analiza trgovanja stambenim nekretninama i nekretninama u trgovini na malo u hrvatskoj na temelju...
TRANSCRIPT
Sveučilište u Zagrebu
Ekonomski fakultet
Diplomski studij Trgovina
ANALIZA TRGOVANJA STAMBENIM NEKRETNINAMA I
NEKRETNINAMA U TRGOVINI NA MALO U HRVATSKOJ NA
TEMELJU DIPASQUALE-WHEATON MODELA
DIPLOMSKI RAD
Filip Dumbović
Zagreb, siječanj 2016.
Sveučilište u Zagrebu
Ekonomski fakultet
Diplomski studij Trgovina
ANALIZA TRGOVANJA STAMBENIM NEKRETNINAMA I
NEKRETNINAMA U TRGOVINI NA MALO U HRVATSKOJ NA
TEMELJU DIPASQUALE-WHEATON MODELA
ANALYSIS OF RESIDENTIAL AND RETAIL REAL ESTATE
TRADE IN CROATIA ON THE BASIS OF DIPASQUALE-
WHEATON MODEL
Kolegij: Napredna makroekonomija
Ime i prezime studenta: Filip Dumbović
Broj indexa: D5886R13
Mentor: Izv. prof. dr. sc. Josip Tica
Zagreb, siječanj 2016.
1
_____________________________
Ime i prezime studenta/ice
IZJAVA O AKADEMSKOJ ČESTITOSTI
Izjavljujem i svojim potpisom potvrđujem da je ______________________________
(vrsta rada)
isključivo rezultat mog vlastitog rada koji se temelji na mojim istraživanjima i oslanja
se na objavljenu literaturu, a što pokazuju korištene bilješke i bibliografija. Izjavljujem
da nijedan dio rada nije napisan na nedozvoljen način, odnosno da je prepisan iz
necitiranog rada, te da nijedan dio rada ne krši bilo čija autorska prava. Izjavljujem,
također, da nijedan dio rada nije iskorišten za bilo koji drugi rad u bilo kojoj drugoj
visokoškolskoj, znanstvenoj ili obrazovnoj ustanovi.
Student/ica:
U Zagrebu,_____________
_________________________
(potpis)
2
SAŽETAK I KLJUČNE RIJEČI
Posljednjih 6 godina Hrvatska je ušla u razdoblje stagnacije koje je utjecalo na velik
dio hrvatske ekonomije. Hrvatsko stambeno tržište i tržište nekretnina u trgovini na
malo čine važan dio hrvatskog gospodarstva kao dio tri sektora u obračunu BDP,
sektor poslovanja nekretninama, sektor građevinarstva i sektor trgovine na veliko i
malo. Tri navedena sektora čine otprilike četvrtinu hrvatskog BDP. Prva dva su tržišta
trajnih dobara koja se modeliraju pomoću stock-flow modela. Sva tri sektora su
doživjela pad aktivnosti, naročito sektor građevinarstva koji se spustio na najniže
razine od osamostaljenja. Rad se temelji na radu ekonomista Denisa DiPasqualea i
Williama Wheatona koji su izradili jednostavan model analize tržišta nekretnina. Kako
bi se što jasnije pristupilo primjeni modela, opisane su karakteristike hrvatskog
stambenog tržišta i tržišta nekretnina u trgovini na malo pomoću prikupljenih podataka.
Modelom će se pokušati teorijski objasniti determinante koje djeluju na strani ponude
i potražnje na stambeno tržište i tržište nekretnina u trgovini na malo. Osim teorijske
analize, provest će se i empirijska analiza stambenog tržišta na području grada
Zagreba i čitave Hrvatske. Rezultati statističke analize omogućit će uvid u najbitnije
determinante modela te procjenu mogućih budućih kretanja domaćeg stambenog
tržišta.
Ovim radom će se analizirati hrvatsko stambeno tržište i tržište nekretnina u trgovini
na malo na temelju DiPasuale-Wheaton modela.
Ključne riječi: stambeno tržište, tržište nekretnina, tržište nekretnina u trgovini na
malo, građevinarstvo, ponuda i potražnja
3
SUMMARY AND KEY WORDS
In the last 6 years, Croatia has entered a period of stagnation that has affected a large
part of Croatian economy. Croatian housing market and retail real estate market are
an important part of Croatian economy through three economic sectors accountable
in Croatian GDP: real estate, construction, wholesale and retail. The three mentioned
sectors make up roughly a quarter of Croatian GDP. The first two sectors operate as
durable goods markets that are modeled as stock-flow models. All three sectors have
experienced an activity decline, construction sector being hit the most while reaching
the lowest point of activity since the Croatian independence. The thesis is based on
the work of economists Denise DiPasquale and William Wheaton who have made a
simple model of real estate market analysis. In order to describe the application of the
model, characteristics of Croatian housing and retail real estate market were described
using obtained data. The model will theoretically explain the determinants working on
the supply and demand in the housing and retail real estate market. In addition to
theoretical, an empirical analysis will be conducted on the housing market in Zagreb
and Croatia as a whole. Results of statistical analysis will provide insight into the most
important determinants of the model and assessment of possible future developments
of the domestic housing market.
This paper will analyze the Croatian housing market and retail real estate market
based on DiPasuale-Wheaton model.
Key words: housing market, real estate market, retail real estate, construction, supply
and demand
4
SADRŽAJ
IZJAVA O AKADEMSKOJ ČESTITOSTI .................................................................... 1
SAŽETAK I KLJUČNE RIJEČI ................................................................................... 2
SUMMARY AND KEY WORDS ................................................................................. 3
1. UVOD ..................................................................................................................... 6
1.1. Predmet i cilj rada ............................................................................................ 6
1.2. Izvori podataka i metode prikupljanja ............................................................... 6
1.3. Struktura i sadržaj rada .................................................................................... 7
2. DIPASQUALE-WHEATON MODEL ....................................................................... 8
2.1. Model 4 kvadranta ........................................................................................... 9
2.2. Kretanje modela ............................................................................................. 14
3. PODACI ............................................................................................................... 18
3.1. Prikupljeni podaci ........................................................................................... 18
3.2. Procijenjeni podaci ......................................................................................... 19
3.3. Karakterističnost trgovanja stambenim nekretninama u Hrvatskoj ................. 22
3.4. Tržište nekretnina u trgovini na malo ............................................................. 28
4. METODOLOGIJA ................................................................................................. 32
4.1. Ekonometrijski model ponude i potražnja stambenog tržišta ......................... 32
4.1.1. Statički model .......................................................................................... 32
4.1.2. Dinamički model ...................................................................................... 34
4.2. Ekonometrijski model ponude i potražnje tržišta nekretnina u trgovini na malo
.............................................................................................................................. 35
5
5. EMPIRIJSKI REZULTATI ..................................................................................... 38
5.1. Statički model ponude i potražnje .................................................................. 38
5.1.1. Hrvatska, cjelovita analiza ....................................................................... 39
5.1.2. Hrvatska, analiza po 6-godišnjim razdobljima .......................................... 43
5.1.3. Zagreb, cjelovita analiza .......................................................................... 47
5.1.4. Zagreb, analiza po 6-godišnjim razdobljima............................................. 50
5.2. Dinamički model ponude i potražnje .............................................................. 53
5.2.1. Hrvatska .................................................................................................. 53
5.2.2. Zagreb ..................................................................................................... 60
6. ZAKLJUČAK ........................................................................................................ 66
7. LITERATURA ....................................................................................................... 68
8. TABLICE .............................................................................................................. 71
9. POPIS GRAFIKONA ............................................................................................ 73
10. ŽIVOTOPIS KANDIDATA ................................................................................... 75
6
1. UVOD
Hrvatsko trgovanje stambenim i trgovačkim nekretninama je velik sustav koji
funkcionira na principu svakog slobodnog tržišta, odnosno na međuovisnosti ponude
i potražnje. Tema ovog rada će biti analiza trgovanja stambenim nekretninama i
nekretninama u trgovini na malo pomoću modela razvijenog od strane ekonomista
Denisa DiPasqualea i Williama Wheatona. Regresijskom analizom na temelju
prikupljenih podataka pokušat će se objasniti koje odrednice utječu na tržište
stambenih i trgovačkih nekretnina na strani ponude i potražnje. Dobiveni rezultati
omogućit će procjenu budućih trendova kretanja tržišta te smjernice za eventualna
poboljšanja.
1.1. Predmet i cilj rada
Radom će se prikazati teoretski okviri modela tržišta stambenih nekretnina i
nekretnina u trgovini na malo. Potom će se empirijski istražiti funkcioniranje hrvatskog
stambenog tržišta te statistički analizirati dobivene rezultate i prikazati izvedene
zaključke. Na kraju će se ponuditi smjernice za moguća poboljšanja ovog područja.
Metoda istraživanja koja će biti korištena u diplomskom radu počiva na analizi
znanstvene i stručne literature. Analiza je odrađena za razdoblje 1997.-2014. godine
jer se pretpostavilo kako je 17 godina dovoljno dugačko razdoblje za donošenje
određenih zaključaka te je to jedino razdoblje postojanja tržišnih mehanizama nakon
razdoblja tranzicije iz sustava socijalizma.
1.2. Izvori podataka i metode prikupljanja
Glavna metodologija rada je primjena ekonometrijskih modela na hrvatsko
stambeno tržište uz pomoć prikupljenih podataka. Svi podaci korišteni u radu su
sekundarni podaci. Većina podataka prikupljena je sa stranica Državnog zavoda za
statistiku te Hrvatske narodne banke, podaci koje nije bilo moguće naći su procijenjeni
na temelju kretanja povijesnih podataka.
Za potrebe analize i interpretacije rezultata, koristit će se Microsoft Office
program Excel kako bi se mogli prikazati dobiveni rezultati i izvesti valjani zaključci
kao i smjernice za buduća istraživanja na ovom području.
7
1.3. Struktura i sadržaj rada
Rad započinje opisom DiPasquale-Wheaton modela i njegovim
funkcioniranjem na ekonomske šokove. Potom su opisane karakteristike hrvatskog
stambenog tržišta koje je empirijsko obrađeno pomoću DW modela. Također je
opisano i hrvatsko tržište nekretnina u trgovini na malo koje nije obrađeno zbog
nedostatka podataka. Poglavlje 3. Podaci se sastoji od opisa prikupljanja podataka te
procijeni podataka do kojih nije bilo moguće doći. U poglavlju 4. opisana je
metodologija analize podataka statičkog i dinamičkog DW modela. Također je opisana
i metodologija analize podataka tržišta nekretnina u trgovini na malo. Poglavlje 5. je
podijeljeno na empirijsku analizu statičkog modela i empirijsku analizu dinamičkog
modela. Statički model je podijeljen na cjelovitu analizu razdoblja i analizu po
periodima za zagrebačko tržište i tržište cijele Hrvatske. Dinamički model je također
obrađen za područje Zagreba i cijele Hrvatske. U poglavlju 6. Zaključak, izneseni su
osnovni zaključci rada te provedenog istraživanja. Poglavlje 7. Tablice, sadržava
podatke na temlju kojih je izvedena analiza statičkog i dinamičkog modela za područje
Zagreba i područje cijele Hrvatske.
8
2. DIPASQUALE-WHEATON MODEL
Građevinarstvo i poslovanje nekretninama važne su grane djelatnosti koje u
ukupnom bruto društvenom proizvodu Hrvatske sudjeluju u iznosu od 5 do 7%
(građevinarstvo) te 7 do 8% (poslovanje nekretninama) za razdoblje od 2000. do
danas. Ove djelatnosti, također zapošljavaju i velik broj radnika pa tako prema statistici
DZS, broj zaposlenih u građevinarstvu varira između 70 i 120 tisuća radnika, dok u
sektoru poslovanja nekretninama taj broj varira između 2 i 7 tisuća radnika za isto
razdoblje.1 Iz navedenih podataka moguće je zaključiti kako je građevinarstvo u
Hrvatskoj prvenstveno radno intenzivna djelatnost dok je poslovanje nekretninama
kapitalno intenzivna djelatnost. Tržište stambenih nekretnina i tržište nekretnina u
trgovini na malo čine važan udjel u građevinskom sektoru i sektoru poslovanja
nekretninama te ih to čini zanimljivom temom istraživanja ovog rada.
Stambeno tržište spada u tržište trajnih dobara te je njegova proizvodnja i cijena
određena na tržištu kapitala. Na takvom tržištu, potražnja za vlasništvom nad
nekretninom mora biti jednaka ponudi nekretnina. Zbog toga je cijena nekretnine u
većem dijelu određena količinom kućanstava koja žele posjedovati nekretninu u
odnosu na količinu nekretnina koja je dostupna na tržištu. Na isti način količina i cijena
nekretnine trgovačkog prostora ovisi o tome koliko investitora želi posjedovati takvu
nekretninu u odnosu na ukupnu količinu prostora koja je prisutna na tom tržištu. U oba
slučaja, ako je sve ostalo jednako, porast potražnje za nekretninama će podići cijenu
nekretnina dok će porast ponude nekretnina uzrokovati pritisak na smanjenje cijena
nekretnina.2
DiPasquale i Wheaton su 1994. godine u svojoj knjizi Urban Economics and
Real Estate Markets izveli statički model 4 tržišta koji prati veze između tržišta
nekretnina i varijabli tržišta imovine te prilagodbe koje se događaju kako bi se ostvarila
ravnoteža ponude i potražnje za nekretninama. Model se temelji na principima
modeliranja ponude i potražnje te je njegov primarni cilj odrediti tržišnu ravnotežu,
1 Državni zavod za statistiku (2014.). Statistički ljetopisi 2006-2014. Zagreb: Državni zavod za statistiku. 2 DiPasquale, D., Wheaton, W. (1992). The markets for Real Estate Assets and Space: A Conceptual Framework, Journal of the American Real Estate and Urban Economics Association, 1992, V20, 1: pp. 181-197.
9
odnosno količinu nekretninskog prostora koja se traži i nudi za zadanu cijenu
korištenjem ekonomskih varijabli poput zaposlenosti i kamatnih stopa koje su prisutne
na promatranom tržištu.
U nastavku poglavlja objasnit će se statički model 4 tržišta, koji se bazira na
stock-flow modelu, varijable koje utječu na njega te potom način njegova kretanja
prilikom promjene istih. Osim statičke analize, DiPasquale i Wheaton izveli su i
dinamički model tržišta nekretnina. Dok statički model prikazuje stanje tržišta
nekretnina u danom trenutku te način njegova reagiranja, dinamički model koristi se
kako bi se prikazalo kretanje zavisnih varijabli u vremenu. Primjena statičkog i
dinamičkog modela na temelju hrvatskog tržišta stambenih i nekretnina u trgovini na
malo detaljno je objašnjena u 4. poglavlju, Metodologija.
2.1. Model 4 kvadranta
DiPasquale-Wheaton temelje svoj model na međuovisnosti dva tržišta, tržištu
imovine i tržištu nekretnina. Ponuda novih nekretnina ovisi o cijeni tih nekretnina u
odnosu na trošak zamjene ili izgradnje. U dugom roku, tržište nekretnina bi trebalo
izjednačiti cijenu nekretnine s troškom njezine zamjene. U kratkom roku, te dvije cijene
mogu prilično varirati zbog zastoja i kašnjenja koji su prisutni u procesu izgradnje. Ako
se potražnja za posjedovanjem prostora naglo poveća, tada, uz fiksnu ponudu
nekretnina, rastu i cijene. Kada cijene dođu iznad troškova konstrukcije i troškova
zemljišta, pokreće se novi proces izgradnje. Izgradnjom novih kvadrata nekretnina,
raste ponuda koja se izjednačava s potražnjom te se cijene vraćaju ravnotežnu razinu.
Na tržištu nekretnina, potražnja za korištenjem ili posjedovanjem prostora
dolazi od korisnika tog prostora, bili oni vlasnici ili zakupci, tvrtke ili kućanstva. Prostor,
odnosno nekretnina je za tvrtke jedan od mnogih faktora u proizvodnji te kao i ostali
faktori, njegovo korištenje ovisi o razinama proizvodnje i relativnom trošku prostora.
Potražnja kućanstva za nekretninom ovisi o dohotku i trošku posjedovanja prostora u
odnosu na trošak konzumacije drugih roba. Za tvrtke i kućanstva, trošak posjedovanja
nekretnine jest godišnji izdatak potreban za korištenje nekretnine, odnosno renta. Ista
premisa vrijedi i za zakupce.
10
Renta se određuje na tržištu nekretnina, a ne na tržištu imovine. Na tržištu
nekretnina, ponuda prostora je izvedena iz tržišta imovine. Potražnja za prostorom
ovisi o renti i ostalim egzogenim ekonomskim faktorima kao što je razina zaposlenosti,
dohodak, broj kućanstava i drugi. Zadatak tržišta nekretnina je odrediti razinu rente za
koju je potražnja za prostorom jednaka ponudi tog prostora. Ceteris paribus, kada
poraste broj produktivnost, dohodak, broj kućanstava ili neki sličan faktor, doći će do
povećanja potražnje za prostorom. Uz fiksnu ponudu, cijene će porasti.
Veza između tržišta imovine i tržišta nekretnina javlja se na 2 spoja. Prvo, razina
rente određena na tržištu nekretnina je glavna u određivanju potražnje za imovinom.
Stjecanjem imovine, investitori u stvari kupuju trenutne ili buduće tokove prihoda. Zbog
toga promjena rente koja se događa na tržištu nekretnina trenutno utječe na potražnju
Izvor: DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, str. 8.
Grafikon I.: DiPasquale-Wheaton model 4 kvadranta
11
za imovinom na tržištu kapitala. Drugi spoj između tržišta nekretnina i tržišta imovine
se pojavljuje u sektoru izgradnje. Ako se poveća izgradnja i ponuda imovine, ne samo
da će doći do smanjenja cijena već će pasti i rente. Ove veze između dva tržišta su
prikazane u Grafikonu I.: Model 4 kvadranta.
Koordinatni sustav se dijeli na desni, istočni dio koji predstavlja tržište
nekretnina za korištenje prostora te lijevi, zapadni dio koji predstavlja tržište imovine
za vlasništvo nad nekretninama. Radi lakše orijentacije kvadranti će se nazivati po
stranama svijeta. Renta se određuje u kratkom roku u sjeveroistočnom kvadrantu koji
se sastoji od osi rente, u originalu mjerene u $, u ovom radu iskazana u Hrvatskoj Kuni
(Kn). Druga os je os fonda kvadrata nekretnina, u originalu iskazana u kvadratnim
stopama, u ovom radu iskazana u kvadratnim metrima (m²). Potražnja za
nekretninama, iskazana u kvadraturi, crta se u sjeveroistočnom kvadrantu. U
ravnoteži, potražnja D, je jednaka fondu prostora S. Na grafikonu, ako je fond zadan,
renta, R, mora biti određena tako da potražnja za prostorom bude jednaka ponudi tog
prostora. Potražnja je funkcija rente i stanja u ekonomiji.
𝐷(𝑅, 𝐸𝑐𝑜𝑛𝑜𝑚𝑦) = 𝑆 (1.1)
Sjeverozapadni kvadrant predstavlja prvi dio tržišta imovine te se sastoji od
osiju rente i cijene, obje iskazane u Hrvatskoj Kuni te se odnose na kvadrat prostora.
Zraka koja izlazi iz ishodišta je stopa kapitalizacije nekretnina: omjer rente i cijene. To
je trenutačni prinos koji investitori traže da bi držali svoju imovinu u nekretninama. U
globalu, četiri faktora određuju stopu kapitalizacije: dugoročne kamatne stope,
predviđeni rast rente, rizik povezan s tokom prihoda rente te porezi na nekretnine.
