekwencje zdarzeń, zwłaszcza na podstawie doświadczeń historycznych. Można założyć,

że zachowania konsumpcyjne będą bardziej oparte na bieżących tendencjach, podczas gdy

zachowania inwestycyjne będą w większym stopniu zawierały element predykcji.

Generalnie do modelu można wprowadzać wiele założeń, aby testować przepływy

środków finansowych oraz konsumpcję i oszczędności w sektorze.

Przykładowo, podwyżka stóp procentowych, spowoduje spadek popytu

mieszkaniowego poprzez wyższe koszty usługi mieszkaniowej. Równocześnie inwestorzy

mogą spodziewać się w średnim okresie spadku cen nieruchomości będącego skutkiem

ograniczonego popytu, powstrzymają się więc od zakupów inwestycyjnych. Wyższe stopy

depozytów będą natomiast skłaniały gospodarstwa domowe do zwiększenia oszczędności

na cele mieszkaniowe w sektorze bankowym. Jeżeli jednak istnieje możliwość pośredniego

inwestowania w sektor mieszkaniowy poprzez zakup papierów opartych na

wierzytelnościach hipotecznych, zwłaszcza najbardziej popularnych instrumentów

o stałym oprocentowaniu, to wzrost stóp procentowych spowoduje spadek ich wartości

i wzrost rentowności. Jeżeli są to instrumenty o stałych stopach, to podwyżki stóp nie

spowodują podwyższenia ich ryzyka (ryzyko kredytowe). Odwrotnie, obniżka stóp

procentowych spowoduje wzrost popytu konsumpcyjnego i inwestycyjnego, wobec

tańszych kredytów i oczekiwań wzrostów cen. Jednocześnie gospodarstwa posiadające

kredyty o stałym oprocentowaniu będą je masowo refinansować, co spowoduje nadwyżki

płynności u inwestorów.

4. Podsumowanie

W wielu analizach badających wpływ sektora mieszkaniowego na gospodarkę

obserwuje się przyjmowanie uproszczeń rzeczywistości nieuwzględniających

Inwestycje mieszkaniowe

Obligacje hipoteczne,

instrumenty finansowe

Oszczędności na

mieszkania

Konsumpcja mieszkań

113

heterogeniczności mieszkania i złożoności podejmowanych decyzji mieszkaniowych,

zarówno konsumpcyjnych jak i inwestycyjnych. To często prowadzi do błędnych

wniosków płynących z tych modeli.

Celem artykułu było pogłębienie wiedzy o wyborach konsumenta w ujęciu

mikroekonomicznym, co pozwoli lepiej zrozumieć działanie nabywcy mieszkania oraz jego

wpływ na rynek mieszkaniowy.

Kluczową kwestią jest wzięcie w analizach pod uwagę wyborów konsumentów

pomiędzy różnymi rodzajami konsumpcji (w tym mieszkaniową), popytem

mieszkaniowym inwestycyjnym i konsumpcyjnym oraz różnymi formami własności

mieszkania.

Istotny wpływ na podejmowane decyzje ma również wycena wartości mieszkania

przez konsumenta. Warto podkreślić, iż gospodarstwa domowe inaczej wyceniają

dodatkową ilość mieszkania posiadając już w zasobie określoną jego ilość, a jeszcze inaczej

dokonując zakupu pierwszej nieruchomości.

Warto podkreślić, iż za pomocą mało rozpowszechnionych w Polsce modeli

hedonicznych można wyróżnić atrybuty, które mają istotny wpływ na kształtowanie się

wartości mieszkania i podjąć próbę obiektywnej wyceny nieruchomości.

Dopiero analiza, która łączy powyższe aspekty wyborów konsumenta jest w stanie

adekwatnie opisać i wytłumaczyć rzeczywiste funkcjonowanie strony popytowej na rynku

mieszkaniowym.

Bibliografia:

Allen, F., i E. Carletti (2011), Systemic Risk from Real Estate and Macro-prudential Regulation,

W: Federal Reserve Board and Journal of Money, Credit and Banking Conference

‘The Regulation of Systemic Risk’, Washington DC, s. 15-16.

Aoki K., Proudman J. i Vlieghe G. (2002). House prices, consumption, and monetary policy: a

financial accelerator approach. Bank of England Working Paper nr 169.

Augustyniak, H., J. Łaszek, K. Olszewski i J. Waszczuk (2013), Kupić czy wynająć? Analiza

decyzji podmiotów na rynku mieszkaniowym determinowanych polityką mieszkaniową, W:

Raport o rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2012 r, NBP.

Bajari, P., P. Chan, D. Krueger i D. Miller (2010), A Dynamic Model of Housing Demand:

Estimation and Policy Implications, NBER Working Paper No. 15955

Bourassa, S., M. Hoesli i D. Scognamiglio (2010), Housing finance, prices, and tenure in

Switzerland, MPRA Paper No. 45990, s. 262-282.

Case, K. E. i R. J. Shiller (2003), Is There a Bubble in the Housing Market?, Brookings Papers on

Economic Activity 34(2), s. 299-362.

Yang, F. (2006), Consumption Over the Life Cycle: How Different Is Housing?, Federal Reserve

Bank of Minneapolis, Working Paper 635.

Henderson, J.V. i Y.M. Ioannides (1983), A Model of Housing Tenure Choice, The American

Economic Review, Vol. 73(1), s. 98-113.Herring, R. J. i S. Wachter (1999), Real Estate

Booms and Banking Busts: An International Perspective, The Wharton School -

Financial Institutions, Center Paper Nr 99-27.

114

Ioannides, Y.M. i S.S. Rosenthal (1994), Estimating the Consumption and Investment Demands

for Housing and Their Effect on Housing Tenure Status., The Review of Economics and

Statistics, Vol. 76(1), s. 127-141.

Kahn B., W. L. Moore i Glazer R. (1987), Experiments in Constrained Choice, Journal of

Consumer Research 14(1), s. 96-113.

NBP (2013), Raport o rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2012 r.

Reed, R. i A. Mills (2007), Identifying the drivers behind housing preferences of first time owners,

Property management, vol. 25, No. 3, s. 225-241.

Rosen, S. (1974), Hedonic prices and implicit markets: product differentiation in pure competition,

Journal of Political Economy 82(1), s. 34-55.

Tomczyk, E. i M. Widłak (2010), Konstrukcja i własności hedonicznego indeksu cen mieszkań dla

Warszawy, Bank i Kredyt, nr 1 (2010), Warszawa.

Wheaton, W. C. (1999), Real Estate “Cycles”: Some Fundamentals, Real Estate Economics 27(2),

s. 209-230.

115

A4 Kupić czy wynająć? Analiza decyzji podmiotów na rynku mieszkaniowym determinowanych polityką mieszkaniową

Hanna Augustyniak67, Jacek Łaszek68 , Krzysztof Olszewski67, Joanna Waszczuk67

Streszczenie

W artykule analizujemy relatywnie wysoki udział mieszkań własnościowych w całym

zasobie mieszkań w wybranych krajach Europy o względnie niskich dochodach na osobę

i opisujemy przyczyny tego zjawiska. Wskazujemy ekonomiczne implikacje wynikające

z rosnącego udziału mieszkań własnościowych i nierozwiniętego rynku wynajmu. W pracy

analizowane są decyzje odnośnie zakupu bądź wynajmu mieszkania i tłumaczone są

powiązania pomiędzy dostępnością mieszkań, konsumpcją oraz oszczędnościami

gospodarstw domowych, a także polityką mieszkaniową. Na podstawie prostego modelu

zaprezentowano w jaki sposób rozwój rynku wynajmu może wpłynąć na sytuację na rynku

nieruchomości.

Słowa kluczowe: popyt mieszkaniowy; prawo własności; polityka mieszkaniowa; regulacje

finansowe;

Klasyfikacja JEL: R21, R38, O18;

1. Wprowadzenie

Posiadanie mieszkania ma duże znaczenie dla gospodarstw domowych, gdyż

wytwarza ono strumień użyteczności, może być użyte jako zabezpieczenie kredytu oraz

stanowi zwykle aktywo o najwyższej wartości. Większość nowych mieszkań kupowana jest

przy wsparciu kredytem, co ma istotny wpływ na sektor bankowy. Lokal mieszkalny jest

dobrym sposobem alokacji oszczędności, jednak jednocześnie utrudnia społeczeństwu

mobilność. W krajach Europy Środkowo-Wschodniej (CEE) obserwujemy bardzo wysoki

udział mieszkań własnościowych (OOH) w relacji do wynajmu. Celem artykułu jest

szczegółowe wyjaśnienie uwarunkowań tego zjawiska oraz jego ekonomicznych

następstw. Przedstawiamy udział mieszkań własnościowych i wynajmowanych

w wybranych europejskich państwach, jak również determinanty tej sytuacji, m.in:

przepisy prawne chroniące lokatora, tarczę podatkową. W dalszej części pokazujemy w jaki

sposób regulacje te mogą wpływać na rynek mieszkaniowy, np. powodować poszerzanie

się szarej strefy bądź blokować mobilność siły roboczej.

Kluczowym zjawiskiem w latach 2005-2007 dla światowej gospodarki był szybki

wzrost cen nieruchomości, wzmożony poprzez nadmierną akcję kredytową, co przerodziło

się w najpoważniejszy kryzys ekonomiczny od czasu wielkiej depresji. Boom na

67 Instytut Ekonomiczny, Narodowy Bank Polski, ul. Świętokrzyska 11/21, 00-919 Warszawa, Polska.

[email protected]. Adres do korespondencji. 68 Szkoła Główna Handlowa i Instytut Ekonomiczny, Narodowy Bank Polski.

116

amerykańskim rynku nieruchomości spowodowały banki, które łagodziły zasady

przyznawania kredytów mieszkaniowych i udzielały je osobom o niewystarczających

możliwościach finansowych przy wysokim ryzyku spłaty. Na większą dostępność

kredytów w USA wpłynęło złagodzenie przepisów dot. udzielania kredytów już w 1990 r.

(zob. Ligon, 2013) oraz zmniejszenie stóp procentowych przez FED. Chambers i in. (2008)

wskazują, że regulacje te miały na celu zwiększenie odsetka właścicieli nieruchomości

poprzez zwiększenie wachlarza usług kredytowych oraz obniżenie wartości wymaganego

wkładu własnego. Wiele państw europejskich podjęło podobne działania, przypuszczając,

iż wzrastający udział OOH w zasobie mieszkań wpłynie pozytywnie na sytuację

gospodarczą. Te zamiary przerodziły się jednak w istotne problemy ekonomiczne. Andre

i in. (2013) pokazali, że w większości krajów OECD wskaźniki wartości nieruchomości (PR)

do czynszów oraz wartości kredytu do dochodu (PI) rosły przez długi okres, dopóki wzrost

cen nie wyhamował. W tym samym czasie czynsze wzrosły jedynie nieznacznie. Świadczy

to o wystąpieniu bańki spekulacyjnej na rynku, ponieważ warunek równoważenia

dochodu z wynajmu i alternatywnego dochodu z kapitału nie utrzymywał się.

Przegląd determinantów popytu mieszkaniowego i mechanizmy kształtowania się

cen mieszkań zostały przedstawione w pracach Augustyniak i in. (2012) i Augustyniak i in.

(2013). Celem niniejszego artykułu jest wyjaśnienie decyzji gospodarstw domowych

odnośnie zakupu bądź najmu lokalu w Polsce, ale i w innych krajach Europy ze

szczególnym naciskiem na Europę Środkowo-Wschodnią. Bazując na literaturze, skupiamy

się na polityce mieszkaniowej oraz prawie ochrony lokatorów, które naszym zdaniem mają

istotny wpływ na wybory obywateli. Przykładem mogą być Stany Zjednoczone, gdzie

rosnący udział mieszkań kupowanych na własność był wspierany przez władze poprzez

łatwo dostępne kredyty (zob. Andrews i Sanchez, 2011a). W Polsce regulacje chroniące

najemcę sprawiały, iż wynajem stawał się ryzykowny dla wynajmującego, co miało swoje

odbicie w zwiększonych stawkach najmu bądź wysokich kaucjach (zob. Gromnicka i Zysk,

2003 oraz analiza NBP, 2012a). Często kwota płacona za wynajem mieszkania przewyższa

ratę kredytu, gdyż musi być odpowiednio wysoka, by pokryć ryzyko ponoszone przez

wynajmującego. Co więcej, oferowane na rynku wynajmu mieszkania nie są dobrze

dostosowane do potrzeb różnych typów najemców, są np. zbyt małe (dla rodzin) lub zbyt

duże (dla studenta czy osoby starszej). W konsekwencji niektórzy „zmuszeni” są kupić

nieruchomość, mimo iż woleliby ją wynająć i pozostać mobilnymi. W artykule nie

kwestionujemy pozytywnych aspektów posiadania lokalu, podkreślamy natomiast, iż nie

wszyscy mają taką potrzebę w danym okresie swojego życia. Istnieją też gospodarstwa

domowe, które nie mają środków na zakup lokalu lub wymagają mieszkań socjalnych.

Niezbędne jest określenie potrzeb jednostek społeczeństwa tak, aby w racjonalny sposób

rozwijać politykę mieszkaniową.

W rozdziale 1. przedstawiono przegląd rynku mieszkaniowego w Europie.

W rozdziale 2. przedstawiono prosty model wyboru pomiędzy posiadaniem

a wynajmowaniem nieruchomości. Natomiast rozdział 3. prezentuje wpływ różnych

polityk mieszkaniowych na decyzje podmiotów na rynku i podsumowuje pracę.

117

2. Prawo własności, wynajem i ochrona lokatorów w Europie Środkowo-Wschodniej

oraz niektórych krajach Europy

W obszernej analizie Andrews i Sanchez (2011a) pokazują, iż na wzrost udziału

mieszkań własnościowych w krajach OECD wpływ mają: czynniki demograficzne, stopy

procentowe oraz polityka mieszkaniowa. Kolejny artykuł tychże autorów (2011b) wskazuje

na wspólne elementy polityki krajów OECD, mające na celu umożliwienie społeczeństwu

posiadania lokalu własnościowego, poprzez specjalne opodatkowanie i politykę łatwego

dostępu do kredytów.

