Add Thesis

Real Estate Forecasting

Written by J. Horttana

Paper category

Master Thesis

Subject

Architecture & Real Estate

Year

2013

Abstract

Masterarbeit Real Estate Immobilien: Ziel dieser Masterarbeit ist es, das Thema der Prognosen zu erforschen, das in der Wirtschafts- und Finanzwelt eine anhaltende und sehr lebendige Debatte darstellt. Im Bereich der Prognosen ist die verfügbare Forschung sehr umfangreich, und selbst wenn man sich auf den Immobiliensektor beschränkt, der im Mittelpunkt dieser Masterarbeit steht, ist das verfügbare Material sehr umfangreich. Ein großer Teil der veröffentlichten Forschungsarbeiten zum Thema Immobilienprognosen besteht aus Post-Mortem-Studien, bei denen ökonometrische Modelle versuchen, historische Trends mit Hilfe der verfügbaren Mikro- und Makrodaten zu replizieren. Dieser Zweig der Prognoseforschung scheint sich mit Hilfe verfeinerter ökonometrischer Modelle weiterzuentwickeln und voranzukommen. Um die Genauigkeit und Vorhersagbarkeit aus verschiedenen Blickwinkeln zu bewerten, stellen wir drei Hauptnullhypothesen auf: 1.Richtige Prognosen und die Richtung der Vorhersagen sind unabhängige Variablen.2.Richtige Prognosen und die untersuchten Berater sind unabhängige Variablen.3.Richtige Prognosen und die untersuchten Städte sind unabhängige Variablen. 4Die beobachteten Häufigkeiten für Hypothese 1 deuten darauf hin, dass Aufwärtsprognosen anscheinend leichter zu treffen sind als Abwärtsprognosen. Dies wird jedoch durch die statistischen Tests nicht bestätigt. Die beobachteten Häufigkeiten für Hypothese 2 deuten eindeutig darauf hin, dass ein Berater im Vergleich zu den anderen Beratern ein besserer Prognostiker ist. Die statistischen Tests bestätigen dies. Die beobachteten Häufigkeiten für Hypothese 3 zeigen keine Anzeichen für eine Abhängigkeit der Variablen. Die statistischen Tests bestätigen dies. Das Gebiet der Prognosen ist weitläufig. Selbst in unserem täglichen Leben werden wir mit verschiedenen Arten von Prognosen und Vorhersagen konfrontiert, ohne darüber nachzudenken. Hausbesitzer hören Prognosen über den Hypothekenzins und müssen sich zwischen einem anpassbaren oder einem festen Zinssatz entscheiden. Erstkäufer auf dem Wohnungsmarkt müssen herausfinden, ob sie jetzt in den Markt eintreten oder abwarten sollen. Es gibt zahlreiche Beispiele, und alle sind mit einer Art von Vorhersagbarkeit oder Genauigkeit verbunden. Der Bedarf an Vorhersagen ist nicht neu, und die Menschen haben sich im Laufe der Geschichte auf verschiedene Methoden verlassen. So wie die alten Griechen in der Stadt Delphi, die für ihre großen Entscheidungen im Leben das Orakel zu Rate zogen. Wirtschaftsprognosen umfassen alle Arten von Vorhersagen, das erwartete BIP-Wachstum, den künftigen Reposatz, die Arbeitslosenquote oder den Rohölpreis. Die meisten Prognosen und Vorhersagen beziehen sich jedoch auf den Aktienmarkt. Es ist nicht sehr schwierig, Empfehlungen zu Aktien zu finden, wir können darüber in unserer Tageszeitung lesen und wir können die Informationen direkt von einem Finanzberater erhalten. Andere wie Sinclair (2006) weisen darauf hin, dass private und öffentliche Entscheidungsträger genaue und wertvolle Prognosen als Input für ihre Entscheidungen benötigen. McIntosh et.al (1992) findet Verwendungszwecke für Prognosen in der Agrarindustrie, wo Erzeuger und Vermarkter Zugang zu Prognosesätzen und Zeitreihen haben, die sich auf die jeweilige Branche beziehen.Eine Frage, die sich bei der Erörterung von Prognosen natürlich stellt, ist: Wann sind Prognosen wertvoll?oder hilfreich?Gibt es eine Definition dafür, was eine Prognose wertvoll macht?In einer aktuellen Studie von Blaskowitzet.al(2011) heißt es "...es ist allgemein anerkannt, dass Informationen hilfreich sind, wenn sie genutzt werden können, um einen Entscheidungsprozess zu verbessern". Diese Aussage wird von Clive et.al (2000) geteilt, der sagt: "In der realen, nicht-akademischen Welt werden Prognosen zu einem bestimmten Zweck erstellt, und der relevante Zweck in den Wirtschaftswissenschaften besteht darin, den Entscheidungsträgern zu helfen, ihre Entscheidungen zu verbessern". 