شناسه خبر : 3334 لینک کوتاه
تاریخ انتشار:

تحلیلی بر عوامل تاثیرگذار بر بازار مسکن در سال ۱۳۹۴

رخوت مسکن رو به پایان است؟

«سرپناه» اولین تعبیری است که با شنیدن کلمه «مسکن» در ذهن هر مخاطبی تداعی می‌شود. اهمیت داشتن مسکن به عنوان سرپناه از یک سو و به عنوان یک دارایی که مانند سپر تورمی در بسیاری از شرایط ارزش آن کاهش نمی‌یابد از سوی دیگر باعثشده است که علاوه بر کارشناسان و تحلیلگران، توده مردم نیز همواره دغدغه‌ای داشته باشند به نام «مسکن». از این رو در شرایط بی‌ثباتی اقتصادی و حتی بحران‌های سیاسی، افراد به دنبال تبدیل تمام یا بخشی از دارایی‌های خود به شکل املاک و مستغلات هستند تا بدین ترتیب میزان ریسک دارایی خود را به حداقل برسانند. هر چند درجه نقدشوندگی زمین و مسکن در مقایسه با سایر دارایی‌ها کمتر است ولی آمارها نشان می‌دهد سرمایه‌گذاری در این بخش در بلندمدت جزو سرمایه‌گذاری‌های پرسود محسوب می‌شود.

سمیه مردانه/ مدیر واحد مطالعات بازاردنیای اقتصاد
«سرپناه» اولین تعبیری است که با شنیدن کلمه «مسکن» در ذهن هر مخاطبی تداعی می‌شود. اهمیت داشتن مسکن به عنوان سرپناه از یک سو و به عنوان یک دارایی که مانند سپر تورمی در بسیاری از شرایط ارزش آن کاهش نمی‌یابد از سوی دیگر باعث شده است که علاوه بر کارشناسان و تحلیلگران، توده مردم نیز همواره دغدغه‌ای داشته باشند به نام «مسکن». از این رو در شرایط بی‌ثباتی اقتصادی و حتی بحران‌های سیاسی، افراد به دنبال تبدیل تمام یا بخشی از دارایی‌های خود به شکل املاک و مستغلات هستند تا بدین ترتیب میزان ریسک دارایی خود را به حداقل برسانند. هر چند درجه نقدشوندگی زمین و مسکن در مقایسه با سایر دارایی‌ها کمتر است ولی آمارها نشان می‌دهد سرمایه‌گذاری در این بخش در بلندمدت جزو سرمایه‌گذاری‌های پرسود محسوب می‌شود. این یادداشت بر اساس نتایج پژوهش‌های انجام‌شده در واحد مطالعات دنیای اقتصاد تنظیم شده است و متن کامل آن به صورت بولتن در دسترس است. از این رو سعی شده است علاوه بر تحلیل عوامل تاثیرگذار بر قیمت مسکن در طول زمان، تصویری از وضعیت بازار مسکن در سال 1394 ارائه شود و آخرین پیش‌بینی‌ها از قیمت واحد مسکونی و استیجاری بیان شود.

بازیگران بازار مسکن
سیاستگذاران کلان، عرضه‌کنندگان و متقاضیان مسکن سه گروه اصلی بازیگران بازار مسکن هستند.
از آنجا ‌که هر بازار دو سمت عرضه و تقاضا دارد، در بازار مسکن نیز گروهی متقاضی و گروهی عرضه‌کننده مسکن هستند. متقاضیان بازار مسکن سه گروه اصلی هستند:

1-خریدارانی که جهت اسکان شخصی آن را تهیه می‌کنند.
2-خریدارانی که مایلند دارایی‌های مازاد خود را به شکل مسکن نگه دارند و در برخی موارد با اجاره آن، کسب درآمد هم داشته باشند.
3-خریدارانی که جهت کسب سود از فروش واحدهای مسکونی اقدام به خرید می‌کنند و در بازار با نام واسطه‌ها شناخته می‌شوند. در واقع گروه اول و دوم متقاضیان نهایی محسوب می‌شوند و در نهایت واسطه‌ها نیز باید واحدهای مسکونی را به آنها بفروشند. اما نکته مهم آن است که اقتصاد ایران نشان داده، قدرت گروه سوم در تعیین قیمت بازار مسکن بیش از دو گروه اول و دوم است.