Na podstawie danych Eurostatu można zauważyć, iż kraje z niższym PKB na osobę

mają wyższy udział mieszkań własnościowych (zob. wykres 1). Sytuację tą dobrze ilustruje

przykład państw Europy Środkowo-Wschodniej lub też śródziemnomorskich (Edgar i in.,

2007), w porównaniu do Europy Zachodniej. W krajach śródziemnomorskich wysoki

udział mieszkań własnościowych ma bardzo długą tradycję, wiąże się z uwarunkowaniami

kulturowymi oraz brakiem w pełni rozwiniętego systemu finansowego (por. Scanlon

i Whitehead, 2004). Główną przyczyną powyższego zjawiska w krajach Europy Środkowo-

Wschodniej jest przeprowadzona w latach 1990 prywatyzacja, która przekształciła

komunalne zasoby w mieszkania własnościowe. W Polsce sprzedaż lokali na

preferencyjnych zasadach była formą rekompensaty za bardzo niskie płace w czasach

socjalistycznych, ale również amortyzatorem szoków społecznych, działającym przeciw

wysokiej stopie bezrobocia i innym kosztom ponoszonym przez społeczeństwo podczas

okresu transformacji. Takie postępowanie było pożądane z punktu widzenia polityki

społecznej, gdyż zgodnie z rezultatami badań, właściciele pod wieloma względami okazują

się być lepszymi obywatelami (DiPasquale i Glaeser, 1999), zaś ich potomstwo uzyskuje

lesze wyniki w nauce (Haurin i in., 2002). Powstały także artykuły naukowe

potwierdzające, że posiadacze mieszkań na rynku pracy radzą sobie lepiej niż najemcy,

mimo iż są mniej mobilni (Coulson i Fisher, 2002). Zbyt wysoki udział mieszkań

własnościowych ma jednak szkodliwe skutki dla ogólnego zatrudnienia (zob. Blanchflower

i Oswald, 2013). Główną negatywną konsekwencją jest mniejsza mobilność pracowników,

problemy z dojazdem do pracy oraz mniejsza liczba tworzonych, nowych firm. Autorzy

pokazują, iż regiony z wyższym udziałem mieszkań własnościowych cechują się zazwyczaj

wyższą stopą bezrobocia. Ważnym problemem jest uwidacznianie się ww. efektów ze

znacznym opóźnieniem. Fakt ten może tłumaczyć dlaczego sytuacja ta zwykle nie jest

przedmiotem analiz badaczy oraz decydentów.

Amann (2009) szacuje udział wynajmowanych mieszkań w państwach Europy

Środkowo-Wschodniej. Kraje te wg niego mają zazwyczaj niewielki udział

wynajmowanych nieruchomości, tj. poniżej 10% zasobu mieszkaniowego, podczas gdy

w przypadku 27 państw UE było to ok. 29% w 2007 r. Co więcej, dla krajów UE o wysokim

PKB na osobę (pow. średniej UE) udział ten wynosi 40%, z czego większość jest

wynajmowana na zasadach preferencyjnych. Taka sytuacja na rynku mieszkaniowym

pozwala gospodarstwom domowym wynajmować odpowiadające im lokale,

a najbiedniejszym znaleźć schronienie. Aczkolwiek takie rozwiązania wymagają

kosztownych dotacji ze strony państwa.

118

Dane z Eurostatu (2011) potwierdzają wyniki badań Amanna. Państwa Europy

Środkowo-Wschodniej mają większy udział mieszkań własnościowych, przede wszystkim

z powodu prywatyzacji, o której wspomniano we wprowadzeniu. Dane mogą jednak

zawierać pewne nieprawidłowości związane z pominięciem osób, które obecnie żyją

w większym mieście, gdzie nieoficjalnie wynajmują mieszkanie, wciąż będąc

zameldowanymi ze swoimi rodzinami. Ponadto istnieje zapewne spora liczba osób

młodych, które faktycznie mieszkają z rodzicami, jednak wolałyby wynająć lub kupić lokal,

jeżeli pozwoliłyby na to warunki ekonomiczne. Z powyższych powodów udział

potencjalnych klientów do wynajmu lub zakupu mieszkania może być wyższy niż wynika

z danych. Otwartym pytaniem pozostaje, jaki poziom mieszkań własnościowych

w stosunku do wynajmu będzie optymalny w czasie wzrostu gospodarczego, kiedy ważna

jest mobilność czynnika pracy.

Wykres 1 Podział populacji pod względem prawa do nieruchomości, 2011 r. (% populacji)

Źródło: Eurostat.

Na wykresie 2 został zaprezentowany podział populacji poszczególnych krajów ze

względu na status własności oraz poziom przychodów. Można zauważyć, iż gospodarstwa

o dochodach powyżej 60% mediany mają większy odsetek OOH. W państwach o niższym

PKB na osobę większość właścicieli nie posiada zobowiązań finansowych wynikających

z nabycia mieszkania. W krajach o wyższym PKB, osoby o wyższym dochodzie (pow. 60%

mediany) własność finansują w dużej mierze kredytem (np. Holandia), natomiast pozostali

(pon. 60% mediany) preferują wynajem. Należy zwrócić też uwagę na wysoki udział

wynajmów w Europie Zachodniej, co może pozytywnie wpływać na mobilność ludności

0

10

20

30

40

50

60

70

80

90

0

10

20

30

40

50

60

70

80

90

100

Ru

mu

nia

Ch

orw

acja

Bu

łgar

ia

Lit

wa

Sło

wac

ja

Ło

twa

Po

lsk

a

Sło

wen

ia

Est

on

ia

Węg

ry

Mal

ta

Cze

chy

Gre

cja

Cy

pru

s

Wło

chy

His

zpan

ia

Po

rtu

gali

a

Fra

ncj

a

Fin

lan

dia

Au

stri

a

Bel

gia

Lu

kse

mb

urg

Wie

lka

Bry

tan

ia

Nie

mcy

Dan

ia

Ho

lan

dia

Szw

ecja

No

rweg

ia

Isla

nd

ia

Szw

ajca

ria

UE

- 2

8

Stre

fa E

uro

- 1

7

PK

B w

ty

s.eu

ro n

a o

sob

ę

%

Najemca, wynajem po cenie niższej niż rynkowa, Najemca, wynajem po cenie rynkowej

Właściciel, z kredytem Właściciel, bez kredytu

PKB na osobę

119

pracującej. Badanie Barcelo (2006) przeprowadzone na danych European Community

Household Panel (ECHP) dla Francji, Niemiec, Włoch, Hiszpanii i Wielkiej Brytanii

pokazują, że osoby wynajmujące mieszkanie po stawkach rynkowych były znacznie

bardziej skłonne przenieść się z powodów zawodowych niż osoby posiadające własne

mieszkanie lub wynajmujące po cenach niższych niż rynkowe (zasób socjalny). Jej analiza

wykazała ponadto, że osoby z kredytem hipotecznym są też bardziej skłonne do

przeprowadzki niż właściciele bez obciążeń finansowych.

Wykres 2 Podział populacji pod względem prawa do nieruchomości i poziomu dochodów, 2011 r.

(% populacji, lewe słupki – dochody pow. 60% mediany dochodów ekwiwalentnych, prawe słupki

– dochody pon. 60% mediany dochodów ekwiwalentnych)


Wykres 3 przedstawia podział populacji pod względem statusu własności

i posiadania potomstwa. W gospodarstwach domowych Europy Środkowo-Wschodniej

udział właścicieli bez kredytów jest bardzo duży, a posiadanie dzieci wpływa nieznacznie

na zaciąganie zobowiązań finansujących mieszkania. Natomiast w przypadku Europy

Zachodniej gospodarstwa domowe z dziećmi cechują się wysokim odsetkiem mieszkań

własnościowych, jednak zaciągają na ten cel kredyty hipoteczne.

0%

20%

40%

60%

80%

100%

Ru

mu

nia

Ch

orw

acja

Bu

łgar

ia

Lit

wa

Sło

wac

ja

Ło

twa

Po

lsk

a

Sło

wen

ia

Est

on

ia

Węg

ry

Mal

ta

Cze

chy

Gre

cja

Cy

pr

Wło

chy

His

zpan

ia

Po

rtu

gal

ia

Fra

ncj

a

Fin

lan

dia

Au

stri

a

Bel

gia

Lu

kse

mb

urg

Wie

lka

Bry

tan

ia

Nie

mcy

Dan

ia

Ho

lan

dia

Szw

ecja

No

rweg

ia

Isla

nd

ia

Szw

ajca

ria

UE

- 2

8

Str

efa

Eu

ro -

17

Najemca, wynajem po cenie niższej niż rynkowa, Najemca, wynajem po cenie rynkowejWłaściciel, z kredytem Właściciel, bez kredytu

120

Wykres 3 Podział populacji pod względem prawa do nieruchomości i typu gospodarstwa

domowego, 2011 r. (% populacji, lewe słupki – gospodarstwa bez potomstwa, prawe słupki –

gospodarstwa posiadające potomstwo)


Sytuacja, którą obserwujemy na przykładzie państw europejskich, determinowana jest

przez cztery główne czynniki: historyczną oraz bieżącą sytuację gospodarczą, sektor

bankowy, politykę mieszkaniową oraz sytuację demograficzną. W artykule koncentrujemy

się na polityce mieszkaniowej, która dotyczy ochrony właściciela i najemcy, subsydiów

oraz opodatkowania. Przedstawiamy rozwiązania zastosowane w innych krajach, które

wywierają wpływ na sytuację ekonomiczną.

Według danych Eurostat z 2011 roku w Niemczech aż 46,6% gospodarstw domowych

mieszkało w wynajmowanych lokalach. Scanlon i Whitehead (2004) twierdzą, że wynajem

prywatny jest znacznie mniej kosztowny niż posiadanie mieszkania. Dodatkowo czynsze

są regulowane przez program Mietspiegel, w ramach którego określony jest corocznie

uaktualniany, średni poziom cen wynajmu dla danych lokalizacji. Jest to forma ochrony

lokatora, ponieważ jeśli wartość czynszu przewyższy indeks o więcej niż 20%, najemca

może podjąć kroki prawne. Wysoki udział wynajmujących to następstwo licznych

programów socjalnych, które rozwijane były w przeszłości. Już w 1980 r. dla inwestorów

niemieckich zaistniała możliwość zaciągnięcia subsydiowanych kredytów w celu

wybudowania mieszkań socjalnych wynajmowanych następnie po niższych cenach. Kiedy

pożyczka została spłacona, nieruchomość mogła powrócić do zasobu mieszkań

wynajmowanych po cenach rynkowych. W 1996 r. wprowadzono dotacje dla gospodarstw

domowych kupujących mieszkanie po raz pierwszy (Eigenheim-Zulage). Głównym celem

podjętych działań była redukcja ograniczeń finansowych młodych ludzi z niskimi

dochodami. Pomoc pieniężna wypłacana była przez 8 lat po zakupie i udzielana była

0%

20%

40%

60%

80%

100%

Ru

mu

nia

Ch

orw

acja

Bu

łgar

ia

Lit

wa

Sło

wac

ja

Ło

twa

Po

lsk

a

Sło

wen

ia

Est

on

ia

Węg

ry

Mal

ta

Cze

chy

Gre

cja

Cy

pr

Wło

chy

His

zpan

ia

Po

rtu

gal

ia

Fra

ncj

a

Fin

lan

dia

Au

stri

a

Bel

gia

Lu

kse

mb

urg

Wie

lka

Bry

tan

ia

Nie

mcy

Dan

ia

Ho

lan

dia

Szw

ecja

No

rweg

ia

Isla

nd

ia

Szw

ajca

ria

UE

- 2

8

Str

efa

Eu

ro -

17

Najemca, wynajem po cenie niższej niż rynkowa, Najemca, wynajem po cenie rynkowejWłaściciel, z kredytem Właściciel, bez kredytu

121

zarówno na kupno z zasobu rynku pierwotnego, jak i wtórnego. Dodatkowo na każde

dziecko również przewidziane było dodatkowe wsparcie. Należy podkreślić, że dotacje

były małe, a roztropna wycena wartości mieszkania, opierająca się na wartości

odtworzeniowej, nie pozwalała na wzrost cen nieruchomości. Kolejnym bodźcem,

zachęcającym do zakupu nieruchomości, były kredyty Bausparkassen, które oferują niższe

stopy procentowe w porównaniu z innymi dostępnymi kredytami. W systemie tym należy

oszczędzać określoną sumę przez okres wynoszący zwykle ok. 7 lat przed udzieleniem

kredytu. Stopa procentowa jest stała i niższa od oprocentowania komercyjnych kredytów,

jednak okres spłaty jest krótki, co oznacza wysoką ratę spłaty i może powodować problemy

z płynnością spłacającego.

W Wielkiej Brytanii stopa OOH wynosiła w 2011 r. ok. 68%. Czynnikami kreującymi

taką wielkość były niskie realne stopy procentowe (Levin i Pryce, 2009) oraz łatwo

dostępne innowacyjne produkty bankowe (np. kredyty offsetowe69, kredyty elastyczne70

czy kredyty ze spłatą wyłącznie części odsetkowej, Scanlon i Whitehead, 2004). Wysoki

udział mieszkań własnościowych wspierany był poprzez umożliwianie zakupu zasobów

spółdzielczych oraz komunalnych ich mieszkańcom, po niższych cenach. Ponadto

stworzonych zostało wiele programów, których celem była pomoc obywatelom z niskimi

dochodami. Przewidziana też była pomoc pożyczkobiorcom w razie bezrobocia lub

choroby71. Natomiast na rynku wynajmu gospodarstwa domowe o niskich dochodach

mogą otrzymać wsparcie pieniężne.

Sytuacja na szwajcarskim rynku mieszkań różni się znacząco od tej w innych

państwach (Bourassa i in. 2010). Państwo ma ambiwalentne nastawienie do OOH i nie

podejmuje działań, aby zwiększać udział mieszkań własnościowych. Natomiast

stworzonych zostało wiele programów, by wzmacniać rynek najmu, który stanowi 56%

zasobu. Warto podkreślić, iż w Szwajcarii instytucjonalni inwestorzy są w posiadaniu ok.

28% zasobu nieruchomości przeznaczanych na wynajem. Inwestorzy mogą zaciągnąć

pożyczkę na preferencyjnych warunkach (bez odsetek, bądź nisko oprocentowanych), jeśli

mieszkania zostaną udostępnione po niższej cenie danej grupie ludzi, przez określony czas.

Ponadto wprowadzono wiele regulacji chroniących lokatorów (np. kontrolowane czynsze,

subsydia, odliczenia kwoty czynszu od dochodu w celach podatkowych). Właściciele

natomiast są mocno opodatkowani. W Szwajcarii, w odróżnieniu od innych państw, przy

obliczaniu podatku dochodowego do dochodów wlicza się czynsze imputowane. Co więcej

przy obliczaniu ceny nieruchomości do celów podatkowych oraz wartości zabezpieczeń

przy kredytach hipotecznych stosowane są modele hedoniczne. Wyniki tej metody są

bardziej obiektywne, a wartość bardziej odporna na zawyżanie w czasach boomu niż

standardowa metoda wyceny. Szwajcarski system zachęca do zawierania

69 Kredyt hipoteczny offsetowy z rachunkiem bilansującym - kwota oszczędności zgromadzona na

rachunku bilansującym zmniejsza saldo kapitału, od którego naliczają się odsetki. 70 Kredyt elastyczny – możliwość swobodnego dopasowywania wysokości rat kredytowych do

potencjalnych potrzeb kredytobiorcy. 71 Program Income Support for Mortgage Interest and Private Mortgage Protection Insurance.