11 Wie dieser Nutzen zu bewerten ist, wird später erörtert und betrifft ein sehr umstrittenes Thema, nämlich die Frage, wie die Vorhersagegenauigkeit zu bewerten ist (Graham et.al., 1991). Aber wie Sinclair (2006) zusammenfasst, ist der "Wert" ein Test der Hypothese, dass die Prognose besser ist als eine naive Vorhersage, die vom Typ "keine Veränderung" oder "konstante Vorhersage der Veränderung" sein kann. Warum brauchen wir Immobilienprognosen und welche Art von Gewinnen oder Nutzen kann im Immobilienbereich gesteigert werden? Newellet.al(2002) nennt einige gängige Argumente, die in der Literatur häufig zu finden sind, darunter Vermögensallokation und Portfoliomanagement, Entscheidungen für institutionelle Anleger, Immobilienfondsstrategie und Aktienauswahl in einem gemischten Anlageportfolio. Für den langfristigen Anleger ist es auch wichtig, dass er sich auf Prognosen über einen bestimmten Zeitraum stützen kann. Darüber hinaus erwähnen Brooks et.al (2010), wie wichtig es für Investoren ist, ihren Geschäftsplan mit Hilfe von Prognosen zu validieren, wenn sie bei Banken und anderen Kreditgebern Geld für Investitionen aufnehmen. Andere, wie Tsolacos et.al (2012), weisen auf die erhöhte Aufmerksamkeit für Methoden zur Vorhersage von Wendepunkten hin, wie dem starken Rückgang der Mieten und Werte auf den europäischen Büromärkten in den Jahren 2008-2010. Wirtschaftsprognosen sind häufig direktionale Prognosen. Dies bedeutet, dass die Prognosen nur die Aufwärts-, Abwärts- oder neutrale Entwicklung der vorhergesagten Variablen umfassen und die Größenordnung, in der sich eine bestimmte Variable ändern könnte, nicht berücksichtigt wird. Dies ist jedoch nicht trivial, und wie McIntosh et.al. (1992) betonen, kann ein Spekulant durch die Kenntnis der Richtung der Veränderung mit Sicherheit einen Gewinn erzielen. Dies wird auch von Sinclair et.al (2006) erwähnt, die argumentieren, dass es zwar wichtig ist, die Genauigkeit bei quantitativen Fehlern zu messen, dass es aber noch entscheidender sein kann, die Änderungsrichtung einer Variablen genau vorherzusagen.Als Gleichnis hierfür kann der Derivatemarkt angeführt werden, wo viele Derivate so konstruiert sind, dass ein Spekulant eine Wette auf die Änderungsrichtung und nicht auf einen bestimmten Wert abschließt. Es gibt verschiedene Methoden, um die Genauigkeit und Nützlichkeit von Prognosen zu bewerten. Zu den herkömmlichen Methoden zur Bewertung von Prognosen gehören das quadratische Mittel, das geometrische Mittel, der relative absolute Fehler oder der mittlere absolute Fehler. 12 Wie Blaskowitzet.al (2011) anmerken, besteht das Problem bei diesen Methoden darin, dass sie nicht ausreichend interpretierbar sind. Es wird argumentiert, dass wirtschaftliche Prognosen mit einer Art wirtschaftlichem Wert verbunden sein sollten. Merton (1981Juli) untersucht die Leistung von Investmentmanagern und stellt die Verbindung her, dass eine überragende Leistung rationaler Investoren auch eine überragende Prognosefähigkeit im Sinne des Market Timing bedeutet. Diese Studie kommt zu dem Schluss, dass es bei der Bewertung von Prognosefähigkeiten nicht unbedingt auf die Wahrscheinlichkeit einer