Boliglånsforskriftens effekt på boligprisene

Transkript

1 Boliglånsforskriftens effekt på boligprisene En teoretisk og økonometrisk analyse av boliglånsforskriftens effekt på boligprisene. Karl Henrik Nordbakken Master of Philosophy in Economics Department of Economics UNIVERSITETET I OSLO Mai 2018

2 II

3 Forord Denne masteroppgaven inngår som siste ledd i mitt 2-årige masterprogram i samfunnsøkonomi ved Universitet i Oslo. Temaet for oppgaven er å se på hvilke effekter boliglånsforskriften som trådte i kraft 1.januar 2017 har hatt på boligprisene. Jeg vil også ta for meg regionale forskjeller, for å undersøke om de særstilte innstramningene i Oslo har hatt forsterket effekt, sammenlignet med resten av landet. Arbeidet med oppgaven har vært svært lærerik, og har gitt meg verdifull kunnskap og erfaring som jeg kan bygge videre på. Både faglig kunnskap og selvstendighet har blitt satt på prøve, og jeg føler utbyttet av å skrive oppgaven har vært stort. Jeg vil rette en stor takk til min veileder Halvor Mehlum for tilbakemeldinger og samtaler underveis i skriveprosessen. Jeg vil også rette en stor takk til Eiendomsverdi AS for å være behjelpelige med tilgang på datamateriale som jeg var avhengig av for å få svart på den økonometriske delen av oppgaven. Jeg vil også takke familie, venner og medstudenter for gode samtaler, nyttige tips og god hjelp underveis. Til slutt vil jeg takke Lars Peder Nordbakken og Eirik Moseng for å ha korrekturlest oppgaven. Karl Henrik Nordbakken Oslo Mai 2018 III

4 IV

5 Sammendrag I denne oppgaven ønsker jeg å analysere og identifisere effekter på boligprisene av den innstrammede boliglånsforskriften som trådte i kraft 1.januar Både nasjonale og regionale boligpriser vil bli analysert. Boligmarked, boligpriser og husholdningsgjeld vil være sentrale temaer. Boliglånsforskriften regulerer hvordan bankene kan operere i utlånsmarkedet, og setter begrensninger på utlån for å skape en mer bærekraftig gjeldsvekst og økonomisk vekst. Boligkjøp i Norge er i stor grad lånefinansierte, og dermed vil endringer i reguleringene av bankene bidra til å endre tilgangen på boligkapital, og derigjennom påvirke etterspørselen etter boliger. Boliglånene i Norge er i stor grad sikret med pant i bolig, noe reguleringene også spesifiserer. Boligprisene i Norge har økt kraftig siden finanskrisen i 2007, noe som har ført til spekulasjoner om en mulig boligboble. En slik økning skaper bekymring, siden boligmarkedet er en viktig faktor i norsk økonomi. En økning i boligprisene fører til videre økning i gjeldsnivået, fordi en økning i boligprisene fører til at boligens panteverdi stiger, og dermed blir husholdningene i stand til å oppta høyere lån. Det finnes dermed selvforsterkende effekter mellom boligprisene og gjelden til husholdningene. For å forhindre en usunn vekst i både gjeld og boligpriser ønsket Finanstilsynet å endre premissene for at husholdningene skulle få innvilget lån. Min hypotese er at endringene i reguleringene, som blant annet gjelder strengere krav til egenkapital og gjeldsgrad har ført til dempede boligpriser. I oppgaven analyseres problemstillingene ved hjelp av en teoretisk, samt en økonometrisk tilnærming. En egenprodusert modell vil hjelpe meg å analysere effektene av innstramninger i forskriften på et teoretisk grunnlag. Denne modellen vil ta for seg elementer som bokostnader, kvadratmeterpriser, renter, egenkapitalkrav, gjeldsgrad og vedlikeholdskostnader. I tillegg støtter jeg meg på allerede etablerte modeller fra Anundsen(2010) og Jacobsen og Naug(2004), som også forklarer sammenhengen mellom kreditt fra banker, etterspørsel etter boliger og boligpriser. I den økonometriske analysen ønsker jeg å se på effekter av forskriften når jeg tillater tidligere variabelverdier å inngå i analysen, fordi enkelte variabler kan ha effekt i ettertid. Den økonometriske analysen vil bli foretatt i analyseprogrammet Oxmetrics 7.0, med programtillegget PcGive, som gjør meg i stand til å analysere tidsserier. Resultatene av analysene som er foretatt viser at det er klare tegn på at innstramninger i boliglånsforskriften har hatt effekt, i form av dempede boligpriser. Den teoretiske analysen V

6 viser at innstramninger i gjeldsgraden fører til at utlånsbeløpet til husholdningene vil bli redusert, med begrunnelse i at husholdningene ikke lenger innfrir kravene til et like høyt lånebeløp som tidligere. Dette vil føre til redusert boligkapital i markedet, som reduserer etterspørselen etter boliger. En dempet etterspørsel etter boliger vil i modellene jeg benytter føre til lavere boligpriser. Den økonometriske analysen viser liknende resultater, med en signifikant negativ koeffisient for dummy-variabel som er blitt etablert for boliglånsforskriften. Ytterligere innstramning i egenkapitalkravet ved kjøp av sekundærboliger i Oslo, viser i den teoretiske modellen en negativ effekt på boligprisene i Oslo. Begrunnelsen ligger i at husholdningene som ønsker å konsumere en sekundærbolig i Oslo vil oppleve innfrielse av kravene til utlån som tøffere, og de som innfrir kravene vil etterspørre en mindre bolig. Dette er forutsatt at husholdningene ønsker å maksimere sitt konsum av bolig. Redusert boligkapital vil igjen føre til lavere etterspørsel, og i tillegg til strammere gjeldsgrad, vil dette føre til lavere boligpriser. De andre utvalgte byene som ikke har tilleggsreguleringen vil oppleve svakere reduksjon i boligprisene, sammenlignet med Oslo. Den økonometriske analysen viser tilsvarende effekter, hvor Oslo har en signifikant negativ koeffisient for boliglånsforskriften. Byer som Stavanger viser ingen tegn til effekt av boliglånsforskriften, noe som også er synlig ved å se på utviklingen i boligprisene. De andre utvalgte byene har både negative og positive koeffisienter for boliglånsforskriften, i en modell som inneholder flere lags. For Bergen og Trondheim viser den negative effekten seg å være sterkere enn den positive. En større negativ koeffisient for Oslo, sammenlignet med de andre byene, resulterer i en sterkere dempning i boligprisene. VI

7 VII

8 Innhold Forord... III Sammendrag... V Tabell- og figurliste... X 1 Innledning VIII Boligmarked... 1 Motivasjon... 1 Formålet med oppgaven... 2 Avgrensning... 2 Problemstilling... 3 Metode... 3 Datamateriale... 4 Oppbygging av oppgaven Historisk utvikling i boligpriser og gjeld Historisk utvikling i boligprisene Utvikling Utvikling Gjeldsutvikling i Norge Boliglånsforskriften Kredittreguleringer Kredittreguleringer Boliglånsforskriften fastsatt 15.juni Finansdepartementet fastsatte endringer i forskriften 16.desember Bakgrunn for endringer i boliglånsforskriften Teoretisk rammeverk for boligmarkedet Tilbudssiden i boligmarkedet Etterspørselssiden i boligmarkedet Påvirkende faktorer for husholdningenes boliglån Teoretisk rammeverk Modell for beskrivelse av etterspørsel i boligmarkedet Tilgang på boliglån med pant i bolig Boligetterspørsel inspirert av modellen til Jacobsen og Naug Tilbud av kreditt til husholdninger inspirert av modellen til Jacobsen og Naug 28

9 4.4.5 Samspillet mellom bolig- og kredittmarkedet Teoretisk analyse Virkninger av innstrammet boliglånsforskrift på boligprisene Regionale forskjeller i innstramning av boliglånsforskriften Tidsserieøkonometri Generell tidsserieøkonometri ARDL-modell Automatisk variabel seleksjon Dummy-variabel for boliglånsforskriften Empiriske resultater Konklusjon Litteraturliste Vedlegg IX

10 Tabell- og figurliste Figurliste Figur 1: Tolvmånedersvekst i prosent i boligpriser og husholdningsgjeld i perioden Figur 2: Realboligprisindeks ,... 7 Figur 3: Nominelle boligpriser vekstrater Figur 4: Reell boligprisindeks Figur 5: Nominell husholdningsgjeld i perioden Figur 6: Norske husholdninger gjeld i forhold til disponibel inntekt Figur 7: Boligprisutvikling Figur 8: Tilbudssiden i boligmarkedet på kort sikt Figur 9: Tilbudssiden i boligmarkedet på lang sikt Figur 10: Etterspørselssiden i boligmarkedet Figur 11: Tilbud- og etterspørselsskift Figur 12: Månedlig endring i boligprisindeks og boliglån med pant i bolig M M Figur 13: Kvadratmeterpris og areal etterspørsel Figur 14: Bokostnader og Areal etterspørsel Figur 15: Endringer EKK for unge konsumenter Figur 16: Endringer EKK eldre konsumenter Figur 17: Samspill mellom kreditt- og boligmarked Figur 18: Virkninger av lavere gjeldsgrad på etterspørsel og pris Figur 19: Utvikling boligprisindeks 2015(7)-2017(12) Tabelliste Tabell 1: Hovedelementer boliglånsforskrift 2015, Kilde: Regjeringen 2015a Tabell 2: Endringer boliglånsforskriften 2015 til 2017, Kilde: Lovdata (2016) Tabell 3: Resultat regresjonsanalyse boligpriser Norge Tabell 4: Resultat ARDL-modell med 3 lags, Norge Tabell 5: ARDL-modell analyse Norge med automatisk variabel seleksjon, 6 lags boligpris og dummy-variabel, 3 lags resterende variabler X

11 1 Innledning 1.1 Boligmarked Et boligmarked er en betegnelse for etterspørsel- og tilbudssiden i boligmarkedet. Et marked er en form for møteplass tilbydere møter de som etterspør, disse blir kalt selgere og kjøpere. Goder som typisk blir byttet i et boligmarked, er boliger i bytte mot penger, oftest finansiert i form av et boliglån (Wikipedia a). I et boligmarked er det boliger som blir tilbudt av tilbyderne, og de som etterspør tilbyr penger i retur. En eiendomsmegler vil ofte operere som et tredje ledd i boligmarkedet, som tilrettelegger og ferdigstiller handelen mellom kjøper og selger. I Norge har det i lang tid vært tradisjon for å eie sin egen bolig, og dette blir sett på som den største investeringen husholdninger gjør i løpet av sitt liv. Boliger i Norge blir både sett på som et konsumgode og som et investeringsobjekt, grunnet jevn stigning i boligpriser over tid. Fra mars 2008 til mars 2018 har boligprisene på nasjonal basis steget med 63,7 prosent, altså en gjennomsnittlig årlig økning på 6,37 prosent. I norsk økonomi er boligmarkedet av stor betydning, fordi en stor andel kapital og kreditt er knyttet til dette området. Kollapser boligmarkedet, vil en stor andel av husholdningene få problemer grunnet store lån med pant i bolig. Borgersen og Hungnes (2009) viser at 90 prosent av all husholdningsgjeld er knyttet til boliglån. Gjelden til norske husholdninger har i senere tid steget mye, i samsvar med boligprisene. Bekymringer for utvikling av en boligboble og eventuell kollaps i økonomien er bakgrunnen til at det ble fastsatt en boliglånsforskrift i juni 2015, for å regulere utlånspraksisen, denne forskriften ble senere modernisert i desember Motivasjon Bakgrunnen for valget mitt om å skrive en masteroppgave angående hvilken effekt boliglånsforskriften har hatt på boligprisene kommer av min interesse for boligmarkedet og Norges stadig økende gjeldsnivå. Dette er et tema som berører omtrent alle nordmenn, siden det i lang tid har vært tradisjon i å eie sin egen bolig. Boliger har også i senere tid blitt sett på som sparings- og investeringsobjekter, grunnet sterk prisvekst. Boligmarked og boligpolitikk 1

12 er et tema som ofte er i nyhetsbildet, og dermed er aktuelt, noe som også påvirket mitt valg av oppgave. Dessuten ønsker jeg å styrke mitt kjennskap til temaet, med tanke på hva jeg ønsker å jobbe med etter ferdig studieløp. I tillegg er det begrenset med forskning på dette området, siden forskriften kun er ett år gammel, noe jeg ser på som en utfordring. 1.3 Formålet med oppgaven Formålet med denne masteroppgaven er å få en teoretisk og økonometrisk forståelse av hvilken effekt boliglånsforskriften har hatt på boligprisene i Norge, samt Oslo, sammenlignet med andre store byer i Norge. En bredere forståelse av bolig- og kredittmarkedet har også vært en del av min motivasjon. Jeg ønsker også ved hjelp av teori og økonometri å undersøke i hvilken grad den nye boliglånsforskiften har bidratt til endring i boligpriser, og om det finnes regionale forskjeller. 1.4 Avgrensning I denne oppgaven har jeg valgt å avgrense meg til å se på boligmarkedet, boligprisutvikling og gjeldsutvikling i Norge i perioden fra 2015 frem til januar Jeg vil også avgrense analysen med tanke på geografisk område. Jeg kommer til å se på Oslo, Trondheim, Bergen, Stavanger og Drammen, for å se hvilke forskjeller forskriften har hatt i de forskjellige byene. Jeg velger å se på disse byene, fordi Oslo er den eneste byen med særstilte reguleringer etter 1.januar De andre byene velger jeg på grunn av deres størrelse. Jeg velger spesielt Drammen, grunnet nær geografisk plassering i forhold til Oslo, noe som er interessant med tanke på hvilke forskjeller det finnes mellom byer som ligger så tett, men har forskjellige reguleringer for utlån med pant i bolig. Tidsavgrensningen på analysen vil være fra midten av 2015, når boliglånsforskriften ble fastsatt, og frem til Grunnen til dette er fordi jeg vil finne ut av forskjellene mellom boliglånsforskriften som ble tatt i bruk i henholdsvis 2015 og Når det gjelder resten av oppgaven vil jeg i enkelte tilfeller referere til episoder som hendte tidligere, for å danne et historisk bilde over blant annet variabler og hendelser. Jeg har ikke sett det nødvendig å ta med tidligere observasjoner, grunnet mitt valg om å se på effekten av boliglånsforskriften som trådte i kraft 1.januar