122

długoterminowych umów najmu. Bardziej faworyzuje najemców, będąc równocześnie

mniej atrakcyjny dla inwestorów.

W Czechach udział OOH wynosi ok. 80% zasobu i podobnie jak w przypadku Polski,

jest efektem prywatyzacji majątku należącego wcześniej do państwa (zob. Scanlon

i Whitehead, 2004). Rynek najmu jest częściowo regulowany, jednak nie rozwiązuje to

problemu braku lokali. Wsparcie państwa nie jest rozbudowane, pomoc zapewniona jest

wyłącznie osobom kupującym nieruchomość po raz pierwszy. Przeznaczono również

dotacje na wsparcie budownictwa komunalnego. Należy jednak zwrócić uwagę, iż nie jest

to zasób socjalny, gdyż 90% lokali wynajmowana jest po cenach rynkowych.

Na Węgrzech od 1989 do 1997 r. zasoby mieszkaniowe były prywatyzowane (zob.

Scanlon i Whitehead, 2004). W tym okresie ok. 20% zasobu zmieniło formę własności

z państwowej na prywatną za cenę ok. 15% wartości rynkowej nieruchomości. Obecnie

można zauważyć, że aż ok. 90% zasobu stanowi własność prywatną, z czego ok. 23%

mieszkań finansowane jest kredytem, co w porównaniu z innymi krajami Europy

Środkowo-Wschodniej stanowi duży odsetek. Odpisy odsetek kredytu od podatku

dochodowego wprowadzono w 1994 r. Początkowo dotyczyły one jedynie rynku

pierwotnego, dopiero od 2002 r. zostały rozszerzone również na rynek wtórny. W 1996 r.

został wprowadzony system kas oszczędnościowo-budowlanych, podobnych do

niemieckich Bausparkassen. Rynek najmu prywatnego stanowi ok. 3% całego zasobu,

natomiast 7% to najem na warunkach preferencyjnych. W celu rozwoju socjalnego sektora

najmu mieszkaniowego władze w 2005 r. wprowadziły program dopłat do czynszów

rynkowych dla rodzin o małych dochodach z dziećmi, jednak efekty jego są niewielkie.

W Polsce w 2011 r. ok. 82% mieszkań stanowiły mieszkania własnościowe, natomiast

ok. 18% mieszkania przeznaczone pod najem (w tym ok. 14,5% to mieszkania

wynajmowane po preferencyjnej, zredukowanej stawce). Rynek własnościowych mieszkań

wydaje się być sukcesywnie wspierany przez zmniejszanie stóp procentowych. Ponadto na

sytuację sektora mieszkaniowego duży, pozytywny wpływ wciąż ma rządowy program

RNS, rozpoczęty w 2006 roku, a zakończony w 2012 roku. Jego celem było wsparcie

gospodarstw domowych przy zakupie mieszkania. Trwają prace nad projektem ustawy,

która najprawdopodobniej zostanie wprowadzona w 2014 roku. Akt prawny będzie

regulował zasady programu MDM (Mieszkanie dla Młodych) obejmującego zarówno

mieszkania deweloperskie, rynek wtórny oraz budowę domów jednorodzinnych. Co więcej

działająca od kwietnia 2012 r., ustawa o ochronie praw nabywcy lokalu mieszkalnego ma

za zadanie zmniejszać ryzyko kupującego związane z kupnem nieruchomości od

dewelopera. Polski rynek nieruchomości cechuje się niedoborem mieszkań przeznaczonych

pod wynajem, zarówno prywatnych jak i socjalnych. W Polsce zapewniać budowę

mieszkań na wynajem o umiarkowanych czynszach dla osób o średnich dochodach miały

utworzone ustawą z dnia 26 października 1995 r. Towarzystwa Budownictwa Społecznego,

jednak program nie przyniósł oczekiwanych efektów. Prywatne inwestycje mieszkaniowe

są natomiast obciążone dużym ryzykiem wynajmu (ryzyko pustostanów, zerwanych

kontraktów oraz ryzyko związane z nieuregulowany problem eksmisji niepożądanych

bądź niepłacących lokatorów). Czynsze są nieregulowane, aczkolwiek kształtują się na

względnie stałym poziomie.

123

Powyższa analiza pokazuje, iż obecną sytuację mieszkaniową w poszczególnych

krajach kształtują regulacje wprowadzane przez państwo. Duży wpływ wywierają

programy mające na celu umożliwienie gospodarstwom domowym zakup własnego lokalu

bądź wynajem odpowiedniego mieszkania. Należy pamiętać, iż wszelkie podejmowane

działania powinny być adekwatną reakcją na konkretne potrzeby społeczeństwa.

3. Czynniki wpływające na decyzje mieszkaniowe

W tej części tłumaczymy mieszkaniowe decyzje gospodarstw domowych. Na

początku prezentujemy znaczenie mieszkania w życiu człowieka i objaśniamy jak regulacje

oraz polityka monetarna i mieszkaniowa wpływają na optymalizację wyborów podmiotów

na rynku nieruchomości. Bazujemy tu na artykule Łaszka (2013), który prezentuje analizę

zakupu nieruchomości zarówno jako dobra konsumpcyjnego, jak i inwestycyjnego, co

przekłada się na jednostkowe decyzje potencjalnych nabywców. Celem niniejszego

artykułu jest pokazanie, że jeżeli wynajem będzie równie kosztowny jak kupno, jednak

polityka mieszkaniowa będzie nieodpowiednia, gospodarstwa domowe będą preferować

zakup, nawet jeśli bardzo cenią sobie mobilność. Ponieważ mieszkanie jest traktowane,

niekiedy błędnie, jako relatywnie bezpieczny i zyskowny sposób alokacji oszczędności,

wzmacnia to chęć posiadania nieruchomości. Należy tu jednak uwzględniać wysokie

koszty transakcyjne72. Jest także aktywem chroniącym przed inflacją oraz stanowi

zabezpieczenie kredytów. Czynniki te powodują, że obserwujemy w Polsce skłanianie się

społeczeństwa ku posiadaniu mieszkań. Natomiast szoki popytowe, wywołane

rozluźnieniami w przyznawaniu kredytów, prowadzą do wyższych cen lokali.

Najważniejszą rolą mieszkania jest generowanie strumienia usług mieszkaniowych.

Pod tym względem, krótkookresowo nie ma różnicy pomiędzy mieszkaniami OOH

a wynajmowanymi, jednak długookresowo jest ona widoczna. W krótkim okresie

użyteczność płynie wyłącznie z usług mieszkaniowych, natomiast w długim okresie

dominować zaczyna użyteczność z mieszkania jako aktywa. Lokal własnościowy to na ogół

największa część majątku gospodarstwa domowego, która jest zwykle dobrym

zabezpieczeniem przed inflacją oraz przed wzrostami czynszu73. Nieruchomość może

72 Ważnym czynnikiem oddziaływującym na wybory podmiotów na rynku mieszkaniowym są koszty

transakcyjne, które ponosi się przy zakupie i sprzedaży lokalu. Są one szacowane dla różnych krajów przez

EMF (2010). Koszty bezpośrednie, związane z zakupem i kredytem stanowią zwykle kilka procent wartości

kupowanej nieruchomości. Ponoszone są również koszty pośrednie, więc łączne koszty mogą wynosić nawet

do 15% wartości nieruchomości. Sanchez i Andrews (2011) przedstawiając szczegółowy opis kosztów

transakcyjnych, zwracają uwagę na sytuację na rynku wynajmu oraz prawdopodobieństwo zamiany

mieszkania w krajach OECD. Zgodnie z wynikami ich badań, regulowanie wysokości czynszów oraz ochrona

praw lokatorów ograniczają mobilność gospodarstw domowych. Z drugiej strony, również wysokie koszty

transakcyjne, które zwykle ponoszone są przez kupującego, zmniejszają mobilność posiadaczy

nieruchomości. 73 Aczkolwiek zgodnie z danymi BaRN podczas ostatniego boomu czynsze były relatywnie stabilne bądź

nieznacznie rosły, co osłabia to stwierdzenie. W dłuższym okresie czynsze wykazują niewielki trend

wzrostowy. Szczególnie dla osób starszych, które nie mogą się spodziewać znacznych wzrostów dochodów,

pewność, że mają własne mieszkanie może bardzo podnosić komfort psychiczny.

124

zostać użyta jako zabezpieczenie pożyczki zaciąganej w celu generowania przychodów (np.

w przypadku nowo powstającej firmy) bądź do wygładzenia bieżącej konsumpcji. Przed

dokładną analizą decyzji podejmowanych na rynku mieszkań, należy zwrócić uwagę na

preferencje gospodarstw domowych, które zależą, m.in. od wieku i poziomu dochodów.

Przedziały wiekowe najemców wpływają na cenę, jaką na rynku najmu muszą płacić

właścicielowi. Przykładowo młodzi, mobilni ludzie postrzegani są jako relatywnie

ryzykowni najemcy (np. mniej stabilne warunki pracy), dlatego płacą większe stawki

czynszu niż osoby w wieku średnim. Starsze osoby natomiast preferują posiadanie

nieruchomości, gdyż uważają ją za aktywo na przyszłość, które będą mogli podnająć by

uzyskiwać dodatkowy dochód. Dodatkowo mieszkanie takie zostanie przekazane

w spadku rodzinie.

Zgodnie z literaturą, optymalne decyzje mieszkaniowe zależą również od kosztów

mieszkaniowych. Opodatkowanie dochodów oraz ulgi podatkowe mogą sprawiać, iż

mieszkania nabywane na własność będą bardziej atrakcyjne niż wynajmowanie (zob.

Poterba, 1984). Ostrożnościowe regulacje banków, szczególnie te dotyczące wkładu

własnego, mogą utrudniać podjęcie decyzji o kupnie (zob. Stein, 1995). Jak pokazano

w innym artykule (zob. Augustyniak i in., 2012) na popyt mieszkaniowy oddziałują

mnożniki. Oznacza to, iż małe odchylenia w kosztach kredytów prowadzą do silnych

fluktuacji popytowych. Dodatkowo preferencje, sposoby alternatywnego oszczędzania oraz

polityka mieszkaniowa mogą mieć bezpośredni wpływ na decyzje zakupowe. Istnieje

obszerna literatura, która prezentuje modele wyboru posiadania lub wynajmowania

nieruchomości i weryfikuje je empirycznie. W 1983 roku Hendreson i Ioannides

wprowadzili model, w którym badali mieszkanie jako dobro inwestycyjne oraz

konsumpcyjne. Autorzy stwierdzili, że jeśli w gospodarce nie ma kosztów transakcyjnych,

zniekształceń podatkowych czy restrykcji kredytowych, decyzja o zakupie podejmowana

jest zarówno pod wpływem popytu na lokal jako inwestycję, jak i dobro konsumpcyjne. Na

tym modelu bazuje wiele analiz, które powstały na przestrzeni lat i rozwijane były

w różnych kierunkach. W roku 1994 Ioannides i Rosenthal empirycznie zweryfikowali ten

model na danych dla Stanów Zjednoczonych. Arrondel i Lefebvre (2001) stworzyli model,

który pokazuje, iż istnieje różnica w popycie konsumpcyjnym i inwestycyjnym, która

determinuje decyzję kupna bądź wynajmu lokalu. Banks i in. (2011) zaprezentowali

badanie przeprowadzone dla USA i Anglii, dotyczące konsumpcji mieszkaniowej

i zamieniania mieszkań na mniejsze przez ludzi starszych. Sinai i Souleles (2005) stwierdzili

natomiast, iż OOH stanowi zabezpieczenie przed podnoszeniem czynszów.

Należy podkreślić, że analityczne rezultaty powyższych badań zależą od założonej

postaci funkcyjnej, jednak wobec braku odpowiednich danych jednostkowych na poziomie

mikro, na podstawie których można by było skalibrować model dla krajów Europy

Środkowo-Wschodniej, posłużono się ogólnodostępnymi danymi przeciętnymi (dochody,

ceny, czynsze). Przedstawimy analizę wskaźników mieszkaniowych i na niej oprzemy

125

konkluzje74. W dalszej części rozważań brano pod uwagę wyłącznie te gospodarstwa, które

w chwili obecnej podejmują decyzje mieszkaniowe, a nie cały zasób mieszkaniowy. Model

Hendersona i Ioannidesa (1983), weryfikowany empirycznie przez Ioannidesa i Rosenthala

(1994), wydaje się być najlepiej dopasowanym do realiów państw Europy Środkowo-

Wschodniej. Opisujemy go w skrócie. Model Hendersona i Ioannidesa (1983) opisuje

bieżącą oraz przyszłą użyteczność gospodarstwa domowego. Generowany strumień usług

mieszkaniowych (h) zależy od wielkości nieruchomości hc oraz poziomu intensywności jego

wykorzystania u opisanego funkcją f(u) (zob. równanie 1). ( ) ( )

Poziom intensywności wykorzystania mieszkania odzwierciedla natężenie, z jakim

mieszkanie jest wykorzystywane. Na przykład stałe mieszkanie będzie wykorzystywane

ciągle, natomiast domek letniskowy wykorzystywany będzie tylko sporadycznie. Jak widać

po pierwszych pochodnych, użyteczność mieszkania o danym metrażu wzrasta ze

wzrostem intensywności jego użytkowania, jednak przyrosty krańcowe są malejące.