korrekten Vorhersage ankommt, sondern vielmehr auf die Wahrscheinlichkeit einer korrekten Vorhersage in Abhängigkeit von einer anderen Variablen, wie der Rendite oder der Richtung der Vorhersage. Um die verschiedenen Methoden zu unterscheiden und zu kategorisieren, gibt es im Wesentlichen zwei Arten von Prognosen: die wertende Prognose und ökonometrische Modelle mit Zeitreihen und Trendanalysen. Newell et.al (2002) versucht, die Genauigkeit der Immobilienprognosen in den letzten Jahren zu bewerten und festzustellen, ob es in den letzten Jahren zu einer Verbesserung durch verfeinerte Methoden gekommen ist. Diese verfeinerten Methoden scheinen sich ausschließlich auf ökonometrische Ansätze zu stützen. Trotz dieser verfeinerten Methoden kommen Newell et.al (2002) in anderen Studien zu dem Schluss, dass naive Modelle komplexe ökonometrische Modelle übertreffen.Wir kommen zu dem Schluss, dass die untersuchten Prognosen in dieser Studie mehrheitlich auf wertenden Prognosen zu beruhen scheinen.Ein gut abgedecktes Thema in der Literatur zur Immobilienprognose ist die Untersuchung ökonometrischer Methoden, die auf Real Estate Immobilien angewandt werden, und wie diese Methoden verbessert werden können, siehe beispielsweise Booth (1997) oder Ahn et. Viele Modelle mit ökonometrischem Ansatz versuchen im Wesentlichen, makroökonomische Variablen wie Repo-Sätze oder Indizes der Industrieproduktion mit den Bewegungen der Aktien- und Anleihemärkte zu verknüpfen, und gehen dann davon aus, dass dieselben Risikofaktoren und Korrelationen auch auf Real Estate Immobilien anwendbar sind, wie Ling et al. (1997) erwähnen. Diese quantitativen Methoden, die ursprünglich für Prognosen im Bereich der Nicht-Immobilieninvestitionen entwickelt wurden, weisen vermutlich einige Mängel auf, wenn man versucht, sie auf Immobilienprognosen anzuwenden. Booth (1997) weist darauf hin, dass Probleme wie der nicht-stationäre Aspekt von Real Estate Immobilien, der Mangel an Daten und die Schwierigkeiten, verlässliche Indizes und Bewertungen zu erhalten, zu den Hauptproblemen gehören.Gallimoreet.al(2011) nennen weitere Einschränkungen der Immobilienprognose. Zum Beispiel wiederkehrende Datenprobleme aufgrund uneinheitlicher Definitionen innerhalb des Immobiliensektors, das Fehlen allgemein verwendeter räumlicher Grenzen und auch Unsicherheiten über das aktuelle Niveau der vorhergesagten Variablen. Das letztgenannte Problem ist interessant, und der Standpunkt wird in diesem Papier geteilt. Dies ist wahrscheinlich auf die Segmentierung des Immobiliensektors und einen im Vergleich zu anderen Finanzmärkten weit weniger liquiden Markt zurückzuführen. 13 Die Fragen der Immobilienindizes, der Segmentierung und der Liquidität sind ein anderes Thema, aber dennoch wichtig für die Untersuchung von Prognosen und insbesondere für den Vergleich von Prognosen mit Ergebnissen und die Auswirkungen der Glättung. Weitere Lektüre zu diesen Themen finden Sie in Geltneret.al (2007) und Geltner et.al (2003).Aus verschiedenen Gründen unterscheidet sich der Bereich der Immobilienprognose von anderen Arten der Prognose. Der vielleicht wichtigste ist der erwähnte Mangel an Liquidität, der auf grundlegende Immobilienkonzepte wie die Immobilität von Real Estate Immobilien und die Segmentierung zurückzuführen ist. Dies bedeutet, dass jede Immobilie einzigartig ist, ganz im Gegensatz zu Aktien, bei denen es keine Rolle spielt, welche Aktien man von einem bestimmten Unternehmen besitzt, da alle Aktien die gleichen Eigenschaften und Merkmale aufweisen.Ein weiterer Grund ist die geringe Transparenz. Ein weiterer Grund ist die geringe Transparenz: Aktienkurse sind leicht im