No description available.

Quantitative easing (QE) is an unconventional monetary policy tool used by central banks to stimulate the economy in times when conventional monetary policy is not sufficient. In the wake of covid-19, central banks around the world has announced significant increases in their QE-programs. This research paper aims to find out whether quantitative easing has any statistically significant effect on the stock prices of the Swedish real estate market. Moreover, it aims to produce an indication of the direction of the real estate stock prices over the year of 2020. To those ends, a combination of statistical analysis and economic theory is used. We estimate three Autoregressive Distributed Lag (ARDL) models. For a chosen model, an out-of-sample prediction is carried out as a way to model future stock price movements. We conclude that quantitative easing indeed has a statistically significant effect on real estate stock prices in Sweden. Furthermore, we estimate that stock prices in the real estate sector will see negative movements during the second and third quarter of 2020, followed by a return to positives during the fourth quarter. / Kvantitativa lättnader (QE) är ett redskap inom okonventionell penningpolitik som används av centralbanker för att stimulera ekonomin när konventionella metoder inte är tillräckliga. I kölvattnet av covid-19 så har centralbanker runt om i världen meddelat kraftiga ökningar i deras program för kvantitativa lättnader. Den här uppsatsen syftar till att ta reda på om kvantitativa lättnader har någon statistiskt signifikant påverkan på priserna för fastighetsaktier som handlas på öppen marknad i Sverige. Därutöver syftar den till att ge en anvisning kring i vilken riktning priserna på dessa aktier kommer röra sig under 2020. För dessa ändamål används en kombination av statistisk analys och ekonomisk teori. Vi estimerar tre Autoregressive Distributed Lag (ARDL) modeller. För en av modellerna görs en out-of-sample prediktion för att modellera framtida prisrörelser på aktiemarknaden. Utifrån våra modeller och analys kan vi konstatera att kvantitativa lättnader har en effekt på priserna för fastighetsaktier. Vidare så estimerar vi att priserna på fastighetsaktier kommer röra sig i en negativ riktning under andra och tredje kvartalet 2020, för att sedan svänga tillbaka till positiva rörelser under fjärde kvartalet.

This licentiate thesis is a collection of two essays that utilize time-series econometric methods in real estate finance. The first essay applies econometric modelling on Real Estate Investment Trust (REIT) index returns, focusing on estimating the effect of the quantitative easing (QE) and quantitative tightening (QT) programmes on U.S. equity REIT index returns, while controlling for several other important macro-financial factors. The second essay instead focuses on forecasting U.S. equity REIT index returns empirically, where the performance of a traditional econometric model (ARIMA) is compared to a modern state-of-the-art deep learning-based model (LSTM). Digitalization, which encompasses a broad range of technological advancements, is the main factor that we study for its impact on REIT investments. One perspective on the impact of digitalization on REITs is its effect on inflation. Digitalization has the potential to increase productivity and reduce costs, which could help to keep inflation low. This, in turn, has in the recent decades provided a supportive environment for REIT investments through lower interest rates, which we partly investigate in the first essay. Another perspective is that digitalization has not only led, but is also expected to lead, to significant innovations in the field of artificial intelligence (AI) and machine learning (ML), including deep learning (DL), which is a subset of ML. Many researchers and market practitioners are currently working to develop models that can use large amounts of data to make better forecasts and investment decisions. If successful, these models could significantly improve the performance of REIT investments. Can DL models be trained to make better forecasts for making investments? This is a question we ask ourselves in the second essay. The study of digitalization and its effects on inflation has been a growing area of interest in recent years, with researchers exploring the potential impact of technological advancements on macroeconomic trends, which founded the base to our studies. However, recent developments in the global economy have shifted the focus of this research, as inflation levels have unexpectedly risen from what was previously believed to be a low and stable environment. As a result, the setting and framework for our research on digitalization and inflation have been significantly altered, as we have tried to adapt to this changing landscape. / Denna licentiatuppsats är en samling av två forskningsartiklar som använder tidsserieekonometriska metoder inom finansiell ekonomi med fokus på fastighetsaktier. Den första artikeln tillämpar ekonometriska metoder på tidsseriedata för amerikanska börsnoterade fastighetsfonder, Real Estate Investment Trusts (REITs), med fokus på att uppskatta effekten av icke-konventionella penningpolitiska aktiviteter (kvantitativa lättnader och kvantitativ åtstramning) på avkastningsserierna, samtidigt som vi kontrollerar för andra viktiga makroekonomiska och finansiella variabler. Den andra artikeln fokuserar istället på att bygga modeller för prognoser av avkastningen på avkastningsserierna empiriskt, där prognosfelen för en traditionell ekonometrisk modell (ARIMA) jämförs med en modern djupinlärningsbaserad modell (LSTM). Digitalisering, som omfattar ett brett spektrum av tekniska framsteg, är den viktigaste faktorn som vi studerar för dess inverkan på REIT-investeringar. Ett perspektiv på digitaliseringens inverkan på REITs är dess effekt på inflationen. Digitalisering har potential att öka produktiviteten och minska kostnaderna, vilket kan bidra till att hålla inflationen låg. Detta har i sin tur under de senaste decennierna varit fördelaktigt för REIT-investeringar genom lägre räntor, vilket vi delvis undersöker i den första uppsatsen. Ett annat perspektiv är att digitaliseringen inte bara har lett, utan också förväntas leda, till betydande innovationer inom området artificiell intelligens (AI) och maskininlärning (ML), inklusive djupinlärning (DL), som är en delmängd av ML. Många forskare och professionella aktörer arbetar just nu med att utveckla modeller som kan använda stora mängder data för att göra bättre prognoser och investeringsbeslut. Om de lyckas kan dessa modeller förbättra resultatet för REITinvesteringar avsevärt. Kan DL-modeller tränas för att förbättra möjligheterna till att göra mer tillförlitliga prognoser och därmed öka chanserna till att göra mer lönsamma investeringar? Det är en fråga vi ställer oss i den andra artikeln. Digitalisering och dess effekter på inflationen har varit ett starkt växande fält inom såväl forskning som praktisk tillämpning de senaste åren, med forskare som undersöker den potentiella inverkan av tekniska framsteg på makroekonomiska trender, vilket har legat till grund för våra studier. Den senaste tidens utveckling i den globala ekonomin har dock flyttat fokus för denna forskning, eftersom inflationsnivåerna oväntat har stigit från vad som tidigare ansågs vara en låg och stabil miljö. Som ett resultat har miljön och ramarna för vår forskning om digitalisering och inflation ändrats avsevärt, eftersom vi har försökt anpassa oss till detta föränderliga landskap. / <p>QC 20231201</p>