Wynajem generuje tę samą użyteczność co posiadanie, jednak istnieją pewne powody,

z których jest on tańszy od kupna. Henderson i Ioannides (1983) zakładają, że wynajmujący

nie może przenieść wszystkich kosztów utrzymania75 na najemcę. Według nas

wynajmujący może przetransferować wszystkie stałe koszty utrzymania na najemcę, ale

występują znaczące koszty transakcyjne, które ponoszone są wyłącznie przez właściciela w

momencie sprzedaży (zob. też Augustyniak i in., 2012). W artykule chcemy podkreślić rolę

kosztów transakcyjnych. Po pierwsze zalicza się do nich opłaty (notarialne, dla pośrednika)

oraz podatki. Co więcej, sprzedając lokal można nie odzyskać funduszy włożonych w jego

urządzenie oraz wyremontowanie. Ponadto znalezienie kupca i zawarcie transakcji

wymaga czasu, co generuje dodatkowe koszty. Koszty utrzymania mieszkania oraz

późniejsze koszty związane z zamianą mieszkania opisane są funkcją ( ) dla właściciela

oraz ( ) dla najemcy. Na każdym poziomie użytkowania mieszkania koszty dla

właściciela są istotnie wyższe dla właściciela niż dla najemcy ( ( ) ( )). Koszty te

wzrastają coraz szybciej. ( ) ( ) ( ) ( )

Gdy gospodarstwo domowe wybiera pomiędzy wynajmem a posiadaniem,

optymalizuje wielookresową użyteczność. Zgodnie z równaniem Bellmana optymalizacja

zachowań w modelu wielookresowym wymaga optymalnych decyzji podejmowanych w

dwóch kolejnych okresach. Wówczas wszystkie pozostałe decyzje również są optymalne.

Dlatego w modelu zakładamy istnienie dwóch, następujących po sobie okresów: bieżącego

(1) oraz przyszłego (2). Aby uprościć notację oraz model, Henderson i Ioannides (1983)

zakładają, iż koszty eksploatacyjne są ponoszone w drugim okresie. W dalszej części

74 Analiza wskaźnikowa jest dość często używana w analizach rynku nieruchomości NBP i pozwala oceniać

rynek dogłębnie. 75 Koszty utrzymania zawierają nie tylko koszty pieniężne, ale również czas spędzony na utrzymywaniu

nieruchomości, deprecjację wartości itp.

126

opisujemy problem gospodarstwa domowego wybierającego pomiędzy kupnem

a wynajmem.

Jeżeli gospodarstwo domowe decyduje się na własność mieszkania, maksymalizuje

swoją bieżącą użyteczność U i przyszłą użyteczność majątku V(w). Czyni to wybierając

optymalną wielkość mieszkania hc, poziom jego eksploatacji u, wartość oszczędności S oraz

pozostałych dóbr konsumpcyjnych x, biorąc pod uwagę swoje ograniczenia budżetowe,

wynikające z dochodu w poszczególnych okresach (y1 i y2) i ceny P mieszkania oraz

wartość majątku na początku przyszłego okresu w. Dla dalszych rozważań pomnożono

wartość mieszkania (cena m kw. P razy wielkość w m kw., hc = Phc) przez stopę procentową

r, by uchwycić fakt, iż zakup mieszkania finansowany jest kredytem, więc bieżącym

kosztem właściciela jest spłata kredytu76. Właściciel rozwiązuje zatem problem opisany

równaniami (4).

( ) ( ( ) ) ( )

( ) ( )

Najemca ma podobną funkcję użyteczności, aczkolwiek musi on płacić czynsz R

i w kolejnym okresie ma wyłącznie oszczędności z poprzednich okresów.

( ) ( ( ) ) ( )

( ) ( )

W równowadze będzie istniał rynek wynajmu, jeżeli utracone odsetki z sumy, która

została zainwestowana w mieszkanie będą pokryte strumieniem zdyskontowanych

dochodów uzyskiwanych przez wynajmującego (6).

Należy pamiętać, że osoba wynajmująca ma wyższe koszty utrzymania niż lokator,

czyli efektywny dochód z wynajmu będzie pomniejszony o różnicę tych kosztów. Cena

nieruchomości może się zmieniać z okresu na okres, natomiast na rynku najmu przyjęte

zostało założenie, że czynsz odpowiednio się dostosowuje do ceny.

( )

( ( ) ( ))

Analityczne rozwiązanie tego modelu oraz dowody istnienia warunków równowagi

przedstawione zostały szczegółowo w artykule Hendersona i Ioannidesa (1983). Bazując na

powyższym analitycznym modelu, przedstawiamy graficzną analizę wyborów podmiotów

na rynku nieruchomości tak, jak zaproponowali to Ioannides i Rosenthal (1994). Użyli oni

76 Dla uproszczenia nie uwzględniamy wkładu własnego, jedynie stałą ratę spłaty kredytu.

127

wykresu 4. aby pokazać jak relacja konsumpcji mieszkań HC do inwestycji mieszkaniowych

HI wpływa na całkowity popyt na lokale. Chęć by konsumować nieruchomości lub by

posiadać je w formie inwestycji zależą od zmiennych X, które są czynnikami wpływającymi

na popyt (np. dochody, etc.). Wielkość różnicy pomiędzy chęcią konsumowania

i inwestowania, determinuje czy gospodarstwo domowe kupi czy wynajmie mieszkanie.

Bazujemy na graficznej analizie Ioannidesa i Rosenthala (1994)77. Dostosowujemy tę

analizę do sytuacji zaobserwowanej w Europie Środkowo-Wschodniej (zob. wykres 4).

W Europie Środkowo-Wschodniej obserwujemy raczej dużą grupę osób, żyjących

w mieszkaniach socjalnych albo dotowanych (Wynajem 1) – por. wykres 1. Stosunkowo

niewielka grupa gospodarstw wynajmuje mieszkania po rynkowych cenach (Wynajem 2).

Największa grupa ludzi posiada do celów mieszkaniowych jeden lokal (Właściciel 1). Są

również gospodarstwa domowe, które posiadają więcej niż 1 mieszkanie i wprowadzają

część z nich na rynek najmu (Właściciel 2).

Wykres 4 Krzywa popytu konsumpcji mieszkaniowej oraz

mieszkaniowych inwestycji w modelu Hendersona i Ioannidesa (1983)

Źródło: Ioannides and Rosenthal (1994)

Trzeba jeszcze raz podkreślić różnicę pomiędzy istniejącym zasobem

przedstawionym na wykresie 1, a potrzebą mieszkaniową społeczeństwa, którą

analizujemy. Obserwujemy silną potrzebę mieszkaniową różnych grup wiekowych

w krajach Europy Środkowo-Wschodniej (potwierdzają to dane o boomie cenowym.

Wskutek relatywnie wysokich kosztów najmu, funkcja inwestycji mieszkaniowych

77 Autorzy dzielą rynek na 4 części Wynajem 1 oznacza gospodarstwa domowe, które wyłącznie

wynajmują lokale, Wynajem 2 to ci posiadający mieszkanie, lecz z różnych powodów wynajmujący inne.

Właściciele 1 posiadają nieruchomość, której są mieszkańcami, natomiast Właściciele 2 posiadają wiele

mieszkań na wynajem, a jedno z nich zamieszkują.

128

pochylona jest w kierunku funkcji konsumpcji mieszkaniowej, co tłumaczy boomy

mieszkaniowe wywołane wzrostem akcji kredytowej. Jak pokazujemy w artykule

Augustyniak i in. (2013) szoki popytowe generują silne wzrosty cenowe i nadmierną

produkcję mieszkań deweloperskich. Odpowiednia polityka mieszkaniowa, przez którą

wynajem byłby znacznie tańszy, ograniczyłaby istotnie potrzebę i chęć zakupu mieszkania,

co wygładziłoby cykl na rynku mieszkaniowym. Co należy zatem zrobić? Grupa wynajem

1 powinna zostać w pełni zaspokojona mieszkaniami socjalnymi, gdyż dochody tych osób

nie pozwalają im na wynajem rynkowy, a zwłaszcza na zakup. Ten mały odsetek

gospodarstw domowych potrzebuje pomocy państwa. Osoby należące do grupy wynajem

2 są zainteresowane wynajmem rynkowym, a co za tym idzie odpowiednim

uregulowaniem kwestii prawnych. Nie jest im potrzebne mieszkanie własnościowe,

natomiast poszukują odpowiadającego ich potrzebom zasobu mieszkań na wynajem. Jeżeli

regulacje prawne będą poprawnie funkcjonować, tzn. dbać o dobro lokatorów, ale

jednocześnie chronić prawa właścicieli, wtedy powstanie odpowiednio duża grupa

właścicieli 2. Te osoby będą posiadały własne mieszkanie oraz jedno lub więcej mieszkań

na wynajem, a więc będą zaspokajały potrzeby grupy najemcy 2. Te osoby nie muszą

posiadać bezpośrednio mieszkania, mogą mieć udział w funduszu, który profesjonalnie

obsługuje najemców oraz mieszkania. Jest to bardziej przejrzyste i mniej czasochłonne dla

właściciela. Odpowiednie regulacje, które pozwolą skorzystać z ulg podatkowych

wymuszą jednoczesne wyjście wynajmujących z szarej strefy. Będą oni musieli płacić

podatki, podpisywać oficjalne umowy. Takie rozwiązanie jest oczywiście kosztowne dla

państwa, ale wpływa na poprawne funkcjonowanie rynku mieszkaniowego. W grupie

właściciel 1 pozostaną osoby, które faktycznie będą chciały kupić mieszkanie. Jeżeli kupują

za gotówkę, to sami wyceniają mieszkanie. Jeżeli natomiast finansują się kredytem

konieczne są ostrożne metody wyceny mieszkania przy przyznawaniu kredytu. Analiza

przedstawiona w Augustyniak i in. (2013) pokazuje jak zbyt łatwy dostęp do kredytu

rozdmuchał bańkę cenową.

Ponadto, jeżeli rynek najmu będzie dobrze funkcjonował, osoby, które nie chcą kupić

mieszkania na własność a tylko potrzebują posiadać miejsce do mieszkania, nie będą

„zasilać” grupy właściciel i nie będą generowały presji na ceny.

4. Podsumowanie

Bazując na szczegółowych rekomendacjach dla Polski, zaproponowanych w NBP

(2010), prezentujemy możliwe rozwiązanie, które powinno naszym zdaniem rozwikłać

problemy państw Europy Środkowo-Wschodniej poruszone w powyższej analizie.

Odpowiednie regulacje, mające na celu zwiększenie dostępności oraz zmniejszenie cen na

rynku najmu, wpływają na poprawę działania rynku mieszkaniowego, jak również na

zwiększenie mobilności siły roboczej i stabilność systemu finansowego.

W celu poprawienia sytuacji mieszkaniowej należy koniecznie wyróżnić różne typy

gospodarstw domowych, biorąc pod uwagę ich dochody oraz potrzeby. Gospodarstwom

domowym z niskimi dochodami powinno być zapewnione wsparcie w postaci socjalnego

zasobu mieszkaniowego. Istniej kilka możliwych rozwiązań tego problemu. Po pierwsze,

129

władze samorządowe mogą zawierać umowy i krótkookresowo wynajmować osobom

prywatnym swoje socjalne zasoby mieszkaniowe. Kolejnym wyjściem jest stworzenie

programu budowy relatywnie tanich mieszkań o średnim standardzie. Jak już

wspominaliśmy, niektóre kraje UE próbują zaspokoić potrzeby mieszkaniowe poprzez

mieszkania budowane przez prywatnych inwestorów przy wsparciu państwa. W Polsce

podobny cel przyświecał Towarzystwom Budownictwa Społecznego, jednak nie przyniósł

on oczekiwanych efektów, a jednocześnie generował ogromne koszty dla budżetu.

Ponadto polski rynek mieszkaniowy nie ma w pełni rozwiniętego prywatnego najmu

lokali. Nieruchomości te, stanowiące mniej niż 10% całego zasobu mieszkań, nie mają na

celu pomocy socjalnej, służą natomiast ludziom, którzy chcą wynajmować je na warunkach

rynkowych. W przypadku Polski kluczową kwestią jest uregulowanie stosunków

pomiędzy wynajmującym a najemcą poprzez zawarcie umowy z jasno określonymi

warunkami. Dużą barierą w rozwoju rynku wynajmu są istniejące prawa ochrony lokatora.

Uważamy, iż obie strony powinny mieć zagwarantowaną ochronę prawną – wynajmujący

przed nadużyciami ze strony najemcy, lokatorzy przed nadmiernymi podwyżkami

czynszów bądź bezpodstawnymi eksmisjami. Jednak nadmierna ochrona wpływać może

negatywnie na rozwój rynku wynajmu (np. chroniąc niepłacącego lokatora zniechęcimy

potencjalnych inwestorów od profesjonalnego wynajmu). Ponadto przepisy regulujące

zasady zagospodarowania terenu i budownictwa zapewniają bezpieczeństwo, wpływają na

środowisko, czy kształtują zasady sąsiedztwa.

Z drugiej strony potrzebna jest ostrożna, roztropna metodyka wyceny nieruchomości

i odpowiednie zasady udzielania kredytów. To ograniczy możliwość szybkiego nabywania

mieszkań przez osoby nie posiadające wystarczających do tego funduszy.

Bibliografia

Amman, W. (2009), New Policies to Facilitate Affordable Housing in Central Eastern Europe,

Housing Finance International, Vol. XXIV No 2.

André, C., L. A. Gil-Alana i R. Gupta (2013), Testing for Persistence in Housing Price-to-Income

and Price-to-Rent Ratios in 16 OECD Countries, University of Pretoria, Working Paper:

2013-21.

Andrews, D. i A. C. Sanchez (2011a), The Evolution of Homeownership Rates in Selected OECD

Countries: Demographic and Public Policy Influences., OECD Journal: Economic Studies,

Vol. 2011/1.

Andrews, D. i A. C. Sanchez (2011b), Drivers of Homeownership Rates in Selected OECD

Countries., OECD Economics Department Working Papers, No. 849.

Andrews, D., A. Caldera Sánchez i Å. Johansson (2011c), Housing Markets and Structural

Policies in OECD Countries, OECD Economics Department Working Papers, No. 836.

Arrondel, L. i B. Lefebvre (2001), Consumption and Investment Motives in Housing Wealth

Accumulation: A French Study, Journal of Urban Economics 50, s. 112–137.

Augustyniak, H., J. Łaszek, K. Olszewski i J. Waszczuk (2013), Cykle mieszkaniowe – model

nierównowagi i jego kalibracja dla warszawskiego rynku nieruchomości. W: Raport o rynku

nieruchomości mieszkaniowych i komercyjnych w Polsce w 2012 r., NBP.

130

Augustyniak, H., J. Łaszek, K. Olszewski i J. Waszczuk (2013), Modeling of cycles in the


and multiplier effects., National Bank of Poland Working Paper 143.

Banks, J., R. Blundell, Z. Oldfield iJ. P. Smith (2011), Housing Mobility and Downsizing at

Older Ages in Britain and the USA, Economica, London School of Economics and

Political Science, Vol. 79(313), s. 1-26.

Barcelo, C. (2006), Housing Tenure and Labour Mobility: A Comparison Across European

Countries, Banco de Espana Research Paper No. WP-0603; CEMFI Working Paper

No. 0302

Blanchflower, D. G. i A. J. Oswald (2013), Does High Home-Ownership Impair the Labor

Market?, NBER working paper nr. 19079.