عرضه‌کنندگان بازار مسکن نیز چهار گروه اصلی هستند:

1- بسازبفروش‌ها که اصولاً فعالیت آنها ساخت و ساز است.
2- سازندگان شخصی که غالباً یک بار وارد فعالیت ساخت و ساز شده‌اند و آن هم در جهت تامین مسکن شخصی بوده است. آنها در کنار مسکن خود، واحد یا واحدهایی را هم اضافه می‌سازند و صرفاً هدف‌شان کسب سود در یک مقطع زمانی یا پوشش هزینه‌های ساخت واحد مسکونی شخصی‌شان است.
3-افرادی که جهت تعویض واحدهای مسکونی خود وارد بازار شده‌اند و هدف‌شان تعویض مسکن با مسکن است و عملاً تغییری در تعداد مسکن موجود ندارند.
4-واسطه‌ها که با خرید واحدهای مسکونی گروه اول، دوم و سوم اقدام به عرضه مجدد می‌کنند. نکته مهم این است که گروه دوم و سوم عمدتاً در تعیین قیمت‌ها نقشی نداشته و بیشتر از قیمت‌های بازار تبعیت می‌کنند و گروه‌های دیگر، یعنی بسازبفروش‌ها و واسطه‌ها هستند که نقش تعیین‌کننده در بازار دارند.

سیاستگذاران جامعه نیز به واسطه اهمیت اقتصادی، سیاسی، فرهنگی و اجتماعی مسکن، از بازیگران اصلی بازار آن به حساب می‌آیند. اما اینکه هر کدام از این بازیگران چه میزان قدرت بازی دارند، مستلزم شناخت نیروهای اثرگذار بر بازار است.

نیروهای موثر در بازار مسکنindex:3|width:120|height:122|align:left
بازار مسکن از دو دسته نیرو تاثیر می‌پذیرد:

1-نیروهای داخلی
2- نیروهای خارجی.

1- نیروهای داخلی
عرضه و تقاضای موجود در بازار، نیروهای داخلی را تشکیل می‌دهند. قدرت عرضه و تقاضا در هر بازار بستگی به نوع بازار دارد. بازار مسکن با توجه به ویژگی‌هایی که دارد در قالب بازارهای متعارف از طیف رقابت کامل تا انحصار کامل قرار نمی‌گیرد، هرچند که مشابهت‌هایی با هر کدام از بازارها دارد. از این رو نمی‌توان گفت در این بازار، عرضه بر تقاضا مقدم است یا تقاضا بر عرضه.