Viša stopa kapitalizacije će zakrenuti zraku u smjeru kazaljke na satu dok će
smanjenje stope zakrenuti zraku u smjeru suprotnom od smjera kazaljke na satu. U
ovom kvadrantu, stopa kapitalizacije je uzeta kao egzogena varijabla koja se temelji
na kamatnim stopama i stopama povrata na tržištu kapitala za svu imovinu. Zbog toga
je namjena sjeverozapadnog kvadranta preuzeti razinu rente sa sjeveroistočnog
kvadranta i odrediti cijenu nekretnine koristeći stopu kapitalizacije. Renta je ekvivalent
troška kapitala za nekretninu.
𝑃 =𝑅
𝑖 (1.2.)
12
Sljedeći kvadrant, jugozapadni, je dio tržišta imovine gdje se određuje izgradnja
novih nekretnina. Ovdje krivulja 𝑓(𝐶), prikazuje trošak zamjene, Ccosts, nekretnine.
Za trošak izgradnje se pretpostavlja kako se povećava s rastom aktivnosti
građevinskog sektora. Sastoji se od osi cijene, izražene u Kn, i osi izgradnje, izražene
u metrima kvadratnim. Krivulja presijeca os cijene na minimalnoj razini vrijednosti
nekretnine koja je potrebna da bi se počela izgradnja. Ako ponuda izgradnje košta
jednako za bilo koji nivo izgradnje, tada će krivulja biti vertikalna. Kada je ponuda
neelastična, ako dolazi do problema u gradnji, nedostatka zemlje ili drugih razloga,
tada će krivulja biti više horizontalna. Uz danu cijenu nekretnine koja je određena u
SZ kvadrantu, vertikalnim spuštanjem na krivulju izgradnje te potom horizontalni
kretanjem prema osi izgradnje, dobije se nivo novogradnje pri kojem je trošak zamjene
jednak cijeni nekretnine. Niža razina izgradnje vodi višku profita dok viša razina
izgradnje vodi neprofitabilnosti. Zbog toga je cijena kvadrata, P, jednaka troškovima
izgradnje, a oboje je jednako funkciji izgradnje, C.
𝑃 = 𝐶𝐶𝑜𝑠𝑡𝑠 = 𝑓(𝐶) (1.3.)
U posljednjem, jugoistočnom kvadrantu, godišnji tok novoizgrađenih kvadrata
se pretvara u dugoročni fond ukupne kvadrature nekretnina. Promjena u fondu, ΔS,
za dani period je jednaka novoj izgradnji minus gubitak fonda koji se mjeri u stopi
deprecijacije, d.
∆𝑆 = 𝐶 − 𝑑𝑆 (1.4.)
JI kvadrant se sastoji od osi nove izgradnje i osi ukupnog fonda kvadrata
nekretnina, oboje iskazano u metrima. Zraka koja izlazi iz ishodišta predstavlja razinu
fonda na horizontalnoj osi koja je potrebna godišnja razina nove izgradnje kako bi
zamjena bila jednaka iznosu na vertikalnoj osi koja je dobivena u JZ kvadrantu.
kvadratnim. Pri toj razini fonda i odgovarajuće nove izgradnje, fond ukupnih kvadrata
nekretnina bit će konstantan u vremenu, jer će deprecijacija biti jednaka novoj
izgradnji. Zbog toga je 𝛥𝑆 jednaka 0, odnosno 𝑆 =𝐶
𝑑. Važno je zapamtiti kako JI
kvadrant uzima razinu nove izgradnje iz JZ kvadranta i određuje količinu fonda koja
će nastati ako se ta izgradnja produži zauvijek.
Zaključno, počevši od fonda nekretnina, tržište nekretnina određuje rentu koja
se potom prevodi u cijenu kvadrata nekretnina na tržištu imovine. Ta cijena posljedično
13
generira novu izgradnju koja potom ponovno na tržištu nekretnina doprinosi novoj
razini fonda. Kombinacija tržišta imovine i tržišta nekretnina je u ravnoteži kad je
početna i konačna razina fonda jednaka. Ako je konačna razina fonda različita od
početne, tada jedna od 4 varijable na grafikonu (renta, cijena, nova izgradnja, fond)
nije u potpunoj ravnoteži. Ako je početna vrijednost veća od konačne, tada se renta,
cijena i nova izgradnja mora povećati kako bi se dostiglo stanje ravnoteže. Ako je
početni fond kvadrata manji od konačnog, tada se renta, cijena i nova izgradnja mora
smanjiti kako bi se postigla ravnoteža.
U slučaju da nekretninu koristi njen vlasnik, a ne zakupac, model kvadranta i
dalje vrijedi, ali više ne postoji odvojeno tržište imovine i tržište nekretnina.
Određivanje cijene i rente se odvija jednom odlukom na zajedničkom tržištu. Na tržištu
za kućanstva koja žive u vlastitim nekretninama, fond nekretnina, broj kućanstava i
njihov dohodak će odrediti godišnje plaćanje ili spremnost za plaćanje tih kućanstava
koja kupuju nekretnine. Taj iznos je ekvivalent renti. Porast broja kućanstava ili
smanjenje dostupnog prostora znači da će godišnja rata korištenja kuće morati porasti
kako bi se ostvarila ravnoteža na tržištu nekretnina. Sjeverozapadni kvadrant tu
vrijednost pretvara u cijenu kvadrata nekretnine. Niže kamate podrazumijevaju da će
si za istu rentu kućanstva moći priuštiti višu cijenu nekretnine. Kod nekretnina kod
kojih je vlasnik ujedno i korisnik nekretnine, jedna odluka određuje i cijenu i rentu. Ova
odluka je pak pod utjecajem istih uvjeta na tržištu kapitala i nekretnina kao i kod
nekretnina koje se daju u zakup. Jednom kad je prodajna cijena određena, tada
posljedično dolazi do određivanja nove izgradnje te eventualno do ostvarivanja
ravnoteže fonda ukupnih kvadrata nekretnina, u jugozapadnom i jugoistočnom
kvadrantu.
Važno je shvatiti kako model 4 kvadranta prikazuje dugoročnu ravnotežu na
tržištu imovine i tržištu nekretnina. Grafički model ne odgovara dobro na opisivanje
kratkoročne dinamike tržišta ili trenutnu neravnotežu koja se često događa u sektoru
nekretnina.3
3 DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, poglavlje 1., stranica 2.-11.
14
2.2. Kretanje modela
U prethodnom poglavlju opisan je osnovni koncept modela 4 kvadranta kada je
sustav u ravnoteži. Takva situacija u stvarnosti gotovo nikad nije prisutna te uvijek
postoji neki egzogeni element koji će svojom promjenom utjecati na ovaj model. Stoga
je ovo poglavlje namjenjeno detaljnijem grafičkom objašnjenju kretanja DiPasquale-
Wheatonovog modela.
Slično kao i u prethodnom poglavlju, opis počinje iz sjeveroistočnog kvadranta,
tržišta nekretnina koje prikazuje potražnju za nekretninom. Na djelovanje krivulje
potražnje egzogeno djeluju razni faktori, no prvenstveno ekonomski i demografski.
Broj kućanstava je osnovni demografski pokazatelj dok su zaposlenost, BDP, dohodak
ekonomski pokazatelji. Rast svakog od navedenih pokazatelja povećat će potražnju
za nekretninama te pomaknuti krivulju potražnje udesno kao što je prikazano na
Grafikonu II gdje je vidljiv proces međuovisnosti svakog od 4 kvadranta. Rastom
Izvor: DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, str. 12.
Grafikon II.: DiPasquale-Wheaton model: promjena na tržištu nekretnina
15
potražnje i kretanjem krivulje prema desno dolazi do povećanja rente koja tu promjenu
translatira na rast cijena, što posljedično pokreće novu razinu izgradnje zbog
ostvarenja profita te potom diže razinu stambenog fonda na novu ravnotežnu razinu
koja na kraju puta zadovoljava povećanje potražnje za nekretninama. Treba imati na
umu kako ovaj proces nije momentalan te označava stanje nove dugoročne ravnoteže,
a da bi se do njega došlo potrebno je ponoviti mnogo iteracija.
Iduća situacija odnosi se na promjenu na tržištu imovine, vezana za vrijednost
nekretnine, u sjeverozapadnom kvadrantu. Pod pretpostavkom da tržište kapitala
efikasno prilagođava cijenu određene imovine tada će rast (pad) kamatnih stopa u
ostatku ekonomije smanjiti (povećati) prinos na nekretninu te će investitori željeti
prebaciti svoju imovinu u (iz) drugačiju vrstu vrijednosnica. Sličan efekt događa se i
promjenom stope poreza, a suprotan efekt javlja se kod promjene u razini inflacije. Na
Grafikon III.: DiPasquale-Wheaton model: Promjena na tržištu imovine
Izvor: DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, str. 14.
16
Grafikonu III. je grafički prikazan učinak pada troška kapitala. Slično kao i kod
promjene potražnje, promjena stope kapitalizacije pokreće cijeli ciklus izmjene
ravnotežnog stanja do dolaska na novu razinu ravnoteže.
Posljednja egzogena promjena koja može utjecati na tržište nekretnina je
promjena u ponudi nove izgradnje. Više je odrednica koje mogu utjecati na ponudu,
na tržištu kapitala to je kamatna stopa na kredite namijenjene izgradnji.
Zakonodavstvo također utječe na ponudu, striktniji zakoni u pogledu očuvanja okoliša,
zoniranja i minimalnim tehničkim uvjetima smanjuju količinu izgradnje dok nedostatak
zakona pogoduje divljoj i ubrzanoj gradnji. Nedostatak slobodne zemlje također
povećava troškove izgradnje. Na Grafikonu IV. je prikazana dugoročna implikacija
negativne promjene ponude koja je mogla nastati zbog jednog od prethodno
navedenih utjecaja.
Izvor: DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, str. 17.
Grafikon IV.: DiPasquale-Wheaton model: Promjena ponude novogradnje
17
Osim jednostavnih promjena koje su objašnjene u prethodnim odlomcima,
moguće je simultano izmijeniti više vanjskih utjecaja te promatrati promjene, a ujedno
i različite tipove nekretnina na isti graf. Ovaj jednostavan model koji je prikazan kao
međuovisnost 4 kvadranta dobro prikazuje dugoročne ravnoteže koje nastaju
vanjskim podražajima na tržištu nekretnina. Nedostatak je što nisu poznate međufaze
između 2 stanja dugoročne ravnoteže te je za to potrebno izraditi dinamički model koji
će biti objašnjen na primjeru hrvatskog tržišta stambenih nekretnina i nekretnina u
trgovini na malo u 4. poglavlju, Metodologija4
4 DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall, New Jersey, poglavlje 1., stranica 11.-21.
18
3. PODACI
Većina podataka prikupljena je sa stranica Državnog zavoda za statistiku (u
nastavku DZS) te Hrvatske narodne banke (u nastavku HNB). Podaci koje nije bilo
moguće naći su procijenjeni na temelju kretanja povijesnih podataka. Svi prikupljeni
podaci prikazani su u poglavlju 8. Tablice.
Model koji će biti objašnjen u idućem poglavlju izrađen je na temelju podataka
od 1997. do 2014. godine. Početna godina, 1997. je uzeta zbog odmaka od ratnih
razdoblja kada je građevinski sektor bio nezamjetan te zbog ranijeg razdoblja
nestabilnosti cijena koje se očitovalo visokom inflacijom prilikom promjene režima s
Jugoslavenskih dinara na Hrvatski dinar te potom na Hrvatsku kunu. Za završnu
godinu istraživanja je uzeta 2014. godina jer je većina potrebnih podataka objavljena
dok su oni koji nedostaju procijenjeni na temelju preliminarnih izvještaja o kretanju
indeksa.
3.1. Prikupljeni podaci
Podaci za cijenu kvadrata stambenih nekretnina preuzeti su sa stranica DZS.
Preuzeti podaci odnose se na godišnji prosjek cijena kvadrata novoizgrađenih stanova
bez POS-a. Podaci o cijeni kvadrata stana na sekundarnom tržištu nisu javno
dostupni. Ukupan stambeni fond preuzet je iz izvještaja o popisu stanovništva u
Republici Hrvatskoj za godine 1991., 2001. i 2011. Za godine između, broj kućanstava
i ukupan stambeni fond je procijenjen. Podaci o ukupnom broju zaposlenih te
mjesečnoj neto plaći, preuzeti su iz Statističkih ljetopisa DZS, a odnose se na godišnji
prosjek. DZS je od 1998. godine nadalje u ukupan broj zaposlenih unosio i zaposlene
u policiji, obrani i individualnim poljoprivrednim gospodarstvima. Zbog toga je za ovo
istraživanje, retrogradno za 1997. godinu u ukupan broj zaposlenih dodan iznos od
74000 ljudi što je procijenjena svota za tu godinu. Ukupna izgrađena kvadratura novih
stanova preuzeta je iz publikacija Građevinarstvo, statističkog izvješća DZS. Broj koji
se nalazi u tablicama odnosi se na korisnu površinu m² za stanove u stambenim i
nestambenim zgradama. Podaci za kamatne stope prema građanima i poduzećima
preuzeti su sa stranica HNB, a odnose se na dugoročne kamatne stope s valutnom
klauzulom jer je poznato kako je hrvatska visoko eurizirana država čiji se postotak
kredita u stranoj valuti kreće iznad 70%. Podaci su iskazani kao godišnji prosjek
19
mjesečnih kamatnih stopa. Za dinamički model preuzeti su podaci o procjeni ukupnog
broja stanovnika u Hrvatskoj do 2061. godine iz publikacije DZS. U njoj se nalaze
podaci za godine 2021., 2031., 2041., 2051. i 2061. godinu. Za ostale godine podaci
su procijenjeni na temelju baznih godina. Podaci o broju stanovnika za dinamički
model zagrebačkog tržišta su preuzeti iz publikacije Ekonomskog fakulteta, voditelja
doc.dr.sc. Ivana Čipina, za razdoblje 2020. i 2030. godinu.
Uz model koji je složen prema podacima za ukupno Hrvatsko stambeno tržište,
napravljen je i model prema podacima za Zagreb. Model je napravljen za jednak
period kao i model na razini cijele države, 1997.-2014. godine. Zaposlenost, plaće i
prosječna cijena novoizgrađenog kvadrata preuzeta je iz Statističkog ljetopisa grada
Zagreba. Kvadratura novoizgrađenih kvadrata stanova preuzeta je iz Statističkih
ljetopisa grada Zagreba za godine 2002.-2014. dok su za godine 1997.-2000. preuzeti
iz Bežovanovog rada, Procjena standarda stanovanja u Zagrebu kao razvojnog
resursa. Podaci za 2000. i 2001. godinu su projicirani na temelju regresijske jednadžbe
odnosa zagrebačke novogradnje u odnosu na hrvatsku novogradnju. Za ukupnu
kvadraturu zagrebačkog stambenog fonda je uzet podatak iz popisa stanovništva
2001. godine koji je uzet kao temelj. Podaci za ostale godine su izračunati dodavanjem
razlike novoizgrađenih i srušenih kvadrata stanova.
Osim samog modela, kasnije su prikazani podaci implicitno vezani za stambeno
tržište i tržište nekretnina u trgovini na malo. Hedonistički indeks cijena nekretnina i
kvartalna stopa rasta stambenih kredita preuzeti su sa web stranica HNB. Indeks
kretanja CROBEX-a preuzet je s web stranica Zagrebačke burze te je prikazan kao
kvartalni prosjek.5
3.2. Procijenjeni podaci
Podatak za ukupan fond kvadrata stambenih nekretnina je pronađen samo za
godine 1991., 2001. i 2011. iz publikacije Popis stanovništa Republike Hrvatske
izrađenom od strane DZS. Postoji razlika u evidentiranju ukupnog fonda kvadrata koja
nije u skladu s izračunom koji se dobije dodavanjem razlike novoizgrađenih i srušenih
kvadrata. Zbrajanjem novoizgrađenih kvadrata i srušenih kvadrata koji su evidentirani
5 ZSE, (2015.). Povijesni podaci trgovanja CROBEX indeksa, Zagrebačka burza. Preuzeto 19.9.2015. s http://zse.hr/default.aspx?id=180.
20
u publikacijama DZS za razdoblja od 1991.-2001. te 2001.-2011. trebalo bi biti moguće
dobiti približno jednak iznos ukupnog stambenog fonda onome koji je moguće pronaći
u publikaciji Popis stanovništva Republike Hrvatske.
Na grafikonu V. Moguće je vidjeti kako je razlika između evidentirane
kvadrature stambenog fonda i one koja se nalazi u Popisu stanovništva je iznimno
velika. Za prvo desetljeće od 1991. do 2001. godine razlika iznosi 2.740.546 m². Uz
pretpostavku da se većina neevidentirane izgradnje odnosi na izgradnju obiteljskih
kuća i vikendica kod koje je lakše izbjeći porez, tada je prosječan kvadrat takve kuće
viši od državnog prosjeka te iznosi cca 100-150 m². Prema navedenom izračunu, za
razdoblje od 1991.-2001., godišnje prosjek neevidentirane gradnje iznosio je 274.054
m², odnosno 1.800 do 2.700 stambenih jedinica. Razlika evidentirane izgradnje i
ukupnog stambenog fonda višestruko je veća za razdoblje od 2001.-2011. godine i
iznosi 17.289.211 m². Prosječna godišnja razlika za dano razdoblje iznosi 1.728.921
m² ili 11.500-17.300 neevidentirano izgrađenih stambenih jedinica. Grafikon V.
prikazuje razliku između evidentirane izgradnje koja je nastala zbrajanjem razlike
novoizgrađenih i srušenih kvadrata od bazne 1991. godine do danas u odnosu na
pretpostavljenu stvarnu kvadraturu ukupnog stambenog fonda.
110.000.000
120.000.000
130.000.000
140.000.000
150.000.000
160.000.000
170.000.000
1990 1995 2000 2005 2010 2015
Uku
pan
fo
nd
kva
dra
ta s
tam
ben
ih
nek
retn
ina
u m
²
godina
Ukupna kvadratura zbrajana prema baznim godinama 1991. 2001. 2011.
Procijenjena ukupna kvadratura
Ukupna statistički zbrojena evidentirana kvadratura prema baznoj godini 1991.
Grafikon V.: Razlika stambenog fonda između statistički evidentirane i stvarne razine
Izvor: DZS, Statistički ljetopisi 2005.-2014., izračun autora
21
Zbog toga je u modelu korištena bazna godina 2001. te je za svaku iduću
dodavana razlika statistički evidentirane novogradnje i srušenih kvadrata. Ovaj izračun
nije u potpunosti točan, ali je približno korektan za analizu. Osim ilegalne izgradnja
razlika od stvarne količine fonda postoji i zbog stanova koji su završeni, ali još nisu
izašli na tržište jer se za njih čeka bolja tržišna prilika. Stvarni ukupni fond kvadrata
stambenih nekretnina je veći od dobivene brojke, ali nije moguće točno odrediti koliko.
Procijenjena vrijednost godišnje novogradnje u odnosu na statistički evidentiranu,
prikazana je na Grafikonu VI.
Za dinamički model zagrebačkog tržišta stambenih nekretnina procijenjeno je
kretanje broja stanovnika grada Zagreba na temelju DZS publikacije o ukupnom broju
stanovnika u Hrvatskoj do 2061. Broj stanovnika u Zagrebu je procijenjen od 2031.
kao rastući udio ukupnog stanovništva Hrvatske. Hrvatska ne vodi statistiku rente koja
je važan dio u izradi modela stambenog tržišta pa ju je također bilo potrebno izvesti.