Bourassa, S., M. Hoesli i D. Scognamiglio (2010), Housing finance, prices, and tenure in

Switzerland, MPRA Paper No. 45990, s. 262-282.

Case, K. E. i R. J. Shiller, (1989), The Efficiency of the Market for Single Family Homes, American

Economic Review 79, s. 125–137.

Chambers, M.S., C. Garriga, i Don Schlagenhauf (2008), Mortgage Innovation, Mortgage

Choice and Housing Decisions, Federal Reserve Bank of St. Louis Review, 90(6), s. 585-

608.

Coulson, N. E. i L. M. Fisher (2002), Tenure Choice and Labor Market Outcomes., Housing

Studies, Vol. 17, (1), s. 35–49.

DiPasquale, D. i E. Glaeser (1999), Incentives and Social Capital: Are Homeowners Better

Citizens?, Journal of Urban Economics, 45(2), s. 354-384.

Edgar, B. M. Filipovic i I. Dandolova (2007), Home Ownership and Marginalisation., European

Journal of Homelessness, Vol. 1, s. 141-160.

Eurostat (2011), Dane statystyczne dotyczące mieszkalnictwa - Statistics Explained (2013/8/3)

<http://epp.eurostat.ec.europa.eu/statistics_explained/index.php/Housing_statistics/

pl>

Fisher, L. M. i A. J. Jaffe (2003), Determinants of international home ownership rates., Housing

Finance International Journal, s. 34-35.

Gromnicka, E. i P. Zysk (2003), Polish Tenancy Law and the Principles of European Contract

Law., dostępny na SSRN.

Haurin, D., T. Parcel i R. Haurin (2002), Does Homeownership Affect Children‟s Outcomes?,

Real Estate Economics, No. 30, s. 635–666.

Henderson, J.V. i Y.M. Ioannides (1983), A Model of Housing Tenure Choice., The American

Economic Review, Vol. 73(1), s. 98-113.

Ioannides, Y.M. i S.S. Rosenthal (1994), Estimating the Consumption and Investment Demands

for Housing and Their Effect on Housing Tenure Status., The Review of Economics and

Statistics, Vol. 76(1), s. 127-141.

Łaszek, J. (2013), Mieszkanie w teorii konsumenta, W: NBP (2013), Raport o rynku nieruchomości

mieszkaniowych i komercyjnych w Polsce w 2011 r.

Ligon, J. (2013), How Government Housing Policy Led to the Financial Crisis. Testimony before the

Committee on Financial Services., Subcommittee on Capital Markets and Government

Sponsored Enterprises United States House of Representatives March 6, 2013.

131

Lowe, S. (2004), Overview: Too poor to move, too poor to stay. in J. Fearan, (ed.) Too poor to

move, too poor to stay: A report on housing in the Czech Republic, Hungary and Serbia., LGI

Fellowship series, Budapest: Open society institute.

NBP (2010), Raport o rynku nieruchomości mieszkaniowych w Polsce w latach 2002-2009.


NBP (2012a), Raport o rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2011 r.

NBP (2012b), Informacja o cenach mieszkań i sytuacji na rynku nieruchomości mieszkaniowych

i komercyjnych w Polsce w IV kwartale 2012 r.

Poterba, J. M. (1984), Tax Subsidies to Owner-Occupied Housing: An Asset-Market Approach,

The Quarterly Journal of Economics, Vol. 99, No. 4, s. 729-752.

Sánchez, C. A. i D. Andrews (2011), Residential Mobility and Public Policy in OECD Countries.,

OECD Journal: Economic Studies, Vol. 2011/1.

Scanlon, K. i C. Whitehead (2004), International trends in housing tenure and mortgage finance,

London School of Economics, ISBN: 0-9544578-6-2.

Sinai, T. i N. Souleles (2005), Owner Occupied Housing as Insurance Against Rent Risk,

Quarterly Journal of Economics, Vol. 120 (2), s. 763–789.

Stein, J. C. (1995), Prices and trading volumes in the housing market: a model with down-payment

effects, Quarterly Journal of Economics, s. 379-406.

132

A5 Cykle mieszkaniowe – model nierównowagi i jego kalibracja dla warszawskiego rynku nieruchomości

Hanna Augustyniak78, Jacek Łaszek79, Krzysztof Olszewski78 i Joanna Waszczuk78

Streszczenie

W artykule przedstawiamy prosty model nierównowagi na rynku mieszkaniowym,

który skalibrowaliśmy dla warszawskiego rynku. Omówiliśmy ostatni cykl i pokazaliśmy

jak połączenie niewielkich szoków popytowych z krótkookresowo sztywną podażą

powoduje silne fluktuacje. Cykliczność jest permanentną cechą rynku nieruchomości

i może być tłumaczona nieelastycznością podaży. Podmioty uczestniczące na rynku tworzą

oczekiwania cenowe oraz popytowe na podstawie obserwacji z przeszłości. To powoduje

częste cykle, które w specyficznych warunkach mogą prowadzić do kryzysów

ekonomicznych. Uważamy, że model lepiej opisuje rzeczywistość zagregowanego rynku

nieruchomości niż modele równowagi, dlatego może być przydatny dla banków

centralnych oraz nadzorów finansowych przy analizie wpływu polityki fiskalnej,

monetarnej oraz regulacji na rynek nieruchomości.

Słowa kluczowe: Cykle na rynku mieszkaniowym, nierównowaga, sektor bankowy,

regulacje bankowe.

Klasyfikacja JEL: E32, E44, E37, R21, R31;

1. Wprowadzenie

Przy modelowaniu rynku nieruchomości przyjmuje się zwykle, że jest on

w równowadze. Jednak opóźnione reakcje podaży oraz szybko zmieniający się popyt,

którego główną determinantą jest dostępność kredytowa, powodują oscylacje wokół

punktu równowagi, wahającego się w czasie. W artykule proponujemy model

uwzględniający potrzeby mieszkaniowe gospodarstwa, które znajdują odzwierciedlenie we

fluktuującym popycie. Krótkookresowo stała podaż reaguje w pierwszym momencie

wzrostem cen, a dopiero po pewnym okresie tworzone są nowe mieszkania. Pozwala to na

analizowanie reakcji rynku mieszkaniowego w odpowiedzi na zmiany nominalnych stóp

procentowych lub preferencji gospodarstw domowych.

Analizę produkcji dóbr konsumpcyjnych o długim procesie wytwórczym opisał

w 1928 roku Hanau (na przykładzie „cyklu świńskiego”). Proces inwestycji i konstrukcji

nowych mieszkań był opisywany przez Topel i Rosen (1988). Z kolei cenowa elastyczność

podaży jest szacowana dla różnych krajów przez Phang, Kim i Watcher (2010). Z naszych

obserwacji wynika, że gospodarstwa domowe nie tylko nabywają w pełni wybudowanych

78 Instytut Ekonomiczny, Narodowy Bank Polski, ul. Świętokrzyska 11/21, 00-919 Warszawa, Polska.

[email protected]. Adres do korespondencji. 79 Szkoła Główna Handlowa i Instytut Ekonomiczny, Narodowy Bank Polski.

133

lokali, lecz także kontrakty deweloperskie na budowę mieszkań. Kiedy popyt jest w dużym

stopniu niezaspokojony, deweloperzy sprzedając kontrakt zobowiązują się dostarczyć

mieszkania, których budowa została już rozpoczęta. Zwykle kontrakty są sprzedawane po

ok. 1 roku od chwili rozpoczęcia procesu budowlanego. Kolejne dwa lata upływają zanim

mieszkanie zostanie oddane do użytku. Jednak po sfinalizowaniu umowy lokale te nie

oddziałują już na rynek mieszkań, gdyż kontrakt został sprzedany w przeszłości. Należy

podkreślić, iż deweloperzy mają znaczną część produkcji w toku, co pozwala im relatywnie

szybko reagować na sygnały płynące z rynku80. W Europie Zachodniej przedsprzedaż

budowanych mieszkań nie jest spotykanym zjawiskiem, natomiast w Polsce, podobnie jak

w Azji (zob. Chang i Ward, 1993), ma długą historię. Stosowanie takich rozwiązań

uelastycznia podaż, skraca cykl oraz obniża amplitudę wahań. Pomaga to podażowej

stronie szybciej odpowiadać na silnie wzrastający popyt, jednak wiąże się też zawsze

z pewnym ryzykiem. Zaletą dla nabywców jest to, iż kupują lokale po stałej cenie, tym

samym finansując projekt dewelopera. Deweloper może kontynuować budowę bez

potrzeby zaciągania kredytu. Kupujący ponosi jednak ryzyko w postaci możliwości

bankructwa dewelopera, natomiast producent mieszkań nie może w przyszłości

podwyższyć cen mieszkań, wraz ze wzrostami cen lub kosztów w przyszłości.

Wykres 1 Rozpoczęte budowy mieszkań, sprzedane mieszkania deweloperskie (sztuki, lewa oś)

i realna cena m kw. (ceny stałe z 2004 r. w zł, prawa oś)

Źródło: GUS, NBP BaRN, PONT Info, REAS.

W naszej analizie koncentrujemy się na Warszawie, największym polskim rynku.

Dostępne dane pozwalają uchwycić ostatni cykl na warszawskim rynku mieszkaniowym.

Rozpoczął się on okresem stabilnych cen (2002-2004), które następnie wzrastały wraz ze

80 Często deweloperzy pozyskują więcej pozwoleń na budowę, niż faktycznie rozpoczynają. Ponadto

nie wszystkie rozpoczęte budowy są natychmiast sprzedawane. Deweloper może przedłużać ten proces, gdy

ceny spadają oraz przyśpieszyć, gdy ceny rosną.

2 000

3 000

4 000

5 000

6 000

7 000

8 000

9 000

10 000

5000

7000

9000

11000

13000

15000

17000

19000

21000

23000

25000

2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012

Mieszkania rozpoczęte GUS Mieszkania sprzedane Cena T RP defl. CPI 2004=100

134

zwiększającymi się dochodami, wzrostem podaży kredytów i malejącymi stopami

procentowymi (2005-2008). W kolejnym okresie (2009-2011) ceny powoli obniżały się

wskutek spowolnienia gospodarczego, nadpodaży mieszkań i ograniczonej podaży

kredytów. Zależności pomiędzy dostępnością kredytową, wzrostem popytu

mieszkaniowego oraz wzrostem cen mieszkań na rynku pierwotnym w Polsce omówione

są szczegółowo w raportach NBP (2011, 2012a, 2012b). Przyglądając się cenom realnym,

które zostały deflowane CPI (2004 r. to rok bazowy), można zauważyć, że wzrost

faktycznie sprzedanych mieszkań i kontraktów deweloperskich stanowiących odpowiedź

na wzrost popytu wpływał na wzrost cen transakcyjnych (zob. wykres 1).

Pewnym problemem istniejącym w świecie nauki ekonomicznej, w tym przy analizie

cykli na rynku nieruchomości, były bardzo skomplikowane modele, przy których

rozwiązywaniu często przyjmowane były założenia sprzeczne z rzeczywistością.

W szczególności problematyczne jest założenie o szybkim dążeniu rynku do równowagi.

Wynikiem tych uproszczeń były często trywialne lub nawet błędne wnioski.

Przedstawiony przez nas model jest możliwie prosty i można go replikować w arkuszu

kalkulacyjnym. Pokazujemy, że dość prostymi metodami można analizować nierównowagi

i cykle na rynku mieszkaniowym. Potrzebne są do tego oczywiście odpowiednie dane,

które dla większości analizowanego okresu są publicznie dostępne na stronie internetowej

NBP i GUS. Naszym modelem wracamy do tradycji zapoczątkowanej przez DiPasquale

i Wheatona (1992), którzy w dość prosty sposób tłumaczą funkcjonowanie rynku.

W artykule prezentujemy model nierównowagi, analizujemy cykle oraz wpływ

szoków na cykliczność. W 2 rozdziale prezentujemy model popytu na mieszkania. W 3

rozdziale przedstawiamy model podaży oraz kalibrujemy ten model dla warszawskiego

rynku mieszkań. W rozdziale 4 wprowadzamy szoki, zaś rozdział 5 podsumowuje artykuł.

2. Popyt mieszkaniowy

W tym rozdziale przedstawiamy prosty model popytu. Skupiamy się wyłącznie na

rynku pierwotnym i zakładamy, że gospodarstwa domowe finansują zakup mieszkania

poprzez kredyt. Koszt ponoszony w danym okresie przez gospodarstwo domowe to spłata

kredytu. Burkham (1972) cytuje badanie FED, zgodnie z którym podaż kredytów

determinuje budowę mieszkań. Obecnie obserwujemy zarówno na świecie, jak i w Polsce,

że popyt na mieszkania jest napędzany przez podaż kredytu (zob. NBP, 2012a,b). Ponadto

na popyt wpływają preferencje konsumenta odnośnie konsumpcji innych dóbr i usług

mieszkaniowych . Podobnie jak Bajari i in. (2013) w funkcji użyteczności

uwzględniamy imputowany czynsz, wynikający z wielkości mieszkania H, jego ceny p oraz

parametru k, który odzwierciedla monetarną wartość strumienia usług mieszkaniowych.

Użyteczność opisujemy za pomocą funkcji CES, gdzie θ jest wagą użyteczności płynącej

z konsumpcji, zaś µ jest parametrem elastyczności substytucji pomiędzy konsumpcją

a mieszkaniem,

. Uwzględniając aprecjację,

, bierzemy pod uwagę również

oczekiwania konsumenta odnośnie przyszłych cen mieszkań (zob. Dunsky i Follain, 1997

lub Sommervoll i in., 2010) Taka specyfikacja funkcji użyteczności uwzględnia fakt, iż

mieszkanie jest kupowane zarówno w celach konsumpcyjnych, jak i inwestycyjnych (por.

135

Henderson i Ioannides, 1983 oraz Łaszek, 2003). Ponadto odzwierciedla fakt, iż

gospodarstwa domowe ekstrapolują przeszłe ceny i są podatne na zachowania zbiorowe.

Użyteczność gospodarstwa domowego przedstawia poniższe równanie:

( ) ( ( ) ( ) )

Konsument dzieli swoje dochody pomiędzy spłatę kredytu mieszkaniowego

i konsumpcję innych dóbr. Problem podziału rozwiązujemy z uwzględnieniem

ograniczenia budżetowego (b), gdzie: , (r - stała kredytu przy założeniu stałych

rat spłaty, p - cena metra kwadratowego), co daje nam optymalny wybór wielkości

mieszkania i konsumpcji innych dóbr w każdym okresie.