Internet oder in der Zeitung zu finden, und börsennotierte Unternehmen geben die meisten ihrer relevanten Finanzinformationen in ihren Zwischenberichten bekannt.Informationen über Immobilientransaktionen sind dagegen oft vertraulich.Wie bereits erwähnt, ist das Feld der Prognosen riesig, und es werden verschiedene Methoden angewandt.Bei der Vorhersage von Aktienrenditen gibt es beispielsweise zwei Hauptschulen, die Fundamentalanalyse und die technische Analyse.Die Fundamentalanalyse ist eine rationale Methode, bei der Variablen gemessen und analysiert werden können. Solche Variablen können Kurs-Gewinn-Verhältnisse, historische Dividendenrenditen, Solidität oder vielleicht sogar eine Bewertung des Vorstands des Unternehmens sein. Die Skeptiker der technischen Analyse sagen, dass sie im Widerspruch zu den Theorien der modernen Finanzwirtschaft steht und dass die Annahme, dass die Finanzmärkte einem "Random Walk" folgen, falsch wäre, wenn man künftige Trends durch die Betrachtung vergangener Trends vorhersagen könnte.Dank der Verfügbarkeit von Daten sind sowohl die fundamentale als auch die technische Analyse relativ einfach durchzuführen. Ob die eine Methode richtiger ist als die andere, ist eine andere Frage, die in einem anderen Artikel behandelt werden soll. Der Punkt ist, dass diese Art von Daten oder Instrumenten für Real Estate Immobilien nicht in gleichem Maße verfügbar ist wie für Aktien, Anleihen, Optionen oder andere Vermögenswerte. Man könnte argumentieren, dass öffentliche Immobiliengesellschaften, REITS, Fonds usw. ihre Finanzinformationen offenlegen müssen, was auch stimmt, aber diese Informationen erfüllen nicht das, was wir als Makrovariablen für Real Estate Immobilien definieren wollen. Zu diesen Schlüsselvariablen oder Makrovariablen von Real Estate Immobilien gehören die Rendite (der Kern der Immobilienfinanzierung), die Mieten, die Leerstandsquote, der aktuelle Bestand und das Investitionsvolumen. Alle diese Begriffe oder Variablen sind in gewisser Weise miteinander verbunden und die gängigsten Objekte für Vorhersagen. 14Eine Faustregel besagt, dass Real Estate Immobilien im Hinblick auf den Kompromiss zwischen Risiko und Rendite die dritte Anlageklasse zwischen Aktien und Anleihen darstellen. Wenn man Real Estate Immobilien auf diese Weise betrachtet, ist es ganz logisch, dass die Kernvariable von Real Estate Immobilien die Rendite ist. Die Vorhersage aller anderen Variablen ist eher ein kleiner Schritt im Prozess der Vorhersage der Rendite, d. h. der Preisgestaltung von Real Estate Immobilien. Diese Konzepte werden in Kapitel 6 ausführlich erörtert. Andere versuchen, die Antwort in anderen Methoden zu suchen. In den letzten Jahren hat es einen Aufschwung bei der wertenden Prognose und dem menschlichen Urteilsvermögen gegeben, worauf Lawrence (2006) hinweist. Die Hinzunahme des menschlichen Empfindens, das in keinem ökonometrischen Modell erfasst werden kann, bietet die Chance auf größere Genauigkeit, birgt aber auch das Risiko von Verzerrungen. Während der Datenerhebung für diese Studie wurden viele Prognosen gelesen. Dies geschah in einer Zeit, in der die Verfügbarkeit von Kapital und traditionellen Bankkrediten drastisch zurückgegangen war. In einer der Prognosen, die vor weniger als einem Jahr erstellt worden waren, hieß es, dass die Zukunft rosig aussehe und dass das Transaktionsvolumen im nächsten Jahr zunehmen werde, die Mieten steigen würden usw. Im Nachhinein betrachtet, konnte diese völlig falsche Vorhersage die Wahrscheinlichkeit einer Krise in der Eurozone eindeutig nicht einfangen. Das restriktive Klima in Schweden und anderen nordischen Ländern wirkte sich