13 Når det gjelder det teoretiske rammeverket, kommer jeg til å etablere en egen modell som forsøker å beskrive hvilke effekter endringer i boliglånsforskriften har hatt på boligprisene. Jeg vil også benytte meg av Jacobsen og Naug (2004) sin teoretiske modell for boligpriser og gjøre noen forenklinger. Jeg er også inspirert av arbeidet til Andre Kallåk Anundsen (2010). Jeg kommer til å bruke mye av deres teori for å forklare etterspørsel, prisdannelse og kredittilgang. 1.5 Problemstilling Min problemstilling i denne oppgaven bygger på en antakelse om at boliglånsforskriften har dempet boligprisveksten i Norge, og da spesielt i Oslo. Jeg ønsker å finne svar på hvilken effekt boliglånsforskriften har hatt, og vil se på forskjeller regionalt. Dette er for å finne ut om tilleggsreguleringen for Oslos vedkommende har hatt en sterkere virkning enn den generelle for resten av landet. Problemstillingen min er derfor: - Hvilken effekt har endringen i boliglånsforskriften som trådte i kraft i 2017 hatt på boligprisene i Norge? I tillegg til hovedproblemstillingen, kommer jeg også til å besvare følgende spørsmål: - Har boliglånsforskriften effekter i Oslo skilt seg ut, sammenlignet med andre store byer i Norge? - Har boliglånsforskriften bidratt til dempede boligpriser i de utvalgte byene? 1.6 Metode Oppgaven inneholder en teoretisk og en økonometrisk analyse av problemstillingene. Jeg vil starte med en teoretisk tilnærming til endringene i boliglånsforskriften, og analysere innstramningene på bakgrunn av modeller. Modellene er både egenproduserte og hentet fra fagartikler. I den empiriske analysen vil jeg benytte meg av tidsserieøkonometri for å analysere hvilken effekt innstramninger i boliglånsforskriften har hatt på boligprisene. Ved å bruke en empirisk forskningsmetode vil jeg kunne ta stilling til om hypotesene som er satt opp stemmer, eller 3

14 om de må forkastes, på bakgrunn av tallmateriale. Nærmere introduksjon til tidsserieøkonometri presenteres senere i oppgaven. 1.7 Datamateriale For å beskrive utviklingen i boligpriser, husholdningsgjeld, og andre aktuelle variabler i oppgaven, er jeg avhengig av god statistikk for å fremstille utviklingen på en ryddig måte. Jeg er også avhengig av pålitelige data for å sikre kvaliteten i den kvantitative analysen. Tallmateriale består i hovedsak av tall fra Eiendomsverdi AS, Statistisk Sentralbyrå og Norges Bank. Eiendomsverdi AS samler inn data om boligprisene i Norge, i samarbeid med Finn.no og Eiendom Norge. Statistikken er utarbeidet etter siste måneds slutt og omfatter boliger som annonseres på Finn.no, som omfatter cirka 70 prosent av alle boliger som omsettes i Norge i løpet av et år. Jeg har vært heldig å få tilgang til de nyeste tallene som er tilgjengelig fra Eiendomsverdi AS. Datamaterialet fra Statistisk sentralbyrå finner jeg i statistikkbanken på SSB.no. Tallene er troverdige, og de fremstilles månedlig, eller per kvartal. Dette gjør at jeg er i stand til å benytte meg av tallmateriale som er nylig oppdatert, for å kunne gjøre en så presis analyse som mulig. 1.8 Oppbygging av oppgaven Første del av oppgaven gir en innledende presentasjon av utviklingstrekk i både boligpriser og gjeld. Leseren får bakgrunnskunnskap til å forstå situasjonen som førte til at Finanstilsynet fremmet et forslag om innstramning av utlån med pant i bolig fra finansforetak. Deretter vil en historisk gjennomgang av kredittreguleringer i Norge bli presentert. Det vil bli spesielt lagt vekt på boliglånsforskriften fra 2015 og innstramningene av den som trådte i kraft 1.januar Fokuset legges på de siste endringene, med begrunnelse i at det er boliglånsforskriften 2017 jeg skal analysere i denne oppgaven. Etter en innføring i både utviklingstrekk og presentasjon av boliglånsforskriften, vil jeg bevege meg over til den teoretiske delen av oppgaven. Der vil jeg presentere generell teori om boligmarkedet og kredittmarkedet til å starte med, og deretter presentere en modell som 4

15 understreker hvilke effekter boliglånsforskriften har på boligprisene. Jeg vil også støtte meg på enkelte andre modeller som er presentert i fagartikler og masteroppgaver. Etter presentasjon av modellen, vil jeg analysere virkninger av endringene som ble foretatt i forskriften 1.januar 2017 på grunnlag av modellen- og teorien som er presentert. Dernest vil jeg introdusere aktuell tidsserieøkonometri, og deretter presentere den empiriske analysen ved bruk av dataprogrammet Oxmetrics. I denne delen vil jeg besvare problemstillingene ved bruk av empiri, og ta stilling til om hypotesene skal forkastes eller ikke. Siste del av oppgaven består av en konklusjon, hvor jeg tar hensyn til både den teoretiske og økonometriske analysen for å vurdere om endringene i boliglånsforskriften har hatt effekt på boligprisene. 5

16 2003M M M M M M M M M M M M M M M M M M M M M M M M M M09 2 Historisk utvikling i boligpriser og gjeld I dette kapittelet vil den historiske utviklingen i boligprisene og husholdningenes gjeldsvekst bli presentert. Jeg kommer til å skille på eldre og nyere tid i boligprisutviklingen. Eldre tid regner jeg fra , mens nyere tid gjelder fra Jeg vil benytte meg av historiske boligprisindekser fra Norges Bank og Eiendomsverdi AS for å forklare utviklingen, i tillegg til enkelte publikasjoner. Gjeldsutviklingen vil bli presentert fra 1993 frem til Figur 1 viser tolvmånedersveksten i boligprisene og husholdningenes gjeld fra Figuren viser at perioden har vært preget av positiv vekst i tolvmånedersvekst i boligprisene, med unntak av noen observasjoner rundt finanskrisen. Figuren viser også at variasjonen har vært større i prosent fra år til år for boligprisene enn for husholdningsgjelden. 5,00% 4,00% 3,00% 2,00% 1,00% 0,00% -1,00% -2,00% -3,00% -4,00% Endring i boligpriser og husholdningsgjeld i prosent Prosentvis forskjell husholdningsgjeld Prosentvis forskjell boligpriser Figur 1: Tolvmånedersvekst i prosent i boligpriser og husholdningsgjeld i perioden , Kilde: Eiendomsverdi AS og Statistisk sentralbyrå, statistikkbanken 6

17 2.1 Historisk utvikling i boligprisene Utvikling Boligprisutviklingen i Norge har i lang tid vært preget av stabil vekst, med enkelte unntak. Figur 2 fremstiller utviklingen i realboligprisene i Norge fra , hvor 1819 er lik 1. Realboligprisindeksen er en boligprisindeks som er dividert med konsumprisindeksen, for å vise hvordan boligprisene har utviklet seg relativt til prisnivået i Norge (Vale et al. 2015). Av figur 2 kan vi spesielt legge merke til fire perioder med sterk vekst: i 1890-årene, 1920-årene, i 1980-årene og fra 1993 til 2003 (Grytten (2009)). Tallene fra skal ikke vektlegges for mye, grunnet få observasjoner, og dermed stor bevegelse i indeksen selv ved små endringer. Perioden fra bestod av en solid vekst i realboligprisene, med få år som unntak. Fra var realboligprisene inne i en synkende periode, mye grunnet første verdenskrig hvor inflasjonen var betydelig høyere enn boligprisveksten (Eitrheim, Klovland & Qvigstad, 2004). Perioden mellom første og andre verdenskrig var preget av solid vekst i realboligprisene igjen, selv under krakket i Etter 1940 var boligmarkedet i Norge strengt regulert frem til Denne perioden var preget av lav realboligprisvekst. Det var også i denne perioden at stortinget vedtok opprettelsen av Den Norske Stats Husbank. Bankens oppgave var å tilby rimelige finansieringsvilkår til boligsøkere, som følge av boligunderskuddet i Norge etter andre verdenskrig (Hodne og Grytten (2002)). Boligprisene mellom var stabile, som før andre verdenskrig. I perioden ble det gjennomført gradvise lettelser i reguleringene, noe som førte til moderat prisvekst (Midtdal og Tollefsen (2015)). Figur 2: Realboligprisindeks , Kilde: Vale et al (2015) 7

18 På 1970-tallet vokste boligprisene i takt med konsumprisene, noe som bidro til flat utvikling i realprisene dette tiåret. På 1980-tallet startet kredittliberaliseringen, noe som bidro til lettere tilgang på kreditt for både utbyggere og boligkjøpere. Dette bidro til å øke de reelle boligprisene betydelig. Midten av 1980-tallet blir ofte omtalt som «jappetiden», med begrunnelse i kraftig økning i forbruk både blant husholdninger og foretak. Dette førte blant annet til at store mengder med kapital ble omsatt i aksjemarkedet. Jappetiden varte frem til slutten av 1987, hvor Norge ble rammet av nedgangskonjunktur og en bankkrise som skulle vare frem til 1992 (Wikipedia b). Nedgangen i norsk økonomi rammet også boligmarkedet, noe vi kan se fra figur 2. Både de nominelle- og reelle boligprisene sank merkbart. Etter bankkrisens slutt i 1992, har boligprisene i Norge økt kontinuerlig frem til Fra 1993 til 2003 økte de nominelle boligprisene i Norge med 158 prosent, mens konsumprisene økte med 25 prosent, noe som bidrar til en betydelig vekst i realboligprisene (Eitrheim, Klovland & Qvigstad, 2004). Figur 3 fremstiller utviklingen i de nominelle boligprisene i noen utvalgte byer, fra 1970 til Av figuren ser vi stort sett den samme trenden som i figur 2. Vi ser også at jo nærmere 2000-tallet vi kommer, desto høyere er den nominelle prisveksten i Oslo, sammenlignet med de andre byene. Dette mønsteret gjentok seg fra Dette skyldes blant annet tiltagende urbanisering. Figur 3: Nominelle boligpriser vekstrater , Kilde: Eitrheim, Klovland & Qvigstad,

19 jan.03 okt.03 jul.04 apr.05 jan.06 okt.06 jul.07 apr.08 jan.09 okt.09 jul.10 apr.11 jan.12 okt.12 jul.13 apr.14 jan.15 okt.15 jul.16 apr.17 jan Utvikling For perioden fra bruker jeg tallmateriale samlet inn fra Eiendomsverdi AS for å fremstille utviklingen i boligprisene. Boligprisene har siden 2003 steget tilnærmet kontinuerlig, med unntak av en liten periode under finanskrisen i Veksten fra 1993 om frem til 2007 viste en vekst i nominelle boligpriser på 300 prosent, mens realboligprisene økte med 183 prosent. Fra januar 2003, frem til finanskrisen begynte å ramme boligmarkedet i mars 2008, økte de nominelle boligprisene med 57,61 prosent. Fra januar 2003 til mars 2018 var den nominelle veksten i boligprisene på 158,02 prosent. Rundt finanskrisen i 2007 så vi rundt om i verden fallende priser i boligmarkedet, som følge av forventninger om nedgangskonjunktur og lavere kredittvekst hos bankene. Realprisene på boliger i Norge falt med 14 prosent fra august 2007 til og med desember 2008, mens boligprisene i for eksempel USA falt med 40 prosent (Grytten, 2009). Boligprisene i Norge tok seg deretter raskt opp igjen, og allerede i starten av 2009 var det igjen realprisvekst, noe vi kan se fra figur 4. Siden den gang har realprisene økt jevnt, frem til starten av Starten av 2017 var preget av synkende realboligpriser på landsbasis, noe som vedvarte frem til slutten av De første månedene av 2018 har vist stigende boligpriser. 3 2,5 2 1,5 1 0,5 0 Reelle boligpriser Figur 4: Reell boligprisindeks , Kilde: Eiendomsverdi AS og Statistisk Sentralbyrå 2.2 Gjeldsutvikling i Norge Gjeldsveksten i Norge har vært betydelig siden bankkrisen på starten av 1990-tallet tok slutt. Figur 5 viser utviklingen i husholdningsgjelden for Norges befolkning i perioden i millioner norske kroner. Denne viser en sterk vekst i nominell gjeld for husholdningene. Fra 9

20 1993M M M M M M M M M M M M M M M M M M M M M M M M M M til starten av 2018 har den nominelle gjelden for den norske befolkningen vært syvdoblet. Den disponible inntekten til husholdningene økte, til sammenlikning, med 326 prosent i perioden (Staavi, 2016) Husholdningsgjeld Lånegjeld i alt Figur 5: Nominell husholdningsgjeld i perioden , Kilde: Statistisk sentralbyrå, statistikkbanken Figur 6 viser utviklingen i gjeld blant norske husholdninger i forhold til disponibel inntekt. Lavere renter og mindre kredittreguleringer har bidratt til stadig økende husholdningsgjeld. Utviklingen i gjelden samsvarer med utviklingen i boligprisene, med bakgrunn i at lån til fast eiendom utgjør den største komponenten i gjelden til norsk husholdninger. I 2015 utgjorde boliglånene 78 prosent av den samlede gjelden blant norske husholdninger (Røstadsand 2017). Gjeldsbelastningen, som beskriver hvor mye gjeld husholdningene har i forhold til disponibel inntekt har nådd et rekordhøyt nivå, fra å være på 150 prosent i 1990, til 215 prosent av disponibel inntekt i En av forklaringene bak dette ligger i lavere renter og økende boligpriser (Olsen 2016). Lavere renter bidrar til at husholdninger er i stand til å betjene høyere gjeld enn tidligere. Figur 6: Norske husholdninger gjeld i forhold til disponibel inntekt, Kilde: Røstadsand

21 3 Boliglånsforskriften Boliglånsforskriften som trådte i kraft 1.januar 2017 er fastsatt av Finansdepartementet for å regulere utlån med pant i bolig for finansforetak. Et finansforetak er et foretak som driver med virksomhet som bank, kredittforetak, finansieringsforetak og forsikringsforetak (Lovdata b). Boligmarkedet drives av både tilbud- og etterspørselssiden, og begge sider er avhengig av kreditt. Regulering av kredittmarkedet, i hovedsak utlånspraksisen, vil kunne bidra til å dempe etterspørselen etter boliger, fordi kreditt til låntakere blir begrenset. Det vil derfor bidra til å dempe boligprisene. I tillegg vil husholdningene få en mer bærekraftig gjeldsgrad, samt bedre betjeningsevne. Dette vil redusere risikoen for mislighold av lån, og dermed senke risikoen for finansforetakene. Videre vil jeg beskrive tidligere kredittreguleringer i Norge, til og med boliglånsforskriften som trådte i kraft 1.januar Kredittreguleringer Etter andre verdenskrig var etterspørselen etter boliger høy, og derav etterspørselen etter boliglån høy. Det var først etter andre verdenskrig at kredittmarkedet i Norge ble regulert, noe som blant annet førte til at Den Norske Stats Husbank ble i 1946 opprettet for å gi kreditt til nybygging av boliger. Det var i hovedtrekk Den Norske Stats Husbank og Statens Landbruksbank som sto for finansieringen av nye boliger frem til 1980-tallet. Under denne perioden var statsbankenes rente på boliglån politisk bestemt, noe som utover 1970-tallet ble oppjustert og mer tilpasset markedsrentene. Boligutbyggingen i etterkrigstiden bar også preg av priskontroll på omsetning av subsidierte boliger. Salgsprisen ble fastsatt ut fra tomte- og byggekostnader, og ble ved videresalg taksert ut i fra historisk selvkost (Nordahl 2012). Baktanken var at andelseierne ikke skulle tjene penger på boligsalg, kun få dekket sine kostnader. Når det gjelder selveide boliger, var det mer moderat priskontroll, og dette ble avsluttet på slutten av 1960-tallet. Norsk boligpolitikk var derfor i en periode differensiert i to ulike markeder- et prisregulert marked og et med markedspris (Ridderholt 2017). 11

