Investing in real estate carries inherent risks due to fluctuations in economic activity, changes in population dynamics, and shifts in market demand. While traditional approaches to scenario analysis, grounded in market expertise and keen intuition, have stood the test of time, they are also subjective and prone to human error and external influences. Therefore, an objective approach based on statistical inference was sought to serve as a supplementary instrument for real estate industry professionals. With efficacy and practical functionality in consideration, this thesis explores various solutions and determines autoregressive processes as a prime candidate for such an instrument. An instructive procedure is developed and applied to two data sets of historical Stockholm office rents and yields respectively. Starting with data typically available to real estate investors and advisors, this procedure implements locally weighted scatterplot smoothing, polynomial regression, autoregressive integrated moving average processes and matrix transformations to derive forecast intervals which may be applied to prescribe probability to precise ranges or points of the users variable of choice, several quarters into the future. The results demonstrate limitations in the distance of forecasting using this procedure but display satisfactory performance in the short to medium term. Additionally, the practical applicability of the procedure is reflected upon. / Investering i fastigheter medför inneboende risker på grund av fluktuationer i ekonomisk aktivitet, förändringar i befolkningsdynamik och efterfrågan på marknaden. Medan traditionella tillvägagångssätt för scenarioanalys, grundade på marknadsexpertis och skarp intuition, har bestått tidens tand, är de också subjektiva och medför risk för mänskliga fel och externa faktorer. Därav eftertraktades en objektiv metod baserad på statistiska processer för att fungera som ett kompletterande verktyg i fastighetsbranschen. Med hänsyn till effektivitet och praktisk funktionalitet fastställs autoregressiva processer som en primär kandidat som ett sådant verktyg i denna studie. En instruktiv procedur utvecklas och tillämpas på två dataset av historiska hyror respektive avkastning för kontorslokaler i Stockholm. Med utgångspunkt i data vanligt tillgänglig för fastighetsinvesterare och rådgivare implementerar denna procedur lokalt viktad spridningsdiagramsutjämning, polynomregression, autoregressiva integrerade glidande medelvärdesprocesser och matristransformationer för att härleda prognosintervall som kan användas för att föreskriva sannolikheter till exakta intervall eller punkter för variabeln i fråga, flera kvartal in i framtiden. Resultaten visar begränsningar i avståndet för prognoser med denna procedur men tillfredsställande prestanda på kort- till medellång sikt. Dessutom görs reflektioner kring den praktiska användbarheten av proceduren.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-348147 |
| Date | January 2024 |
| Creators | Smolentsev, Alexander, Andersson, Alex |
| Publisher | KTH, Fastigheter och byggande |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | Swedish |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-ABE-MBT ; 24422 |
Page generated in 0.0028 seconds