Asuntosijoittamisen tuotto ja riski finanssikriisin aikana

(1)

Lappeenrannan teknillinen yliopisto Kauppatieteellinen tiedekunta

Kandidaatintutkielma, Talousjohtaminen

ASUNTOSIJOITTAMISEN TUOTTO JA RISKI FINANSSIKRIISIN AIKANA Risk and return of housing investments during the financial crisis

Joonas Kainulainen 06.05.2012

(2)

SISÄLLYSLUETTELO

1. JOHDANTO ... 1

1.1. Tutkimuksen rajaus ... 1

1.2. Tutkimusmenetelmät ... 2

2. KIRJALLISUUSKATSAUS ... 3

2.1. Asuntosijoittamisen erityispiirteitä ... 3

2.2. Tutkimustuloksia ... 5

2.3. Trendejä Suomen markkinoilta ... 8

3. TEOREETTINEN VIITEKEHYS ... 10

3.1. Tuoton laskeminen ... 10

3.2. Tuottojen kaava ... 11

3.3. CAPM-malli ... 13

3.4. CAPM-mallin käyttö asuntomarkkinoilla ja mahdolliset ongelmat ... 14

3.5. Menestysmittarit ... 15

3.6. Vuokra-hintasuhde ... 17

4. EMPIIRISET TUTKIMUSTULOKSET ... 19

4.1. Asuntomarkkina-aineisto ... 19

4.2. Arvopaperimarkkina-aineisto ... 20

4.3. Aineiston kuvailevat tunnusluvut ... 21

4.4. Tuottojen vertailu ... 22

4.5. CAPM-mallin tulokset ... 25

4.6. Vuokra-hintasuhde ... 27

5. YHTEENVETO JA JOHTOPÄÄTÖKSET ... 29

LÄHDELUETTELO ... 31 LIITTEET

(3)

1. JOHDANTO

Vuoden 2008 finanssikriisi vaikutti merkittävästi osakemarkkinoilta saataviin tuottoihin.

Vaikka osakemarkkinoiden pitkän aikavälin keskimääräisen tuoton nähdään yleisesti olevan n. 8-10 % (Siegel 2007, 12), näyttää rahoitusmarkkinoiden syklisyys historiallisesti olevan säännöllistä (Zakamulin 2012, 31). Onkin mielenkiintoista pohtia, mitä muita sijoitusmahdollisuuksia yksilöllä on käytettävissään, ja voivatko ne tuottaa vakaampaa kassavirtaa ja arvonnousua kuin osakemarkkinat. Tästä syystä vaihtoehtoisten sijoitusinstrumenttien tutkiminen on kiehtovaa ja arvokasta tietoa tuottavaa.

Asuntosijoittaminen on eräs tavallisimmista vaihtoehtoissijoittamisen muodoista, jonka suosio joko pysyi lähes ennallaan (Tilastokeskus 2009, 155) tai jopa kasvoi finanssikriisin aikana (KTI 2009; Liite 1). Osittain tähän on nähty syynä laskeneet korkotasot jotka ovat laskeneet asuntolainojen hintoja (Mäki-Fränti et al. 2011, 2). Kiinteistötieto Oy:n (2009) markkinakatsauksen mukaan monet ovat nähneet vuokra-asumisen varmempana ja turvallisempana vaihtoehtona taloudellisen epävarmuuden aikana. Toisaalta juuri tästä syystä vuokratuotot ovat olleet nousussa. Vuokratuottojen kasvu ja osakemarkkinoiden laskenut tuottotaso on houkutellut sijoittajia siirtämään varojaan asuntoihin.

1.1. Tutkimuksen rajaus

Tämä tutkimus pyrkii kartoittamaan asuntosijoittamisen tuottoja ja riskejä Suomessa vuosina 2005-2011. Asuntomarkkinoilta löytyy aikaisempia tutkimuksia sekä suomalaisella että ulkomaisella markkina-aineistolla. Kuosmanen (2002) sekä Oikarinen (2007) ovat tehneet väitöskirjan asuntosijoittamisesta Suomessa. Molempien töissä painopiste on ollut portfolioteorian soveltaminen asuntomarkkinoilla, kun taas tässä tutkimuksessa vertaillaan asuntoja arvopaperimarkkinoiden tuottoja. Tässä tutkimuksessa on käytössä lisäksi tuoreempi aineisto, jolloin vuosien 2007–2009 finanssikriisin vaikutukset tulevat näkyviin.

(4)

Tutkimuksessa keskitytään yksityissijoittajan näkökulmaan, eli sijoituskohteet ovat omistusasuntoja. Tällöin kiinteistöt, kuten suuret toimistotilat ja kokonaiset kerrostalot jäävät pois analyysista, koska tilastokeskukselta ei löydy niille erillistä aineistoa.

Tutkimuksessa käytetään Tilastokeskuksen tuottamaa dataa asuntojen hinnoista, vuokrista ja hoitokuluista.

Tutkimuksen aikajanan rajaus vuosille 2005-2011 johtuu asuntomarkkinoita koskevan luotettavan aineiston saatavuudesta. Lisäksi tämä rajaus antaa hyvän mahdollisuuden tutkia finanssikriisin vaikutuksia asuntoja arvopaperimarkkinoiden tuottoihin.

1.2. Tutkimusmenetelmät

Tässä tutkimuksessa selvitetään, kuinka asuntomarkkinat ovat tuottaneet Suomessa finanssikriisin aikana verrattuna osakemarkkinoihin. Tuottojen menestystä mitataan Sharpen indeksillä vertaamalla markkinapreemiota tuottojen kokonaisriskiin. Lisäksi tutkitaan, pystyykö CAPM-mallia soveltamaan systemaattisen riskin mittaamisessa asuntomarkkinoilla. Teoreettisesti CAPM-mallia täytyisi pystyä soveltamaan mille tahansa sijoituskohteelle. Lisäksi tarkastellaan vuokra-hintasuhteen käyttöä sijoituspäätöksen apuvälineenä.

(5)

2. KIRJALLISUUSKATSAUS

Tässä luvussa selvitetään aikaisempien tutkimusten tuloksia asuntomarkkinoiden tuotoista. Vaikka asuntomarkkinoiden tuottoihin liittyvät tutkimukset ovatkin harvalukuisempia kuin esimerkiksi osakemarkkinoiden vastaavat, on aihetta käsitelty niin kotimaisissa kuin ulkomaisissakin papereissa. Eräs suuri syy joka vaikeuttaa asuntomarkkinoiden tutkimista on kattavan ja reliaabelin aineiston hankala saatavuus.

Tämän vuoksi onkin syytä ensin käydä läpi asuntomarkkinoiden erityispiirteitä joilla voi olla vaikutusta tutkimustuloksiin.

2.1. Asuntosijoittamisen erityispiirteitä

Oikarinen (2005, 33-38) on väitöskirjassaan selvittänyt asuntojen eroa muihin rahoitusvaroihin. Vaikka asuntomarkkinoihinkin pätevät samat perinteiset lainalaisuudet kuin muihinkin rahoitusinstrumentteihin, eli hinnan täytyy määräytyä diskontattujen tulevaisuuden odotettujen kassavirtojen perusteella, on asuntomarkkinoilla havaittavissa ominaislaatuisia erityispiirteitä.

Toisin kuin osakkeilla, asunnoilla ei ole yhtä vakiintunutta markkinapaikkaa, jossa niiden hinta muodostuisi. Lähes jokainen asunto on hiukan toisesta poikkeava, joten käytännössä kahden eri asunnon tuottojen vertailu on hankalaa, koska hintaan vaikuttaa neliöhinnan lisäksi useita muita muuttujia, kuten varustelutaso (esimerkiksi parveke, sauna, ilmastointi) ja sijainti. Asuntomarkkinoiden heterogeenisuuden vuoksi tutkimusten tulokset vaihtelevat usein. Tätä ongelmaa on pyritty ratkaisemaan hedonisilla hinnoittelumalleilla, joilla mallinnetaan laatuun vaikuttavien muuttujien vaikutusta heterogeenisen hyödykkeen hintaan (Laakso 1997, 25). Asuntomarkkinat eroavat vielä muista heterogeenisistä hyödykkeistä muun muassa siten, että markkinoilla on tarjolla sekä uusia, että vanhoja hyödykkeitä (Miettilä 2001, 24-25). Sijoittajille tämä ei ole ongelma, sillä he voivat

(6)

substituoida uuden ja vanhan asuntokannan välillä preferenssiensä mukaan, mutta tarjontapuolen tasapainoon tällä on varmasti merkitystä.

Asuntokannan heterogeenisyyden ja hinnat määrittelevän julkisen markkinapaikan puuttumisen vuoksi asuntomarkkinat ovat epälikvidejä ja vaikeammin hajautettavia verrattuna osakemarkkinoihin, ja hintojen ja tuottojen selvittämisen kustannukset ovat korkeammat. Lisäksi lyhyeksi myynnin, eli shorttauksen mahdottomuus (Case et al. 2010, 13) ja transaktiokustannukset, kuten varainsiirtovero ja muuttokustannukset kasvattavat epälikvidisyyttä. (Oikarinen 2007, 33-34)

Toinen merkittävä piirre on, että asunto on sekä kulutus- että sijoitushyödyke.