22 3.2 Kredittreguleringer På starten av 1980-tallet ble kredittreguleringen trappet ned, mye på grunn av regjeringen under Kåre Willoch. De bestemte i 1981 å fjerne reguleringer som gjaldt husleien og boligprisene. Også kredittfavoriseringen av Husbanklån til «Husbankstandard» ble avviklet. Disse omleggingene bidro til store forbedringer av norsk boligpolitikk, blant annet ved at boligmassen ble bedre utnyttet. For folk flest betydde fjerningen av reguleringene økt valgfrihet, med flere aktører som konkurrerte om utlån. Dette innebar blant annet at husholdningenes inntekt til å betale tilbake lån ble viktigere i lånevurderingene enn om boligen tilfredsstilte Husbankstandard (Gjedrem 2010). Som nevnt tok private aktører på 1980-tallet over rollen som de statlige låneinstitusjonene hadde for boligfinansieringen. Dette førte til sterk utlånsvekst på 1980-tallet, og senere fikk både husholdninger og foretak problemer med å innfri sine lån, noe som etter hvert førte til en bankkrise som skulle vare fra Denne perioden blir, som tidligere nevnt kalt «Jappetiden». Bakgrunnen for denne krisen var dereguleringen av finansmarkedene i 1984 og 1985, som gjorde at det ble enklere for låntakere å få lån. I denne perioden steg bankenes utlån med omtrent 20 prosent årlig. Husholdningenes forbruk ble i denne perioden delvis finansiert gjennom låneopptak. Bankene fikk problemer med å innvilge utlån, fordi de totale innskuddene ikke var høye nok til å finansiere utlånene. Finansforetakene ble tvunget til å finansiere utlånene med kortsiktige lån i utlandet og Norges Bank, noe som gjorde de utsatt for valutasvingninger. I 1987 falt oljeprisene drastisk, og økonomien gikk fra høykonjunktur til lavkonjunktur i årene Boligprisene falt betydelig i samme periode, noe som satte ytterligere press på bankene og husholdningene (Statistisk sentralbyrå, 1999). Selv om boligprisene sank, hadde bankene insentiver til å låne ut til bolig, fordi det historisk sett innebar lite risiko å låne ut til bolig, grunnet stabilitet i markedet. I perioden etter bankkrisen har det vært mindre diskusjoner rundt boligpolitikken. Prisveksten og gjeldsveksten har vært jevnt økende. Finanskrisen i førte nok en gang til et fall i boligprisene, men prisene har tatt seg opp igjen. Gjeldsnivået til norske husholdninger er relativt høyt når vi sammenlikner med husholdningers gjeldsgrad i andre land (Gjedrem 2010). Med dette menes at norske husholdninger har høy gjeld i forhold til inntekt. I 2010 fremmet Finanstilsynet forslag om retningslinjer for forsvarlig utlånspolitikk på boliglånsområdet, der belåningsgrad ble begrenset til 90 prosent av boligens markedsverdi. 12

23 Dette innebærer et krav om 10 prosent egenkapital. I 2011 foreslo tilsynet å stramme ytterligere inn på kravet, ved å sette belåningsgraden til 85 prosent. Dette er prinsipper som boliglånsforskriften har videreført, når forskriften første gang ble satt i praksis i midten av Boliglånsforskriften fastsatt 15.juni 2015 Boliglånsforskriften er en forskrift om krav til nye utlån med pant i bolig som ble fastsatt av Finansdepartementet 14. desember 2016, med hjemmel i lov 10. april 2015 nr. 17 om finansforetak og finanskonsern (finansforetaksloven) 1-7 (Lovdata.no). Forskriften ble fastsatt i samsvar med at regjeringen la frem sin strategi for boligmarkedet, og en viktig motivasjon var at forskriften skulle bidra til en mer bærekraftig utvikling i boliglånsmarkedet og boligmarkedet. Finansminister Siv Jensen sa dette om forskriften når den ble fastsatt i juni 2015: «Det er viktig at vi har rammer for bankenes boliglånspraksis som på en best mulig måte bidrar til en god og stabil utvikling i norsk økonomi, og til at kredittverdige kunder kan få boliglån. Jeg har tiltro til at norske banker gjør gode kredittvurderinger i de enkelte lånesakene, men for sterk vekst i utlånene kan bidra til økt risiko i norsk økonomi. Vi forskriftsfester derfor klare krav til bankenes boliglånspraksis, samtidig som vi gir bankene fleksibilitet til fortsatt å utøve godt bankhåndverk» (Regjeringen 2015b). Forskriften ble dermed sett på som en demper for usunn gjeldsvekst blant husholdningene, og unormalt høy boligprisvekst. Hovedelementene i forskriften som ble fastsatt 15.juni 2015, er oppsummert i tabell 1 nedenfor. Hovedelementer boliglånsforskriften 15.juni 2015 Paragraf Forklaring 3 Betjeningsevne I vurderingen om kundens betjeningsevne skal finansinstitusjonen legge inn en renteøkning på 5 prosentpoeng fra det aktuelle rentenivået for å sjekke låntakerens betjeningsevne 4 Belåningsgrad Nedbetalingslån med pant i bolig skal på innvilgelsestidspunktet ikke overstige 85 prosent av et forsvarlig verdigrunnlag for boligen, som ikke kan være høyere enn markedsverdi fastsatt ut fra en forsiktig vurdering 7 Fleksibilitet Finansinstitusjonen kan innvilge lån som ikke oppfyller ett eller flere av vilkårene i 3, 4 og 6 for inntil 10 pst. av verdien av innvilgede lån hvert kvartal Tabell 1: Hovedelementer boliglånsforskrift 2015, Kilde: Regjeringen 2015a 13

24 Paragraf 3 handler om betjeningsevnen til låntakeren. Med dette menes kundens evne til å tåle eventuelle endringer i renter som påvirker nedbetaling av lån. Dette omhandler prinsippet vedrørende bærekraftig gjeld («sustainable debt»), som kan beskrives som gjelden som en husholdning har råd til å påta seg, med hensyn til inntekt, og eventuelle renteøkninger (Mehlum 2016). Dette er altså en rentemargin, slik at finansforetakene forsikrer seg om at låntakerne tåler eventuelle rentehevninger på 5 prosentpoeng. Paragraf 4 omhandler belåningsgrad, som er kjent som «Loan-to-Value-Ratio (LTV ratio)». Dette er i hovedsak en risikoevaluering som blir vurdert av finansforetak før låntakere får innvilget lån (Investopedia (a)). I boliglånsforskriftens tilfelle, kan ikke forholdet mellom totalt lån overstige 85 prosent av boligens prisvurdering. Det betyr kravet til egenkapital er 15 prosent. 3.4 Finansdepartementet fastsatte endringer i forskriften 16.desember 2016 Forskriften ble justert i desember 2016, med endringene gjeldene fra 1.januar Det var nok en gang Finanstilsynet som kom med forslaget om å stramme ytterligere inn på utlånspraksisen til bankene. Blant annet var Finanstilsynet bekymret for økende boligpriser, og store regionale forskjeller. Finansminister Siv Jensen nevnte også at en viktig grunn til forskriftsendringen var en stadig økende gjeld hos husholdningene, noe som bidrar til sårbarhet og risiko i norsk økonomi ved fallende boligpriser eller renteøkninger (Regjeringen 2016a). I tillegg viste utviklingen store regionale forskjeller, spesielt mellom Oslo og resten av landet. Oslo har hatt unormal høy boligprisvekst, og regjeringen valgte derfor å rette noen av tiltakene direkte mot Oslo. 14

25 Oslo Bergen Trondheim Stavanger Kristiansang Tromsø Fredrikstad Asker Bærum Askershus Drammen Vestfold Telemark Vest Agder Rogaland Hordaland Sør-Trønderlag Nord-Trønderlag Norge 25,00% 20,00% Boligprisutvikling i prosent ,00% 10,00% 5,00% 0,00% -5,00% Figur 7: Boligprisutvikling 2016, Kilde: Aftenposten (2017) og tallmateriale Eiendomsverdi AS, (vedlegg 2) Som nevnt ovenfor var økende gjeldsvekst- og boligpriser bakgrunnen for endringene i forskriften. Figur 7 viser boligprisutviklingen i 2016 over store deler av landet, som viser sterk vekst i enkelte områder. Norge sett under ett hadde en vekst på 12,8 prosent. Det er verdt å legge merke til at Oslo hadde en vekst på 23,3 prosent, mens Stavanger og Rogaland var de eneste områdene med negativt prisvekst. I tabell 2 nedenfor ser vi en oversikt over de viktigste endringene fra den forskriften i 2015, sammenliknet med For nærmere presisering av boliglånsforskriften vises det til vedlegg 1. Ett av virkemidlene for å dempe veksten i boligprisene i Oslo var å innføre 40 prosent egenkapitalkrav til sekundærboliger. Hensikten var å forhindre at enkelte brukte boliger som investeringsobjekter ved å leie de ut. Med sekundærbolig menes all annen boligeiendom som ikke karakteriseres som primærbolig eller fritidseiendom. Det vanligste å tenke på i denne sammenheng er utleiebolig eller pendlerbolig. Med andre ord, en sekundærbolig er alle boliger som fremstår som en helårsbolig, og som eieren ikke bor i (Skatteetaten). I tillegg ble bestemmelsen om maksimalt lånebeløp, tilsvarende fem ganger brutto årsinntekt vedtatt, for å forhindre at låntakerne får for høy gjeldsgrad. Dette er et eksempel på «Debt-To- Income-Ratio (DTI)», et forholdstall som forklarer hvor mye lån man har i forhold til inntekt. I boliglånsforskriftens tilfelle er det snakk om hvor mye lån man kan påta seg i forhold til sin brutto årsinntekt. Har man en inntekt på fire hundre tusen kroner, kan man maksimalt ta opp et boliglån på to millioner kroner, hvor 15 prosent av disse skal være egenkapital (Investopedia (b)). En annen viktig endring var at finansforetakene i Oslo kun er i stand til å 15

26 innvilge lån som bryter med 3,4,5 og 7 for inntil 8 prosent av verdien av innvilgende lån hvert kvartal, i motsetning til 10 prosent ellers i landet. Endringer boliglånsforskriften fra 2015 til 2017 Paragraf Endring 4 Gjeldsgrad Lån skal ikke innvilges dersom kundens samlede gjeld overstiger 500 prosent av brutto årsinntekt 5 Belåningsgrad 40% egenkapitalkrav på sekundærboliger i Oslo 5 Belåningsgrad Lån uten avdragsplikt skal ikke overstige 60 prosent av boligens verdi 8 Fleksibilitet Finansforetaket kan innvilge lån som ikke oppfyller ett eller flere av vilkårene i 3, 4, 5 og 7 for inntil 10 prosent av verdien av innvilgede lån hvert kvartal 8 Fleksibilitet I Oslo kan finansforetaket innvilge lån som ikke oppfyller ett eller flere av vilkårene i 3,4,5 og 7 for inntil 8 prosent av verdien av innvilgede lån hvert kvartal Tabell 2: Endringer boliglånsforskriften 2015 til 2017, Kilde: Lovdata (2016) 3.5 Bakgrunn for endringer i boliglånsforskriften Finanstilsynet sendte 8.september 2016 ut et forslag om innstramninger i den gjeldende boliglånsforskriften som ble innført Bakgrunnen for bekymringene kommer fra stadig økt husholdningsgjeld, i kombinasjon med stadig voksende boligpriser. Begge disse faktorene har vokst mer enn husholdningenes inntekter. De legger til grunn at årlig vekst i husholdningens samlede gjeld er 6 prosent, og at den nominelle veksten i husholdningens inntekter er lavere enn i de senere årene. Bakgrunnen til den sterke veksten i boligprisen og husholdningsgjeld stammer fra sterk etterspørsel. Finanstilsynet ønsket dermed å påvirke tilbudet av kreditt, for å bidra til dempet kredittvekst og dermed redusere etterspørsel etter boliger.(finanstilsynet 2016). Fra figur 7 ser vi utviklingen i boligprisene i 2016 fra store deler av landet. Den særlige høye prisveksten i Oslo var grunnen til tilleggskravet om ekstra egenkapitalkrav for kjøp av sekundærbolig i Oslo. Det er for eksempel store forskjeller i boligprisutviklingen i Oslo og Rogaland, derfor ønsket Finanstilsynet å ta høyde for regionale forskjeller i boliglånsforskriften. Dette er for å dempe etterspørselen i Oslo, og stabilisere veksten. 16

27 4 Teoretisk rammeverk for boligmarkedet Som rammeverk for min teoretiske analyse av denne oppgaven vil jeg benytte meg av en egenutviklet modell, som forklarer sammenhengen mellom boligprisene, og innstramningene som er gjort i boliglånsforskriften. I tillegg vil modellen til Jacobsen og Naug (2004) og Andre Kallåk Anudsen (2010) bli introdusert, for å støtte oppom egen modell. Jeg vil først presentere teori om boligmarkedet på bakgrunn av generell markedsteori, og deretter presentere modellen. Det er vanskelig å etablere en modell som inkluderer alle variabler som påvirker tilbud, etterspørsel og priser på boliger, dermed vil kun de viktigste variablene bli inkludert i beskrivelsen av hvordan boligpriser og markedet endres. Boligmarkedet er et komplekst marked hvor mange faktorer spiller inn. Det består også av en rekke delmarkeder. Det er ulike aktører på markedet, og beslutningene tas med lang tidshorisont. En grunn til at det er ulike aktører på markedet er begrunnet i at bolig blir både sett på som et konsumgode, og som et kapital- eller formuesobjekt. Et marked er definert som møteplass for av selgere og kjøpere som gjennom interaksjon bestemmer prisen på et produkt (Pindyck og Rubinfeld 2009). Tilbud og etterspørsel i boligmarkedet blir påvirket av ulike faktorer, samtidig som de ulike faktorene påvirker hverandre. Blant annet ved at økt etterspørsel etter boliger skaper optimisme i markedet, og dermed vil tilbudet av boliger øke på lang sikt. Grunnen til at tilbudet ikke øker på kort sikt er fordi ferdigstilling av boliger er tidkrevende. For å illustrere hvordan tilbudssiden og etterspørselssiden i boligmarkedet henger sammen, er vi nødt til å forutsette et fiktivt marked hvor alle boliger er like og alle boliger er selveide. Dette gjøres for å få frem sammenhengene mellom variablene som påvirker boligpriser, og for å gjøre analysen enklere (Kommunal- og regionaldepartementet 2002). Det betyr ikke at det er nettopp slikt markedet fungerer i praksis, men det gir en indikasjon på hvordan ulike effekter påvirker markedet. 4.1 Tilbudssiden i boligmarkedet Tilbudssiden i boligmarkedet er styrt av utbyggere som bygger nye boliger, fordi de utvider boligmassen. Det er den totale boligmassen som er tilgjengelig, som avgjør tilbudet av 17