Renta je izražena kao trošak držanja kapitala, u ovom slučaju nekretnine, pomnožen
s cijenom kvadrata stana. Trošak držanja kapitala je uzet kao zbroj nominalne
kamatne stope na kredite kućanstvima od koje su oduzete inflacija i promjena cijena
nekretnine. Promjena cijene nekretnine je postavljena kao zbroj indeksa promjene
cijena prethodne 4 godine. Faktori za svaki indeks su dani metodom pokušaja i
pogreške dok se nije pronašla najbolja korelacija. Faktori su sljedeći:, 0,5 za 𝑃𝑡−1 i
𝑃𝑡−2, 0,3 za 𝑃𝑡−2 i 𝑃𝑡−3 te 0,2 za 𝑃𝑡−3i 𝑃𝑡−4.
Grafikon VI.: Procjena stvarne godišnje novogradnje u odnosu na statistički evidentiranu
Izvor: DZS, Statistički ljetopisi 2005.-2014., izračun autora
0
500.000
1.000.000
1.500.000
2.000.000
2.500.000
3.000.000
3.500.000
4.000.000
4.500.000
5.000.000
1991 1994 1997 2000 2003 2006 2009 2012
Izn
os
no
vogr
adn
je u
m²
godina
statistički evidentirana novogradnja u m² procjena stvarne novogradnje u m²
22
𝑈𝑡 = 𝑖𝑡 − 𝜋𝑡 − (0,5 ∗𝑃𝑡−1−𝑃𝑡−2
𝑃𝑡−2+ 0,3 ∗
𝑃𝑡−2−𝑃𝑡−3
𝑃𝑡−2+ 0.2 ∗
𝑃𝑡−3−𝑃𝑡−4
𝑃𝑡−4) (3.1.)
𝑅𝑡 = 𝑈𝑡 ∗ 𝑃𝑡 (3.2.)
3.3. Karakterističnost trgovanja stambenim nekretninama u Hrvatskoj
U Hrvatskoj, postojeće tržište nekretnina će se u modelu tretirati kao ukupan
fond kvadrata nekretnina, dok će se tržište novoizgrađenih stanova tretirati kao tržište
toka. Više od 90% hrvatskih stambenih jedinica gradi se od armiranog betona gdje je
proces izgradnje duži od montažne izgradnje čelikom ili drvom. Ako se tome pridoda i
sporost birokratskog sustava u izdavanju potrebnih dozvola za gradnju, može se
zaključiti kako će proces izgradnje koji je prethodno spominjan za JZ kvadrant DW
modela biti u zaostatku sa stvarnom potražnjom za nekretninama. Tržište nekretnina
se u Hrvatskoj dijeli na primarno, odnosno tržište novogradnje, te sekundarno tržište
na kojem se trguje postojećim nekretninama. Zbog toga postoji i više metoda mjerenja
cijene kvadrata na tržištu koji će biti opisani u nastavku.
Program POS-a pokrenut je s ciljem da se građanima Republike Hrvatske
omogući rješavanje stambenog pitanja po uvjetima znatno povoljnijim od tržišnih uz
garantiranu kvalitetu i završavanje radova u roku.6 Zbog toga je 2004. godine pod
vodstvom Ministarstva graditeljstva i prostornog uređenja uveden program Poticanog
stanovanja (POS) u kojem država putem arhitektonskih natječaja izvodi projekte
gradnje stambenih jedinica u svojem vlasništvu. Model se svodi na subvencioniranje
cijene nekretnine u koju nije uključena cijena zemljišta, nego samo cijena izgradnje i
popratnih aktivnosti. Osim subvencije na području izgradnje, model je prisutan i na
strani kupca kojima je ponuđen povoljniji način zaduživanja s nižim kamatnim stopama
od tržišnih. Na taj način se pokušalo pomoći novim obiteljima koje inače ne bi mogle
sudjelovati na tržištu nekretnina, a ujedno se i pojačala građevinska aktivnost u
Hrvatskoj kao što je vidljivo na Grafikonu VII.
Grafikon VII. prikazuje utjecaj države na tržište nekretnina. Priuštivo stanovanje
je omogućeno izuzimanjem cijene zemljišta iz cijene nekretnine te nižim kamatnim
stopama za kredit. Time je omogućeno premošćivanje razlike u cijeni između tržišne i
6 APN, (2015). Agencija za pravni promet i posredovanje nekretninama, Općenito o programu POS-a
23
one koju si stanovništvo slabije imovinske moći može priuštiti. Ujedno raste
građevinska aktivnost koja posljedično povećava stambeni fond dok se trošak kapitala
smanjuje.
Time je u Hrvatskoj u razdoblju od 2003. zaključno 30.5.2015. izgrađeno 5324
stana te ukupno 374.647 m² neto korisne površine. To je udio od 2% u odnosu na
ukupno izgrađenu kvadraturu u tom razdoblju. S obzirom na svoju cijenu koja nije
određena odnosom ponude i potražnje, cijena POS stanova nije uzimana u obzir u
kasnije izrađenom modelu hrvatskog stambenog tržišta. Podatke o neusklađenom
kretanju cijena nekretnina primarnog tržišta i cijena POS stanova vidljiva je na
grafikonu VIII.
Grafikon: DiPasquale-Wheaton model: primjena za POS stanove
Grafikon VII.: DiPasquale-Wheaton modela na primjeru POS stanova
Izvor: Leung C., Wang W. (2007). An Examination of the Chinese Housing Market through the Lens of the DiPasquale-Wheaton Model: a Graphical Attempt. International Real Estate Review, 2007 Vol. 10 No. 2: pp. 131-165.
24
Kao što je objašnjeno u prethodnom odlomku, korelacija POS stanova na
egzogene varijable ponude i potražnje koje djeluju na hrvatskom stambenom tržištu je
izuzetno slaba. Ti stanovi su financirani od strane države te imaju vlastito tržište i
većinom drže standardno propisanu cijenu. Iznimka je porast cijene u 2009. godini
kada dolazi do ogromnog smanjenja ponude novoizgrađenih POS stanova na tržištu
te se posljednji stanovi iz tadašnjeg investicijskog ciklusa prodaju po puno većim
cijenama od dotad standardne. Ulaskom u novi investicijski ciklus 2013. ponovno raste
ponuda POS stanova koja vodi smanjenju cijene, a tek će se naknadno vidjeti hoće li
se ta cijena ponovno stabilizirati sve do kraja ovog investicijskog ciklusa.
Drugi način izračuna je putem hedonističkog indeksa cijena nekretnina (u
nastavku HICN) koji je izrađen od strane Hrvatske narodne banke. Model se bazira na
indeksu cijene stambenog prostora koji upućuje na promjenu cijene stambenog
prostora nepromijenjene kvalitete na danoj lokacije, odnosno fiksnih obilježja.7 HICN
je model koji ne slijedi u potpunosti točno cijene na sekundarnom tržištu te nije korišten
u izradi modela hrvatskog stambenog tržita. Najtočniji način izrade modela bio bi
korištenje prosječne cijene na primarnom (novogradnja) i sekundarnom (postojeći
stanovi) tržištu, ali zbog nedostupnosti informacija cijena sekundarnog tržišta to nije
moguće. Na Grafikonu IX. moguće je vidjeti odnos cijene novoizgrađenih nekretnina
bez POS stanova u odnosu na HICN. Korelacija je iznimno visoka s koeficijentom
0,87. Grafikon X. prikazuje odnos cijene novoizgrađenih nekretnina s POS stanovima
7 Kunovac, D., Đozović, E., Lukinić, G., Pufnik, A. (2008). Primjena hedonističke metode za izračunavanje indeksa cijena nekretnina u Hrvatskoj, Istraživanja (I-20). Zagreb: Hrvatska narodna banka, str. 1.
y = 0,0667x + 6010,5R² = 0,0151
0
3000
6000
9000
0 3000 6000 9000 12000 15000
Cije
na
no
voiz
građ
enih
PO
S st
ano
va u
kn
/m²
Cijena novoizgrađenih stanova na slobodnom tržištu u kn/m²
Grafikon VIII.: Nepovezanost cijene POS stanova i stanova u slobodnoj prodaji
Izvor: DZS, Statistički ljetopisi 2005.-2014., izračun autora
25
u odnosu na HICN. Korelacija je donekla niža, te iznosi 0,74. Time se zaključilo kako
cijena POS stanova nije relevantna za ovo istraživanje te neće ulaziti u izračun
modela.
y = 0,6952x + 41,387R² = 0,8725
0
50
100
150
200
250
0,0 50,0 100,0 150,0 200,0 250,0
Hed
on
isti
čki i
nd
eks
cije
na
nek
retn
ina
Indeks cijena novoizgrađenih stanova bez POS stanova
y = 0,5589x + 54,371R² = 0,7397
0
50
100
150
200
250
0,0 50,0 100,0 150,0 200,0 250,0
Hed
on
isti
čki i
nd
eks
cije
na
nak
retn
ina
Indeks cijena novoizgrađenih stanova + POS stanovi
Grafikon IX.: Prikaz korelacije HICN u odnosu na indeks cijena novoizgrađenih stanova bez POS stanova, polugodišnji rezultati
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
Grafikon X.: Prikaz korelacije HICN u odnosu na indeks cijena novoizgrađenih stanova s POS stanovima, polugodišnji rezultati
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
26
Grafikon XI. prikazuje odnos kretanja tri indeksa: HICN, indeks cijena
novoizgrađenih stanova + POS stanova i indeks cijena novoizgrađenih stanova bez
POS stanova. Razdoblje promatranja je od 1997. do 2014. godine na temelju
polugodišnjih rezultata. Iz grafikona se jasno može iščitati kako je indeks cijena
novoizgrađenih stanova bez POS stanova puno bliži HICN od onoga koji u sebi sadrži
i POS stanove.
Grafikon XII. prikazuje kvartalno kretanje HICN i CROBEX indeksa za razdoblje
od 1997.-2014. godine. Hedonistički indeks cijena nekretnina je u navedenom
razdoblju imao puno manju volatilnost od CROBEX indeksa, no postoji povezanost u
rastu i padu oba indeksa. Za razliku od CROBEX-a čiji je rast i pad izuzetno snažan u
Grafikon XI.: Polugodišnje kretanje HICN i indeksa cijena novoizgrađenih stanova s i bez POS stanova
90,0
110,0
130,0
150,0
170,0
190,0
210,0
1997/1 1998/2 2000/1 2001/2 2003/1 2004/2 2006/1 2007/2 2009/1 2010/2 2012/1 2013/2
Ind
eks
cije
na
Godina/kvartal
indeks cijena novoizgrađenih stanova + POS indeks cijena novoizgrađenih stanova bez POS HICN
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
Grafikon XII.: Kvartalno kretanje HICN i CROBEX indeksa od 1997.-2014.
0
50
100
150
200
250
300
350
400
450
80,0
100,0
120,0
140,0
160,0
180,0
200,0
220,0
kol.97 kol.99 kol.01 kol.03 kol.05 kol.07 kol.09 kol.11 kol.13
CR
OB
EX in
dek
s
HIC
N
mjesec/godina
HICN CROBEX indeks - desna strana
Izvor: ZSE, povijesni podaci, HNB, Bilteni 1997.-2014., izračun autora
27
razdoblju od 2005. do 2008. godine, nakon čega je ostao na stabilnoj razini, HICN je
blago rastao sve do 2008. godine da bi potom počeo njegov pad koji je i danas
aktualan.
Za potrebe dokazivanja ovisnosti cijene nekretnine i kamatne stope hrvatskog
stambenog tržišta provedena je analiza povijesnih podataka za razdoblje od 1997.
godine do danas. Rezultati prikazuju visoku povezanost odnosa rasta stope stambenih
kredita, tj. kupnje nove nekretnine, s kretanjem kamatne stope na kredite kućanstvima.
Visoka korelacije je prisutna i u odnosu HICN s indeksom CROBEX-a. Takva veza
svoju podlogu nalazi u tome što kućanstva, hrvatski puk, svoje informacije uglavnom
procesira kroz kretanje na tržištu kapitala te svaku optimističnu ili pesimističnu
promjenu usmjerava na svoje vlastito ulaganje.8
Grafikon XIII. prikazuje kretanje kvartalne stope promjene stambenih kredita i
kvartalne stope promjene hedonističkog indeksa cijena nekretnina. Prisutna je blaga
korelacija između ove dvije stope kao i stalno opadajući trend do otprilike 2013. godine
nakon čega HICN preuzima tendenciju rasta. Razlog tome može biti ponovni konačni
izlazak iz ekonomske krize koja je prisutna već 6 godina, ali vjerojatno postoji više
8 Centar Nekretnina, (2009.). Indeks cijena nekretnina za prosinac 2009. Centar Nekretnina, prosinac
2009.
-10,00%
-5,00%
0,00%
5,00%
10,00%
15,00%
-4,00%
-2,00%
0,00%
2,00%
4,00%
6,00%
8,00%
10,00%
12,00%
6/04. 12/05. 6/07. 12/08. 6/10. 12/11. 6/13. 12/14.
Sto
pa
rast
a H
ICN
Sto
pa
rast
a st
amb
enih
kre
dit
a
mjesec/godina
stopa rasta stambenih kredita stopa rasta HICN-desno
Grafikon XIII.: Kretanje kvartalne stope promjene stambenih kredita i kvartalne stope promjene HICN
Izvor: HNB, Bilteni 1997.-2014., izračun autora
28
razloga, među kojima bi moglo biti i ulaganje u nekretnine na Jadranu koje kupuju
stranci koji se ne zadužuju na hrvatskom tržištu stambenih kredita.
Stambeno pitanje je jedan od najvažnijih problema hrvatskog društva. Mlada
populacija nakon završenog obrazovanja susreće se s problemom posjedovanja prve
nekretnine. Ako nemaju sreće te ne naslijede nekretninu ili novčana sredstva od svoje
rodbine, mladi se većinom moraju zadužiti prilikom nabavljanja nekretnine. Takvo
zaduživanja kreditom većinom je na veoma dugačak vremenski period što znači da
mlada osoba netom nakom osamostaljivanja preuzima na sebe dugoročnu obvezu
koja ga sputava u normalnom življenju. Prosječna plaća hrvatskog građanina je
iznimno niska u odnosu na cijenu kvadrata nekretnine te je vrijeme otplate kupljenog
stana iznimno visoko kao što je moguće vidjeti na grafikonu XIV.
Ipak, broj godina potrebnih za kupnju prosječnoga novoga stana u praksi je
mnogo duži nego što je to navedeno u tablici. Naime, on pretpostavlja da su
cjelokupna primanja pojedinca potrošena za kupnju stana, da on ne jede, ne štedi ili
ne troši ni na kakve druge kategorije osobne potrošnje. Realnija bi procjena bila kada
bi broj godina iz tablice povećali za tri ili čak za četiri puta, a to bi značilo da pojedinac
samo od svoje neto plaće za svoga života gotovo da ne može otplatiti stan.9
Cijena 1 m² prodanoga novog stana obuhvaća sljedeće troškove: troškove
građevinskog zemljišta (pribavljanje zemljišta te eventualni troškovi raseljavanja
stanara iz postojećih stambenih zgrada ako nije kupljeno prazno zemljište), troškove
gradnje (gradnja zgrade uključuje rušenje postojećih građevina, čišćenje gradilišta,
zemljane radove, podizanje zgrada, podizanje i pokrivanje krovnih konstrukcija,
9 Filipić, P., (2007). Uvod u makroekonomiju stanovanja, Ekonomski pregled, 58 (7-8), p. 393-420.
0
5
10
15
20
25
1995 1997 1999 2001 2003 2005 2007 2009 2011 2013 2015
vrije
me
otp
late
n
ovo
izgr
ađen
og
stan
a
Godina
Grafikon XIV.: Prosječno vrijeme otplate novoizgrađenog stana
Izvor: DZS, Statistički ljetopisi 2005.-2014., izračun autora
29
instalacijske i za vršne radove na zgradi i stanovima) te dobit izvođača i ostale
troškove (pribavljanje odobrenja za građenje, projektiranje, premjeravanje zemljišta,
stručni nadzor, različite pristojbe i porezi uključujući PDV te osiguranja).10 U
promatranom razdoblju, troškovi gradnje i dobit proizvođača su se kretala u iznosu od
60% cijene kvadrata nekretnine uz odstupanja od ±5%. U trošak gradnje ulazi trošak
rada, trošak materijala te trošak strojeva. Na grafikonu XV. je moguće vidjeti kretanje
verižnih indeksa plaće u sektoru Građevinarstvo te indeks troškova građevinskog
materijala. Prosječna plaća je rasla po većoj stopi od troška materijala da bi se njihovo
kretanje izjednačilo od 2004. godine te se kretalo približno jednakim intenzitetom u
idućih 10 godina.
10 Državni zavod za statistiku (2015.). Građevinarstvo 2008.-2013., Statistička izvješća, Zagreb: Državni zavod za statistiku.
96
98
100
102
104
106
108
110
112
114
116
118
1997 1999 2001 2003 2005 2007 2009 2011 2013
Vri
jed
no
st v
eriž
no
g in
dek
sa
godinaVerižni Indeks cijena građevinskog materijala
Verižni indeks cijena prosječne plaće u sektoru Građevinarstvo
Grafikon XV.: Kretanje verižnih indeksa troška rada i materijala u sektoru Građevinarstvo
Izvor: DZS, Cijene prodanih stanova od 1990. do 2010., SLJH 2005.-2014., izračun autora
30
3.4. Tržište nekretnina u trgovini na malo
Tržište nekretnina u trgovini na malo u osnovi se zasniva na sličnim principima
kao i tržište stambenih nekrenina. Hrvatska je država u kojoj 89,7%11 stanovnika živi
u stanovima čiji su vlasnici, dok ih samo 10,3% živi kao podstanar. Na tržištu
nekretnina u trgovini na veliko i malo udio prostora kojim se služe vlasnici istog je puno
manji. Većina trgovačkog prostora se iznajmljuje zakupcima koji na osnovu svoje
dobiti ili gubitaka odlučuju hoće li nastaviti s najmom prostora. Za razliku od
stambenog tržišta gdje vlasnik odlučuje o boravku u svojoj nekretnini, na tržištu
nekretnina u trgovini na veliko i malo, potpisuje se ugovor između vlasnika nekretnine
i zakupca, trgovca, na određeno razdoblje. Istekom razdoblja, zakupac može odlučiti
produžiti svoj najam ili ga prekinuti. Upravo ova komponenta tržišta, čini razliku u
odnosu na stambeno tržište jer uvodi varijablu stopu upražnjenosti (eng. vacancy
rate). Stopa upražnjenosti na stambenom tržištu uglavnom je niska i relativno stabilna,
dok je na tržištu nekretnina u trgovini na malo fluktuacija stope upražnjenosti jače
izražena te ustraje kroz duže razdoblja. To ukazuje kako renta i cijena ne mogu očistiti
11 Eurostat, (2015.). Distribution of population by tenure status, type of household and income group (source: SILC). Eurostat, October 2015. Preuzeto 13.11.2015. godine s http://appsso.eurostat.ec.europa.eu/nui/show.do
0 kn
10.000 kn
20.000 kn
30.000 kn
40.000 kn
50.000 kn
0
100.000
200.000
300.000
400.000
500.000
600.000
700.000
1996 1998 2000 2002 2004 2006 2008 2010 2012 2014
Bru
to d
od
ana
vrije
dn
ost
trg
ovi
ne
na
velik
o i
mal
o u
mili
jun
ima
kun
a
Ko
ličin
a n
ovo
grad
nje
nek
retn
ina
u
trgo
vin
i na
velik
o i
mal
o u
m²
godina
Količina novogradnje u m² BDV trgovine na veliko i malo u milijunima kuna - desna strana
Grafikon XVI.: Kretanje obujma novogradnje nekretnina u trgovini na veliko i malo i BDV trgovine na veliko i malo
Izvor: DZS, statistički ljetopisi 2005.-2014., izračun autora
31
tržište i zbog toga se potražnja mjeri isključivo preko ponude. Potražnja se iskazuje
kao količina zauzetog prostora, dok je ponuda zbroj zauzetog i praznog prostora.