2- نیروهای خارجی
بازار مسکن با توجه به ابعاد گسترده آن، تحت تاثیر بسیاری از متغیرهای اقتصادی و غیراقتصادی قرار دارد و همزمان که از آنها تاثیر می‌پذیرد بر آنها نیز اثرگذار است. از جمله این متغیرها می‌توان به نرخ ارز، نرخ تورم، نرخ دستمزد، نرخ پس‌انداز جامعه، نرخ رشد جمعیت، درآمد سرانه جامعه، حجم نقدینگی جامعه، حجم سرمایه‌گذاری، رشد اقتصادی، بازدهی و ضریب توسعه سایر بازارهای دارایی، نرخ استهلاک سرمایه و.... اشاره کرد. در کنار این عوامل، سیاست‌های پولی و مالی دولت‌ها و طرح‌های حمایتی آنها نیز در بازار مسکن موثر است.
به عنوان مثال تجربه نشان داده است هر وقت نقدینگی اضافه در جامعه نتواند جذب بازارهای دارایی که سرعت نقدشوندگی بالایی دارند شود، به سمت بازار مسکن سوق می‌یابد و سوداگری را در این بخش افزایش داده و موجب افزایش قیمت مسکن می‌شود. نمودار 1، حجم نقدینگی و متوسط قیمت هر مترمربع واحد مسکونی در شهر تهران را طی سال‌های 1379 تا 1392 نشان می‌دهد. همسویی این دو در نمودار زیر به وضوح مشاهده می‌شود.
(محور سمت راست، متوسط قیمت هر مترمربع واحد مسکونی و محور سمت چپ، حجم نقدینگی را نشان می‌دهد.)
نمودار 2 نیز متوسط قیمت هر مترمربع واحد مسکونی در شهر تهران و قیمت دلار در بازار آزاد را طی سال‌های 1379 تا 1392 نشان می‌دهد. از سال 1390 و با آغاز تحریم‌های غرب علیه ایران و شروع افزایش شدید قیمت دلار، قیمت هر مترمربع واحد مسکونی نیز با همان شدت رو به افزایش گذاشته است.
علاوه بر این، تجربه نشان داده است هنگامی که سایر بازارهای موازی مسکن از جذابیت لازم برای جذب سرمایه‌های سرگردان در جامعه برخوردار نیستند، این سرمایه‌ها به سمت بازار مسکن حرکت کرده و به صورت سوداگری، موجب افزایش قیمت‌ها در این بخش می‌شوند. البته چون ورود به بازار مسکن نیازمند سرمایه‌های بیشتری نسبت به بازارهای ارز، طلا و بورس است، فقط سرمایه‌های کلان سرگردان را به سمت خود جذب می‌کند.
از مهم‌ترین هزینه‌ها در بخش ساخت و ساز، هزینه عوامل تولید و نیروی انسانی است. افزایش دستمزدها و خدمات ساختمانی موجب افزایش قیمت مسکن خواهد بود. نمودار 3، روند شاخص بهای خدمات ساختمانی و قیمت متوسط هر مترمربع واحد مسکونی را در شهر تهران طی سال‌های 1379 تا 1392 نشان می‌دهد. روند شاخص بهای خدمات ساختمانی کاملاً با روند قیمت هر مترمربع واحد مسکونی تطابق دارد. افزایش شاخص بهای خدمات ساختمانی نشان می‌دهد هزینه عامل نیروی انسانی به عنوان مهم‌ترین عامل تولیدی در حال افزایش است.
متقاضی نهایی در بازار مسکن خانوارهایی هستند که مسکن را جهت سرپناه یا دارایی خریداری می‌کنند و قصد سوداگری در بازار مسکن ندارند. افزایش تعداد خانوارها به طور حتم موجب افزایش تقاضا در بازار مسکن و به تبع آن افزایش قیمت مسکن است. از سوی دیگر افزایش اجاره‌نشینی نشان می‌دهد عرضه مسکن مناسب کاهش داشته و همین کاهش عرضه نیز می‌تواند موجبات افزایش قیمت‌ها را فراهم آورده باشد.
نمودار 4، تعداد کل خانوارها و درصد خانوارهای اجاره‌نشین را طی سال‌های 1335 تا 1390 نشان می‌دهد. افزایش تعداد خانوارها بر افزایش تقاضا و افزایش درصد خانوارهای اجاره‌نشین بر کاهش عرضه مسکن اشاره دارد که هر دو عامل می‌تواند موجب افزایش قیمت‌ها در بازار مسکن باشد. از سال 1365، درصد خانوارهای اجاره‌نشین در حال افزایش است.

پیش‌بینی بازار مسکن در سال 1394
با توجه به وجود عمده مراکز اداری و سیاسی کشور و تعداد بالای مراکز تجاری و اقتصادی در شهر تهران جذابیت سرمایه‌گذاری در آن بالاتر از سایر شهرهاست. این امر موجب توجه به وضعیت تغییرات قیمت مسکن در این شهر می‌شود و پیش‌بینی وضعیت آن را امری مهم می‌سازد. در نتیجه با پیش‌بینی قیمت مسکن در شهر تهران می‌توان انتظار داشت روند مشابهی در سایر شهرها وجود داشته باشد. داده‌های مورد استفاده در این گزارش از سالنامه آماری شهر تهران موجود در سایت شهرداری تهران استخراج شده است. داده مورد بررسی متوسط قیمت یک مترمربع زیربنای مسکونی در شهر تهران به‌صورت شش‌ماهه و طی سال‌های 1372 تا تابستان 1393 است.