28 boliger. I tillegg til utbyggere, er selgere av brukte boliger med å bestemme tilbudet. Med boligmasse menes antall boliger som er beboelige, både brukte boliger, og nyoppførte. Etterspørselen etter boliger er hovedårsaken til at tilbudssiden i markedet stimuleres, fordi økt etterspørsel bidrar til prispress, noe som gjør at tilbydernes tilbøyelighet for å bygge og selge blir høyere. Dette forklares ved den såkalte tilbudsloven som sier at tilbyderne vil øke mengden de tilbyr ved økte priser (McKenzie et al 2011). Tilbudssiden i boligmarkedet kan deles inn i to deler: kort sikt og lang sikt. Grunnen til at det er nødvending å skille mellom kort sikt og lang sikt er fordi boligmassen på kort sikt er stabil, mens den på lengre sikt justerer seg. Figur 8 og 9 viser fremstillingen av tilbudssiden i boligmarkedet på kort- og lang sikt. Som nevnt antar vi at kortsiktig tilbud er konstant, mens langsiktig tilbud er en stigende funksjon av prisen på boliger. Dermed vil det på kort sikt vært etterspørselen etter boliger som bestemmer prisen som settes på boliger. På lang sikt derimot vil samspillet mellom tilbud- og etterspørselssiden være avgjørende for boligprisene. Pris Tilbud på kort sikt Tilbudskurve Antall boliger Figur 8: Tilbudssiden i boligmarkedet på kort sikt, Kilde: Mckenzie et al 2011 Figur 9: Tilbudssiden i boligmarkedet på lang sikt, Kilde: McKenzie et al

29 Bakgrunnen for at boligmassen på kort sikt er stabil er fordi det tar tid å bygge nye boliger. Nybygde boliger utgjør om lag en prosent av den totale boligmassen hvert år, derfor anser vi tilbudet som konstant (Kommunal- og regionaldepartementet 2002). Andre grunner til at boligtilbudet er konstant på kort sikt er at boligbygging er tidkrevende og betinget av offentlig byråkrati, knapphet på arbeidskraft, og knapphet på tomter (Bottolfs 2010). På tilbudssiden kan det forekomme enkelte tilbudsskift på lang sikt hvis en av variablene som påvirker tilbudet plutselig endrer seg. På tilbudssiden kan dette for eksempel være renten som plutselig går opp eller ned. Andre eksempler på variabler som kan bidra til tilbudsskift er blant annet forventninger om fremtidige boligpriser og ferdigstilling av nybygg. Figur 11 viser et eksempel som illustrer et tilbudsskift, med bakgrunn i økt boligmasse. Dermed vil tilbudskurven foreta et skift utover i diagrammet, fordi tilbudet av boliger har økt. Dette vil igjen bidra til lavere priser, hvis vi forutsetter at etterspørselen ikke endres. 4.2 Etterspørselssiden i boligmarkedet Etterspørselssiden i boligmarkedet forklarer den totale mengden som konsumentene ønsker å kjøpe, gitt en bestemt pris og et bestemt tidspunkt. Figur 10 viser etterspørselssiden i boligmarkedet, som en fallende funksjon av prisen, altså jo lavere pris det er på markedet, jo mer ønsker konsumentene å etterspørre (McKenzie et al 2011). Figur 10: Etterspørselssiden i boligmarkedet, Kilde: McKenzie et al 2011 Figuren viser at ved en pris på null, ønsker alle å kjøpe bolig. Hvis prisen er høy nok, vil det være ingen eller få som etterspør boliger til satt pris. Dette kalles husholdningens betalingsvilje, som blir påvirket av husholdningens formue og inntekt (Kommunal- og regionaldepartementet 2002). Det finnes faktorer som gjør at en fallende etterspørselskurve 19

30 med hensyn på pris ikke stemmer, blant annet kan forventninger om økende boligpriser i fremtiden bidra til en motsatt effekt på kort sikt. Som nevnt er det etterspørselen som på kort sikt avgjør prisene i boligmarkedet, med bakgrunn i husholdningenes betalingsvilje. Sentrale faktorer som er med å avgjøre etterspørselen er disponibel inntekt, utlånsrenter, tilgang på lån, forventninger om fremtidige boligpriser og arbeidsledighet. Økt disponibel inntekt vil normalt føre til et etterspørselsskift utover i diagrammet, noe som fører til at markedslikevekten vil gi høyere priser på kort sikt. På lang sikt vil etterspørselsskiftet og økt tilbud kunne endre prisene. Om prisene vil bli høyere eller lavere enn de opprinnelige, avhenger av størrelsen på skiftet, samt endringene i boligmassen. Figuren nedenfor illustrerer et eksempel hvor etterspørselsskiftet er større enn økningen i boligmassen, hvilket bidrar til økte boligpriser. Figur 11: Tilbud- og etterspørselsskift, Kilde: Kommunal- og regionaldepartementet 2002 Dersom endringen hadde vært lavere utlånsrenter, lettere tilgang på boliglån, lavere arbeidsledighet eller økte forventninger om boligprisene ville dette også skapt et positivt etterspørselsskift. Dette vil jeg komme nærmere tilbake til under forklaring av variablene i modellen som vil bli brukt. 4.3 Påvirkende faktorer for husholdningenes boliglån Bankene utgjør den største finansieringskilden for norske husholdningers boligkjøp, noe som fører til at det må føres en utlånspolitikk. Grunnen til dette er at utlån til bolig har avgjørende 20

31 2009M 2009M 2010M 2010M 2010M 2011M 2011M 2011M 2012M 2012M 2012M 2013M 2013M 2013M 2014M 2014M 2014M 2015M 2015M 2015M 2016M 2016M 2016M 2017M 2017M 2017M innflytelse på hvordan utviklingen i boligmarkedet blir. Innvilgelse av boliglån blir basert på husholdningens gjeldsbetjeningsevne, samt den sikkerhet som kan stilles til grunn (Borgersen og Hungnes 2009). I Norge har kombinasjonen av pantesikkerhet og gjeldsbetjeningsevne bidratt til å avgjøre størrelsen på boliglånet som husholdningene får muligheten til å ta opp. Begrunnelsen bak disse restriksjonene ligger i husholdningens evne for tilbakebetaling ved eventuelle endringer i rente eller andre utforutsatte hendelser. Det er også restriksjoner på forholdet mellom gjeld og inntekt, dette er betegnet som gjeldsgrad. Bakgrunnen bak denne restriksjonen ligger også i husholdningens evne til tilbakebetaling (Borgersen og Hungnes 2009). Det er verdt å legge merke til at disse restriksjonene er tatt med i boliglånsforskriften, noe som understreker viktigheten av å begrense bankenes utlånsmuligheter. Boligpriser og økte utlån stimulerer hverandre gjensidig, fordi økte boligpriser betyr høyere verdi på bolig, noe som gjør at husholdninger har mulighet til å ta opp høyere boliglån med pant i bolig. Dermed øker husholdningens boligkapital, som igjen vil føre til at husholdninger med ønske om større bolig, får mulighet til det gjennom større boliglån. Figur 12 illustrerer utviklingen i boligpriser sammen med utviklingen i bankenes utlån med pant i bolig. Av figuren ser vi at boligprisendringene og endringene i utlån med pant i bolig følger hverandre til en viss grad. Korrelasjonen mellom boligprisindeksen og utlån med pant i bolig i perioden mai 2009 til desember 2017 viser 0,8186. Det er et tydelig tegn på at variablene beveger seg i samme retning. Likevel kan vi ikke si noe om kausalitet på bakgrunn av dette. 5,00% 0,00% -5,00% -10,00% Månedlig endring i boligpriser og boliglån med pant i bolig Vekst i boligprisindeks Vekst i boliglån med pant i bolig Figur 12: Månedlig endring i boligprisindeks og boliglån med pant i bolig M M , Kilde: Eiendomsverdi AS og Statistisk Sentralbyrå 21

32 Reguleringer fra det offentlige vil også være en sentral faktor for utlån til husholdninger. Strengere utlånsreguleringer kan føre til lavere utlån fra bankene. Reguleringene hensikt er å bidra til en stabil utvikling i både gjeld og boligpriser, for å unngå en eventuell boligboble. Med boligboble menes et selvoppfyllende avvik mellom fundamental verdi og markedspris, som fortsetter inntil vilkårene for selvoppfyllelse opphører. I dagens marked er det som oftest snakk om signifikante positive avvik (Baardsen 2009). 4.4 Teoretisk rammeverk Som utgangspunkt for min analyse av boliglånsforskriftens virkninger på boligprisene, vil jeg først benytte meg av teori, og deretter benytte meg av økonometri. Det teoretiske rammeverket som vil ligge til grunn for analysen er en enkel egenprodusert modell som ønsker å få frem hvilke effekter endringene i boliglånsforskriften har hatt. I tillegg vil deler av modellen til Jacobsen og Naug (2004) bli presentert, sammen med modellen i Andre Kallåk Anundsen sin masteroppgave om boligpriser, forventninger og gjeld (2010). Jeg vil dele opp forklaringen av modellen i to deler. Først vil etterspørselen og tilgang på kreditt for husholdningene i den egenproduserte modellen bli forklart. Deretter vil en modell om etterspørsel og prisdannelse, og kredittilgang basert på Jacobsen og Naug (2004) sin modell bli forklart. Modellen er avgrenset til å forklare bevegelser i boligprisene for gitt boligmasse Modell for beskrivelse av etterspørsel i boligmarkedet Ved etablering av en egen modell ønsker jeg å legge hovedvekt på virkninger av endringene i boliglånsforskriften, og fokusere på det spesielle ved boligmarkedet. I tillegg ønsker jeg å etablere en modell som er lett forståelig, og som kan illustreres ved bruk av diagrammer. For husholdningene som etterspør boliger er kostnaden ved å bo en viktig faktor som avgjør om de har muligheten til å etterspørre boligen, og betjene et eventuelt lån som de må ta opp. Likningen nedenfor etablerer et enkelt forhold mellom kostnaden for en husholdning som ønsker en ny bolig, renter og vedlikeholdskostnader. P b = r P A + θ (4.1) Hvor P b står for kostnaden ved å bo per kvadratmeter. P b er avhengig av renta r, kvadratmeterprisen P A, samt vedlikeholdskostnadene per kvadratmeter θ. Et eksempel er at en 22

33 husholdning ønsker å etterspørre en større bolig. En renteøkning vil i dette tilfellet føre til at bokostnadene øker, fordi kostnadene ved å betjene boliglånet øker. Det samme vil gjelde dersom kvadratmeterprisen på boliger stiger, eller om vedlikeholdskostnadene øker. Figuren nedenfor viser sammenhengen mellom bokostnadene og areal i kvadratmeter som husholdningene etterspør. En renteøkning vil føre til at bankene vil være mer restriktive ved utlån, og det vil bli dyrere for husholdningene å betjene lånet, derfor vil det være et skift i etterspørselskurven i figur 14, grunnet husholdningenes reaksjon på høyere rente. P A 2 P A 1 Figur 13: Kvadratmeterpris og areal etterspørsel Figur 14: Bokostnader og Areal etterspørsel Figur 13 illustrerer at økte bokostnader for de som etterspør betyr at de blir nødt til å velge en bolig som er mindre, ved en fallende etterspørselskurve. Figur 14 illustrerer at økte kvadratmeterpriser vil påvirke husholdningene til å kjøpe en mindre bolig. I figur 14 er også en renteøkning illustrert ved at etterspørselen synker ved et negativt etterspørselsskift. Antar vi at prisen per kvadratmeter er P A 1, vil en renteøkning føre til at husholdninger nå vil begrense etterspørselen etter større boliger, grunnet en høyere bokostnad. En høyere kvadratmeterpris vil ha tilsvarende effekt, ved at P A 1 øker til P A 2, og dermed vil husholdningene etterspørre lavere areal enn opprinnelig. Unntaket vil være dersom det er forventet prisvekst i lang tid. Dette kan føre til at etterspørselen vil være økende selv med økende kvadratmeterpriser, men vi ser bort i fra dette i modellen. 23

34 4.4.2 Tilgang på boliglån med pant i bolig Den forenklede modellen vil i tillegg forklare en rekke mekanismer som oppstår ved tilgang til kreditt ved innstramning av boliglånsforskriften. Husholdningene er avhengig av kapital for å kunne etterspørre boliger, i form av utlån fra bankene. Denne delen av modellen forsøker å få frem hvilke restriksjoner boliglånsforskriften har satt, med tanke på hvor stort lånebeløp husholdningen vil få innvilget. Boliglånsforskriftens ulike paragrafer treffer forskjellige grupper i samfunnet ulikt, dermed ønsker jeg å skille mellom unge konsumenter og eldre konsumenter, altså pensjonister. Disse to gruppene vil være utsatt for ulike restriksjoner med tanke på opptak av lån, med begrunnelse i at unge konsumenter ofte har lav egenkapital, men en lønn som gjør det mulig å betjene utlånet. Pensjonister derimot vil ofte ikke ha problem med å oppfylle egenkapitalkravene, men de har en inntekt som er lavere enn tidligere, noe som betjeningsevnen deres lavere. Dette omhandler paragraf 4 og 5 i forskriften. P A A EKK EK (4.2) Likning 4.2 forklarer størrelsen på finansieringsbeviset for husholdningen basert på bankenes egenkapitalkrav, og husholdningenes egenkapital. P A står for pris per kvadratmeter, A står for kvadratmeter, EKK står for egenkapitalkrav, og EK står for egenkapital. Egenkapitalkravet kan formuleres slik: 1 EKK.Venstresiden i likning 4.2 forklarer maksimal størrelse på boliglån for husholdningene. Høyresiden forklarer hvordan de kan oppnå størrelsen på lånebeviset. Vi antar at husholdningene ønsker å maksimere størrelsen på boliglånet de tar opp, og dermed kan vi sette de to sidene lik hverandre. I boliglånsforskriften finnes det blant annet et krav om at egenkapital må være 15 prosent av boligens verdi, og et krav om 40 prosent egenkapital ved kjøp av sekundærbolig i Oslo. 24

35 Figur 15: Endringer EKK for unge konsumenter Figur 16: Endringer EKK eldre konsumenter Dersom husholdningene ønsker et lånebevis på 2,5 millioner kroner, får vi eksempelet: = 1 0,15 * , dermed må husholdningen ha en egenkapital på kr for å kunne innfri kravene om et lånebevis på 2,5 millioner kroner. Ovenfor illustreres effektene av strengere egenkapitalkrav for både unge og eldre konsumenter. Av figur 15 og 16 ser vi betydelige forskjeller mellom de overnevnte konsumentgruppene. Unge konsumenter er begrenset av egenkapitalkravene, mens de eldre nødvendigvis ikke vil merke forskjell, i og med at etterspørselen deres er det som begrenser dem. En innstramning i egenkapitalkravet vil blant de unge føre til at etterspørselen etter større boliger synker, og dermed vil de enten beholde nåværende bolig eller etterspørre en mindre bolig. For eldre konsumenter vil en innstramning ikke nødvendigvis ha betydning, fordi de vil uansett innfri kravene til egenkapital. Dette er satt på spissen, for å illustrere at forskriften kan ha ulike effekter for ulike grupper. Også inntekten til konsumentene er av betydning for å få innvilget lån fra bankene. Boliglånsforskriften har reguleringer som sier at konsumentene ikke kan påta seg lån som er over 500 prosent av brutto årsinntekt. Dette vises i likningen nedenfor: P A A Y GG (4.3) Venstre side av likningen står for totalbeløp på finansieringsbevis, som avgjør etterspørsel etter bolig. Høyresiden forklarer restriksjonen gjeldsgrad, hvor Y står for inntekt, mens GG står for gjeldsgrad. I boliglånsforskriftens tilfelle vil GG=5, siden inntekten multiplisert med fem vil være maksimalt innvilget lånebeløp. Antar vi at konsumentene ønsker et høyest mulig 25