Grafikon XVI. prikazuje godišnje kretanje obujma novogradnje nekretnina u
trgovini na veliko i malo u odnosu na Bruto dodanu vrijednost sektora trgovine na
veliko i malo za razdoblje od 1997.-2014. Novogradnja ima manju razinu volatilnosti u
odnosu na Bruto dodanu vrijednost sektora dok im je trend rasta i trend pada
podjednak.
Kretanje stope upražnjenosti pokazuje kretanje potražnje. Rast stope
upražnjenosti označava pad potražnje za nekretninama te shodno tome dolazi do
smanjenja na strani ponude novoizgrađenih nekretnina u trgovini na veliko i malo.
Suprotno, pad stope upražnjenosti označava rast potražnje za nekretninama što vodi
višoj renti koja potom aktivira investitore da u potrazi za profitom ulažu u izgradnju
novih nekretnina. Sukladno stambenom tržištu, rast potražnje javlja se i rastom
dohotka stanovništva. Ako stanovništvo dio svoga dohotka troši u trgovini na veliko i
malo tada će se aktivirati i ponuda novih trgovaca. Trgovina na veliko i malo čini dio
Bruto domaćeg proizvoda Hrvatske te je kao takva navedena u publikacijama DZS.
Primjetna je pozitivna korelacija u promjeni ukupne trgovine na veliko i malo u odnosu
na količinu novogradnje nekretnina u trgovini na veliko i malo u Hrvatskoj.
32
4. METODOLOGIJA
Istraživački dio rada bazirat će se na ekonometrijskim modelima kojima će biti
prikazan način na koji funkcionira hrvatsko tržište stambenih nekretnina i nekretnina u
trgovini na malo. Tržište stambenih nekretnina analizirat će se na temelju DW modela,
na principu statičke i dinamičke analize dok će tržište nekretnina u trgovini na malo biti
analizirano prema modificiranom dinamičkom modelu.
4.1. Ekonometrijski model ponude i potražnja stambenog tržišta
Model ponude i potražnje stambenog tržišta izveden je na 2 principa, statičke
i dinamičke analize. Statička analiza se bazira na mikroekonomskoj analizi ponude i
potražnje kojim se potom grafički može prikazati stanje na tržištu putem DW modela.
Dinamička analiza se bazira na mikroekonomskoj analizi ponude i potražnje kojoj je
dodana formula za kretanje ukupnog fonda kvadrata stanova te su dobivene 3
jednadžbe koje se rekurzivno nadopunjuju.
4.1.1. Statički model
Izrada statičkog modela ponajviše služi grafičkom prikazu stanja i promjena na
stambenom tržištu tijekom godina. Statički model počiva na regresijskoj analizi
funkcija koje su opisane u poglavlju 2.1. Za potrebe grafičkog prikaza modela 4
kvadranta potrebno je dobiti nagib i odsječak krivulje svakog kvadranta. Funkcija
potražnje za nekretninama, krivulja SI kvadranta izražena je regresijom funkcije (4.9.).
Funkcija jasno prikazuje odsječak i nagib. Odsječak je omjer b/a dok je nagib jednak
1/a. Na y osi SZ kvadranta nalazi se renta, odnosno trošak kapitala nekretnine dok se
na x osi nalazi količina stambenih kvadrata.
𝑅 =𝑏
𝑎−
1
𝑎∗
𝑆
𝐸 (4.9.)
U DiPasquale-Wheaton modelu renta je prikazana kao umnožak cijene
kvadrata nekretnine i kamatne stope. U statičkom modelu rentu će zamijeniti trošak
kapitala nekretnine pomnožen cijenom kao što je već navedeno u poglavlju 3.2.
Procijenjeni podaci. Grafički prikaz i dalje će biti istovjetan onome u DW modelu gdje
će bit prikazana ovisnost rente, troška kapitala (os y) i cijene kvadrata nekretnine (os
x). Odsječak na krivulji je 0 dok je nagib jednak prosjeku kamatne stope građanima za
dano razdoblje.
33
𝑅 = 𝑃 ∗ 𝑖 (4.10.)
Jugozapadni kvadrant DW modela se odnosi na tržište imovine koji određuje
količinu izgradnje novih nekretnina. Funkcija za izgradnju prilagođena je kako bi se
dobili kvalitetniji rezultati te ona ovisi o cijeni kvadrata nekretnine, kamatnoj stopi
trgovačkim društvima za prethodno razdoblje te prosječnoj plaći građana. Utjecaj
kamatne stope i plaće djeluje na funkciju, ali je vidljiv na grafičkom prikazu kao
odsječak na krivulji gdje se na osi y nalazi količina novogradnje dok je na osi x cijena
kvadrata stambene nekretnine. Nagib krivulje određen je koeficijentom uz cijenu
kvadrata nekretnine.
𝐶 = 𝜶 + 𝜷 ∗ 𝑃 + 𝒈 ∗ 𝑟(𝑡 − 1) ∗ 𝜹𝑊 (4.11.)
Jugoistočni kvadrant DW modela određuje količinu novogradnje koja će uz
postojeću razinu deprecijacije nekretnina biti potrebna kako bi ukupan fond kvadrata
stambenih nekretnina bio konstantan. Odsječak na krivulje ne postoji jer krivulja izlazi
iz ishodišta dok je nagib jednak prosjeku stope deprecijacije nekretnina za dano
razdoblje.
∆𝑆 = 𝐶 − 𝑑𝑆 (4.12.)
𝑑 =𝐶
𝑆 (4.13.)
Određivanjem potrebnih koeficijenata dobiva se sustav 4 kvadranta koji
spajanjem točaka jednakih vrijednosti daje pravokutnik koji označava dugoročnu
ravnotežu danog razdoblja. Promjena svakog od koeficijenta mijenja nagibe ili
odsječak krivulja te promjenom jedne krivulje cijelo ravnotežno stanje dobiva drugačiji
oblik zbog međuovisnosti kvadranata. Osim ove 4 funkcije, postoji i 5. funkcija
dugoročne ravnotežne potražnje za kvadratima stambenih nekretnina. Ona nastaje
uvrštavanjem formule (4.11.) za novogradnju u formule (4.9.) potražnje za stambenim
nekretninama. Konačni oblik funkcije jest sljedeći.
𝑆∗ = 𝐸 ∗𝒃−𝒂∗𝑖∗(𝜷+∆∗𝑟𝑡−1+𝜹∗𝑊)
1+𝒂∗𝜶∗𝑖∗𝐸∗𝑑 (4.14.)
34
4.1.2. Dinamički model
Kod dinamičke analize, potražnja na tržištu nekretnina određena je cijenom (p),
brojem kućanstava (n), dohotkom (y), dostupnošću kredita (a), i bogatstvom (w).
Ponuda je određena cijenom (p), troškovima (c) i dostupnošću kredita (a) (Charles,
1977, p 14-28).12
𝐷 = 𝑓(𝑝, 𝑛, 𝑦, 𝑎, 𝑤) (4.1.)
𝐷𝑦 > 0; 𝐷𝑛 > 0; 𝐷𝑎 > 0; 𝐷𝑤 > 0; 𝐷𝑝 < 0 (4.2.)
𝑆 = 𝑓(𝑝, 𝑐, 𝑎) (4.3.)
𝑆𝑝 > 0; 𝑆𝑐 < 0; 𝑆𝑎 > 0 (4.4.)
Empirijska analiza prema navedenim varijablama je teško izvediva za Hrvatsku
jer određeni podaci nisu javno objavljeni. Kao što je ranije objašnjeno, cijena kvadrata
nekretnine na sekundarnom tržištu nije javna, stoga je za ovo istraživanje korištena
cijena novoizgrađenih stanova bez POS stanova. broj kućanstava je zamijenjen za
zaposlenost koja je jače izražena determinanta potražnje, dohodak kućanstva je
zamijenjen prosječnom plaćom u državi dok je dostupnost kredita izražen pomoću
stope troška kapitala, također objašnjena u prethodnom poglavlju. Bogatstvo nije
podatak koji je javno dostupan u Hrvatskoj te također nije korišten u analizi. Stoga je
za ovo istraživanje potražnja izražena kao funkcija cijene, zaposlenosti, prosječne
plaće i stope troška kapitala.
𝐷 = 𝑓(𝑃, 𝐸, 𝑊, 𝑈) (4.5.)
U analizi potražnje za nekretninama, cijena kvadrata nekretnine izražena je kao
ovisnost troška kapitala, prosječne plaće te omjera ukupnog fonda stanova i
zaposlenosti.
𝐷𝑡 = 𝐻(𝑎0 − 𝑎1 ∗ 𝑈𝑡 − 𝑎2 ∗ 𝑃𝑡 + 𝑎3 ∗ 𝑌𝑡) (4.6.)
𝐷𝑡 = 𝑆𝑡 (4.7.)
𝑃𝑡 =1
𝑎2∗ (𝑎0 − 𝑎1 ∗ 𝑈𝑡 + 𝑎3 ∗ 𝑊𝑡 −
𝑆𝑡
𝐸𝑡) (4.8.)
12 Tica, J., (2004.). The Macroeconomic Aspects of the Croatian Housing Market, Ekonomski pregled, Vol.55 No. 7-8 Kolovoz 2004.
35
Na strani ponude važno je naglasiti kako je ukupna količina novoizgrađenih
kvadrata izražena pomoću cijene, ukupnog fonda kvadrata prethodne godine i
kamatne stope trgovačkim društvima prethodne godine.
𝐶𝑡 = 𝑏0 + 𝑏1 ∗ 𝑃𝑡 + 𝑏2 ∗ 𝑆(𝑡 − 1) + 𝑏3 ∗ 𝑟(𝑡 − 1) (4.9.)
Kako bi bilo moguće izvesti rekurzivnu funkciju, ovim dvjema jednadžbama
dodana je funkcija koja prikazuje promjenu ukupnog fonda stanova.
𝑆𝑡 − 𝑆𝑡−1 = 𝐶𝑡−1 (4.10.)
Međudjelovanjem formule (4.8.), formule (4.9.) i formule (4.10.), moguće je
izvesti zavisno predviđanje budućeg kretanja sektora stambenih nekretnina. Njihovim
kombiniranjem, moguće je izvesti cijenu kvadrata, količinu novogradnje i ukupan fond
kvadrata na temelju predviđanja ekonomskih kretanja (zaposlenosti, plaće), kao i
makroekonomskih uvjeta (kamatne stope, inflacija, porezi). Model djeluje rekurzivno,
počevši od 2015. godine. Fond kvadrata je poznat za tu godinu zbog funkcije (4.10.)
jer koristi fond kvadrata i količinu novogradnje iz 2014. godine. Pomoću ukupnog fonda
kvadrata i predviđenim ekonomskim varijablama, potom se računaju cijene za 2015.
godinu pomoću formule (4.8.). Koristeći izvedenu cijenu za 2015. godinu i ukupan fond
kvadrata pomoću formule (4.9.) se izvodi količina novogradnje. Time se ujedno
završava rekurzija za godinu 2015. te se rekurzija nastavlja formulom (4.10.) za 2016.
godinu.
4.2. Ekonometrijski model ponude i potražnje tržišta nekretnina u
trgovini na malo
Tržište nekretnina u trgovini na malo ponaša se slično kao i stambeno tržište,
odnosno zasniva se na stock-flow modelu trajnih dobara. Stock čini ukupan fond
kvadrata nekretnina u trgovini na malo, dok je flow njegova promjena u vidu
novogradnje i deprecijacije. U suštini, tržište nekretnina u trgovini na malo je identično
tržištu uredskim prostorom čiji je model opisan u knjizi Urban Economics and Real
Estate Markets, DiPasuqale-Wheaton (1996.).
Osnovna postavka modela također se sastoji od 3 osnovne međusobno
isprepletene istovjetnosti, ukupnom fondu nekretnina u trgovini na malo (𝑆𝑡), stopi
praznih nekretnina (𝑉𝑡) i zauzetom prostoru (𝑂𝐶𝑡). Varijabla d označava stopu
36
deprecijacije nekretnina dok je 𝐴𝐵𝑡 apsorpcija nekretnina koja označava promjenu
zauzetih nekretnina između 2 razdoblja.
𝑆𝑡 = (1 − 𝑑) ∗ 𝑆𝑡−1 + 𝐶𝑡 (4.11.)
𝑉𝑡 =𝑆𝑡−𝑂𝐶𝑡
𝑆𝑡 (4.12.)
𝑂𝐶𝑡 = 𝑂𝐶𝑡−1 + 𝐴𝐵𝑡 (4.13.)
Ove tri jednadžbe označavaju podlogu za modeliranje tržišta nekretnina u
trgovini na malo. Korištenjem ukupnog fonda kvadrata iz prethodnog razdoblja i
količine novogradnje, moguće je izračunati ukupan fond kvadrata za trenutno
razdoblje. Pretpostavljanjem apsorpcije nekretnina dobije se zauzeti prostor trenutnog
razdoblja. Na temelju tog broja i ukupnog fonda nekretnina, izračuna se stopa
upražnjenosti. Kako bi se dovršilo kružno kretanje modela, potrebno je izračunati
kretanje rente na temelju stope upražnjenosti. Renta potom određuje iduću količinu
apsorbcije i novogradnju.
Ako kažemo da je OC* količina prostora koju bi tvrtke tražile kada ne bi bilo
troškova mobilnosti i prilagodbe u dobivanju tog prostora. To je potencijalna potražnja
koja označava potražnju ex ante. Potražnja je produkt broja zaposlenih u sektoru
trgovine na malo pomnožen s površinom prostora po zaposlenom. Željena količina
prostora ovisi o renti i trenutnom ili potencijalnom rastu zaposlenika tvrtke. Koeficijent
𝛼1 određuje minimalnu površinu prostora po zaposlenom dok koeficijenti 𝛼2 𝑖 𝛼3
pokazuju veličinu promjene ovisno o rastu zaposlenosti ili rente.
𝑂𝐶∗ = 𝛼0 + 𝐸𝑡(𝛼1 + 𝛼2𝐸𝑡−𝐸𝑡−1
𝐸𝑡− 𝛼3𝑅𝑡) (4.14.)
Stvarna zauzetost prostora 𝑂𝐶𝑡 nije jednaka 𝑂𝐶∗ zbog tromosti tržišta i troškova
mobilnosti. Kada pretpostavimo da sve tvrtke u istom trenu obnavljaju svoje ugovore
o zakupu prostora, dok svima ostalima ističe u jednakom budućem trenutku, tada
dobivamo iduću jednadžbu o apsorpciji nekretnina.
𝑂𝐶𝑡 − 𝑂𝐶𝑡−1 = 𝐴𝐵𝑡 = 𝜏1(𝑂𝐶𝑡∗ − 𝑂𝐶𝑡−1) (4.15.)
Jednadžba 4.15. govori kako u svakom periodu, dio, 𝑇𝑡, korisnika nekretnina u
trgovini na malo promjeni količinu prostora koju koriste, u ovisnosti o tržišnim uvjetima.
37
Nakon određenog broja perioda, cjelokupni zauzeti prostor, 𝑂𝐶𝑡 bi trebao biti jednak
željenoj potražnji za zauzetim prostorom, 𝑂𝐶∗. Jednadžba 4.14. označava kako je
količina zauzetog prostora u danom trenutku ovisna o broju zaposlenih i njegovom
rastu te renti na tržištu. Kombinacijom jednadžbi 4.14. i 4.15. dobije se jednadžba za
apsorpciju prostora 𝐴𝐵𝑡.
𝐴𝐵𝑡 = 𝑇1 [𝛼0 + 𝐸𝑡 (𝛼1 + 𝛼2𝐸𝑡−𝐸𝑡−1
𝐸𝑡− 𝛼3𝑅𝑡)] − 𝜏1𝑂𝐶𝑡−1 (4.16.)
Jednadžba 4.16. će prilagođavati količinu zauzetog prostora dok ne dostigne
stabilnu razinu 𝑂𝐶𝑡∗ koja ovisi o broju zaposlenih u sektoru trgovine na malo i renti.
Kako bi se odredila renta i stopa upražnjenosti potrebna je još jedna jednadžba koja
povezuje gore navedene, a koja prikazuje odnos tražitelja i vlasnika prostora.
𝑅∗ = 𝜇0 − 𝜇1𝑉𝑡−1 + 𝜇2𝐴𝐵𝑡−1
𝑆𝑡−1 (4.17.)
𝑅𝑡 − 𝑅𝑡−1 = 𝜇3(𝑅∗ − 𝑅𝑡−1) (4.18.)
𝑅𝑡 − 𝑅𝑡−1 = 𝜇3 (𝜇0 − 𝜇1𝑉𝑡−1 + 𝜇2𝐴𝐵𝑡−1
𝑆𝑡−1) − 𝜇3𝑅𝑡−1) (4.19.)
Varijabla 𝑅∗ predstavlja ravnotežnu rentu koja čisti tržište, a određena je kao
linearna funkcija količine stope apsorpcije i stope upražnjenosti. Tržišne rente se kreću
po stopi 𝜇3 prema ravnotežnoj renti. Posljednja jednadžba koja je potrebna kako bi se
zaokružio model, jest ponuda novih nekretnina. Ako sa 𝐶∗označimo ravnotežnu razinu
novogradnje i pretpostavimo da je ona linearna funkcija varijabli: ukupnog fonda
nekretnina, stope upražnjenosti i apsorpciji. Tada je još potrebno odrediti za koji period
dane varijable kasne u konstrukciji zbog sporosti prilagodbe.
𝐶𝑡∗ = 𝛽0 + 𝛽1𝑆𝑡−𝑛 + 𝛽1𝑆𝑡−𝑛𝑉𝑡−𝑛 + 𝛽3𝑉𝑡−𝑛 (4.20.)
𝐶𝑡 − 𝐶𝑡−1 = 𝜏2(𝐶𝑡∗ − 𝐶𝑡−1) (4.21.)
𝐶𝑡 = 𝜏2(𝛽0 + 𝛽1𝑆𝑡−𝑛 + 𝛽1𝑆𝑡−𝑛𝑉𝑡−𝑛 + 𝛽3𝑉𝑡−𝑛) − 𝜏2𝐶𝑡−1 (4.22.)
Varijabla n označava broj vremenskih perioda kašnjenja koji daju količinu
konstrukcije za dano razdoblje. Navedeni sustav jednadžbi omogućuje predviđanje
budućih događaja na temelju danih ekonomskih varijabli jednako kao i dinamički
38
model za stambeno tržište.13 Nažalost, podaci o zauzetosti nekretnina, renti, stopi
upražnjenosti i apsorpciji nisu dostupni te ih je iznimno teško aproksimirati kako bi se
dobio približno točan model. Zbog toga je tržište nekretnina u trgovini na malo
obrađeno samo teorijski.