مدل پیش‌بینی2
جهت بررسی وضعیت آتی قیمت مسکن از روش‌های اقتصادسنجی و شبکه عصبی مصنوعی استفاده شده است. مدل شبکه عصبی مصنوعی با الگوبرداری از ساختار شبکه عصبی زیستی به پردازش داده‌ها و اطلاعات می‌پردازد. شبکه عصبی مصنوعی عموماً با ایجاد رابطه‌ای پیچیده بین ورودی‌ها و خروجی‌ها سعی در حداقل کردن خطای پیش‌بینی دارد. عمده‌ترین دلیل استفاده از مدل‌های شبکه عصبی، توانایی آنها در شناسایی و مدل کردن روابط غیرخطی و پیچیده است که توسط روش‌های مرسوم قابل شناسایی و مدل‌سازی نیست. برای بهبود عملکرد شبکه عصبی مصنوعی می‌توان آن را با سایر روش‌های هوشمند مانند الگوریتم ژنتیک، منطق فازی و... ترکیب کرد. در این گزارش پیش‌بینی از ترکیب روش شبکه عصبی مصنوعی با منطق فازی3 صورت می‌پذیرد.
نمودار 5 نشان‌دهنده تفاضل مرتبه اول متوسط شش‌ماهه قیمت‌ها از نیمه دوم سال 1372 تا نیمه اول سال 1393 است. همان‌طور که در نمودار مشاهده می‌شود داده‌ها تا اوایل سال 1385 حول مقدار میانگین بلندمدتی نوسانات کمی داشته‌اند. اما پس از آن نوسانات تشدید شده و نشان‌دهنده تغییرات اساسی در حوزه مسکن است. در این گزارش از میان انواع مدل‌های اقتصادسنجی، سه مدل آرما4، گارچ5 و رژیم متغیر6 برای پیش‌بینی مورد استفاده قرار گرفته‌اند. مدل آرما مدلی است که در آن به قیمت‌های دوره یا دوره‌های قبل توجه شده و از آنها برای تخمین پارامترهای مدل استفاده می‌شود. همچنین برای توصیف ریسک در بازه‌های مختلف زمانی از مدل گارچ استفاده می‌شود. مدل رژیم متغیر نیز مدلی است که در آن سری زمانی در بازه‌های مختلف زمانی دارای رفتارهای متفاوتی بوده است. درنتیجه هر بازه زمانی از رفتارها را در قالب یک رژیم یا حالت تعریف می‌کنند. سپس به تخمین پارامترها در هر یک از رژیم‌ها می‌پردازند. همان‌طور که در نمودار 1 قابل مشاهده است سری زمانی تفاضل مرتبه اول متوسط قیمت‌ها تا سال 1385 رفتار تقریباً باثباتی داشته است. اما پس از آن نوسانات شدیدی را نشان می‌دهد. در نتیجه به نظر می‌رسد رفتارهای متفاوت در بازه‌های زمانی متفاوت رخ داده است. این امر می‌تواند منجر به انتخاب مدل‌های رژیم متغیر به عنوان مدل پیش‌بینی باشد.

نتایج پیش‌بینی
طبق بررسی‌های انجام‌گرفته توسط واحد مطالعات بازار دنیای اقتصاد، از میان مدل‌های مختلف آرما، گارچ، رژیم متغیر و شبکه عصبی فازی بهترین مدل بر اساس کمترین خطا انتخاب شده است. این مدل‌ها و تخمین پارامترهای آنها با استفاده از دو نرم‌افزار Oxmetricas و Matlab انجام گرفته‌اند. نهایتاً مدل منتخب معادل یک مدل شبکه عصبی فازی است.
نمودار 7 نشان‌دهنده متوسط قیمت یک مترمربع زیربنای مسکونی در شهر تهر ان و حدود بالا و پایین پیش‌بینی تا انتهای سال 1394 به صورت شش‌ماهه و سالانه هستند. با توجه به این، مقدار پیش‌بینی‌شده در این گزارش بیانگر یک دوره کاهش قیمت و پس از آن نشان‌دهنده افزایش قیمت‌هاست. این افزایش قیمت‌ها در سال 1394 می‌تواند نویدبخش دوره رونق در بازار مسکن باشد.