Background: The last decades there has been a significant increase in tenant-owned real estate prices in Sweden, which has increased the risk exposure to price fluctuations in the society. Most studies have examined how the determining factors have affected the price development. Few studies have on the contrary examined how regulatory measures and quantitative easing have affected real estate prices and whether there is a conflict of objectives between market operations. Purpose: The purpose of this essay is to analyze which macroeconomic factors affect the average price per square meter for Sweden’s real estate market between 2000-2020. We will analyze whether the central bank of Sweden’s new monetary policy quantitative easing has affected the price per square meter for Sweden’s real estate market. We also investigating whether there is a conflict of objectives between quantitative easing and implemented regulatory measures on real estate prices. Completion: An econometric panel data study has been constructed to be able to analyze the impact of explanatory variables over time. The choice if explanatory variables has been made o the basis of theoretical conjunction based on several theories and previous research. The model has been adjusted for risks that may arise from a combination between panel data and time series analysis.  Conclusions: The result indicate that debt to equity ratio, disposable income, loan to value ratio, amortization, construction, quantitative easing and the policy rate have affected the average price per square meter for Sweden’s real estate market between 2000-2020. The regulatory measures have a negative effect on real estate prices, apart from the variable capital requirement which is non-significant in the model. Quantitative easing based the result presents a positive effect on real estate prices. Therefore, we argue that there occurs a conflict of objectives between the mentioned effects, expansionary monetary policy and regulatory measures. Keywords: Real estate prices, Expansionary monetary policy, Regulatory measures, Quantitative easing, Debt to equity ratio. / Bakgrund: De senaste decennierna har det skett en betydande ökning av bostadspriserna i Sverige, vilket ökat riskexponeringen för prisfluktuationer i samhället. Flertalet studier har undersökt hur bestämmandefaktorer har påverkat prisutvecklingen. Få studier har däremot undersökt hur regulatoriska åtgärder och kvantitativa lättnader påverkat bostadspriset samt om det föreligger en målkonflikt mellan marknadsoperationerna. Syfte: Syftet med denna uppsats är att analysera vilka makroekonomiska faktorer som påverkat det genomsnittliga kvadratmeterpriset för bostadsrätter på Sveriges bostadsmarknad mellan åren 2000–2020. Vi har analyserat om Riksbankens nya penningpolitiska styrmedel kvantitativa lättnader har påverkat kvadratmeterpriset för bostadsrätter. Vi har även undersökt om det föreligger en målkonflikt mellan kvantitativa lättnader och implementerade regulatoriska åtgärder på bostadspriset.   Metod: En ekonometrisk panel data studie har konstruerats för att kunna analysera flertalet förklaringsvariablers påverkan på beroendevariabeln över tid. Valet av förklaringsvariabler har gjorts utifrån teoretiskt samband baserat på flertalet teorier och tidigare forskning. Modellen har justerats för risker som kan uppstå vid kombination av paneldata och tidsserieanalys.  Slutsats: Resultatet indikerar att skuldsättning, disponibel inkomst, bolånetak, amortering, nybyggnation, kvantitativa lättnader och reporäntan påverkat det genomsnittliga kvadratmeterpriset på bostadsrätter i Sverige mellan åren 2000–2020. De regulatoriska åtgärderna har en negativ effekt på bostadspriset, bortsett från variabeln kapitalkrav som är i modellen icke-signifikant. Kvantitativa lättnader utifrån resultatet påvisar en positiv effekt på bostadspriser. Vi kan därför konstatera att det råder en målkonflikt mellan ovan nämnda effekter, expansiv penningpolitik och regulatoriska åtgärder.