( ) ( )

Łącząc powyższe równanie z ograniczeniem budżetowym otrzymujemy optymalną

alokację środków, pomiędzy konsumpcją usług mieszkaniowych a konsumpcją innych

dóbr.

(

( ) )

(

( )

)

Lin i Lin (1999) twierdzą, iż elastyczność dochodowa popytu wynosi ok. 1, tak więc

wzrost dochodu powinien prowadzić do proporcjonalnego wzrostu popytu

mieszkaniowego. Gospodarstwo domowe nie jest ograniczone wyłącznie przez budżet, ale

również przez dostępność kredytową oraz regulacje nadzorcze. Bank oblicza dostępność

kredytową bazując na dochodzie gospodarstwa domowego, nominalnej stopie procentowej

oraz regulacjach ostrożnościowych, które m.in. ustalają najdłuższy możliwy okres spłaty

kredytu (im dłuższa zapadalność kredytu, tym niższa stała kredytu i tym większy kredyt

można udzielić gospodarstwu domowemu). Gospodarstwa domowe, kupując mieszkanie,

zwykle patrzą na obecną sytuację na rynku i warunki udzielania kredytów, nie biorąc pod

uwagę potencjalnych zmian stóp procentowych bądź zmian kursów walutowych, jeżeli

zaciągnęli kredyt denominowany w walucie obcej.

W celu ograniczenia nadmiernego zadłużenia oraz zmniejszenia ryzyka dla systemu

finansowego stosowane są ograniczenia części dochodów które mogą być przeznaczone na

spłatę kredytu (DTI) oraz ograniczenia dotyczące wielkości kredytu do wartości

zabezpieczenia (LTV)81. Dla ułatwienia analizy uwzględniamy tylko limity DTI, przez co

81 Znaczący wpływ na popyt na mieszkania ma również wielkość początkowego wkładu własnego

(zob. Stein, 1995, Ortola-Magne i Rady, 2006, Rubaszek, 2012), ale dla uproszczenia nie uwzględniamy tego

w analizie.

136

gospodarstwo domowe może przeznaczyć tylko pewną część swojego dochodu ( ( ))

na spłatę kredytu, a miesięczna rata spłaty wynosi wtedy maksymalnie , przy czym:

W tej sytuacji wybór wielkości mieszkania nie zawsze będzie oznaczał optymalną

alokację środków pomiędzy C* i H*, ale:

{

{

( )

Wprowadzanie ograniczeń ostrożnościowych może skutkować tym, że gospodarstwo

domowe nie może konsumować wystarczająco dużego mieszkania i jest zmuszone

konsumować więcej pozostałych dóbr niż potrzebuje. Wykres 2 przedstawia wybór

konsumenta w przypadku normalnego (punkt A) i ograniczonego restrykcjami

ostrożnościowymi budżetu (punkt B).

Wykres 2. Wybór konsumenta bez ograniczenia budżetowego (po lewej) i z ograniczeniem

budżetowym (po prawej)

Jeżeli wymogi ostrożnościowe są ograniczające (gospodarstwo chciałoby zaciągnąć

większy kredyt niż może), to nawet lekkie ich poluzowanie wywoła silne fluktuacje popytu

mieszkaniowego. Zwykle gospodarstwo domowe jest w stanie poświęcić część konsumpcji

innych dóbr, aby tylko kupić więcej mieszkania. To tłumaczy, dlaczego dostępność

kredytów walutowych wywołała boom popytowy na mieszkania w Polsce.

Dla pełnego wyjaśnienia powstania bańki cenowej należy przedstawić reakcję popytu

na wzrost cen na podstawie analizy graficznej. Przy klasycznej funkcji użyteczności,

w której mieszkanie traktowane jest jedynie konsumpcyjnie, wzrost ceny spowodowałby

spadek konsumpcji mieszkaniowej z punktu 1 do punktu 2 (por. wykres 3). Jednak

ponieważ mieszkanie jest dobrem konsumpcyjnym oraz inwestycyjnym, czynnik aprecjacji

A

H

C

A

B

H

C

137

mieszkania, powoduje silne przesunięcie krzywej użyteczności. W konsekwencji,

mieszkanie w obliczu wzrostu ceny staje się dobrem jeszcze bardziej pożądanym i nabywca

wybierze alokację opisaną punktem 3 na lewym wykresie 3. Zdecyduje się poświęcić nawet

znaczną część konsumpcji pozostałych dóbr, żeby kupić więcej mieszkania, niż by kupił

przy starej, niższej cenie.

Wykres 3. Wybór konsumenta przy wzroście cen (po lewej) oraz dodatkowym wzroście dochodów

i spadku stóp procentowych (po prawej)

Trzeba dodać, iż wzrosty cen odbywały się w obliczu rosnących dochodów oraz znacznie

spadających stóp procentowych. Wykres 3 prawy pokazuje, że najpierw w wyniku wzrostu

dochodów linia budżetu przesuwa się w prawo, a więc konsument może kupić więcej

mieszkania oraz innych dóbr, przesuwa się z punktu 1 do punktu 2. Jednak ceny rosną,

a więc zgodnie z wcześniejszym objaśnieniem, wybierze punkt 3. Natomiast istotny spadek

stóp procentowych powoduje, że wzrost ceny jest w ujęciu budżetowym prawie

zrekompensowany, tak więc krzywa budżetu wraca do swojej pozycji sprzed wzrostu cen,

a nabywca wybiera finalnie punkt 4. Analiza przedstawiona w NBP (2013) pokazuje, że

w okresie boomu cenowego dostępność kredytowa liczona w m kw. mieszkania rosła, co

umożliwiało gospodarstwom nabywać coraz większe mieszkania. Dopiero połączenie

zmian cen, dochodów oraz stóp procentowych pozwala wytłumaczyć względnie

nieracjonalne zachowanie kupujących, którzy przy rosnących cenach zgłaszali popyt na

coraz większe mieszkania. W agregacie przełożyło się to na coraz większy popyt

mieszkaniowy.

Warto dodać, ze w warunkach boomu kredytowego gospodarstwa domowe ma

możliwość przekroczenia swojego budżetu poprzez nadmierne zadłużanie się (Ponzi loans).

Z punktu widzenia indywidualnej decyzji gospodarstwa jest to racjonale, gdyż

optymalizuje ono konsumpcję międzyokresową a nadmierny dług spłaci w następnym

okresie poprzez zyski kapitałowe na mieszkaniu. Sytuacja taka nie wystąpiła na polskim

rynku, dla tego nie rozpatrujemy tego wariantu.

3

2

H

1

C

4

3 2

1

H

C

138

2.1 Kalibracja modelu popytu i analiza wpływu stóp procentowych na popyt

Model popytu mieszkaniowego został skalibrowany tak, by jak najdokładniej

odzwierciedlić rzeczywisty wzrost popytu i cen na warszawskim rynku mieszkaniowym

w latach 2002-2012. Podczas kalibracji przyjęliśmy parametry , i zbliżone do wielkości

proponowanych przez Bajari i in. (2013) ( , , = 0,075). My dobraliśmy

identyczny parametr do obliczenia elastyczności substytucji , zmodyfikowaliśmy

natomiast wagę użyteczności do , ponieważ wtedy model jest lepiej dopasowany

do empirycznych danych. Zmniejszanie parametru odzwierciedla silną chęć posiadania

mieszkania. Parametr k, potrzebny do obliczenia imputowanego czynszu, obliczony został

jako średnia z rzeczywistych danych czynszowych oraz cenach transakcyjnych mieszkań (z

bazy BaRN NBP) i wynosi 0,065. Ponadto przy aprecjacji stosujemy parametr , który

determinuje jak silnie nabywcy reagują na aprecjację mieszkań. Jako budżet gospodarstwa

domowego przyjęliśmy 2 krotność przeciętnego wynagrodzenia netto w sektorze

przedsiębiorstw w danym roku. Łącznie model dobrze replikuje ostatni cykl popytowy na

warszawskim rynku mieszkaniowym, co widać na wykresie 3. Popyt na m kw. mieszkania

został obliczony w następujący sposób: modelowy popyt na m kw. mieszkania

przeciętnego gospodarstwa domowego został przemnożony przez 13 000 – średnią liczbę

sprzedanych mieszkań w analizowanym okresie, a na koniec przeskalowany (dzieląc przez

10 000) w celu uspójnienia skali. Natomiast, aby obliczyć łączny metraż faktycznie

sprzedanych mieszkań, przemnożono liczbę sprzedanych mieszkań deweloperskich przez

ich średnią wielkość 58 m kw., a potem przeskalowano wynik (dzieląc przez 10 000).

Natomiast stała kredytowa została przeskalowana, poprzez mnożenie razy 10.

Zauważyć można, że wraz z silnym spadkiem ważonej stopy procentowej rósł popyt

na mieszkania. Modelowy popyt wzrastał znacznie szybciej niż rosły faktyczne transakcje,

co miało dwie przyczyny. Deweloperzy na początku boomu nie byli w stanie generować

wystarczająco dużo kontraktów na budowę mieszkań. Dopiero z około rocznym

opóźnieniem wystawiali oni nowe kontrakty na rynek. Pomimo iż w późniejszej fazie cyklu

popyt wyhamował, producenci mieszkań sprzedawali bardzo dużo kontraktów –

zaspokajali potrzeby klientów, którzy zgłaszali je właśnie rok wcześniej. Ponadto wzrost

dochodów i spadek stopy procentowej nie przekładał się bezpośrednio na akcję kredytową

banków, która wystartowała z pewnym opóźnieniem.

Model popytu pozwala przeanalizować zachowanie gospodarstw domowych

w okresie boomu. Pomimo, iż ceny m kw. mieszkań zaczęły szybko rosnąć, to popyt wciąż

się powiększał. Wpływały na to trzy ważne czynniki: spadające stopy procentowe (ważone

strukturą walutową przyrostu kredytu mieszkaniowego), wzrost dochodów oraz

oczekiwania dalszej silnej aprecjacji cen transakcyjnych mieszkań. Na to nakładała się duża

chęć posiadania mieszkania (por. Augustyniak i in. 2013) oraz bardzo łagodne podejście

banków przy udzielaniu kredytu. Istotnym czynnikiem powodującym wzrost popytu,

pomimo wzrostu cen oraz lekkiego wzrostu średnioważonej stopy procentowej, było

udzielanie kredytów na coraz dłuższy okres. W ten sposób stała rata spłaty kredytu

utrzymywała się względnie długo na niskim poziomie. Gdyby jednak banki znacznie

wcześniej nie pozwalały na zaciąganie kredytów na coraz dłuższe okresy, popyt

najprawdopodobniej byłby niższy. Wykres 4 pokazuje przebieg popytu mieszkaniowego

139

przy założeniu udzielania kredytów walutowych i złotowych (lewy wykres) lub wyłącznie

złotowych (prawy wykres).

Wykres 4. Popyt mieszkaniowy, ceny mieszkań, stopy procentowe oraz liczba zakupionych

nieruchomości (lewy wykres - przy założeniu udzielania kredytów złotowych i walutowych, prawy

wykres – przy założeniu udzielania wyłącznie kredytów złotowych)

Przedstawiony model jest tak zwanym modelem częściowej równowagi, w którym

zakładamy, że ceny były podawane przez deweloperów, a gospodarstwa domowe

wybierały wyłącznie metraż mieszkań. Faktycznie zmniejszony popyt, wynikający ze

wzrostu stóp procentowych w sytuacji braku kredytów walutowych nie powinien

doprowadzić do tak silnego wzrostu cen (zob. wykres 4, prawy). Warto podkreślić, iż

analiza panelowa przedstawiona w NBP (2013) wskazuje na to, iż deweloperzy szybko

podnosili ceny w okresie boomu, natomiast niechętnie je obniżali podczas spadku popytu.

3. Podaż mieszkań deweloperskich

Chociaż cenowa elastyczność mieszkań na przykładzie USA była analizowana już

w 1960 roku przez Muth, stronie podażowej poświęcono relatywnie mało miejsca

w literaturze82. Jedną z obszerniejszych publikacji dotyczącej tej tematyki jest artykuł

DiPasquale (1999). Analizując podaż mieszkań trzeba brać pod uwagę sytuację na

lokalnych rynkach nieruchomości. Stover (1986) wskazał, że agregacja danych z

poszczególnych, odległych miast prowadzi do znaczących błędów przy szacowaniu

cenowej elastyczności podaży mieszkań. Szczegółowa analiza sektora deweloperskiego, jak

również rachunek zysków i kosztów znajduje się w Augustyniak i in. (2012), tutaj

natomiast koncentrujemy się na krzywej podaży.

82 Modelowanie podaży sprawia wiele trudności, m.in. analitycznych. Epple, Gordon i Sieg (2010) w

artykule zajęli się estymacją funkcji produkcji domów w oparciu o cenę gruntu. Głównym problemem było to,

iż mieszkanie składa się z atrybutów, które trudno obiektywnie, osobno, jakościowo bądź ilościowo wyceniać

(np. standard). Warto też podkreślić, iż cechy mieszkania to rezultat skomplikowanych decyzji

podejmowanych przez deweloperów oraz właścicieli mieszkań (por. DiPasquale, 1999). W Polskich realiach

problem stanowi również dotarcie do pełnych, dokładnych szeregów danych.

0

20

40

60

80

100

120

140

0

1000

2000

3000

4000

5000

6000

7000

8000

9000

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

m k

w.

lub

sto

pa

zł/

m k

w.

P (L) Popyt (P)

H sprzedane (P) stopa procentowa * 1000 (P)

0

20

40

60

80

100

120

140

0

1000

2000

3000

4000

5000

6000

7000

8000

9000

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

m k

w.

lub

sto

pa

zł/

m k

w.

P (L) Popyt (P)

H sprzedane (P) stopa procentowa * 1000 (P)

140

Krótkookresowo podaż mieszkań deweloperskich jest sztywna, ponieważ od

rozpoczęcia do zakończenia budowy i oddania nieruchomości do użytku mija zwykle 4-5

lat. Podaż uelastycznia się w średnim okresie, gdyż deweloperzy prowadzą sprzedaż

kontraktów, jeżeli są one dozwolone prawnie i akceptowane przez podmioty na rynku.

Deweloperzy wprowadzają więc na rynek kontrakty na wybudowanie nieruchomości,

których proces budowlany dopiero się rozpoczął (zob. Augustyniak i in., 2012) i miną

jeszcze ok. 2 lata zanim projekt zakończy się. W czasie boomu cenowego sprzedaż

kontraktów zaczęła się jeszcze wcześniej i kupowane były tzw. dziury w ziemi. Wtedy,

dopiero po okresie ok. 3-4 lat, mieszkania były dostarczone nabywcy.

