Økonomi

Ny analyse fra Nationalbanken: Dette afgør salgsprisen på din bolig

En ny analyse fra Nationalbanken viser, hvad der reelt driver boligpriserne i de forskellige dele af landet.

Artiklens øverste billede
Boligmarkedet kan deles op i mange mindre mikromarkeder - placeringen i dem afgør din salgspris, viser ny analyse.

Hvorfor sælger boliger, som ligner hinanden og som kun ligger få hundrede meter fra hinanden, ofte til vidt forskellige priser?

Det forsøger et nyt forskningspapir fra Nationalbanken at give et svar på. Økonomerne har sluppet en model med kunstig intelligens løs på salgsdata fra boligsiden.dk fra 2009 til 2019 og fra BBR-registreret.

Modellen fandt, at boligmarkedet bør inddeles i fem kategorier – eller prisområder - hvor priserne udvikler sig meget ens uanset, hvor i landet de ligger. Valget af prisområde er altafgørende for prisudviklingen.

»Vores analyse bekræfter, at geografisk placering er meget vigtig for boligpriserne,« skriver økonomerne i analysen.

Modellen indeholder nogle af de samme betragtninger, der også ligger bag de nye vurderingsmetoder i Vurderingsstyrelsen, selvom den bygger på en lidt anden teknologi. Man opnår også en nøjagtighed, som tilsyneladende er mindst lige så god.

Modellen deler prisområderne op som geografiske pletter på tværs af landkortet.

F.eks. finder man det dyreste prisområde - hvor kvadratmeterpriserne har tendens til være stige mest - i visse dele af København og omegn og i Aarhus, men også i mindre områder i bl.a. Skagen, i bunden af Roskilde Fjord, ved Silkeborg og ved Kolding.

I det næstdyreste prisområde finder man f.eks. større dele af Aalborg og dele af Odense og Nordsjælland er også med her.

De forskellige prisområder ligger lige op ad hinanden, kan udgøre dele af et postnummer eller kan ligge på tværs af kommunegrænser.

Kodeordet er altså lokalkendskab. Informationer om postnummer, kommune eller sågar hustype er ikke ret gode til at forudse en salgspris, viser analysen.

Ser man f.eks. kun på postnummer, så kunne Nationalbankens model forudse en salgspris i 2019 med en nøjagtighed på 31 pct., viser analysen.

Bruger man regioner kan modellen fange 41 pct. af udviklingen i salgsprisen, mens informationer om kommune øger nøjagtigheden til 75 pct. af kvadratmeterprisen.

Lægger man informationer om hustypen oveni kommunenavnet, så ryger forklaringsevnen op på 76 pct.

Men fodrer man udelukkende modellen med prisområdet, så kan modellen beskrive 83 pct. af udviklingen i boligens kvadratmeterpris.

Fodrer man alle oplysninger ind i modellen - fra region, postnummer, kommune, prisområde og hustype - så giver det en nøjagtighed på 84,3 pct.

Boligsiden rummer informationer om omkring 80.000 boligsalg og 115.000 nye salgsannoncer om året.

Analysen går videre og viser, at man kan bryde selv prisområderne op i mindre dele.

F.eks. finder modellen at lejlighedsmarkedet i København kan deles op i 21 mikromarkeder, hvor priserne svinger mere synkront. I Aarhus finder modellen to mikromarkeder for lejligheder.

Den viser også, at mens alder eller størrelse ikke i særlig grad påvirker prisudviklingen på lejligheder i storbyerne, så gælder noget andet på husmarkedet.

Priser på luksushuse i København-området, som ofte er større og ældre end andre, er f.eks. steget mere end andre typer af huse i samme område.

Top job

Forsiden lige nu

Anbefalet til dig

Giv adgang til en ven

Hver måned kan du give adgang til 5 låste artikler.
Du har givet 0 ud af 0 låste artikler.

Giv artiklen via:

Modtageren kan frit læse artiklen uden at logge ind.

Du kan ikke give flere artikler

Næste kalendermåned kan du give adgang til 5 nye artikler.

Teknisk fejl

Artiklen kunne ikke gives videre grundet en teknisk fejl.

Ingen internetforbindelse

Artiklen kunne ikke gives videre grundet manglende internetforbindelse.

Denne funktion kræver Digital+

Med et Digital+ abonnement kan du give adgang til 5 låste artikler om måneden.

ALLEREDE ABONNENT?  LOG IND

Denne funktion kræver abonnement

Med et abonnement kan du lave din egen læseliste og læse artiklerne, når det passer dig.

Teknisk fejl

Artiklen kunne ikke tilføjes til læselisten, grundet en teknisk fejl.

Forsøg igen senere.

Del artiklen
Relevant for andre?
Del artiklen på sociale medier.

Du kan ikke logge ind

Vi har i øjeblikket problemer med vores loginsystem, men vi har sørget for, at du har adgang til alt vores indhold, imens vi arbejder på sagen. Forsøg at logge ind igen senere. Vi beklager ulejligheden.

Du kan ikke logge ud

Vi har i øjeblikket problemer med vores loginsystem, og derfor kan vi ikke logge dig ud. Forsøg igen senere. Vi beklager ulejligheden.