Kulutuskysynnästä aiheutuu muun muassa ns. asuntorajoitus (housing constraint) yksilön sijoitusportfolioon. Koska asunto on usein todella suuri yksittäinen taloudellinen rasite kuluttajalle, ja koska asunnon hankinnassa voi painottua vahvasti myös kulutushyödykkeen ominaisuus, asunnon osuus sijoitusportfoliossa voi nousta yli optimaalisen osuuden. Tällöin asunnon osuus sijoittajan koko nettovarallisuudesta on yli optimin (Flavin & Yamashita 1998, 1; Englund et al. 2002, 168). Tämän vuoksi sijoitusportfolion kokonaishajautus on liian vähäinen, mikä puolestaan vaikuttaa portfolion riskiin ja sitä kautta tuottoihin. Sijoittajan – tai kuluttajan – irrationaalisuudesta tässä ei kuitenkaan ole kyse, vaan kuluttajan on vain tasapainotettava sijoitus- ja kulutuspreferenssinsä hyödyn maksimoimiseksi. (Brueckner 1997, 159)

Kuten edellä mainittiin, on asunnon hankintaan tarvittava pääoma suhteessa koko varallisuuteen yleensä suuri, koska asuntoa tai asunto-osaketta harvoin pystyy jakamaan osiin. Tästä johtuen asuntomarkkinat ovat iso osa kansantaloutta. Valtio säätelee politiikalla asuntojen hintoja, jolla on myös vaikutusta asuntojen tuottoihin. Esimerkiksi valtion avulla tuettuihin vuokra-asuntoihin (arava-asunnot) sijoittaminen on havaittu riskiseksi (Miettilä 2001, 39). Lisäksi Oikarinen (2005) on havainnut, että keskusta- alueiden asuntojen hinnoilla on yhteys lähiöalueiden asuntojen hintoihin. Voi olla mahdollista, että vapaarahoitteisten pienten ja suhteellisesti halvan vuokratason omaavien asuntojen kysyntään ja sitä kautta tuottoihin voi vaikuttaa sijainti, mikäli lähistöllä on myös

(7)

paljon arava-asuntoja, joiden avulla kuluttajien on mahdollista substituoida asunnon tarvettaan.

2.2. Tutkimustuloksia

Asuntomarkkinoiden tuottoa on useissa papereissa tutkittu portfolioteorian avulla, jossa asunto on yksi osa sijoitusportfoliota. Näin on pyritty selvittämään optimaalisen sijoitusportfolion koostumusta, kun portfolio sisältää sekä rahoitusmarkkinainstrumentteja, että asuntoja, tai kun portfolio koostuu useista asunnoista jotka on hajautettu maantieteellisesti.

Suomen asuntomarkkinoiden tuottoa on tutkittu kahdessa väitöskirjassa (Kuosmanen, 2002; Oikarinen, 2007). Kuosmanen tutki portfoliosijoittamisen soveltamista muun muassa siten, että asuntosijoitukset oli hajautettu maantieteellisesti ympäri Suomea. Aineisto oli vuosilta 1970-1998. Tutkimuksessa laskettiin eri portfoliopainotusten optimeja eri riskittömän koron arvoilla. Tarkastellaan, mitä tuotto on ollut, kun asetetaan riskitön korko neljään prosenttiin, joka on karkeasti arvioiden ollut 2000-luvun keskiarvoinen riskitön korko. Kuosmasen mukaan neljän prosentin riskittömällä korolla kannatti optimaalinen salkku hajauttaa Helsingin, Oulun ja Lappeenrannan välillä painotusten ollessa n. 40%

Helsinkiin ja Ouluun, ja n. 15% Lappeenrantaan. Tällöin keskimääräinen portfolion vuosituotto oli 7,94 % ja keskihajonta 10,70 %. (Kuosmanen 2002, 91)

Myös Goetzmann (1990, 217) päätyi johtopäätökseen, että maantieteellinen portfolion hajauttaminen alentaa riskiä. Kannattaa huomioida, että useiden tutkimusten mukaan (muun muassa Booth 1995, 16; Oikarinen 2005, 233) asuntojen hinnoissa on havaittavissa Granger-kausaliteettia, eli asuntojen hinnat korreloivat voimakkaasti eri geografisilla alueilla pitkällä aikavälillä, joten lyhyen aikavälin alhaisia korrelaatiotietoja kannattaa käyttää harkiten hajauttamispäätöksen selvittämisessä.

(8)

Asunto- ja osakesijoituksen tuottojen välisen korrelaation on havaittu olevan pieni yksityisten kiinteistösijoitusten tapauksissa (Ling & Naranjo 1999, 505-506) tai jopa negatiivinen (Flavin & Yamashita 1998, 7), jonka vuoksi asunnot ovat hyvä tapa hajauttaa riskiä optimaalisessa sijoitusportfoliossa. Pienet korrelaatiot voivat johtua sijoittajien halusta vaihtaa pienempiriskiseen vaihtoehtoon huonoina taloudellisina aikoina (Oikarinen, 2005, 266).

Holliday & Eisenberg (2002, 9-13) vertailivat asuntojen ja osakkeiden tuottoja aikasarjalla joka oli vuosilta 1975-2001. Lyhyellä aikavälillä asuntojen neljännesvuosittainen tuoton volatiliteetti oli merkittävästi osakkeiden vastaavaa pienempi. Asuntojen tuotto vaihteli 1-5 prosentin välillä, kun taas S&P 500 -indeksistä laskettu osakkeiden tuotto vaihteli joillain kvartaaleilla jopa 20 prosenttia nollan molemmin puolin. Keskiarvoisesti osakkeiden tuotto (15,22 %) oli aikavälillä suurempaa kuin asuntojen (noin 10,5 %). Tuoton keskihajonta oli osakkeissa kaksinkertainen keskiarvoiseen tuottoon verrattuna, kun asunnoissa se oli noin puolet keskituotoista. Asuntojen ja joukkovelkakirjojen vertailu tuotti samankaltaisia tuloksia, vaikka joukkovelkakirjojen volatiliteetti olikin osakkeita pienempää. Tutkimustulos osoitti lisäksi, että laskennallinen vuokra oli noin puolet koko tuotoista asunnon arvonnousun kattaessa loput.

Pitkällä aikavälillä osakkeet tuottivat odotetusti asuntoja enemmän, tosin jälleen volatiliteetti oli suurempi, jolloin osakkeiden oston ajoitus ratkaisee paljon tuottojen suuruudessa. Velkakirjoihin verratessa asunnot jopa tuottivat ajoittain paremmin kuin US treasury bondit pienemmällä volatiliteetilla, jolloin asuntosijoittamisen riski on ollut pienempää kuin ns. riskittömällä valtion velkakirjan tuotolla. Laskelmissa käytettiin verovähentämättömiä lukuja. (Holliday & Eisenberg 2002, 12)

Flavin &Yamashitan (1998, 7-9) tutkimuksessa asuntosijoituksen reaaliseksi keskituotoksi saatiin 6,6 % keskihajonnan ollessa 14,24 %. Osakkeiden vastaavaksi tuotoksi saatiin 8,2

% ja keskihajonnaksi 24,2 %.

(9)

Lontoolaisella aineistolla tehdyssä tutkimuksessa asuntojen kvartaaliseksi tuotoksi vuosina 1977-2000 saatiin 1,52 %, ja osakkeiden tuotoksi 1,64 %. On huomion arvoista, että asuntojen tuotot olivat hyvin lähellä osakkeiden tuottoja. Keskihajonnat olivat yhtenäisiä aiempien tutkimusten kanssa, eli asuntojen tuoton keskihajonta oli velkakirjojen ja osakkeiden keskihajontojen välissä, mutta keskihajonnat olivat kuitenkin korkeampia kuin aiemmissa tutkimuksissa on totuttu näkemään. (Iacoviello & Ortalo-Magné 2003, 197)

Leen (2008, 352–361) Australian aineistolla tehdyssä tutkimuksessa saatiin yhteneviä tuloksia Holliday & Eisenbergin tutkimuksen kanssa. Vuosina 1996-2007 asunnot tuottivat keskimäärin 2,7 % (keskihajonta 1,6 %). Osakkeiden tuotto oli 3,4 % (keskihajonta 5,5 %) Lee oli käyttänyt Sharpen ja Sortinon lukuja riskikorjatun tuoton mittareina. Näillä mittareilla asuntojen riskikorjattu tuotto oli paras vertailtaessa osakkeisiin ja muihin yleisiin sijoitusmuotoihin. Sharpen luku asunnoille oli 0,566, osakkeille 0,381 ja velkakirjoille 0,165.

Riski-tuotto -analyysia tutkimuksessaan ovat käyttäneet myös Cannon et al. (2006).

Heidän poikkileikkausaineistolla tekemässään tutkimuksessa Yhdysvaltain asuntomarkkinoista vuosilta 1995-2003 havaittiin, että vuosituotot kasvavat 2,48 % kymmenen prosentin volatiliteetin kasvua vastaan. Tutkimuksesta käy myös ilmi, että osakemarkkinoiden riski on ollut hinnoiteltuna asuntomarkkinoilla. Niiden alueellisten asuntomarkkinoiden tuotot, joiden beeta-kerroin oli 0,5, kasvoivat noin 8 % enemmän nollabeetallisiin asuntomarkkinoihin verrattuna osakemarkkinoiden kasvuvaiheen aikana, käytettäessä S&P 500 -indeksiä markkinatuoton kuvaajana regressioanalyysissä.