eindeutig auf die Zahl der in diesem Jahr getätigten Immobilientransaktionen aus. Dies wiederum führte dazu, dass nur sehr wenige Preis- und Renditeniveaus auf dem Markt beobachtet wurden. Als die BIP-Prognosen, die Beschäftigungsquoten und andere makroökonomische Indikatoren einen Aufwärtstrend der Renditen bei nachgebenden Preisen nahe legten, konnte dies auf dem Markt aufgrund anderer Probleme wie mangelnder Liquidität nicht bestätigt werden. Dies ist nur ein Beispiel dafür, was ökonometrische Modelle nicht abbilden können und wann eine wertende Vorhersage erforderlich sein könnte. 151.2Forschungsfragen und ZweckDer Kern und Hauptzweck dieser Diplomarbeit besteht darin, die Genauigkeit von 160 Einzelprognosen in der Immobilienbranche zu untersuchen. Diese Masterarbeit soll auch einen Hintergrund und eine Einführung in das Gebiet der Prognosen im Allgemeinen und in die Immobilienprognose im Besonderen geben. Auf der Grundlage der Literaturstudie und der untersuchten Prognosen sollen in dieser Arbeit folgende Fragen beantwortet und diskutiert werden:Die Masterarbeit veranschaulicht und diskutiert die Genauigkeit der Prognosen mit den angegebenen Nullhypothesen:1.Richtige Prognosen und die Richtung der Prognosen sind unabhängige Variablen2.Richtige Prognosen und Berater sind unabhängige Variablen3.Richtige Prognosen und die untersuchten Städte sind unabhängige Variablen 161.3Disposition Kapitel 1 dieser Arbeit gibt eine Einführung und den Hintergrund in das Gebiet der Prognosen. Es werden die Eigenschaften von Prognosen erörtert und es wird definiert, was eine bestimmte Prognose für den Nutzer gut oder nützlich macht. Des Weiteren wird erläutert, warum wir Prognosen benötigen und wie Prognosen im Bereich der Immobilienwirtschaft eingesetzt werden können. Außerdem werden die Forschungsfragen und der Forschungszweck genannt. Kapitel 2 beschreibt die verwendeten wissenschaftlichen Methoden und die Art und Weise, wie die Daten erhoben wurden. Kapitel 3 ist ein theoretischer Teil, der darauf abzielt, die untersuchten Variablen, die Gegenstand der Prognosen sind, zu erklären. Kapitel 4 ist ebenfalls ein theoretischer Teil, in dem verschiedene Methoden zur Bewertung von Prognosen erörtert werden. Die Verwendung von Kontingenztabellen wird ebenso vorgestellt wie Methoden zur statistischen Analyse dieser Kontingenztabellen mit dem Pearson-Chi-Quadrat-Test und dem exakten Fisher-Test. Dieses Kapitel enthält auch einen theoretischen Teil über die Wahrscheinlichkeitsverteilungen, die in den genannten Tests verwendet werden.Kapitel 5 ist ebenfalls ein theoretischer Teil, in dem die Entscheidungsfindung und die möglichen Verzerrungen im Zusammenhang mit Prognosen und Entscheidungen, die durch menschliche kognitive Fehler verursacht werden, erörtert werden.Kapitel 6 fasst die Ergebnisse und die Vorhersagbarkeit der ausgewerteten Prognosen zusammen. Der Pearson-Chi-Quadrat-Test und der Fisher-Exakt-Test werden angewandt, um die Leistung und Genauigkeit der Prognostiker und Prognosen zu untersuchen.Kapitel 7diskutiert die Ergebnisse und liefert mögliche Erklärungen für die Ergebnisse.Die Anhänge enthalten alle Daten, sortiert nach den verschiedenen Beratern. 