36 lånebeløp, kan vi droppe ulikheten i 4.3, og heller anta at de to sidene er like hverandre. Dersom en konsument har en årsinntekt på kr, vil han være i stand til å maksimalt låne: GG*Y= 5* kr= kr. Dermed vil lånebeviset til kunden være på to millioner kroner, som tilsvarer det maksimale beløpet en kan kjøpe bolig for. I tillegg kommer kravet om egenkapital som også begrenser husholdningenes lånemuligheter Boligetterspørsel inspirert av modellen til Jacobsen og Naug H D = f ( PH, Y, r, U, D, X), f f f f f < 0, > 0, < 0, < 0, > 0 (4.4) P PH Y r U D Etterspørselen etter bolig H D er en funksjon av fem variabler, hvor variabel PH er en variabel som beskriver gjennomsnittlig pris på boliger, mens P er en variabel som beskriver prisindeksen på andre varer og tjenester. PH P er dermed realboligprisen. Y angir reell disponibel inntekt, r betegner realrenten på utlån, U er arbeidsledighetsraten, D er reell husholdningsgjeld og X er en vektor av andre variabler som er med å påvirke boligetterspørselen. Realboligpris Gitt at alt annet er stasjonært, vil etterspørselen etter bolig synke ved økte boligpriser. En økning i realboligprisen innebærer også at kapitalverdien knyttet til boligen har økt. Dette vil øke panteverdien av boligen, og påvirke til økte utlån fra bankene, som igjen vil føre til økt etterspørsel etter boliger. Realinntekt Realinntekten er veksten i disponibel inntekt når vi har korrigert for prisvekst generelt i økonomien, med utgangspunkt i konsumprisindeksen. Vi forutsetter her at boligtjenestene er normale goder, som husholdninger ønsker å konsumere mer av ved økt inntekt. Økt disponibel inntekt vil dermed føre til høyere etterspørsel etter boliger. Grunnen til dette ligger i at økt reell disponibel inntekt vil føre til økt konsum. Siden bolig er et normalgode vil dette føre til økt etterspørsel etter boliger og boligkapital. Realrenten på utlån Økte utlånsrenter fører til lavere etterspørsel etter kreditt, siden utgiftene ved å bære lån vil bli høyere. I tillegg vil ofte en økning i utlånsrenten følge samme spor som andre renter. Dette vil 26

37 bidra til at en høyere rente øker alternativkostnaden for husholdningene, grunnet en høyere avkastning ved plassering som rene bankinnskudd. Vi får dermed en substitusjonseffekt bort fra bolig som investeringsobjekt. I tillegg kan økt rente føre til at konsumentene ønsker redusert konsum av alle goder, og dermed dempe låneetterspørselen, dette kalles intertemporal substitusjon. Konsumentene sparer heller til økt konsum i senere perioder (Anundsen 2010). Arbeidsledighetsrate Økt arbeidsledighetsrate beskriver en situasjon hvor det har blitt flere arbeidsledige i prosent av arbeidsstyrken. Høyere arbeidsledighet innebærer at flere husholdninger står uten arbeid. I tillegg vil økt arbeidsledighet bidra til svekket tiltro til fremtidig vekst i økonomien, og dermed virke dempende inn på boligprisene. Effekten av økt arbeidsledighet på etterspørselen etter boliger er negativ, med bakgrunn i at husholdningene vil oppleve lavere betalingsevne. En annen virkning av høyere arbeidsledighetsrate er en svekket forventning til fremtidig økonomi, som impliserer mer sparing og mindre konsum. Realgjeld Økt husholdningsgjeld vil føre til at husholdningene har mulighet til å øke sitt konsum. Bolig er i vårt tilfelle et normalgode, som betyr at økt konsum også vil bety økt konsum av bolig. Husholdningene besitter også mer kapital, det meste i form av gjeld, som vil bidra til en høyere betalingsvilje. Disse effektene bidrar til økt etterspørsel etter boliger, og høyere boligpriser grunnet høyere etterspørsel. Andre forhold Andre forhold som vil være med å påvirke etterspørselen etter boliger, men som ikke vil bli nærmere gått inn på er: - Demografiske forhold (befolkningsvekst, innvandring, urbanisering) - Forventninger til fremtidige boligpriser - Bokostnader (både nåværende og fremtidige) 27

38 I analysen gjort av Jacobsen og Naug (2004) finner de ingen holdepunkter for at demografiske forhold har sterke direkte effekter på boligprisene og dermed etterspørselen. Demografiske forhold vil derimot påvirke boligetterspørselen indirekte ved endre flyttemønster, innvandringspolitikk og gjennom størrelse på populasjonen. Forventninger til fremtidige boligpriser er en avgjørende faktor for boligetterspørsel, men som er ikke-observerbar. Økte forventninger til boligprisene vil bidra til økt etterspørsel etter bolig i dag, på grunnlag av en høyere fremtidig verdi, som kan bidra til høyere boligkapital. Økte forventninger til boligprisene betyr også at husholdningene som anser bolig som et investeringsobjekt bidrar til økt etterspørsel etter boliger. Bokostnader blir i NOU 2002:2 (Finansdepartementet 2002) beskrevet som verdien av det en må gi avkall på av andre goder for å bruke en bolig i en bestemt periode. For leietakere er bokostnaden det samme som husleien. For selveiere derimot, uttrykker bokostnaden hvor mye det koster å eie og bruke boligen i en periode i forhold til om en ikke hadde vært i besittelse av egen bolig i den samme perioden. Bokostnaden kan beregnes etter denne formelen: Bokostnad= Rentekostnad + Drift- og vedlikeholdskostnad Skattefordel ved eie av boligen Verdistigningen på boligen Ved å anta at f ( PH P, Y, r, U, D, X) er en kontinuerlig funksjon, og siden boligetterspørselen HD er en uobserverbar størrelse, kan vi finne et utrykk for boligprisen. Dette gjør vi ved å invertere funksjonen 4.4: PH = g(h D, Y, r, U, D, X) = f 1 (H D, Y, r, U, D, X), g H D > 0, g Y g g g > 0, < 0, < 0, > 0 r U D (4.4 ) Tilbud av kreditt til husholdninger inspirert av modellen til Jacobsen og Naug Siden tilgang til kreditt er avgjørende for om husholdninger har nok kapital til å kjøpe bolig, vil dette være en avgjørende faktor som også påvirker etterspørsel etter boliger. Muligheten til høyere konsum av bolig er det samme som økt etterspørsel etter bolig, og fra modellen i avsnitt vil dette implisere økte boligpriser. Boligkapital blir dermed en faktor som er med å beskrive etterspørselen og prisene i boligmarkedet. 28

39 Å låne ut penger til husholdninger innebærer risiko for bankene, grunnet usikkerhetsmomenter som er tilstede under transaksjonen. Økte utlån betyr ikke nødvendigvis økt risiko for bankene, forhold som disponibel inntekt, verdi av panteobjekt og bedre styring innad i bankene vil kunne ha avgjørende betydning. Bankene må ta en rekke forhåndsregler før en gir lån til sine kunder, og makroøkonomiske forhold som konjunkturer er en av dem. Høykonjunktur fører ofte til høy etterspørsel etter kreditt, mens lavkonjunktur har den motsatte effekten. Andre variabler som bestemmes offentlig, blant annet reguleringer, må også være med i vurderingene til bankene når de vurderer nye utlån. Bankenes tilbud av kreditt til husholdningene er dermed avhengige av ulike faktorer, som bestemmes internt i bankene, samt av flere eksterne faktorer (Borgersen 2006). I Jacobsen og Naug (2004) sin modell har de forklart tilbudet av kreditt til husholdninger på denne måten: L S = h (O, REG, Y, U, PH ), h > 0, h h h h < 0, > 0, < 0, P O REG Y U PH P > 0 (4.5) Denne modellen beskriver bankenes tilbud av kreditt til husholdninger med utgangspunkt i fem variabler. Variabelen O står for lønnsomhet i bankene, REG er et mål på offentlig regulering av bankenes utlån, Y er husholdningenes disponible inntekt, U er arbeidsledighetsraten, mens PH P beskriver reelle priser på boliger, hvor PH står for gjennomsnittlig pris på boligen, og P står for prisindeks på andre varer og tjenester (Jacobsen og Naug 2004). Bankenes lønnsomhet Økt lønnsomhet for bankene skyldes ofte mer kostnadseffektiv drift og innovasjoner. Ved økt lønnsomhet vil bankene øke sin kapitalbuffer, noe som gjør de mindre utsatt for risiko ved mislighold av lån. Kravet om en motsyklisk kapitalbuffer er noe bankene i Norge må innfri, motivert av behovet for å gjøre bankene bedre rustet til å tåle utlånstap under en finanskrise forårsaket av finansielle ubalanser som har bygget seg opp over tid. Bankene er påkrevd å bygge opp sin kapitalbuffer i gode timer, for lettere å kunne stå i mot misligholdte lån i dårligere tider. Kravet til motsyklisk kapitalbuffer er på to prosent av total kapital (Regjeringen 2016b). Med økt lønnsomhet vil dermed bankene være i stand til å stramme 29

40 mindre inn på utlån i en lavkonjunktur. En bedring i bankenes lønnsomhet vil bidra positivt til tilbud av kreditt fra bankenes side. Offentlig regulering av bankenes utlån Endringer i offentlig regulering av bankenes utlånspraksis avgjør hvilke begrensninger og rammer som bankene må legge til grunn for å bevilge utlån til husholdninger. Offentlige reguleringer av utlånspraksis skal bidra til å senke risikoen bankene er utsatt for, og etablere like konkurranseforhold for alle finansforetakene på markedet. Reguleringer har vært til stede i lang tid, og de viktigste ligger i krav til egenkapital, betjeningsevne ved akutte renteøkninger, samt gjeldsgrad. Disse reguleringene finner vi i boliglånsforskriften. Dette gjør at vi i den teoretiske analysen av boliglånsforskriften vil benytte oss av denne variabelen for å se på virkningene. Realinntekt En økning i husholdningenes disponible realinntekt vil bidra til at husholdningene er i stand til å betjene lån med en høyere rente. I tillegg vil en økt inntekt føre til at bankenes risiko synker, med begrunnelse i økt inntekt vil bidra til en lavere gjeldsgrad for husholdningene. Dette bidrar til at bankene er i stand til å øke utlånsbeløpet til sine kunder, siden husholdningene ønsker å utnytte gjeldsgraden. Arbeidsledighetsraten En økt arbeidsledighetsrate vil, som nevnt i forrige avsnitt, være en indikator som påvirker forventninger om lavere fremtidig vekst i økonomien. Dette vil gjelde blant annet lønnsvekst, som er en viktig faktor for bankene når de avgjør om husholdninger skal få innvilget etterspurte lån. En lavere lønnsvekst bidrar til usikkerhet om husholdningenes fremtidige betalingsevne, dette innebærer en høyere risiko for bankene ved at sjansen for mislighold av lån øker. Dermed vil bankenes tilbud av kreditt til husholdninger synke ved økt arbeidsledighetsrate. 30

41 Reelle boligpriser Dersom de reelle boligprisene øker, vil prisene på bolig øke mer enn prisene på andre varer og tjenester. Dermed vil panteverdien på boligen øke, som resultat av høyere boligpriser. En verdistigning på et panteobjekt vil gjøre bankene mer villige til å låne ut til husholdningene. Dette vil utgjøre en lavere risiko for bankene, og forventninger om fortsatt positiv utvikling i verdien av boligen (Borgersen 2006). Høyere panteverdi på boligen, betyr også at muligheten for å tilby høyere utlån er tilgjengelig for bankene Samspillet mellom bolig- og kredittmarkedet I tillegg til de overnevnte variablene, vil også andre variabler som forekommer. Disse vil kunne endre bankenes tilbud av boliglån til husholdningene. Samspillet mellom kreditt og boligpriser er en av flere faktorer som er svært viktig for utviklingen i boliglånene og boligprisene. Anundsen og Jansen (2013) sin forskning beviser at samspillet mellom boligpriser og kreditt både har en kort- og langtidseffekt. De viser at høyere boligpriser vil føre til økt etterspørsel etter kreditt for å kunne kjøpe boliger. Forskningen viser også at høyere verdi på boligen, som det ofte er satt pant i, bidrar til at markedsverdien på boligkapitalen til husholdningene øker. Resultatet av økte boligpriser blir dermed høyere tilgang på lån for husholdningene. Dette blir kalt den finansielle akseleratoren. Økte boligpriser Økt tilbud av kreditt til utlån fra bankene Figur 17: Samspill mellom kreditt- og boligmarked Dersom forutsetningene ligger til rette, vil bankene på grunnlag av økt verdi på panteobjektet kunne være mer tilbøyelige til å øke sitt utlånsvolum (Anundsen 2010). Borgersen og Hungnes (2009) finner i sin forskning indikasjoner på at økte forventninger til fremtidig 31

42 prisvekst, og økte forventninger til verdiutvikling på bankenes pantesikkerheter, vil bidra til at boliglån i større grad innvilges med bakgrunn i panteobjektets forventede verdiutvikling. Dette viser at det både finnes beviser for at nåværende og fremtidige forventninger om boligpriser vil kunne bidra til økt utlån fra bankene, så lenge de holder seg innenfor reguleringene. 4.5 Teoretisk analyse I dette avsnittet vil jeg analysere hvilke virkninger av boliglånsforskriften som trådte i kraft 1.januar 2017 har hatt på boligprisene fra et teoretisk perspektiv. For å svare på oppgaven, som tar for seg effekter av endringene i boliglånsforskriften som trådte i kraft 1.januar 2017, vil jeg presentere noen hypoteser som jeg ønsker å teste. Hypotesene vil først og fremst bli besvart ved empiriske resultater ved bruk av økonometri. Jeg vil også benytte hypotesene som utgangspunkt for analysen jeg vil foreta meg ved bruk av teori. Følgende hypoteser ønsker jeg å besvare: H 0 : Ingen virkning av innstraminger i boliglånsforskriften på utviklingen i boligprisene i Norge. H 1 : Innstramingene i boliglånsforskriften har bidratt til dempede boligpriser. H 2 : Regionale forskjeller i boliglånsforskriften har bidratt til sterkere dempning av boligprisene i Oslo, sammenlignet med resten av landet Nullhypotesen er satt opp på grunnlag av egne antakelser, om at forskriften har hatt effekt på boligprisene. Dersom jeg får bekreftet at forskriften har vært med å dempe boligprisene, vil jeg forkaste nullhypotesen Virkninger av innstrammet boliglånsforskrift på boligprisene Ved bruk av en enkel modell som er beskrevet i avsnitt vil jeg se på virkninger av en ytterligere innstrammet boliglånsforskrift, som ble gjort gjeldende fra 1.januar Jeg tar utgangspunkt i hypotesene, og ønsker å forkaste nullhypotesen. Jeg ønsker å finne en sammenheng mellom strengere regulering og boligpriser, som er negativ. Innstramningene i boliglånsforskriften setter begrensninger på gjeldsgraden og endret egenkapitalkrav for sekundærboliger i Oslo. I tillegg har finansforetakene i Oslo fått mindre fleksibilitet ved at de 32