Vastaavasti osakemarkkinoiden taantumavaiheen aikana korkeamman beetan asuntomarkkinat ovat laskeneet noin 8 % verrattuna nollabeetallisiin asuntomarkkinoihin.

(10)

2.3. Trendejä Suomen markkinoilta

Kuvio 1 näyttää vanhojen asuntojen hintakehityksen tarkasteluperiodilla, ja kuvio 2 vuokrien kehittymisen. Kuvioista voidaan havaita pidemmällä aikavälillä kasvava trendi, vaikka asuntojen hinnat hiukan putosivatkin finanssikriisin alkumainingeissa.

Kuvio 1. Asuntojen hintaindeksi, 2005 =100.

90 100 110 120 130 140 150

Q1/2005 Q2/2005 Q3/2005 Q4/2005 Q1/2006 Q2/2006 Q3/2006 Q4/2006 Q1/2007 Q2/2007 Q3/2007 Q4/2007 Q1/2008 Q2/2008 Q3/2008 Q4/2008 Q1/2009 Q2/2009 Q3/2009 Q4/2009 Q1/2010 Q2/2010 Q3/2010 Q4/2010 Q1/2011 Q2/2011 Q3/2011 Q4/2011

Asuntojen hintaindeksi 2005=100

Koko maa Länsi-Suomi Itä-Suomi Pääkaupunkiseutu Pohjois-Suomi

(11)

Kuvio 2. Vuokrien hintaideksi, 2005=100.

Aiempien tutkimusten perusteella voi siis olettaa, että asuntojen tuotto ja volatiliteetti on jossain velkakirjojen ja osakkeiden välillä. Edellä mainituista trendeistä huomataan, että asuntosijoittamiselle voi odottaa kasvaneita tuottoja tutkimuksen tarkasteluperiodille.

95 100 105 110 115 120 125 130

Vuokrien hintaindeksi 2005=100

Koko maa Länsi-Suomi Itä-Suomi Pääkaupunkiseutu Pohjois-Suomi

(12)

3. TEOREETTINEN VIITEKEHYS

Riskin ja tuoton mittaaminen sekä niiden välinen suhde ovat eräitä keskeisiä ongelmia sijoitushyödykkeiden arvioinnissa. Rahoituksen alan uraa uurtavissa pääomahyödykkeiden hinnoittelumalleissa usein oletetaan, että sijoittajat ovat riskin karttajia (Jensen et al. 1972, 1), ja riskin kasvaessa vaativat aina suurempaa tuottoa. (Kuosmanen 2002, 26)

Sijoitushyödykkeen kokonaisriski jakaantuu kahteen osa-alueeseen. Epäsystemaattinen eli idiosynkraattinen riski kuvaa yksittäiselle hyödykkeelle kuuluvaa, hajautettavissa olevaa riskiä. Systemaattisella, eli markkinariskillä tarkoitetaan koko taloutta koskevia riskejä, joita ei pystytä hajauttamaan. Esimerkkejä markkinariskistä ovat inflaatio, korkotason muutokset ja bruttokansantuotteen heilahtelut. Epäsystemaattista riskiä asuntomarkkinoilla voidaan kuvata esimerkiksi yksittäisen asunnon kunnolla.

Tuottojen kokonaisvaihtelun mittaamiseen käytetään tässä tutkimuksessa keskihajontaa.

Lisäksi tarkastellaan CAPM-mallin soveltuvuutta asuntomarkkinoille, ja mallista estimioitavan, systemaattista riskiä mittaavan beeta-kertoimen käyttöä riskimittarina. Aivan ensiksi määritellään kuitenkin tuottojen laskentatapa.

3.1. Tuoton laskeminen

Tuottojen laskemiseen voidaan käyttää joko aritmeettista tai geometrista keskiarvoa.

Kuosmasen mukaan (2002, 31) on parempi käyttää aritmeettista keskiarvoa kun määritellään tulevia odotettuja tuottoja, ja menneen sijoitustoiminnan tarkasteluun kannattaa käyttää geometrista keskiarvoa, sillä geometrinen laskentatapa ottaa huomioon korkoa korolle -efektin. Aritmeettinen keskiarvo lisäksi yliarvioi saatua tuottoa, kun sijoitusstrategiana on pitkäjänteinen osta-ja-pidä -strategia. Lyhytaikaisella sijoitusstrategialla, jossa sijoituspäätökset tehdään joka periodin päättyessä, aritmeettinen

(13)

keskiarvo laskee todenmukaisemmat tuotot (Cooper 1996, 161). Kuosmanen (2002, 31) lisää, että usein aritmeettista keskiarvoa käytetään siksi, koska se liittyy muun muassa tuottosarjojen tilastollisten ominaisuuksien laskemiseen.

Koska geometrinen keskiarvo on laskentatavastaan johtuen aina korkeintaan yhtä suuri ja usein alle aritmeettisen keskiarvon, on se aina täten aritmeettista keskiarvoa harhaisempi estimaattori. On myös havaittu, että aritmeettisella keskiarvolla saadaan lähempänä havaittuja tuottoja olevia arvoja, kun havaitut tuotot on korjattu autokorrelaation varalta.

(Cooper 1996 160,165)

Kuosmanen havaitsi aineistollaan, että vertailtaessa näiden kahden laskentamenetelmän antamia tuloksia, tuottojen järjestys säilyi kärki- ja häntäpään, eli eniten ja vähiten tuottavien kohteiden osalta samana, ja välissä olevien arvojenkin järjestys vaihteli vain hiukan: puolesta prosentista prosenttiin. Lisäksi aritmeettisen ja geometrisen tuoton korrelaatioksi saatiin 0,975. (Kuosmanen 2002, 42)

Vaikka tässä tutkimuksessa tutkitaankin menneitä tuottoja, käytetyksi laskentamenetelmäksi on silti valittu aritmeettinen keskiarvo, koska aiempien tutkimusten mukaan laskentamenetelmien tulosten välillä ei käytännössä ole paljoa eroa, ja koska aritmeettisen keskiarvon on havaittu olevan harhattomampi tiettyjen oletusten valossa.

3.2. Tuottojen kaava

Varallisuushyödykkeen yhden periodin tuotot voidaan laskea seuraavan kaavan avulla (Hiebert & Sydow 2011, 90) :

Rt+1 = (Pt+1 -Pt + Dt+1) / Pt (1)

(14)

Kaavassa R = tuotto, P = varallisuuskohteen hinta, D = osinko ja t viittaa aikaperiodiin.

Asuntomarkkinoiden osalta tuoton laskennan kaavassa osingon paikalla käytetään vuokratuottoja. Jotkin tutkimukset ovat jättäneet vuokratuoton mallintamisen kokonaan pois aineiston hankalan saatavuuden vuoksi (esim Kuosmanen 2002) tai sitä on estimoitu reaalisen korkotason ja poistoprosentin avulla (Flavin & Yamashita 1998, 4). Englund et al.

(2002, 173) käyttivät vuokratuoton estimaattorina oletusta, että vuokran määrä on yhden prosentin asunnon hinnasta. Tämän tutkimuksen aineistolla mitattuna vuokrat ovat olleet koko maassa johdonmukaisesti noin 0,5 prosenttia asunnon hinnasta per kvartaali.

Penttinen & Lausti (2009, 10) ovat käyttäneet asuntomarkkinoiden tuoton laskemiseen edellä esitetyn kaavan 1 muunnosta. Heidän käyttämä kaavansa on:

Rt = LN ((Pt + Nt - Ct) / Pt-1)

(2)

Kaavassa R = tuotto, P = asunnon hinta €/m²vuoden t lopussa, N = vuotuinen vuokra €/m² ja C = vuotuiset kustannukset €/m².

Gat (1994, 55-56) käytti tutkimuksessaan muuten samankaltaista tuottojen laskentakaavaa, paitsi hän ei tehnyt logaritmitransformaatiota. Tässä tutkimuksessa on käytetty tuottojen laskemisessa hyväksi sekä Gatin, että Penttinen & Laustin käyttämiä kaavoja. Kustannusfaktorin laskennassa on käytetty lisäksi pääomaveroprosenttia, joka aikajaksolla 2005-2011 oli 28 %. Koska aineisto on neljännesvuosittaista, pääomaveroprosentti on jaettu neljällä, eli joka periodilta on maksettu pääomaveroa 7 %.

(15)

Tämän tutkimuksen tuottojen laskentakaava on siis:

Rt = (Pt - Pt-1 + Nt * (1-0,07)) / Pt-1 (3)

Kaavassa R = tuottoprosentti, P = asunnon hinta €/m² ja N = nettovuokra (vuokratulot - hoitokulut) €/m².