Znając relację pomiędzy kosztami produkcji a krzywą podaży deweloperów wiemy,

że w średnim okresie sektor deweloperski jest w stanie wybudować większą liczbę lokali

po wyższych kosztach. Krzywa kosztów będzie znajdowała się blisko krzywej kosztów

krańcowych. Jak pokazują nasze obserwacje, średniookresowa krzywa podaży

deweloperów może znacząco różnić się od krzywej kosztów, gdyż deweloperzy planują

przyszłe inwestycje na podstawie bieżących cen. Niewłaściwie szacują oni wzrost kosztów

czynników produkcji, napędzany przez zwiększający się popyt i reagują tylko na

nominalne zmiany cen mieszkań.

W średnim okresie, napływający do sektora kapitał spycha koszty ku poziomowi

minimalnego średniego kosztu (koszt długookresowy). W konsekwencji krzywa podaży

stanie się jeszcze bardziej elastyczna, ponieważ na rynek wchodzić będą nowe firmy

deweloperskie, a obecnie istniejące zwiększą swoją produkcję. Jeśli jednak wzrost podaży

będzie zbyt duży, przeciętne koszty wzrosną na skutek ujemnych efektów skali

(infrastruktura, koszty transportu, materiałów, ziemi, itp.).

Ponadto deweloperzy często finansują działalność za pomocą dźwigni finansowej,

co zmienia wskaźniki rentowności, gdyż wzrost produkcji finansowanej w ten sposób

równoważy rosnące koszty jednostkowe. W niektórych państwach możliwe jest

finansowanie procesów budowlanych przez przedpłaty nabywców, dzięki czemu

deweloperzy oszczędzają równowartość odsetek, którą musieliby płacić przy kredycie, a to

poprawia zyskowność inwestycji. Podaż kontraktów deweloperskich może więc być

w krótkim okresie bardziej elastyczna pod wpływem wzrostu cen niż by to wynikało

z kosztów krańcowych.

W długim okresie podaż mieszkań będzie bardziej elastyczna dzięki szerszej gamie

możliwości zwiększania produkcji. Cała gospodarka będzie podlegała strukturalnym

dostosowaniom mającym na celu dopasowanie podaży mieszkaniowej do potrzeb

ludności83.

83 Warto dodać, że gospodarka może być poddana wielu mylnym, kosztownym społecznie i nadmiernym

dostosowaniom, by dostosować podaż nowych mieszkań do popytu. Zaobserwowaliśmy to ostatnio, m.in.

w Hiszpanii. Zbyt wiele czynników produkcji (kapitału i czynnika ludzkiego) zostało przeniesionych do

sektora deweloperskiego, co wygenerowało olbrzymie koszty: wysoką stopę pustostanów oraz

niedopasowania na rynku pracy.

141

3.1 Rzeczywista i wirtualna krzywa podaży

Podobnie jak w innych sektorach na krzywą podaży wpływają koszty krańcowe oraz

cena. Firmy zajmujące się budową mieszkań mają zwykle podobne, wystandaryzowane

metody konstrukcji tak, że zagregowana krzywa podaży jest sumą krzywych podaży

pojedynczych deweloperów. Możemy wyznaczyć dwie krzywe podaży: wirtualną oraz

rzeczywistą.

Wirtualna krzywa podaży (V) jest wynikiem kalkulacji dewelopera odnośnie

przyszłych zysków z inwestycji. Wyliczenie to jest szacunkiem bazującym na bieżących

cenach mieszkań, kosztach materiałów i pracy. W przeciwieństwie do firmy produkcyjnej,

która ma stały kapitał zakładowy oraz optymalny poziom produkcji, powyżej którego

koszty znacznie wzrastają, deweloper korzysta z outsourcingu usług budowlanych

i kupuje dużo środków produkcji w małych partiach. Z tego powodu jego indywidualna

krzywa kosztów jest płaska i rośnie z dużym opóźnieniem (zob. wykres 4, lewy).

Deweloper działa zwykle jako holding, co pozwala mu na tworzenie spółek celowych, aby

rozpoczynać nowe inwestycje. Ponadto może dostosowywać liczbę lokali w danej

lokalizacji do aktualnych potrzeb rynkowych. Jego podaż jest ograniczona przez dostęp do

kapitału generowanego przez rynek akcji, obligacji oraz przez kredyty. Należy wspomnieć

też o kolejnej restrykcji w postaci ograniczonej liczby wykwalifikowanych osób, mogących

prowadzić proces budowlany oraz dostępności środków produkcji. W konsekwencji

krzywa podaży (S), z punktu widzenia deweloperów, będzie słabiej nachylona. Przesunie

się ona w lewo, jeśli deweloper oczekuje, iż wzrosną koszty ziemi, materiałów, pracy bądź

zwiększą się ujemne efekty skali.

Co więcej, deweloper może kontynuować projekt, który został już rozpoczęty

i wstrzymany, jeśli popyt wzrośnie. W tym przypadku krzywa podaży dewelopera jest

wirtualna i subiektywna, ponieważ bazuje wyłącznie na własnych szacunkach i zwykle nie

bierze pod uwagę zachowania konkurencji.

Wykres 5 Wirtualna i rzeczywista krzywa podaży (lewy wykres) i zmiany na rynku w odpowiedzi

na wzrost popytu (prawy wykres)

H

F V

Ct Ct

H

E

E’

D D’

S F

V

142

Rzeczywista krzywa podaży (F) całego sektora deweloperskiego odzwierciedla

faktyczne zmiany w rentowności inwestycji, bierze pod uwagę efekty skali oraz rosnące

koszty czynników wytwórczych, gdy produkcja osiągnie zbyt duży pułap. Na przykład

deweloperzy będą kupować mniej atrakcyjne działki i będą musieli dostosować je do

aktualnych potrzeb lub będą musieli płacić więcej za pracę oraz materiały. To prowadzi do

krzywej, która pokazuje jak elastycznie reaguje podaż na ceny mieszkań. Jednakże jej

znaczenie na etapie planowania wydaje się być ograniczone dla indywidualnego

dewelopera. Będzie ona odgrywała główną rolę w finalnej fazie projektu i determinowała

ilość mieszkań, które są aktualnie konstruowane.

W przypadku, gdy ceny lokali są stałe, wzrastające koszty sprawiają, iż wskaźniki

rentowności zmniejszają się, a w konsekwencji oczekiwane przyszłe zyski maleją, wirtualna

krzywa podaży rośnie. Rezultatem tego jest wstrzymanie nowych inwestycji, spowolnienie

budowy obecnych nieruchomości, bądź nawet rezygnacja z bieżących projektów

inwestycyjnych. Wirtualna i rzeczywista krzywa podaży została przedstawiona na lewym

wykresie 5. Na wzrost popytu na mieszkania, przedstawiony na prawym wykresie 4, jako

przesunięcie krzywej popytu w prawo (z D do D’), deweloperzy odpowiedzą

zwiększeniem produkcji mieszkań. Rosnące ceny czynników produkcji oraz ujemne efekty

skali (przeciętne koszty czynników produkcji zaczynają rosnąć) sprawiają, iż tak naprawdę

rzeczywisty koszt wyprodukowania tak dużej liczby mieszkań jest wyższy (patrz krzywa

F) i przewyższa cenę, jaką są w stanie zapłacić klienci, a w konsekwencji powstaje

nadwyżka na rynku mieszkań.

4. Zagregowany popyt i podaż, kalibracja modelu i analiza szoków

Uwzględniając wcześniej opisany model indywidualnego popytu na powierzchnię

mieszkania Ht, przechodzimy do zagregowanego popytu . Każde gospodarstwo

domowe zgłasza popyt na pewną liczbę m kw. mieszkania, co w agregacie przekłada się na

wzrost liczby pożądanych mieszkań. Popyt zagregowany można opisać następującym

równaniem84, gdzie parametr a wychwytuje stałą poziomu popytu, a parametr b pokazuje

jak silnie popyt reaguje na wzrost ceny:

Po stronie zagregowanej podaży możemy skorzystać z podobnego zapisu, przy czym

produkcja mieszkań rozpoczęta w danym okresie dostępna będzie z opóźnieniem. Podaż

reaguje więc na cenę z poprzedniego okresu, co opisane jest parametrem d, natomiast

parametr c to autonomiczna podaż85, niezależna od poziomu ceny.

84 Jest to uproszczenie faktycznej funkcji popytu opisanej wczesniej, przy czym parametr a

odzwierciedla popyt autonomiczny oraz zmiany popytu związane z czynnikami pozacenowymi (poziom

dochodów, demografia oraz preferencje mieszkaniowe). Parametr b odzwierciedla, jak silnie popyt reaguje na

zmiany cen. 85 Przy dużych, stałych kosztach, deweloper buduje część mieszkań na zapas, nie uwzględniając

bieżących cen oraz zmiennych kosztów. Produkcję taką nazywamy autonomiczną. Por. też Augustyniak i in.

(2012).

143

Żeby ustalić punkt równowagi takiego systemu (cenę równowagi i liczbę

sprzedanych mieszkań ) łączymy te dwa równania i otrzymujemy następujący

wynik.

Żeby system opisywał rzeczywiste zjawiska na rynku, muszą być spełnione dwa

warunki dotyczące parametrów a, b, c i d. Po pierwsze chcemy uniknąć ujemnych cen

w równowadze, więc a > c. Ponadto system ma być stabilny, ma zmierzać w kierunku

równowagi, co jest możliwe jedynie, jeżeli d < b.

Zmiany cen mieszkań wynikają z rozbieżności w poziomach popytu Dt i podaży St

(zob. Tse, Ho i Ganesan, 1999), a dostosowanie cen możemy opisać następującym

równaniem: ( )

Parametr odpowiada za szybkość dopasowywania się cen. Na podstawie

empirycznych obserwacji stwierdzamy, że reakcja deweloperów jest asymetryczna, tzn.

ceny są elastyczne w górę, natomiast nieelastyczne w dół. Cena mieszkań jest ustalana

przez dewelopera i nabywca może ją negocjować, jednak posiada on niewielką ilość

informacji i małą siłę przetargową86. Zwykle deweloperzy mają określone oczekiwania

cenowe i są przygotowani, aby czekać na klienta, który zdecyduje się zapłacić tę cenę87.

Kiedy popyt przewyższa podaż deweloper może zażądać wyższej ceny. Natomiast

w sytuacji nadpodaży, deweloper obniża cenowe oczekiwania powoli, mając nadzieję na

znalezienie nabywcy, który będzie w stanie zapłacić wyznaczoną cenę. Taką sytuację

obserwujemy na polskim rynku mieszkaniowym w ostatnich latach. Może się ona

zmieniać, gdy deweloper działa na dużym lewarze finansowym i potrzebuje szybko

zdobyć fundusze. Wtedy jest on zmuszony do obniżek cen, aby sprzedać mieszkanie tak

szybko, jak to możliwe. Jednak w sytuacji gdy finansuje się za pomocą kredytu, umowa

kredytowa może nie pozwalać na obniżki cen poniżej pewnego progu.

4.1 Kalibracja modelu dla warszawskiego rynku nieruchomości

Przy kalibracji używamy zagregowanego popytu. Przyjmujemy, iż jest on równy

iloczynowi średniego metrażu mieszkania (58 m kw.) i przeciętnej liczby gospodarstw

domowych, które rocznie kupują mieszkanie. Nasze dane wskazują, że w ciągu

analizowanego okresu średnia liczba transakcji zawieranych na rynku mieszkaniowym

w Warszawie wynosiła ok. 13 000 sztuk, natomiast w okresie stabilizacji (2002-2004)

wynosiła około 12 600 sztuk. Przyjmijmy, iż ten zagregowany popyt wyznacza punkt

86 Istnieje silna asymetria informacji, deweloper może wstawiać mniejszą liczbę mieszkań na rynek, aby

stworzyć pozór, iż jest to dobro rzadkie. Producent mieszkań ma też narzędzia marketingowe, by przekonać

klienta, iż mieszkanie jest warte tyle, ile oczekuje deweloper. 87 Porównaj oferty przedstawione na wykresie 4 w NBP (2013).

144

równowagi. Począwszy od tego punktu popyt znacznie wzrósł z powodu zwiększonej

podaży kredytów (po 2004 r.). To doprowadziło do wyższych cen, w sposób

przedstawiony w rozdziale 2.4. W konsekwencji deweloperzy rozpoczęli nowe projekty

inwestycyjne, które zasiliły rynek z ok. 1-2 letnim opóźnieniem. Do 2007 r.

obserwowaliśmy wzrosty cen i zwiększoną produkcję nowych mieszkań, ale na skutek

światowego kryzysu gospodarczego popyt na mieszkania spadł. Rezultatem było

zmniejszenie liczby nowych budów i niewielkie zmiany cen. Jest to przykład

odzwierciedlający większą elastyczność cen przy wzrostach i mniejszą przy spadkach.

Jako punkt równowagi na rynku bierzemy okres 2002-2004, w którym cena wynosiła

około 4 200 zł za m kw. (w cenach stałych z 2004 r.), natomiast sprzedawane było około

12 600 mieszkań rocznie.

Poszukujemy takich parametrów a, b, c i d, które pozwolą odtworzyć cykl na rynku.

Dla uproszczenia zakładamy, iż nie istnieje autonomiczna produkcja mieszkań, a więc

ustalamy . Dzieląc równanie ceny przez równanie liczby sprzedanych mieszkań,

otrzymujemy następujące równanie:

Ponieważ założyliśmy, iż c = 0, od razu otrzymujemy parametr Następnie

z równania ceny otrzymujemy równanie, opisujące parametr a w zależności od dobranego

parametru b i d:

( )

Uwzględniając wcześniej omówione wymogi dotyczące parametrów (a > c, d < b),

wybraliśmy następujący zestaw parametrów88: a = 29,4, b = 4, c = 0, d = 3. Ponadto widzimy,

iż deweloperzy chętniej podnoszą cenę niż ją opuszczają, co odzwierciedlamy w modelu,

ustalając parametr oraz . Tak skalibrowany

model odzwierciedla zaobserwowane na rynku zachowania. W następnym podrozdziale

model ten poddajemy szokom.

4.2 Analiza wpływu szoków

W tym podrozdziale analizujemy wpływ szoku popytowego przy symetrycznej oraz

asymetrycznej elastyczności cenowej deweloperów w górę i w dół. Dla uproszczenia

możemy przyjąć, że gospodarka jest blisko punktu równowagi, gdy zmiany cen są

niewielkie, a podaż i popyt różnią się nieznacznie (lata 2002-2004). Szok to odchylenie się

wielkości popytu o wielkość wyznaczoną na podstawie faktycznych odchyleń obliczanych

na podstawie danych empirycznych (2004 rok to rok bazowy). Wskutek dużej podaży

kredytów denominowanych w walucie obcej oraz rosnących dochodów, dostępność

88 Istnieje oczywiście nieskończona ilość możliwych par dobra a i b, jednak zależy nam na jak

najprostszym zapisie. Powyższy wybór pozwala na wygenerowanie dość realistycznych cykli.