43 kun får gi lån til 8 prosent av totale utlån i kvartalet, til kunder som ikke innfrir kravene i forskriften. Jeg ønsker å starte ved å se på den enkle modellen i og 4.5.2, hvor allerede noen av endringene er nevnt. En endring i gjeldsgraden til konsumentene vil jeg analysere ved å se på likning 4.3. Et krav til gjeldsgrad var tidligere ikke en del av boliglånsforskriften, dette betyr at bankene kunne gi lån på bakgrunn av betjeningsevnen og egenkapital, og ikke gjeldsgraden. Ved å sette en restriksjon på å låne fem ganger brutto årsinntekt, vil dette føre til at husholdningene har enda en restriksjon å forholde seg til. En begrensning på gjeldsgraden betyr at vi setter GG=5, som tidligere nevnt. Vi antar at bankene tidligere har godtatt en gjeldsgrad som har vært høyere. Siden høyresiden av likning 4.3 vil synke, grunnet multiplikasjon med et lavere tall, vil dermed også lånebeviset til kunden synke, ved konstant inntekt. Dermed vil en lavere gjeldsgrad bidra til at låntakeren vil være i stand til å låne ett mindre beløp enn tidligere. Figuren nedenfor viser hvordan dette vil resultere i etterspørsel og priser på boliger. Figur 18: Virkninger av lavere gjeldsgrad på etterspørsel og pris Effektene av en lavere gjeldsgrad illustrert i figur 18, tilsier at etterspørselen synker på grunnlag av at husholdningene vil få tilgang til lavere boligkapital enn tidligere. Dermed får vi et negativt skift i etterspørselskurven, og som vi ser av figuren vil dette føre til at prisene synker fra P1 til P2. Vi antar at tilbudet og inntekten til husholdningene er konstant, siden endringene som er gjort skjer på kort sikt. 33

44 Jeg ønsker også å analysere endringen i reguleringen med bakgrunn i modellen til Jacobsen og Naug (2004). Jeg ønsker å undersøke hvilke effekter en økning i variabelen REG, i likning 4.5, som beskriver offentlig regulering på bankenes utlån, vil ha på boligprisene som vi finner ved å benytte likning 4.4 og 4.4`. En økning i variabelen REG, gitt at alle andre variabler forblir konstante, vil i modellen bidra til et dempet tilbud av kreditt til husholdningene fra bankene sin side. Fra likning 4.4 har vi h REG < 0. Grunnen til dette er at låntakerne må innfri flere krav, og av den grunn bli desto vanskeligere for enkelte låntakere å få innvilget lån fra bankene. Det er spesielt låntakergruppen som har knapphet av egenkapital og lav inntekt som vil bli utsatt for strengere reguleringer, gjennom faktorer som gjeldsgrad, betjeningsevne og egenkapitalkrav. Alle disse kravene setter restriksjoner, som gjør at husholdninger vil oppleve lavere tilgang på utlån. Blant kravene som ble innstrammet ved fornyelse av boliglånsforskriften fra 2015, var krav om at samlet gjeld ikke skulle overstige 500 prosent av brutto årsinntekt. Resultatet av dette blir at husholdninger vil oppleve at bankene begrenser opptak av boliglån, som tidligere kunne blitt godkjent. Husholdninger med lav bruttoinntekt vil, i større grad enn husholdninger med høy bruttoinntekt, oppleve denne innstramningen som begrensende, fordi de ønsker å utnytte gjeldsgraden i størst grad. Dette gjør at flere husholdninger vil oppleve svekket betalingsevne, og dermed vil etterspørselen etter normalgoder som boliger synke, samt bidra til synkende boligpriser. Innstramning av boliglånsforskriften bidrar til at tilbud av kreditt til utlån fra bankene til husholdningene synker, fordi flere husholdninger ikke vil innfri kravene for å få tilsvarende utlånsbeløp som tidligere. Reguleringen er også med å endre etterspørselssiden etter utlån, hvilket også påvirker tilbudet. Gjelden som husholdningene er i stand til å ta opp vil dermed synke som følge av disse reguleringene. Vi finner denne variabelen i likning 4.4 og 4.4. Lavere tilbud av boliglån fra bankene vil totalt sett bidra til en lavere gjeldsutvikling for husholdningene. Vi velger å se på denne variabelen, og betrakte den som utlån for husholdninger, siden 90 prosent av husholdningsgjeld består av boliglån (Borgersen og Hungnes 2009). Vi ønsker dermed se hvilken effekt dempet gjeldsutvikling blant husholdningene har på boligetterspørselen. Fra likning 4.4 har vi at f > 0, dermed vil D 34

45 f D < 0. Etterspørselen etter boliger vil falle ettersom realgjelden synker, med begrunnelse i at betalingsevnen til husholdningene synker, og de ønsker lavere konsum, også av boliger. Analysen viser så langt at innstramninger i boliglånsforskriften, ved strengere krav til inntekt ved opptak av lån, vil føre til lavere tilbud av kreditt fra bankene. Dette påvirker igjen husholdningsgjelden negativt. Dette bidrar til å dempe etterspørselen etter boliger. I likning 4.4 har vi etablert et forhold mellom boligprisene og etterspørselen. Siden g D g H D < 0 og < 0, vil begge effektene som inngår i likningen trekke i samme retning. Synkende etterspørsel og husholdningsgjeld fører til dempet utvikling i boligprisene. I tillegg til den umiddelbare reaksjonen som vil oppstå i markedet, vil det foregå et samspill mellom boligprisene og tilbud boliglån fra bankene, som forklart i avsnitt En innstramning av boliglånsforskriften har ført til reduserte boligpriser, som igjen vil gjøre verdien av panteobjektet til husholdningene lavere. Dette vil i tillegg bidra til dempet etterspørsel etter kreditt. Dermed vil tilbudet av boliglån dempes ytterligere, som igjen vil påvirke boligprisene i samme retning. I tillegg til variablene vi har diskutert ovenfor, vil andre variabler også spille en sentral rolle. Blant annet er forventninger en svært viktig faktor som vil kunne endre både etterspørsel- og tilbud etter boliger og kreditt drastisk. Synkende boligpriser bidrar ofte til en forventning om lavere vekst i økonomien, som vil påvirke arbeidsledighetsraten. Endringer i arbeidsledigheten vil føre til ytterligere endringer i både boligprisene, samt i tilbud av boliglån fra bankene Regionale forskjeller i innstramning av boliglånsforskriften I hovedsak ønsker jeg å analysere virkninger av enda sterkere innstramninger det offentlige har lagt på bankene i forhold til utlånspraksis i Oslo, og strengere krav om egenkapital til kjøp av sekundærbolig. Fremgangsmåten for å analysere regionale forskjeller vil være nøyaktig den samme som i avsnitt 4.6.1, og vil derfor kun gis en kort presentasjon. I den enkle modellen i avsnitt og har jeg illustrert virkninger av skjerpede egenkapitalkrav for to ulike grupper i samfunnet. I tillegg til innstramningen av gjeldsgraden fortsatt være gjeldende. En innstramning av egenkapitalkravet fra 15 prosent til 40 prosent 35

46 ved kjøp av sekundærbolig i Oslo, vil i likning 4.2 føre til store endringer for kjøperne. Tar vi utgangspunkt at kjøperen ønsker å kjøpe en bolig til 3 millioner kroner i likning 4.2, får vi dette regnestykket ved et egenkapitalkrav på 15 prosent, sammenliknet med et krav på 40 prosent: P A A = EKK EK => = 1 EK => = EK 0,15 P A A = EKK EK => = 1 EK => = EK 0,40 Endringen av forskriften bidrar til en økning i kr i egenkapital for husholdningene som ønsker å kjøpe sekundærbolig. Overfører vi dette til figur 15 og 16, ser vi at strengere egenkapitalkrav vil ha ulike effekter på de to ulike gruppene. Unge konsumenter vil mest sannsynlig ikke etterspørre sekundærboliger i utgangspunktet, i og med at de har knapphet på egenkapital. Eldre konsumenter derimot vil kunne bli rammet av strengere egenkapitalkrav, siden disse opprinnelig har mulighet til å konsumere en sekundærbolig. En innstramning vil føre til at de eldre konsumentene som marginalt innfridde egenkapitalkravene vil begrense etterspørselen, noe som igjen bidrar til en senket etterspørsel totalt sett, ved et negativt etterspørselsskift. Dette innebærer at også konsumentene som tidligere ønsket å kjøpe store sekundærboliger, vil bli tvunget til å etterspørre mindre sekundærboliger. Eventuelt ønsker de som etterspør sekundærboliger å kjøpe bolig utenfor Oslo, for å unngå reguleringene, og dermed vil etterspørselen i Oslo synke, og etterspørselen utenfor Oslo stige. Benytter vi likning 4.5 i modellen til Jacobsen og Naug (2004), vil en sterkere økning av offentlig regulering ved variabelen REG føre til et lavere tilbud av kreditt til utlån fra bankene. Bakgrunnen bak dette er forklart i forrige avsnitt, men i tillegg vil husholdninger som også anser bolig som et investeringsobjekt bli rammet ved de økte kravene til egenkapital. Husholdninger som tidligere hadde tilstrekkelig egenkapital til å få innvilget lån til kjøp av sekundærbolig, vil nå streve med å innfri kravene, eller eventuelt investere i boliger med lavere verdi. Det vil uansett være mindre etterspørsel etter boliglån, siden flere husholdninger ikke vil innfri kravene til å få innvilget boliglån fra bankene, og dermed dempe tilbudet av kreditt fra bankene. I tillegg vil finansforetakene i Oslo ha et mindre handlingsrom til å innvilge boliglån til kunder som ikke innfrir alle kravene til utlån. Dette vil bidra til dempet tilbud av kreditt til 36

47 kundene. Bankene har tidligere hatt muligheten til å innvilge boliglån om ikke innfrir kravene i boliglånsforskriften, ved å anse utlånet som lite risikofylt. Sammenlignet med finansforetakene utenfor Oslo, vil tilbudet av boliglån i Oslo bli ytterligere svekket, på grunn av de to tilleggsreguleringene som tilfaller Oslo. Siden tilbudet av boliglån vil være lavere for finansforetakene i Oslo, sammenlignet med resten av landet, vil dette føre til at utviklingen i husholdningsgjelden også får en sterkere negativ effekt i Oslo. Vi vil se sterkere effekter i Oslo, siden innstramningene er mer drastiske i denne regionen, sammenliknet med andre regioner. Dessuten vil flere av husholdningene i Oslo oppleve at både gjeldsgraden og belåningsgraden vil begrense deres opptak av lån. Siden etterspørselen etter boliger varierer ved endringer i husholdningsgjeld, vil en sterkere negativ effekt i husholdningsgjeld bidra til en sterkere demping av boligetterspørselen, og dermed også boligprisene. Bakgrunnen for dette er å observere de partiellderiverte av funksjonene i likning 4.4 og 4.4 med hensyn på en nedgang i husholdningsgjeld og etterspørsel etter boliger. Også her vil selvforsterkende effekter mellom kreditt- og boligmarkedet spille en rolle, ved at begge markedene påvirker hverandre gjensidig. En sterkere svekkelse av tilbud i kredittmarkedet, fører til lavere etterspørsel og boligpriser, som igjen fører til lavere tilbud av kreditt til utlån. Siden Oslo opplever reguleringer som er strengere enn for resten av landet, vil resultatet vise at effektene av ytterligere innstramninger, bidrar til sterkere negativ effekt på boligprisene i Oslo. Ser en på effektene av innstramninger i Oslo på lang sikt, vil det være større usikkerhet knyttet opp mot effektene. Det vil kunne være variabler som er vanskelige å observere, som blant annet demografi, som vil være med å påvirke etterspørsel etter boliger. Det er naturlig å tenke at husholdninger som anser bolig også som et investeringsobjekt vil investere i boliger i utkanten av Oslo, hvor kravet om 40 prosent egenkapital på sekundærbolig ikke eksisterer. Dette kan resultere i økte boligpriser i disse områdene. 37

48 5 Tidsserieøkonometri Den empiriske analysen gjøres ved hjelp av tidsserieøkonometri. Dette kapittelet forklarer grunnleggende tidsserieøkonometri, og legger føringer på hvordan analysen vil bli utført. Kapittelet forklarer også viktige begreper og metoder som vil bli brukt. Den økonometriske analysen vil bli gjort i Oxmetrics 7, med programvaretillegget PcGive. Der vil det blant annet også bli tatt i bruk regresjonsanalyse for å avgjøre om en endring i boliglånsforskriften har innvirkning på boligprisene. Deretter vil tidsserieøkonometri bli brukt for å analysere. Det vil også bli bestemt om en eventuell effekt er signifikant. For dette formålet vil jeg benytte en dummy-variabel, som tar verdien 1 etter endringen i boliglånsforskriften ble ikraftsatt, og null for tiden før Generell tidsserieøkonometri En tidsserie kan beskrives som en variabel som er observert på ulike tidspunkter. På et hvert tidspunkt t kan variabelen Y t ta ulike mulige variabler som avhenger av tiden. Et eksempel på første ordens autoregressiv prosess er: Y t = θ 0 + θ 1 Y t 1 + ε t (5.1) Hvor θ 0 er konstantleddet, og θ 1 forklarer effekten til variabelen. ε t er en variabel som er stokastisk, og det kan omtales som feil/restleddet. Det er vanlig at restleddet har denne forutsetningen: ε t ~IID(0, σ 2 ε ), t Noe som forteller oss at variabelen er uavhegig og identisk fordelt (Hendry and Nielsen 2007). Vi kan også utvide modellen til å gjelde flere perioder, dermed vil den autoregressive modellen være av orden p: p Y t = μ + βt + i=1 γ i Y t 1 + ε t (5.2) For en første ordens autoregressiv modell som er etablert i (5.1) ønsker vi å avgjøre om tidsserien er stasjonær. En av betingelsene for at tidsserien skal være stasjonær er at leddet θ 1 38