3.3. CAPM-malli

CAPM-malli on pääomasijoitushyödykkeiden hinnoittelumalli, jonka avulla määritellään sijoitusten odotetut tuotot tietyllä markkinariskitasolla. Mallin alkuvaiheina pidetään Markowitzin (1952) kehittämää portfolioteoriaa. Markowitzin teoriassa optimoitiin riskiä karttavan sijoittajan tuoton ja riskin suhdetta, ja etsittiin sitä kautta optimaalisia osakekombinaatioita sijoitussalkkuun. Näitä optimaalisia riskin ja tuoton pisteitä kutsutaan tehokkaaksi rintamaksi. Sharpe (1963) yksinkertaisti mallia markkinaportfolio-oletuksella, eli että kaikki osakkeet ovat toisiinsa kytköksissä yhteisen markkinaportfolion kautta, jolloin kovarianssi-varianssi -matriisin laskeminen helpottuu, koska yhden tuottomallin virhetermien oletetaan olevan riippumattomia muiden tuottosarjojen virhetermeistä. Tällöin kaikkia kovarianssi-varianssi -matriisin termejä ei tarvitse laskea erikseen. Vaikka CAPM- mallia onkin käytetty suurelta osin osakemarkkinoiden tutkimiseen, pitäisi sen teoriassa sopia kaikkien pääomahyödykkeiden tuotto-markkinariski -analyysiin. (Kuosmanen 2002, 51)

CAPM-mallin mukaan pääomahyödykkeen odotetut tuotot ovat lineaarisessa suhteessa markkinariskiin, jota kuvaa hyödykkeen beeta-kerroin (Malkamäki 1992, 9). Beeta-kerroin on siis sijoitushyödykkeen ja markkinaportfolion kovarianssin suhde markkinaportfolion varianssiin, eli se kertoo kuinka paljon sijoitushyödykkeen tuotto vaihtelee suhteessa markkinaportfolion tuoton vaihteluun. Beeta-kerroin voidaan esittää muodossa:

(16)

βi = cov(ri, rm) / var(rm) (4)

Itse CAPM-malli voidaan esittää seuraavassa muodossa:

E(ri) = rf + βi*(E(rm) - rf) (5)

Kaavassa E(ri) = sijoitushyödykkeen odotettu tuotto, βi = sijoitushyödykkeen beeta-kerroin, E(rm) = odotettu markkinatuotto ja rf = riskitön korko.

Koska todellista CAPM-mallin beeta-kerrointa ei voi havaita, se täytyy estimoida empiirisesti. Ekonometrinen malli saadaan, kun korvataan odotetut tuotot havaituilla tuotoilla ja lisätään mallin loppuun satunnainen virhetermi. Tällöin kaavaksi muodostuu:

rit = αit + βi*rmt + εit (6)

Kaavassa rit on sijoitushyödykkeen i tuotto ajanhetkellä t, αit on vakiotermi, βi on sijoitushyödykkeen i beeta-kerroin, rmt on markkinaportfolion tuotto ja εit on satunnainen virhetermi. Tämä malli olettaa, että riskitön korko pysyy vakiona (Kuosmanen 2002, 53).

Tässä tutkimuksessa on myös oletettu riskittömän koron vakioisuus, ja mallin markkinatuoton termi kuvaa siis markkinapreemiota, eli rmt = (rm - rf).

3.4. CAPM-mallin käyttö asuntomarkkinoilla ja mahdolliset ongelmat

Mallinnettaessa asuntomarkkionoita CAPM-mallin avulla, ongelmaksi voi muodostua järkevien beeta-kerrointen estimoinnin vaikeus. Breidenbach et al. (2006, 79) tutkivat

(17)

CAPM-mallin käyttöä asuntomarkkinoilla. He yrittivät ohittaa beetan estimointiongelman käyttämällä markkinaportfolion kuvaamiseen osakemarkkinoilla julkisen kaupankäynnin kohteena olevan kiinteistösijoitusyhtiön (REIT) tuottoja. Konstantinos et al. (2011, 288- 289) mukaan käyttämällä kiinteistösijoitusyhtiön tuottoja asuntomarkkinoiden markkinatuoton mittarina saadaan tarkempia beetan estimaattoreita. Ongelmaksi muodostuu tosin helposti se, ettei aineistoa ole saatavissa kiinteistösijoitusyhtiöistä. Sen vuoksi tässä tutkimuksessa markkinaportfolion tuoton virkaa suorittaa koko maan keskiarvoinen asuntojen tuotto.

Perinteisen CAPM-mallin estimaattorien heikkoutta tutki myös Chu (2010, 460) ja hänen tutkimuksessaan huomattiin, että koska omistusasunnot ovat sekä kulutus- että sijoitushyödykkeitä, ei omistusasuntojen kohdalla CAPM-mallilla saavuteta oikeita tuloksia.

Heidän ratkaisunsa oli käyttää intertemporaalista CAPM-mallia, jossa mallin uutena selittävänä muuttujana oli kulutuksen suhde asunnon kysyntään (consumption-to-housing).

Toinen ongelma voi liittyä aikajakson pituuteen. Kuosmasen (2002, 55) mukaan pitkittäisregression markkinamallin estimoinnin tilastollinen merkittävyys paranee käytettäessä riittävän pitkää aikajaksoa, ja kun aikajakso kantaa kokonaan suhdanteen yli.

Voidaan argumentoida, että tämän tutkimuksen seitsemän vuoden aikaperiodi voi olla hiukan liian lyhyt merkittävien tulosten kannalta, ja että finanssikriisin aiheuttama taantumavaihe ei ole vielä vuoden 2011 loppuun mennessä tasoittunut kokonaan.

3.5. Menestysmittarit

Menestysmittareita käytetään vertailtaessa eri pääomasijoitushyödykkeiden tai portfolioiden suoriutumista eri aikajaksoilla tai suhteessa muihin sijoitushyödykkeisiin.

Mitattaessa pääomasijoituksen menestystä, on mielekästä tutkia tuoton ja riskin suhdetta toisiinsa. Sharpen indeksi vertaa aikajaksolla saavutetun sijoitushyödykkeen riskipreemion suhdetta kokonaisriskiin, eli keskishajontaan (symboli σ). Treynorin indeksi taas vertaa

(18)

riskipreemion suhdetta sijoitushyödykkeen systemaattiseen riskiin, eli beeta-kertoimeen.

(Jobson & Korkie 1981, 890)

Sharpen indeksin matemaattinen kaava voidaan esittää seuraavassa muodossa:

S = (Ri - Rf) / σi (7)

ja Treynorin indeksi vastaavasti:

T = (Ri - Rf) / βi (8)

Tässä tutkimuksessa käytetään Sharpen indeksiä menestysmittarina, sillä Jobson &

Korkie (1981, 900-901) havaitsivat, että Sharpen indeksi toimii paremmin pienempien otoskokojen kanssa kuin Treynorin indeksi. Lisäksi, Sharpen (1966, 128) mukaan Sharpen indeksi on parempi menneisyyden suorituskyvyn mittaamiseen, sillä Treynorin indeksi ei huomioi liian vähäisestä hajauttamisesta johtuvaa tuoton vaihtelua, eli se ei ota huomioon epäsystemaattista riskiä. Asuntosijoittamisessa voidaan katsoa hajauttamisen olevan riittävä, mikäli sijoitusportfolioon on laskettu sekä asuntojen, että arvopaperimarkkinoiden sijoitukset, mutta mikäli vertaillaan pelkästään tietyn maantieteellisen alueen asuntosijoitusten tuottoja koko maan asuntomarkkinoihin, ei riittävästä hajautuksesta voida puhua. Tällöin on hyvä ottaa menestysmittauksessa huomioon myös idiosynkraattinen riski.

(19)

3.6. Vuokra-hintasuhde

Pääomahyödykkeen arvo muodostuu sen tuottaman osingon ja pääoman arvonnousun summasta. Asunto-osakkeiden osinkoa ovat sen vuokratuotot. Vuokra-hintasuhteen avulla voidaan tarkastella asuntosijoituksen historiallisia tuottoja, ja arvioida sekä eri komponenttien osuutta tuottojen muutokseen, että tulevaisuuden tuotto-odotuksia. (Davis 2008, 279-280)

Kivistön (2012, 11-13) mukaan pitkällä aikavälillä markkinoilla pitäisi vallita tasapaino, jossa asuntosijoituksen rajatuotto on yhtä kuin sen rajakustannus. Kun markkinoilla kysytään sekä vuokra- että omistusasumispalveluja, niin kuluttajan näkökulmasta omistusasumisen kustannuksen pitäisi olla vuokra-asumisen kustannusten suuruinen.

Omistusasumisen rajatuoton ja -kustannuksen näkökulmasta esitettynä voidaan sanoa, että omistusasuja maksaa itselleen implisiittistä vuokraa, eli vuokraa jota hänen täytyisi maksaa asunnostaan mikäli ei omistaisi sitä itse. Implisiittisen vuokran voidaan katsoa olevan tuottoa omistusasujalle. Markkinatasapainon kaava voidaan siis esittää muodossa:

R = ((1 - t)* i + tk + d - π)* P (9)

Kaavassa R on (implisiittinen) vuokra (€/m²), P on asunnon hinta (€/m²), t on pääomaveroaste, i on sijoitetun pääoman nimelliskorko, d on ylläpitokustannus, tk

efektiivinen kiinteistöveroprosentti ja π asunnon odotettu arvonmuutos.