172Methode2.1Quantitative und qualitative MethodenDie anfänglichen Arbeiten dieser Studie bestanden im Wesentlichen aus dem Sammeln, Zusammenstellen und Analysieren von Daten, die aus veröffentlichten Prognosen oder Ausblicken von drei verschiedenen Immobilienberatern stammten. Die gesammelten Daten konnten dann mit verschiedenen statistischen Tests und Hypothesen untersucht und dargestellt werden. Dieser Teil der Studie war rein quantitativ. Diese Art von Arbeit fällt unter den quantitativen Ansatz, bei dem Messungen und statistische Tests verwendet werden, um bestimmte Beobachtungen zu beschreiben und auf der Grundlage dieser Tests und Hypothesen Schlussfolgerungen zu ziehen, Backman (2009). Der qualitative Ansatz basiert im Allgemeinen auf empirischen Annahmen und nicht auf Statistiken oder Messungen, Backman (2009). Bei der Analyse und Interpretation bestimmter Ergebnisse und der Mechanismen, die hinter einem bestimmten Ergebnis stehen, musste ein qualitativer Ansatz gewählt werden. Das Literaturstudium und die Zusammenstellung der verfügbaren Forschungsergebnisse waren eine Möglichkeit, ein tieferes Verständnis des Themas zu erlangen. Auch dies war in gewisser Weise ein qualitativer Ansatz. Sowohl der quantitative als auch der qualitative Ansatz waren notwendig, um die Masterarbeit zu schreiben. 2.2 DatenerhebungDie meisten Prognosen im Immobiliensektor stammen von verschiedenen Beratungsunternehmen, zumindest für Gewerbeimmobilien. Aufgrund der Einzigartigkeit dieses speziellen Marktes ist dies vielleicht die einzige Quelle, um Prognosen zu immobilienspezifischen Kennzahlen wie Mieten, Bestandsvolumen, Renditen, Leerstandsquoten und Transaktionsvolumen zu finden. Die meisten Unternehmen, die Prognosen erstellen, scheinen keine ökonometrischen Ansätze zu verwenden, zumindest nicht die Mehrheit, wie die kurze, aber intensive Zeit, die der Autor in der Branche verbracht hat, gezeigt hat. Diese Aussage über den begrenzten Einsatz ökonometrischer Methoden wird auch von Baraz (2006) geteilt. Zu den üblichen Arbeitsabläufen gehört das "Data-Mining" der auf dem Markt beobachteten Renditen, Mieten und Preise, die dann in internen Datenbanken erfasst und später für die tägliche Masterarbeit mit Bewertung, Transaktionsberatung, Vermietung und natürlich Prognosen verwendet werden. Das bedeutet, dass es im Interesse des Unternehmens liegt, über den Markt auf dem Laufenden zu bleiben und manchmal auch Informationen auszutauschen. Der direkte Kontakt mit Investoren und Immobilieneigentümern, der im Grunde der Markt ist, liefert also Trends und Anzeichen dafür, wohin sich der Markt entwickelt. 18 Die angenommenen Markttrends werden oft als steigend, fallend oder neutral beschrieben, mit einigen zusätzlichen grafischen Zeichen wie Pfeilen oder einer speziellen Farbgebung. Einige Unternehmen und Berichte verwenden nicht unbedingt grafische Darstellungen. In diesen Fällen müssen die Vorhersagen und Meinungen anhand der Texte in den veröffentlichten Prognosen interpretiert werden. Bei der ersten Anfrage an eine Reihe von Beratungsunternehmen, die Prognosen erstellen oder veröffentlichen, war es das Ziel, vollständige Datensätze für eine Reihe von Jahren zu erhalten. Es stellte sich jedoch heraus, dass die Unternehmen diese Informationen nach einigen Jahren aus Gründen der Vertraulichkeit nicht mehr weitergeben wollten. Dies ist ein wenig widersprüchlich, da diese Prognosen kostenlos an alle verteilt werden, während die Prognosen die neuesten und aktuellsten sind. Dies bedeutete, dass die Daten aus dem Internet und von den Websites der Beratungsunternehmen entnommen werden mussten. Dies bedeutete, dass nur wenige Prognosen oder Ausblicke aufgrund der Knappheit der Daten abgelehnt werden konnten. In dem genannten Fall, in dem die Prognosen nicht durch grafische Darstellungen erläutert wurden, mussten die Vorhersagen aus den Texten extrahiert werden. Diese Informationen sind oft recht eindeutig und könnten etwa wie folgt ausgedrückt werden: "Wir erwarten, dass die Mieten aufgrund des mangelnden Angebots steigen und die Leerstandsquoten daher sinken werden". Die