49 må ha en verdi -1< θ 1 <1. Tilfellet hvor θ 1 =1, kalles for «random walk». En annen måte å analysere stasjonaritet av en tidsserie på er å finne «unit-roots» av prosessen man har etablert, og stasjonaritetsbetningelsen innebærer «unit-roots»<1, altså λ <1, som impliserer det samme som om verdien på variabelen med lags. I tillegg vil man ofte presentere tidsseriene i figurer til å starte med, og kan med dette observere om tidsserien er stasjonær, inneholder en trend eller inneholder drift (Nymoen 2017). Dersom den autoregressive koeffisienten er over dobbelt så stor som standardavviket til koeffisienten, kan vi anta at variabelen har en signifikant effekt. Fra tidsserien (5.2) har vi tatt med variabler som vil forklare drift og trend. Hvor μ står for drift, mens t betegnes som trend. Det er også en koeffisient foran trendvariabelen, som avgjør om det er oppadgående eller nedadgående trend i dataene. Ved å finne «unit-roots» til den autoregressive prosessen av orden p, vil man kunne avgjøre om tidsserien er stasjonær eller ikke. λ i <1 vil være betingelsen i dette tilfellet. Patterson (2000) forklarer også at en tidsserie er stasjonær dersom tidsseriens forventning og varians er konstant over tid, og kovariasen kun avhenger av avstanden i tids mellom to observasjoner. Disse betingelsene kan skrives slik: 1. E(Y t )=μ t 2. COV(Y t,y t-j )= E(Yt-μ)(Y t-j -μ)=γ j, t, j Det er ofte vanskelig å godta antakelsen om stasjonaritet ved bruk av tidsserier. Spesielt serier for inntekt og boligpriser inneholder ofte en trend, og tyder på at sjokk som inntreffer er permanente. Dette vil illustreres i del 5.2. Disse seriene betegnes dermed som ikkestasjonære. Hvis vi oppnår stasjonaritet ved å differensiere variabelen en gang, sies variabelen å ha én enhetsrot eller å være integrerbar av første orden. Variabelen betegnes da som en I(1) variabel. En variabel som er stasjonær uten å differensiere vil bli tegnet som en I(0) variabel. Dersom en lineær modell inneholder to variabler, en avhengig variabel, og en uavhengig: Y t = β 0 + β 1 X t + ε t (5.3) Hvor Y t er den avhengige variabelen, β 0 er konstantleddet, X t er den uavhengige variabelen, β 1 er koeffisienten til den uavhengige variabelen og ε t er feileddet. Dersom både Y t og X t er I(0) variabler, kan vi betegne modellen som balansert. 39

50 Autokorrelasjon er også et begrep som vi treffer på i tidsserieøkonometri. Autokorrelasjon forklarer korrelasjonen mellom dagens verdi av tidsserien, og verdier i s perioder tidligere. Jeg kommer til å bruke korrelogram for å vise autokorrelasjonen til de ulike tidsseriene jeg ønsker å se på ARDL-modell En autoregressiv distribuert lag-modell(ardl) vil bli benyttet for å etablere sammenhenger mellom de ulike variablene, og i tillegg inkludere lags til ulike variabler. En ARDL modell med to ulike variabler med lags ser slik ut (Hendry og Nielsen 2007): Y t = β 1 + β 2 Z t + β 3 Y t 1 + β 4 Z t 1 + ε t (5.4) Denne modellen tillater flere lags av den avhengige variabelen, samt både nåværende og tidligere verdien av uavhengige variabler. Dette vil bli benyttet for å kunne etablere en modell som best mulig kan predikere boligprisene, og finne effektene av boliglånsforskriften, ved hjelp av automatisk variabel seleksjon Automatisk variabel seleksjon Automatisk variabel seleksjon vil bli benyttet for å etablere modeller for de ulike regionene jeg skal analysere, samt å på de signifikante effektene av boliglånsforskriften. I min analyse ønsker jeg å gå frem en generell til en spesifikk modell ved bruk av Oxmetrics. Med dette mener jeg å starte med en stor modell med flere variabler og flere lags, for så å komme frem til en modell med signifikante koeffisienter som jeg kan benytte til analyse. Denne metoden blir kalt «Gets», men den store modellen vi starter med kalles «General unrestricted model (GUM)» (Nymoen 2017). Programmet Oxmetrics med programvaretillegget PcGive vil være i stand til å gjøre strukturerte søk som starter med en GUM, for så å komme frem til en mindre modell som er spesifikk. Automatisk variabel seleksjon fungerer slik at programmet fjerner variabler fra modellen som er ikke-signifikante. Det vil også være mulig å benytte seg av samme metode selv, ved å fjerne variabelen med høyest «t-probability» for hver gang man estimerer modellen. Dette vil man gjøre helt til man har en modell som består av kun signifikante variabler og koeffisienter. 40

51 En GUM vil ofte ta formen: N Y t = i=1 γ i Z i,t + μ t (5.5) Hvor vi antar at DGP finnes i (5.5): n Y t = j=1 β j Z j,t + ε t (5.6) Dermed vil vi ende den valgte modellen ta denne formen: m Y t = r=1 δ r Z r,t + ω t (5.7) Den datagenererende prosessen er ukjent, men vi antar at den finnes i GUM. Dermed vil målet med den automatiske variabel seleksjonen være å finne: - m=n, riktig antall variabler - δ r β j, r = j for r = 1,, n valgte variabler Hovedkriteriet for automatisk søk er at programmet skal være god til å fjerne irrelevante variabler, samt å beholde de relevante variablene. Ved å foreta et slikt søk vil det reelle signifikansnivået være høyere enn det nominelle ved gjentatte søk. Dette blir kalt kostnaden av søk (Nymoen 2017). For større datasett vil dette føre til at man senker signifikansnivået α Dummy-variabel for boliglånsforskriften En dummy-variabel vil bli etablert for å representere endringer i boliglånsforskriften. Variabelen finnes ikke i noe datasett, og det er forventninger om at variabelen vil føre til endringer i den avhengige variabelen. Dummy-variabelen vil ta verdien 1 fra og med 1.januar 2017, alle dataene før dette tidspunktet vil variabelen ta verdien 0. Dummy-variabelen vil i dette tilfellet representere et «regime skift». I dette tilfellet vil det være en et-stegs dummy-variabel. Grunnen til dette er fordi variabelen tar en annen verdi fra et spesifikt tidspunkt, som det er notert nedenfor (Nymoen 2017): DummyBoliglånsforskrift = { 1 hvis t hvis t <

52 Ved å etablere dummy-variabel for boliglånsforskriften, vil jeg være i stand til å inkludere denne i regresjonen og tidsserieanalysen, for så å analysere effektene en slik endring har hatt. 5.2 Empiriske resultater Den empiriske analysen vil bli gjennomført med differensierte data. Jeg benytter meg av vekst fra forrige periode for alle variablene, for å ha stasjonære tidsserier, og for å ha datamateriale på samme form. Tallmaterialet er omgjort på denne måten: g = Y t Y t 1 Y t 1 g er endring, Y t er den aktuelle variabelen, mens Y t-1 er forrige måneds verdi. Med dette vil jeg få tallmaterialet på endringsform, som vist i vedlegg 3. Hensikten med dette er at jeg skal kunne analysere om endringer fra en periode til en annen i en variabel, vil ha en signifikant påvirkning på den avhengige variabelen, som er boligprisene. Jeg vil først etablere en multippel-regresjonsmodell for å se hvilke effekter boliglånsforskriften har i samme periode som endringene i boligprisene forekommer. Deretter vil jeg inkludere lags på inntil 6 perioder, for å undersøke om tidligere verdier har påvirkning på nåværende verdi. Dette vil bli gjort ved hjelp av en ARDL-modell, og ved automatisk variabel seleksjon, for å skape en signifikant modell. En regresjonsanalyse uten «lagged» variabler, viser at en endring i dummy-variabelen for boliglånsforskrift har en negativ effekt på endringer i boliglånsforskriften. Koeffisienten er også signifikant, noe vi kan se fra tabellen nedenfor. Endringer i inntektsindeksen har en ikkesignifikant effekt, og er dermed utelatt fra tabellen. Denne modellen har kun en forklaringskraft på 0,3054, altså er modellen ikke egnet til å analysere boligprisendringer. Regresjonanalyse- Boligpris avhengig variabel Variabel Koeffisient t-verdi Konstant 0, ,0032 DUtlånsrente 0, ,0324 DArbledighet 0, ,0416 Dummy-boliglånsforskrift -0, ,0362 Tabell 3: Resultat regresjonsanalyse boligpriser Norge 42

53 Dermed ønsker jeg å inkludere flere lags for både den avhengige og de uavhengige variablene, og benytter en ARDL-modell for å komme frem til en mer passende modell. Ved å inkludere 3 lags for de overnevnte variablene, kommer jeg frem til denne signifikante modellen etter å ha benyttet automatisk variabel seleksjon: Regresjonanalyse- Boligpris avhengig variabel Variabel Koeffisient t-verdi Konstant 0, ,001 DUtlånsrente 0, ,0402 DArbledighet 0, ,0061 Dummy-boliglånsforskrift 0, ,0291 Dummy-boliglånsforskrift_1-0, ,0017 R^2 0, N 30 Tabell 4: Resultat ARDL-modell med 3 lags, Norge Av denne tabellen tyder vi at endringer i forskriften i samme periode slår ut i høyere boligpriser, mens perioden før har en større negativ virkning på endringer i boligprisene. Velger jeg å se på variablene for boliglånsforskriften i flere perioder før, er det tydelig tendens at en boliglånsforskrift har negative virkninger på boligprisene, men disse koeffisientene er ikke-signifikante. Resultatene viser at boliglånsforskriften har virkninger på boligprisene i flere perioder fremover. Forklaringen bak dette vil blant annet ligge i at husholdningenes boligkjøp er en langsiktig beslutningsprosess, hvor tidligere verdier av variabler bidrar til å endre etterspørsel og priser. En modell med flere lags for utlånsrente og arbeidsledighet, viser negativ påvirkning på boligprisene av positive endringer i de to variablene. Med andre ord kan verdier til variabelen påvirke i mange perioder i forveien, blant annet ved at husholdningene tar opp lån og får finansieringsbevis som gjelder i tre måneder, vil utlånsrenta tilbake flere perioder har innvirkning på boligprisene. Av tabell 4 og 5 vil jeg dermed forkaste nullhypotesen om at forskriften ikke har hatt noen virkning på boligprisene i Norge, siden modellen viser signifikante effekter ved endring i boliglånsforskriften. På bakgrunn av at vi har forkastet nullhypotesen, kan vi slå fast at boliglånsforskriften har bidratt til en dempning i boligprisene på nasjonal basis. Ved å inkludere seks lags for dummyvariabelen og tidligere endringer i boligprisene i modellen ovenfor, ønsker jeg å se hvilken effekt dummy-variabelen har i dette tilfellet. Resultatet viser en signifikant negativ effekt av dummy-variabelen to perioder tilbake. Flere av modellene som er etablert viser dermed negativ virkning av en innføring av boliglånsforskriften. Siden koeffisienten også er 43

54 signifikant, velger jeg å beholde H 1 hypotesen, som sier at innstramninger i boliglånsforskriften har hatt dempede virkninger på boligprisene. Tidsserieanalyse- Boligpris avhengig variabel Variabel Koeffisient t-verdi Konstant 0, ,005 DUtlånsrente_2 0, ,0195 Dummy-boliglånsforskrift_2-0, ,001 R^2 0, N 30 Gjennomsnitt (DNorge) 0, Tabell 5: ARDL-modell analyse Norge med automatisk variabel seleksjon, 6 lags boligpris og dummy-variabel, 3 lags resterende variabler Vi ønsker dermed å analysere mulige effekter boliglånsforskriften har hatt regionalt. For å gjøre dette vil jeg etablere lignende modeller som ovenfor, for de fem utvalgte byene jeg skal se på. Formålet er å se en sterkere effekt av boliglånsforskriften i Oslo, kontra Drammen,Bergen,Stavanger og Trondheim. Bakgrunnen for dette er ytterligere innstramninger i Oslo, sammenlignet med resten av landet. Rent deskriptivt, viser figuren nedenfor utviklingen i boligprisene i de fem byene fra midten av 2015, til slutten av En ser tydelig kraftigere fall i boligprisene i Oslo, sammenlignet med de resterende byene fra starten av Figur 19: Utvikling boligprisindeks 2015(7)-2017(12), Kilde: Eiendomsverdi AS Regresjonsanalysen som kun inkluderer nåværende verdier, viser at det kun er i Oslo boliglånsforskriften har en signifikant koeffisient, og dermed er det kun i Oslo vi kan anta at boliglånsforskriften har hatt en virkelig effekt. Av vedlegg 4 kan vi se en negativ sammenheng mellom boliglånsforskriften og boligprisendringene i Oslo. Ved å foreta en automatisk variabel seleksjon kommer vi frem til at det kun er i Oslo dummy-variabelen med boliglånsforskriften har en signifikant effekt. 44

55 Ved å bruke tidsserieanalyse med en ARDL-modell som grunnlag er jeg i stand til å analysere en modell med lags av de utvalgte variablene. Resultatene av denne analysen viser at ved bruk av en modell som tillater tre lags av alle variablene, vil alle byene med unntak av Stavanger vise signifikant effekt av endringer i boliglånsforskriften. Av vedlegg 5 ser vi at Oslo viser en signifikant negativ effekt av endringer i boliglånsforskriften. Vedlegget viser modellen etter automatisk variabel seleksjon er gjort, og vi ser dermed kun de signifikante variablene. Av resultatene er det kun modellen for Oslo som viser en entydig negativ effekt av boliglånsforskriften, siden de andre byene med boliglånsforskriften med i modellen har to ulike tegn foran variablene. Se blant annet på koeffisientene for Drammen, hvor dagens dummy variabel viser positiv effekt på endringer i boligprisene, mens forrige periode viser negativ effekt. Dermed blir det vanskelig å si noe entydig om effektene. Ved perioder hvor forskriften har vært i kraft en stund, vil det altså si at koeffisienten som er størst vil overstyre den andre. For våre resultater er de negative koeffisientene større i både Trondheim og Bergen, mens den positive er større i Drammen. Bakgrunnen bak en større positiv koeffisient i Drammen, sammenlignet den negative, kan ligge i den geografiske nærheten til Oslo. Siden Oslo har opplevd ekstra innstramninger i boliglånsforskriften, vil en mulig grunn til null negativ effekt av boliglånsforskriften i Drammen være at husholdninger som normalt ville konsumert bolig i Oslo, heller velger å se til utkanten av Oslo. Dette fordi boligprisene er lavere, samt at reguleringene er færre. Velger vi å se bort ifra de tre første månedene i 2017, hvor personer kunne ha finansieringsbevis fra 2016, ser vi ut i fra vedlegg 6 at effektene i Oslo av innstramninger i forskriften er desto sterkere. Med bakgrunn i vedlegg 4 og 5, samt analysen over, beholder vi H 2 som sier at boliglånsforskriftens innstramninger har hatt en større negativ effekt på endringene i boligprisene i Oslo, sammenlignet med de andre utvalgte byene i analysen. Dette stemmer godt med den deskriptive analysen av dataene, som viser en avtakende kurve for boligprisindeksen i Oslo, mens de andre utvalgte byene har mer stabiliserende kurver. 45