Termejä uudelleen järjestelemällä huomataan vuokra-hintasuhteen ja käyttökustannusten yhteys:

R / P = ((1 - t)* i + tk + d - π) (10)

(20)

Koska pitkällä aikavälillä vuokrien ja hintojen välillä tulisi vallita tasapaino, voidaan teoriassa vuokra-hintasuhdetta tarkastelemalla arvioida tulevaisuuden kehitystä ja mahdollisesti ennustaa hintakuplia (Mäki-Fränti 2011, 12). Esimerkiksi pitkän aikavälin keskiarvoa alempana oleva vuokra-hintasuhde kertoo, että hinnat ovat nousseet vuokria nopeammin. Asuntosijoittamisen näkokulmasta keskiarvon yläpuolella oleva vuokra- hintasuhde voi olla hyvä merkki, sillä silloin vuokrat ovat nousseet nopeammin kuin asuntojen hinnat, tai asuntojen hinnat ovat jopa laskeneet samaan aikaan, jolloin sijoituksen on saanut halvemmalla ja silti se on maksanut suhteessa normaalia parempaa osinkoa. Näin sijoituksen voidaan katsoa olleen tuottoisa.

Täytyy kuitenkin pitää mielessä, että Suomessa vuokra- ja omistusasuminen eivät ole täydellisiä subsituutteja valtion tukemien arava-vuokratalojen markkinahintoja alempien vuokrien vuoksi (Kivistö 2012, 13). Nämä saattavat vääristää vuokra-hintasuhdekäyrien tulkintaa jopa yllättävällä tavalla. Esimerkiksi, arava-talojen vuokrat nousivat vapaarahoitteisia nopeammin aikavälillä Q3/2008-Q3/2009 (Mäki-Fränti 2011, 13). Tällöin arava-talojen kasvaneet vuokra-hintasuhteet saattoivat nostaa kaikkien asuntojen vuokra- hintasuhdekäyriä, vaikka arava-asunnot edelleen olisivatkin olleet absoluuttisesti vapaarahoitteisia edullisempia asumisvaihtoehtoja.

(21)

4. EMPIIRISET TUTKIMUSTULOKSET

Tässä luvussa tarkastellaan empiirisen tutkimuksen tuloksia, eli vertaillaan asuntomarkkinoiden tuottoja arvopaperimarkkinoiden tuottoihin käyttäen hyväksi Sharpen indeksiä menestysmittarina, katsotaan asuntomarkkinoiden riskisyyttä CAPM-mallin avulla ja pohditaan vuokra-hintasuhteen toimivuutta tutkimuksen aikavälillä. Selvitetään aluksi kuitenkin tutkimuksessa käytettyä aineistoa sekä sen aineiston kuvailevia tunnuslukuja.

Tunnuslukujen laskennassa on käytetty Exceliä, sekä Eviews ja SAS -tilasto-ohjelmia.

4.1. Asuntomarkkina-aineisto

Tutkimuksessa käytettävä aineisto asuntomarkkinoiden osalta on tilastokeskuksen koostamaa neljännesvuosidataa asuntojen hinnoista ja vuokrista, joiden aikasarjat ovat vuosilta 2005-2011. Asuntojen hinnat ovat vanhojen asuntojen keskimääräisiä neliöhintoja ja vuokrat neliövuokria. Vuokratietoihin on otettu mukaan vain vapaarahoitteisten asuntojen vuokrat, koska valtion tuella tuotettuihin arava-asuntoihin ei usein yksityissijoittajalla ole mahdollista sijoittaa, sillä suurin osa arava-asunnoista on institutionaalisten sijoittajien – kuten kuntien – omistuksessa (Tilastokeskus, 2012).

Lisäksi, vuokrasääntelystä johtuen arava-asuntoihin sijoittamisen voidaan katsoa olevan korkeariskisempää vapaarahoitteisiin verrattuna (Miettilä 2001, 39), jolloin arava-asuntojen tarkastelu yksityissijoittajan näkökulmasta ei ole mielekästä.

Keskimääräisten hoitokulujen käytössä on jouduttu käyttämään vuosittaista aineistoa.

Alkuperäinen tilasokeskuksen tuottama hoitokulujen aikasarja juoksi vuodesta 1962 vuoteen 2008. Koska tähän tutkimukseen tarvittiin dataa vielä vuoteen 2011 saakka, laskettiin hoitokulujen keskiarvoinen kasvuvauhti vuosilta 2000-2008 ja sen perusteella laskettiin arviot hoitokulujen määrästä puuttuville kolmelle viimeiselle vuodelle. Tämä estimointi osui melko lähelle todellista arvoa, sillä vuodelta 2010 löytyi tilastokeskuksen koostama asunto-osakeyhtiöiden tuloslaskelma. Tuloslaskelmassa vuoden 2010

(22)

keskimääräiset hoitokulut olivat 3,49 euroa/kk/m²(Tilastokeskus 2011), ja keskimääräisellä kasvuvauhdilla laskettu hoitokulu vuodelle 2010 oli 3,45 euroa/kk/m².

Hintoihin ja vuokriin sisältyvät kaikki huoneluvut (yksiöt, kaksiot jne.) sekä talotyypeistä rivi- ja kerrostalot. Omakotitalojen jättäminen pois analyysista johtui tutkimusrajauksesta, eli oletuksesta, että suurin osa vuokrattavista sijoitusasunnoista on kerros- tai rivitaloja sekä tutkimuksen painottumisesta enemmän asuntosijoittamisen kuin omistusasumisen tutkimiseen.

Koko maan kattavaa keskiarvoisia asuntomarkkinoiden tuottoja käytetään CAPM-mallissa markkinatuoton arvona. Lisäksi koko maan aineisto on jaoteltu maantieteellisesti neljään osaan: Länsi-Suomi (Länsi), Itä-Suomi (Itä), Pohjois-Suomi (Pohjoinen) ja Pääkaupunkiseutu (PKS). Tilastokeskuksen tuottamat vuokratiedot oli jaoteltu näiden nimikkeiden mukaan, mutta hintatietoja oli saatavilla maakuntakohtaisesti. Ratkaisuna tähän hintatiedot aggregoitiin ennen vuotta 2009 voimassa olleen läänijaon mukaan.

Länsi-Suomen tiedot on koostettu Etelä-Pohjanmaan, Pohjanmaan, Keski-Pohjanmaan, Satakunnan, Pirkanmaan, Varsinaissuomen ja Keskisuomen maakuntien pohjalta. Itä- Suomi koostuu Pohjois- ja Etelä-Savon sekä Pohjois-Karjalan maakunnista. Pohjois- Suomeen kuuluvat Kainuun, Pohjois-Pohjanmaan sekä Lapin maakunnat.

4.2. Arvopaperimarkkina-aineisto

Osakemarkkina-aineisto koostuu vuosilta 2005-2011 laskettuun OMX Helsinki - osakemarkkinaindeksiin. Joukkovelkakirjaindeksinä on käytetty Suomen valtion kaikki maturiteetit sisältävää indeksiä. Osake- ja velkakirjaindeksit on kerätty Datastream- tietokannasta. Suomen valtion kymmenen vuoden obligaatiotuotosta laskettua keskiarvoa käytetään CAPM-mallissa sekä Sharpen indeksissä riskittömän koron arvona. Tämä vuotuisen tuoton keskiarvo on vielä jaettu neljällä, jotta on saatu neljännesvuosituottoa kuvaava arvo. Obligaatiotuotot on saatu Euroopan keskuspankin nettisivuilta.

(23)

4.3. Aineiston kuvailevat tunnusluvut

Tuottojen normaalijakautuneisuutta testattiin Jarque-Bera-testillä, joka laskee vinouden ja huipukkuuden avulla normaalijakautuneisuuden tunnusluvun, jota verrataan X²-jakauman taulukon arvoihin. Viiden prosentin kriittisellä arvolla ja kahdella vapausasteella X²-arvoksi saadaan 5,99. Mikäli Jarque-Bera-testin arvo on pienempi kuin 5,99, kyseinen aineisto on 5 %:n riskitasolla normaalijakautunut. Samaan johtopäätökseen päästään myös tarkastelemalla Jarque-Bera-testin p-arvoa. Kun p-arvo on suurempi kuin 0,05, nollahypoteesi normaalijakautuneisuudesta pysyy voimassa. (Hill et al. 2001, 139)

Taulukko 1a. Prosentuaaliset asuntomarkkinoiden neljännesvuosituotot (%) aikaväliltä 2005-2011.

Asuntomarkkinoiden tuotot (%)

Koko maa Länsi PKS Itä Pohjoinen

Keskiarvo 1,74 1,47 2,14 1,38 1,19

Mediaani 1,75 1,28 2,11 1,14 2,39

Maksimi 6,44 7,95 8,07 8,66 7,12

Minimi -3,24 -2,46 -3,18 -4,05 -7,19

Keskihajonta 2,06 2,68 2,45 3,12 3,90

Vinous 0,18 0,40 0,33 0,29 -0,71

Huipukkuus 3,53 2,68 3,20 2,53 2,66

Jarque-Bera 0,48 0,87 0,58 0,65 2,49

JB p-arvo 0,79 0,64 0,75 0,72 0,28

Havaintojen lkm. 28 28 28 28 28

(24)

Taulukko 1b. Arvopaperimarkkinoiden prosentuaaliset neljännesvuosituotot (%) aikaväliltä 2005-2011.