5. EMPIRIJSKI REZULTATI
Ekonometrijski modeli koji su objašnjeni u prethodnom poglavlju izvedeni su na
temelju prikupljenih i procijenjenih podataka za stambeno tržište na opsegu cijele
Hrvatske uključujući Zagreb te samo za područje Zagreba. Rezultati su podijeljeni na
analizu statičkog modela i analizu dinamičkog modela. Statički model je razrađen na
temelju cijelog razdoblja od 1997. do 2014. godine. Na grafičkim prikazima dobivenih
rezultata, pune linije će označavati povijesne vrijednosti koje su statistički
evidentirane, dok će isprekidane linije označavati vrijednosti određene modelom,
𝑅,̂ 𝐶,̂ 𝑃,̂ 𝑆∗.
5.1. Statički model ponude i potražnje
Statički model stambenog tržišta proveden je na dva područja u razdoblju od
1997. do 2014. godine. Prvo područje se odnosi na stambeno tržište cijele Hrvatske
dok je drugo obuhvatilo grad Zagreb. Prvo je provedena regresijska analiza cijelog
razdoblja funkcijama iz poglavlja 4.1.1. Statički model. Dobiveni rezultati prikazuju
koeficijent korelacije modela sa povijesnim podacima, kako za područje Hrvatske tako
i za grad Zagreb. Time je dobiven osnovni grafički prikaz DW modela 4 kvadranta koji
je moguće vidjeti na Grafikonu XVII.
Potom je provedena regresijska analiza prema funkcijama navedenim u
poglavlju 4.1.1. Statički model, za 3 kronološka razdoblja od po 6 godina. Na njima je
moguće uočiti promjene koje su rezultat kretanja varijabli iz modela te njihovu razliku
u odnosu na stambeno tržište cijele Hrvatske i Zagreba.
Osnovni podaci koji se mogu zaključiti iz Grafikona XVII. su sljedeći: odnos
potražnje za stambenim fondom Zagreba i Hrvatske je proporcionalna odnosu broja
stanovnika Zagreba i Hrvatske. Sličan odnos ima i ponuda novogradnje. Cijena
13 DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate Markets, Prentice Hall,
New Jersey, poglavlje 12., stranica 293.-307.
39
kvadrata stambene nekretnine je cca 20% skuplja u Zagrebu u odnosu na tržište
Hrvatske. Zbog višeg odnosa novogradnje i ukupnog fonda stanova, deprecijacija ima
višu vrijednost za Zagreb te shodno tome strmiju funkciju amortizacije. Uz potrebne
podatke, moguće je izraditi prethodni grafikon za bilo koju regiju Hrvatske te vidjeti
njena kretanja kroz razdoblja.
5.1.1. Hrvatska, cjelovita analiza
Podaci korišteni u statičkom modelu hrvatskog stambenog tržišta nekretnina
nalaze se u Tablici 1., poglavlje 8. Tablice. Statički model izveden je primjenom
metodologije opisane u poglavlju 4.1.2. Statički model. Analiza se odnosi na hrvatsko
stambeno tržište nekretnina u razdoblju od 1997. do 2014. godine gdje su podaci
obrađeni kao cjelina. Provedena je regresijska analiza troška kapitala u odnosu na
omjer stambenog fonda i zaposlenost. Time su dobiveni koeficijenti a i b potrebni za
Grafikon XVII.: DiPasquale-Wheaton model, usporedba stambenog tržišta Zagreba i Hrvatske, dugoročna ravnoteža za razdoblje 1997.-2014.
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
40
daljnju analizu. Potom je provedena regresijska analiza količine novoizgrađenih
kvadrata u odnosu na cijenu kvadrata nekretnine, kamatnu stopu trgovačkim
društvima iz prethodnog razdoblja te prosječne plaće građana. Time su dobiveni
koeficijenti α, β, g i δ. Koeficijenti a i b se odnose na funkciju potražnje za stambenim
nekretninama dok se koeficijenti α, β, g i δ odnose na funkciju ponude novoizgrađenih
stambenih nekretnina.14
Važno je napomenuti kako Hrvatska nije zatvorena država te i strani građani
mogu kupovati nekretnine što utječe na potražnju. Strani građani svojim kapitalom
također mogu i graditi nove nekretnine čime utječu na strani ponude. Nedostatak
vođenja ove evidencije onemogućuje izračun ovog utjecaja na strani ponude i
potražnje, no on je zasada i dalje prilično minoran u odnosu na ukupnu ponudu i
potražnju stambenog tržišta.
Regresijom funkcije potražnje za stambenim nekretninama dobivena je
funkcija:
𝑅𝑡 = −10063,2 + 102,0584 ∗𝑆𝑡
𝐸𝑡 15
(−4,81) (4,91)
𝑅2 = 0,60, 𝑁 = 18 (1997.-2014.)
14 Achour-Fischer D. (1999) An Integrated Property Market Model: A Pedagogical Tool. Journal of Real Estate Practice and Education: 1999, Vol. 2, No. 1, pp. 33-43. 15 Formula koja je zapravo procijenjena glasi:
R(t)=b/a-()*(S/E) R(t)=98,60/0,00979-(1/0,00979)*(S/E)
41
F vrijednost iznosi 24,10 te odbacuje nultu hipotezu da je parcijalni koeficijent
varijable S/E insignifikntan i jednak 0. U zagradama se nalaze t vrijednosti. Trošak
kapitala je pretpostavljen prema formuli danoj u poglavlju 3.2. Projicirani podaci, a
zasniva se na dugoročnoj kamatnoj stopi prema kućanstvima od koje je oduzeta
inflacija i promjena vrijednosti nekretnine za prethodne 4 godine. Predznak uz varijablu
S/E je pozitivan što znači da će porastom (padom) ukupnog fonda stanova ili padom
(porastom) zaposlenosti doći do rasta (pada) rente, odnosno troška kapitala. Varijabla
S/E je signifikantna na razini od 1%. Grafikon XVIII. prikazuje vrijednost dobivenu
modelom, �̂�, u odnosu na povijesne vrijednosti.
Regresijom funkcije ponude novogradnje dobivena je funkcija:
𝐶𝑡 = 3120890 + 294,55 ∗ 𝑃𝑡 − 16722562 ∗ 𝑟𝑡−1 − 783,59 ∗ 𝑊𝑡
(6,16) (6,47) (−6,65) (−8,25)
𝑅² = 0,87, 𝑁 = 18 (1997.-2014.)
-900
-600
-300
0
300
600
900
1200
1500
1997 1999 2001 2003 2005 2007 2009 2011 2013
vrije
dn
ost
tro
ška
kap
ital
a u
kn
/m²
godina
Vrijednost troška kapitala određene modelom
Pretpostavljena povijesna vrijednost troška kapitala
Grafikon XVIII.: Kretanje pretpostavljene povijesne vrijednosti troška kapitala u Hrvatskoj, u odnosu na vrijednost troška kapitala određen modelom
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
42
F vrijednost od 30,6104 snažno odbacuje nultu hipotezu da su parcijalni
koeficijenti varijable, 𝑃𝑡, 𝑟𝑡−1i 𝑊𝑡insignifikatni i jednaki 0. U zagradama se nalaze t
vrijednosti. Predznak ispred varijable cijena i kamatna stopa je intuitivno jasan, rast
cijene vodi rastu izgradnje zbog viših profita, dok rast kamatne stope poduzećima
smanjuje obujam izgradnje zbog viših troškova zaduživanja. Negativni predznak
ispred varijable W, prosječna plaća je suprotna intuitivnoj. Porast prosječne plaće bi
trebao povećati dohodak građana te sukladno tome i njihovu potražnju za novim
nekretninama, no ovdje to nije slučaj. Razlog ovakvog čudnog rezultata mogao bi biti
taj što je u promatranom razdoblju od 18 godina, prvih 6 godina bilo razdoblje
prilagodbe na tržišnu ekonomiju dok je u posljednjih 6 godina rasla plaća u tekućim
cijenama, ali je realna plaća ostala na istom ako ne i nižem nivou. Prosječna plaća
ima pozitivan koeficijent jedino u razdoblju od 2003. do 2008. te ga prvo i treće
razdoblje poništavaju te je ukupan predznak za cjelokupni period u konačnici
negativan. Sve tri varijable su signifikantne na razini od 1%.
Dobiveni koeficijenti a, b, α, β, g i δ, su ubačeni u formulu za funkciju dugoročne
ravnotežne potražnje za stambenim nekretninama. Funkcija nije regresijski
analizirana zbog svog kvadratnog oblika. Dobiveni rezultat za razdoblje od 1997.-
2014. godine je uspoređen sa ukupnim stambenim fondom Republike Hrvatske te se
može vidjeti na Grafikonu XX. Usporedba potražnje s ponudom stanova na tržištu dala
je zanimljiv rezultat koji pokazuje izrazitu nestabilnost te cikličku ovisnost potražnje o
0
500.000
1.000.000
1.500.000
2.000.000
2.500.000
1997 1999 2001 2003 2005 2007 2009 2011 2013
količ
ina
no
vogr
adn
je u
m²
godina
Količina novogradnje stambenih nekretnina određena modelom
Povijesna količina novogradnje stambenih nekretnina
Grafikon XIX.: Kretanje povijesne količine novogradnje stambenih nekretnina u Hrvatskoj, u odnosu na količinu određenu modelom
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
43
stanju ekonomije u danom trenutku. U razdoblju od 1997. do 2004. potražnja je niža
od ponude izuzev 2000. godine. Potom slijedi nagli rast potražnje koji posljedično diže
cijenu nekretnina i količinu novogradnje sve do dolaska svjetske krize koja jako utječe
na hrvatsko stambeno tržište. Potražnja pada 6 godina zaredom te se trenutno nalazi
ispod vrijednost iz 2002. kada je zadnji put dosegla najnižu razinu.
𝑆∗ = 𝐸 ∗𝒃 ∗ 𝜷 + 𝑈 ∗ 𝑎(𝜶 + 𝛄 ∗ 𝑟𝑡−1 + 𝜹 ∗ 𝑊)
𝜷 + 𝒂 ∗ 𝑈 ∗ 𝐸 ∗ 𝑑
𝑆∗ = 𝐸 ∗𝟗𝟖, 𝟔 ∗ 𝟐𝟗𝟒, 𝟓𝟓 + 𝑈 ∗ 0,0098(3120889 − 16722562 ∗ 𝑟𝑡−1 − 783,59 ∗ 𝑊)
𝟐𝟗𝟒, 𝟓𝟓 + 𝟎, 𝟎𝟎𝟗𝟖 ∗ 𝑈 ∗ 𝐸 ∗ 𝑑
Grafikon XX.: Kretanje ukupnog stambenog fonda Hrvatske i modelom određene dugoročne ravnotežne potražnje za stambenim nekretninama u Hrvatskoj
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
5.1.2. Hrvatska, analiza po 6-godišnjim razdobljima
Rezultat statičkog modela ponude i potražnje hrvatskog stambenog tržišta
analizirat će se grafički na temelju dobivenih rezultata ekonometrijske analize. Vrijeme
promatranja od 18 godina podijeljeno je na 3 perioda od 6 godina i to: poratno
razdoblje od 1997. do 2002. godine, razdoblje općeg rasta ekonomije od 2003.-2008.
110.000.000
120.000.000
130.000.000
140.000.000
150.000.000
160.000.000
170.000.000
1997 1999 2001 2003 2005 2007 2009 2011 2013
Ko
ličin
a st
amb
eno
g fo
nd
a u
m²
godinaukupan stambeni fond Republike Hrvatske
Dugoročna ravnotežna potražnja određena modelom
𝑆∗
S
44
godine te razdoblje svjetske ekonomske krize iz koje Hrvatska tek danas pomalo izlazi,
a odnosi se na godine 2009. do 2015. Početna godina je uzeta zbog odmaka od
Domovinskog rata kada je građevinska aktivnost bila na izuzetno niskoj razini.
Također, Hrvatska kuna nije bila u potpunosti stabilna valuta u početku svoga
postojanja te se statistički pokazatelji cijene kvadrata nekretnine i početne plaće ne
mogu uzeti kao relevantni za ranije razdoblje. Ukupno razdoblje promatranja iznosi 18
godina te je prikladno svaki period podijeljen na 6 godina, što je dovoljno dugo vrijeme
za promatranje ekonomskog ciklusa.
U početku je provedena regresijska analiza istovjetna onoj za cijeli period od
18 godina. No, pokazalo se kako t vrijednost za varijable nije signifikantna na razini od
10% za manji uzorak od 6 godina. Uz to, postojala je visoka diskrepancija grafičkog
prikaza u odnosu na dobivene rezultate. Stoga je iz funkcije ponude novogradnje
izbačena kamatna stopa za poduzeća i prosječna plaća te je funkcija svedena na svoj
izvorni oblik 𝐶 = (𝑃 − 𝛽) ∗ 𝛼, odnosno 𝐶 =−𝛽
𝛼+
1
𝛼∗ 𝑃. Time je dobivena niža
korelacija modela sa stvarnim podacima, ali je varijabla cijene postigla razinu
signifikantnosti od 10%. U model funkcije potražnje je, osim ukupnog stambenog
fonda i zaposlenosti pokušano dodati određene varijable kako bi se vidjelo kako
reagiraju na ukupnu potražnju za nekretninama. Varijable su bile: broj stanovnika u
Hrvatskoj, broj kućanstava u Hrvatskoj, prosječna plaća, indeks cijena građevinskog
materijala. Nijedna od varijabli nije davala signifikantnu t vrijednost za cjelokupni
period od 18 godina te se koristila standardna formula za DW model.
Regresijom funkcije potražnje za stambenim nekretninama na temelju 3
perioda od po 6 godina dobivene su sljedeće formule, poredane kronološki:
𝑅 = −15031,5 + 150,18 ∗𝑆
𝐸
𝑅2 = 0,12, 𝑁 = 6 (1997.-2002.)
𝑅 = −15889,3 + 163,62 ∗𝑆
𝐸
𝑅2 = 0,46, 𝑁 = 6 (2003.-2008.)
45
𝑅 = −8217,15 + 85,12 ∗𝑆
𝐸
𝑅2 = 0,70, 𝑁 = 6 (2009.-2014.)
Koeficijent korelacije ja prilično slab za prva dva perioda, jednako kao i F
vrijednost koja iznosi 0,52 i 3,40 za prva dva perioda. Razlog tome je nepostojanje
podataka o trošku kapitala, odnosno renti te je ona aproksimirana, opisano u poglavlju
3.1. Projicirani podac. Koeficijenti su ipak korišteni kako bi se dobio grafički model po
razdobljima.
Regresijom funkcije ponude novogradnje na temelju 3 perioda od po 6 godina
dobivene su sljedeće formule, poredane kronološki:
𝐶 = 261682,37 + 112,46 ∗ 𝑃
𝑅2 = 0,17, 𝑁 = 6 (1997.-2002.)
𝐶 = 402961,941 + 126,51 ∗ 𝑃
𝑅2 = 0,86, 𝑁 = 6 (2003.-2008.)
𝐶 = −3710658,57 + 417,61 ∗ 𝑃
𝑅2 = 0,59, 𝑁 = 6 (2009.-2014.)
Koeficijent korelacije je slab za prvi period, kao i t vrijednost za varijablu cijena
koja je insignifikantna na razini od 10%. Varijabla cijene ima signifikantnu t vrijednost
za druga dva perioda na razini od 10%. Razlog slabe korelacije cijene i izgradnje u
prvom periodu može biti u poratnom razdoblju kada još nisu u potpunosti počeli
djelovati tržišni principi, već se išlo isključivo na obnovu ratom zahvaćenih područja.
Bez obzira na slabije rezultate, koeficijenti su korišteni u grafičkom modelu kako bi se
približno prikazala situacija na tržištu. Grafički model se prikazao daleko preciznijim
za koeficijente dobivene regresijom jednadžbe za ponudu novogradnje isključivo
preko cijene, bez kamatne stope poduzećima i prosječne plaće.
Dobivene varijable iz prethodnih funkcija poslužile su u izradi grafičkog prikaza
DiPasquale-Wheaton modela, Grafikon XXI. Rezultate je potrebno uzeti s rezervom
zbog niže korelacije sa stvarnim podacima. Najslabija korelacija s modelom je u prvom
46
razdoblju, 1997.-2002. godine što je donekle i logično jer je Hrvatska prolazila
tranizicijsko razdoblje iz socijalističkog sustava u kapitalizam.
Osnovni zaključci koji se mogu spoznati na temelju grafičkog prikaza DW
modela hrvatskog stambenog tržišta su: potražnja u hrvatskoj stagnira od nastanka
države jer bez obzira na rast kućanstava, broj stanovnika pada dok se zaposlenost
ciklički mijenja oko iste baze, koja otprilike iznosi 1.350.000 zaposlenih osoba. Nakon
stabilizacije valute dolazi do pada kamatnih stopa koje su povisile cijenu stanova i
smanjile trošak zaduživanja te tako povećavale prihode građevinskog sektora, a time
i obujam građevinskih radova. U zadnjem periodu, periodu gospodarske krize, visoka
cijena nekretnina i blagi rast kamatnih stopa izrazito smanjuje ponudu novogradnje na
tržištu stambenih nekretnina. Gospodarska kriza je bila toliko snažna i dugotrajna da
je došlo do pada procijenjene dugoročne potražnje na razinu koja nije zabilježena od
Grafikon XXI.: DiPasquale-Wheaton model baziran na hrvatskom stambenom tržištu nekretnina podijeljen na 3 perioda od 6 godina
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
47
1997. godine. Ponuda novogradnje je za zadnji period također pala na rekordno niske
razine te se prema modelu aktivira tek kada cijena kvadrata dosegne razinu od
približno 9000 kn. Pretpostavka je da je kriza dosegla svoju najnižu razinu te će doći
do oporavka nakon 2014. godine zbog rasta zaposlenosti koja ima najveći utjecaj na
potražnju za stambenim nekretninama.
Tijekom istraživanja, postupkom pokušaj pogreška, testirano je više
kombinacija varijabli kako bi se vidjelo u kojim uvjetima renta i količina novogradnje
najbolje reagiraju.
Prosječna plaća je prebačena u varijablu rente, no formula 𝑅 =𝑏
𝑎−
1
𝑎∗
𝑆
𝐸∗𝑊 se
nije pokazala kao relevantna, uz slabu korelaciju je imala i insignifikantne varijable.
Jednak postupak je proveden i za funkciju novogradnje gdje su na postojeću 𝐶 = 𝜶 +
𝜷 ∗ 𝑃 + 𝒈 ∗ 𝑟(𝑡 − 1) ∗ 𝜹𝑊 dodane varijable indeks troškova građevinskog materijala
(𝐶𝑚) te indeks prosječne plaće u sektoru Građevinarstvo (𝐶𝑊), no obje su se pokazale
kao insignifikantne te je s njima u formuli korelacija bitno smanjena. Nakon neuspjelih
pokušaja pronalaska jače koreliranosti rente i količine novogradnje odustalo se od
korištenja navedenih varijabli u modelu.
5.1.3. Zagreb, cjelovita analiza
Zagrebačko tržište stambenih nekretnina analizirano je istim principom kao i
hrvatsko tržište. Podaci korišteni u statičkom modelu zagrebačkog stambenog tržišta
nekretnina nalaze se u Tablici 2., poglavlje 8. Tablice. Statički model izveden je
primjenom metodologije opisane u poglavlju 4.1.1. Statički model . Analiza se odnosi
na zagrebačko stambeno tržište nekretnina u razdoblju od 1997. do 2014. godine gdje
su podaci obrađeni kao cjelina.