145

kredytów wzrosła. Popyt na mieszkania zwiększał się szybko, lecz deweloperzy dostarczali

większą liczbę nowych lokali z pewnym opóźnieniem. Kiedy bieżący popyt jest wyższy od

podaży, ceny mieszkań rosną, a to z kolei zachęca deweloperów do wybudowania większej

liczby mieszkań w przyszłości. Decyzja o nabyciu mieszkania jest ograniczona podażą

kredytu, czyli zależy od stóp procentowych. W pewnym momencie gospodarka znalazła

się w sytuacji, kiedy gospodarstwa domowe chciały kupować mniej mieszkań, natomiast

deweloperzy wciąż wprowadzali na rynek nowe oferty. To prowadziło do redukcji cen,

a deweloperzy powinni zacząć pomniejszać produkcję w średnim okresie, zmierzając do

nowego punktu równowagi. Jednak deweloperzy zbyt powolnie zmniejszali ceny oraz

produkcję, co doprowadziło do znacznego wzrostu liczby niesprzedanych mieszkań.

W celu domknięcia modelu zakładamy, zgodnie z realiami rynku, że istnieje pewien

zasób niesprzedanych mieszkań deweloperskich, z których deweloper może

krótkookresowo zaspokoić pewną część popytu. Ten zasób ( ̂) został wybrany jako 50%

średniego wolumenu sprzedanych transakcji (6 500 sztuk). Jest to ważne uproszczenie,

gdyż w innym przypadku, przy dużych szokach, popyt nie byłby zaspokajany w dużym

stopniu, a szoki cenowe były by jeszcze silniejsze. Z drugiej strony deweloperzy musieliby

sprzedać całą produkcję w momencie spadku popytu, a więc i ceny spadłyby drastycznie.

Ten zasób jest zasilany nadprodukcją z obecnego oraz z poprzednich okresów ( ̂ ̂

( ))

Jako pierwszy analizujemy jednorazowy, wygasający szok popytowy, wynikający

z faktycznego wzrostu popytu na przełomie lat 2004/2005, przedstawiony w rozdziale 2.

Popyt na mieszkania wzrósł tylko w tym okresie o ok. 15% w relacji do średniego popytu.

Zakładamy że już w następnym okresie popyt wraca do swojej długookresowej średniej.

W efekcie popytu przewyższającego podaż, deweloperzy podnoszą cenę, a w kolejnym

okresie wystawiają na rynek znacznie więcej mieszkań. Nadmierny popyt zaspakajany jest

częściowo przez zasób niesprzedanych mieszkań. W okresie t+1 wartość popytu wraca do

średniej wartości popytu sprzed szoku, jednak deweloperzy powolnie obniżają cenę.

Gospodarstwa domowe kupują tyle mieszkań co przed szokiem, natomiast deweloperzy,

sugerując się nadmiernie wysokimi cenami, produkują zbyt dużo mieszkań.

W konsekwencji nadwyżka niesprzedanych mieszkań rośnie (lewy wykres 6). Gdyby

natomiast deweloperzy tak samo szybko obniżyli ceny, jak je podnieśli, nie generowali by

zbyt długo nadpodaży mieszkań, a rynek by szybko wrócił do długookresowej równowagi

(prawy wykres 6).

Wykres 6. Analiza jednorazowego szoku popytowego (lewy wykres – elastyczność cenowa

deweloperów w górę wyższa niż w dół, prawy wykres – elastyczność cenowa deweloperów

symetryczna)

146


Taką samą analizę przeprowadzamy dla dłuższego szoku. Popyt rośnie z okresu na

okres, zgodnie z empirycznym wzrostem popytu (por. wykres 4). W tym przypadku,

podobnie jak wcześniej deweloperzy obserwując nadmierny popyt, podnoszą ceny oraz

z opóźnieniem produkują więcej mieszkań. To zachowanie jest powtarzane tak długo, jak

rośnie popyt, natomiast deweloperzy zbyt późno ograniczają produkcję mieszkań. Gdyby

szybciej obniżali cenę w reakcji na spadający popyt, produkowali by mniej mieszkań,

a rynek wróciłby szybciej do równowagi (por. wykres 7). Zasób niesprzedanych mieszkań,

który przy asymetrycznych zmianach cen znacznie wzrastał, względnie szybko maleje

i wraca praktycznie do swojego poziomu równowagi.

Wykres 7. Analiza długookresowego szoku popytowego (lewy wykres – elastyczność cenowa

deweloperów w górę wyższa niż w dół, prawy wykres – elastyczność cenowa deweloperów

symetryczna)


Na podstawie powyższych rozważań stwierdzić można, niezależnie od tego czy

szok popytowy jest jednorazowy czy długookresowy, iż gdyby deweloperzy bardziej

urealniali ceny pod wpływem nadmiernej podaży, rynek by się zrównoważył szybciej.

Podsumowując, model pozwala wyjaśnić dynamiki cen i wolumen transakcji na

rynku nieruchomości, które prowadzą do znacznych wahań. Model sugeruje, iż jedynym

sposobem na uruchomienie procesów mających na celu doprowadzenie do równowagi

i zapewnienie niewielkich wahań wokół tego punktu, jest stabilizacja i kontrola popytu,

m.in. przez spowolnienie boomu kredytowego. Tak silny boom popytowy nie był by

0

2

4

6

8

10

12

14

16

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

liczba

mie

szkań,

cena

za m

kw

.

D S zasób mieszkań P

0

2

4

6

8

10

12

14

16

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

liczba

mie

szkań,

cena

za m

kw

.


0

2

4

6

8

10

12

14

16

18

20

1 2 3 4 5 6 7 8 9 1011121314151617181920

licz

ba m

iesz

kań,

cena z

a m

kw

.


0

2

4

6

8

10

12

14

16

18

20

1 2 3 4 5 6 7 8 9 1011121314151617181920

licz

ba m

iesz

kań,

cena z

a m

kw

.


147

zapewne możliwy, gdyby udzielane były wyłącznie kredyty złotowe. Ponadto regulacje

związane z istnieniem rządowego programu Rodzina na Swoim podtrzymywało popyt

(por. NBP, 2013). Gdyby natomiast wprowadzono program wspierający rynek mieszkań na

wynajem, szok popytowy wywołany wzrostem dochodów oraz niskich stóp procentowych

mógłby być ograniczony.

5. Podsumowanie

Przedstawiliśmy względnie prosty model, który pomaga zrozumieć cykliczność

rynku mieszkaniowego. Po skalibrowaniu modelu dla Warszawy zaprezentowaliśmy jak

zmiany stopy procentowej wpływają na popyt. Następnie pokazaliśmy, że bardzo powolne

obniżanie cen przez deweloperów w obliczu nadpodaży pozwoliło nierównowadze

utrzymać się przez znaczny czas. Gdyby deweloperzy szybko urealnili ceny, rynek

znacznie szybciej wrócił by do poziomu równowagi, a zasób niesprzedanych mieszkań

względnie szybko zostałby sprzedany. Ponadto model pokazuje, że szoki popytowe,

zwłaszcza powtarzane, znacznie zaburzają ceny oraz produkcję mieszkań. Wnioskować

można, iż jedynie ograniczanie popytu, przez np. regulacje ostrożnościowe ograniczające

dostępność kredytową mieszkań mogą przyczynić się do wygładzenia cyklu na rynku

nieruchomości mieszkaniowych.

Ważnym założeniem rozważanego modelu jest, zgodnie z empirią, że rynek jest

stale w nierównowadze. Opóźnione dostosowania podaży w kierunku stale zmieniającego

się popytu prowadzą do permanentnych cykli. Chcemy podkreślić, iż założenie

o równowadze, na którym oparta jest większość znanych modeli, skutkuje błędnymi

wynikami i daje mylne wskazówki dla decydentów. Naszym zdaniem model jest

przydatny dla decydentów, banków centralnych oraz regulatorów do analizy wpływu

rożnych czynników na rynek mieszkaniowy.

Bibliografia

Augustyniak, H., K. Gajewski, J. Łaszek i G. Żochowski (2012), Real estate development

enterprises in the Polish market and issues related to its analysis, MPRA Paper 43347.

Augustyniak, H., J. Łaszek, K. Olszewski i J. Waszczuk (2013), Modelling of cycles in the


and multiplier effects, National Bank of Poland Working Paper 143.

Aoki, K., J. Proudman i G. Vlieghe (2002), House prices, consumption, and monetary policy: a

financial accelerator approach, Bank of England Working Paper no. 169.

Bajari, P., P. Chan , D. Krueger i D. Miller (2013), A dynamic model of housing demand:

estimation and policy implications, International Economic Review 54, s. 409–442.

Bernanke, B., M. Gertler i S. Gilchrist (1999), The financial accelerator in a quantitative business

cycle framework, Handbook of macroeconomics (North Holland).

Bracke, P. (2011), How Long Do Housing Cycles Last? A Duration Analysis for 19 OECD

Countries., IMF Working Paper WP/11/231.

Burnham, J. B. (1972), Private Financial Institutions and the Residential Mortgage Cycle, with

Particular Reference to the Savings and Loan Industry, W: Board of Governors of the

Federal Reserve System, Ways To Moderate Fluctuations in Housing Construction.

148

Chang, C.-O. i C.W.R. Ward (1993), Forward pricing and the housing market: the pre-sales

housing system in Taiwan, Journal of Property Research V 10, s. 217-227.

DiPasquale, D. i W. C. Wheaton (1992), The markets for Real Estate Assets and Space: A

Conceptual Framework, Journal of the American Real Estate and Urban Economics

Association, Vol. 20, s. 181-197.

DiPasquale, D. (1999), Why Don’t We Know More About Housing Supply?, The Journal of Real

Estate Finance and Economics, Vol. 18, s. 9-23.

Dunsky, R.M. i J.R. Follain (1997), The demand for mortgage debt and the income tax, Journal of

Housing Research, Vol. 8, s. 155-199.

Epple, D., B. Gordon i H. Sieg (2010), A New Approach to Estimating the Production Function

for Housing, The American Economic Review, Vol. 100(3), s. 905-924.

Fair, R. C. (1972), Disequilibrium in housing models, The Journal of Finance, 27(2), p.207-221.

Hanau, A. (1928), Forecasting the price of pork (Die prognose der schweinepreise),

Vierteljahreshefte zur Konjunkturforschung Sonderheft 7.

Henderson, J.V. i Y.M. Ioannides (1983), A Model of Housing Tenure Choice., The American

Economic Review, Vol. 73(1), s. 98-113.

Lambertini, L., C. Mendicino i M. T. Punzi (2012), Expectations-Driven Cycles in the Housing

Market, Bank of Finland Research Discussion Paper 2-2012.

Levin, E. J. i G. Pryce (2009), What Determines the Responsiveness of Housing Supply? The Role

of Real Interest Rates and Cyclical Asymmetries., Centre for Public Policy for Regions

Discussion Paper no. 20.

Lin, C. i S. Lin (1999), An Estimation of Elasticities of Consumption Demand and Investment

Demand for Owner-Occupied Housing in Taiwan: A Two-Period Model, International Real

Estate Review, Vol. 2, s. 110-125.

Łaszek, J. (2013), Mieszkanie w teorii konsumenta, W: NBP (2013), Raport o rynku nieruchomości

mieszkaniowych i komercyjnych w Polsce w 2011 r.

Muth, R. (1960), The demand for non-farm housing, in A.C. Harberger, The demand for durable

goods, The University of Chicago Press.


NBP (2012a), Raport o rynku nieruchomości mieszkaniowych i komercyjnych w Polsce w 2011 r.

NBP (2012b), Informacja o cenach mieszkań i sytuacji na rynku nieruchomości mieszkaniowych

i komercyjnych w Polsce w 2012 r (I i II kwartał).

NBP (2013), Informacja o cenach mieszkań i sytuacji na rynku nieruchomości mieszkaniowych

i komercyjnych w Polsce w 2013 r (I kwartał).


Ortola-Magne, F. i S. Rady (2006), Housing Market Dynamics: On the Contribution of Income

Shocks and Credit Constraints, Review of Economic Studies, Vol. 73, s. 459-485.

Phang, S. Y., K. H. Kim i S. Wachter (2010), Supply Elasticity of Housing, W: International

Encyclopedia of Housing and Home, Elsevier and Science Direct.

Rubaszek, M. (2012), Mortgage down-payment and welfare in a life-cycle model, Bank and

Credit, Vol. 43(4), s. 5-28.

Sanchez, A. C. i A. Johansson (2011), The Price Responsiveness of Housing Supply in OECD

Countries, OECD Economics Department Working Papers, No. 837.

149

Shone, R. (2002), Economic Dynamics: Phase diagrams and their economic application,

Cambridge University Press.

Sommervoll, D. E., T.-A. Borgensen i T. Wennemo (2010), Endogenous housing market cycles,

Journal of Banking & Finance, Vol. 34, s. 557-567.

Stein, J. (1995), Prices and trading volume in the housing market: a model with downpayment

constraints, Quarterly Journal of Economics, 110(2), s. 379-406.

Stover, M. E. (1986), The price elasticity of the supply of single-family detached urban housing,

Journal of Urban Economics, 20(3), s. 331-340.

Steiner, E. (2010), Estimating a stock-flow model for the Swiss housing market, Swiss National

Bank Working Papers 2010-08.

Topel, R., S. Rosen (1988), Housing Investment in the United States, Journal of Political

Economy, Vol. 96, s. 718-740.

Tse, R.Y.C., C.W. Ho i S. Ganesan (1999), Matching housing supply and demand: an empirical

study of Hong Kong's market, Construction Managment and Economicss Vol. 17, s.

625-633.

Waldron, M. i F. Zampolli (2010), Household debt, house prices and consumption in the United

Kingdom: a quantitative theoretical analysis, Bank of England Working Paper No. 379.

Wheaton, W. C. (1999), Real Estate “Cycles”: Some Fundamentals, Real Estate Economics, Vol.

27,2, s. 209-230.

150

Część III. Monografie miast

Raport o sytuacji na rynku nieruchomości mieszkaniowych i ... · 3 Autorzy: Część I i II...

Documents

Transcript of Raport o sytuacji na rynku nieruchomości mieszkaniowych i ... · 3 Autorzy: Część I i II...