Arvopaperimarkkinoiden tuotot (%)

Osake JVK

Keskiarvo 1,27 1,19

Mediaani 3,60 1,07

Maksimi 28,19 6,35

Minimi -22,48 -2,66

Keskihajonta 13,46 2,15

Vinous -0,18 0,36

Huipukkuus 2,13 2,95

Jarque-Bera 1,01 0,60

JB p-arvo 0,60 0,74

Havaintojen lkm. 28 28

Yllä olevissa taulukoissa on selvitetty aineiston kuvailevia tunnuslukuja. Taulukoissa 1a ja 1b olevat tunnusluvut on laskettu prosentuaalisten tuottojen perusteella. Nähdään, että kaikki aineistot ovat normaalijakautuneita, sillä minkään Jarque-Bera-testin p-arvo ei alita viiden prosentin riskitasoa.

Asuntomarkkinoiden tuottojen vinous on kaikilla muilla alueilla paitsi Pohjoisessa hieman vino oikealle, eli positiiviseen suuntaan. Näin on myös joukkovelkakirjojen osalta, kun taas osakkeiden tuotot ovat hiukan vasemmalle, eli negatiiviselle puolelle vinoja.

4.4. Tuottojen vertailu

Tarkasteltaessa eri tuottojen korrelaatioita taulukosta 2, huomataan, että osakkeiden korrelaatio asuntomarkkinoiden kanssa on melko pientä. Mielenkiintoinen tulos on, että velkakirjat olivat suuresti negatiivisesti korreloituneita osakemarkkinoiden kanssa. Tästä voi päätellä, että velkakirjat olivat hyvä hajauttamiskeino portfoliossa, joka sisältää

(25)

osakkeita. Vaikka kaikki asuntomarkkinat korreloivat osakkeiden kanssa melko vähän, Itä- ja Pohjois-Suomi olivat asuntomarkkinoista parhaimmat hajautuskohteet osakesalkkuun.

Taulukko 2. Tuottojen korrelaatiot.

JVK Osake Koko maa

Länsi PKS Itä Pohjoinen

JVK 1,0000

Osake -0,4619 1,0000

Koko maa -0,1251 0,3093 1,0000

Länsi -0,0265 0,2575 0,6152 1,0000

PKS -0,0525 0,3854 0,8681 0,4618 1,0000

Itä -0,0643 0,1591 0,7480 0,8198 0,5304 1,0000

Pohjoinen -0,0552 -0,0199 0,6365 0,2589 0,3951 0,5435 1,0000

Oikarinen (2005, 288) havaitsi, että asuntojen ja osakkeiden väliset korrelaatiot ovat Suomessa olleet noin 0,45-0,5 välillä. Kuitenkin finanssikriisin aikana korrelaatiot näyttäisivät olevan pienempiä, noin 0,3 suuruusluokkaa. Oikarinen muistuttaa, että vaikka lyhyellä aikavälillä hajauttamisetuja näyttäisi olevan, pidemmällä aikavälillä korrelaatiot kasvavat. Toisaalta, mikäli sijoittaja ei omista täydellisesti hajautettua asuntosijoituksen portfoliota, voivat hajauttamisedut olla merkittäviä asuntomarkkinoiden heterogeenisyydestä johtuvan korkean epäsystemaattisen riskin takia.

Korrelaatiot huomioon ottaen, ei ole yllätys, että taulukoita 1a ja 1b vertaamalla voidaan havaita asuntomarkkinoiden päihittäneen osakemarkkinat toteutuneissa neljännesvuosituotoissa jo ilman menestysmittarin käyttöönottoa. Ainoastaan Pohjois- Suomen tuotot olivat osakemarkkinoita pienemmät, ja nekin vain alle prosentin kymmenyksen (1,19 < 1,27). Suurimmat tuotot saatiin pääkaupunkiseudulla, jossa neljännesvuosituotot olivat 2,14 prosenttia. Vuosittaisena tuottona tämä tarkoittaa noin 8,56 prosenttia (2,14 * 4) minkä voidaan katsoa olevan lähellä pitkän aikavälin osakemarkkinatuottoja (Siegel 2007, 12). Vaikka tällainen laskutapa, jossa muutetaan

(26)

esim. neljännesvuosituottoja vuosittaisiksi käyttämällä kertoimena periodeja toimii tarkasti ainoastaan logaritmisilla tuotoilla, voidaan laskutavan tulosta pitää melko hyvänä arviona myös prosentuaalisten tuottojen kanssa, sillä tulokset ovat usein hyvin lähellä toisiaan.

Pääkaupunkiseudun suuria tuottoja voidaan selittää muun muassa vuoden 2010 aikana tapahtuneella, tavallista voimakkaammalla, yli yhdeksän prosentin hintojen nousulla sekä poikkeuksellisen matalana pysytellyillä korkotasoilla (Mäki-Fränti et al. 2011, 2). On kuitenkin hyvä muistaa, että asuntomarkkinoiden tuotoissa on mukana sekä pääoman arvon nousu, että vuokrien nousu, kun taas osakemarkkinoiden tuotoissa ei ole huomioitu osinkotuottoja.

Tuottojen mediaanit olivat Lähes kaikilla markkinoilla lähellä keskiarvoja. Huomattavat poikkeukset löytyivät osakemarkkinoiden sekä Pohjois-Suomen osalta, jonka mediaani oli 2,39 vaikka sen keskiarvo oli vain 1,19. Muilla asuntomarkkinoilla mediaanit pysyivät lähellä keskiarvoja.

Mediaaneja huomattavasti pienemmät keskiarvot selittyvät tutkimalla aikavälin maksimi- ja minimituottoja, sekä näihin liittyvää keskihajontaa. Pohjois-Suomen tuottojen vaihtelu oli asuntomarkkinoiden suurinta. Suuret tappiolliset kvartaalit ovat siis painaneet keskiarvoja alas. Voidaan huomata myös, että pääkaupunkiseudun ja Länsi-Suomen keskihajonnat olivat selvästi lähempänä koko maan volatiliteettia kuin Itä- ja Pohjois-Suomen. Tämä voi johtua siitä, että Länsi-Suomen ja pääkaupunkiseudun osuus koko maan aggregaatista on väestötiheydestä johtuen suurempi, joten ne vaikuttavat suuremmalla painoarvolla siihen.

Idän ja pohjoisen harvempaan asutuilla alueilla on vähemmän asunnon ostajia sekä vuokralaisia, joten hinnoittelussa ei kenties ole yhtä helposti saatavilla vertailukohdetta läheltä, jonka perusteella hinta määräytyisi aina lähelle yleistä keskiarvoa.

(27)

Taulukko 3. Sharpen indeksi Sharpen

indeksi

Koko maa

Länsi PKS Itä Pohjoine n

Osake JVK

R_I (%) 1,74 1,47 2,14 1,38 1,19 1,27 1,19

R_f (%) 0,90 0,90 0,90 0,90 0,90 0,90 0,90

σ (%) 2,06 2,68 2,45 3,12 3,90 13,46 2,15

Sharpe 0,41 0,21 0,50 0,15 0,08 0,03 0,13

Taulukossa 3 on tehty kokonaisriskin, eli keskihajonnan ja tuoton vertailua Sharpen indeksiä hyväksikäyttäen. Kun markkinoilta saatava preemio suhteutetaan volatiliteettiin, huomataan, että asuntomarkkinat ovat päihittäneet osakemarkkinat kaikilla maantieteellisillä alueilla. Pääkaupunkiseudun saama indeksin arvo on huomattavasti korkeampi verrattuna muihin markkinoihin, lukuunottamatta koko maan saamaa indeksin arvoa. Tämä lisää tukea oletukselle, että pääkaupunkiseudun painoarvo koko maan aggregaatista on huomattava. Sharpen indeksejä vertaamalla huomataan myös, että koko maan asuntomarkkinoiden riski on ollut jopa joukkovelkakirjoja vähäisempää, samalla kun tuotot ovat olleet korkeammat.

Taulukosta 3 nähdään lisäksi, että jopa joukkovelkakirjojen menestys on ollut osakemarkkinoita parempaa. Tämän puolestaan voidaan katsoa vahvistavan yleistä näkemystä, että osakemarkkinoiden huomattavan laskun aikana on kannattavaa allokoida varojaan vähäriskisempiin kohteisiin, kuten velkakirjoihin.

4.5. CAPM-mallin tulokset

CAPM-mallin beeta-kertoimen avulla tarkasteltiin asuntomarkkinoiden systemaattista riskiä. Taulukossa 4 on kuvattu eri maantieteellisten asuntomarkkinoiden CAPM-mallin

(28)

tulokset, kun markkinaportfolion indikaattorina on pidetty koko maan aggregaattia. Beeta- kerroin kuvaa tällöin siis kuinka paljon maantieteellisten alueiden tuotot vaihtelevat, kun koko Suomen asuntomarkkinoiden tuotot muuttuvat yhden prosentin.