Razlika između hrvatskog tržišta stambenih nekretnina i zagrebačkog tržišta
stambenih nekretnina, osim u obujmu, leži i u dnevnim migracijama stanovništva. Kao
što je opisano u poglavlju 5.1.1. strani građani čine dio ponude i potražnje na
hrvatskom tržištu stambenih nekretnina. Jednako tako čine i na zagrebačkom tržištu,
ali puno bitniji faktor su ljudi koji žive izvan Zagreba, a zaposleni su u Zagrebu i
obrnuto. Prema službenoj evidenciji grada Zagreba, u Zagrebu je od 1997. do 2014.
godine bilo zaposleno između 330 i 420 tisuća ljudi dok je broj stanovništva iznosio
približno 800 tisuća uz izrazito male pomake. U Hrvatskoj je u istom razdoblju bilo
48
zaposleno između 1200 i 1500 tisuća ljudi dok je broj stanovništva konstantno padao
s 4,5 na 4,2 milijuna ljudi. Omjer broja zaposlenih i ukupnog stanovništva u Zagrebu
za dano razdoblje iznosi cca 0,42-0,52 dok omjer broja zaposlenih i ukupnog
stanovništva u Hrvatskoj za dano razdoblje iznosi cca 0,27-0,35. U Zagrebu je stopa
zaposlenosti za cijelo promatrano razdoblje bila viša od hrvatskog prosjeka, ali ne
toliko koliko sugeriraju navedeni podaci. Razlog tome je ranije navedena metodologija
obračuna koja potom daje iskrivljene podatke analize koja je provedena u ovom radu.
Regresijom funkcije potražnje za stambenim nekretninama dobivena je
funkcija:
𝑅𝑡 = −14574,8 + 250,48 ∗𝑆𝑡
𝐸𝑡
𝑅2 = 0,67, 𝑁 = 18 (1997.-2014.)
F vrijednost od 18,89 odbacuje nultu hipotezu da je parcijalni koeficijent
varijable S/E insignifikantan i jednak 0. Koeficijent uz varijablu S/E je cca 2,5 puta veći
od onoga za čitavu Hrvatsku što upućuje na puno veću promjenu troška kapitala
prilikom promjene omjera stambenog fonda i zaposlenosti u Zagrebu.
-1500
-1000
-500
0
500
1000
1500
2000
1997 1999 2001 2003 2005 2007 2009 2011 2013
vrije
dn
ost
tro
ška
kap
ital
a u
kn
/m²
godinaVrijednost troška kapitala nekretnine određena modelom
Pretpostavljena povijesna vrijednost troška kapitala
Grafikon XXII.: Kretanje pretpostavljene povijesne vrijednosti troška kapitala u Zagrebu, u odnosu na vrijednost troška kapitala određen modelom
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
49
Regresijom funkcije ponude novogradnje dobivena je funkcija:
𝐶𝑡 = 774443,2 + 116,75 ∗ 𝑃𝑡 − 6633902 ∗ 𝑟𝑡−1 − 247,19 ∗ 𝑊𝑡
𝑅2 = 0,88, 𝑁 = 18 (1997.-2014.)
F vrijednost od 33,99 snažno odbacuje nultu hipotezu da su parcijalni
koeficijenti varijable, P(t), r(t-1) i W(t) insignifikatni i jednaki 0. Ponovno kao i u
jednadžbi za područje čitave Hrvatske, predznak uz prosječnu plaću je negativan što
je suprotno od intuitivne vrijednosti koja bi se trebala pojaviti uz tu varijablu. Mogući
razlozi su već opisani u poglavlju 5.1.1. U odnosu na hrvatsko tržište, u Zagrebu sve
tri varijable, cijena, kamatna stopa poduzećima i prosječna plaća imaju manje
koeficijente što vodi do zaključka kako njihova promjena slabije utječe na promjenu
količine novogradnje.
Dobiveni koeficijenti a, b, α, β, g i δ, su ubačeni u formulu za funkciju dugoročne
ravnotežne potražnje za stambenim nekretninama. Funkcija nije regresijski
analizirana zbog svog kvadratnog oblika. Dobiveni rezultat za razdoblje od 1997.-
2014. godine je uspoređen sa ukupnim stambenim fondom Zagreba te se može vidjeti
na Grafikonu XXIV. Usporedba potražnje s ponudom stanova na tržištu dala je
zanimljiv rezultat koji pokazuje donekle slabiju nestabilnost u odnosu na čitavu
Hrvatsku te cikličku ovisnost potražnje o stanju ekonomije u danom trenutku. U
0
100.000
200.000
300.000
400.000
500.000
600.000
700.000
1997 1999 2001 2003 2005 2007 2009 2011 2013
količ
ina
no
vogr
adn
je u
m²
godina
Količina novogradnje stambenih nekretnina određena modelom
Povijesna količina novogradnje stambenih nekretnina
Grafikon XXIII.: Kretanje povijesne količine novogradnje stambenih nekretnina u Hrvatskoj, u odnosu na količinu određenu modelom
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
50
razdoblju od 1997. do 2004. potražnja je niža od ponude. Potom slijedi nagli rast
potražnje koji posljedično diže cijenu nekretnina i količinu novogradnje sve do dolaska
svjetske krize koja jako utječe na hrvatsko stambeno tržište. Potražnja pada 6 godina
zaredom, ali za razliku od situacije na tržištu čitave Hrvatske, potražnja ne opada na
razinu iz 2002. već se nalazi na donekle višoj vrijednosti iz 1997. godine.
𝑆∗ = 𝐸 ∗𝟓𝟖, 𝟏𝟗 ∗ 𝟏𝟏𝟔, 𝟕𝟓 + 𝑈 ∗ 0,0039(𝟕𝟕𝟒𝟒𝟒𝟑 − 6633902 ∗ 𝑟𝑡−1 − 247,18 ∗ 𝑊)
𝟏𝟏𝟔, 𝟕𝟓 + 𝟎, 𝟎𝟎𝟑𝟗 ∗ 𝑈 ∗ 𝐸 ∗ 𝑑
5.1.4. Zagreb, analiza po 6-godišnjim razdobljima
Rezultat statičkog modela ponude i potražnje zagrebačkog stambenog tržišta
analizirat će se grafički na temelju dobivenih rezultata ekonometrijske analize. Vrijeme
promatranja od 18 godina podijeljeno je na 3 perioda od 6 godina jednako kao i za
hrvatsko tržište stambenih nekretnina. Jednako kao i za analizu cjelokupnog hrvatskog
tržišta, iz fukcije ponude novogradnje su izbačene varijable prosječna plaća i kamatna
stopa poduzećima za prethodno razdoblje, jer su se pokazale insignifikantne na
uzorku od 6 godina. Stoga je ponovno korištena osnovna DiPasquale-Wheaton
formula za ponudu kvadrata stambene novogradnje koja glasi: 𝐶 = (𝑃 − 𝛽) ∗ 𝛼,
odnosno 𝐶 =−𝛽
𝛼+
1
𝛼∗ 𝑃.
18.000.000
19.000.000
20.000.000
21.000.000
22.000.000
23.000.000
24.000.000
25.000.000
26.000.000
27.000.000
1997 1999 2001 2003 2005 2007 2009 2011 2013
količ
ina
zagr
ebač
kog
stam
ben
og
fon
da
u m
²
godina
ukupan stambeni fond grada Zagreba dugoročna ravnotežna potražnja određena modelom
𝑆∗
S
Grafikon XXIV.: Kretanje ukupnog stambenog fonda Zagreba i modelom određene dugoročne ravnotežne potražnje za stambenim nekretninama u Zagrebu
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
51
Regresijom funkcije potražnje za stambenim nekretninama na temelju 3
perioda od po 6 godina dobivene su sljedeće formule, poredane kronološki:
𝑅 = −13736,7 + 229,74 ∗𝑆
𝐸
𝑅2 = 0,51, 𝑁 = 6 (1997.-2002.)
𝑅 = −20872,8 + 361,43 ∗𝑆
𝐸
𝑅2 = 0,83, 𝑁 = 6 (2003.-2008.)
𝑅 = −12606,31 + 223,97 ∗𝑆
𝐸
𝑅2 = 0,86, 𝑁 = 6 (2009.-2014.)
Koeficijent korelacije je viši za sva 3 razdoblja u odnosu na cjelokupno hrvatsko
tržište. F vrijednost je signifikantna na razini od 13%, i dalje slab rezultat, ali bolji od
prve analize. Razlog tome je nepostojanje podataka o trošku kapitala, odnosno renti
te je ona aproksimirana, opisano u poglavlju 3.1. Projicirani podaci. Koeficijenti su ipak
korišteni kako bi se dobio grafički model po razdobljima.
Regresijom funkcije ponude novogradnje na temelju 3 perioda od po 6 godina
dobivene su sljedeće formule, poredane kronološki:
𝐶 = −177710 + 41,25 ∗ 𝑃
𝑅2 = 0,14, 𝑁 = 6 (1997.-2002.)
𝐶 = −452115 + 75,96 ∗ 𝑃
𝑅2 = 0,94, 𝑁 = 6 (2003.-2008.)
𝐶 = −967029 + 92,68 ∗ 𝑃
𝑅2 = 0,77, 𝑁 = 6 (2009.-2014.)
Najslabija korelacija vidljiva je u prvom periodu kada je cijena nekretnine i dalje
pod utjecajem ratnih razdoblja te slabe likvidnosti sekundarnog tržišta. Varijabla cijene
je insignifikantna na prvo razdoblje. Drugi i treći period imaju prilično visok koeficijent
korelacije te im je varijabla cijene signifikantna na razini 1% za drugo te 10% za treće
52
razdoblje. Slabija signifikantnost trećeg razdoblja je uvjetovana ljepljivim cijenama
koje ne slijede osnovne tržišne mehanizme.16
Osnovni zaključci koji se mogu spoznati na temelju grafičkog prikaza DW
modela zagrebačkog stambenog tržišta, na grafikonu XXV. su sljedeći. Potražnja u
Zagrebu se razlikuje od one na čitavu Hrvatsku jer broj stanovništva u Zagrebu ima
minimalnu, no stabilnu stopu rasta. Zbog toga se utjecaj posljednje gospodarske krize
nije toliko osjetio na potražnju koja se blago smanjila. Nakon stabilizacije valute došlo
je do pada kamatnih stopa koje su povisile cijenu stanova i smanjile trošak zaduživanja
te tako povećavale prihode građevinskog sektora, a time i obujam građevinskih
radova. Zagrebačko tržište je osjetilo dvostruki rast ponude novogradnje za razdoblje
od 2003.-2008. u odnosu na prethodno 6-godišnje razdoblje. U zadnjem periodu,
periodu gospodarske krize, visoka cijena nekretnina i blagi rast kamatnih izrazito
smanjuje ponudu novogradnje na tržištu stambenih nekretnina. Ponuda novogradnje
je u zadnjem periodu postala izuzetno neelastična te je također pala na rekordno niske
razine. Prema modelu, do aktivacije novogradnje dolazi tek kad cijena kvadrata
dosegne razinu od cca 10500 kn. Pretpostavka je da je kriza dosegla svoju najnižu
razinu te će doći do oporavka nakon 2014. godine zbog rasta zaposlenosti koja ima
najveći utjecaj na potražnju za stambenim nekretninama.
16 Tica, J., (2011), Ekonomske posljedice politike sprječavanja pada cijene stanova, No 1106, EFZG Working Papers Series, Faculty of Economics and Business, University of Zagreb.
53
5.2. Dinamički model ponude i potražnje
5.2.1. Hrvatska
Dinamički model ponude i potražnje hrvatskog tržišta stambenih nekretnina
analiziran je na temelju podataka koji se nalaze u Tablici 1., poglavlje 8. Tablice. Model
se sastoji od 3 funkcije: potražnja za nekreninama, ponuda novih nekretnina i ukupan
fond nekretnina. Međuovisnost ovih triju funkcija omogućuje rekurzivno djelovanje
koje potom predviđa buduća kretanja potražnje i ponude na temelju zadanih
ekonomskih varijabli (inflacija, kamatna stopa građanima i poduzećima, zaposlenost,
rast plaće).
Grafikon XXV.: DiPasquale-Wheaton model baziran na zagrebačkom stambenom tržištu nekretnina podijeljen na 3 perioda od 6 godina
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
54
Dinamički model ponude i potražnje objašnjen u poglavlju 4.1.2. Dinamički
model, određuje potražnju kao funkciju cijene u ovisnosti o trošku kapitala, dohotka (u
ovom slučaju prosječne plaće) te omjera stambenog fonda i zaposlenosti. Regresijom
je utvrđeno kako trošak kapitala nije signifikantna varijabla u određivanju cijene te je
izbačen iz jednadžbe. Regresijska analiza podataka za razdoblje od 1997.-2014.
godine dala je sljedeću funkciju potražnje za stambenim nekretninama.
𝑃𝑡 = 15862,17 + 1,75 ∗ W𝑡 − 131,86 ∗S𝑡
E𝑡
(6,04) (13,13) (−4,84)
𝑅 = 0,92, 𝑁 = 18 (1997.-2014.)
F vrijednost od 64,10 snažno odbacuje nultu hipotezu da su parcijalni
koeficijenti varijable W i S/E insignifikatni i jednaki 0. Koeficijent uz varijablu prosječna
plaća je pozitivan, rastom dohotka građana raste potražnja za nekretninama što diže
cijenu kvadrat. Omjer stambenog fonda i zaposlenosti ima negativan predznak što
intuitivno govori kako porast (pad) stambenog fonda te pad (porast) zaposlenosti
smanjuje (povećava) potražnju za stambenim nekretninama čime cijena kvadrata
pada (raste). Varijable prosječna plaća te omjer stambenog fonda i zaposlenosti su
signifikantne na razini od 1%. Varijabla troška kapitala nije se pokazala signifikantna
na razini od 10% te je izbačena iz jednadžbe. Razlog može ležati u tome što prosječni
građani Hrvatske nisu dovoljno bogati da bi nekretnine koristili kao kapital, već je
prosječnom Hrvatu nekretnina većinom isključivo mjesto za stanovanje.
55
Regresijska analiza podataka za razdoblje 1997.-2014. godine dala je sljedeću
funkciju ponude novogradnje stambenih nekretnina, koju je moguće vidjeti na
Grafikonu XXVI.
𝐶𝑡 = 9877714 + 213,65 ∗ 𝑃𝑡 − 0,07 ∗ 𝑆𝑡−1 − 10235359 ∗ 𝑟𝑡−1
(12,45) (7,50) (−11,69) (−6,34)
𝑅 = 0,93, 𝑁 = 18 (1997.-2014.)
F vrijednost od 59,96 snažno odbacuje nultu hipotezu da su parcijalni
koeficijenti varijable, 𝑃𝑡, 𝑆𝑡−1, 𝑟𝑡−1 insignifikatni i jednaki 0. Koeficijent uz varijablu P,
cijena kvadrata nekretnine je pozitivan te prikazuje jasnu povezanost rasta cijene
nekretnine s porastom izgradnje novih nekretnina. Varijable 𝑆𝑡−1, 𝑟𝑡−1 imaju negativan
predznak koji daje do znanja da će se porastom fonda stanova i kamatne stope
količina novogradnje smanjiti. Sve 3 varijable imaju signifikantne t vrijednosti na razini
od 1%.
Funkcija 𝑆𝑡 = 𝑆𝑡−1 + 𝐶𝑡−1 jest funkcija koja preuzima podatke iz prošlog
razdoblja te računa ukupan stambeni fond sljedećeg razdoblja. Time se dobiva
podatak za funkciju potražnje koji računa cijenu. Dobivena cijena se potom ubacuje u
0
2000
4000
6000
8000
10000
12000
14000
16000
1997 1999 2001 2003 2005 2007 2009 2011 2013
cije
na
kvad
rata
sta
mb
ene
nek
retn
ine
u k
n/m
²
godinaCijena kvadrata stambene nekretnine određena modelom
Povijesna cijena kvadrata stambene nekretnine
Grafikon XXVI.: Kretanje stvarne cijene kvadrata stambenih nekretnina u Hrvatskoj, u odnosu na modeliranu vrijednost
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
56
funkciju ponude novogradnje koja daje količinu novoizgrađenih stambenih kvadrata.
Dobivena količina novogradnje ponovno ulazi u funkciju korekcije i tako unedogled.
Ova rekurzija omogućava predviđanje budućih kretanja cijene nekretnine i
novogradnje na temelju postojećih podataka i ekonomskih varijabli.
Pomoću navedenih funkcija izveden je dinamički model koji procjenjuje cijenu
kvadrata stambene nekretnine i količinu novoizgrađenih kvadrata stambenih
nekretnina. Model je napravljen za 3 scenarija: pesimističan, srednji i optimističan do
godine 2060. S obzirom da je to iznimno daleka budućnost, rezultati analize bit će
prikazani do 2024. godine, a 2060. je uzeta kao ciljna godina za ekonomske varijable.
Varijable koje su utjecale na model su dugoročne kamatne stope građanima,
dugoročne kamatne stope poduzećima, prosječna plaća te zaposlenost. Inflacija je u
sva 3 modela pretpostavljena na stabilnih 2%. Zaposlenost je procijenjena kao
umnožak stope zaposlenosti (𝑎𝑤) i radno sposobnog stanovništva 15-65 godina (𝑁𝑤).
𝐸 = 𝑁𝑤 ∗ 𝑎𝑤 (5.1.)
Grafikon XXVII.: Kretanje stvarne količine novogradnje stambenih nekretnina u odnosu na modeliranu vrijednost
0
500.000
1.000.000
1.500.000
2.000.000
2.500.000
1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014
Ko
ličin
a n
ovo
grad
nje
u m
²
godina
Količina novogradnje određena modelom Povijesna vrijednost količine novogradnje
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
57
Sve 4 varijable se kreću kao polinomne funkcije. Referentne vrijednosti za stopu
zaposlenosti i kamatnu stopu prema poduzećima su uzete prema državama u
okruženju kojima Hrvatska nastoji konvergirati.17 18
Pesimističan scenarij pretpostavlja kako će dugoročna kamatna stopa za
građane te dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od
cca 4,5%. Rast plaća će na godišnjoj razini iznositi 3% a stopa zaposlenosti
stanovništva će iznositi 55%.
Srednji scenarij pretpostavlja kako će dugoročna kamatna stopa za građane te
dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od cca 3%.
Rast plaća će na godišnjoj razini iznositi 3.5% a stopa zaposlenosti stanovništva će
iznositi 65%.
Optimističan scenarij pretpostavlja kako će dugoročna kamatna stopa za
građane te dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od
cca 1.5%. Rast plaća će na godišnjoj razini iznositi 4% a stopa zaposlenosti
stanovništva će iznositi 75%.
17 Euro Area Statistics, (2015.). Bank Interest Rates – Loans, December 2015. Preuzeto 19.12.2015.
s: https://www.euro-area-statistics.org/bank-interest-rates-loans?cr=eur&lg=en 18 EUROSTAT, (2015.). Employment rate of the total population, men and women, age group 20-64,
Luxembourg, Eurostat, November 2015.
0
400000
800000
1200000
1600000
2000000
2400000
1996 2000 2004 2008 2012 2016 2020 2024
količ
ina
no
vogr
adn
je u
m²
godinapesimistična procjena optimistična procjena
srednja procjena povijesna vrijednost
Grafikon XXVIII.: Procjena količine novogradnje stambenih nekretnina u Hrvatskoj prema dinamičkom modelu
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
58
Ubacivanjem prethodno navedenih podataka u model, dobivene su
procijenjene vrijednosti za cijenu kvadrata stambene nekretnine i za količinu
novogradnje stambenih kvadrata koje se mogu vidjeti na Grafikonima XXVIII. i XXIX.
