Real estate forecasting : an econometric approach

Object of this work is to apply two econometric techniques to model office rent growth and then use these models to predict future movements. The Classical Linear Regression Modelling and the pure time series modelling Auto-Regressive Integrated Moving Average (ARIMA) have been employed. For the development of the work quarterly data, suggested by the literature review, regarding office rent, vacancy rate, GDP growth, interest rate, stock returns and employment have been used. The sample of data ranges between 1997Q1 to 2017Q4. This time period has been divided in two parts, where the first part has been used to create the models and the second one, from 2016Q1 to 2017Q4, as out-sample to compare actual values with predictions made by the statistical models. The research has been focused on the major cities of the European region. In particular the two statistical approaches have been applied to the city of Milan, Paris, Madrid, Lisbon, London, Amsterdam, Frankfurt and Zurich. For each of them data have been collected and models created. The statistical validity of the models has been verified by means of several diagnostic checking. The performances of the models produced by the two approaches have been evaluated both in terms of their ability to fit actual values and in terms of the accuracy of their forecasts. In particular, the performances of the forecasts have been compared by means of several accuracy measures: Mean Error (ME), Mean Absolute Error (MAE), Root Mean Squared Error (RMSE) and Theil’s U1 coefficient. Moreover, predictions by the models in aggregate terms, have been compared against consensus forecasts by Investment Property Forum. The current study indicates that linear regression models are better in fitting the data, but not in producing forecasts. Predictions generated through ARIMA modelling in fact resulted in higher performances. However, none of the two approaches have been able to beat consensus forecasts.

L’obiettivo di questo elaborato consiste nell’applicazione di due tecniche econometriche per modellizzare l’andamento dei valori di locazione relativi al settore uffici e in seguito utilizzare questi modelli per prevedere i movimenti futuri. In particolare le due tecniche utilizzate corrispondono alla classica regressione lineare (CLRM) e Auto-Regressive Integrated Moving Average (ARIMA). Per sviluppare il lavoro sono stati impiegati dati con frequenza trimestrale relativi a canoni di locazione, tassi di sfitto, crescita del GDP, tassi di interesse, rendimenti azionari e livelli di occupazione. La scelta di questi indicatori è stata dettata da una revisione della letteratura esistente. Il periodo temporale a cui questi dati fanno riferimento si estende dal primo trimestre del 1997 al quarto trimestre del 2017. Nella realizzazione dell’elaborato questo intervallo di tempo è stato diviso in due parti. La prima parte che va dal 1997 al 2015 è stata usata per creare I modelli, mentre, i dati relative al secondo intervallo di tempo sono stati utilizzati per testare I valori prodotti dai modelli statistici con quelli attuali. La presente ricerca ha avuto come focus le principali città europee. In particolare I due approcci statistici sono stati applicati alle città di Milano, Parigi, Madrid, Lisbona, Londra, Amsterdam, Francoforte e Zurigo. Per ciascuna di queste città, quindi, sono stati raccolti i dati e creati i modelli. La validità statistica dei modelli prodotti è stata verifica per mezzo di diversi controlli diagnostici. Le prestazioni dei modelli prodotti attraverso i due approcci sono state valutate sia in termini di abilità nell’adattarsi ai valori attuali, sia in termini di accuratezza delle previsioni effettuate. In particolare le performances delle stime sono state valutate tramite diverse misure di precisione, quali: Mean Error (ME), Mean Absolute Error (MAE), Root Mean Squared Error (RMSE) e il coefficiente U1 di Theil. Inoltre, le previsioni in forma aggregata dei modelli sono state comparate a stime qualitative prodotte da Investment Property Forum. Il presente lavoro si conclude indicando i modelli prodotti tramite regressione lineare come migliori nel replicare l’andamento dei valori attuali, ma non nel produrre le stime per periodi futuri. Le previsioni generate per mezzo della modellazione ARIMA hanno infatti prodotto delle misure di accuratezza più soddisfacenti. Tuttavia nessuno dei due approcci statistici è riuscito a fare meglio delle stime qualitative.