Taulukko 4. CAPM-mallin tulokset, kun Rm = koko maan asuntomarkkinat

Länsi PKS Itä Pohjoinen

Beeta-kerroin 0,79 1,03 1,13 1,20

β:n keskivirhe 0,20 0,12 0,20 0,29

β:n t-arvo 3,97** 8,92** 5,75** 4,21**

R² 0,38 0,75 0,56 0,41

F-arvo 15,84** 79,54** 33,04** 17,71**

Durbin-Watson 2,75* 2,71* 2,75* 2,91*

White 3,33* 1,77* 3,07* 2,8**

p-arvot: **< 0,01 * >0,10

Länsi-Suomen pienin beeta-kerroin kertoo, että siellä asuntomarkkinoiden tuotot vaihtelevat vain 0,79 prosenttia koko markkinoiden vaihdellessa prosentin, eli systemaattinen riski näyttäisi olevan Länsi-Suomessa pienin. Pohjoisessa se vastaavasti on suurin, kuten oli kokonaisriskikin. Pääkaupunkiseudun korkea R²-selitysaste antaa vielä lisää osviittaa PKS:n korkeasta osuudesta koko markkina-aineistossa.

T- ja F-arvojen korkeat arvot osoittavat beeta-kertoimien ja koko mallin merkittävyyden.

Tuloksissa ei ole raportoitu CAPM-mallin estimoimaa vakiota, sillä missään regressiossa se ei ollut merkittävä edes kymmenen prosentin riskitasolla. Pienimmän neliösumman menetelmän taustaoletuksena on, ettei aineistossa esiinny heteroskedastisuutta eikä autokorrelaatiota. Durbin-Watson-testillä selvitettiin autokorrelaation olemassaoloa.

Autokorrelaatiota ei näyttäisi olevan, koska yhdenkään DW-testin p-arvo ei mene alle kriittisen 0,05:n tason, jolloin testin H0: ei autokorrelaatiota jää voimaan.

Heteroskedastisuutta testattiin vastaavasti Whiten testillä. Kaikissa testeissä H0: malli on homoskedastinen jää voimaan, sillä p-arvot eivät alita viiden prosentin riskitasoa.

(29)

Käytettäessä CAPM-mallissa osakeindeksin tuottoja markkinaportfolion indikaattorina, eivät beeta-kertoimet eivätkä F-arvot pääkaupunkiseutua lukuunottamatta olleet enää merkittäviä kymmenen prosentin riskitasolla (liite 2). Täten asuntomarkkinoiden tuottojen vaihtelua ei ole mielekästä selittää osakemarkkinoiden tuotoilla tämän tutkimuksen aineistolla.

4.6. Vuokra-hintasuhde

Kuviossa 3 on esitetty tutkielman aikaperiodin vuokra-hintasuhteet. Itä-, Länsi- ja Pohjois- Suomessa vuokra-hintasuhde on ollut koko maata korkeampi, ja pääkaupunkiseudulla vastaavasti sen alapuolella. Vuoden 2008 loppupuolelta alkaen näkyy kaikissa käyrissä selkeä suhteen hetkellinen kasvu. Vuokra-hintasuhteen nousu keskiarvonsa yläpuolelle tarkoittaa, että joko hinta on laskenut vuokria nopeammin, tai vuokrat ovat kasvaneet hintoja nopeammin. Olisiko asunto ollut hyvä sijoituskohde juuri ennen finanssikriisin rantautumista Suomeen? Tähän vastaamiseksi täytyisi tietää mistä syistä suhde on muuttunut. Kuviosta 1 selviää, että ainakin hinnat ovat vuoden 2008 aikana hetkellisesti laskeneet. Asunto olisi ollut hyvä sijoituskohde vuokra-hintasuhteen piikin huipulla, jossa hinnat olivat alhaisimmillaan. Myös tutkimuksen aikaperiodin alussa asuntoon sijoittaminen olisi ollut kannattavaa em. syystä, sillä vuokra-hintasuhde on sieltä lähtien laskenut.

(30)

Kuvio 3. Vuokra-hintasuhteet.

Kuvion tulokset ovat aiempiin tutkimuksiin verrattuna (Kivistö 2012, 12; Oikarinen 2005, 121) sikäli samankaltaiset, että vuokra-hintasuhde on laskenut vuosien 2005-2011 aikana, ja että pääkaupunkiseudun suhde on koko maata alhaisempi. Merkittävä huomio aiempiin tutkimuksiin verrattuna on, että itse suhdeluku on tämän tutkimuksen aineistolla paljon alhaisempi. Sekä Oikarinen (aineisto 1975-2006), että Kivistö (aineisto 1986-2010) ovat saaneet pitkän ajan keskiarvoksi noin 5-6 % per vuosi, kun tässä tutkimuksessa neljännesvuosittainen vuokra-hintasuhde on hiukan yli 0,5 %, eli vuodessa hiukan yli 2 %.

Toisaalta kohti finanssikriisiä laskevasta suhteesta on näyttöä myös Campbellin et al.

(2009, 93) tutkimuksessa, joka osoittaa amerikkalaisella aineistolla, että 1900-luvun lopulla vuokra-hintasuhteet olivat noin 5-6 % vuodessa, ja vuonna 2007 enää 3,53 %. Lisäksi Oikarisen tutkimus osoittaa, että vuokra-hintasuhde laski myös 1990-luvun laman aikana, ja pyrki sen jälkeen nousemaan pitkän aikavälin keskiarvoon. Tästä voi päätellä, että myös tulevaisuudessa markkinavoimien vaikutuksesta suhdeluku nousisi, eli tulevaisuudessa joko vuokrien täytyisi kasvaa – ainakin suhteellisesti hintoja nopeammin – tai hintojen täytyisi laskea.

0 0,001 0,002 0,003 0,004 0,005 0,006 0,007 0,008 0,009

Länsi PKS Itä Pohjoinen Koko maa Keskiarvo

(31)

5. YHTEENVETO JA JOHTOPÄÄTÖKSET

Tässä tutkielmassa selvitettiin Suomen asuntomarkkinoiden menestymistä finanssikriisin aikana, ja vertailtiin sijoitusmuotoa perinteiseen osakesijoittamiseen. Heterogeenisillä asuntomarkkinoilla on monia erityispiirteitä arvopaperimarkkinoihin nähden, joiden tiedostaminen ja tunteminen on tärkeää menestyksekkään sijoitustoiminnan kannalta.

Asuntomarkkinoiden tuottojen laskemisessa käytettiin hyväksi sekä pääoman, että vuokrien arvonnousua, kun taas osaketuottoja laskettiin vain pääoman arvonnousulla.

Tuotot laskettiin aritmeettista keskiarvoa käyttäen, koska se soveltuu paremmin lyhytaikaisen sijoitusstrategian tuottojen laskemiseen, ja koska sen käyttö liittyy usein tilastollisten tunnuslukujen laskemiseen.

Tutkimus vahvisti yleistä näkemystä, että asunnot ovat hyvä portfolion hajautuskeino ainakin lyhyemmällä aikavälillä vähäisen osaketuottojen korrelaation vuoksi. Tästä syystä asunnot päihittivät osakkeiden tuotot finanssikriisin aikana jopa ennen kuin tuottoja verrattiin riskiin Sharpen indeksin avulla. Sharpen indeksi paljasti vielä suuremmat erot sijoitusvaihtoehtojen menestyksessä. Koko maan asuntomarkkinoiden keskiarvoinen Sharpen indeksin luku oli 0,41, kun osakkeilla se oli vain 0,03.

Sharpen indeksin laskennassa käytettyä kokonaisriskiä mitattiin keskihajonnalla, ja CAPM- mallin avulla tutkittiin eri maantieteellisten alueiden asuntomarkkinoiden systemaattista riskiä. Mallissa käytettiin koko maan asuntomarkkinoiden tuottoa markkinatuottona.

CAPM-mallien selitysasteet olivat noin 0,4-0,5, paitsi pääkaupunkiseudun osalta 0,75, joka luultavasti johtuu pääkaupunkiseudun suuresta osuudesta koko maan keskiarvossa.

Beeta-kertoimet olivat tilastollisesti merkittäviä, ja osoittivat, että riippuen alueesta asuntomarkkinoiden tuottojen systemaattinen riski vaihtelee 0,79-1,20-kertaisesti koko maan keskiarvoon verrattuna. CAPM-mallia ei voitu soveltaa siten, että markkinatuottona olisi käytetty osakkeita, sillä malli ei ollut tilastollisesti merkittävä.

(32)

Myös vuokra-hintasuhdetta tarkasteltiin sijoituspäätöksen apuvälineenä. Tulokset paljastivat, että suhdeluvun laskun vuoksi juuri vuonna 2005 ja hetkellisen piikin huipulla vuoden 2009 vuodenvaihteessa ostettu asunto olisi ollut hyvä sijoituskohde. Toisaalta, jos olisi tehnyt hätiköityjä päätöksiä kun finanssikriisin vaikutukset alkoivat näkyä Suomessa, ja allokoitu varoja äkkiä vuoden 2008 alussa asuntoon, olisi vuokra-hintasuhteessa näkynyt piikki osoittanut sijoituksen olleen kehno. Yli vuoden mittaisella sijoituksen pitämisellä tämäkin haitta olisi tosin nollautunut.