Vidljivo je kako je Hrvatska trenutno na najnižoj razini ponude i potražnje za
stambenim nekretninama te je potreban snažan poticaj kako bi se izašlo iz nastale
situacije.
Osim na prethodno prikazan način, moguće je koristiti model dodavanjem
slučajnih vrijednosti na prethodno objašnjene varijable. Varijabla zaposlenost je
ključna u ovoj primjeni modela. Zaposlenost je određena kao umnožak stope
zaposlenosti za srednji scenarij i ukupnog broja radno sposobnog stanovništva (15-65
godina). Potom je na tu funkciju dodana promjena zaposlenosti prethodna 4 razdoblja
koja je pomnožena sa slučajnim brojem, pozitivnim ili negativnim. Sve ostale varijable,
kamatne stope kućanstvima i poduzećima, inflacija i rast neto plaće se kreću ranije
zadanim pravcima, onima za srednji scenarij. Potom je na njih dodana promjena
zaposlenosti za prethodna 4 razdoblja kako bi slijedile „realno“ ekonomsko kretanje,
odnosno zaposlenost.
Rezultat modela je zanimljiv jer prikazuje kretanje ponude i potražnje za
nekretninama u ovisnosti o ostalim ekonomskim varijablama. Mogući budući ishodi
prikazani su na sljedećim. Grafikon XXX. prikazuje moguće buduće kretanje količine
novogradnje te realne neto plaće temeljen na srednjem scenariju. Grafikon XXXI.
0
2000
4000
6000
8000
10000
12000
14000
16000
18000
20000
1996 2000 2004 2008 2012 2016 2020 2024
cije
na
stam
ben
e n
ekre
tnin
e u
kn
/m²
godinapesimistična procjena optimistična procjena
srednja procjena povijesna vrijednost
Grafikon XXIX.: Procjena cijene kvadrata nekretnine u Hrvatskoj prema dinamičkom modelu
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
59
prikazuje broj zaposlenih za srednji scenarij. Grafikoni XXX i XXXI. prikazuju kretanje
količine novogradnje, realne neto plaće i zaposlenosti bez ekonomski šokova, prema
stalnim vrijednostima. Grafikon XXXII. prikazuje moguć budući razvoj događaja
temeljen na srednjem scenariju uz dodatak slučajne varijable stopi zaposlenosti koja
potom pokreće lavinu promjena, na samu zaposlenost, kamatnu stopu poduzećima,
inflaciju i prosječnu plaću, što dalje vodi promjeni količine novogradnje i cijeni kvadrata
nekretnine. Grafikon XXXIII. prikazuje kretanje broja zaposlenih za prethodno
navedenu situaciju. Oba scenarija prikazuju moguću stvarnost, ali se moraju uzeti s
rezervom zbog jednostavnosti modela.
0 kn
2.000 kn
4.000 kn
6.000 kn
8.000 kn
10.000 kn
12.000 kn
14.000 kn
0
500.000
1.000.000
1.500.000
2.000.000
2.500.000
3.000.000
3.500.000
4.000.000
1997 2002 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057
real
na
net
o p
laća
u k
n
količ
ina
no
vogr
adn
je u
m²
godinaNovogradnja Realna neto plaća - desna strana
1.000.000
1.100.000
1.200.000
1.300.000
1.400.000
1.500.000
1.600.000
1997 2002 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057
bro
j zap
osl
enih
u H
rvat
sko
j
godina
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
Grafikon XXX.: Buduća količina novogradnje i realne neto plaće temeljena na procijenjenoj vrijednosti ekonomskih varijabli u Hrvatskoj, srednji scenarij
Grafikon XXXI.: Kretanje budućeg broja zaposlenih u Hrvatskoj temeljen na procijenjenoj vrijednosti ekonomskih varijabli, srednji scenarij
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
60
1.000.000
1.100.000
1.200.000
1.300.000
1.400.000
1.500.000
1.600.000
1.700.000
1.800.000
1997 2002 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057
bro
j zap
osl
enih
uH
rvat
sko
j
godina
Grafikon XXXII.: Buduća količina novogradnje i realne neto plaće temeljena na slučajnom kretanju ukupne zaposlenosti u Hrvatskoj, srednji scenarij
0 kn
2.000 kn
4.000 kn
6.000 kn
8.000 kn
10.000 kn
12.000 kn
14.000 kn
0
500.000
1.000.000
1.500.000
2.000.000
2.500.000
3.000.000
3.500.000
4.000.000
1997 2002 2007 2012 2017 2022 2027 2032 2037 2042 2047 2052 2057
real
na
net
o p
laća
u k
n
količ
ina
no
vogr
adn
je u
m²
godinaNovogradnja Realna neto plaća - desna strana
Grafikon XXXIII.: Kretanje budućeg broja zaposlenih u Hrvatskoj temeljen na slučajnoj varijabli, srednji scenarij
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
61
5.2.2. Zagreb
Dinamički model ponude i potražnje zagrebačkog tržišta stambenih nekretnina
analiziran je na temelju podataka koji se nalaze Tablici 2., poglavlje 8. Tablice.
Jednako kao i u modelu za cijelu Hrvatsku, model se sastoji od 3 funkcije: potražnja
za nekreninama, ponuda novih nekretnina i ukupan fond nekretnina. Međuovisnost
ovih triju funkcija omogućuje rekurzivno djelovanje koje potom predviđa buduća
kretanja potražnje i ponude na temelju zadanih ekonomskih varijabli (inflacija,
kamatna stopa građanima i poduzećima, zaposlenost, rast plaće).
Potražnja za nekretninama određena je funkcijom cijene. Regresija je pokazala
kako trošak kapitala jednako kao i na razini čitave Hrvatske ne utječe na određivanje
cijene nekretnina. Njegova t vrijednost se nije pokazala signifikantna na uzorku od 18
godina, stoga je izbačena iz analize, a varijable koje su uzete u obzir su prosječna
plaća te omjer stambenog fonda i zaposlenosti. Osim, njih pokušano je vidjeti ovisnost
broja stanovnika te broja kućanstava u odnosu na cijenu, ali su se i te varijable
pokazale insignifikantne u analizi. Regresijska analiza podataka za razdoblje od
1997.-2014. godine dala je sljedeću funkciju potražnje za stambenim nekretninama.
𝑃𝑡 = 26899,45 + 1,28 ∗ 𝑊𝑡 − 373,12 ∗𝑆𝑡
𝐸𝑡
(7,80) (11,30) (−6,55)
𝑅² = 0,92, 𝑁 = 18 (1997.-2014.)
F vrijednost od 88,15 snažno odbacuje nultu hipotezu da su parcijalni
koeficijenti varijable W i S/E insignifikatni i jednaki 0. Potražnja na zagrebačkom tržištu
nekretnina pokazuje određene razlike u odnosu na hrvatsko tržište. Koeficijent uz
varijablu prosječne plaće je manji dok je koeficijent omjera stambenog fonda i
zaposlenosti veći nego na cjelokupnom hrvatskom tržištu. Time se pokazuje kako
promjena prosječne plaće u Zagrebu ima manji utjecaj dok promjena zaposlenosti i
ukupnog stambenog fonda ima veći utjecaj na određivanje cijene kvadrata nekretnine.
Razlog tomu može se nalaziti u činjenici kako značajan postotak dohotka koji se
ostvaruje u Zagrebu se ne troši u Zagrebu, već u mjestu stanovanja radnika koji
svakodnevno migriraju u Zagreb na posao. Jednako vrijedi i za zaposlenost. Obje
varijable su signifikantne na razini od 1%.
62
Regresijska analiza podataka za razdoblje 1997.-2014. godine dala je sljedeću
funkciju ponude novogradnje stambenih nekretnina.
𝐶𝑡 = 1839472,88 + 94,74 ∗ 𝑃𝑡 − 0,11 ∗ 𝑆𝑡−1 − 3024903 ∗ 𝑟𝑡−1
(6,58) (8,07) (−9,10) (−3,80)
𝑅² = 0,91, 𝑁 = 18 (1997.-2014.)
F vrijednost od 45,14 snažno odbacuje nultu hipotezu da su parcijalni
koeficijenti varijable, P(t), S(t-1) i r(t-1) insignifikatni i jednaki 0. Kao i u model
potražnje, vidljiva je razlika u koeficijentima u odnosu na hrvatsko tržište nekretnina.
Varijabla cijene ima manji utjecaj na formiranje količine novogradnje. Pokušana je
regresija s drugačijim kašnjenjem za varijable S i r, no najbolja korelacija i
signifikantnost pokazala se za kašnjenje od 1 godine. Ukupan stambeni fond
prethodnog razdoblja te kamatna stopa poduzećima za prethodno razdoblje imaju veći
utjecaj na količinu novogradnje u odnosu na cjelokupno hrvatsko tržište. Sve tri
varijable su signifikantne na razini od 1%.
Funkcija 𝑆𝑡 = 𝑆𝑡−1 + 𝐶𝑡−1 jest funkcija koja preuzima podatke iz prošlog
razdoblja te računa ukupan stambeni fond sljedećeg razdoblja. Time se dobiva
podatak za funkciju potražnje koji računa cijenu. Dobivena cijena se potom ubacuje u
funkciju ponude novogradnje koja daje količinu novoizgrađenih stambenih kvadrata.
0 kn
2.000 kn
4.000 kn
6.000 kn
8.000 kn
10.000 kn
12.000 kn
14.000 kn
16.000 kn
1997 1999 2001 2003 2005 2007 2009 2011 2013
cije
na
kvad
rata
sta
mb
ene
nek
retn
ine
u k
n/m
²
godina
cijena kvadrata stambene nekretnine u Zagrebu određena modelom
povijesna cijena kvadrata stambene nekretnine u Zagrebu
Grafikon XXXIV.: Kretanje stvarne cijene kvadrata stambenih nekretnina u Zagrebu, u odnosu na modeliranu vrijednost
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
63
Ova rekurzija omogućava predviđanje budućih kretanja cijene nekretnine i
novogradnje na temelju postojećih podataka i ekonomskih varijabli.
Pomoću navedenih funkcija izveden je dinamički model koji procjenjuje cijenu
kvadrata stambene nekretnine i količinu novoizgrađenih kvadrata stambenih
nekretnina na području Zagreba. Model je napravljen za 3 scenarija: pesimističan,
srednji i optimističan do godine 2060. S obzirom da je to iznimno daleka budućnost,
rezultati analize bit će prikazani do 2024. godine, a 2060. je uzeta kao ciljna godina
za ekonomske varijable. Varijable koje su utjecale na model su dugoročne kamatne
stope građanima, dugoročne kamatne stope poduzećima, prosječna plaća te
zaposlenost. Inflacija je u sva 3 modela pretpostavljena na stabilnih 2%. Zaposlenost
je procijenjena kao umnožak stope zaposlenosti i radno sposobnog stanovništva (15-
65 godina). Sve 4 varijable se kreću kao polinomne funkcije. Kao što je već ranije
opisano, stopa zaposlenosti koja je korištena u izračunu je aproksimirana vrijednost
jer je dobivena omjerom zaposlenih u Zagrebu koji ne moraju biti i stanovnici Zagreba
te ukupnog broja stanovnika grada Zagreba. Stoga je stopa zaposlenosti viša od
stvarne vrijednosti. Jednako kao i na slučaju analize za čitavu Hrvatsku, i ovdje su
korištene referentne vrijednosti za stopu zaposlenosti i kamatnu stopu prema
0
100.000
200.000
300.000
400.000
500.000
600.000
700.000
1996 1998 2000 2002 2004 2006 2008 2010 2012 2014 2016
Ko
ličin
a n
ovo
grad
nje
u m
²
godina
količina novogradnje u Zagrebu određena modelom
povijesna vrijednost količine novogradnje u Zagrebu
Grafikon XXXV.: Kretanje stvarne količine novogradnje stambenih nekretnina u Zagrebu, u odnosu na modeliranu vrijednost
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
64
poduzećima bazirane na vrijednostima iz europskih država okruženja kojima Hrvatska
nastoji konvergirati.19 20
Pesimističan scenarij pretpostavlja kako će dugoročna kamatna stopa za
građane te dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od
cca 4,5%. Rast plaća će na godišnjoj razini iznositi 3% a stopa zaposlenosti
stanovništva će iznositi 80%.
Srednji scenarij pretpostavlja kako će dugoročna kamatna stopa za građane te
dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od cca 3%.
Rast plaća će na godišnjoj razini iznositi 3.5% a stopa zaposlenosti stanovništva će
iznositi 90%.
Optimističan scenarij pretpostavlja kako će dugoročna kamatna stopa za
građane te dugoročna kamatna stopa za poduzeća do 2060. godine doći na razinu od
cca 1.5%. Rast plaća će na godišnjoj razini iznositi 4% a stopa zaposlenosti
stanovništva će iznositi 100%.
Ubacivanjem prethodno navedenih podataka u model, dobivene su sljedeće
procijenjene vrijednosti za cijenu kvadrata stambene nekretnine i za količinu
novogradnje stambenih kvadrata. Vidljivo je kako je Zagreb trenutno na najnižoj razini
ponude i potražnje za stambenim nekretninama te je potreban snažan poticaj kako bi
se izašlo iz nastale situacije. Model je prema korištenim podacima izbacio negativnu
vrijednost za funkciju novogradnje što fizički nije moguće te je zbog toga za te godine
stavljena vrijednost 0, odnosno nepostojanje novogradnje. Grafikon XXXVI. prikazuje
3 moguća buduća scenarija kretanja količine novogradnje stambenih nekretnina u
Zagrebu. Grafikon XXXVII. prikazuje 3 moguća buduća scenarija kretanja cijene
kvadrata novoizgrađene nekretnine u Zagrebu na temelju scenarija novogradnje iz
prethodnog grafikona.
19 Euro Area Statistics, (2015.). Bank Interest Rates – Loans, December 2015. Preuzeto 19.12.2015.
s: https://www.euro-area-statistics.org/bank-interest-rates-loans?cr=eur&lg=en 20 EUROSTAT, (2015.). Employment rate of the total population, men and women, age group 20-64,
Luxembourg, Eurostat, November 2015.
65
0
100000
200000
300000
400000
500000
600000
700000
1996 2000 2004 2008 2012 2016 2020 2024
količ
ina
no
vogr
adn
je u
m²
godinapesimisična procjena optimistična procjena
Grafikon XXXVI.: Procjena količine novogradnje stambenih nekretnina u Zagrebu prema dinamičkom modelu
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
6000
7000
8000
9000
10000
11000
12000
13000
14000
15000
16000
1996 2000 2004 2008 2012 2016 2020 2024
cije
na
nek
retn
ine
u k
n/m
²
godinapesimistična procjena optimistična procjena
Grafikon XXXVII.: Procjena cijene kvadrata nekretnine u Zagrebu prema dinamičkom modelu
Izvor: DZS, Statistički ljetopisi 2005.-2014., HNB, Bilteni 1997.-2014., izračun autora
66
6. ZAKLJUČAK
Hrvatsko stambeno tržište i tržište nekretnina u trgovini na veliko i malo čini
velik dio hrvatskog bruto domaćeg proizvoda, a čine ga sektor poslovanje
nekretninama, građevinarstvo i trgovina na veliko i malo. Upravo zbog svog obujma je
zanimljiva tema proučavanja. Ekonomisti Denise DiPasquale i William Wheaton su u
svom radu The markets for Real Estate Assets and Space: A Conceptual Framework
(1992.) odredili osnovne pretpostavke o kretanju tržišta nekretnina te na temelju njih
izveli model 4 kvadranta koji na jednostavan način opisuje dugoročnu ravnotežu na
tržištu nekretnina. Autor ovog rada je primjenio ovakav način razmišljanja na hrvatsko
stambeno tržište i tržište nekretnina u trgovini na veliko i malo. Model je blago
izmijenjen zbog nedostataka određenih podataka, no i dalje je približno jednak
originalu.
Hrvatsko stambeno tržište prošlo je dinamično razdoblje od svog
osamostaljenja do danas. Početna faza je zbog ratnog okruženja bila na iznimno
niskoj razini aktivnosti da bi se zahuktala krajem 20. stoljeća kada je provedena
tranzicija sa socijalističkih na tržišne principe. Nemogućnost pribavljanja podataka o
cijeni nekretnina na sekundarnom tržištu donekle je utjecao na rezultate istraživanja
gdje je cijena sekundarnog tržišta zamijenjena cijenom novoizgrađenih stanova.
Trenutno stanje gospodarstva je na veoma niskoj razini aktivnosti kada zbog visokih
cijena koje smanjenjem potražnje za nekretninama ne padaju, dolazi do općeg
zamiranja ponude novih stanova.
Zbog nedostatka podataka o cijenama i renti na tržištu nekretnina u trgovini na
malo, ovaj sektor je obrađen samo teorijski, bez empirijske analize.
U radu su empirijski obrađena 2 modela stambenog tržišta, statički i dinamički
na 2 tržišta, tržištu cijele Hrvatske te tržištu grada Zagreba. Statički model je dao
rezultate u obliku grafičkog prikaza DiPasquale-Wheaton modela 4 kvadranta.
Izvedena je analiza dugoročne ravnoteže za 3 period od 6 godina, 1997.-2002., 2003.-
2008. i 2009.-2014. koja je pokazala kretanje ukupne aktivnosti na hrvatskom
stambenom tržištu. Jednaka analiza je izvedena i za zagrebačko tržište s približno
jednakim kretanjem aktivnosti uz razliku u obujmu potražnje i konstrukcije te razlike u
višoj cijeni nekretnina.
67
Dinamički model je također izveden za oba tržišta za razdoblje od 1997.-2014.
godine. Na temelju podataka dobivenih regresijom, izveden je model procjene budućih
događanja koji se bazira na kretanju ekonomskih parametara, stope zaposlenosti,
kamatne stope poduzećima i rastu neto plaće. Model rekurzivno uzima podatke za
ukupan stambeni fond kvadrata na tržištu te pomoću njega izvodi cijenu nekretnina i
količinu novogradnje za buduće razdoblje. Pomoću njega su dobiveni procijenjeni
rezultati za buduće događaje koji su prikazani za idućih 10 godina. Rezultati se
baziraju na pesimističnoj, srednjoj i optimističnoj vrijednosti kretanja ekonomskih
varijabli, referentne vrijednosti su uzete prema državama Europske Unije kojima
Hrvatska nastoji konvergirati. Model prikazuje kako je grad Zagreb, a tako i Hrvatska
trenutno na veoma niskom stupnju aktivnosti te je potreban snažan poticaj kako bi se
izvukla iz takve situacije.
DiPasquale-Wheaton model se pokazao kao odličan alat za jednostavnu
analizu tržišta nekretnina na veliko i malo te stambenog tržišta. Korištenjem lako
dostupnih podataka moguće je grafički prikazati situaciju na tržištu nekretnina te
izvesti osnovne zaključke o budućem kretanju cijene kvadrata nekretnine i količine
novogradnje.
68
7. LITERATURA
1. Achour-Fischer D. (1999) An Integrated Property Market Model: A Pedagogical
Tool. Journal of Real Estate Practice and Education: 1999, Vol. 2, No. 1, pp.
33-43.
2. APN, (2015). Agencija za pravni promet i posredovanje nekretninama,
Općenito o programu POS-a, Preuzeto 19.12.2015. s
http://www.apn.hr/poticana-stanogradnja/pos-stanovi/opcenito-o-programu-
pos-a/
3. Arrazola M., Hevia de J., Romero D., Sanz-Sanz J.F., (2014). Determinants of
the Spanish housing market over three decades and three booms: Long run
supply and demand elasticities, Working Paper Series 3604, Victoria University
of Wellington, Chair in Public Finance.