This thesis aims to investigate to what extent the quantitative easing monetary policy tool, applied by the Riksbank, contributed to abnormal returns at the Swedish stock market during Covid-19. The chosen time period is 2007-2022, including the period before and after the implementation of quantitative easing in Sweden in 2015. Furthermore, the chosen time period includes two crises, the global financial crisis (GFC) and the Covid-19 crisis. Two artificial portfolios are created, one representing a high-risk portfolio and the other representing a low-risk portfolio. The thesis applies the ADL error correction model to estimate a potential relationship amongst QE and the returns for each of the computed portfolios. Results show a short-run relationship for both the high-risk and the low-risk portfolio. From the long-run perspective, there is only a relationship found concerning the high-risk portfolio. A modified CAPM-model is used as an interpretation when calculating abnormal returns, where the growth rate of industrial production reflects the expected return. Results show the presence of QE and abnormal returns for both portfolios during the time period of Covid-19, 2020-2022. / Denna uppsats syftar till att undersöka i vilken utsträckning Riksbankens kvantitativa lättnader bidrog till abnorm avkastning på den svenska aktiemarknaden under Covid-19. Den valdat idsperioden är 2007 – 2022, vilket inkluderar perioden före och efter genomförandet av kvantitativa lättnader i Sverige. Vidare inkluderar den valda tidsperioden två kriser, den globala finanskrisen samt Covid-19-krisen. Två artificiella portföljer konstrueras, där en representerar en högriskportfölj och den andra representerar en lågriskportfölj. Studien tillämpar en ADL error correction modell för att undersöka huruvida det existerar ett samband mellan kvantitativa lättnader och avkastningen för var och en av portföljerna. Resultaten visar ett kortsiktigt förhållande för både högrisk- och lågriskportföljen. Ur det långsiktiga perspektivet hittades endast ett samband för högriskportföljen. En modifierad CAPM-modell används vid beräkning av abnorm avkastning, där variabeln för den industriella produktionstillväxten reflekterar den förväntade avkastningen. Resultaten visar förekomsten av abnorm avkastning i samband de kvantitativa lättnader som genomfördes under Covid-19 för båda portföljerna under tidsperioden 2020–2022.

There has been a growing interest in economic policies and their impact within a country among the real estate economics research community in recent years. After the economic crisis of 2008, an unconventional monetary policy was created, and it has been called quantitative easing (QE), an instrument of economic policy applied through central banks to boost the economy in periods when conventional monetary policy is not satisfactory. As with the economic challenge brought by COVID-19, many central banks had to implement unconventional monetary plans. This thesis aims to discover the impact of quantitative easing (QE) and its opposite quantitative tapering (QT) on the housing prices of the US real estate market. In order to deal with this problem, this research performs time-varying rolling correlations, which are correlations between two-time series on a rolling window. The window for this research will be monthly and subject to historical data points from a 280-month period of the USA metropolitan price housing and the Federal Balance sheet between 1998 and 2022. The results show there is a positive correlation between the different US housing markets and the US Federal Balance Sheet in the majority of the US markets analyzed and finds a high positive correlation between the different regional house price indices and US National Home Price Index and finally the existence of spillover effect between the cities in the high tier (e.g., Los Angeles and Miami) and low-tier (e.g., Chicago and Atlanta) cities, such that rising trends in one city are mirrored by the following changes in the other city in the equivalent tier and vice versa. / Under de senaste åren har det funnits ett växande intresse för ekonomisk politik och dess inverkan inom ett land bland den fastighetsekonomiska forskarvärlden. Efter den ekonomiska krisen 2008 har en okonventionell penningpolitik skapats och den har kallats kvantitativa lättnader (QE); ett ekonomiskt politiskt instrument som tillämpas genom centralbanker för att stärka ekonomin i perioder då den konventionella penningpolitiken inte är tillfredsställande. Liksom i fallet med den ekonomiska utmaning som covid-19 orsakade, var många centralbanker tvungna att genomföra okonventionella monetära planer. Denna avhandling syftar till att upptäcka effekten av kvantitativ lättnad (QE) och dess motståndare kvantitativ nedtrappning (QT) på bostadspriserna på den amerikanska fastighetsmarknaden. Som ett sätt att hantera detta problem utför denna forskning tidsvarierande rullande korrelationer som är korrelationer mellan två tidsserier på ett rullande fönster, fönstret för denna forskning kommer att vara månadsvis och föremål för historiska datapunkter från 280-månadersperioden i USA storstadspriserna bostäder och den federala balansräkningen mellan 1998 och 2022. Resultaten visar att det finns en positiv korrelation mellan de olika amerikanska bostadsmarknaderna och den amerikanska federala balansräkningen på majoriteten av de analyserade amerikanska marknaderna och finner en hög positiv korrelation mellan de olika regionala husprisindex och US National Home Price Index och slutligen förekomsten av spridningseffekter mellan städerna i städerna på hög nivå (t.ex. Los Angeles och Miami) och lågnivå (t.ex. Chicago och Atlanta), så att stigande trender i en stad speglas av följande förändringar i den andra staden i motsvarande nivå och vice versa.