Tutkimuksen aikana nousi esiin muutamia mielenkiintoisia jatkotutkimusaiheita. Koska asuntomarkkinat ovat heterogeenisiä ja aiheuttavat yksityiselle sijoittajalle suuren taloudellisen rasitteen – ja voivat täten hankaloittaa optimaalisen hajautuksen toteuttamista – olisi kiintoisaa tutkia kiinteistösijoitusyhtiöiden, eli REITien suoriutumista ja verrata sitä osakkeiden suoriutumiseen. REIT-osakkeet ovat osakemarkkinoilla julkisen kaupankäynnin kohteena, joten niiden avulla pääsee osallistumaan pienemmällä pääomalla valmiiksi hajautettuun kiinteistömarkkinaportfolioon. Ensimmäinen suorien kiinteistösijoitusten rahasto aloittaa toimintansa Suomessa tänä vuonna (Lukkari 2012, 4).

REIT-rahastojen innoittamana olisi myös kiinnostavaa tutkia suurten kiinteistöjen, kuten kerrostalojen tai toimistotilojen tuottoja. Tällaisesta tutkimuksesta olisi hyötyä institutionaalisille sijoittajille, sillä suuriin kiinteistöihin sijoittamiseen tarvittavat pääomat ovat niin suuria, ettei yksityishenkilöillä ole usein mahdollisuutta päästä ilman REIT- rahastoja sellaisiin projekteihin mukaan.

(33)

LÄHDELUETTELO

Booth, G. G., Martikainen, T., Tse, Y. (1996) Long-run price transmission in the different regions of the Finnish housing markets. Proceedings of the University of Vaasa. Vaasa, Vaasan yliopisto. Discussion papers 190.

Brueckner, J. K. (1997) Consumption and Investment motives and the portfolio choices of homeowners. Journal of Real Estate Finance and Economics 15, 2, 159-180.

Breidenbach, M., Mueller, G. R., Sculte, K-W. (2006) Determining real estate betas for markets and property types to set better investment hurdle rates. Journal of Real Estate Portfolio Management, 12, 1, 73-80.

Case, K., Cotter, J., Gabriel, S. (2010) Housing risk and return: Evidence from a housing asset-pricing model. UCD Geary Institute discussion paper series. Wellesley College, College Dublin and UCLA. [Verkkodokumentti]. [Viitattu 29.3.2012]. Saatavilla:

http://www.ucd.ie/geary/static/publications/workingpapers/gearywp201005.pdf

Chu, Y. (2010) An intertemporal capital asset pricing model with owner-occupied housing.

Real Estate Economics, 38, 3, 427-465.

Cooper, I. (1996) Atithmetic versus geometric mean estimators: Setting discount rates for capital budgeting. European Financial Management 2, 2, 157-167.

Englund, P., Hwang, M., Quigley, J. M. (2002) Hedging housing risk. Journal of Real Estate Finance and Economics 24, ½, 167-200.

Davis, M. A., Lehnert, A., Martin, R. F. (2008) The rent-price ratio for the aggregate stock of owner-occupied housing. Review of Income and Wealth, 54, 2, 279-284.

Flavin, M. & Yamashita, T. (1998) Owner-occupied housing and the composition of the household portfolio over the life cycle. National Bureau of Economic Research (NBER.

Massachusetts, NBER. Working Paper 6389.

Gat, D. (1994) Risk and return in residential spatial markets: An empiric and theoretic model. Journal of Real Estate Finance and Economics, 9, 51-67.

(34)

Hiebert, P., Sydow, M. (2011) What drives returns to euro area housing? Evidence from a dynamic dividend-discount model. Journal of Urban Economics 70, 88-98.

Hill, R. C., Griffiths, W. E., Judge, G. G. (2001) Undergraduate economics. 2. p. Hoboken, NJ, John Wiley & Sons Inc.

Holliday, A. J., Eisenberg, E. F. (2002) Comparative investment performance of housing.

Housing Economics, 50, 2, 9-13.

Iacoviello, M., Ortalo-Magné, F. (2003) Hedging housing risk in London. Journal of Real Estate Finance and Economics, 27, 2, 191-209.

Jensen, M., Black, F., Scholes, M. (1972) The capital asset pricing model: Some empirical tests. [Verkkodokumentti]. [Viitattu 3.4.2012]. Saatavilla:

http://papers.ssrn.com/sol3/papers.cfm?abstract_id=908569

Jobson, J. D., Korkie, B. M. (1981) Performance hypothesis testing with the Sharpe and Treynor measures. The Journal of Finance, 36, 4, 889-908.

Kiinteistötieto Oy. (2009) Markkinakatsaus kevät 2009. [Verkkodokumentti]. [Viitattu

18.4.2012]. Saatavilla:

http://www.kti.fi/kti/doc/markkinakatsaukset/Markkinakatsaus_K09_net.pdf

Kivistö, J. (2012) Suomen asuntohintakehitys ja siihen vaikuttavat tekijät. Suomen pankin verkkojulkaisuja 4/2012, Suomen pankki. [Verkkodokumentti]. [Viitattu 5.4.2012].

Saatavilla:

http://www.suomenpankki.fi/fi/julkaisut/selvitykset_ja_raportit/bof_online/Documents/BoF_

Online_04_2012.pdf

Kuosmanen, P. (2002) Riski ja tuotto asuntomarkkinoilla. Väitöskirja. Vaasa, Vaasan yliopisto. Acta Universitas Wasaensis 107.

Laakso, S. (1997) Urban housing prices and the demand for housing characteristics.

Elinkeinoelämän tutkimuslaitos (ETLA). Helsinki, ETLA. Sarja A 27.

Lee, C. L. (2008) Housing in Australia as a portfolio investment. International Journal of Housing Markets and Analysis, 1, 4, 352-361.

(35)

Liapis, K. J., Christofakis, M.S. Papacharalampous, H.G. (2011) A new evaluation procedure in real estate projects. Journal of Property Investment & Finance, 29, 3, 280- 296.

Ling, D. C., Naranjo, A. (1999) The integration of commercial real estate markets and stock markets. Real Estate Economics, 27, 3, 483-515.

Lukkari, E. (2012) Finnreit aloittaa suorien kiinteistösijoitusten rahastot. Kauppalehti, n:o 33, s. 4.

Malkamäki, M. (1992) Conditional betas and the price of risk in a thin asset market: A sensitivity analysis. Suomen pankki. Helsinki. Suomen pankin keskustelualoitteita 9, 1992.

Markowitz, H. (1952) Portfolio selection. Journal of Finance, 7, 1, 77-91.

Miettilä, A. (2001) A Hedonic model for Finnish housing rents and a comparative analysis for two towns. Turun kauppakorkeakoulun julkaisuja. Turku, TKK. Sarja Keskustelua ja raportteja 8:2001.

Mäki-Fränti, P., Lahtinen, M., Pakarinen, M., Esala, L. (2011) Alueellisten asuntomarkkinoiden kehitys vuoteen 2013. Pellervon taloustutkimus (PTT). Helsinki, PTT.

PTT työpapereita 131.

Oikarinen, E. (2007) Studies on housing price dynamics. Väitöskirja. Turku, Turun kauppakorkeakoulu. Sarja A-9:2007.

Penttinen, M., Lausti, A. (2009) The competitiveness of forest ownership analysed by various market portfolio proxies. Metsäntutkimuslaitos. Metlan työraportteja 141.

[Verkkodokumentti]. [Viitattu 2.4. 2012]. Saatavilla:

http://www.metla.fi/julkaisut/workingpapers/2009/mwp141.pdf

Sharpe, W. F. (1963) A simplified model of portfolio analysis. Management Science, 9, 1, 277-293.

Sharpe, W. F. (1966) Mutual fund performance. The Journal of Business, 39, 1, Part 2:

Supplement on Security Prices, 119-138.

Siegel, J. (2007) Stock for the long run: The definitive guide to financial market returns and long-term investment strategies. 4. p. New York, McGraw-Hill.

(36)

Tilastokeskus. (2009) Rakentaminen ja asuminen. Vuosikirja 2009. Helsinki, Tilastokeskus.

Tilastokeskus. (2011) Asunto-osakeyhtiöiden hoitokulut nousivat vuonna 2010.

[Verkkodokumentti]. [Viitattu 3.4.2012]. Saatavilla:

http://www.stat.fi/til/asyta/2010/asyta_2010_2011-09-16_tie_001_fi.html

Tilastokeskus. (2012) Arava-asunnon määritelmä. [Verkkodokumentti]. [Viitattu 27.3.2012].

Saatavilla: http://www.stat.fi/meta/kas/arava_asunto.html

Zakamulin, V. (2012) Low-frequency waves and the medium to long-term US stock market outlook. Social Science Research Network. [Verkkodokumentti]. [Viitattu 10.4.2012].

Saatavilla:

http://papers.ssrn.com/sol3/Delivery.cfm/SSRN_ID2019821_code356177.pdf?abstractid=2 019821&mirid=1

(37)

LIITTEET

Liite 1.

Kuviosta selviävät asunto-osakekauppojen lukukumäärät tutkimuksen tarkasteluperiodilla.

Vuodesta 2009 eteenpäin luvut ovat vuoden 2009 uudistuneen kuntaluokituksen mukaisia.

Liite 2. CAPM-mallin tulokset, kun Rm = osakemarkkinat