untersuchten Beratungsunternehmen sind anonym und werden als Berater A, B und C bezeichnet. Die gesammelten Daten wurden in einer Tabelle zusammengestellt, in der Prognosen, Ergebnisse, Gesamtveränderung der Variablen, prozentuale Veränderung usw. angezeigt werden. In der nachstehenden Tabelle 2.1 ist ein Beispiel für den allgemeinen Fall dargestellt. Tabelle 2.1 ein Beispiel für eine Tabelle zum Zusammenstellen, Vergleichen und Analysieren von Daten Der Zweck der Tabelle besteht darin, die aktuellen Werte für Jahr 1 mit den aktuellen Werten für Jahr 2 zu vergleichen. Wenn die Prognose für das Jahr 1 mit der Richtungsänderung für das Jahr 2 übereinstimmt (als Ergebnis bezeichnet), dann wird das Ergebnis der Prognose für das Jahr 1 als richtig bezeichnet, andernfalls als falsch. Diese Variable ist als absolute Gesamtveränderung zu interpretieren. JahrBerater Aktueller WertPrognoseErgebnisPrognoseergebnisGesamtveränderungProzentuale VeränderungDF-WertPrognoseaufwärtsPrognoseabwärtsPrognoseneutralKaltmiete (EUR/m2)350neutralabwärtsfalsch4011%0001CBD Leerstand (%)5,5neutralFalsch-2,5-45%0001Bestand (m. sqf)7upKorrekt-1-14%1100Investitionsvolumen (Mrd.EUR)5neutralownwrong120%0001Kaltmiete (EUR/m2)310downCBD Leerstand (%)8upBestand (Mio.sqf)8upInvestitionsvolumen (Mrd.EUR)4downCity12 19Die prozentuale Veränderung ist das Verhältnis zwischen der Gesamtveränderung und dem aktuellen Wert für das Jahr 1. DF-Wert ist die Abkürzung für Directional Forecast Value. Diese Terminologie wird später in Kapitel 3 verwendet und ist ein Instrument zur Messung und Analyse der Genauigkeit der Prognose. Diese Variable erhält den Wert 1 für eine korrekte Prognose und andernfalls den Wert 0. Die Variablen für die Vorhersagen "nach oben", "nach unten" und "neutral" funktionieren auf die gleiche Weise und erhalten den Wert 1, wenn die Vorhersage mit einer der Richtungen übereinstimmt, und andernfalls den Wert 0.2.3EinschränkungenEs scheint, dass es in der Immobilienbranche unter den Beratern eine gewisse Abneigung gibt, alte Prognosen offenzulegen und zu verbreiten, zumindest im nordischen Raum. Die meisten Firmen geben über ihre Website nur Zugang zu den Prognosen des aktuellen Jahres oder des Vorjahres. Dies macht es schwierig, die Genauigkeit der Prognosen zu überprüfen. Die internationalen Veröffentlichungen und Prognosen der gleichen Unternehmen sind etwas leichter zugänglich. Außerdem sind die Prognosen fast immer urheberrechtlich geschützt und besagen, dass fast nichts von dem Material nachgedruckt oder ohne Genehmigung verbreitet oder verwendet werden darf. Sicherlich ist dies ein Standardverfahren zum Schutz der Marke, aber es schränkt auch den Zugang zur Marktforschung ein. Aus diesem Grund sind die Berater in dem Material anonym. Ein weiterer überraschender, aber interessanter Aspekt war die Tatsache, dass sich das Format der Ausblicke und Prognosen von Jahr zu Jahr stark verändert. Der Trend scheint dahin zu gehen, dass mehr makroökonomische Daten und weniger Daten zum Immobilienmarkt hinzugefügt werden. Für einige Jahre ist eine bestimmte Kennzahl, z. B. der Renditetrend, nicht zu finden, so dass keine Bewertung der Prognose möglich ist. Ein Grund dafür könnte sein, dass in manchen Jahren eine bestimmte Variable ungewöhnlich schwer vorherzusagen ist, so dass man sie einfach überspringt, anstatt eine Vorhersage zu treffen, und so das Risiko einer völlig falschen Vorhersage ausschließt. Oder wie von Gallimore (2011) erwähnt, können sogar die aktuellen Werte manchmal schwer zu schätzen sein. Das bedeutet, dass die Unternehmen bei der Übermittlung bestimmter Variablen so vage wie möglich bleiben wollen. Read Less