4. Bežovan, G. (2005.), Procjena standarda stanovanja u Zagrebu kao razvojnog
resursa, Revija za socijalnu politiku, Vol.12 No.1; str. 23-44, Zagreb
5. Botrić, V., Kordej De Villa, Ž. (2005.). Determinants of Regional Housing Market
in Croatia, 45th Congress of the European Regional Science Association.
Amsterdam.
6. Centar Nekretnina, (2009.). Indeks cijena nekretnina za prosinac 2009. Centar
Nekretnina, prosinac 2009.
7. Charles, S. (1977). Housing Economics, The Macmillan Press Ltd, London
8. Čipin, I., Akrap, A., Knego, J., Međimurec, P., Đurđević, K., (2014.). Stručna
podloga za izradu Strategije prostornog razvoja Republike Hrvatske:
Demografski scenariji i migracije, Sveučilište u Zagrebu, Ekonomski fakultet,
Katedra za demografiju, Zagreb, rujan 2014.
9. DiPasquale, D., Wheaton, W. (1992). The markets for Real Estate Assets and
Space: A Conceptual Framework, Journal of the American Real Estate and
Urban Economics Association, 1992, V20, 1: pp. 181-197.
10. DiPasquale, D., Wheaton, W. (1996). Urban Economics and Real Estate
Markets, Prentice Hall, New Jersey.
11. Državni zavod za statistiku (2012.). Cijene prodanih stanova od 1990. do 2010.,
Statistička izvješća, Zagreb: Državni zavod za statistiku.
12. Državni zavod za statistiku (2015.). Građevinarstvo 2008.-2013., Statistička
izvješća, Zagreb: Državni zavod za statistiku.
69
13. Državni zavod za statistiku (2014.). Statistički ljetopisi 2006-2014. Zagreb:
Državni zavod za statistiku.
14. Euro Area Statistics, (2015.). Bank Interest Rates – Loans, December 2015.
Preuzeto 19.12.2015. s: https://www.euro-area-statistics.org/bank-interest-
rates-loans?cr=eur&lg=en
15. EUROSTAT, (2015.). Employment rate of the total population, men and
women, age group 20-64, Luxembourg, Eurostat, November 2015.
16. Filipić, P., (2007). Uvod u makroekonomiju stanovanja, Ekonomski pregled, 58
(7-8), p. 393-420.
17. Grad Zagreb, (2014.). Statistički ljetopisi grada Zagreba 2005.-2014., Gradski
ured za strategijsko planiranje i razvoj grada, Odjel za statistiku
18. Hua, C.C., Chang, C.O., Hsieh, C. (2001). The Price-Volume Relationship
between the Existing and the Pre-Sales Housing Market in Taiwan,
International Real Estate Review, 4 (1): 80-04.
19. HNB, (2014.). Financijska stabilnost, Broj 12, Hrvatska narodna banka, Zagreb
20. HNB, (2015.). Bilteni 1997.-2015., Hrvatska narodna banka Zagreb
21. Kunovac, D., Đozović, E., Lukinić, G., Pufnik, A. (2008). Primjena hedonističke
metode za izračunavanje indeksa cijena nekretnina u Hrvatskoj, Istraživanja (I-
20). Zagreb: Hrvatska narodna banka.
22. Kreitmeyer, I., (2009.). Real Estate Market Study in the Republic of Croatia,
Ministry of Justice, State Geodetic Administration, Zagreb.
23. Jakšić, I., (1982.). Stanogradnja i stanovanje u Zagrebu te njihov doprinost
razvoju grada: doktorska disertacija, Ekonomski fakultet, Zagreb, 1982.
24. Eurostat, (2015.). Distribution of population by tenure status, type of household
and income group (source: SILC). Eurostat, October 2015. Preuzeto
13.11.2015. godine s http://appsso.eurostat.ec.europa.eu/nui/show.do
25. Fujita, M., Krugman, P., Venables, A., (2001), The Spatial Economy: Cities,
Regions, and International Trade, vol. 1, 1 ed., The MIT Press.
26. Leung C., Wang W. (2007). An Examination of the Chinese Housing Market
through the Lens of the DiPasquale-Wheaton Model: a Graphical Attempt.
International Real Estate Review, 2007 Vol. 10 No. 2: pp. 131-165.
27. Lovrinčević Ž., Vizek M., (2008.). Determinante cijena nekretnina u Republici
Hrvatskoj i potencijalni učinci na liberalizacije tržišta nekretnina, Ekonomski
pregled, Vol.59 No.12 Prosinac 2008.
70
28. O’Sullivan, A. (2010). Urban Economics, Boston, McGraw-Hill.
29. Raiffeisenbank Austria. (2012). Tržište stambenih prostora 2022. Preuzeto 20.
Kolovoza 2015. iz
http://www.limun.hr/UserDocsImages/Scenario%202020hrv.pdf
30. Steiner, E. (2010), Estimating a stock-flow model for the Swiss housing market,
Swiss Society of Economics and Statistics, 146, No. 3, pp. 601–627.
31. Šimunović, I. (1997). Urbana ekonomika, Školska knjiga, Zagreb.
32. Tica, J., (2002). Tranzicija hrvatskog stambenog tržišta, Politička kultura,
Zagreb.
33. Tica, J., (2004.). The Macroeconomic Aspects of the Croatian Housing Market,
Ekonomski pregled, Vol.55 No. 7-8 Kolovoz 2004.
34. Tica, J., (2011), Ekonomske posljedice politike sprječavanja pada cijene
stanova, No 1106, EFZG Working Papers Series, Faculty of Economics and
Business, University of Zagreb.
35. Tica, J., Boras, T., (2012), Uloga tržišta nekretnina i građevinske industrije u
strategiji razvoja malog otvorenog gospodarstva, ch. 14, p. 321-352 in, Zbornik
radova znanstvenog skupa: Razvojna strategija malog nacionalnog
gospodarstva u globaliziranom svijetu, vol. 1, Faculty of Economics and
Business, University of Zagreb.
36. Toit du, H., Cloete C.E. (2004). Appraisal of the Fischer-DiPasquale-Wheaton
(FDW) Real Estate Model and Development of an Integrated Property and
Asset Market Model, South African Journal of Economic and Management
Sciences: 2004, Vol. 7, Issue 2, p. 341-367.
37. Vizek, M., (2009.). Priuštivnost stanovanja u Hrvatskoj i odabranim europskim
zemljama, Revija za socijalnu politiku, Vol.16, No.3 Studeni 2009.
38. Wang, Y., Tu, Y., (2014). Urban Land Supply Policy, Urban Growth and
Housing Prices in China, IRES Working Paper Series, Department of Real
Estate, National University of Singapore.
39. Wing Sze, C., (2004.). A Macroeconomic Study of the Major Determinants of
Retail Rents in Hong Kong, The University of Hong Kong, Department of Real
Estate and Construction, April 2004.
40. ZSE, (2015.). Povijesni podaci trgovanja CROBEX indeksa, Zagrebačka burza.
Preuzeto 19.9.2015. s http://zse.hr/default.aspx?id=180.
8. TABLICE
Tablica 1.: Tablica za izradu statičkog i dinamičkog modela tržišta stambenih nekretnina u Hrvatskoj
Et St Pt r i Pi Ut W Ct d godina zaposlenost ukupan fond
kvadrata cijena u tekućoj godini
dugoročna kamatna stopa za poduzeća
dugoročna kamatna stopa za kućanstva
inflacija trošak kapitala nekretnine
prosječna plaća
količina novogradnje
deprecijacija
1993 ..... ..... 4.012 kn ..... ..... ..... ..... ..... ..... .....
1994 ..... ..... 5.773 kn ..... ..... -0,021 ..... ..... ..... .....
1995 ..... ..... 6.581 kn ..... ..... 0,032 ..... ..... ..... .....
1996 ..... ..... 7.041 kn 0,1305 ..... 0,042 ..... ..... 1.063.000 .....
1997 1.262.113 124.875.582 7.272 kn 0,1362 0,1154 0,050 -0,0993 2.377 kn 1.046.000 0,0084
1998 1.271.701 125.701.068 7.520 kn 0,13 0,1157 0,041 0,0093 2.681 kn 1.057.000 0,0084
1999 1.263.509 126.530.579 9.004 kn 0,1099 0,1121 0,037 0,0342 3.055 kn 1.061.000 0,0084
2000 1.257.761 127.560.291 8.688 kn 0,1046 0,1162 0,048 -0,0473 3.326 kn 1.397.000 0,0110
2001 1.272.536 128.905.454 8.306 kn 0,0821 0,1116 0,032 0,0311 3.541 kn 1.098.000 0,0085
2002 1.288.844 129.960.183 8.366 kn 0,067 0,097 0,014 0,0760 3.720 kn 1.439.000 0,0111
2003 1.329.646 131.350.047 8.569 kn 0,0631 0,087 0,021 0,0826 3.940 kn 1.529.000 0,0116
2004 1.355.183 132.818.897 10.195 kn 0,0601 0,0813 0,020 0,0558 4.173 kn 1.567.929 0,0118
2005 1.371.540 134.352.737 10.475 kn 0,0538 0,0737 0,039 -0,0689 4.376 kn 1.701.000 0,0127
2006 1.423.011 136.011.161 10.872 kn 0,058 0,066 0,018 -0,0275 4.603 kn 1.849.000 0,0136
2007 1.476.018 137.780.077 12.422 kn 0,0615 0,0649 0,062 -0,0622 4.841 kn 2.075.000 0,0151
2008 1.516.761 139.802.027 13.399 kn 0,0687 0,0776 0,034 -0,0445 5.178 kn 2.037.000 0,0146
2009 1.463.489 141.800.837 12.174 kn 0,0717 0,086 0,011 -0,0147 5.311 kn 1.563.000 0,0110
2010 1.400.115 143.319.801 11.727 kn 0,0724 0,0862 0,019 0,0608 5.343 kn 1.324.000 0,0092
2011 1.380.294 144.607.233 11.811 kn 0,067 0,0778 0,012 0,0959 5.441 kn 1.120.000 0,0077
2012 1.366.348 145.683.887 11.774 kn 0,0651 0,0776 0,052 0,0513 5.478 kn 1.017.000 0,0070
2013 1.338.904 146.663.565 10.662 kn 0,063 0,0715 0,001 0,0773 5.515 kn 902.911 0,0062
2014 1.319.418 147.548.616 11.161 kn 0,0585 0,0698 -0,009 0,1255 5.533 kn 739.292 0,0050
72
Tablica 2.: Tablica za izradu statičkog i dinamičkog modela tržišta stambenih nekretnina u Zagrebu
Et St Pt r i Pi Ut W Ct d godina zaposlenost ukupan
fond kvadrata
cijena u tekućoj godini
dugoročna kamatna stopa za poduzeća
dugoročna kamatna stopa za kućanstva
inflacija trošak kapitala nekretnine
prosječna plaća
količina novogradnje
deprecijacija
1993 ..... ..... 4.999 kn ..... ..... ..... ..... ..... ..... .....
1994 ..... ..... 6.541 kn ..... ..... -0,021 ..... ..... ..... .....
1995 ..... ..... 7.405 kn ..... ..... 0,032 ..... ..... ..... .....
1996 ..... ..... 7.630 kn 0,1305 ..... 0,042 ..... ..... ..... .....
1997 334.468 19.539.712 8.134 kn 0,1362 0,1154 0,050 -0,0511 2.749 kn 142.118 0,0073
1998 335.885 19.681.830 9.093 kn 0,13 0,1157 0,041 0,0061 3.053 kn 162.201 0,0082
1999 330.230 19.844.031 9.936 kn 0,1099 0,1121 0,037 -0,0097 3.510 kn 165.798 0,0084
2000 328.911 20.009.829 9.489 kn 0,1046 0,1162 0,048 -0,0267 3.832 kn 305.849 0,0153
2001 330.022 20.315.678 9.317 kn 0,0821 0,1116 0,032 0,0507 4.131 kn 173.034 0,0085
2002 333.362 20.580.185 9.296 kn 0,067 0,097 0,014 0,0870 4.374 kn 264.507 0,0129
2003 348.957 20.958.742 10.241 kn 0,0631 0,087 0,021 0,0816 4.680 kn 378.557 0,0181
2004 369.569 21.172.000 10.850 kn 0,0601 0,0813 0,020 0,0148 4.929 kn 320.442 0,0151
2005 371.525 21.544.000 11.185 kn 0,0538 0,0737 0,039 -0,0251 5.239 kn 378.137 0,0176
2006 388.581 22.024.000 12.406 kn 0,058 0,066 0,018 -0,0056 5.516 kn 496.705 0,0226
2007 406.711 22.647.000 14.039 kn 0,0615 0,0649 0,062 -0,0728 5.806 kn 639.274 0,0282
2008 421.585 23.298.000 14.770 kn 0,0687 0,0776 0,034 -0,0611 6.145 kn 656.919 0,0282
2009 424.263 23.662.000 14.529 kn 0,0717 0,086 0,011 -0,0124 6.229 kn 369.361 0,0156
2010 408.864 23.961.000 12.798 kn 0,0724 0,0862 0,019 0,0334 6.291 kn 302.757 0,0126
2011 397.365 24.138.008 12.370 kn 0,067 0,0778 0,012 0,1199 6.395 kn 177.008 0,0073
2012 398.890 24.315.744 12.524 kn 0,0651 0,0776 0,052 0,0813 6.385 kn 177.736 0,0073
2013 390.469 24.404.754 11.008 kn 0,063 0,0715 0,001 0,0981 6.442 kn 89.010 0,0036
2014 383.967 24.508.175 11.958 kn 0,0585 0,0698 -0,009 0,1423 6.465 kn 50.452 0,0021
9. POPIS GRAFIKONA
I. DiPasquale-Wheaton model 4 kvadranta 10
II. DiPasquale-Wheaton model: promjena na tržištu nekretnina 14
III. DiPasquale-Wheaton model: Promjena na tržištu imovine 15
IV. DiPasquale-Wheaton model: Promjena ponude novogradnje 16
V. Razlika stambenog fonda između statistički evidentirane i stvarne razine
20
VI. Procjena stvarne godišnje novogradnje u odnosu na statistički evidentiranu
21
VII. DiPasquale-Wheaton modela na primjeru POS stanova 23
VIII. Nepovezanost cijene POS stanova i stanova u slobodnoj prodaji 24
IX. Prikaz korelacije HICN u odnosu na indeks cijena novoizgrađenih stanova bez POS stanova, polugodišnji rezultati
25
X. Prikaz korelacije HICN u odnosu na indeks cijena novoizgrađenih stanova s POS stanovima, polugodišnji rezultati
25
XI. Polugodišnje kretanje HICN i indeksa novoizgrađenih stanova s i bez POS stanova
26
XII. Kvartalno kretanje HICN i CROBEX indeksa od 1997.-2014. 26
XIII. Kretanje kvartalne stope promjene stambenih kredita i kvartalne stope promjene HICN
27
XIV. Prosječno vrijeme otplate novoizgrađenog stana 28
XV. Kretanje verižnih indeksa troška rada i materijala u sektoru Građevinarstvo
29
XVI. Kretanje obujma novogradnje nekretnina u trgovini na veliko i malo i BDV trgovine na veliko i malo
30
XVII. DiPasquale-Wheaton model, usporedba stambenog tržišta Zagreba i Hrvatske, dugoročna ravnoteža za razdoblje 1997.-2014.
39
XVIII. Kretanje pretpostavljene povijesne vrijednosti troška kapitala u Hrvatskoj, u odnosu na vrijednost troška kapitala određen modelom
41
XIX. Kretanje povijesne količine novogradnje stambenih nekretnina u Hrvatskoj, u odnosu na količinu određenu modelom
42
XX. Kretanje ukupnog stambenog fonda Hrvatske i modelom određene dugoročne ravnotežne potražnje za stambenim nekretninama u Hrvatskoj
43
74
XXI. DiPasquale-Wheaton model baziran na hrvatskom stambenom tržištu nekretnina podijeljen na 3 perioda od 6 godina
46
XXII. Kretanje pretpostavljene povijesne vrijednosti troška kapitala u Zagrebu, u odnosu na vrijednost troška kapitala određen modelom
48
XXIII. Kretanje povijesne količine novogradnje stambenih nekretnina u Hrvatskoj, u odnosu na količinu određenu modelom
49
XXIV. Kretanje ukupnog stambenog fonda Zagreba i modelom određene dugoročne ravnotežne potražnje za stambenim nekretninama u Zagrebu
50
XXV. DiPasquale-Wheaton model baziran na zagrebačkom stambenom tržištu nekretnina podijeljen na 3 perioda od 6 godina
53
XXVI. Kretanje stvarne cijene kvadrata stambenih nekretnina u Hrvatskoj, u odnosu na modeliranu vrijednost
55
XXVII. Kretanje stvarne količine novogradnje stambenih nekretnina u odnosu na modeliranu vrijednost
56
XXVIII. Procjena količine novogradnje stambenih nekretnina u Hrvatskoj prema dinamičkom modelu
57
XXIX. Procjena cijene kvadrata nekretnine u Hrvatskoj prema dinamičkom modelu
58
XXX. Buduća količina novogradnje i realne neto plaće temeljena na procijenjenoj vrijednosti ekonomskih varijabli u Hrvatskoj, srednji scenarij
59
XXXI. Kretanje budućeg broja zaposlenih u Hrvatskoj temeljen na procijenjenoj vrijednosti ekonomskih varijabli, srednji scenarij
59
XXXII. Buduća količina novogradnje i realne neto plaće temeljena na slučajnom kretanju ukupne zaposlenosti u Hrvatskoj, srednji scenarij
60
XXXIII. Kretanje budućeg broja zaposlenih u Hrvatskoj temeljen na slučajnoj varijabli, srednji scenarij
60
XXXIV. Kretanje stvarne cijene kvadrata stambenih nekretnina u Zagrebu, u odnosu na modeliranu vrijednost
62
XXXV. Kretanje stvarne količine novogradnje stambenih nekretnina u Zagrebu, u odnosu na modeliranu vrijednost
63
XXXVI. Procjena količine novogradnje stambenih nekretnina u Zagrebu prema dinamičkom modelu
55
XXXVII. Procjena cijene kvadrata nekretnine u Zagrebu prema dinamičkom modelu
65
75
10. ŽIVOTOPIS KANDIDATA
Filip Dumbović rođen je 15. listopada 1990. u Zagrebu. Osnovnu školu završio je
2005. godine u Velikoj Gorici, a 2009. godine maturirao je u V. gimnaziji, u Zagrebu.
Po završetku srednjoškolskog obrazovanja, iste godine, upisuje Ekonomski fakultet u
Zagrebu, smjer Poslovna ekonomija. Iduće, 2010. godine, upisuje Arhitektonski
fakultet u Zagrebu, smjer Arhitektura i Urbanizam. Završetkom preddiplomskog studija
Poslovne ekonomije u rujnu 2013., upisuje diplomski studij na istom fakultetu, smjer
Trgovina. Završetkom preddiplomskog studija Arhitekture i Urbanizma u rujnu 2014.
godine, upisuje diplomski studij na istom fakultetu. U srednjoj školi se počinje baviti
odbojkom te od 2014. godine nastupa u 1. Hrvatskoj odbojkaškoj ligi za klub OK Gorica
čiji je ujedno i tajnik. Izvrsno se služi engleskim jezikom, uz osnovno poznavanje
njemačkog jezika. Koristi se računalnim alatima, poglavito arhitektonskim. Tijekom
studiranja sudjeluje na Case Study Competitionu u dva navrata gdje osvaja 3. i 1.
nagradu zajedno s ostalim članovima svoga tima.