پیش‌بینی صاحب‌نظران از وضعیت بازار مسکن در نیمه اول سال 1394
برای تحلیل و پیش‌بینی وضعیت بازار مسکن در نیمه اول سال 1394 علاوه بر استفاده از مدل‌های اقتصادسنجی، نظرسنجی نیز از صاحب‌نظران و فعالان حوزه مسکن انجام‌شده است. در این نظرسنجی که از 147 نفر از فعالان بازار مسکن (مشاوران املاک) در شش منطقه مسکونی شهر تهران صورت گرفته عوامل موثر در ایجاد رکود، تداوم آن، راه‌های خروج و زمان خروج از رکود بخش‌های مختلف مسکن مورد پرسش قرار گرفته است. در ضمن از آنها خواسته شده است پیش‌بینی خود را از میزان تغییر قیمت مسکن و اجاره‌بها در نیمه اول سال 1394 اعلام کنند. نتیجه این نظرسنجی‌ها نشان می‌دهد بخش ساخت‌وساز، پربازده‌ترین و مهم‌ترین بخش برای سرمایه‌گذاری در بازار مسکن است.

راکدترین بخش در سال 1393
از بین 147 فعال در بخش مسکن، به این سوال که در سال 1393 در کدام بخش رکود بیشتری وجود داشته است 138 نفر پاسخ داده‌اند. بر اساس نظرسنجی به عمل‌آمده، 67 درصد اعتقاد دارند بیشترین رکود بازار مسکن در بخش خرید و فروش است. 24 درصد نیز بر این عقیده هستند که بخش اجاره بیشترین رکود را داشته و 9 درصد هم اعتقاد دارند بیشترین رکود در بخش مشارکت در ساخت‌وساز است (نمودار 8)

.
سریع‌ترین بخش در خروج از رکود
در پاسخ به این سوال که کدام بخش از بازار مسکن تا انتهای نیمه اول سال 1394 سریع‌تر از سایر بخش‌ها از رکود خارج خواهد شد، 39 درصد بخش خرید و فروش را اعلام کرده‌اند. 34 درصد معتقدند بخش اجاره با سرعت بیشتری از رکود خارج می‌شود، 13 درصد مشارکت در ساخت را اعلام کرده و 14 درصد معتقدند رکود در تمام بخش‌ها تداوم خواهد داشت (نمودار 9).index:9|width:300|height:152|align:left

موثرترین راهکار برای خروج از رکود
سوال دیگر این بوده است؛ موثرترین راهکار برای خروج از رکود چیست؟ 9 نفر از شرکت‌کنندگان در نظرسنجی به این سوال پاسخ نداده‌اند. 43 درصد فعالان بازار، لغو تحریم‌ها را موثرترین راه خروج بازار مسکن از رکود می‌دانند. 34 درصد از آنها اعتقاد دارند افزایش تسهیلات نظام بانکی مهم‌ترین عامل خروج از رکود است. 19 درصد نیز به کاهش عوارض ساخت و ساز اشاره کرده‌اند و تنها چهار درصد بر ایجاد صندوق‌های پس‌انداز مسکن تاکید داشتند (نمودار 10).

پی‌نوشت‌ها
1- این یادداشت بر اساس نتایج پژوهش‌های انجام‌شده در واحد مطالعات بازار دنیای اقتصاد تهیه و تنظیم شده است.
2- جزییات مربوط به مدل پیش‌بینی در واحد مطالعات بازار دنیای اقتصاد موجود است و علاقه‌مندان می‌توانند برای کسب اطلاعات بیشتر با این واحد تماس حاصل فرمایند.
3- Artificial Neural Fuzzy Inference System (ANFIS)
4- Auto Regressive Moving Average (ARMA)
5- Generalized Auto Regressive Conditional Heteroscedasticity (GARCH)
6- Regime-Switching model








دراین پرونده بخوانید ...

دیدگاه تان را بنویسید

 

پربیننده ترین اخبار این شماره

پربیننده ترین اخبار تمام شماره ها