56 6 Konklusjon Hovedformålet med denne oppgaven har vært å etablere og benytte seg av gjeldende teori for å besvare problemstillingen om hvilken effekt den endrede boliglånsforskriften som trådte i kraft 1.janauar 2017 har hatt på boligprisene, både nasjonalt og regionalt. I tillegg ønsket jeg å benytte økonometri for å analysere effektene, og sammenligne med hva teorien forteller. Jeg har etablert en egen modell som i hovedsak konsentrerer seg om bokostnader, kvadratmeterpriser, og en kobling opp mot endringene som har blitt gjort i boliglånsforskriften. I tillegg støtter jeg meg på modeller etablert av Anundsen(2010) og Jacobsen og Naug(2004) i min teoretiske analyse. Min teoretiske analyse viser at strammere krav til gjeldsgrad gir utslag i at husholdningenes låneopptak blir redusert, forutsatt at de ønsker å maksimere utlån. Det vil si at alle husholdninger som ønsker å etterspørre bolig vil være bundet av en betingelse som nå gjør at låneopptak blir redusert, og dermed reduserer boligkapitalen i markedet. Dette fører til et negativt etterspørselsskift, og derav lavere boligpriser. Siden boliglånsforskriften innebærer klare reguleringer på fleksibiliteten til bankene vil en lavere gjeldsgrad føre til lavere samlet etterspørsel fra alle husholdningene. Den teoretiske analysen konkluderer med at innstramninger i boliglånsforskriften har ført til dempede boligpriser ved at etterspørselen etter boliger har blitt redusert. Den økonometriske analysen viser signifikante effekter av en boliglånsforskrift, både ved en ren regresjonsanalyse, og en modell som legger tidligere variabelverdier til grunn. En analyse ved å legge tidligere variabelverdier til grunn viser en signifikant negativ effekt av en innstramning av boliglånsforskriften. Dermed viser den økonometriske analysen effekter i samme retning som den teoretiske analysen. En innstramning i egenkapitalkravet for kjøp av sekundærbolig i Oslo gjør meg i stand til å analysere om effektene i Oslo har vært sterkere enn andre utvalgte byer. Et 40 prosent egenkapitalkrav til kjøp av sekundærbolig i Oslo sammenliknet med 15 prosent i resten av landet, bidrar til nok en begrensning for husholdninger som ønsker å konsumere sekundærbolig i Oslo. Min teoretiske analyse viser at en innstramning i egenkapitalkravet fører til at flere husholdninger som ønsker å etterspørre bolig vil få redusert finanseringsbevis, siden færre husholdninger vil tilfredsstille kravene fra bankene om utlån. Dermed vil boligkapital i markedet synke, og derav føre til lavere etterspørsel og priser. Siden Oslo er 46

57 eneste by med innstrammede egenkapitalkrav, vil dette gjør at Oslo blir hardere rammet. Husholdningene får dermed to nye innstramninger å forholde seg til, i motsetning til en begrensning for resten av de utvalgte byene. Den økonometriske analysen viser resultater som samsvarer med den teoretiske analysen. Oslo er den eneste byen med kun én signifikant negativ effekt av boliglånsforskriften, mens de andre byene, med unntak av Stavanger, viser både negative og positive effekter av forskriften. Hvilke effekter som overstyrer hverandre kommer an på hvilken periode en befinner seg i. Det er dermed uklart hvilke effekter en boliglånsforskrift har i enkelte perioder i noen av de utvalgte byene. På bakgrunn av dette konkluderer jeg med en tydeligere effekt i boligprisene i Oslo, grunnet ytterligere innstramninger i boliglånsforskriften. Totalt sett vil jeg konkludere med at boliglånsforskriften har hatt en effekt på boligprisene som Finanstilsynet håpet på. Den har bidratt til dempede boligpriser nasjonalt, og samtidig har den bidratt til å stabilisere de regionale forskjellene som oppsto i perioden før boliglånsforskriften trådte i kraft. 47

58 Litteraturliste Aftenposten (2017), «Nå kommer fasiten - slik gikk det med boligprisene i 2016», b.html, hentet Anundsen, A.K (2010): Boligpriser, forventninger og gjeld, En økonometrisk analyse av samspillet mellom bolig- og kredittmarkedet i Norge, Masteroppgave Universitet i Oslo Anundsen, A.K & Jansen, E.S (2013): Self-reinforcing effects between housing prices and credit, Journal of Housing Economics, Baardsen, H. (2009): Boligboble i Norge? En empirisk studie av det norsk boligmarkedet, Masteroppgave Norges Handelshøyskole 2009, Borgersen, T.A (2006): Path-dependence effekter i kredittilbudet, Høgskolen i Østfold, Arbeidsrapport 2006:2 Borgersen, T.A, & Hungnes, H (2009): Selvforsterkende effekter i bolig- og kredittmarkeder, Norsk Økonomisk Tidsskrift , Bottolfs, T.F(2010): Hvordan er tilstanden til boligmarkedet i Oslo, befinner vi oss i en boligprisboble?: en empirisk analyse av Oslos boligmarked. Masteroppgave, Norges Handelshøyskole. Boug, P. & Dyvi,I (2008): MODAG- En makroøkonomisk modell for norsk økonomi, Statistisk Sentralbyrå, Eitrheim,., Klovland, J. T. & Qvigstad, J. F. (2004): Historical monetary statistics for norway Norges Banks skriftserie, (35), Hentet fra &ft=.pdf Finansdepartementet (2002): Forstår vi prisdannelsen i boligmarkedet?: NOU 2002 (2): Oslo: Finansdepartementet. 48

59 Finanstilsynet, (2016). Finanstilsynet foreslår innstramminger i boliglånsforskriften, Pressemelding 8.september 2016, Gjedrem,S. (2010): Boligfinansieringen i Norge, Foredrag på OMF forum, lest Grytten, O.H. (2009): Boligboble? Empiriske indikatorer i historisk perspektiv, Magma 5, Hendry, D.F & Nielsen. B. (2007): Econometric modelling, Princeton University Press Hodne, F. & Grytten, O. H. (2002). Norsk økonomi i det 20.århundre. Fagbokforlaget, Bergen. Investopedia (a), «Loan-To-Value-Ratio- LTV Ratio», lest Investopedia (b), Debt-To-Income-Ratio- DTI, lest Jacobsen, D.H. & Naug, B.E (2004): Hva driver boligprisene?. Penger og kreditt 2004 (4): Jensen,S. (2017), Foredrag Norges Eiendomsmeglerforbund, lest Kommunal- og regionaldepartementet (2002): Boligmarkedene og boligpolitikken. NOU 2002 (2): Oslo: Kommunal- og regionaldepartementet. Kapittel 3, Lovdata (2016), «Forskrift om krav til nye utlån med pant i bolig (boliglånsforskriften)», hentet

60 Lovdata, «Lov om finansforetak og finanskonsern (finansforetaksloven), Kapittel 1. Formål og virkeområde, definisjoner mv», lest McKenzie, D.J., Betts, R.M & Jensen, C.A (2011): Essentials of Real Estate Economics. 6. utgave. Mason, OH: Cengage Learning, 21-34, Mehlum,H. (2016): Sustainable debt and oil fund, 1-8. Midtdal, S. & Tollefsen, H.T. (2015): En analyse av regionale prisforskjeller i det norske boligmarkedet, Masteroppgave i finansiell økonomi ved Norges Handelshøyskole Nordahl, B. (2012). Boligpolitikken og markedet. Trondheim: Akademika forlag. Nymoen, R & Bårdsen, G. (2014) : Videregående emner i økonometri, Fagbokforlaget 2014 Nymoen, R. (2017): Lecture notes ECON 4160 University of Oslo, Lecture notes number 4,5,7 and 10/11. Olsen, K. (2016): Har norske husholdninger for mye gjeld? lest Pindyck, Robert & Daniel Rubinfeld. (2009): Microeconomics. 7. utgave. London: Pearson Regjeringen (2015a), «Forskrift om krav til nye utlån med pant i bolig», hentet Regjeringen (2015b), «Forskriftsfester fleksible krav til boliglån», lest Regjeringen (2016a), «Fastsetter ny boliglånsforskrift», hentet

61 Regjeringen (2016b): Motsyklisk kapitalbuffer økes, Finansdepartementet, Pressemelding Ridderholt, S. (2017), Boliglånsforskriftens effekt på sekundærboliger i Oslo, Masteroppgave NMBU Røstadsand, J.I. (2017): Norske og danske husholdninger har høyest gjeld i Norden, lest Skatteetaten, «Om formuesverdsettelse av annen bolig (sekundærbolig)», lest Staavi, T. (2016): Krigen mot gjelden, lest Statistisk sentralbyrå. (1999): Bankkrisen Statistikk mot år 2000: , lest Statistisk sentralbyrå. (2018): Statistikkbanken: Tabell 06718: Innenlandsk lånegjeld, etter låntakersektor, långiversektor og valuta (mill. kr) 1987M M03 Statistisk sentralbyrå. (2018): Statistikkbanken: Tabell 08981: Konsumprisindeks, historisk serie, etter måned (2015=100) Statistisk sentralbyrå. (2018): Statistikkbanken: Tabell 10769: Banker. Utlån, etter utlånstype og låntakersektor (mill. kr) 2009M M12 Statistisk sentralbyrå. (2018): Statistikkbanken: Tabell 07219: Lønnsindeks etter næring (SN2007) (2005=100) Statistisk sentralbyrå. (2018): Statistikkbanken: Tabell 08931: Sysselsetting og arbeidsløyse for personar år. Sesongjusterte tal og trend, 3 månaders glidande gjennomsnitt, etter kjønn og alder 2006M M03. 51

62 Statistisk sentralbyrå. (2018): Statistikkbanken: Tabell 10729: Renter på nye utlån, etter utlånstype og sektor. Utvalg av banker og kredittforetak (prosent). Vale, P.H., Kutluay, M. & Yildiz, S. (2015): Er det boligboble i Norge?, Magma 3, Wikipedia a, «Marked», lest Wikipedia b, «Jappetiden», lest

63 Vedlegg Vedlegg 1: Boliglånsforskrift, gjeldende fra 1.januar juni Virkeområde Forskriften gjelder for finansforetak som yter lån med pant i bolig. Forskriften gjelder også for utenlandske finansforetak som driver virksomhet i Norge i medhold av finansforetaksloven 5-2, 5-3 og Dokumentasjon av kredittvurdering Finansforetaket skal dokumentere at innvilgelse av lån med pant i bolig er basert på en forsvarlig kredittvurdering på grunnlag av utfyllende informasjon om lånekundens inntekt, samlede gjeld og verdi på boligen som stilles som sikkerhet. 3. Betjeningsevne Finansforetaket skal beregne kundens evne til å betjene lånet basert på kundens inntekt og alle relevante utgifter, herunder renter, avdrag på lån og normale utgifter til livsopphold. I vurderingen av kundens betjeningsevne skal finansforetaket legge inn en renteøkning på 5 prosentpoeng fra det aktuelle rentenivået. Ved fastrentelån skal det legges inn en tilsvarende renteøkning fra utløpet av rentebindingsperioden. Dersom lånekunden ikke har tilstrekkelige midler til å dekke normale utgifter til livsopphold etter en slik renteøkning, skal lånet ikke innvilges. 4. Gjeldsgrad Lån skal ikke innvilges dersom kundens samlede gjeld overstiger fem ganger brutto årsinntekt. 5. Belåningsgrad Nedbetalingslån med pant i bolig skal på innvilgelsestidspunktet ikke overstige 85 prosent av et forsvarlig verdigrunnlag for boligen, som ikke kan være høyere enn markedsverdi fastsatt ut fra en forsiktig vurdering. Første ledd gjelder ikke lån med pant i sekundærbolig i Oslo kommune. Slike nedbetalingslån skal på innvilgelsestidspunktet ikke overstige 60 prosent av boligens verdi beregnet etter første ledd. 53

64 Lån uten avdragsplikt (rammekreditter) skal på innvilgelsestidspunktet ikke overstige 60 prosent av boligens verdi beregnet etter første ledd. Alle lån med pant i boligen skal tas med i beregningen av belåningsgrad, herunder fellesgjeld i borettslag og boligsameie. 6. Tilleggssikkerhet Ved beregning av belåningsgrad etter 5 kan boligens verdi suppleres med betryggende tilleggssikkerhet i form av pant i annen fast eiendom, kausjon eller garanti. 7. Avdrag Ved lån som overstiger 60 prosent av boligens verdi, skal finansforetaket kreve årlig nedbetaling som minst skal være 2,5 prosent av innvilget lån eller det avdragsbetalingen ville vært på et annuitetslån med 30 års nedbetalingstid hvis dette er lavere. Første ledd er ikke til hinder for at finansforetaket gir avdragsutsettelse på grunn av senere inntrådte omstendigheter som forventes å være forbigående. 8. Fleksibilitet Finansforetaket kan innvilge lån som ikke oppfyller ett eller flere av vilkårene i 3, 4, 5 og 7 for inntil 10 prosent av verdien av innvilgede lån hvert kvartal. Første ledd gjelder ikke lån med pant i bolig i Oslo kommune. Finansforetaket kan hvert kvartal innvilge lån med pant i bolig i Oslo kommune som ikke oppfyller ett eller flere av vilkårene i 3, 4, 5 og 7 for inntil 8 prosent av verdien av innvilgede lån med pant i bolig i Oslo kommune, eller for inntil 10 millioner kroner. Innvilgelse av lån som angitt i første og annet ledd, skal være innenfor rammer og retningslinjer som er fastsatt av foretakets styre, eller av ledelsen for utenlandske filialer. Finansforetaket skal hvert kvartal rapportere til styret eller ledelsen for utenlandske filialer om hvor stor andel av verdien av innvilgede lån som er innvilget etter denne paragraf. 9. Refinansiering Denne forskriften er ikke til hinder for at lån med pant i bolig kan erstattes med nytt lån (refinansiering) der det nye lånet ikke oppfyller ett eller flere av vilkårene i 3, 4, 5 og 7, men der det refinansierte lånet: ikke overstiger det eksisterende lånets størrelse på refinansieringstidspunktet, 2. har pant i samme bolig,

65 3. har en løpetid som ikke er lengre enn gjenværende løpetid på det eksisterende lån og 4. har samme eller strengere krav til avdragsbetaling som eksisterende lån. Lån som er refinansiert i medhold av første ledd, skal ikke regnes med ved beregning av verdien av innvilgede lån etter Utfyllende bestemmelser Finanstilsynet kan gi utfyllende bestemmelser til forskriften. 11. Ikrafttredelse Forskriften trer i kraft 1. januar 2017, og skal gjelde til og med 30. juni Vedlegg 2: Tidsserier boligpriser med test av enhetsrøtter 1 Enhetsrøtter Drammen Enhetsrøtter DDrammen Dataseriene vil bli analysert fra 2015(7)-2017(12) 55

66 Enhetsrøtter Oslo Enhetsrøtter DOslo

67 Enhetsrøtter Bergen Enhetsrøtter DBergen 0, , , , , , ,48854 Enhetsrøtter Stavanger Enhetsrøtter DStavanger 0, , , , , , ,

68 Enhetsrøtter Trondheim Enhetsrøtter DTrondheim 0, , , , , , ,34853 Enhetsrøtter Norge Enhetsrøtter DNorge 0, , , , , , ,